Artículo

Rafael Scarassatti Freitas; Ricardo Henrique Pucinelli

DOI: 10.22167/2675-6528-202603767

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

Um estudo investigou a relação entre competências socioemocionais, práticas escolares e o desempenho em Matemática de estudantes do 9º ano do Ensino Fundamental no estado de São Paulo. O objetivo foi analisar como práticas escolares associadas ao desenvolvimento socioemocional se relacionam com as chances de melhor desempenho em Matemática no SAEB 2023 e propor um framework orientador. Realizou-se uma pesquisa quantitativa, descritiva e explicativa, utilizando microdados secundários do SAEB 2023 de 493.910 estudantes paulistas. A proficiência em Matemática foi dicotomizada em alto e baixo desempenho (ponto de corte: 300 pontos). Variáveis sociodemográficas, contextuais, indicadores de práticas pedagógicas (bloco Q22) e percepções socioemocionais (bloco Q23) foram consideradas. As análises empregaram estatísticas descritivas, testes do qui-quadrado e modelos de regressão logística hierárquica. Os resultados indicaram que fatores estruturais, como nível socioeconômico e tipo de escola, influenciaram fortemente o desempenho. Além disso, observaram-se associações relevantes com dimensões socioemocionais, notadamente apoio docente, autoeficácia, engajamento e segurança no ambiente escolar. A percepção de que os professores acreditam na capacidade dos alunos destacou-se como o fator de maior magnitude. Como contribuição, propôs-se um framework de cinco pilares (relação professor-estudante, autoeficácia, clima escolar, engajamento e aprendizagem colaborativa) para práticas educacionais integradas. Embora não se possa inferir causalidade, a pesquisa reforçou a importância de abordagens que considerem o desenvolvimento integral dos estudantes.

Palavras-chave: Autoeficácia; Clima escolar; Competências socioemocionais; Desempenho em Matemática; SAEB.

1. Introdução

As emoções desempenham um papel decisivo no processo de aprendizagem, conforme apontado por Moderato (2011). Segundo o autor, elas englobam respostas fisiológicas, sentimentos afetivos e uma consciência emocional que permite a identificação dessas manifestações. Emoções positivas tendem a favorecer a motivação e a aprendizagem, enquanto o estresse pode gerar efeitos contrários. Desse modo, o ambiente escolar deve ser concebido para estimular emoções positivas, minimizar experiências negativas e promover o autoconhecimento e a expressão equilibrada das emoções nas interações sociais (Moderato, 2011).

A discussão sobre o desenvolvimento de competências socioemocionais tem ganhado crescente destaque nas agendas educacionais contemporâneas (Oliveira, 2023). Abed (2016) enfatiza que o desenvolvimento dessas competências é fundamental para a formação integral do estudante, impactando diretamente o sucesso acadêmico e a convivência social. Tais competências são passíveis de desenvolvimento intencional no contexto escolar. Estudos anteriores, como o de Coelho et al. (2014), apresentaram evidências de que programas de aprendizagem socioemocional exercem efeitos positivos sobre o autoconceito, que se refere à percepção que o indivíduo tem de si em diversos domínios da vida, incluindo o escolar. Adicionalmente, Machado et al. (2018) investigaram a relação entre o conhecimento das emoções e o desempenho acadêmico, indicando que crianças com maior compreensão emocional tendem a alcançar melhores resultados escolares.

A relevância das competências socioemocionais é reconhecida em diretrizes educacionais nacionais e internacionais. A Base Nacional Comum Curricular (BNCC) as inclui entre as competências gerais da educação básica, ressaltando a importância de que os estudantes aprendam a reconhecer e a gerenciar suas emoções, a estabelecer relações respeitosas e a exercitar a empatia. Essas dimensões estão diretamente ligadas à promoção da saúde mental e à prevenção de problemas como o bullying (Brasil, 2018). No cenário internacional, a Organização para a Cooperação e Desenvolvimento Econômico (OECD, 2019), por meio do PISA (Programme for International Student Assessment), também destaca que fatores como motivação, autoconfiança e resiliência possuem associação significativa com o desempenho acadêmico.

