Projeto: ODS — Educação de Qualidade (IDD 2023)

Este repositório contém um app Streamlit para explorar o dataset IDD 2023 do INEP Fonte dos dados: INEP — Indicadores de qualidade da educação superior (Dados Abertos). Acessado em 23/10/2025. O foco é analisar o Indicador de Diferença entre os Desempenhos Observado e Esperado (IDD) por curso, IES e UF.

Estrutura

project_ods_educacao/  (ou raiz do projeto)
├─ data/
│  ├─ geojson/
│  │  └─ br_states.json       # GeoJSON de estados (necessário para o choropleth)
│  └─ processed/
│     └─ idd_processed.csv
├─ src/
│  └─ data_prep.py            # funções de limpeza e processamento
├─ IDD_2023.xlsx              # dataset (fornecido)
├─ streamlit_app.py           # app principal (atualize se necessário)
├─ requirements.txt
└─ README.md  (este arquivo)

Rodando localmente

1. Crie um ambiente virtual e ative.

python -m venv .venv #Criação do Ambiente virtual
source venv/bin/activate   # Ativação no Linux / macOS
venv\Scripts\activate  # Ativação no Windows

2. Instale dependências:

pip install -r requirements.txt

ou

pip install pandas streamlit plotly pyarrow openpyxl

1. Garanta que o arquivo IDD_2023.xlsx esteja no mesmo diretorio do app streamlit_app.py (ou ajuste a variável DATA_RAW no código).
2. Coloque o GeoJSON de estados em data/geojson/br_states.json (recomendado) para ativar o mapa choropleth por UF. Exemplo de download (terminal):

mkdir -p data/geojson
curl -L -o data/geojson/br_states.json \
  https://raw.githubusercontent.com/giuliano-macedo/geodata-br-states/main/geojson/br_states.json

1. Rode:

streamlit run streamlit_app.py

Funcionalidades implementadas

• Filtros por área, UF e modalidade (o filtro de Ano pode ter sido removido tendo em vista que os dados são de 2023).
• KPIs: média/mediana do IDD, número de cursos, total de concluintes.
• Histogramas, barras por UF, scatter de participantes x IDD.
• Mapa choropleth por UF — requer data/geojson/br_states.json.
• Tabela filtrada com opção de download CSV.

Considerações sobre tratamento de dados

• Script src/data_prep.py realiza limpeza básica: normalização de nomes de colunas, conversão de tipos, tratamento de nulos e exportação para CSV/Parquet para leitura rápida.

Mapas (GeoJSON)

• Para ativar o choropleth por UF, coloque o GeoJSON de estados em data/geojson/br_states.json (recomendo o arquivo do repositório giuliano-macedo/geodata-br-states).
• Nota: arquivos municipais permitem detalhe por município, mas são grandes — simplifique (mapshaper) antes de usar no app para evitar lentidão.