Ir para o conteúdo

Metodologia e notas sobre os dados

Visão geral

O Índice Global de Prontidão para os Futuros da Educação (GEFRI) compara a prontidão dos países com dados abertos e comparáveis internacionalmente. Esta página explica a seleção de indicadores, a imputação e o cálculo das pontuações sob a perspectiva das políticas públicas. O apêndice técnico (em inglês) detalha os indicadores, as dimensões e o motor de cálculo.

Como o GEFRI funciona

  1. O conjunto de dados é atualizado mensalmente com os indicadores mais recentes. Em 15 de julho de cada ano, o GEFRI recalcula o ano de referência em curso e os quatro anteriores para incorporar de forma consistente as observações revisadas ou acrescentadas retroativamente pelo Banco Mundial.
  2. Os dados são limpos e validados. Os microestados, com menos de 300.000 habitantes, são sinalizados para que não influenciem as estatísticas de referência.
  3. Os valores ausentes são imputados nesta ordem: região e grupo de renda, região, grupo de renda e conjunto global. Os microestados ficam fora de todos os grupos de referência.
  4. Cada indicador recebe uma transformação própria. A maioria usa normalização móvel de mínimo e máximo com valores observados fora dos microestados. Capital humano usa transformações fixas para gastos, alfabetização e participação no ensino secundário e superior.
  5. As pontuações por dimensão passam por verificações de plausibilidade, com salvaguardas para contextos de fragilidade e conflito.
  6. Os níveis de confiança se baseiam na proporção de indicadores observados diretamente. Aplicam-se as penalidades previstas. Capital humano ajusta cada indicador pela qualidade dos dados e usa um ajuste adicional somente quando, no máximo, um indicador vem de uma observação do próprio país.
  7. A média das pontuações finais das dimensões produz o índice composto.

A implementação em Python está no apêndice técnico (em inglês).

Fontes de dados

Famílias de indicadores

O GEFRI mede cinco dimensões com indicadores do Banco Mundial e da UNESCO. O catálogo completo, com códigos e transformações, está no apêndice técnico (em inglês).

  • Infraestrutura: eletricidade e conectividade que possibilitam a aprendizagem digital e híbrida.
  • Capital humano: investimento, alfabetização e participação educacional ao longo da vida.
  • Acesso à escola e paridade de gênero: matrícula, conclusão e paridade para identificar quem continua excluído.
  • Inovação: gastos com P&D, intensidade da pesquisa e exportações de tecnologia, que ajudam a caracterizar a capacidade de desenvolver e ampliar novas soluções.
  • Governança: Indicadores Mundiais de Governança sobre efetividade do governo, qualidade regulatória, controle da corrupção e participação cidadã.

Todos os dados são de acesso aberto. O apêndice identifica as fontes quando várias instituições contribuem para uma série.

Transformações dos indicadores e limites de normalização

Para a maioria dos indicadores, o GEFRI define os limites com um histórico móvel de até 18 períodos de normalização registrados, com base nos mínimos e máximos observados em países que não são microestados. Nas atualizações mensais, esses períodos costumam ser meses. Na reconstrução histórica, os anos completos costumam usar dezembro, e o ano corrente usa o mês em que o cálculo foi executado. Isso estabiliza as pontuações e mantém a base empírica da normalização. Em indicadores sem limite superior natural, como publicações científicas e exportações de alta tecnologia, o máximo global pode subir e reduzir a pontuação normalizada de países cujos valores brutos não mudaram. Valores imputados seguem os limites sem defini-los. A reconstrução usa somente períodos disponíveis até o período de referência, inclusive. Os quatro indicadores de capital humano usam transformações fixas.

