Академический Документы
Профессиональный Документы
Культура Документы
Agosto de 2016
Itajub
As informaes so fornecidas pela Biblioteca Mau - BIM
P6582 O Papel das Variveis na Eficincia da nota Enade dos Cursos de Engenharia
de Produo nas Instituies Pblicas de Ensino Superior / den de Oliveira. - 2016.
98 f.
Bibliografia: f. 83-95
Agradeo tambm a minha banca, composta pelo Professor Doutor Joo Batista
Turrioni e pelo Professor Doutor Jorge Muniz Junior, pelas contribuies acrescentadas
neste trabalho, enriquecendo-o.
A educao um processo social, desen-
volvimento. No a preparao para a vida,
a prpria vida.
John Dewey
RESUMO
Este trabalho pretende analisar a funo desempenhada pelas variveis divulgadas no
exame Enade e no Censo da Educao Superior na nota Enade. O objetivo principal
deste estudo concentra-se em entender o impacto destas variveis no desempenho dos cur-
sos de graduao das universidades pblicas credenciadas pelo Ministrio da Educao em
atingir a nota mxima neste exame. Para atingir este propsito, foi utilizado a tcnica de
Anlise Envoltria de Dados (AED) com variveis flexveis, no-discricionrias e limitan-
tes orientado a output. Como resultado deste estudo, concluiu-se que as variveis que mais
contriburam, isoladamente, para um melhor desempenho no Enade, foram: Proporo de
docentes Mestres, Proporo de docentes Doutores e Regime de dedicao dos docentes
que ministram aulas para os cursos de graduao. Estes resultados podem fornecer in-
formaes para o apoio gesto das Instituies de Ensino Superior, alm de possibilitar
ao Inep priorizar quais dados devem ser coletados para gerar informaes estatsticas que
auxiliam na tomada de deciso.
pases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
QUADRO 2.2 Resumo da Anlise de Eficincia para o Ensino Superior no Brasil . . 37
TABELA 5.4 Agrupamento dos resultados das DMUs que participaram em pelo
menos dois exames . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
LISTA DE ABREVIATURAS E
SIGLAS
1 INTRODUO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.1 Consideraes iniciais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2 Justificativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4 Estrutura do trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3 ANLISE DE EFICINCIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.1 Produtividade, eficcia e eficincia . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.2 Tcnicas para o clculo da Eficincia . . . . . . . . . . . . . . . . . . . . . . . 47
3.2.1 Anlise de Fronteira Estocstica . . . . . . . . . . . . . . . . . . . . . 49
3.2.2 Mnimos Quadrados Ordinrios Corrigidos . . . . . . . . . . . . . 50
3.2.3 Anlise Envoltria de Dados . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.2.3.1 Objetivos da DEA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.3 DEA com Variveis No-Discricionrias . . . . . . . . . . . . . . . . . . . . . . 57
3.4 DEA com Variveis Limitantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.5 DEA com Variveis Flexveis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4 METODOLOGIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.1 Descrio da Pesquisa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.2 Coleta de Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.3 Tratamento dos Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.4 Escolha da Tcnica de Eficincia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.5 Aplicao da Tcnica DEA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5 RESULTADOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
6 CONCLUSES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
REFERNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
ANEXO A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
ANEXO B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
ANEXO C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
14
1 INTRODUO
Estas mudanas coincidem com o que tem sido tipicamente visto como uma tran-
sio de uma economia industrializada para uma economia baseada em um conhecimento
verstil, que exige novas demandas e habilidades para o trabalho (HASSARD et. al.,
2008). Como consequncia desta transio econmica, os trabalhadores tm que se adap-
tar a flexibilidade do mercado a fim de manter a empregabilidade. Dessa forma, a educa-
o superior tem sido um fator determinante na gerao de produtos e tcnicas capazes
de elevar o ganho de produtividade, o qual visto como o principal motor para o cres-
cimento econmico, colocando uma nao mais perto da fronteira tecnolgica mundial
(VANDENBUSSCHE et. al., 2006).
a prtica necessria para o trabalho. Estes resultados sugerem que os trabalhadores mais
qualificados so mais produtivos em toda a carreira devido a competncias e capacidades
adicionais adquiridas atravs da educao formal, e os trabalhadores menos qualificados,
devido baixa produtividade e falta de formao adicional, acabam em empregos menos
exigentes a medida que envelhecem (HARTOG, 2000; LEUVEN, OOSTERBEEK, 2011;
BATTU, et. al., 1999; DOLTON et. al., 2000; FRENETTE, 2004; MCGUINNESS, 2003;
VAN DER MEER, 2006). Desta forma, as universidades so responsveis por melhorar
as competncias profissionais da populao e pelo desenvolvimento e transferncia de
tecnologia. Com isso, as pessoas com nvel superior de ensino esto em forte demanda.
Perspectivas de empregabilidade confirmam o valor alcanado para os altos nveis de
educao: em mdia, 12,8% dos adultos com baixas qualificaes esto desempregados,
enquanto esse ndice chega a 5,1% entre aqueles com ensino superior (OCDE, 2015).
Figura 1.1: Rendimentos Relativos de trabalhadores com ensino superior nos pases membros
da OCDE
Fonte: OCDE, 2015
1.2 Justificativa
Eficincia na educao um tema de intenso debate entre os polticos, professores
e outros cientistas interessados no assunto. Semelhante outras instituies pblicas,
as Instituies de Ensino Superior (IES) esto sob crescente presso para aumentar o
desempenho no gasto de recursos pblicos e procurar ativamente fontes de financiamento
alternativas, a fim de competir por uma boa posio no mercado educacional, alm de
melhorar a qualidade das atividades fornecidas pelas mesmas (BONACCORSI et. al.,
2009; NAZARKO et al. 2009).
No entanto, o setor do ensino superior pblico tem caractersticas que tornam di-
fcil mensurar a eficincia: sem fins lucrativos; h uma ausncia de preos dos insumos
consumidos e das sadas produzidas; e produzem vrias sadas a partir de mltiplas en-
tradas (JOHNES, 2005). Alm do mais, este setor formado por universidades pblicas
muito complexas, com milhares de estudantes que usam recursos escassos para entregar
trs produtos bsicos que so importantes para a sociedade brasileira: o ensino, a pesquisa
e a extenso.
1.3 Objetivos
O objetivo principal deste trabalho concentra-se em, atravs da utilizao de uma
tcnica de anlise de eficincia, verificar qual a funo desempenhada pelas variveis aca-
dmicas divulgadas no Enade e no Censo da Educao Superior na nota Enade. A partir
disso, identificar quais destas variveis sero prioritrias para cada curso de graduao
em Engenharia de Produo das universidades pblicas credenciadas pelo Ministrio da
Educao em atingir a nota mxima neste exame.
Para alcanar este objetivo, ser utilizada a tcnica de Anlise Envoltria de Da-
dos (Data Envelopment Analysis - DEA), proposta pela primeira vez por Charnes et al.
(1978). DEA uma tcnica no-paramtrica que usa programao linear para encontrar
as melhores prticas em uma amostra de organizaes pertencentes a um conjunto de uni-
dades comparveis (Decision Making Units - DMU). A eficincia relativa de cada DMU
obtida de acordo com a sua localizao dentro de um conjunto de produo.
A eficincia pode ser medida de vrias maneiras. Farrell (1957) props uma medida
radial. Utilizando esta medida, o ndice de eficincia define a quantidade que uma DMU
ineficiente deve reduzir (ou aumentar) a sua entrada (ou sada) a fim de tornar-se eficiente.
Assim, a distncia radial da DMU ineficiente at a fronteira de produo considerada
uma medida de ineficincia. Em outras palavras, a DEA define as DMUs referncias e
as metas para que as DMUs ineficientes possam atingir a produo tima. Quando as
entradas e as sadas de cada DMU inificiente so alteradas simultaneamente em direo
fronteira de produo, tem-se um ndice de eficincia no radial (COOPER et. al., 2006;
JOHNES et. al., 2008).
Alm disso, DEA pode ser especificada atravs de modelos com retornos constantes
escala (Constant Returns to Scale (CRS)) ou de modelos com retornos variveis escala
(Variant Returns to Scale (VRS)). O modelo CRS considera que um aumento nas entradas
leva um aumento proporcional nas sadas. Assim, a eficincia relativa de uma DMU no
afetada pelo tamanho da mesma. J o modelo VRS definido quando a linearidade na
entrada e sada deixa de existir. Neste caso, as DMUs tm maior probabilidade de serem
comparadas pelo tamanho. Quando os retornos de escala so variveis, significa que uma
DMU pode assumir um retorno crescente, constante ou decrescente de produo.
Com isso, os objetivos especficos deste trabalho, por sua vez, so:
Definir quais destas variveis podem ser consideradas em excesso (input) ou em falta
(output) no modelo utilizado para mensurar a influncia das mesmas no desempenho
dos cursos;
2 ANLISE DE EFICINCIA
PARA O ENSINO SUPERIOR
Este captulo faz um resumo dos principais trabalhos encontrados na literatura que
utilizaram a tcnica DEA para mensurar a eficincia de Instituies de Ensino Superior
em alguns pases do mundo e do Brasil. Para este pas, tambm feito um estudo da
evoluo na avaliao de cursos de ensino superior ao longo do tempo.
O ano de 1995 foi escolhido porque neste ano houve a concluso da reestruturao
do ensino superior, ocorrida no incio de 1990. A maioria das universidades australianas
so financiadas pelo setor pblico, e desde o final de 1980, o pas mostrou interesse em
reduzir as finanas pblicas do ensino superior na tentativa de aumentar a eficincia de
custos das universidades. Com isso, houve um processo de fuso das universidades e
faculdades. O nmero de instituies, que em 1987 contavam com 19 universidades e 54
faculdades, transformaram-se em 36 universidades em 1995.
