Análise de dados da pandemia na educação: participação não garantiu aprovação

A pandemia alterou aulas, avaliações e formas de acompanhar estudantes; por isso, entender o que os dados daquele período conseguem — e não conseguem — mostrar continua importante para decisões escolares. Este texto responde a três perguntas: o que as pesquisas recentes observaram sobre participação, aprendizagem e desigualdades? Como interpretar resultados produzidos em condições tão diferentes das aulas presenciais? E que usos práticos esses aprendizados podem ter no planejamento e na avaliação de uma turma?

Os estudos reunidos aqui não oferecem uma receita única para toda escola. Eles ajudam, isso sim, a olhar com mais cuidado para sinais que podem ser confundidos: acesso a uma plataforma não é sinônimo de aprendizagem, ausência de uma avaliação não é automaticamente um resultado baixo, e uma média geral pode esconder trajetórias diferentes entre grupos. A proposta é transformar essas distinções em perguntas úteis para o trabalho docente.

O que é análise de dados sobre a pandemia de COVID-19 na educação e por que importa para o professor?

É o uso organizado de informações sobre estudantes, aulas, avaliações e condições escolares para compreender o que mudou durante a pandemia e o que permaneceu depois dela. Na rotina docente, isso pode aparecer ao comparar participação nas atividades, entregas, resultados de avaliações, frequência ou dificuldades de acesso. O dado não decide sozinho o que fazer: ele é uma pista que precisa ser interpretada junto do contexto da turma.

Durante o período de interrupções, escolas e pesquisadores encontraram formas distintas de ensinar e recolher informações. Algumas avaliações foram canceladas, outras ocorreram remotamente ou de maneira inconsistente; ao mesmo tempo, ambientes on-line passaram a registrar interações que antes não ficavam tão visíveis. Estudos recentes mostram tanto as possibilidades dessas novas fontes quanto seus limites. A participação em uma plataforma, por exemplo, pode ajudar a localizar estudantes que precisam de apoio, mas não revela por si só se compreenderam o conteúdo.

Para o professor, a questão prática é separar três coisas: o que foi observado, o que se pode concluir e o que ainda precisa ser verificado. Se uma atividade não foi entregue, houve falta de compreensão, falta de conexão, dificuldade de organização ou outro obstáculo? Os dados podem abrir essa investigação, mas não substituem a conversa pedagógica nem o conhecimento que o professor tem da turma.

O que a pesquisa recente mostra sobre dados, participação e aprendizagem?

Participação digital pode revelar necessidades, mas não equivale a aprovação

Um estudo de caso acompanhou estudantes do ensino médio em uma escola urbana dos Estados Unidos e comparou interações registradas na plataforma Canvas com o desempenho acadêmico. Os estudantes com muitas interações no curso, mas que não estavam sendo aprovados, foram destacados para os professores. A intenção era favorecer vínculos virtuais e apoiar o aumento do número de disciplinas aprovadas. A pesquisa também analisou quais grupos estavam desproporcionalmente representados entre esses estudantes, para contribuir com a cultura escolar e iniciativas futuras de equidade (Morales, 2024).

O ponto útil para a sala não é importar a plataforma ou presumir que mais cliques resolvam dificuldades. É notar que participação e aprovação são indicadores diferentes. Um estudante pode estar presente, interagir e ainda assim não conseguir demonstrar aprendizagem ou concluir as atividades com sucesso. O estudo descreve o uso dos dados para identificar uma situação que merecia atenção docente; não apresenta a participação como medida suficiente de domínio.

Uma revisão sistemática sobre análise da aprendizagem e mineração de dados educacionais examinou pesquisas de 2013 a 2022, incluindo períodos pré-pandêmico, pandêmico e pós-pandêmico. Os estudos se concentraram sobretudo nas experiências dos estudantes em sistemas on-line, enquanto deram pouca atenção às perspectivas dos professores. A maioria também se voltou ao ensino superior, com atenção insuficiente à educação anterior a essa etapa. Além disso, faltavam descrições detalhadas dos processos de ensino, e havia mais ênfase na interação entre estudantes e plataformas (Chen, 2025).