Do ponto de vista da neurociência, as competências socioemocionais estão intrinsecamente associadas às funções executivas, que são processos cognitivos relacionados à autorregulação e ao controle executivo (Diamond, 2013). A adolescência, período em que se encontra a maioria dos estudantes do nono ano, é considerada uma fase sensível para o fortalecimento dessas funções. Pesquisas em neurociência do desenvolvimento reforçam a integração entre processos cognitivos e emocionais no desempenho acadêmico, evidenciando a importância dessa articulação (Casey et al., 2010). Diante desse panorama, torna-se relevante investigar como o desenvolvimento socioemocional se relaciona ao desempenho escolar, especialmente na disciplina de Matemática, onde o engajamento emocional e a autorregulação desempenham um papel reconhecido no processo de aprendizagem (Damiani et al., 2024).

A compreensão dessas relações é crucial para o aprimoramento das práticas pedagógicas e para a formulação de políticas educacionais que promovam um desenvolvimento integral dos estudantes. Assim, esta pesquisa tem como objetivo analisar em que medida práticas escolares associadas ao desenvolvimento de competências socioemocionais se relacionam às chances de estudantes do nono ano do Ensino Fundamental apresentarem melhor desempenho em Matemática no SAEB 2023, no estado de São Paulo, contribuindo para a compreensão de fatores contextuais que podem favorecer a aprendizagem. Adicionalmente, propõe-se um framework orientador de recomendações, fundamentado nos achados estatísticos, aplicável ao contexto paulista.

2. Material e Métodos

O presente estudo caracterizou-se como uma pesquisa quantitativa, de natureza descritiva e explicativa, desenvolvida a partir da análise de dados secundários. Utilizaram-se os microdados do Sistema de Avaliação da Educação Básica (SAEB), edição de 2023, disponibilizados pelo Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP). Por se tratar de dados de domínio público e sem possibilidade de identificação individual, dispensou-se a submissão a um Comitê de Ética em Pesquisa.

A unidade de análise consistiu em estudantes do 9º ano do Ensino Fundamental. A amostra foi restrita aos estudantes matriculados em escolas do estado de São Paulo, totalizando 493.910 registros. A escolha do 9º ano justificou-se por ser uma etapa avaliada pelo SAEB e por corresponder a um período de intenso desenvolvimento neuropsicológico, característico da adolescência, entre os 13 e 15 anos, fase de reorganizações significativas do córtex pré-frontal (Diamond, 2013). A restrição ao estado de São Paulo visou reduzir a heterogeneidade regional, conforme apontado por estudos nacionais (Brasil, 2022).

Os microdados foram submetidos a procedimentos de limpeza e organização. Registros inválidos, respostas em branco e códigos não informativos foram recodificados como valores ausentes (NA). A exclusão dos casos sem informação de proficiência em Matemática foi realizada após o tratamento e a recategorização das variáveis explicativas, a fim de evitar perdas amostrais indevidas.

A proficiência em Matemática foi definida como a variável desfecho. Para a modelagem inferencial, a variável foi dicotomizada com base na Escala de Proficiência do SAEB para o 9º ano do Ensino Fundamental. Adotou-se o valor de 300 pontos como critério de corte, correspondente ao início do Nível 5 da escala (Brasil, 2020). Estudantes com proficiência igual ou superior a 300 pontos foram classificados como alto desempenho (categoria 1), e aqueles com proficiência inferior a 300 pontos como baixo desempenho (categoria 0). Essa dicotomização permitiu o emprego da regressão logística (Hosmer e Lemeshow, 1989).

As variáveis explicativas incluíram características sociodemográficas e contextuais, além de indicadores de práticas escolares e percepções socioemocionais, extraídas do questionário do estudante do SAEB. As variáveis sociodemográficas e institucionais consideradas foram: sexo, área geográfica da escola, dependência administrativa, localização da escola e Índice de Nível Socioeconômico (INSE). O INSE, originalmente em oito categorias, foi agrupado em seis níveis ordinais para maior estabilidade estatística (Carrizosa et al., 2021).