Neste estudo, a tcnica DEA foi usada para comparar a eficincia tcnica das uni-
versidades atravs do modelo DEA BCC orientado a input. Para isso, foram utilizadas
quatro variveis de entrada, a saber: total de docentes em tempo integral, total de fun-
cionrios no-docentes e despesas administrativas. Como sada, foi utilizada a varivel
pesquisa quantum, que o montante que o governo dispe para financiar as pesquisas
21
O aumento inicial da eficincia, em 1995, pode ser atribudo a uma srie de fatores,
que incluem: um ritmo excepcional de crescimento do nmero de alunos, aumento na taxa
de graduao, aumento do nmero de diplomados e uma diminuio em despesas correntes
e de capital empregado na ps-graduao (estes quatro ndices apresentaram um declnio
ao longo dos dois anos seguintes).
22
2.1.3 Alemanha
Warning (2004) calculou a eficincia das universidades alems usando DEA para
capturar as diferentes dimenses de desempenho das mesmas. As universidades tm
misses diferentes e, consequentemente, esto focadas em objetivos diferentes. Escolhas
tecnolgicas e estratgicas determinam a posio de cada universidade no mbito do
sistema de ensino superior. Por esse motivo, as universidades foram agrupadas em grupos
com caractersticas e estratgias semelhantes. Essa estrutura foi usada para explicar como
e por que as universidades diferem no grau em que eles se especializam em cincias naturais
e cincias sociais e no que diz respeito aos recursos que dedicam tanto pesquisa quanto
ao ensino.
2.1.4 China
A tcnica DEA foi aplicada na China por Johnes (2006) com o propsito de exa-
minar e medir a eficincia de 115 universidades chinesas com base em dados relativos
aos anos de 2003 e 2004. Embora existam atualmente mais de 1.500 instituies de en-
sino superior na China, os dados completos estavam disponveis apenas para um pequeno
subconjunto de 115 instituies, nas quais foram possveis derivar indicadores relativos
a insumos e a produtos. Estes dados foram coletados da base de dados da Universidade
23
Chinesa Netbig.
Com isso, seis insumos foram includos na anlise: nmero de alunos em tempo in-
tegral, qualificao do corpo docente, nmero de alunos na ps-graduao, financiamento
a pesquisa, acervo bibliogrfico e rea predial. Trs variveis foram includas para refletir
os produtos: ndice de atividade de pesquisa, ndice de publicao cientfica, e ndice de
prestgio da universidade, que mensura o impacto da atividade acadmica na formao
dos discentes.
2.1.5 Espanha
Garcia e Palomares (2008) mediram a eficincia relativa de 43 universidades pbli-
cas espanholas durante o perodo de 1994-2004. Os dados desta pesquisa foram coletados
da base de dados AQUAMETH (Advanced Quantitative Methods for the Evaluation of the
Productivity of Public Sector Research), que uma Rede Europia de Excelncia, apoiada
pela Comisso Europia.
DEA CCR orientado a output, juntamente com a aplicao do ndice Malmquist 3 para
mensurar se houve ganhos de produtividade durante o perodo analisado. As entradas
includas na anlise foram gastos totais com pessoal e com pesquisa, e as sadas foram o
nmero de graduados e de publicaes.
Foram empregadas cinco variveis como insumo: trs relativas a despesas com
mo-de-obra e duas relativas a despesas administrativas. Como produto, as variveis
empregadas incluam o ensino de graduao, ps-graduao e pesquisa.
Alm da tcnica DEA, foi utilizado neste estudo o ndice de Malmquist, com a
3
ndice Malmquist: Deve-se ao trabalho de Sten Malmquist, publicado em 1953, que construiu um
ndice de quantidade utilizando funes de distncia introduzidas por Shephard (1953) dentro do contexto
da teoria do consumidor. Posteriormente, Caves et. al. (1982) inseriram esse ndice no contexto da teoria
da produo e definiram o ndice de Produtividade de Malmquist orientado a inputs e a outputs, com o
objetivo de avaliar a evoluo da produtividade de cada unidade de produo relativamente evoluo
do conjunto de unidades em que se inserem. Fre et al. (1996) propuseram um ndice com essas mesmas
caractersticas, baseado na composio de escores de eficincia gerados pela Anlise Envoltria de Dados,
chamado ndice de Malmquist-DEA.
25
Como resultado, utilizando tanto o modelo DEA CCR, quanto o modelo DEA
BCC orientado a input, a mdia de eficincia das universidades norte-americanas foi de
aproximadamente 80%. No entanto, ocorreu um ligeiro declnio ao longo dos anos ana-
lisados. Em parte, este declnio pde ser explicado pelos cortes no oramento do ensino
superior e pelo aumento simultneo do nmero de matrculas, especialmente no nvel de
ps-graduao.
Com base no ndice de Malmquist, com uma mdia de 0,987, concluiu-se que houve
uma ligeira regresso da produtividade mdia das universidades ao longo dos quatro anos
letivos. As mudanas anuais mostraram que a regresso foi confirmada nos perodos de
2006-2007 e 2007-2008 e, em seguida, seguido por um aumento de produtividade no ano
letivo de 2008-2009. 50% das universidades tiveram um aumento de eficincia tcnica,
enquanto 62% perceberam alguma deteriorao na mesma. 38% das universidades foram
capazes de manter de forma consistente o seu nvel de eficincia tcnica ou melhor-lo.
2.1.7 Inglaterra
Johnes (2005) utilizou-se a tcnica DEA para mensurar a eficincia tcnica de 109
instituies de ensino superior da Inglaterra. Os dados foram coletados para os anos
letivos de 2000 e 2001. As variveis de sada utilizadas neste estudo foram o nmero de
graduados e ps-graduados e o incentivo financeiro a pesquisa, fornecido pelo Conselho de
Financiamento do Ensino Superior da Inglaterra. Como variveis de entrada, utilizou-se
o nmero de docentes e os gastos administrativos.
Para o clculo da eficincia, utilizou-se o modelo DEA BCC com orientao a out-
put. Como resultado, concluiu-se que a eficincia relativa geral de todas as universidades
26
inglesas era muito alta: o nvel mdio de eficincia variou de 93% a 95% e o nmero de
universidades eficientes variou de 51 a 61. Uma possvel explicao para este resultado,
segundo o autor, que a DEA produz uma medida de eficincia relativa ao conjunto de
universidades sob anlise. Assim, enquanto o setor do ensino superior ingls no tem
motivao ao lucro, o mesmo tem sido cada vez mais exposto s foras do mercado na
ltima dcada. Com isso, as universidades inglesas tendem a competir entre si para atrair
os melhores estudantes e fundos para a pesquisa, fornecendo, com isso, os incentivos para
melhorar a eficincia.
2.1.8 Portugal
O setor do ensino superior portugus tem sido tradicionalmente financiado pelo
governo, apesar de que, na ltima dcada, as universidades privadas comearam a surgir
como alternativa, aumentando a oferta de vagas para estudantes de nvel superior.
Para o clculo da eficincia, foi utilizado o modelo BCC, orientado tanto a input,
quanto a output. Como resultado, descobriu-se que a eficincia global dos modelos orienta-
dos a entrada estavam entre 0,553 e 0,678, o que implicou que, em mdia, as instituies
analisadas puderam ser capazes de atingir o nvel de desempenho timo usando entre
32,2% e 44,7% dos recursos disponveis. J com relao aos modelos orientados a sada,
as eficincias mdias globais variaram entre 1,172 e 1,272, o que significou que, com as
mesmas entradas, as instituies de ensino superior analisadas obtiveram um desempenho
entre 17,2% e 27,2% maior do que deveria.
Com estes resultados, Afonso e Santos (2004) concluram que, por uma questo
de bom senso, deve-se estar ciente de que simplesmente colocar mais dinheiro em uma
atividade promissora, ou seja, o ensino superior, no necessariamente melhora propor-
cionalmente a qualidade de sua sada. E, como uma implicao poltica relevante, isso
poderia sugerir em uma alocao melhor dos escassos recursos financeiros disponveis ao
27
Quadro 2.1 Resumo da Anlise de Eficincia para o Ensino Superior em alguns pases
analisadas
Nmero de em devido a
Nmero de negativas em
de pesquisa.
Despesas localizadas na
adminstrativas antiga
Alemanha
Ocidental
foram as mais
eficientes.
Acervo sidade so
bibliogrfico; adminstradas.
rea predial
analisadas
parte
atribuvel ao
progresso
tecnolgico.
Estados Thomas, 2012 133 Despesas com Ensino de CCR e BCC Houve um
aos cortes no
oramento do
ensino superior
e ao aumento
do nmero de
matrculas.
Insentivo variando de
a pesquisa
analisadas
mesmo.
conhecimentos dos egressos dos cursos superiores. Num primeiro momento, a avaliao
restringia-se a esse propsito, a qual era conhecida como Provo. Num segundo momento,
por meio do Decreto no 2.026/96, foi estabelecida a avaliao dos cursos e das instituies
de ensino, com visitas in loco para avaliao das condies de oferta (instalaes, corpo
docente e organizao didtico-pedaggica) e pelas condies da ps-graduao, quando
existente. Nos dois focos da avaliao atribua-se uma nota consolidada instituio,
posteriormente convertida em conceitos que variavam de A a E, sendo o conceito A
considerado o melhor e o conceito E, o pior 5 . Esse exame, realizado anualmente,
tinha carter obrigatrio para todos os estudantes concluintes dos cursos de graduao,
condicionando sua realizao ao recebimento do diploma pelos mesmos.
