Data Vestibular Unb

O que é e como funciona a análise de dados vestibulares da UNB

A UNB publicou nos últimos anos uma série de datasets abertos relativos aos processos seletivos do seu programa de vestibular. O acesso a esses arquivos permite reconstruir notas de corte, distribuição de candidatos por curso, taxa de aprovação e outros indicadores úteis para pesquisas acadêmicas ou para quem quer entender o comportamento do concurso sem depender de fontes terceirizadas. O processo em si é básico, mas tem algumas pegadinhas que só aparecem quando você realmente baixa os arquivos e tenta trabalhar com eles. A estrutura dos dados segue um padrão simples: arquivos CSV separados por edição do vestibular, com colunas como numeração de inscrição, nota de cada fase, posição na classificação final e curso de escolha. O arquivo mais consistente costuma ser o de classificação final, pois é o que a universidade mantém com maior cuidado. Os outros arquivos, especialmente os de notas por disciplina, às vezes vêm com problemas de encoding ou com campos numéricos convertidos como texto por acidente.

Data vestibular unb: onde encontrar os arquivos

Os dados ficam disponíveis no repositório institucional da UNB, no portal de transparência da universidade, e também em editais específicos publicados a cada seleção. O link direto varia de ano para ano, então o mais seguro é procurar pela página do Programa de Vestibular da UNB e seguir para a seção de documentos ou resultados. Dentro desses documentos, os arquivos compactados geralmente vêm agrupados por modalidade de ingresso, como sistema de cotas, ampla concorrência e ingressantes internacionais. Cada grupo pode ter múltiplos CSVs ou uma planilha única com várias abas. Eu já fiz download de um lote inteiro só para descobrir que o arquivo principal estava corrompido no meio porque o servidor enviou uma resposta truncada. A solução foi refazer o download pelo gerenciador de downloads do navegador, que reenvia com reconexão automática, em vez de confiar na ferramenta padrão do site. Quando você trabalha com esse tipo de material, confiar em requisições únicas e rápidas costuma dar errado. Baixe duas vezes e compare hashes quando possível, ou simplesmente verifique o número de linhas antes de prosseguir.

Como limpar e estruturar os dados para uso

Depois de baixar, o primeiro passo é identificar quais arquivos contêm as variáveis que você realmente precisa. Notas, posição, curso, modalidade e status de convocação são o núcleo. O resto costuma ser ruído ou duplicação. A maioria dos arquivos vem com colunas que misturam strings e números, especialmente quando há campos vazios que o exportador transformou em "N/A" ou traços. Se você for rodar estatísticas ou construir um modelo simples, essa inconsistência vai quebrar tudo se não for tratada. O procedimento que eu recomendo é:

• Carregar os CSVs com encoding explicitamente definido, preferencialmente latin1 ou utf-8, conforme aparecer no erro de decodificação.
• Padronizar nomes de colunas, removendo acentos e espaços, porque há variações estranhas entre edições do vestibular.
• Converter campos numéricos usando coerção com tratamento de erro, e não conversão cega, para evitar que linhas defeituosas silenciosamente se tornem NA.
• Filtrar por edição e modalidade antes de qualquer agregação, porque arquivos combinados misturam anos diferentes e os nomes dos cursos mudam entre edições.

Um detalhe que passa despercebido é a forma como a UNB codifica a situação do candidato. Em alguns arquivos aparece "aprovado", em outros "convocado", e ainda há o caso dos candidatos que desistiram e foram chamados na lista de espera. Se você agrupar apenas por "aprovado", vai perder parte significativa da amostra e suas taxas de cobertura vão ficar distorcidas. Eu corrigi isso mapeando todas as combinações de status que aparecem nos arquivos de cada edição e construindo uma tabela de equivalência manual antes de prosseguir. Com os dados limpos, as análises mais úteis giram em torno de notas de corte, distribuição de candidatos por curso e desempenho por modalidade. Para calcular a nota de corte, você pega a posição correspondente à vaga disponível no edital e seleciona a menor nota que garante essa posição. Isso parece óbvio, mas o problema real é que o número de vagas pode variar entre a listagem inicial e a versão final publicada no suplemento do edital. Sempre confere a versão final antes de usar o número de vagas para definir o recorte. Outra análise prática é a comparação de desempenho entre candidatos de diferentes modalidades no mesmo curso. Aqui vale notar que a distribuição de notas não é uniforme: cursos mais concorridos tendem a concentrar muitos candidatos na cauda superior, enquanto cursos menos concorridos apresentam uma dispersão maior. Se você estiver construindo indicadores para um artigo ou trabalho, levar em conta essa diferença de formato evita comparações enganosas entre variáveis que não são diretamente equivalentes.

Eu encontrei um caso específico em que a nota de corte aparente para Direito parecia estar caindo year-over-year, mas a queda era ilusória. A razão era que a UNB alterou o peso das fases do vestibular naquela edição específica, e o arquivo de classificação já refletia o novo cálculo sem um aviso visível nas colunas. O workaround foi cruzar o período de vigência de cada edital com a publicação de atos normativos no Diário Oficial da universidade, e ajustar o peso aplicado antes de comparar médias entre anos. Sem esse ajuste, a tendência fica distorcida e qualquer conclusão sobre queda de exigência é imprecisa.

Limitações e armadilhas frequentes

Existem restrições sérias que precisam ser mencionadas antes de alguém usar esses dados como base para afirmações definitivas. Primeiro, os dados públicos geralmente não incluem informações demográficas completas por questões de privacidade, o que limita análises mais aprofundadas sobre equidade de acesso dentro de cada curso. Segundo, há edições em que os arquivos não são publicados na íntegra ou ficam indisponíveis por longos períodos, especialmente nos anos de transição entre modelos de seleção. Terceiro, a codificação de cursos muda entre edições: um mesmo programa pode aparecer com nomes ligeiramente diferentes, exigindo mapeamento manual ou uso de listas de equivalência oficiais. Se o objetivo é apenas verificar notas de corte de forma rápida, dá para fazer manualmente consultando os editais. Quando o objetivo é construir séries temporais mais longas ou modelar comportamento de candidatos, o método baseado em arquivos brutos é mais eficiente, mas exige tempo de preparação que pode passar facilmente de três a cinco horas por edição, dependendo da qualidade do lançamento. Para quem precisa de agilidade, recomendo manter um dicionário de variáveis atualizado por edição e automatizar a padronização com um script reutilizável.

Um roteiro prático para começar hoje

Baixe os arquivos da edição mais recente disponível no portal do vestibular da UNB. Abra o CSV de classificação final, verifique o encoding e conte as linhas para garantir que o download estava completo. Mapeie as colunas essenciais, converta campos numéricos com tratamento de erro e construa uma tabela de equivalência de status do candidato. Calcule a nota de corte usando o número de vagas da versão final do edital. Faça uma análise exploratória simples das notas por curso e compare com edições anteriores apenas após aplicar o ajuste de pesos quando houver mudança de regra. Anote cada decisão de limpeza, porque a mesma escolha aplicada de forma inconsistente entre edições invalida comparações. Se você precisar de algo mais robusto, considere exportar para um banco de dados relacional e construir índices nas colunas de curso e edição. A diferença de performance ao rodar consultas repetidas é perceptível, e o tempo gasto com essa etapa inicial costuma compensar em análises futuras. A estrutura dos dados vestibulares da UNB é acessível e útil quando tratada com rigor, mas ela pune quem pula a fase de saneamento. O trabalho real acontece antes de qualquer gráfico ou modelo.