Proposta de encaminhamento metodológico

1. Resumo executivo

Após a qualificação, três blocos de experimentos foram conduzidos fora do texto (Maceió/coorte, validação nacional de transições e baselines nacionais incluindo Ensino Médio). Esta proposta unifica o texto da qualificação e esses blocos em uma única narrativa: a pergunta continua sendo o efeito da estruturação temporal dos dados sobre o desempenho preditivo; os experimentos novos fornecem a explicação da heterogeneidade observada — o comportamento das etapas receptoras de transição (6º EF e 1º EM), onde a continuidade da coorte dentro da escola se rompe.

Em termos práticos, propõe-se: consolidar o pipeline experimental em código único e reprocessar os experimentos sobre uma base canônica restrita à rede pública, cobrindo o recorte regular da educação básica atendida pelo PNLD, do 1º ano do EF à 3ª série do EM, sob um protocolo estatístico e de métricas unificado. O Filtro de Kalman permanece como método comparativo, herdado do TCC. A defesa segue prevista para outubro/novembro de 2026.

2. Diagnóstico da situação atual

O que a qualificação estabeleceu. Comparação nacional (Ensino Fundamental, 2007–2025, horizonte T−2) entre duas representações temporais — retroativa e escalonada — com cinco métodos. Resultado global favorável à escalonada; padrão não uniforme por etapa (a retroativa apresenta menor MAE no 6º/7º ano). A Seção 5.3 do texto já levantava, como hipótese, a migração de estudantes entre escolas como possível causa dessa inversão.

O que os experimentos posteriores acrescentaram. Confirmaram nacionalmente que o erro absoluto se concentra nas etapas receptoras de transição; caracterizaram o mecanismo (dispersão da coorte entre escolas nos pontos de mudança estrutural); e testaram, em Maceió, a incorporação de razões de progressão de coorte (ganho pequeno, porém consistente, nas séries internas).

Desalinhamentos a corrigir na versão final:

Esses pontos não indicam uma mudança de tema, mas sim a necessidade de consolidação, reprocessamento, padronização experimental e reescrita orientada pela nova hierarquia dos achados.

3. Proposta de contribuição da dissertação

Em uma frase: o desempenho da predição de matrículas por escola-etapa é governado menos pela escolha do algoritmo e mais pela interação entre a representação temporal da série e a posição da etapa no fluxo escolar — e esse achado se traduz em uma taxonomia operacional, um protocolo reprodutível e implicações diretas para o planejamento do PNLD.

Em camadas:

1. Evidência controlada de que a representação temporal (retroativa vs. escalonada) altera o desempenho preditivo, em escala nacional, com efeito heterogêneo por etapa.
2. Caracterização das transições críticas (5º→6º EF e 9º EF→1º EM): concentração de risco absoluto de erro, penalidade relativa mensurável e mecanismo identificado — a quebra da continuidade da coorte intra-escola, associada à oferta incompleta de etapas e à migração entre escolas.
3. Taxonomia e protocolo: classificação das séries (representação × posição no fluxo) e protocolo experimental e estatístico unificado, reprodutível de ponta a ponta.
4. Tradução para a decisão pública: leitura dos erros em termos de direção (subestimação/superestimação) e de risco de compra para o PNLD.

Essa formulação atende ao requisito de contribuição clara registrado pela banca e incorpora as recomendações sobre regras de domínio (progressão de coorte) e investigação do baseline de persistência.

4. Pergunta de pesquisa proposta

Subperguntas:

• SP1. A representação escalonada (progressão de etapas) supera a retroativa (mesma etapa ao longo dos anos)? Em quais etapas e sob quais métricas?
• SP2. O erro de predição se distribui de forma homogênea ao longo do fluxo escolar, ou se concentra nas etapas receptoras de transição — e em que medida essa concentração é efeito do tamanho das unidades versus dificuldade preditiva propriamente dita?
• SP3. Por que métodos de persistência (repetir o último valor) são difíceis de superar neste problema, e o que as propriedades das séries revelam sobre isso?
• SP4. A incorporação de regras de domínio — razões de progressão de coorte entre etapas — melhora a predição nas séries em que a continuidade da coorte se mantém?

5. Taxonomia proposta das séries

Dois eixos independentes que, cruzados, organizam todo o desenho experimental:

Eixo 1 — Representação temporal (como a série é construída):

Eixo 2 — Posição no fluxo escolar (onde a etapa-alvo está):

Relação entre os eixos: a escalonada pressupõe exatamente aquilo que as posições de fronteira violam — a continuidade da coorte dentro da escola. Por isso espera-se (e os dados preliminares indicam) que a vantagem da escalonada se concentre nas séries internas e se perca nas fronteiras, onde nenhuma representação intra-escola tem acesso à informação necessária (o afluxo externo). A taxonomia transforma a heterogeneidade dos resultados em estrutura explicativa, em vez de ruído.

6. Escopo educacional

• Etapas-alvo: 1º ano do EF à 3ª série do EM (códigos INEP 14–21, 41, 25–27), fluxo regular. A pré-escola entra apenas como etapa de origem.
• Rede: escolas públicas (federal, estadual, municipal) — recorte alinhado ao público do PNLD.
• Cobertura: nacional, Censo Escolar 2007–2025.
• Horizonte: T−2, compatível com a defasagem real de planejamento do PNLD.