Em agosto de 2003, foi criado o SINAES, que foi formalmente institudo atravs
da Lei 10.861, aprovada em abril de 2004 (BRASIL, 2004). Esse novo sistema inclua
uma abordagem diferente para o exame de cursos, denominado Enade 6 . Desde o incio, a
responsabilidade pela avaliao das IES e de cursos de graduao foi concedida ao INEP.
entre os resultados do ENC e os obtidos atravs da tcnica DEA. Para isso, foi feita uma
comparao dos resultados alcanados por 181 cursos de graduao em Administrao,
cada qual integrando uma IFES ou uma Instituio Privada de Ensino Superior diferente,
cobrindo todas as unidades da federao no ano de 2003. O ENC foi escolhido por reunir
o maior nmero de dados disponveis, tais como: as condies de oferta do curso, as
condies de ensino, a aferio do conhecimento dos formandos, entre outras.
Os objetivos do estudo realizado por Borges (2005) foram verificar o grau de con-
vergncia entre os resultados da DEA frente aos do ENC e analisar a relao dos inputs
versus outputs, identificando quais seriam os cursos tidos como referncia para os demais
cursos de Administrao analisados. Para o clculo da eficincia, utilizou-se o modelo
DEA BCC como orientao a input, adotando como variveis de entrada: organizao
didtico-pedaggica, corpo docente, instalaes fsicas e nmero de vagas oferecidas no
curso. Como variveis de sada, foram adotadas: nmero de formandos e nota geral no
Provo.
Como resultado deste estudo, verificou-se que 41,7% dos cursos que conseguiram
conceito A no ENC obtiveram ndices de eficincia no intervalo de 0,95 a 1,00 na DEA (1a
faixa), 26,3% dos cursos que conseguiram conceito B no ENC obtiveram ndices de efici-
ncia no intervalo de 0,85 a 0,95 na DEA (2a faixa), e 75,4% dos cursos que conseguiram
conceitos C, D ou E no ENC obtiveram ndices de eficincia no intervalo de 0,00 a 0,85
na DEA (3a faixa). Ao todo, consideradas as premissas adotadas, as duas metodologias
(DEA e ENC) convergiram em 65,7%.
Atravs dos resultados, Borges (2005) concluiu que existe uma significativa evaso
no ensino superior (cerca de 30%), impactando consideravelmente na anlise de eficincia,
e que as instituies privadas contribuem para que isso ocorra, por adotarem, no ato da
autorizao do curso, a estratgia de solicitar um nmero maior de vagas do que a demanda
real. Verificou-se tambm que as IFES esto mais prximas da eficincia alocativa, tanto
na anlise de inputs como na de outputs e que os valores relativamente baixos de formados
e nota no provo levam a um superdimensionamento da organizao didtico-pedaggica.
documental dos relatrios de gesto das IFES obtidos nos sites das prprias instituies.
Foram utilizadas apenas dezenove instituies, pois as demais instituies no possuam,
na poca, seus dados atualizados.
O modelo CCR com retornos constantes escala, tanto orientado para entrada
quanto para sada, foi escolhido neste trabalho para anlise das IFES. Assim, admitiu-se
que a produtividade mxima no variasse em funo da escala de produo.
Como resultado, das 19 IFES avaliadas, cinco foram consideradas ineficientes. Com
isso, foi possvel concluir que a tcnica DEA pde ser aplicada s IFES, permitindo uma
melhor avaliao das instituies e da gesto dos recursos administrados pelas mesmas.
Percebeu-se tambm que era possvel ter resultados melhores nos indicadores de sada
com valores menores nos indicadores de entrada.
O conjunto total das 49 IFES foi analisado em duas etapas. Na primeira, procurou-
se minimizar a caracterstica heterognea do setor, sendo consideradas as realidades de
cada instituio, subdividindo-as em dois grupos: no primeiro grupo foram consideradas
as instituies que tm uma atuao preponderante no ensino da ps-graduao e na
pesquisa; e no segundo, foram consideradas as instituies com pouca ou nenhuma atuao
no ensino da ps-graduao e na pesquisa. Na segunda etapa, foi estimado o conjunto da
populao das IFES selecionadas, ou seja, um modelo com todas as instituies.
Para o clculo da eficincia, foi utilizado o modelo DEA BCC com orientao a
35
output, tendo como insumos: custo corrente por aluno equivalente, aluno tempo integral
por docente equivalente, aluno tempo integral por funcionrio equivalente e ndice de
qualificao do corpo docente, e, como produtos: razo de alunos formados por alunos
matriculados e o conceito CAPES para a ps-graduao.
Como resultado deste estudo, os autores encontraram que 67% das IFES que con-
duziram pesquisas estavam na fronteira eficiente de produo no ano de 2008. Para esse
mesmo ano, o grupo que conduziu menos pesquisas, 71% das universidades estavam na
fronteira. No entanto, o mesmo estudo mostrou que para todos os perodos analisados, as
instituies com uma forte atuao no ensino da ps-graduao e na pesquisa, no obtive-
ram um elevado grau de ineficincia, sendo obtidos os piores scores de eficincia de 0,79;
0,78; 0,79; 0,61 e 0,77 para os anos de 2004, 2005, 2006, 2007 e 2008, respectivamente.
Costa, Ramos e Souza (2012) concluram que seria necessrio examinar o que
aconteceu com cada IFES separadamente, para s ento tecer algum tipo de considerao
sobre as causas de suas ineficincias relativas e de sua perda de produtividade, a fim de
que esses resultados possam realmente comprovar a real situao da educao superior
pblica federal.
Casado (2012) aplicou a tcnica DEA para calcular a eficincia tcnica dos cursos
de graduao presenciais em Engenharia de Produo de instituies de ensino superior,
considerando os aspectos de desempenho organizacional e os de qualidade. Desta forma,
o autor explorou a principal ferramenta nacional de avaliao dos cursos de graduao,
o indicador Conceito Preliminar de Cursos (CPC), o qual foi institudo pelo Ministrio
da Educao com o objetivo fornecer uma medida de qualidade aos cursos de graduao
(MEC/INEP, 2004).
Dentre os modelos e orientaes das variveis em DEA, este estudo adotou o modelo
CCR orientado a produto, sendo utilizado tambm os conceitos de fronteiras invertidas
com o objetivo de amenizar o vis da medio de desempenho. O modelo CCR com
orientao a output, conforme abordado por Belloni (2000), o que mais se adqua
realidade de uma instituio de ensino, visto que a mesma busca maximizar os resultados
com os insumos disponveis.
No entanto, para efeito de anlise de eficincia, foram subtrados aqueles cursos que no
apresentaram conceito no Enade. Desta forma, foram analisados 129 cursos de graduao
da rea de Engenharia de Produo.
O modelo utilizado no estudo foi o DEA SBM (Slacks Based Measure), pois os mo-
delos DEA tradicionais, como o CCR e o BCC, assumem a hiptese de retornos constantes
e variveis de escala, respectivamente. Alm disso, necessrio que seja determinado a
priori qual o tipo de orientao: insumo ou produto. O modelo DEA SBM no exige a de-
terminao dessas orientaes. Os dados utilizados para o estudo da eficincia, em relao
ao ano de 2008, foram extrados de duas bases: Censo da Educao Superior e Geocapes,
com o intuito de coletar dados referentes a gradao e a ps-graduao, respectivamente.
Para o clculo dos ndices de eficincia, foram utilizados como insumos: nmero
de professores em relao ao nmero de alunos e as receitas das instituies por alunos.
Como produtos, foram considerados a nmero de alunos formados em relao ao nmero
de alunos matriculados, nmero de atividades de extenso dividida pelo nmero de alunos,
nmero de pesquisas (teses e dissertaes) pelo nmero de alunos, e a qualidade das
37
Como resultado deste estudo, Duenhas (2013) ressaltou que a maioria das univer-
sidades de grande porte estava otimizando sua produo. Foram 6 as instituies tidas
como ineficientes, das quais 3 estavam com um ndice de eficincia acima de 90%. Para as
universidades de mdio porte, 46% foram consideradas eficientes. J para as universidades
de pequeno porte, 86% foram tidas como eficientes.
cursos utilizado
analisados
cursos utilizado
analisados
ser especializadas e
voltadas para as
atividades de
na quantidade e na
qualidade; quando
de porte mdio,
na produtividade
ou na qualidade;
quando de porte
grande, tendem a
na qualidade e na
quantidade.
Faanha e 973 instituies de Total de Docentes; Incries nos CCR, com A eficincia das IES
Marinho, ensino superior Total de Docentes Processos Seletivos; orientao a municipais a mais
Doutorado no perodo
analisado. No
entanto, houve um
declnio da
particulares,
justificado pelo
aumento do nmero
de IES particulares.
cursos utilizado
analisados
oferecidas privadas
contribuem para
Oliveira e 19 IFES Custo corrente por Conceito CCR, com A tcnica DEA
equivalente; mesmas.
Funcionrio
equivalente por
professor
equivalente; Grau
de participao
estudantil; Grau de
envolvimento do
discente com a
ps-graduao;
ndice de
qualificao do
corpo docente
cursos utilizado
analisados
Costa, 49 IFES Custo corrente por Razo de alunos BCC com As instituies com
IFES
separadamente,
algum tipo de
considerao sobre
as causas de suas
ineficincias.
Casado, 129 cursos de Nota Nota ENADE; CCR com Observou-se que 27
integral; Numero de
vagas do curso
cursos utilizado
analisados
atividades de melhorar a
Nmero de aumentar a
instituies medida
pelo IGC
Atravs da tcnica DEA utilizada neste estudo, pode-se tambm identificar quais
so os cursos de graduao em Engenharia de Produo mais eficientes e ranque-los.
