Descrição do curso
Este curso oferece uma introdução prática e aplicada à regressão logística, em uma formação autônoma e conceitualmente orientada. A técnica é apresentada como uma ferramenta relevante para a modelagem de decisões em situações reais, especialmente quando o objetivo é analisar eventos binários, como sim/não, sucesso/fracasso, evasão/permanência ou aprovado/reprovado.
Com foco em problemas das áreas de educação, gestão pública, ciências sociais e contextos organizacionais, os participantes aprenderão a construir, validar e interpretar modelos preditivos para variáveis dicotômicas utilizando a linguagem R.
O curso vai além da execução técnica dos comandos. A proposta é desenvolver uma leitura crítica dos resultados, incentivar a comunicação clara para públicos não especializados e reforçar o uso ético da modelagem de dados como apoio à tomada de decisão baseada em evidências.
Dados básicos
| Carga horária | 40 horas |
| Idioma | Português (PT-BR) |
| Nível de dificuldade | Intermediário |
| Professor/Instrutor | Isaac Gezer Silva de Oliveira |
Público-alvo
O curso é voltado a participantes interessados em aplicar métodos quantitativos para análise de dados e tomada de decisão em contextos sociais, educacionais, institucionais e de gestão.
Indicado especialmente para:
- pesquisadores iniciantes;
- estudantes de graduação em fase de Trabalho de Conclusão de Curso (TCC);
- estudantes de pós-graduação lato sensu e stricto sensu;
- estudantes de disciplinas como Estatística Aplicada, Métodos Quantitativos ou Análise Multivariada de Dados;
- bolsistas de iniciação científica, Pibic, Pibic-Jr e programas semelhantes;
- servidores públicos, analistas, gestores e planejadores;
- docentes interessados em aplicar regressão logística em projetos de ensino, pesquisa ou gestão.
Requisitos técnicos
Para acompanhar o curso, recomenda-se acesso à internet de banda larga e um computador com navegador web atualizado. Embora algumas atividades possam ser consultadas em smartphones e tablets, a execução dos scripts e a prática com R são mais adequadas em computador.
O software R e a interface RStudio são gratuitos e de código aberto. Ao longo do curso, também poderá ser utilizado o Posit Cloud, plataforma on-line que permite trabalhar com RStudio diretamente pelo navegador, sem necessidade de instalação local.
Pré-requisitos
Não há pré-requisito técnico ou formal obrigatório. No entanto, é desejável que o participante tenha noções básicas de estatística descritiva, como média, frequência, proporção e desvio-padrão, além de familiaridade básica com o uso de computadores.
Observação: não é necessário conhecimento prévio da linguagem R. O curso inclui orientações iniciais para uso do ambiente R/RStudio e dos scripts utilizados nas atividades.
Conteúdo programático
| Módulo | Conteúdo |
|---|---|
| Módulo 1 | A Arte de Perguntar aos Dados: fundamentos da modelagem preditiva e do pensamento orientado por evidências. |
| Módulo 2 | Conhecendo Seus Dados no R: importação, organização, preparação e análise exploratória dos dados. |
| Módulo 3 | Construindo o Modelo de Regressão Logística: estimação do modelo no R e primeira leitura dos coeficientes. |
| Módulo 4 | A Chance de Acontecer: interpretação da razão de chances, odds ratios e tradução dos resultados para linguagem aplicada. |
| Módulo 5 | O Modelo é Bom? validação, diagnóstico e métricas de desempenho, como matriz de confusão, acurácia, precisão e curva ROC/AUC. |
| Módulo 6 | Da Análise à Ação: integração dos resultados, comunicação para públicos não especializados e uso da regressão logística como apoio à tomada de decisão. |
Metodologia
O curso é ofertado em formato MOOC, de modo assíncrono e autoinstrucional, permitindo que o participante estude em seu próprio ritmo. A metodologia combina videoaulas curtas, materiais explicativos, exemplos aplicados, scripts comentados em R e atividades de verificação da aprendizagem.
Os participantes terão acesso a scripts comentados para executar, adaptar e reutilizar em seu próprio ambiente de estudo. Sempre que possível, serão utilizados softwares gratuitos, de código aberto, e bases de dados públicas ou didáticas, favorecendo acessibilidade, replicabilidade e autonomia.
A aprendizagem é reforçada por meio de recursos visuais, leituras complementares, exemplos de aplicação e fóruns de discussão não tutorados, destinados à troca de experiências entre os participantes.
Importante: o curso não possui tutoria. O percurso é autoguiado, com apoio dos materiais disponíveis no ambiente virtual e feedbacks automáticos nas atividades avaliativas.
Processo de avaliação
A avaliação da aprendizagem será contínua e formativa, realizada integralmente por meio de atividades autocorrigíveis no ambiente virtual.
Ao final de cada módulo, serão disponibilizados questionários com questões de múltipla escolha, verdadeiro/falso, associação ou formatos equivalentes, com feedback automático para verificação da compreensão dos conceitos trabalhados. Cada questionário contará com duas tentativas e tempo máximo de 50 minutos.
A avaliação final ocorre no Módulo 6 e é composta por dois instrumentos complementares:
- Estudo de caso aplicado: apresentação de um caso com resultados de regressão logística, seguido de 8 questões práticas e interpretativas de múltipla escolha;
- Quiz final integrativo: questionário com 15 questões randomizadas, abrangendo os principais conteúdos do curso.
Para acessar a avaliação final, o participante deverá ter realizado as atividades previstas ao longo do curso, conforme as regras de progressão e conclusão configuradas no ambiente virtual.
Síntese
Ao final do curso, espera-se que o participante seja capaz de formular problemas com variável resposta binária, preparar dados para análise, estimar modelos de regressão logística no R, interpretar seus resultados e comunicar evidências de forma responsável para apoiar a tomada de decisão.
- Professor: Isaac Gezer Silva de Oliveira