As variáveis relativas às práticas escolares (bloco Q22) referiram-se às percepções dos estudantes sobre estímulo à participação e trabalhos em grupo. As variáveis de percepções socioemocionais e clima escolar (bloco Q23) abordaram interesse pelos conteúdos, motivação, segurança, apoio docente e autoeficácia. Originalmente com quatro categorias ordinais, as variáveis dos blocos Q22 e Q23 tiveram suas respostas extremas com baixa frequência agrupadas, resultando em escalas ordinais de três níveis, onde valores mais altos indicaram percepções mais positivas ou maior frequência de práticas favoráveis.

Para a análise dos dados, inicialmente, realizaram-se análises bivariadas entre a variável desfecho e cada variável explicativa, utilizando tabelas de contingência e testes do qui-quadrado de Pearson. Em seguida, ajustaram-se modelos de regressão logística binária de forma hierárquica, organizados em blocos. O primeiro modelo incluiu as variáveis sociodemográficas e contextuais; o segundo acrescentou as variáveis do bloco Q22; e o terceiro incorporou as variáveis do bloco Q23. A multicolinearidade foi testada por meio do fator de inflação da variância (VIF), não sendo identificada colinearidade relevante.

Por fim, com base nos achados estatísticos, elaborou-se um framework orientador de recomendações, aplicável ao contexto educacional paulista, como uma das contribuições do estudo.

3. Resultados e Discussão

Os resultados da pesquisa revelaram associações significativas entre fatores sociodemográficos, contextuais, práticas pedagógicas e dimensões socioemocionais com o desempenho em Matemática de estudantes do 9º ano do Ensino Fundamental no estado de São Paulo. A análise inicial dos microdados do SAEB 2023, que incluiu 416.518 estudantes após a filtragem de valores ausentes, indicou que a maioria, 332.355 estudantes (79,8%), apresentou proficiência em Matemática inferior a 300 pontos, sendo classificados no baixo desempenho. Em contraste, 84.163 estudantes (20,2%) alcançaram proficiência igual ou superior a 300 pontos, caracterizando alto desempenho. A proficiência em Matemática variou de 108,8 a 420,0 pontos, com uma mediana de 257,8 e média de 257,3 pontos, evidenciando uma concentração de estudantes nos níveis de proficiência mais baixos.

A distribuição das variáveis sociodemográficas e contextuais da amostra mostrou um equilíbrio entre os sexos, com 42,1% de estudantes masculinos e 39,4% femininos, além de uma proporção considerável de 18,5% que não declararam o sexo. A maioria dos estudantes (76,4%) estava matriculada em escolas localizadas no interior do estado, e a vasta maioria (99,6%) frequentava escolas públicas, predominantemente em áreas urbanas (98,4%). O Índice de Nível Socioeconômico (INSE) foi recategorizado em seis níveis ordinais, com 23,04% dos estudantes nos níveis 1 e 2 (mais baixos) e 14,43% nos níveis 7 e 8 (mais altos), apresentando uma distribuição gradual que reflete as heterogeneidades socioeconômicas da população estudada.

As variáveis dos blocos Q22 e Q23, que representam percepções sobre práticas pedagógicas e dimensões socioemocionais, respectivamente, foram agrupadas em três categorias ordinais para as análises. Observou-se uma concentração das respostas nas categorias moderadamente positivas ou negativas, indicando que a percepção geral dos estudantes sobre essas práticas e aspectos socioemocionais não é polarizada, mas sim distribuída em um espectro. Contudo, a presença consistente de respostas na categoria mais favorável e percentuais homogêneos de não resposta entre os itens sugerem que as variáveis capturam nuances importantes das experiências escolares dos estudantes.

As análises bivariadas, realizadas por meio de testes do qui-quadrado de Pearson, revelaram que todas as variáveis explicativas, incluindo as sociodemográficas, contextuais, e as dos blocos Q22 e Q23, apresentaram associação estatisticamente significativa (p < 0,001) com a proficiência em Matemática. Este achado, esperado devido ao grande tamanho amostral, sublinha a importância de considerar a magnitude dos efeitos para uma interpretação mais aprofundada. Esses resultados iniciais foram cruciais para identificar as dimensões potencialmente relevantes para o desempenho em Matemática e fundamentar a inclusão dessas variáveis nos modelos de regressão logística hierárquica.