Porm, h um debate sobre se a qualidade dos cursos pode ser quantificada ou classifi-
cada, pois Stella e Woodhouse (2006) apontam que a avaliao de cursos sofre diversas
influncias, tais como: do conjunto dos indicadores escolhidos, da arbitrariedade em dar
ponderaes, da inconsistncia entre as diferentes classificaes, das mudanas na forma de
avaliar ao longo do tempo, da dependncia de pesquisas de opinio, da validade estatstica,
da concorrncia desleal que ocorre no ensino superior, e dos resultados pseudo-cientficos.
Rankings mal formulados podem enviar informaes enganosas e concluses simplistas
podem ser feitas. Por exemplo, um aumento da classificao no corresponde necessaria-
mente a uma melhora na qualidade do ensino prestado por uma determinada instituio
(RAUHVARGERS, 2011).
3 ANLISE DE EFICINCIA
3.1 Produtividade, eficcia e eficincia
O primeiro conceito a ser desenvolvido para a compreenso das tcnicas dispon-
veis para o clculo de eficincia, a respeito da intitulao das unidades organizacionais
analisadas para avaliar a produo das operaes. Se vrias organizaes desenvolvem ati-
vidades semelhantes, pode-se comparar as suas produtividades e investigar porque razo
umas so mais produtivas do que outras.
De forma genrica, uma organizao mais produtiva porque tomou decises que
lhe permitem aproveitar melhor os recursos. Essas decises podem ser o uso de uma tec-
nologia mais avanada, a contratao de mo-de-obra mais qualificada, melhores tcnicas
gerenciais, dentre outras. O importante que uma maior produtividade , via de regra,
decorrente de alguma deciso tomada.
Uma DMU pode ser representada por um grupo empresarial, uma empresa indi-
vidual ou uma unidade administrativa, do setor produtivo, de servio ou at mesmo do
setor pblico, podendo ou no visar lucro (KATHARAKI, 2010).
DMU com um nico input e um nico output pode ser calculada pela Equao 3.1.
O
P rodutividade = (3.1)
I
Em que:
O: Quantidade de output;
I: Quantidade de input.
Segundo Lovell (2008), a frmula de Knight (1933) pode ser compreendida como
o clculo da produtividade para um nico input virtual e um nico output virtual. Input
virtual e o output virtual so definidos, respectivamente, como uma combinao linear de
todos os inputs e de todos os outputs referentes a uma DMU. Desse modo, a produtividade
pode ser calculada pela Equao 3.2.
u1 y1 + u2 y2 + + uj yj Ov
P rodutividade = = (3.2)
v1 x1 + v2 x2 + + vi xi Iv
Em que:
yj : Quantidade do output j;
xi : Quantidade do input i;
Ov : Output virtual;
Iv : Input virtual
disponveis, com o que poderia ter sido produzido com os mesmos recursos. Soares de
Mello et. al. (2005) resumem bem esses conceitos ao relacionar eficcia quantidade
produzida, produtividade razo entre produtos e recursos e enfatizar que a eficincia
tem relao com comparaes entre produtividades. Com base nisso, uma DMU eficiente
aquela com a maior produtividade dentre as DMUs analisadas.
Baseado no trabalho de Debreu, Farrell construiu uma fronteira linear por partes
baseada nas observaes. Essa fronteira calculada usando sistemas de equaes lineares,
possibilitando definir as unidades eficientes e as no eficientes, e decompe a medida de
eficincia em duas componentes: uma tcnica e outra alocativa. O diagrama de Farrell,
que est representado na Figura 3.2, auxilia no entendimento das medidas de eficincia.
De acordo com a Figura 3.2, so dados dois insumos, x1 e x2, utilizados para
gerar um produto qualquer. A linha PP representa a razo tima dos preos relativos
dos insumos. Pode-se definir como medidas de eficincia as distncias radiais a partir da
origem O. As unidades B e C so eficientes na utilizao de recursos, pois esto sobre
a curva de mxima produo (Isoquanta unitria), no entanto, somente a unidade C
eficiente tanto na utilizao de recursos, quanto em relao aos preos. Assim pode-se
dizer que C eficiente tcnica e alocativamente.
OB
Eficincia tcnica: dada pela razo OA
e est associada utilizao de recursos;
OD
Eficincia alocativa: dada pela razo OA
e est associada aos preos dos insumos;
OB OB OA
Eficincia econmica global: dada pela razo OD
ou x
OA OD
Modelo
Determinstico Estocstico
Abordagem
Paramtrica Mnimos Quadrados Ordinrios Anlise de Fronteira Estocstica
Corrigidos (COLS, Corrected (SFA, Stochastic Frontier Analysis)
Ordinary Least Squares)
No-Paramtrica Anlise Envoltria de Dados Anlise Envoltria de Dados
(DEA, Data Envelopment Estocstica (SDEA, Stochastic
Analysis) Data Envelopment Analysis)
assumir uma distribuio especfica para cada componente. Os mtodos estocsticos, por-
tanto, tm a vantagem da eficincia measurada incorporar os erros de medio. Mtodos
determinsticos, ao contrrio, assumem que qualquer desvio no produto observado, a par-
tir da fronteira de produo apenas uma consequncia da ineficincia (ONDRICH et.al.,
2001).
0
yi = + xi + i ti (3.3)
Com isso, a tcnica de SFA permite estimar a eficincia para cada unidade de
observao, que, combinados com a estimativa de parmetros, permite calcular o potencial
de economia de escala. Devido a esta caracterstica, esta tcnica tornou-se popular entre
os economistas da rea de educao. Assim, numerosas aplicaes da SFA na educao
podem ser encontradas na literatura (ABBOTT et. al., 2009; JOHNES, 2014; JOHNES,
et. al., 2008; JOHNES et. al., 2011; MCMILLAN et. al., 2006; STEVENS, 2005;
ZOGHBI, et. al., 2013).
50
Nesta figura, tem-se os valores observados das variveis representados pelos pontos
azuis e a reta de regresso em verde. Para cada valor real observado da varivel indepen-
dente (varivel X), h dois valores: o Y da varivel dependente previsto pela funo de
regresso e o Y, valor real observado das variveis. A diferena entre estas duas variveis
o valor residual, representado pelas retas vermelhas (distncias verticais de cada um
dos pontos em relao curva de regresso). Assim sendo, a tcnica OLS tem como pre-
missa, para a estimao da reta de regresso, a minimizao dos quadrados desses valores
residuais.
Segundo Deutsch et. al. (2013), a tcnica COLS raramente tem sido usada para
analisar a eficincia na educao, no entanto, eles citam alguns autores que trabalharam
com esta tcnica para mensurar o desempenho em instituies de ensino, tais como:
BARBETTA et. al., 2003; DE WITTE, et. al, 2013; DOLTON, et. al., 2001; IZADI, et.
al., 2002.
Como resultado, tem-se diferentes ndices de eficincia para cada DMU, de acordo
com a probabilidade que atribuida nas restries. Assim, quanto maior a probabilidade
de uma restrio ser satisfeita para uma DMU, menor ser a distncia entre esta DMU
e a fronteira SDEA. Devido a rudo nos dados, algumas DMUs iro situar-se acima da
fronteira de produo, e portanto, elas podero ser caracterizadas como "super-eficientes".
A tcnica SDEA tem sido pouco utilizada no meio acadmico, pois o principal
problema desta tcnica a introduo do modelo probabilstico, o que pode tornar os
resultados muito sensveis devido a uma variao dos dados amostrais (SARAFIDES,
2002).
Cujos preos dos insumos ou produtos sejam de difcil mensurao (FAANHA et.
al., 2001).
Isto possibilita o uso desta tcnica no setor pblico, onde muitas vezes no possvel
realizar esta mensurao. A eficincia comparativa vem da utilizao de dados observados
das prprias DMUs avaliadas, e no de metas estabelecidas (FAANHA et. al., 2001).
A literatura apresenta dois modelos para o clculo da eficincia por meio da tcnica
DEA: o modelo CCR e o modelo BCC. A diferena entre esses dois modelos que o CCR
calcula a eficincia tcnica e o BCC calcula a eficincia econmica global.
Ps
uj yjo
M ax ho = Pj=1
r
(3.4)
i=1 vi xio
Sujeito a
Ps
j=1 uj yjk
Pr 1, k = 1, . . . , n (3.5)
i=1 vi xik
uj 0, j = 1, . . . , s (3.6)
vi 0, i = 1, . . . , r (3.7)
Onde:
O modelo definido nas Equaes 3.4 a 3.7 caracteriza-se por um problema de pro-
gramao fracional, que pode ser transformado alterando a funo objetivo da Equao
3.4, na qual resulta em dois problemas de programao linear: um que minimiza o con-
sumo agregado, mantendo constante a produo agregada (orientao a input), e outro
que mantm constante o consumo agregado e busca maximizar a produo agregada (ori-
entao a output). Este ltimo formulado pelas Equaes 3.8 a 3.11.
r
X
M in ho = vi xio (3.8)
i=1
Sujeito a
s
X
uj yjo = 1 (3.9)
j=1
s
X r
X
uj yjk vi xik 0, k = 1, . . . , n (3.10)
j=1 i=1
uj 0, j = 1, . . . , s (3.11)
M ax ho (3.12)
Sujeito a
n
X
xio + xik k 0, i = 1, . . . , r (3.13)
k=1
n
X
ho yjo yjk k 0, j = 1, . . . , s (3.14)
k=1
<, k 0, k = 1, . . . , n (3.15)
O modelo BCC foi desenvolvido em 1984 por Banker, Charnes e Cooper (1984) e
incorpora ao modelo CCR os conceitos de economia de escala. Dessa maneira, o modelo
BCC pode ser intitulado como o modelo de retornos variveis a escala (VRS), sejam eles
crescentes, decrescentes ou constantes. Este modelo prope comparar apenas DMUs que
operam em escala semelhante. Assim, a eficincia de uma DMU obtida dividindo-se sua
produtividade pela maior produtividade dentre as DMUs que apresentam o mesmo tipo
de retorno a escala, permitindo que a produtividade mxima varie em funo da escala
de produo.