  • Indicadores lineares: a maioria usa a transformação direta de mínimo e máximo. Valores fora do intervalo histórico são limitados à faixa de 0 a 1.
  • Indicadores logarítmicos ou derivados: servidores seguros, pesquisadores por milhão, artigos científicos e exportações de alta tecnologia usam log1p antes da normalização para reduzir o efeito de valores extremos.
  • Assinaturas móveis: a pontuação cresce linearmente de 0 a 1 entre 0 e 150 assinaturas por 100 habitantes e permanece em 1 acima desse limite. Uma assinatura por habitante pode indicar ampla disponibilidade agregada, embora a distribuição possa ser desigual. O ponto de saturação de 150 é metodológico, sem caráter oficial para a UIT ou o Banco Mundial. Ele considera o uso de vários chips SIM e lacunas de cobertura sem atribuir crédito proporcional a densidades excepcionais.
  • Capital humano: gastos públicos em educação, alfabetização de adultos e taxas brutas de matrícula no ensino secundário e superior usam transformações fixas. A taxa do ensino superior usa uma função exponencial de retornos decrescentes com saturação técnica em 120. Esse valor considera a natureza de uma taxa bruta e não estabelece uma meta de frequência universitária.
  • Artigos por milhão de habitantes: o cálculo se aplica a populações ≥ 1 milhão. Abaixo disso, o indicador fica ausente e o nível de confiança em inovação diminui.
  • Indicadores de equidade: as medidas de não escolarização, conclusão e paridade de gênero usam funções lineares com pontos de referência fixos.
  • Evolução da fronteira: o aumento do máximo global, por exemplo em publicações científicas ou servidores seguros, pode ampliar a faixa e reduzir pontuações normalizadas mesmo quando os dados brutos não mudam.
CódigoIndicadorDimensão
EG.ELC.ACCS.ZSAcesso à eletricidade (% da população)Infraestrutura
IT.NET.USER.ZSUsuários de internet (% da população)Infraestrutura
IT.NET.SECR.P6Servidores de internet seguros (por milhão de habitantes)Infraestrutura
IT.CEL.SETS.P2Assinaturas móveis (por 100 habitantes)Infraestrutura
SE.XPD.TOTL.GD.ZSGasto público em educação (% do PIB)Capital humano
SE.ADT.LITR.ZSAlfabetização de adultos (% das pessoas de 15 anos ou mais)Capital humano
SE.SEC.ENRRTaxa bruta de matrícula no ensino secundário (%)Capital humano
SE.TER.ENRRTaxa bruta de matrícula no ensino superior (%)Capital humano
SE.ENR.SECO.FM.ZSParidade de gênero no ensino secundário (taxa bruta feminina/masculina)Acesso escolar e paridade de gênero
SE.ENR.TERT.FM.ZSParidade de gênero no ensino superior (taxa bruta feminina/masculina)Acesso escolar e paridade de gênero
SE.PRM.UNER.ZSCrianças fora da escola no primário (% da população em idade correspondente)Acesso escolar e paridade de gênero
SE.SEC.UNER.LO.ZSAdolescentes fora da escola no secundário (% da população em idade do primeiro ciclo)Acesso escolar e paridade de gênero
SE.SEC.CMPT.LO.FE.ZSConclusão do primeiro ciclo secundário, meninas (% do grupo etário correspondente)Acesso escolar e paridade de gênero
SE.SEC.CMPT.LO.MA.ZSConclusão do primeiro ciclo secundário, meninos (% do grupo etário correspondente)Auxiliar
GB.XPD.RSDV.GD.ZSGastos com P&D (% do PIB)Inovação
SP.POP.SCIE.RD.P6Pesquisadores em P&D (por milhão de habitantes)Inovação
IP.JRN.ARTC.SCArtigos em periódicos científicos e técnicosInovação
TX.VAL.TECH.CDExportações de alta tecnologia (dólares americanos correntes)Inovação
SP.POP.TOTLPopulação totalAuxiliar
GE.ESTEfetividade do governo (WGI)Governança
RQ.ESTQualidade regulatória (WGI)Governança
CC.ESTControle da corrupção (WGI)Governança
VA.ESTVoz e responsabilização (WGI)Governança

O indicador IP.JRN.ARTC.SC é recebido como contagem bruta de artigos e convertido em artigos por milhão para a pontuação de inovação se a população for ≥ 1 milhão. A população total e a taxa de conclusão do primeiro ciclo do ensino secundário entre meninos são dados auxiliares para os cálculos derivados, a confiança e os painéis. Não entram diretamente no índice composto. O apêndice técnico (em inglês) detalha a transformação e a imputação de cada indicador.

Imputação de dados e níveis de confiança

Quando falta um indicador para um país, o GEFRI imputa o valor em quatro etapas:

  1. Média por região e grupo de renda. É usada se ambas as categorias forem conhecidas e o grupo combinado tiver dados suficientes.
  2. Média regional. É usada se não houver valor para o grupo combinado.
  3. Média do grupo de renda. É usada quando não há média regional disponível.
  4. Média global. É usada se as opções anteriores estiverem indisponíveis.

Para países de alta renda sem dados sobre alfabetização de adultos, imputa-se 100 %, com o registro Assumed (high income). Valores de 100 % efetivamente informados continuam classificados como observações originais. A hipótese segue referências internacionais, salvo evidência em contrário.