Essa revisão aponta uma lacuna importante para quem ensina na educação básica: acumular registros digitais não basta se não sabemos como as práticas pedagógicas se relacionam com eles. Os autores analisaram a evolução das palavras-chave em três períodos — pré-pandêmico, pandêmico e pós-pandêmico —, mas o resumo não atribui um efeito específico a cada período. A contribuição mais segura para a docência é uma pergunta: que aspecto da aprendizagem o registro realmente representa?

Dados ausentes podem mudar a pergunta da avaliação

A pandemia não apenas alterou o ensino; também interrompeu projetos de pesquisa e avaliações planejadas. Feller e colaboradores analisaram um caso em que os dados da última coorte de estudantes estavam ausentes porque as escolas fecharam, o ensino passou ao remoto e as avaliações foram canceladas ou recolhidas de forma inconsistente. A pesquisa apresenta um arcabouço para decidir como proceder, com exemplos de estudos de educação infantil: um ensaio clínico randomizado por conglomerados e um estudo longitudinal descritivo (Feller, 2025).

Os autores argumentam que as recomendações habituais para lidar com dados ausentes podem não ser adequadas quando os pressupostos que as sustentam foram violados. Em vez de recomendar como padrão que resultados ausentes sejam ajustados por imputação ou ponderação, eles sugerem, em geral, redefinir o alvo da análise: restringi-la às coortes totalmente observadas ou focalizar um resultado alternativo. É uma orientação voltada à análise de pesquisa, não uma instrução automática para notas escolares.

Para o professor, a distinção é valiosa: quando faltam evidências, não se deve tratar a lacuna como se fosse uma observação comum. Uma avaliação cancelada não equivale a uma nota baixa, e uma nota coletada em condições muito diferentes pode não ser diretamente comparável a outra. A decisão pedagógica pode ser buscar uma nova evidência, alterar o tipo de atividade ou explicitar que a comparação disponível responde a uma pergunta mais estreita.

Equidade depende de olhar além das médias

Uma proposta de avaliação e responsabilização alinhada à diversidade, equidade e inclusão amplia o foco para resultados além das notas em testes. Entre os resultados considerados estão frequência, suspensões, matrícula em disciplinas exigentes, notas e conclusão do ensino médio e do ensino superior, além da participação em programas para estudantes aprendizes de língua inglesa e outros programas. O trabalho apresenta questões sobre como conectar dados da educação básica a resultados de médio e longo prazo e como construir modelos estatísticos adequados (Meyer, 2023).

O estudo foi desenvolvido em colaboração com quatro redes municipais de ensino. Duas tinham interesse em incorporar dados da pré-escola ao 3º ano; outras duas, em conectar experiências dos anos finais do ensino fundamental e do ensino médio a resultados posteriores. Os autores observam que usar intervalos longos de dados pode refletir políticas e contextos que já mudaram, incluindo a pandemia. Como alternativa preferida, propõem encadear modelos de curto e médio prazo, conectados por variáveis fortes, para obter relações mais atualizadas.

Essa proposta não significa que cada professor precise construir modelos preditivos. Ela chama atenção para uma questão cotidiana: a média da turma pode esconder diferenças de acesso, frequência ou participação. Uma interpretação mais justa combina indicadores e pergunta quem está ficando de fora, em vez de classificar estudantes apenas pelo resultado final. A ideia central é ampliar o retrato, sem presumir que um indicador isolado explica a trajetória de alguém.

A pandemia também alterou as condições de produção e interpretação dos dados

Dados de rotatividade docente ajudam a lembrar que os resultados escolares dependem de condições institucionais, não apenas de escolhas individuais dos estudantes. Em Washington, nos Estados Unidos, pesquisadores usaram dados longitudinais de professores desde 1984-1985 para contextualizar a evasão durante a pandemia. A taxa de evasão após 2020-2021 foi de 7,3%, acima dos 6,4% após 2019-2020, mas ambas ficaram dentro da faixa de rotatividade observada antes da pandemia. O aumento foi menor que diferenças de rotatividade existentes antes entre salas de alta e baixa vulnerabilidade socioeconômica, e essas desigualdades diminuíram durante a pandemia (Goldhaber, 2023).