Uma anlise dos problemas duais permite uma comparao entre os modelos CCR
e BCC. Esses problemas tm a mesma funo objetivo e distinguem-se por regies de
viabilidade distintas. A regio vivel do BCC mais restrita em funo da restrio
de convexidade imposta s combinaes dos planos de operao, e esta distino traduz
as diferentes hipteses de retornos escala de operao adotadas. Em consequncia, o
indicador da eficincia tcnica obtido com o Modelo BCC menor ou igual ao indicador
da eficincia tcnica obtido com o Modelo CCR, e a diferena entre eles est associada ao
tipo de retorno escala de produo da DMU sob anlise.
Segundo Almeida, et. al.(2006), existem trs tipos de retorno escala de produo:
(a) crescente; (b) constante; e (c) decrescente.
1. Pode ocorrer erros de medio nos valores das variveis, e com isso, comprometer o
resultado, devido a tcnica ser determinstica;
6. A DEA faz uso de programao linear para cada DMU, em virtude disso, problemas
extensos podem exigir um tempo computacional elevado.
Adicionalmente, Badin (1997) afirma que a DEA possui como limitao a quan-
tidade de DMUs analisadas, o que exige que o nmero de DMUs seja, no mnimo, igual
ao dobro do nmero de insumos e produtos considerados para que o modelo apresente
resultados consistentes.
r
Si + So+ )
X X
M ax ho + ( (3.16)
i=1 rD
Sujeito a
r
xik k + Si
X
xio = (3.17)
i=1
s
yjk k So+ ,
X
yjo = o ND (3.18)
j=1
s
yjk k So+ ,
X
ho yjo = rD (3.19)
j=1
k 0, k = 1, . . . , n (3.20)
r
X X
M in vi xio vi xio (3.21)
i=1 iN D
Sujeito a
s
X X X
uj yjk vi xik vi xik 0, i = 1, . . . , r (3.22)
j=1 iN D iD
10
exogenamente: Aquilo que de origem externa. Produzido por fatores externos a um objeto, processo
ou fenmeno (Dicionrio Aurlio).
59
X
uj yjk = 1, j = 1, . . . , s (3.23)
iD
vi , iD (3.24)
vi 0, i ND (3.25)
uj , j = 1, . . . , s (3.26)
k = 1, . . . , n (3.27)
r r
ho + ( Si + So+ ) = vi xio vi xio
X X X X
(3.28)
i=1 rD i=1 iN D
Como exemplo de uma aplicao que utiliza DEA com variveis limitantes, pode-se
citar o trabalho desenvolvido por Kazemi et. al., 2009. Neste trabalho, os autores mensu-
raram o desempenho de 42 departamentos acadmicos de uma universidade iraniana, no
qual uma das variveis de sada assume valores inteiros entre 1 e 4. Caso os autores utili-
60
zassem o modelo de eficincia tcnica proposto por Debreu-Farrell (1957) para mensurar
o desempenho destes departamentos, eles poderiam ter encontrado como resultado um
aumento do nvel desta varivel de sada para um nmero inteiro maior do que 4, o que
sem sentido. Assim, para contornar este problema, foi necessrio impor certos limites no
conjunto de possibilidades de produo.
A fim de lidar com situaes nas quais so impostas um limite superior e inferior
para as variveis de sada, h a necessidade de relaxar a restrio controlvel 3.20 em uma
restrio com limites superiores e inferiores:
s
loDy k yjk uDy
X
o , k = 1, . . . , n (3.29)
j=1
onde loDy e uD
o so os vetores dos limites inferior e superior para as sadas discricionrias
y
da DMU observada. Assim, tem-se o modelo CCR orientado a output, incluindo o conjunto
de variveis discricionrias delimitantes:
M ax ho (3.30)
Sujeito a
r
X
xio + k xik 0, iD (3.31)
i=1
s
X
ho yjo k yjk 0, jD (3.32)
j=1
s
loDy k yjk uDy
X
o (3.33)
j=1
k 0, k = 1, . . . , n (3.34)
National Science Foundation) aos pesquisadores das universidades destes pases, descrito
por Beasley (1995). Neste estudo, o autor relata que o nmero de alunos de graduao
pode desempenhar tanto o papel de uma varivel de entrada (recursos disponveis para
cada membro do corpo docente, refletindo na produtividade do mesmo), quanto de uma
varivel de sada (nmero de alunos graduados, um benefcio resultante da pesquisa).
Este problema consiste em supor que existam L variveis flexveis, as quais deseja-
se saber se as mesmas sero classificadas como variveis de entrada ou de sada, otimizando
a eficincia de cada DM Uk (k = 1, ..., n) analisada. Denota-se o peso assumido por
cada DM Uk como wlk , (l = 1, ..., L). Para cada medida l, introduzido um ndice
binrio dl {0, 1}, onde dl = 1 indica que a varivel flexvel wlo de sada, e dl = 0
indica que a varivel flexvel wlo de entrada.
r
X L
X
M in vi xio + (1 dl )l wlo (3.35)
i=1 l=1
Sujeito a
s
X L
X
uj yjk + dl l wlo = 1, k = 1, . . . , n (3.36)
j=1 l=1
s
X L
X r
X L
X
uj yjk + 2 dl l wlo vi xik l wlo 0 (3.37)
j=1 l=1 i=1 l=1
uj , vi , l 0, i, j, l (3.39)
A funo de otimizao 3.35 permite que cada DMU escolha qual o melhor valor
de dl , (0 ou 1), para designar uma varivel como entrada ou sada, respectivamente. O
problema a cima pode ser linearizado por meio da substituio da expresso dl l por l ,
62
0 l M dl (3.40)
l l l + M (1 dl ) (3.41)
r
X L
X L
X
M in vi xio + l wlo l wlo (3.42)
i=1 l=1 l=1
Sujeito a
s
X L
X
uj yjo l wlo = 1 (3.43)
j=1 l=1
s
X L
X r
X L
X
uj yjk + 2 l wlj vi xik l wlj 0, k = 1, . . . , n (3.44)
j=1 l=1 i=1 l=1
0 l M dl (3.45)
l l l + M (1 dl ) (3.46)
dl {0, 1} (3.47)
uj , vi , l , l 0, i, j, l (3.48)
M ax ho (3.49)
Sujeito a
r
X
xio + xik k 0, k = 1, . . . , n (3.50)
i=1
63
s
X
ho yjo + yjk k 0, k = 1, . . . , n (3.51)
j=1
n
X
wlk k wlo + M dl , l = 1, . . . , L (3.52)
k=1
n
X
wlk k wlo + M (1 dl ), l = 1, . . . , L (3.53)
k=1
dl {0, 1} l (3.54)
k 0, k = 1, . . . , n (3.55)
O modelo a cima garante que apenas uma das duas restries (3.52 ou 3.53) deve
estar ativa ao mesmo tempo. Se dl = 0, a restrio 3.52 ativada e a restrio 3.53
torna-se redundante; caso contrrio, se dl = 1, a restrio 3.53 fica ativa e a restrio
3.52 passa a ficar redundante. Em outras palavras, o valor assumido pela varivel dl (0
ou 1) vai acabar com uma sada, dl = 0, ou com uma entrada, dl = 1.
M ax ho (3.56)
Sujeito a
r
X
xio + k xik 0, k = 1, . . . , n (3.57)
i=1
s
X
ho yjo + k yjk 0, k = 1, . . . , n (3.58)
j=1
n
X
k wlk wlo + M dl , l = 1, . . . , L (3.59)
k=1
n
X
k wlk wlo + M (1 dl ), l = 1, . . . , L (3.60)
k=1
dl {0, 1} l = 1, . . . , L (3.61)
k 0, k = 1, . . . , n (3.62)
1. Ele sempre vivel, devido presena da varivel binria assumir um valor arbitrrio
(0 ou 1) e M ser um nmero suficientemente grande. Assim, ho uma possvel
soluo do modelo, de modo que se ho = 1, ento (1 , ..., k ) = (1, ..., 1);
2. Ele garante que o valor da eficincia da DMU observada estar sempre entre zero e
um (0 hk 1), devido suposio de que as entradas e as sadas sero sempre
no-negativas. A restrio 3.58 fora k ser diferente de zero quando yjk > 0 e
yjo 6= 0. Assim, ho tem que ser sempre positivo, j que a soma das sadas no
podem ser negativas;
3. Ele invariante a dupla funo (de entrada ou de sada) que uma varivel flex-
vel pode assumir, pois o status de um fator de dupla funo pode ser facilmente
determinado resolvendo apenas N modelos para uma nica abordagem agregada,
ao invs de resolver os 2N modelos durante a abordagem individual proposta por
Cook e Zhu (2007). Ou seja, este modelo garante que a soluo tima encontrada
sem a necessidade de comparar separadamente as eficincias de modelos quando as
variveis flexveis so classificadas primeiramente como entrada e depois como sada.
