Estimativa do percentil educacional em nível comunitário na China usando big data multifuente e aprendizado de máquina

Por que o nível educacional do seu bairro importa

Onde vivemos molda as escolas que nossos filhos frequentam, a segurança de nossas ruas e até o valor de nossas casas. Ainda assim, na China, informações básicas sobre quão escolarizados são diferentes bairros têm sido difíceis de obter. Este estudo muda isso ao usar imagens de satélite, fotos de rua e algoritmos avançados para estimar o nível educacional relativo de mais de 120.000 comunidades em todo o país, oferecendo uma nova lente sobre desigualdade social e a vida urbana.

Além dos anos de estudo

A maioria das estatísticas compara educação contando quantos anos as pessoas passaram na escola. Mas isso pode induzir a erros entre gerações. Um diploma de ensino médio outrora colocava alguém no topo de seu grupo etário; hoje, muitos de seus filhos têm diploma universitário. Os autores usam, em vez disso, um “percentil educacional”, que indica onde uma pessoa se situa dentro de sua própria coorte de nascimento, de 0 (menos escolarizado) a 100 (mais escolarizado). Assim, uma pessoa mais velha com apenas ensino médio — e uma pessoa mais jovem com diploma de bacharel — podem ser reconhecidas como ocupando posição social semelhante se ambos estiverem, por exemplo, por volta do 70º percentil de sua geração.

Transformando a paisagem urbana em pistas sociais

Para mapear os percentis educacionais em nível comunitário, a equipe utilizou seis ondas de uma ampla pesquisa nacional, além de uma vasta gama de “big data” que descrevem o ambiente construído. Eles analisaram que tipos de lugares cercam cada bairro — lojas, escolas, hospitais, parques e escritórios — quão densos são os edifícios e as vias, quão brilhante a área aparece à noite nas imagens de satélite e quantas pessoas normalmente estão presentes. A partir de milhões de fotos de street view, usaram visão computacional para medir espaços verdes, calçadas, tráfego, sinais de desordem como lixo ou grafite e até quão rica ou segura uma rua parece para observadores humanos. Também levaram em conta o terreno, como elevação e declive, já que áreas íngremes ou remotas frequentemente ficam atrás no desenvolvimento.

Ensinando máquinas a “ler” a cidade

Com esses elementos, os pesquisadores treinaram um potente modelo de aprendizado de máquina (chamado XGBoost) para aprender a relação entre as características físicas de uma comunidade e o percentil educacional médio de seus moradores. Primeiro preencheram lacunas nos dados ambientais usando um cuidadoso processo estatístico de “imputação”, para que valores ausentes não viessem a distorcer os resultados. Depois ajustaram as configurações internas do modelo por meio de centenas de execuções de otimização, avaliando o desempenho pela capacidade do modelo de prever os percentis educacionais para comunidades de pesquisa que não havia visto antes. O modelo final conseguiu explicar mais de 90% das diferenças entre comunidades nos dados de teste, com erros pequenos — desempenho superior ao de esforços semelhantes em outros países.

O que o novo mapa nacional revela

Com o modelo treinado, os autores previram valores médios de percentil educacional para 122.126 comunidades na China continental em 2020, cobrindo a maior parte das áreas urbanas e cerca de 85% da população. Os centros das cidades geralmente aparecem como os mais escolarizados, seguidos por polos secundários e depois por subúrbios distantes, embora cada metrópole tenha seu próprio padrão. O núcleo histórico de Pequim, por exemplo, não abriga os percentis mais altos, enquanto as zonas mais escolarizadas de Shenzhen estão distribuídas por múltiplos centros. Para verificar a confiabilidade, a equipe comparou suas estimativas com dados oficiais do censo e com registros proprietários de serviços baseados em localização, quando disponíveis. Em níveis de prefeitura e condado, áreas com percentis previstos mais altos também apresentam mais anos de estudo no censo. No nível de bairro em Pequim e Guangzhou, seu mapa se alinha de perto tanto com referências corporativas quanto censitárias.

Por que isso importa no dia a dia

Para formuladores de políticas, planejadores e pesquisadores, esse novo conjunto de dados aberto oferece um retrato detalhado e atualizado de vantagem e desvantagem educacional nas cidades chinesas. Pode ser usado para estudar onde enclaves de classe média estão se formando, até que ponto a gentrificação se espalhou ou quais distritos podem precisar de melhores escolas, serviços sociais ou transporte público. Para leitores leigos, a mensagem central é simples: ao “ler” as ruas, luzes e edificações de um bairro, ferramentas modernas de dados podem aproximar sua posição social com precisão surpreendente. Este trabalho não substitui censos tradicionais, mas fornece uma maneira rápida e de baixo custo para preencher as lacunas entre eles e para entender melhor como os lugares que construímos refletem e reforçam nossas divisões sociais.

Citação: Zhang, Y., Pan, Z., You, Y. et al. Community-level education percentile rank estimation in China using multi-source big data and machine learning. Sci Data 13, 304 (2026). https://doi.org/10.1038/s41597-026-06664-y

Palavras-chave: desigualdade educacional, China urbana, big data, aprendizado de máquina, bairros