Painel de priorização municipal de alfabetização
Um secretário de educação tem verba para atender poucos municípios por ano e precisa escolher quais. O painel ordena os municípios do estado pelo risco de furar a meta de alfabetização no ano seguinte, e faz o que quase nenhum modelo faz: quando o dado daquele estado não sustenta a previsão, ele escreve "não sei" na tela em vez de entregar um número inventado.
Palavras sublinhadas têm uma explicação rápida. Toque nelas.
- 14 usa o modelo bateu a regra simples no teste
- 1 usa a regra simples o modelo não superou
- 8 não arrisca palpite o dado não sustenta previsão
Um painel que coloca os municípios de um estado em ordem de risco de não bater a meta de alfabetização no ano seguinte. E que avisa na própria tela quando os dados daquele estado não dão base para essa previsão.
Um secretário com orçamento curto precisa saber onde agir primeiro. Um modelo que erra calado é pior do que não ter modelo nenhum: ele manda gastar verba no município errado com cara de decisão técnica, e isso torna o erro difícil de contestar depois.
Só dado público (INEP, IBGE, Censo Escolar), com a origem de cada arquivo conferida por assinatura digital, para ninguém ter que acreditar na minha palavra. O teste imita a situação real: treina só com o passado, tenta prever 2025 sem ver a resposta, e depois compara com o que de fato aconteceu. Onde o modelo não consegue superar a regra mais simples, o painel recomenda a regra simples ou a abstenção.
No teste que previu 2025 em 5.285 municípios, a concordância par a par do modelo (sorteados dois municípios, a chance de apontar corretamente qual corria mais risco, a mesma ideia da métrica AUC) foi de 65%, contra 45% da regra simples e 50% do puro acaso. Ele recomenda usar o modelo em 14 estados, a regra simples em 1 e não arriscar palpite em 8.
Este projeto é o fim de uma linha que começou maior. A primeira tentativa previa criança por criança, e perdeu de uma regra de uma linha só. Em vez de esconder isso, eu mudei o alvo: o painel passou a trabalhar no nível do município, que é onde o dado realmente separa, e só nos estados em que o teste provou que a previsão vale. Encolher o escopo até onde a evidência alcança foi o que tornou o resultado utilizável.