65
4 METODOLOGIA
4.1 Descrio da Pesquisa
Esta pesquisa de natureza aplicada, pois o interesse que os resultados deste
estudo sejam utilizados na soluo de problemas que ocorrem na realidade. O objetivo
desta pesquisa descritivo, o qual visa descrever as caractersticas das variveis relacio-
nadas ao corpo discente e ao corpo docente dos cursos de graduao em Engenharia de
Produo e estabelecer relaes entre as variveis estudadas.
Assim, as variveis, obtidas atravs do resultado do Enade e comum nos trs anos,
66
foram:
3. Regime Integral: Proporo de Docentes que ministram aulas para o curso de En-
genharia de Produo e trabalham em regime de dedicao exclusiva;
AEG = ((N C DP C) (1 + F R) + (( N IN
4
C
) DP C) P GC)
Onde:
NC: Nmero de Concluintes do curso em um determinado ano;
DPC: Durao Padro do Curso, que de 5 anos para o curso de Engenharia de
Produo;
NI: Nmero de Ingressantes do curso em um determinado ano;
12
FR: Fator de Reteno, que de acordo com metodologia da SESu , 0.082 para
o curso de graduao em Engenharia de Produo;
11
Aluno Equivalente, segundo o Ministrio da Educao (2006), um indicador determina o total de
alunos matriculados em determinada IES com base em uma frmula matemtica que equipara os alunos
de cursos diferenciados. Assim, pode-se comparar o total de alunos de todos os cursos e de todas as IES
em estudo.
12
SESu (Secretaria de Educao Superior): Unidade do Ministrio da Educao responsvel por pla-
nejar, orientar, coordenar e supervisionar o processo de formulao e implementao polticas para o
Ensino Superior.
67
PGC: Peso do Grupo em que se insere o Curso, que acordo com metodologia da
SESu 2.0 para o curso de Graduao em Engenharia de Produo;
AGT I = ((N C DP C) (1 + F R) + (( N IN
4
C
) DP C))
Onde:
NC: Nmero de Concluintes do curso em um determinado ano;
DPC: Durao Padro do Curso, que de 5 anos para a Engenharia de Produo;
FR: Fator de Reteno, que de acordo com metodologia da SESu, 0.082 para o
curso de Graduao em Engenharia de Produo;
NI: Nmero de Ingressantes do curso em um determinado ano.
5. Bolsas: Informa o nmero total de alunos que recebeu bolsa ou remunerao pelas
atividades de formao complementar de estgio, extenso, monitoria e pesquisa.
1. Remoo dos cursos cuja nota Enade SC (Sem Conceito), pois representam os
cursos que ainda no possuem alunos a serem formados ou que apenas um ou nenhum
aluno prestes a concluir o curso participou do exame. Do total cursos, em 2008
nenhum era SC, em 2011 49 eram SC e em 2014, 7 eram SC;
5. Remoo dos cursos que no possuem alunos ingressantes e/ou concluintes, por
interferirem diretamente no clculo das variveis Aluno Equivalente e Aluno Tempo
Integral. Do total cursos, em 2008 16 cursos no possuam alunos ingressantes e/ou
concluintes, em 2011 33 cursos no possuam alunos ingressantes e/ou concluintes,
e em 2014, 150 cursos no possuam alunos ingressantes e/ou concluintes.
Cabe destacar tambm que nesta etapa houve a identificao dos cursos considera-
dos como outliers e a excluso dos mesmos. O tratamento dos outliers um aspecto que
merece importncia, pois a tendncia que as unidades mais distantes da mdia dominem
as demais unidades e, consequentemente, aquelas sejam classificadas como eficientes. Os
69
outliers devem ser eliminados se percebido que os mesmos no representam uma tecno-
logia factvel. Do total de cursos, em 2008 12 foram considerados outliers, em 2011 22
foram considerados outliers e em 2014 40 cursos foram considerados outliers.
Depois que os dados referentes a esta pesquisa passaram por este pr-processamento,
de 129, 215 e 464 cursos referentes aos respectivos anos de 2008, 2011 e 2014, restaram
19, 34 e 44 cursos de graduao em Engenharia de Produo para serem analisados em
2008, 2011 e 2014, respectivamente.
O modelo utilizado neste estudo foi o DEA-CCR com orientao a output, pois
no se considerou a diferena de porte das universidades, j que esta diferena tem uma
influncia direta sobre o tamanho do subsdio oramentrio repassado pelo Estado, e
devido a este motivo, este estudo no utilizou variveis monetrias. Alm do mais, est
sendo analisado apenas os cursos de graduao em Engenharia de Produo, e o nmero
de cursos pertencentes a universidades pblicas pesquisadas pequeno para utilizar um
modelo com retorno varivel a escala (DEA-BCC).
M ax ho (4.1)
Sujeito a
s
X
ho yjo k yjk 0, k = 1, . . . , n (4.2)
j=1
n
X
k wlk wol + M dl , l = 1, . . . , L (4.3)
k=1
n
X
k wlk wol + M (1 dl ), l = 1, . . . , L (4.4)
k=1
70
k
loDy k yjk uDy
X
o (4.5)
n=1
L
X
1 dl L 1 (4.6)
l=1
dl {0, 1} l = 1, . . . , L (4.7)
k 0, k = 1, . . . , n (4.8)
1. Proporo Mestres;
2. Proporo Doutores;
3. Regime Integral;
5. Aluno Equivalente;
6. Ingressantes;
7. Concluintes;
8. Bolsas.
uma varivel limitante, ou seja, o valor mnimo que a mesma pode assumir 0 e o valor
mximo 5 (loDy = 0 e uDo
y
= 5).
No utilizou-se nenhuma varivel como entrada, pois os objetivos deste estudo so,
alm de analisar impacto das variveis flexveis na nota Enade, descobrir quais destas
sero classificadas como entrada (input) ou sada (output) para cada curso analisado. No
entanto, o modelo proposto garante que pelo menos uma varivel flexvel seja classificada
como input para cada DMU avaliada, obedecendo a restrio definida pela Equao 4.2.
Assim sendo, esta pesquisa foi realizada em duas etapas. Na primeira etapa, o
modelo definido pelas Equaes 4.1 a 4.8 foi executado separadamente para os trs anos
(2008, 2011 e 2014: Dados disponveis nos Anexos A, B e C, onde cada DMU foi identi-
ficada por um nmero seguido do ano em que a mesma participou do Enade), a fim de
verificar se houve as seguintes dedues para cada varivel analisada:
5 RESULTADOS
Na Tabela 5.1 tem-se os valores de dl assumidos por cada varivel flexvel, encon-
trados atravs da aplicao do modelo descrito nas Equaes 4.1 a 4.8 para o ano de 2008,
utilizando os dados disponveis no ANEXO A.
Integral
1(2008) 1 1 1 1 1 1 0 1
2(2008) 1 1 1 1 1 0 1 1
3(2008) 1 1 1 1 1 1 0 1
4(2008) 1 1 1 0 0 0 1 1
5(2008) 1 1 1 0 0 0 1 0
6(2008) 1 1 1 1 1 0 1 0
7(2008) 1 1 1 1 1 1 0 1
8(2008) 1 1 1 1 1 1 0 1
9(2008) 1 1 1 0 0 0 1 0
10(2008) 1 1 1 0 0 0 1 0
11(2008) 1 1 1 1 1 1 0 1
12(2008) 1 1 1 0 0 0 1 1
13(2008) 1 1 1 0 0 0 0 0
14(2008) 1 1 1 1 1 1 0 1
15(2008) 1 1 1 0 0 0 0 0
16(2008) 1 1 1 1 1 1 0 1
17(2008) 1 1 1 1 1 1 1 0
18(2008) 1 1 1 1 1 1 0 1
19(2008) 1 1 1 0 0 0 1 1
A partir dos valores de dl das variveis da Tabela 5.1, possvel analisar cada DMU
a fim de que a mesma possa atingir a nota mxima no Enade. Como exemplo, selecionou-
se a DMU 12(2008), que poderia ser qualquer uma dentro do conjunto das 19 DMUs da
Tabela 5.1. Para esta DMU, as variveis Proporo Mestres, Proporo Doutores, Regime
Integral, Concluintes e Bolsas foram classificadas como variveis de sada (dl = 1), o que
73
um indicativo de que estas variveis deveriam ter sido consideradas prioritrias para que a
DMU 12 obtivesse nota mxima neste exame no ano de 2008. J as variveis Aluno Tempo
Integral, Aluno Equivalente e Ingressantes foram classificadas, para esta mesma DMU,
como variveis de entrada (dl = 0), sendo um indcio de que estas variveis aparentavam
excesso e no precisavam ter sido priorizadas para a DMU 12 atingisse a nota mxima no
Enade em 2008.
Esta mesma anlise poderia ser feita para as demais DMUs, no entanto, o foco
desta pesquisa observar, atravs dos valores de dl , a possvel influncia de cada varivel
na nota Enade dos cursos de graduao em Engenharia de Produo das IES pblicas.
Assim, procedeu-se com a anlise descrita a seguir.
A varivel Bolsas foi prioritria (dl = 1) para que determinadas DMUs sob anlise
alcanasse o desempenho mximo no Enade. No entanto, cabe observar que para as DMUs
13(2008), 15(2008) e 17(2008), esta varivel no foi considerada prioridade naquele ano,
o que confirmado pelo valor assumido pela varivel Bolsas (zero) para estas DMUs em
2008, conforme o ANEXO A.
A Tabela 5.2 exibe os valores de dl assumidos por cada varivel flexvel, encontrados
atravs da aplicao do modelo descrito nas Equaes 4.1 a 4.8 para o ano de 2011,
utilizando os dados disponveis no ANEXO B.