A modelagem por regressão logística binária, organizada em blocos hierárquicos, permitiu avaliar o impacto incremental de cada conjunto de variáveis. O Modelo 1, que incluiu apenas as variáveis sociodemográficas e contextuais, demonstrou que fatores estruturais exercem forte influência no desempenho em Matemática. Estudantes do sexo feminino apresentaram cerca de 29% menos chances (OR ≈ 0,71) de alcançar alto desempenho em Matemática em comparação com os masculinos, um padrão também observado para aqueles que não declararam o sexo (OR ≈ 0,73). Esses resultados corroboram a literatura que aponta desigualdades de desempenho em Matemática associadas ao sexo (Silva, Melo e Miguel, 2022).

Adicionalmente, o Modelo 1 indicou que estudar em escolas localizadas no interior do estado esteve associado a maiores chances de desempenho satisfatório (OR ≈ 1,44), representando um aumento de 44% nas chances. Em contrapartida, a frequência em escolas públicas mostrou-se fortemente associada a uma redução de 70% nas chances de alto desempenho (OR ≈ 0,30). O efeito da localização rural foi mais modesto, com um aumento de 8% nas chances (OR ≈ 1,08). Essas evidências apontam para desigualdades estruturais significativas no sistema educacional, que refletem diferenças de contexto e características das escolas, como localização geográfica e dependência administrativa, conforme discutido por Fernandes e Passador (2023).

O Índice de Nível Socioeconômico (INSE) também se mostrou um preditor robusto no Modelo 1, com uma associação positiva consistente. A cada aumento de um nível no INSE, a chance de alto desempenho em Matemática aumentou aproximadamente 24% (OR ≈ 1,24). Este achado reforça a literatura que destaca o papel das condições socioeconômicas como determinantes cruciais do sucesso escolar (Fernandes e Passador, 2023). O Modelo 1, com um AIC de 407.833, estabeleceu a base para a comparação com os modelos subsequentes, que incorporaram as variáveis relacionadas às práticas pedagógicas e às percepções socioemocionais.

A inclusão das variáveis do bloco Q22, referentes às práticas pedagógicas percebidas pelos estudantes, no Modelo 2 (AIC = 374.887) aprimorou o ajuste do modelo e revelou que aspectos do cotidiano escolar contribuem para o desempenho em Matemática. Entre as práticas analisadas, o desenvolvimento de trabalhos em grupo (Q22g) destacou-se com uma associação positiva, indicando que um aumento de um nível na percepção dessa prática esteve associado a um acréscimo de 16% na chance de alto desempenho em Matemática. Esse resultado sugere que estratégias de interação e colaboração entre os estudantes podem favorecer a aprendizagem, alinhando-se ao desenvolvimento de competências socioemocionais como cooperação e resolução conjunta de problemas (Abed, 2016).

A abordagem de temas relacionados ao futuro profissional (Q22h) também apresentou uma associação positiva, embora de menor magnitude (4% por nível), sugerindo que a conexão do conteúdo escolar com os projetos de vida dos estudantes pode contribuir para o engajamento acadêmico, uma dimensão valorizada pela Base Nacional Comum Curricular (Brasil, 2018). Contudo, algumas variáveis do bloco Q22, como a informação sobre o que seria ensinado (Q22a), perguntas sobre o conhecimento prévio (Q22b) e debates sobre temas do cotidiano (Q22c), apresentaram associações negativas com o desempenho em Matemática no Modelo 3. Essas associações negativas, contraintuitivas, devem ser interpretadas com cautela, pois podem refletir contextos escolares mais desafiadores ou a influência de variáveis não observadas, não indicando necessariamente que tais práticas sejam prejudiciais.