As tabelas identificam valores originais e imputados e registram o método utilizado. Microestados, com menos de 300.000 habitantes, ficam fora dos cálculos de imputação.

O nível de confiança de cada dimensão depende da proporção de indicadores diretamente observados:

  • Alta: ao menos 90 % de cobertura observada.
  • Moderada: ao menos 70 % e menos de 90 %.
  • Baixa: menos de 70 %.

Os perfis mostram os indicadores imputados, os métodos e os níveis de confiança. Em casos raros, quando um indicador não se aplica a populações pequenas, como artigos por milhão para países com menos de um milhão de habitantes, a dimensão recebe automaticamente confiança baixa.

Os quatro indicadores de capital humano recebem pesos distintos conforme o dado seja observado diretamente, antigo, interpolado ou imputado. Em seguida, calcula-se a média das pontuações ajustadas. O multiplicador adicional de 0,85 só se aplica quando no máximo um indicador vem de observação do próprio país.

Normalização e cálculo das pontuações

  • Mínimo e máximo: a maioria dos indicadores é normalizada de 0 a 1 e apresentada de 0 a 100. Os limites vêm dos mínimos e máximos observados fora dos microestados em até 18 períodos de normalização registrados. Usa-se o dado mais recente publicado no ano de referência ou nos sete anteriores. Valores imputados respeitam os limites sem redefini-los.
  • Valores extremos: valores negativos ou impossíveis são limitados quando a transformação exige. As pontuações normalizadas ficam entre 0 e 1. As subpontuações de equidade usam pontos fixos de 10 a 100.
  • Transformações logarítmicas: servidores de internet seguros, pesquisadores e artigos científicos por milhão e exportações de alta tecnologia usam log1p antes da normalização.
  • Assinaturas móveis: aplica-se a saturação metodológica de 150 por 100 habitantes em lugar dos limites históricos. Os valores brutos permanecem nas exportações, valores extremos são sinalizados nos diagnósticos e o ponto de referência poderá ser revisto.
  • População mínima: artigos científicos por milhão se aplicam a populações ≥ 1 milhão. Abaixo disso, a confiança em inovação é baixa.
  • Pontuação por dimensão: infraestrutura, inovação e governança usam a média aritmética dos indicadores normalizados. Capital humano faz a média de quatro indicadores de transformação fixa, ajustados pela qualidade da evidência. Acesso à escola e paridade de gênero converte quatro indicadores centrais em valores de 10 a 100, aplica um controle de plausibilidade em certos países de alta renda, usa a média harmônica e aplica um teto por fragilidade quando pertinente.
  • Confiança e penalidades: infraestrutura, inovação, governança e acesso à escola e paridade de gênero usam confiança baixa (<70 %), moderada (70 % a menos de 90 %) e alta (≥90 %) conforme a cobertura observada. Pontuações com nível de confiança baixo são multiplicadas por 0,85. Capital humano mantém o nível de confiança publicado, mas substitui a penalidade geral por pesos por indicador e pelo ajuste descrito para casos com pouca evidência direta.
  • Índice composto: média das pontuações finais das dimensões, reescalada para 0–100.

Acesso à escola e paridade de gênero

A dimensão examina a escolarização, a conclusão do primeiro ciclo do ensino secundário e as diferenças por gênero. Considera problemas de medição e as interrupções causadas pela fragilidade ou por conflitos.

  • Indicadores: crianças fora da escola no nível primário, adolescentes fora da escola no nível secundário, conclusão do primeiro ciclo secundário entre meninas e índice de paridade no secundário. Cada medida é convertida linearmente em pontuação de 10 a 100.
  • Ajuste de plausibilidade: em países de alta renda fora da lista FCS, se três indicadores alcançam ≥80 e um fica em ≤40, o valor mais baixo é substituído pelo segundo mais baixo. A regra considera problemas como registros incompletos de formação profissional. No teste de sensibilidade de novembro de 2025, retirar a regra reduziu a pontuação em 4 a 12 pontos em nove sistemas de alta renda, sem mudar sua posição relativa no restante da classificação.
  • Confiança: a imputação reduz a proporção observada. Pode baixar o nível de confiança e acionar o multiplicador de 0,85, sem dedução separada.
  • Teto por fragilidade: em países da lista FCS do Banco Mundial para o exercício de 2025, a pontuação fica limitada a 40 após os demais ajustes. Nos testes, retirar o teto elevou as pontuações FCS em 8 a 20 pontos, sem mover nenhum país mais de cinco lugares na classificação composta.
  • Transparência: fórmulas, código publicável e exemplo completo estão no apêndice técnico (em inglês).