74
Integral
1(2011) 1 1 1 0 1 1 1 1
2(2011) 1 1 1 0 1 1 1 1
6(2011) 1 1 1 0 1 1 1 1
9(2011) 1 1 1 0 1 1 1 1
10(2011) 1 1 1 0 1 1 1 1
11(2011) 1 1 1 0 1 1 1 1
12(2011) 1 1 1 0 1 1 1 1
13(2011) 1 1 1 1 1 1 1 0
14(2011) 1 1 1 0 1 1 1 1
16(2011) 1 1 1 0 1 1 1 1
18(2011) 1 1 1 1 1 1 1 0
19(2011) 1 1 1 1 1 1 0 0
20(2011) 1 1 1 0 1 1 1 1
21(2011) 1 1 1 0 1 1 0 1
22(2011) 1 1 1 0 1 1 1 1
23(2011) 1 1 1 0 1 1 1 1
24(2011) 1 1 1 0 1 1 1 1
25(2011) 1 1 1 0 1 1 1 1
26(2011) 1 1 1 1 1 1 1 0
27(2011) 1 1 1 0 1 1 1 1
28(2011) 1 1 1 0 1 1 0 1
29(2011) 1 1 1 0 0 0 1 0
30(2011) 1 1 1 1 1 1 0 0
31(2011) 1 1 1 1 1 1 1 0
32(2011) 1 1 1 0 0 0 0 0
33(2011) 1 1 1 0 1 1 1 1
34(2011) 1 1 1 1 1 1 0 0
A mesma anlise dos valores de dl das variveis da Tabela 5.1 pde ser feita para
a Tabela 5.2. Assumindo novamente como exemplo a DMU 12(2011), as variveis Pro-
poro Mestres, Proporo Doutores, Regime Integral, Aluno Equivalente, Ingressantes,
Concluintes e Bolsas foram classificadas como variveis de sada (dl = 1), o que um
indicativo de que estas variveis foram consideradas prioritrias para a DMU 12 obter
nota mxima no Enade em 2011. A nica varivel classificada como entrada foi a vari-
75
vel Aluno Tempo Integral (dl = 0), sendo esta a nica varivel obrigada a obedecer a
restrio definida pela Equao 4.2, a qual garante que pelo menos uma varivel flexvel
seja classificada como varivel de entrada.
A varivel Aluno Equivalente foi prioritria (dl = 1) para a maioria das DMUs
sob anlise alcanar o desempenho mximo no Enade, exceto para as DMUs 29(2011) e
32(2011), em que dl = 0. Com isso, consegue-se concluir que esta varivel s pode ser
levadas em considerao se a varivel Ingressantes assumir um indicativo de prioridade
(dl = 1).
A varivel Bolsas foi prioritria (dl = 1) para que determinadas DMUs sob anlise
pudesse alcanar o desempenho mximo no Enade. No entanto, cabe observar que para
as DMUs 13(2011), 18(2011), 19(2011), 26(2011), 29(2011), 30(2011), 31(2011), 32(2011)
e 34(2011) esta varivel no foi considerada prioridade, o que confirmado pelo valor
assumido pela varivel Bolsas (zero) para estas DMUs em 2011, conforme o ANEXO B.
A Tabela 5.3 exibe os valores de dl assumidos por cada varivel flexvel, encontrados
atravs da aplicao do modelo descrito nas Equaes 4.1 a 4.8 para o ano de 2014,
utilizando os dados disponveis no ANEXO C.
76
Integral
1(2014) 1 1 1 1 1 0 1 1
2(2014) 1 1 1 0 1 0 1 1
4(2014) 1 1 1 1 1 0 1 1
5(2014) 1 1 1 0 0 0 1 1
6(2014) 1 1 1 1 1 0 1 1
7(2014) 1 1 1 1 1 0 1 1
8(2014) 1 1 1 1 0 1 1 1
9(2014) 1 1 1 1 1 0 1 1
10(2014) 1 1 1 1 1 0 1 1
12(2014) 1 1 1 1 1 0 1 1
13(2014) 1 1 1 0 1 0 0 1
14(2014) 1 1 1 1 1 0 1 1
18(2014) 1 1 1 1 1 0 1 1
19(2014) 1 1 1 0 0 0 0 0
20(2014) 1 1 1 1 1 0 1 1
21(2014) 1 1 1 1 1 0 1 1
22(2014) 1 1 1 1 0 1 1 1
25(2014) 1 1 1 1 1 0 1 1
26(2014) 1 1 1 1 1 0 1 1
28(2014) 1 1 1 1 1 0 1 1
29(2014) 1 1 1 0 0 0 0 1
30(2014) 1 1 1 1 1 0 1 1
32(2014) 1 1 1 1 1 1 1 0
33(2014) 1 1 1 1 1 1 1 0
35(2014) 1 1 1 1 1 1 1 0
36(2014) 1 1 1 1 1 1 1 0
37(2014) 1 1 1 0 1 0 0 1
38(2014) 1 1 1 1 1 1 0 0
39(2014) 1 1 1 0 0 0 0 0
40(2014) 1 1 1 1 1 0 1 1
41(2014) 1 1 1 0 1 0 0 1
42(2014) 1 1 1 1 1 0 1 1
Integral
43(2014) 1 1 1 1 1 1 0 1
44(2014) 1 1 1 1 1 1 0 0
A varivel Bolsas foi prioritria (dl = 1) para que determinadas DMUs sob anlise
alcanasse o desempenho mximo no Enade. No entanto, cabe observar que para as
78
A Tabela 5.4 ilustra um agrupamento das Tabelas 5.1, 5.2 e 5.3 para as DMUs
correspondentes aos cursos de Graduao em Engenharia de Produo que participaram
em pelo menos dois dos trs anos em que o exame Enade foi aplicado. Atravs desta
tabela, possvel verificar quais variveis mudaram de estado para uma determinada
DMU, ou seja, passaram de entrada (dl = 0) para sada (dl = 1), ou vice-versa, e se
essa mudana teve impacto na nota Enade.
Tabela 5.4 Agrupamento dos resultados das DMUs que participaram em pelo menos dois exames
Integral
1(2008) 1 1 1 1 1 1 0 1
1(2011) 1 1 1 0 1 1 1 1
1(2014) 1 1 1 1 1 1 0 1
2(2008) 1 1 1 1 1 0 1 1
2(2011) 1 1 1 0 1 1 1 1
2(2014) 1 1 1 0 1 0 1 1
4(2008) 1 1 1 0 0 0 1 1
4(2014) 1 1 1 1 1 0 1 1
5(2008) 1 1 1 0 0 0 1 0
5(2014) 1 1 1 0 0 0 1 1
6(2011) 1 1 1 1 0 1 1 1
6(2008) 1 1 1 1 1 0 1 0
6(2014) 1 1 1 1 1 1 0 1
7(2008) 1 1 1 1 1 1 0 1
7(2014) 1 1 1 1 1 0 1 1
8(2008) 1 1 1 1 1 1 0 1
8(2014) 1 1 1 1 0 1 1 1
9(2008) 1 1 1 0 0 0 1 0
9(2011) 1 1 1 0 1 1 1 1
9(2014) 1 1 1 1 1 0 1 1
10(2008) 1 1 1 0 0 0 1 0
10(2011) 1 1 1 1 0 1 1 1
10(2014) 1 1 1 1 1 0 1 1
Integral
12(2008) 1 1 1 0 0 0 1 1
12(2011) 1 1 1 1 0 1 1 1
12(2014) 1 1 1 1 1 0 1 1
13(2008) 1 1 1 0 0 0 0 0
13(2011) 1 1 1 1 1 1 1 0
13(2014) 1 1 1 0 1 0 0 1
14(2008) 1 1 1 1 1 1 0 1
14(2011) 1 1 1 0 1 1 1 1
14(2014) 1 1 1 1 1 0 1 1
16(2008) 1 1 1 1 1 1 0 1
16(2011) 1 1 1 0 1 1 1 1
18(2008) 1 1 1 1 1 1 0 1
18(2011) 1 1 1 1 1 1 1 0
18(2014) 1 1 1 1 1 0 1 1
19(2008) 1 1 1 0 0 0 1 1
19(2011) 1 1 1 1 1 1 0 0
19(2014) 1 1 1 0 0 0 0 0
20(2011) 1 1 1 0 1 1 1 1
20(2014) 1 1 1 1 1 0 1 1
21(2011) 1 1 1 0 1 1 0 1
21(2014) 1 1 1 1 1 0 1 1
22(2011) 1 1 1 0 1 1 1 1
22(2014) 1 1 1 1 0 1 1 1
25(2011) 1 1 1 0 1 1 1 1
25(2014) 1 1 1 1 1 0 1 1
26(2011) 1 1 1 1 1 1 1 0
26(2014) 1 1 1 1 1 0 1 1
28(2011) 0 1 1 0 1 1 0 1
28(2014) 1 1 1 1 1 0 1 1
29(2011) 1 1 1 0 0 0 1 0
29(2014) 1 1 1 0 0 0 0 1
30(2011) 1 1 1 1 1 1 0 0
30(2014) 1 1 1 1 1 0 1 1
32(2011) 1 1 1 0 0 0 0 0
Integral
32(2014) 1 1 1 1 1 1 1 0
33(2011) 1 1 1 0 1 1 1 1
33(2014) 1 1 1 1 1 1 1 0
Analisando os dados da Tabela 5.4, pde-se concluir que as variveis que mais con-
triburam, isoladamente, para um melhor desempenho dos cursos de Graduao em Enge-
nharia de Produo no Enade, foram: Proporo Mestres, Proporo Doutores e Regime
Integral, consideradas como variveis de sada (dl = 1), exceto para a DMU 28(2011),
na qual a varivel Proporo Mestres foi classificada como varivel de entrada(dl = 0).