A incorporação das variáveis do bloco Q23, que abordam as percepções socioemocionais e o clima escolar, no Modelo 3 (AIC = 346.319) resultou em um ajuste ainda melhor do modelo, ampliando a compreensão do fenômeno. Os resultados indicaram que variáveis como autoeficácia, apoio docente, engajamento e segurança no ambiente escolar estão positivamente associadas ao desempenho em Matemática. Esses achados reforçam a perspectiva de que a aprendizagem é um processo que envolve dimensões socioemocionais e relacionais, além dos fatores cognitivos e estruturais, conforme discutido por Coelho et al. (2014), Abed (2016) e Machado et al. (2018).

A percepção de que os professores acreditam na capacidade de aprendizagem do estudante (Q23h) destacou-se como o fator de maior magnitude de associação no modelo completo, com um aumento de 62% nas chances de alto desempenho (OR ≈ 1,62) por nível. Esse achado sugere que expectativas positivas dos professores e relações pedagógicas baseadas em confiança e encorajamento estão fortemente associadas ao sucesso escolar em Matemática. Tal resultado corrobora a literatura sobre a importância da autoconfiança e motivação intrínseca, aspectos valorizados pela BNCC (Brasil, 2018), e reforça a necessidade de práticas docentes que promovam confiança e valorização do processo de aprendizagem.

A autoeficácia acadêmica, medida pela confiança na capacidade de argumentar sobre conteúdos difíceis (Q23f), também se destacou com uma associação positiva significativa, indicando que estudantes que se percebem capazes de lidar com desafios tendem a apresentar melhores desempenhos (OR ≈ 1,40). Esse resultado confirma a relevância da autorregulação e da persistência na aprendizagem (Machado et al., 2018), sugerindo que práticas pedagógicas que incentivam o enfrentamento de desafios e o desenvolvimento de estratégias metacognitivas são fundamentais. A sensação de segurança na escola (Q23d) também apresentou associação positiva (OR ≈ 1,20), evidenciando que um clima escolar seguro, com relações respeitosas e sem violência, favorece o engajamento e a disponibilidade cognitiva para a aprendizagem, alinhando-se às diretrizes da BNCC (Brasil, 2018).

Variáveis de engajamento acadêmico, como o interesse pelos conteúdos (Q23a) e o incentivo docente à continuidade dos estudos (Q23i), também se associaram positivamente ao desempenho (OR ≈ 1,11 para ambos), indicando que o envolvimento do estudante e a motivação proporcionada pelos professores são dimensões relevantes para o sucesso escolar. Isso sugere a importância de práticas pedagógicas que atribuam significado ao conteúdo, por meio de contextualização e participação ativa, favorecendo o engajamento e, consequentemente, o desempenho acadêmico. Assim como no bloco Q22, algumas variáveis do Q23, como a motivação diária para usar o que foi ensinado (Q23b) e a percepção de que os resultados das avaliações representam o aprendizado (Q23g), apresentaram associações negativas no modelo completo, o que demanda interpretação cautelosa, possivelmente refletindo contextos escolares mais desafiadores onde essas percepções são mais frequentes.

Em síntese, os resultados da modelagem hierárquica indicam que o desempenho em Matemática é influenciado por um conjunto integrado de fatores. As variáveis sociodemográficas e contextuais, como sexo, tipo de escola e INSE, mantiveram sua significância mesmo após a inclusão das práticas pedagógicas e dimensões socioemocionais, reforçando que fatores estruturais são determinantes persistentes no sistema educacional. Contudo, as práticas pedagógicas e as percepções socioemocionais atuam em interação com essas condições, complementando-as e não as substituindo, ao caracterizar ambientes mais ou menos favoráveis à aprendizagem.

Com base nos achados estatísticos, que indicam a relevância de dimensões socioemocionais e relacionais para o desempenho em Matemática, propõe-se um framework orientador de práticas educacionais, organizado em cinco pilares interdependentes. O Pilar 1, “Relação professor-estudante e crença na capacidade de aprendizagem”, enfatiza a importância da percepção dos estudantes de que seus professores acreditam em sua capacidade. Esse pilar sugere que relações pedagógicas baseadas em expectativas positivas, reconhecimento do esforço e apoio emocional podem favorecer o engajamento acadêmico, alinhado ao desenvolvimento de autoeficácia e motivação (Abed, 2016).