Justificativa das escolhas e dos parâmetros

  • Microestados (<300.000 habitantes): séries descontínuas nesses países podem distorcer as médias regionais e por renda. Por isso, eles são excluídos dos grupos de referência.
  • Artigos por milhão (≥1.000.000 de habitantes): o indicador por habitante fica instável em populações muito pequenas.
  • Confiança na dimensão de equidade: a imputação é refletida nos limiares de confiança e no multiplicador de baixa confiança, sem desconto adicional.
  • Confiabilidade do capital humano: os pesos por indicador reduzem o efeito de dados de investimento ou participação antigos ou baseados em grande parte em valores imputados.
  • Plausibilidade da equidade: em países de alta renda fora da lista FCS, trocar o menor valor pelo segundo menor quando três valores são ≥80 e um é ≤40 reduz o efeito de problemas conhecidos de notificação.
  • Níveis de confiança (<70 %, 70 % a menos de 90 %, ≥90 %): distinguem cobertura observada escassa, parcial e ampla.
  • Teto FCS de 40: evita superestimar a prontidão quando interrupções estruturais dos serviços não aparecem nos indicadores brutos.

O Banco Mundial publica a classificação de situações de fragilidade e conflito (FCS). O código e a documentação antigos ainda podem usar a sigla FCV.

Limitações dos dados e notas de uso

O cálculo histórico usa a observação mais recente publicada na janela de oito anos, incluindo o ano de referência e os sete anteriores. Isso limita a idade dos dados, mas alguns países ficam representados por observações anteriores. A imputação acrescenta incerteza, sobretudo com muitas lacunas ou dados antigos. Os prazos e padrões de notificação variam. O filtro de população reduz distorções nos indicadores de inovação, embora ainda possam ocorrer problemas com amostras pequenas.

O GEFRI disponibiliza pontuações anuais desde 2016. O Banco Mundial revisa os indicadores conforme recebe e valida novas observações. Em julho, o GEFRI recalcula o ano corrente e os quatro anteriores, do mais antigo ao mais recente. Cada ano reconstruído atualiza o histórico de limites usado no seguinte. Períodos posteriores não influenciam anos anteriores. O arquivo completo de limites é mantido. Se o máximo global de um indicador sem limite superior natural aumentar, um valor bruto estável pode receber pontuação normalizada menor. Para manter uma série imutável, arquive as versões originais das fontes junto com os resultados do GEFRI.

O índice serve de ponto de partida para pesquisa e diálogo sobre políticas, com apoio do conhecimento local. Classificações isoladas não sustentam conclusões definitivas, principalmente quando a confiança é baixa.

  • As pontuações refletem observações publicadas na janela de referência e não medem acontecimentos recentes.
  • Uma proporção alta de dados imputados reduz a confiança.

Para enviar comentários ou relatar problemas, entre em contato.

Histórico de alterações

  • 2026-07-15 — Motor 1.2: média harmônica em acesso à escola e paridade de gênero, confiança baseada em observações diretas, exclusão de microestados dos limites, normalização restrita a 0–1, saturação fixa das assinaturas móveis, transformações fixas e ponderação por evidência em capital humano e correção do uso de artigos por milhão em inovação. As pontuações históricas foram recalculadas desde 2016.
  • 2026-07-12 — Ampliação das páginas de análise e do explorador de mapas. A rota base da API passou para /api/v1/gefri. /api/gefri continuará disponível pelo menos até 1º de janeiro de 2027. A normalização histórica foi corrigida para impedir que períodos posteriores influenciem os anteriores, preservando o arquivo de limites.
  • 2026-06-20 — Registros duplicados da Somália foram eliminados com um perfil canônico por código ISO 3166-1 alfa-3. Os nomes passaram a servir apenas como rótulos. A alteração da pontuação de 2026 aparece nas publicações a partir de 1º de julho.
  • 2025-11-26 — Motor 1.1: histórico móvel de até 18 registros inicializado com dados históricos para reduzir oscilações mensais, novas visualizações históricas e melhorias na interface.
  • 2025-05-27 — Motor 1.0: exclusão dos microestados das classificações e dos cálculos de imputação, com novas pontuações. Inclusão do ajuste de plausibilidade de equidade para países de alta renda sem conflito. Quando três indicadores são muito altos e um é excepcionalmente baixo, usa-se o segundo menor para limitar problemas como registros incompletos de formação profissional.
  • 2025-05-16 — Primeira versão beta pública das pontuações GEFRI e por dimensão, aberta a comentários.