Um artigo acadêmico descreve uma experiência em que estudantes de graduação em estatística analisaram dados públicos de diversidade, equidade e inclusão no campus e entregaram diagnósticos a uma área institucional responsável pelo tema. A proposta é relevante para universidades que buscam usar ciência de dados, aprendizagem analítica e, potencialmente, sistemas de apoio baseados em IA de forma socialmente responsável: ela mostra que dados educacionais podem orientar políticas, mas também exigem interpretação contextual, participação humana e atenção a vieses.
O QUE HÁ DE NOVO: A novidade está na transformação de uma demanda administrativa, monitorar grandes bases de dados sobre composição estudantil e resultados acadêmicos, em um projeto de aprendizagem aplicado dentro de um curso de comunicação estatística. A experiência envolveu 16 estudantes de graduação, em uma universidade pública descrita como altamente diversa, durante um semestre de 2022. Em vez de trabalhar com bases genéricas, os alunos investigaram a própria instituição, produziram relatórios de cerca de 1.500 palavras e tiveram como público real uma área de diversidade, equidade e inclusão.
COMO FUNCIONA: O projeto combinou aulas presenciais, análise de dados oficiais e produção de recomendações institucionais. Os estudantes usaram principalmente informações do Integrated Postsecondary Education Data System, base mantida pelo National Center for Education Statistics dos Estados Unidos, que reúne anualmente dados de cerca de 6.400 faculdades, universidades e instituições técnicas ou vocacionais. Entre as variáveis disponíveis estavam matrícula, graduação, raça, etnia, gênero, área de estudo, tipo de curso e regime de dedicação. A turma recebeu uma introdução à missão da área de DEI, uma revisão de estatísticas oficiais e exemplos de três formas de medir diversidade: índice de disparidade, índice de diversidade e índice de difusão.
Os alunos tiveram liberdade para investigar a universidade inteira ou recortes específicos, como escolas de engenharia, cursos STEM, estudantes de graduação, pós-graduação ou grupos em tempo parcial. Também puderam usar ferramentas distintas de acesso aos dados, incluindo pacotes em R, APIs e downloads diretos, o que permitiu acomodar diferentes níveis de familiaridade com programação. O desenho da atividade foi intencionalmente aberto: os estudantes deveriam responder se a instituição era diversa, justificar a resposta com evidências quantitativas e propor caminhos para tornar o campus mais equitativo e inclusivo.
PRINCIPAIS RESULTADOS: Os 16 relatórios se concentraram na diversidade entre estudantes de graduação, refletindo o ponto de vista dos próprios participantes. Treze trabalhos analisaram raça ou etnia, seis observaram gênero, nove concluíram que a universidade tinha diversidade racial maior do que instituições comparáveis e sete examinaram especificamente escolas de engenharia, em geral apontando desigualdades de gênero mais acentuadas. Também apareceram achados sobre barreiras associadas a deficiência, status migratório e idade. Em uma pesquisa posterior, a proporção de alunos que dizia saber como diversidade e inclusão são medidas passou de 6% antes do projeto para 100% depois; cerca de um terço afirmou que a atividade desafiou crenças anteriores.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: A experiência mostra uma alternativa concreta para aproximar ensino de estatística, governança universitária e responsabilidade social no uso de dados educacionais. Para os estudantes, o ganho não se limita à técnica: eles aprendem a formular perguntas, escolher métricas, reconhecer limites de uma base pública e comunicar resultados a não especialistas. Para professores, o projeto oferece um modelo de atividade com dados autênticos, capaz de aumentar engajamento e desenvolver competências hoje valorizadas em ciência de dados e em ambientes educacionais mediados por tecnologia.
Para universidades e redes de ensino superior, a proposta sugere que estudantes podem funcionar como uma capacidade analítica adicional, especialmente quando equipes institucionais têm poucos recursos para examinar bases extensas. Esse ponto se torna mais sensível em um contexto de restrições políticas e orçamentárias a escritórios de DEI em alguns estados norte-americanos. Mesmo onde não há uma área formal de diversidade, os autores argumentam que setores de admissão, vida estudantil, carreira ou sucesso acadêmico poderiam se beneficiar de análises semelhantes. Em uma agenda de IA na educação, o caso também serve como lembrete: antes de automatizar decisões com modelos sofisticados, instituições precisam saber fazer boas perguntas aos dados e interpretar indicadores com prudência.
LIMITES E RISCOS: O estudo não prova que o projeto melhora diretamente indicadores de permanência, conclusão ou inclusão; ele descreve uma intervenção pedagógica em uma única turma, sem grupo controle e com apenas 16 participantes. A pesquisa pós-atividade foi voluntária, anônima e aplicada somente depois da entrega dos relatórios, o que limita conclusões sobre mudança de percepção. Além disso, como os estudantes eram graduandos, tenderam a olhar mais para seus próprios pares do que para diversidade entre docentes e funcionários, ainda que esses dados estivessem disponíveis.
O QUE FICA EM ABERTO: Próximas versões poderiam testar a abordagem em cursos introdutórios, pós-graduação, instituições menos diversas e contextos fora dos Estados Unidos. Também seria importante investigar se os relatórios estudantis influenciam decisões concretas, como políticas de recrutamento, retenção, apoio a estudantes adultos, inclusão em engenharia ou revisão de práticas de permanência. O maior potencial do modelo está em combinar formação técnica com participação institucional; seu maior cuidado é evitar que métricas isoladas substituam escuta qualificada, análise histórica e ação coordenada para enfrentar barreiras reais de acesso e pertencimento.
Fonte: Empowering Students to Assess the State of Diversity, Equity, and Inclusion on Campus