O resultado impede uma explicação simples do tipo “a pandemia criou uma crise inédita de evasão docente”. Naquele contexto, houve aumento entre dois anos, mas as taxas se mantiveram dentro de uma faixa histórica mais ampla. Também houve diferenças entre salas com níveis distintos de vulnerabilidade. Para interpretar a experiência de uma escola brasileira, porém, é necessário conhecer as condições locais: o estudo trata de Washington e não fornece uma medida equivalente para o Brasil.

Outro estudo examinou mudanças no bullying entre estudantes do 9º ao 12º ano nos Estados Unidos, comparando tendências anteriores à pandemia, de 2009 a 2019, com o período de 2021 a 2023. O bullying escolar diminuiu 5,14 pontos percentuais após o início da pandemia e voltou a crescer à medida que a pandemia arrefeceu. O cyberbullying não apresentou alteração notável no período intermediário, mas a análise por grupos identificou aumento entre meninos e redução entre meninas. Os autores concluem que as mudanças diferiram entre populações e pedem mais estudos para compreender suas razões (Lee, 2026).

Esses achados mostram por que um único número não conta toda a história. A queda do bullying nas dependências escolares foi de curto prazo e não deve ser lida como prova de que as relações entre estudantes melhoraram de forma permanente. A experiência de estudantes também variou conforme o tipo de bullying e o grupo observado. No cotidiano escolar, acompanhar convivência requer observar o ambiente e as diferenças entre grupos, sem transformar correlação temporal em explicação causal.

Ensino híbrido ampliou possibilidades e também expôs barreiras

Uma pesquisa quantitativa com 334 estudantes de cinco escolas secundárias do distrito de Tshwane West, na província sul-africana de Gauteng, investigou o uso de tecnologia em aprendizagem híbrida no período pós-pandemia. Os estudantes usavam ferramentas on-line para se comunicar com colegas e professores, aprender de forma independente com recursos da internet e organizar o tempo de conclusão das tarefas. Ao mesmo tempo, o estudo identificou exclusão digital: estudantes não tinham habilidades tecnológicas ou dispositivos necessários para realizar provas on-line fora da sala de aula (Khosa, 2026).

Os autores recomendam formação para uso de sistemas de gestão da aprendizagem em provas on-line e uma política escolar de tecnologias de informação e comunicação. Essas recomendações pertencem ao contexto investigado, mas levantam uma questão aplicável a qualquer escola: uma avaliação digital mede o que o estudante sabe ou também mede se teve dispositivo, conexão e familiaridade com a ferramenta? Se essas condições não são consideradas, o resultado pode misturar aprendizagem e acesso.

Na educação artística, uma unidade de visualização de dados foi desenvolvida e implementada em uma turma dos anos finais do ensino fundamental nos Estados Unidos, nos últimos meses de 2020. A proposta partiu do interesse público crescente por visualizações da COVID-19 e conectou a leitura de dados ao contexto social, incluindo desigualdades raciais, sociais e econômicas. Os autores investigaram como a educação em arte poderia apoiar o envolvimento dos estudantes com questões que afetam suas comunidades e como a visualização poderia ter papel central nesse trabalho (Bertling, 2023).

Esse estudo não oferece uma fórmula universal de atividade, mas mostra uma possibilidade pedagógica: os dados podem ser objeto de leitura crítica, não apenas números para copiar. É importante perguntar quem produziu a informação, que contexto ela representa e quais questões sociais aparecem junto dela. A proposta descrita é situada em uma sala de arte dos Estados Unidos durante 2020; adaptá-la requer selecionar materiais confiáveis e considerar o contexto dos estudantes brasileiros.

Os estudos lado a lado: o que cada pesquisa investigou?

Os trabalhos abaixo analisam objetos e contextos diferentes: alguns examinam ferramentas digitais, outros avaliação, equidade ou relações escolares. A tabela ajuda a distinguir o que cada um relata, sem supor que todos mediram a mesma coisa ou que os resultados possam ser transferidos diretamente entre países.

Quais são os pontos em comum e as divergências entre os estudos?

O primeiro ponto em comum é que os dados ajudam a perceber algo que não aparece com clareza em um único resultado final. Interações digitais podem sinalizar estudantes que precisam de apoio; indicadores variados podem revelar dimensões de equidade; e tendências de convivência podem mudar de maneiras diferentes entre grupos. Ao mesmo tempo, Chen identifica uma lacuna: a literatura de análise on-line olhou mais para estudantes e plataformas do que para as perspectivas docentes e os processos de ensino.

