Este é o repositório do projeto PAS Vision. É uma ferramenta - destinada aos estudantes que irão prestar esse exame ou já iniciaram alguma das etapas - capaz de fornecer uma probabilidade de aprovação dado o curso desejado, se é cotista e preferencialmente notas das duas primeiras etapas.
Os dados estão originalmente presentes em https://www.cebraspe.org.br/pas/subprogramas, todos em formato .pdf e foram tratados por expressões regulares. Pelo site citado, é possível obter os resultados em cada etapa por meio dos documentos com o título "Resultado final nos itens do tipo D, o resultado final na prova de redação em Língua Portuguesa e o resultado final dos candidatos não eliminados na terceira etapa". Em relação os dados dos aprovados, o documento que faz mais sentido utilizar é o identificado por "Convocação, em primeira chamada, para o registro acadêmico on-line dos candidatos selecionados dentro do quantitativo de vagas para o primeiro (ou segundo) semestre", pois possui a lista de aprovados logo após a apuração dos resultados. Então, aprovados que eventualmente desistiram de ingressar por qualquer motivo, e.g., passaram em outra universidade, são considerados.
As features que alimentam o modelo se dividem em dois tipos:
-
features de escores em cada etapa do exame, flags que indicam se o candidato se enquadra em um algum sistema de cota, curso desejado que são informações diretamente entregues pelo Cebraspe
-
features derivadas após feature engineering:
- Pseudo Argumento Final (PAF): essa medida consiste em uma média ponderada dos escores das principais partes do exame;
- Mínimo Flag: medida que indica se o candidato obteve um PAF maior que o mínimo dos PAF's do subprograma anterior no curso desejado;
- Mediana Flag: medida que indica se o candidato obteve um PAF maior que a mediana dos PAF's do subprograma anterior no curso desejado;
Após a construção das features, um modelo Extreme Gradient Boosting (XGBoost) é ajustado. Os dados dos subprogramas 2019-2021 e 2020-2022 foram utilizados do seguinte modo: para treinamento, dados de ambos os subprogramas são considerados, mas o conjunto de dados de teste só apresenta observações de 2020-2022.
No final, o modelo treinado é salvo como .pickle e fica disponível para o script que monta a API por Flask. Por meio dessa API, é possível fazer uma requisição POST com o input dos valores das suas features para obter a predição de probabilidade.
O formato do input das features que cabem unicamente usuário fornecer segue a seguinte estrutura:
{
"escore_bruto_p1_etapa1": 6.034,
"escore_bruto_p2_etapa1": 64.65,
"escore_bruto_p1_etapa2": 3.845,
"escore_bruto_p2_etapa2": 63.826,
"escore_bruto_p1_etapa3": 7.14,
"escore_bruto_p2_etapa3": 76.636,
"cotas_negros_flag": 0,
"publicas1_flag": 0,
"publicas2_flag": 0,
"publicas3_flag": 0,
"publicas4_flag": 0,
"publicas5_flag": 0,
"publicas6_flag": 0,
"publicas7_flag": 0,
"publicas8_flag": 0,
"course": "MEDICINA (BACHARELADO)"
}
Em que:
- escore_bruto_p1_etapa1: escore bruto da parte 1 na primeira etapa;
- escore_bruto_p2_etapa1: escore bruto da parte 2 na primeira etapa;
- escore_bruto_p1_etapa2: escore bruto da parte 1 na segunda etapa;
- escore_bruto_p2_etapa2: escore bruto da parte 2 na segunda etapa;
- escore_bruto_p1_etapa3: escore bruto da parte 1 na terceira etapa;
- escore_bruto_p1_etapa3: escore bruto da parte 2 na terceira etapa;
- cotas_negros_flag: indica se faz parte de Sistema de Cotas para Negros;
- publicas1_flag: indica se faz parte de Sistema de Cotas para Escolas Públicas, com renda familiar bruta igual ou inferior a 1,5 salário mínimo per capita que se autodeclararam pretos, pardos ou indígenas;
- publicas2_flag: indica se faz parte de Sistema de Cotas para Escolas Públicas, com renda familiar bruta igual ou inferior a 1,5 salário mínimo per capita que se autodeclararam pretos, pardos ou indígenas e que concorrem como pessoas com deficiência;
- publicas3_flag: indica se faz parte de Sistema de Cotas para Escolas Públicas, com renda familiar bruta igual ou inferior a 1,5 salário mínimo per capita que não se autodeclararam pretos, pardos ou indígenas;
- publicas4_flag: indica se faz parte de Sistema de Cotas para Escolas Públicas, com renda familiar bruta igual ou inferior a 1,5 salário mínimo per capita que não se autodeclararam pretos, pardos ou indígenas e que concorrem como pessoas com deficiência;
- publicas5_flag: indica se faz parte de Sistema de Cotas para Escolas Públicas, com renda familiar bruta superior a 1,5 salário mínimo per capita que se autodeclararam pretos, pardos ou indígenas;
- publicas6_flag: indica se faz parte de Sistema de Cotas para Escolas Públicas, com renda familiar bruta superior a 1,5 salário mínimo per capita que se autodeclararam pretos, pardos ou indígenas e que concorrem como pessoas com deficiência;
- publicas7_flag: indica se faz parte de Sistema de Cotas para Escolas Públicas, com renda familiar bruta superior a 1,5 salário mínimo per capita que não se autodeclararam pretos, pardos ou indígenas;
- publicas8_flag: indica se faz parte de Sistema de Cotas para Escolas Públicas, com renda familiar bruta superior a 1,5 salário mínimo per capita que não se autodeclararam pretos, pardos ou indígenas e que concorrem como pessoas com deficiência.