O Ensino Médio integra o escopo pretendido, com uma ressalva técnica: caso a representação escalonada para o 1º EM exija reconstrução específica ou tenha cobertura limitada, isso será reportado como parte da análise da própria fronteira 9º EF→1º EM. Registra-se desde já uma possibilidade metodologicamente interessante: se a representação escalonada se mostrar inviável ou pouco informativa para o 1º EM (onde a descontinuidade entre escolas é máxima), isso será tratado como achado e limitação documentada — coerente com o mecanismo proposto — e não como exclusão prévia do segmento.

7. Protocolo experimental proposto

• Base canônica única (só-públicas, 2007–2025), da qual derivam todas as representações de série — eliminando as diferenças de filtro entre os blocos atuais.
• Backtesting com origem móvel: múltiplos anos-alvo (2021–2025), sempre com treino restrito aos anos anteriores a T−2, sem qualquer uso de informação futura.
• Fatores experimentais: representação da série; método preditivo; etapa-alvo; posição no fluxo (interna/fronteira). Variável resposta: erro de predição por escola-etapa-ano.
• Elegibilidade e fallback: critérios mínimos de histórico documentados; quando a representação principal não for aplicável a uma série, aplica-se uma regra de fallback explícita e registrada, de modo que o protocolo produza predição para o máximo de séries possível e a cobertura de cada representação seja reportada.
• Sensibilidade: cenário complementar com critérios de histórico relaxados (séries com descontinuidades), respondendo diretamente ao apontamento da banca sobre o viés de séries bem comportadas.
• Formalização experimental (questão, hipóteses, fatores, variáveis resposta, unidade experimental, ameaças à validade) e reprodutibilidade (algoritmos, divisão treino/teste, link público de dados) conforme solicitado pela banca.

8. Métricas e testes estatísticos

MAPE é preterido nas agregações (instável com valores pequenos); R² sai das comparações principais. Métricas adicionais só entram se responderem a uma subpergunta específica, evitando dispersão.

9. Principais achados já observados

1. A representação importa. Globalmente, a escalonada supera a retroativa em todos os métodos (melhor MAE global: 7,57, método do último ano na escalonada, vs. 10,09 na retroativa); comparação pareada por unidade favorece a escalonada nos cinco métodos.
2. O efeito é heterogêneo e estruturado. A retroativa apresenta menor MAE justamente no 6º/7º ano — as etapas receptoras de transição — enquanto a escalonada domina nas etapas internas.
3. As transições concentram o erro absoluto. Em escala nacional, o MAE por série aproximadamente dobra do 5º para o 6º EF e quase triplica do 9º EF para o 1º EM, nos quatro baselines. A decomposição mostra que parte desse salto reflete o maior porte das unidades receptoras; a penalidade proporcional (WAPE) existe, mas é moderada. A formulação adequada é: concentração de risco absoluto + penalidade relativa + mecanismo de quebra de coorte — não "o erro explode".
4. O mecanismo é observável. Razões de progressão médias distantes de 1 nas transições (ex.: afluxo expressivo no 6º EF), subestimação sistemática da escalonada nas etapas receptoras e menor associação estatística entre origem e destino nos pontos de transição — indícios convergentes de migração entre escolas, não de séries mais ruidosas.
5. Persistência é um baseline forte. Métodos simples de persistência são difíceis de superar; qual método simples lidera varia com a representação e o protocolo — o que reforça a necessidade do protocolo único e da investigação descritiva (SP3).
6. Regras de domínio ajudam onde a premissa vale. Em Maceió, o ajuste por progressão de coorte reduziu o MAE (~5%) nas séries internas — indício favorável à SP4, a validar em escala maior.
7. Resultado negativo documentado: a alocação espacial de matrículas nas fronteiras não se sustentou na formulação testada; permanece registrada como limitação e linha futura (com possível reformulação por rede de ensino).

10. Encaminhamento proposto

Proposta de encaminhamento, sujeita à validação da orientação:

1. Consolidar o pipeline experimental em código único e auditável (os blocos atuais estão dispersos em formatos heterogêneos), com registro de execuções e dados versionados.
2. Reprocessar os experimentos sobre a base canônica só-pública, 1º EF–3º EM, sob o protocolo das Seções 7–8.
3. Consolidar as análises (comparação de representações; análise por etapa e por posição no fluxo; investigação do baseline de persistência; direção do erro).
4. Congelar experimentos ao final de agosto (tolerância até meados de setembro) e concentrar setembro/outubro na redação da versão final, incorporando as correções textuais da banca.

Itens tratados como experimentos a consolidar, não como promessas de resultado: extensão do ajuste de coorte para além de Maceió (amostral); ensemble simples como método adicional; análise de sensibilidade com séries descontínuas.

11. Pontos para validação com a orientação

12. Cronograma macro

13. Fechamento

O objetivo desta proposta não é ampliar a dissertação, e sim fechá-la: uma pergunta já validada pela banca, uma explicação sustentada por dados nacionais, um protocolo único e reprodutível, e um escopo que cobre o recorte regular da educação básica atendida pelo PNLD, do 1º ano do EF à 3ª série do EM. O critério de sucesso é uma dissertação coerente, reprodutível e defensável no prazo — com as escolhas metodológicas justificadas e as limitações declaradas com honestidade.