Atravs da Tabela 5.4, notou-se tambm que a maioria das DMUs, obrigadas a
obedecer a restrio definida pela Equao 4.6, definiu somente uma varivel como entrada
e as demais variveis como sada para tentar otimizar a eficincia das mesmas. Com isso,
conclui-se que a maioria das DMUs tenderam a aumentar o valor das variveis flexveis, ao
invs de reduzi-los, pois o modelo utilizado nesta pesquisa possuiu uma orientao a sada
(output), e quanto maior for o nmero de variveis de sada, melhor ser o desempenho
de cada DMU sob anlise.
81
6 CONCLUSES
As funes de ensino e pesquisa das universidades tm um papel significativo no de-
senvolvimento de uma nao, particularmente no aperfeioamento da mo-de-obra, cada
vez mais importante para o aumento da produtividade de bens e servios (KAMPEL-
MANN, 2012). Dessa forma, a educao superior tem sido um fator determinante na
gerao de inovao de produtos e tcnicas capazes de elevar o ganho de produtividade, o
qual visto como o principal motor para o crescimento econmico, colocando uma nao
mais perto da fronteira tecnolgica mundial (VANDENBUSSCHE et. al., 2006).
O objetivo principal deste trabalho foi, atravs da tcnica DEA, modelar qual a
funo desempenhada por cada varivel acadmica referente as caractersticas dos corpos
docente e discente na nota Enade. Este propsito foi alcanado utilizando os resultados
deste exame e os dados do Censo da Educao Superior referentes aos anos de 2008,
2011 e 2014 para os cursos de graduao em Engenharia de Produo das universidades
pblicas credenciadas ao Ministrio da Educao. O que justificou a escolha destes dados
foi os argumentos de Kane et. al. (2002), os quais afirmam que os resultados de testes
padronizados so indicadores confiveis para mensurar o desempenho dos estudantes.
A tcnica DEA, dentre as trs tcnicas avaliadas neste estudo (COLS, DEA e
SFA), foi a que mais se adequou ao problema desta pesquisa, por este possuir variveis
no-discricionrias e limitantes. Alm disso, no foi encontrada na literatura e nos tra-
balhos citados neste estudo uma justificativa para classificar variveis acadmicas como
excesso (input) ou como falta (output). Por este motivo, utilizou-se o modelo proposto
por Toloo e Barat (2015), que consistiu em alterar o modelo de retorno constante a es-
cala padro e introduzir o Problema de Programao Linear Inteira Mista (PPLIM). Este
problema baseou-se em analisar as variveis flexveis, no-discricionrias e limitantes, as
quais desejou-se saber se as mesmas seriam categorizadas como variveis de entrada ou de
sada, permitindo que cada DMU escolhesse qual seria a melhor classificao das variveis
sob anlise que otimizasse o desempenho da mesma.
A desvantagem do modelo proposto por Toloo e Barat (2015) aplicado nesta pes-
quisa foi que a maioria das DMUs, obrigada a obedecer a restrio definida pela Equao
4.6, a qual garante que pelo menos uma varivel flexvel seja classificada como varivel
de entrada, classificou somente uma varivel flexvel como varivel de entrada. Nesta
pesquisa poderia existir outras variveis flexveis que estivessem em excesso, mas foram
classificadas como estando em falta pelo fato do modelo utilizado possuir orientao a
82
Uma anlise de sensibilidade das variveis utilizadas nesta pesquisa, a fim de con-
firmar numericamente o quanto cada varivel que est em excesso deve ter seu valor
reduzido, e o quanto cada varivel que est em falta deve ter seu valor incrementado;
Os recursos humanos das IES devem ser bem geridos, a fim de melhorar a qua-
lidade do ensino superior. Para ajudar a garantir bons retornos para os indivduos, as
universidades devem ser capazes de ajudar os alunos a adquirir as habilidades que eles
precisam tanto para torn-los empregveis no curto prazo, quanto para permitir que os
mesmos possam prosseguir com a aprendizagem ao longo da vida (OCDE, 2010).
83
REFERNCIAS
ABRAMOWITZ, M. Resource and output trends in the United State since 1870.
American Economic Review, 46(2), p. 5-23, 1956.
AFONSO, A.; SANTOS, M. Students and teachers a DEA approach to the relative
efficiency of Portuguese public universities. Working Papers, Technical University
of Lisbon, n. 2005/07, 2004.
ALLEN, J.; INENAGA, Y.; VAN DER VELDEN, R.; YOSHIMOTO, K. Competencies,
higher education and career in Japan and the Netherlands (Higher Education
Dynamics). Dordrecht, The Netherlands: Springer, 2007.
BANKER, R.D.; CHARNES A.; COOPER, W.W. Some models for estimation te-
chnical and scale inefficiencies in Data Envelopment Analysis. Management
Science, 30(9):1078-1092, 1984.
BARBETTA, G.; TURATI, G. Efficiency of junior high schools and the role of
proprietary structure. Annals of Public and Cooperative Economics, 74, 529551,
2003.
BARRO, R. Human capital and growth. American Economic Review, 91(2), 1217,
2001.
CAMP, R.C. Benchmarking: The Search for Industry Best Practices that Lead
to Superior Performance, ASQC Quality Press, Milwaukee, WI, 1989.
CAPRA, F. The turning point: Science, society and the rising culture. Published
by arrangement with Simon and Shuster, 1988.
Caves, D.W.; CHRISTENSEN, L.R.; DIEWERT, W.E. The economic theory of index
numbers and the measurement of input, output, and productivity. Econome-
trica, 50(6), 1393-1414, 1982.
COOPER, W.W., L.M. Seiford and J. Zhu, Handbook on Data Envelopment Analy-
sis, Boston, Kluwer Academic Publishers, 2004.
COSTA, D., F., C.; KAGIOUGLOU, M., A., L.; CALDAS, C. Benchmarking initiati-
ves in the construction industry: lessons learned and improvement opportu-
nities, Journal of Management in Engineering, Vol. 22 No. 4, pp. 158-67, 2006.
DENISON, E. F. The sources of economic growth in the United States and the
alternatives before us, United States, Committee for Economic Development Study,
1962.
ENADE 2001. Relatrio Sntese: Engenharia Grupo VI. Disponvel em: http://
download.inep.gov.br/relatorio_sintese/2011_engenharia_grupo_VI.pdf. Aces-
sado em: 30 jun. 2015.
FAANHA, L. O.; MARINHO, A. IPEA, Texto para discusso, no 813, p.27, agosto
de 2001.
HASSARD, J.; MCCANN, L.; MORRIS, J.L.Managing in the New Economy: Res-
tructuring White-Collar Work in the USA, UK and Japan, Cambridge: Cam-
bridge University Press, 2008.
KANE, T.J.; STAIGER, D. O. The Promise and pitfalls of using imprecise school
accountability measures, Journal of Economic Perspective, 16(4), pp.91-114, 2002.
KNIGHT, F.H. The Economic Organization. New York: Harper and Row, 1965
(Publicado originalmente em 1933). In: FRIED, Harold O.; LOVELL, Knox C.A.; SCH-
MIDT, Shelton S. The measurement of productive efficiency and productivity
growth. New York: Oxford University Press, 2008.
NAZARKO, J.; KUMICZ, A. K.; SZUBZDA, E.; URBAN, J. The general concept
of benchmarking and its application its higher education in Europe, Higher
Education in Europe 34: 497510, 2009.
NSEL, .; LENGIN, F.; ULUSOY, G.; AKTA, E.; KABAK, .; TOPCU, Y. . 2008.
A new perspective on the competitiveness of nations, Socio-Economic Planning
Sciences 42: 221246, 2008.
PODINOVSKI, V.V. Bridging the gap between the constant and variable returns-
to-scale models: selective proportionality in data envelopment analysis. Journal
of the Operational Research Society 55, 265276, 2004.
PRITCHETT, L. Where has all the education gone. World Bank Economic Review,
15(3), 367391, 2001.
647, 2002.
RICHMOND, J., 1974. Estimating the efficiency of production, Int. Econom. Rev.,
515-521.
SALERNO, C.S. What we know about the efficiency of higher education insti-
tutions: the best evidence. Center for Higher Education Policy Studies (CHEPS).
Publications Posted, oct. 2008.
SIMAR, L.; WILSON, P.W. Sensitivity analysis of eficiency scores: How to bo-
otstrap in nonparametric frontier models. Management Science 44, 1998.
SOARES MELLO J.C.C.B; GOMES E.G.; BIONDI NETO L.; LINS M.P.E. Suavizao
da fronteira DEA: o caso BCC tridimensional. In: ASSOCIAO PORTUGUESA
DE DENTEINVESTIGAO OPERACIONAL, 2004.
SOARES DE MELLO, J.C.C.B.; MEZA, L.A.; GOMES, E.G.; NETO, L.B. Curso de
Anlise Envoltria de Dados. Em: XXXVII SIMPSIO BRASILEIRO DE PES-
QUISA OPERACIONAL, 2005, Gramado. Anais Gramado: Rio Grande do Sul, p.2520-
47, 2005.
94
VAN DER MEER, P. Two validity of two education requirement measures. Eco-
nomics of Education Review, 25(2), 211219, 2006.
95
DMU Proporo Proporo Regime Aluno Aluno Ingressantes Concluintes Bolsas Nota
Integral
DMU Proporo Proporo Regime Aluno Aluno Ingressantes Concluintes Bolsas Nota
Integral
DMU Proporo Proporo Regime Aluno Aluno Ingressantes Concluintes Bolsas Nota
Integral