Predictive Modeling
Uso de dados históricos para estimar, aluno a aluno, a probabilidade de matrícula ou de evasão.
No Brasil: Retirar raça do modelo não elimina o viés: CEP, bairro e escola de origem funcionam como proxy, e a acurácia costuma ser pior justamente para quem tem maior necessidade financeira (Yu, Lee e Kizilcec, 2021). Sob a LGPD, com raça como dado sensível e direito a revisão de decisão automatizada, auditar desempenho por grupo deixa de ser opcional.
Modelagem preditiva de matrícula estima, aluno a aluno, a probabilidade de matricular ou de evadir, a partir de dado histórico. É a base técnica de qualquer sistema de alerta precoce, e também o ponto onde o Enrollment Management recebe a crítica mais séria: o modelo carrega o viés dos dados que aprende, e esse viés não desaparece só porque a variável de raça foi retirada da fórmula.
A razão é que outras variáveis, como CEP, bairro e escola de origem, funcionam como proxy de raça e de renda, reproduzindo a mesma disparidade por um caminho indireto. Pesquisa que mediu isso diretamente encontrou acurácia e taxa de verdadeiro negativo piores exatamente para os alunos com maior necessidade financeira, o grupo que mais precisaria de uma predição confiável.
No Brasil, isso não é só uma questão ética: é uma exigência legal. A LGPD trata dado de origem racial como categoria sensível, e prevê direito à revisão de decisão automatizada que gere efeito relevante para a pessoa. Um escore de risco que direcione ou negue esforço de retenção a um aluno, sem revisão humana documentada, entra diretamente nesse regime.
O que a evidência sustenta
- Retirar atributos protegidos como raça do modelo não elimina a disparidade: variáveis como CEP, bairro e distrito escolar operam como proxy, e o modelo tem acurácia e taxa de verdadeiro negativo piores para alunos com maior necessidade financeira (Yu, Lee e Kizilcec, 2021).
Perguntas frequentes
Retirar raça do modelo resolve o problema de viés?
Não. Pesquisa que testou isso diretamente encontrou que a disparidade persiste, porque outras variáveis, como CEP e escola de origem, funcionam como proxy. O modelo continua tendo desempenho pior justamente para os alunos com maior necessidade financeira.
A LGPD se aplica a modelo preditivo de evasão?
Sim, em pelo menos duas frentes. Dado de origem racial é categoria sensível pela lei, e decisão automatizada que gere efeito relevante para a pessoa dá direito a revisão humana. Um escore que direcione ou negue esforço de retenção sem essa revisão documentada está fora de conformidade.
Isso significa que não se deve usar modelagem preditiva?
Significa que auditar o desempenho do modelo por grupo deixa de ser opcional. A modelagem pode ajudar a priorizar esforço, mas exige verificação constante de que ela não está sistematicamente pior para quem mais precisa de apoio, e documentação da revisão humana sobre a decisão automatizada.