Dados e informação acionável a serviço da inclusão na educação

Eu olhei para os dados disponíveis e achei que não tinha muito o que fazer com eles. Normalmente a gente tem uma pergunta, vai a campo buscar dados e obtêm uma resposta, mas quando uma consultora do Ministério da Educação para inclusão de alunos portadores de deficiência na escola regular me pediu ajuda para extrair informações úteis dos dados disponibilizados pelo Ministério, eu fiquei encucado. Parecia não ter jeito de transformar aqueles dados em algo útil.

Trabalhando como analista em projetos de software ágil, estou acostumado a me perguntar "o que eu quero tirar disso" quando algo dá errado ou quando estou começando algo do zero. Dessa vez os dois aconteceram, é um domínio que eu não tenho conhecimento e os dados pareciam ter chegado antes da hora.

Ora, dados por si só valem muito pouco. Em tempos de Big Data, a oferta é tão grande que não importa a demanda, o valor de dados brutos nunca foi tão baixo. O movimento de Agile Analytics tem abordado o problema virando ele de ponta cabeça e só os buscando quando sabemos a pergunta que queremos responder. Datensparsamkeit ao invés de simplesmente coletar tudo ao estilo NSA. Neste caso os dados nem eram tão Big assim.

O que deveria sair desta análise é um plano de ação para aumentar a inclusão em municípios selecionados na Região Sul do Brasil. Com base nisso, o passo seguinte, pareceu ser tentar ver o retrato hoje. A taxa de inclusão varia muito entre municípios e o tamanho dos municípios também varia. De forma que 10 alunos em escola especial (o que significa que eles não estão incluídos na escola normal) em Porto Alegre (aprox. 1,4 milhões de hab.) seria um resultado muito bom, ao passo que o mesmo número em Cacequí (aprox. 14 mil hab.) seria consideravelmente pior. Experimentando um pouco com os dados, acabei dividindo eles nos quadrantes abaixo:

A coluna da esquerda representa municípios com baixo volume de alunos na escola especial e a da direita, alto. De forma análoga, a linha de baixo tem os municípios com baixa incidência de alunos na escola especial, e a de cima, alta. Isso significa que no quadrante inferior esquerdo temos os municípios mais avançados no processo de inclusão e no superior direito os que ainda demandam mais esforço. Cada um desses quadrantes é um tipo de problema, e podemos imaginar que as soluções para eles sejam parecidas entre sí, por exemplo:

Com isso, ao invés de abordar 111 problemas diferentes (1 para cada município analisado), agora o trabalho pode ser focado em 30 casos distintos (os 29 municípios vermelhos e todos no grupo laranja) e algumas iniciativas relativamente simples para os outros dois quadrantes. Certamente apenas isso não garantiria a solução imediata, mas permite o acompanhamento do progresso de cada um dos grupos, bem como a movimentação dos municípios entre eles.

Esse modelo foi adotado para o plano de ação dos municípios analisados e apresentado como referência para as outros grupos de municípios da Região Sul. Foi interessante ver que essas ferramentas comuns em atividades de concepção de software podem ser usadas também para servir as políticas públicas. Agora é esperar o final do ano para acompanhar os resultados!