ICMC-USP; PAULINO RIBEIRO VILLAS BOAS, CNPDIA.2026-07-07http://hdl.handle.net/123456789/462932Introdução O desenvolvimento de novas tecnologias nos ultimos anos, tanto de hardware quanto de software, viabilizou a aplicacão de técnicas mais sofisticadas de modelagem, como as de aprendizado de maquina. Focadas principalmente em aumentar o poder preditivo, essas técnicas muitas vezes se baseiam em abordagens não paramétricas e não lineares, que resultam em modelos mais precisos e menos interpretaveis [3]. E diante desse cenário que a interpretabilidade de um modelo pode se tornar um fator tão importante quanto a precisao de suas predições [2]. Por esta razão, metodologias como Shap Values foram desenvolvidas para apresentar relações entre as variáveis preditivas e a variável resposta, que muitas vezes nao são tão evidentes. Assim, o objetivo deste trabalho e elencar quais são as informações mais relevantes para um modelo aplicado aos dados socioeconomicos do Exame Nacional do Ensino Médio (Enem), bem como identificar como elas impactam o seu funcionamento atraves dos Shap Values.4 p.openAccessPoder preditivoShap valuesArtigo em anais e proceedings