Podem Algoritmos Padronizar os Logros dos Estudantes do Ensino Médio de Acompanhamento Melhor que as Decisões dos Professores?

Two objectives guided this research. First, this study examined how well teachers’ tracking decisions contribute to the homogenization of their students’ achievements. Second, the study explored whether teachers’ tracking decisions would be outperformed in homogenizing the students’ achievements by statistical models of tracking decisions. These models were akin to teachers’ decisions in that they were based on the same information teachers are supposed to use when making tracking decisions. It was found that the assignments of students to the different tracks made either by teachers or by the models allowed for the homogenization of the students’ achievements for both test scores and school marks. Moreover, the models’ simulations of tracking decisions were more effective in the homogenization of achievement than were the tracking decisions, if the students assigned to the different tracks were at the center of the achievement distribution. For the remaining students, there was no significant difference found between teachers’ tracking decisions and the models’ simulations thereof. The reason why algorithms produced more homogeneous groups was assumed to be due to the higher consistency of model decisions compared to teacher decisions. Dos objetivos guían esta investigación. En primer lugar, este estudio examinó qué tan bien las decisiones de seguimiento de los docentes contribuyen a la homogeneización de los logros de los estudiantes. En segundo lugar, el estudio analizó si los modelos estadísticos de localización tuvieron mejores resultados que las decisiones de seguimiento de los profesores para la homogeneización de los logros de los estudiantes. Estos modelos tenían información similar a las que usaban los profesores cuando toman decisiones de seguimiento. Se encontró que las asignaciones de los estudiantes a diferentes grupos de nivel hechas ya sea por los profesores o por los modelos homogeneizaron los logros de los estudiantes tanto en exámenes como calificaciones escolares. Por otra parte, modelos que usaban algoritmos para tomar decisiones de localización fueron más eficaces en la homogeneización de logros si los estudiantes asignados a los diferentes grupos de nivel estaban en el centro en la curva de distribución de logros. Para el resto de los estudiantes, no hubo diferencias significativas entre las decisiones docentes y los modelos. La razón por la cual los modelos que usaron algoritmos produjeron grupos más homogéneos fue dada la mayor consistencia en los modelos de decisiones en comparación con las decisiones de los maestros.Dois objetivos norteiam esta pesquisa. Em primeiro lugar, este estudo analisou quão bem as decisões dos professores contribuem para a homogeneização desempenho dos alunos. Em segundo lugar, o estudo examinou se modelos estatísticos superaram as decisões dos professores para conseguir a homogeneização do desempenho dos alunos. Estes modelos tinham informações semelhantes aos utilizados pelos professores na tomada de decisões. Verificou-se que a localização dos alunos em diferentes grupos de nível feitas por professores ou por modelos de desempenho homogeneizaram os resultados dos alunos em as provas e as notas. Além disso, os modelos que usaram algoritmos para decisões de localização foram mais eficazes na homogeneização da logros se os alunos estavam no nível médio da curva de distribuição de logros. Para outros alunos, não houve diferenças significativas. A razão pela qual os modelos de algoritmos usados resultaram em grupos mais homogêneos se deve a maior consistência dos modelos de decisão em comparação com as decisões dos professores