O Pilar 2, “Autoeficácia acadêmica e enfrentamento de conteúdos desafiadores”, destaca a confiança dos estudantes em sua capacidade de argumentar sobre conteúdos difíceis. Este pilar reforça a necessidade de práticas pedagógicas que incentivem o enfrentamento de desafios, a argumentação e o aprendizado a partir do erro, contribuindo para o fortalecimento da autorregulação e persistência na aprendizagem (Machado et al., 2018). O Pilar 3, “Segurança emocional e clima escolar favorável”, ressalta a importância da sensação de segurança no ambiente escolar. Contextos marcados por relações respeitosas, previsibilidade e ausência de violência podem favorecer o engajamento e a disponibilidade cognitiva, integrando ações de convivência escolar e promoção da saúde mental.

O Pilar 4, “Engajamento e motivação para aprender”, foca no interesse pelos conteúdos e no incentivo docente à continuidade dos estudos. Este pilar sugere que práticas pedagógicas que atribuem significado ao conteúdo, por meio de contextualização, participação ativa e conexão com a realidade dos estudantes, podem favorecer o envolvimento e, consequentemente, o desempenho acadêmico. Finalmente, o Pilar 5, “Aprendizagem colaborativa e desenvolvimento de competências sociais”, baseia-se na associação positiva do desenvolvimento de trabalhos em grupo com o desempenho. Estratégias colaborativas podem promover a interação, comunicação e construção conjunta do conhecimento, além de favorecer o desenvolvimento de competências socioemocionais relevantes para o contexto escolar.

Em conjunto, os resultados deste estudo demonstram que o desempenho em Matemática é um fenômeno multifacetado, influenciado por uma complexa interação entre condições estruturais, práticas pedagógicas e dimensões socioemocionais. A pesquisa evidenciou que, embora fatores como nível socioeconômico e tipo de escola sejam determinantes, a percepção de apoio docente, a autoeficácia dos estudantes, a segurança no ambiente escolar e o engajamento com o aprendizado também desempenham um papel crucial. Esses achados reforçam a importância de abordagens educacionais integradas que considerem o desenvolvimento integral dos estudantes, promovendo ambientes escolares que estimulem tanto o aprendizado cognitivo quanto o socioemocional, em consonância com o objetivo do estudo.

4. Conclusão

O estudo analisou a relação entre práticas escolares associadas ao desenvolvimento de competências socioemocionais e o desempenho em Matemática de estudantes do nono ano do Ensino Fundamental no estado de São Paulo. Verificou-se que o desempenho em Matemática é um fenômeno multifacetado, influenciado por uma complexa interação de fatores. Observou-se que variáveis sociodemográficas e contextuais, como o nível socioeconômico e o tipo de escola, exerceram forte influência. Adicionalmente, identificaram-se associações relevantes com dimensões socioemocionais e relacionais. Destacou-se a percepção dos estudantes de que os professores acreditam em sua capacidade de aprendizagem, a autoeficácia acadêmica, a sensação de segurança no ambiente escolar e o engajamento com os conteúdos como fatores positivamente associados ao desempenho. Práticas pedagógicas que incentivam o trabalho em grupo também se associaram a melhores resultados. Contudo, algumas associações negativas observadas para certas práticas pedagógicas e percepções socioemocionais demandam interpretação cautelosa, sugerindo a influência de contextos escolares mais desafiadores ou variáveis não observadas.

Como principal contribuição, propôs-se um framework orientador de práticas educacionais, estruturado em cinco pilares interdependentes, que sintetiza aspectos do ambiente escolar potencialmente favoráveis à aprendizagem. Este framework visa apoiar gestores e formuladores de políticas na promoção de iniciativas que fortaleçam a relação professor-estudante, a autoeficácia acadêmica e a construção de ambientes escolares seguros e colaborativos, reforçando a importância de abordagens que considerem o desenvolvimento integral dos estudantes. Entre as limitações do estudo, incluem-se o uso de dados secundários e de medidas autorreferidas, além da impossibilidade de inferir relações causais. Sugere-se que estudos futuros explorem com maior profundidade as associações negativas identificadas, buscando compreender os contextos específicos que podem influenciar tais percepções e resultados.