Um segundo ponto é a importância das condições em que a informação foi produzida. Feller mostra que dados ausentes durante o fechamento de escolas podem invalidar pressupostos de métodos usuais. Khosa identifica obstáculos de dispositivos e habilidades para avaliações on-line. Os dois trabalhos tratam de problemas diferentes, mas ambos lembram que o resultado observado pode depender de como a avaliação foi possível — ou deixou de ser possível.

As pesquisas também divergem no objeto e no tipo de conclusão. Morales apresenta um caso de uso de dados para identificar estudantes com muitas interações e dificuldades de aprovação. Lee descreve tendências de bullying e suas diferenças por grupo. Goldhaber compara rotatividade docente com uma série histórica. Meyer propõe uma estrutura ampliada de avaliação, enquanto Bertling relata uma unidade curricular de visualização de dados. Não são estudos que possam ser somados como se fossem uma única medida do impacto da pandemia.

Há perguntas ainda abertas. Os resumos não permitem concluir quais práticas digitais funcionam melhor em todos os níveis escolares, por que certas tendências de bullying mudaram ou como os achados de outros países se traduzem em escolas brasileiras. Tampouco permitem afirmar que a pandemia, isoladamente, causou cada mudança relatada. O que se pode fazer é usar os resultados como alertas para interpretar dados com contexto e formular perguntas locais mais precisas.

O que isso significa para a sala de aula?

Na sala de aula, esses estudos podem inspirar aplicações prudentes: usar registros como pontos de partida, cruzar evidências e oferecer alternativas quando o acesso ou a coleta não foram equivalentes. As propostas abaixo são aplicações sugeridas para o contexto escolar; não são resultados testados pelos estudos citados.

1. Separe participação de aprendizagem

Uma aplicação sugerida é acompanhar participação e evidências de domínio em colunas diferentes, em vez de condensá-las num único julgamento. Imagine uma turma de 7º ano em que um estudante responde a todas as atividades da plataforma, mas erra questões que exigem explicar o raciocínio. O registro de participação indica constância; as respostas mostram que há um conceito a retomar. Uma conversa breve ou uma atividade de verificação pode ajudar a identificar o próximo passo. Essa leitura se inspira no caso de Morales, sem presumir que interações digitais sejam prova de aprendizagem.

2. Investigue o que significa uma ausência de dado

Uma aplicação sugerida é classificar a situação antes de concluir: atividade não oferecida, avaliação cancelada, problema de acesso, ausência ou resposta incompleta podem exigir encaminhamentos diferentes. Imagine uma turma em que parte dos estudantes fez uma avaliação em casa e outros não tiveram dispositivo. Comparar as notas como se todos tivessem tido as mesmas condições pode ser injusto. O professor pode recolher uma evidência alternativa ou delimitar o que aquela avaliação permite afirmar. A preocupação dialoga com Feller e com as barreiras descritas por Khosa.

3. Cruze indicadores simples antes de intervir

Uma aplicação sugerida é observar em conjunto entregas, participação, frequência e desempenho em tarefas, sem transformar nenhum indicador isolado em diagnóstico. Imagine que uma estudante participa pouco na plataforma, mas explica oralmente com clareza o conteúdo. O dado digital não deveria apagar essa evidência. Em outra situação, a participação alta pode coexistir com dificuldades persistentes. Cruzar sinais ajuda a decidir se vale oferecer apoio, mudar a forma de resposta ou conversar sobre obstáculos. A ideia acompanha o alerta de Morales sobre a diferença entre interação e aprovação.

4. Pergunte quem não está representado na média

Uma aplicação sugerida é comparar padrões da turma de forma cuidadosa, sem rotular indivíduos nem expor informações pessoais. Imagine que a média de uma atividade parece satisfatória, mas as entregas estão concentradas em estudantes que conseguem acessar a plataforma com facilidade. O professor pode perguntar quem teve oportunidade real de participar e oferecer formas equivalentes de resposta. Meyer propõe uma visão de avaliação mais ampla, enquanto Khosa relata exclusão digital. A aplicação não exige modelos complexos: exige considerar se todos puderam produzir a evidência usada para avaliar.

5. Use dados locais para conversar sobre convivência

Uma aplicação sugerida é acompanhar relatos e registros de convivência ao longo do tempo, distinguindo ocorrências presenciais e on-line, e buscar a compreensão dos estudantes sem expor casos individuais. Imagine uma turma em que conflitos no intervalo diminuem, mas surgem relatos de provocações em grupos digitais. Uma leitura agregada pode orientar uma conversa sobre convivência e canais de ajuda. O estudo de Lee observou tendências distintas para bullying escolar e cyberbullying, além de diferenças entre grupos; isso recomenda atenção ao tipo de situação, não a transposição automática de seus números para uma escola brasileira.

6. Transforme visualizações em perguntas críticas

Uma aplicação sugerida é convidar os estudantes a interpretar uma visualização de dados confiável relacionada a uma questão de saúde ou comunidade. Em vez de começar pela resposta, a turma pode discutir o que está sendo medido, qual período aparece e que informação falta para interpretar o padrão. Imagine uma atividade em que estudantes comparam formas diferentes de apresentar a evolução de um tema de saúde pública, sem tratar uma imagem como explicação completa. A experiência descrita por Bertling associa visualização a questões sociais e comunitárias, mas a escolha de fontes e o recorte devem ser adaptados pelo professor.

7. Planeje uma alternativa para avaliações digitais

Uma aplicação sugerida é prever, antes da avaliação on-line, uma rota equivalente para quem não dispõe de conexão, dispositivo ou familiaridade com a ferramenta. Imagine uma prova de revisão que possa ser feita na escola ou em outro formato, com os mesmos objetivos avaliativos. Isso evita confundir dificuldade tecnológica com domínio do conteúdo. Khosa relata barreiras de dispositivos e habilidades em escolas sul-africanas e recomenda formação e orientação institucional. No Brasil, a aplicação precisa considerar os recursos efetivamente disponíveis na comunidade escolar, em vez de presumir acesso doméstico.

O que muda no contexto brasileiro?

Os estudos aqui resumidos vêm principalmente dos Estados Unidos e da África do Sul; o resumo de alguns trabalhos não especifica o país. Nenhum fornece uma estimativa nacional para escolas brasileiras. Portanto, os resultados servem como referências para formular perguntas e não como números que descrevem automaticamente a realidade do Brasil.

O contexto importa porque plataformas, regras de avaliação, disponibilidade de equipamentos e organização das redes de ensino variam. O estudo de Morales usa interações na Canvas e aprovação em uma escola dos Estados Unidos; o de Khosa observa estudantes de cinco escolas secundárias em uma província sul-africana. Uma escola brasileira pode usar outra plataforma, combinar registros em papel e digitais ou não ter dados comparáveis entre estudantes. O princípio transferível é examinar o que cada indicador representa, não copiar o sistema utilizado.

Também é preciso cuidado ao transportar achados sobre bullying, rotatividade docente e grupos estudantis. As tendências identificadas por Lee correspondem a estudantes do 9º ao 12º ano nos Estados Unidos e a períodos específicos. A série de Goldhaber é do estado de Washington, com características próprias. Para aplicar essas pesquisas no Brasil, faz sentido observar dados locais, ouvir a comunidade e considerar diferenças entre redes e escolas antes de formular uma explicação.

Há uma oportunidade concreta para a educação básica brasileira: organizar registros já disponíveis sem transformar a coleta em vigilância. O professor pode perguntar qual decisão pedagógica um dado ajudará a tomar, quem terá acesso à informação e se a comparação é justa. Se não houver resposta clara, talvez seja melhor não recolher aquele dado. O foco deve permanecer na aprendizagem, na participação possível e no apoio, não na produção de indicadores por si só.

Quais são os limites desta leitura?

Esta leitura se baseia nos resumos de estudos recentes, não na íntegra das publicações. Por isso, apresenta os objetivos, resultados e recomendações que aparecem nesses resumos, mas não avalia detalhadamente todos os procedimentos, instrumentos, definições ou análises de cada trabalho. Os estudos têm desenhos diferentes e tratam de populações, etapas e perguntas distintas; seus resultados não devem ser comparados como se viessem de uma pesquisa única.

Ficam em aberto perguntas importantes para a prática: como os padrões se apresentam em diferentes redes brasileiras? Que formas de acompanhamento ajudam professores sem criar excesso de registros? Como distinguir uma dificuldade de aprendizagem de uma barreira de acesso? E quais intervenções são eficazes em cada contexto? Para responder a essas questões, seria necessário consultar os estudos completos e, em muitos casos, pesquisar evidências produzidas em condições próximas às da escola em questão.

Vale ler o estudo completo quando a escola quiser adotar uma ferramenta, replicar um método de análise, discutir uma política de avaliação ou tomar decisões que afetem grupos de estudantes. Nesse caso, é importante verificar como os autores definiram cada indicador, quais limitações identificaram e em que condições os resultados foram obtidos. Para uma decisão cotidiana, os resumos podem servir de ponto de partida, mas a observação da turma e as evidências locais continuam indispensáveis.

Como o GeraProva ajuda com este assunto?

Uma avaliação bem planejada pode ajudar o professor a recolher evidências diferentes de aprendizagem, sem confundir o resultado de uma atividade com toda a trajetória do estudante. O gerador de provas do GeraProva pode apoiar a criação de provas e atividades para esse acompanhamento; cabe ao professor revisar as questões, considerar as condições da turma e interpretar as respostas com seu conhecimento pedagógico. Para conhecer a plataforma, faça o cadastro grátis.

Perguntas frequentes sobre dados da pandemia e educação

Participar muito de uma plataforma significa que o estudante aprendeu?

Não necessariamente. No estudo de Morales, estudantes do ensino médio com alta participação registrada na plataforma Canvas ainda podiam não estar sendo aprovados nas disciplinas. Os registros foram usados para destacar esses estudantes e favorecer vínculos virtuais e apoio docente, não para tratar a quantidade de interações como prova suficiente de aprendizagem. Na prática, participação pode ser uma pista útil, mas precisa ser lida junto de respostas, tarefas e outras evidências. Se os sinais não combinam, vale investigar o que está dificultando a aprendizagem.

Como devo interpretar uma avaliação que não foi realizada durante a pandemia?

Uma avaliação ausente não equivale automaticamente a um resultado baixo. Feller e colaboradores estudaram dados que faltaram porque escolas fecharam, o ensino mudou e avaliações foram canceladas ou recolhidas de forma inconsistente. Eles alertam que métodos habituais para preencher dados ausentes podem não ser adequados quando os pressupostos necessários não se sustentam. Em estudos, sugerem em geral restringir a análise a coortes totalmente observadas ou mudar o desfecho analisado. Para a sala de aula, uma aplicação prudente é buscar outra evidência antes de concluir.

Quais dados podem ajudar a enxergar desigualdades entre estudantes?

Não há um indicador único que explique as diferenças. Meyer apresenta uma estrutura que considera, além das notas em testes, frequência, suspensões, matrícula em disciplinas exigentes, conclusão escolar e participação em programas. Já Chen observa que pesquisas sobre aprendizagem on-line deram pouca atenção às perspectivas dos professores e à educação anterior ao ensino superior. Para uma turma, isso sugere olhar para mais de uma evidência e perguntar quem teve condições de participar. A finalidade deve ser compreender necessidades e orientar apoio, não criar rótulos a partir de uma média.

O que a pesquisa diz sobre bullying depois da pandemia?

Um estudo com estudantes do 9º ao 12º ano nos Estados Unidos encontrou diminuição do bullying nas dependências escolares após o início da pandemia e crescimento posterior à medida que ela arrefeceu. O cyberbullying não apresentou mudança notável no período intermediário, mas houve tendências diferentes entre meninos e meninas. Os autores indicam que as razões dessas mudanças ainda precisam ser investigadas. Esses resultados não descrevem diretamente escolas brasileiras, nem mostram que uma queda temporária represente melhora permanente. Para a escola, vale diferenciar situações presenciais e digitais e acompanhar a convivência local.

O que fazer se os estudantes não têm acesso para realizar provas on-line?

O estudo de Khosa, com estudantes de escolas secundárias da África do Sul, identificou falta de dispositivos e de habilidades tecnológicas como obstáculos à realização de avaliações on-line fora da sala. Os autores recomendam formação para usar sistemas de gestão da aprendizagem e políticas escolares de tecnologia. Para uma escola brasileira, uma aplicação possível é oferecer uma alternativa equivalente de realização ou resposta e evitar interpretar o problema de acesso como falta de conhecimento. A solução concreta depende dos recursos locais; o essencial é verificar se todos puderam participar nas condições necessárias.

É possível aplicar diretamente ao Brasil os números de outros países?

Não. Os estudos sobre bullying e rotatividade docente, por exemplo, analisam contextos dos Estados Unidos, enquanto a pesquisa sobre aprendizagem híbrida trata de escolas na África do Sul. As condições de acesso, organização escolar, plataformas e populações diferem. Os resultados podem inspirar perguntas, como observar se participação e aprovação caminham juntas ou se avaliações digitais excluem alguns estudantes, mas não fornecem estimativas para escolas brasileiras. Para tomar decisões locais, professores e redes precisam olhar para dados próprios, interpretar suas limitações e considerar a experiência da comunidade escolar.

Referências

1. Bertling, Joy G.; Hodge, Lynn; Ryba, Ericka. (2023). “Há uma pandemia acontecendo!”: Visualização de Dados como Educação Crítica Baseada no Lugar em Tempos Desafiadores ("There's a Pandemic Going On!": Data Visualization as Critical Place-Based Education in Challenging Times). Art Education. Link.
2. Chen, Mu-Sheng; Hsu, Ting-Chia; Tu, Yun-Fang. (2025). O uso da análise da aprendizagem e da mineração de dados educacionais para analisar a prática docente em ambientes on-line: uma revisão sistemática da literatura (The Use of Learning Analytics and Educational Data Mining to Analyze Teachers' Teaching in Online Environments: A Systematic Literature Review). Interactive Learning Environments. Link.
3. Feller, Avi; Connors, Maia C.; Weiland, Christina; Easton, John Q.; Ehrlich, Stacy B.; Francis, John; Kabourek, Sarah E.; Leyva, Diana; Shapiro, Anna; Yeomans-Maldonado, Gloria. (2025). Lidando com dados ausentes devidos à COVID-19: dois estudos de caso na educação infantil (Addressing Missing Data Due to COVID-19: Two Early Childhood Case Studies). Journal of Research on Educational Effectiveness. Link.
4. Goldhaber, Dan; Theobald, Roddy. (2023). Evasão e Mobilidade Docente na Pandemia (Teacher Attrition and Mobility in the Pandemic). Educational Evaluation and Policy Analysis. Link.
5. Khosa, Conny; Molotsi, Abueng. (2026). Aprendizagem híbrida pós-pandemia: como os estudantes utilizam a tecnologia para obter sucesso acadêmico (Post-Pandemic Blended Learning: How Learners Utilise Technology for Academic Success). Journal of Education and e-Learning Research. Link.
6. Lee, Jusung; Syed, Iffath Unissa. (2026). Mudanças na vitimização por bullying entre estudantes do ensino médio nos Estados Unidos, 2009-2023: papel da pandemia de COVID-19 (Changes in Bullying Victimization among High School Students in the United States, 2009-2023: Role of the COVID-19 Pandemic). Journal of School Health. Link.
7. Meyer, Robert; Diel, Tracy; Jahiu, Rinor; Tymeson, Hayley. (2023). Inovação em Sistemas de Avaliação e Responsabilização Alinhados à Diversidade, Equidade e Inclusão (Innovation in Evaluation and Accountability Systems Aligned with Diversity, Equity, and Inclusion). Society for Research on Educational Effectiveness. Link.
8. Morales, Caroline. (2024). Análise inovadora de dados e aplicações para monitorar o engajamento de estudantes do ensino médio: um estudo de caso (Novel Data Analysis & Applications Monitoring High School Student Engagement: A Case Study). International Journal on E-Learning. Link.

Se algum dado da sua turma parece contar só parte da história, use-o como começo de uma pergunta — e não como resposta final. Que evidência você gostaria de observar com mais cuidado na sua próxima avaliação?