Referências Bibliográficas

Abed, A.L.Z. 2016. O desenvolvimento das habilidades socioemocionais como caminho para a aprendizagem e o sucesso escolar. Construção Psicopedagógica v. 24: р. 8-27.

Brasil. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP). 2020. Escalas de proficiência do SAEB. Brasília: Inep, 2020. Disponível em: https://www.gov.br/inep/pt-br/assuntos/avaliacao-e-exames-educacionais/saeb/resultados. Acesso em: 12 set. 2025.

Brasil. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP). 2022. Relatório: Desigualdades e aprendizagens no Brasil. Brasília: INEP, 2022. Disponível em: https://www.gov.br/inep/pt-br/assuntos/noticias/avaliacao-e-exames-educacionais/inep-lanca-relatorio-desigualdades-e-aprendizagens-no-brasil . Acesso em: 1 out. 2025.

Brasil. Ministério da Educação. 2018. Base Nacional Comum Curricular. Brasília: Ministério da Educação, 2018. Disponível em: https://basenacionalcomum.mec.gov.br/abase/ . Acesso em: 12 set. 2025.

Carrizosa, E.; Restrepo, M.G.; Morales, D.R. 2021. On clustering categories of categorical predictors in generalized linear models. European Journal of Operational Research 294 (2): р. 612-625. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S0957417421006771. Acesso em 30 dez. 2025.

Casey, B.J.; Tottenham, N.; Liston, C.; Durston, S. 2010. Imaging the developing brain: what have we learned about cognitive development? Trends in Cognitive Sciences 9(3): 104-110.

Coelho, V.A.V.; Marchante, M.; Jimerson, S.R. 2014. Promoting social and emotional learning in students: effectiveness of a school-based program in Portugal. Journal of Social and Personal Relationships 31(8): 909-924.

Damiani, F.; Pinheiro, N.A.M.; Semensato, M.T.; Pilatti, L.A. 2024. Autorregulação da aprendizagem no contexto da matemática no ensino médio: uma revisão sistemática. Bolema: Boletim de Educação Matemática 38: 1-36.

Diamond, A. 2013. Executive functions. Annual Review of Psychology 64:135-168

Fernandes, T. R.; Passador, C. S. 2023. Contexto socioeconômico e infraestrutura escolar no desempenho acadêmico: revisão sistemática da literatura. Regae: Revista Gestão e Avaliação Educacional, Santa Maria v.12 n, 21.

Hosmer, D.W.; Lemeshow, S. 1989. Applied Logistic Regression. Wiley-Interscience, Amherst, MA, EUA.

Machado, A.; Veríssimo, M.; Santos, A.J.; Martins, C.; Peceguina, I. 2018. Relações entre o conhecimento das emoções, as competências académicas e as relações sociais em crianças em idade pré-escolar. Análise Psicológica (36)2: 197-210.

Moderato, A. 2011. A emoção e suas relações com a cognição e a aprendizagem. In: Cosenza, R.M.; Guerra, L.B. Neurociência e Educação: Como o Cérebro Aprende. Artmed, Porto Alegre, RS, Brasil.

Oliveira, L.M.V. 2023. A emergência do conceito de projeto de vida no currículo do ensino médio: entre a individualização e o empresariamento dos sujeitos. In: Cardoso, S.S.; Antich, A.V.; Santos, D.B.S. Currículo e(m) Pesquisa: Convergências Contemporâneas. Pedro e João Editores, São Carlos, SP, Brasil.

Organização para a Cooperação e Desenvolvimento Econômico [OECD]. 2019. PISA 2018. Results (Volume III): What School Life Means for Students’ Lives. Disponível em: https://doi.org/10.1787/acd78851-en . Acesso em: 18/07/2025.

Silva, M. E. F.; Melo, J. A. A. S.; Miguel, J. C. 2022. A questão de gênero na educação matemática: revisão de artigos sobre diferenças no desempenho escolar em matemática. Pesquisa Prática Educativa, v. 3 p.: 1-21

Artigo oriundo de Trabalho de Conclusão de Curso de Neurociência e Aprendizagem na Educação

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy