Versão em português da vignette principal. Para a versão em inglês e canônica, veja
vignette("introduction", "educabr2").
Sobre o pacote
O educabr2 disponibiliza, sob um único esquema tidy canônico, o conjunto mais extenso de séries históricas harmonizadas sobre educação brasileira disponível em formato analítico:
- Matrículas no ensino superior — 1907 a 2024, 118 anos de cobertura, articulando sete fontes primárias distintas (IBGE Estatísticas do Século XX, Durham, Maduro Junior, Kang, INEP Sinopse, INEP Microdados e o painel CENSUP do INEP).
- Matrículas no ensino fundamental e médio — 1933 a 2010, com desagregação por cor/raça a partir de 1960 (Kang, Paese & Felix 2021).
- Anos médios de escolaridade da população adulta — 1925 a 2015, com desagregação por sexo, cor/raça, macrorregião e unidade da federação (Walter & Kang 2024).
- Despesa pública em educação — 1933 a 2010, em % do PIB por estágio, por estudante em % do PIB per capita, e os indicadores de razão dupla de regressividade fiscal (Kang & Menetrier 2024).
- Razão de progressão escolar (GDR6) — 1955 a 2010, BR + 20 UFs, proxy da retenção nos primeiros anos do antigo primário (Kang, Paese & Felix 2021).
- Atingimento educacional internacional — 1870 a 2010, 111 países, proporções da população de 15-64 anos que completou os níveis primário, secundário e terciário, com desagregação por sexo (Lee & Lee 2016) — a trajetória brasileira lida contra o registro mundial sem sair do pacote.
Toda a transformação dos dados é auditável: cada linha do
output carrega o source (chave canônica em
inst/dict/vocabularies/sources.yaml) e um
source_note com a referência exata da tabela ou capítulo de
origem.
API em cinco funções
A interface pública é deliberadamente enxuta — uma função por tema, todas devolvendo tibbles no mesmo esquema canônico:
# Esquema dos cinco principais resultados
str(get_enrollment(level = "fundamental", year = 1950))
#> tibble [2 × 16] (S3: tbl_df/tbl/data.frame)
#> $ year : int [1:2] 1950 1950
#> $ geo_level : chr [1:2] "BR" "BR"
#> $ geo_code : chr [1:2] "BR" "BR"
#> $ geo_name : chr [1:2] "Brasil" "Brasil"
#> $ level : chr [1:2] "fundamental" "fundamental"
#> $ network : chr [1:2] "total" "total"
#> $ institution_type: chr [1:2] "total" "total"
#> $ modality : chr [1:2] "total" "total"
#> $ dim_race : chr [1:2] "total" "total"
#> $ age_group : chr [1:2] "7-14" NA
#> $ indicator : chr [1:2] "enrollment_rate" "enrollment_count"
#> $ value : num [1:2] 4.55e+01 4.73e+06
#> $ unit : chr [1:2] "percent" "count"
#> $ source : chr [1:2] "kang_paese_felix_2021" "kang_paese_felix_2021"
#> $ source_note : chr [1:2] "Kang, Paese & Felix (2021). RHE 39(2):191-218. doi:10.1017/S0212610921000112" "Kang, Paese & Felix (2021). RHE 39(2):191-218. doi:10.1017/S0212610921000112"
#> $ is_derived : logi [1:2] FALSE FALSE
#> - attr(*, "educabr_meta")=List of 4
#> ..$ build_script : chr "data-raw/01_build_enrollment_kang_fgv.R"
#> ..$ built_at : POSIXct[1:1], format: "2026-05-18 09:38:50"
#> ..$ primary_sources: chr [1:4] "kang_menetrier_comim_2024" "kang_paese_felix_2021" "kang_paese_felix_2021" "kang_menetrier_2024"
#> ..$ raw_files : chr [1:4] "data-raw/sources/kang_fgv_ibre_2023/1._matricula_primario_1871_2010_v_abril2023.xlsx" "data-raw/sources/kang_fgv_ibre_2023/2._matriculas_txmatriculas_porcor_1960_2010_v_abril2023.xlsx" "data-raw/sources/kang_fgv_ibre_2023/4._matricula_txmatriculas_1933_2010_v_abril2023.xlsx" "data-raw/sources/kang_fgv_ibre_2023/6._matricula_txmatriculas_estado_1955_2010_v_abril2023.xlsx"
str(get_schooling(year = 1950))
#> tibble [1 × 12] (S3: tbl_df/tbl/data.frame)
#> $ year : int 1950
#> $ geo_level : chr "BR"
#> $ geo_code : chr "BR"
#> $ geo_name : chr "Brasil"
#> $ dim_race : chr "total"
#> $ dim_sex : chr "total"
#> $ age_group : chr NA
#> $ indicator : chr "mean_years_schooling"
#> $ value : num 1.59
#> $ unit : chr "years"
#> $ source : chr "walter_kang_2023"
#> $ source_note: chr "Walter, J., & Kang, T. H. (2024). A new dataset of average years of schooling in Brazil, 1925-2015. Economic Hi"| __truncated__
#> - attr(*, "educabr_meta")=List of 5
#> ..$ build_script : chr "data-raw/02_build_schooling_kang_fgv.R"
#> ..$ built_at : POSIXct[1:1], format: "2026-07-10 01:00:11"
#> ..$ primary_source: chr "walter_kang_2023"
#> ..$ citation : chr "Walter, J., & Kang, T. H. (2024). A new dataset of average years of schooling in Brazil, 1925-2015. Economic Hi"| __truncated__
#> ..$ raw_files : chr "data-raw/sources/kang_fgv_ibre_2023/3._anos_estudo_1925_2015_v_abril2023.xlsx"
str(get_expenditure(level = "total", indicator = "share_gdp", year = 1950))
#> tibble [1 × 13] (S3: tbl_df/tbl/data.frame)
#> $ year : int 1950
#> $ geo_level : chr "BR"
#> $ geo_code : chr "BR"
#> $ geo_name : chr "Brasil"
#> $ level : chr "total"
#> $ network : chr "publica"
#> $ dim_race : chr "total"
#> $ age_group : chr NA
#> $ indicator : chr "expenditure_share_gdp"
#> $ value : num 1.53
#> $ unit : chr "percent_gdp"
#> $ source : chr "kang_menetrier_2024"
#> $ source_note: chr "Kang & Menetrier (2024). Estudos Econômicos 54(3). doi:10.1590/1980-53575434tkim"
#> - attr(*, "educabr_meta")=List of 5
#> ..$ build_script : chr "data-raw/04_build_expenditure_kang_fgv.R"
#> ..$ built_at : POSIXct[1:1], format: "2026-05-19 02:42:48"
#> ..$ primary_source: chr "kang_menetrier_2024"
#> ..$ citation : chr "Kang & Menetrier (2024). Estudos Econômicos 54(3). doi:10.1590/1980-53575434tkim"
#> ..$ raw_files : chr "data-raw/sources/kang_fgv_ibre_2023/5._despesa_pub_educ_1933_2010_v_abril2023.xlsx"
str(get_progression(year = 1980))
#> tibble [1 × 13] (S3: tbl_df/tbl/data.frame)
#> $ year : int 1980
#> $ geo_level : chr "BR"
#> $ geo_code : chr "BR"
#> $ geo_name : chr "Brasil"
#> $ level : chr "fundamental_anos_iniciais"
#> $ network : chr "total"
#> $ dim_race : chr "total"
#> $ age_group : chr NA
#> $ indicator : chr "gross_distribution_ratio_grade_6"
#> $ value : num 0.461
#> $ unit : chr "ratio"
#> $ source : chr "kang_paese_felix_2021"
#> $ source_note: chr "Kang, Paese & Felix (2021). RHE 39(2):191-218. doi:10.1017/S0212610921000112"
#> - attr(*, "educabr_meta")=List of 5
#> ..$ build_script : chr "data-raw/05_build_progression_kang_fgv.R"
#> ..$ built_at : POSIXct[1:1], format: "2026-05-19 02:43:16"
#> ..$ primary_source: chr "kang_paese_felix_2021"
#> ..$ citation : chr "Kang, Paese & Felix (2021). RHE 39(2):191-218. doi:10.1017/S0212610921000112"
#> ..$ raw_files : chr "data-raw/sources/kang_fgv_ibre_2023/7._gdr6_1955_2010_v_abril2023.xlsx"
str(get_attainment(geo = "BRA", year = 1950))
#> tibble [3 × 12] (S3: tbl_df/tbl/data.frame)
#> $ year : int [1:3] 1950 1950 1950
#> $ geo_level : chr [1:3] "country" "country" "country"
#> $ geo_code : chr [1:3] "BRA" "BRA" "BRA"
#> $ geo_name : chr [1:3] "Brazil" "Brazil" "Brazil"
#> ..- attr(*, "label")= chr "Country name"
#> ..- attr(*, "format.stata")= chr "%20s"
#> $ level : chr [1:3] "primary" "secondary" "tertiary"
#> $ dim_sex : chr [1:3] "total" "total" "total"
#> $ age_group : chr [1:3] "15-64" "15-64" "15-64"
#> $ indicator : chr [1:3] "attainment_share_completed" "attainment_share_completed" "attainment_share_completed"
#> $ value : num [1:3] 23.611 4.345 0.519
#> $ unit : chr [1:3] "percent" "percent" "percent"
#> $ source : chr [1:3] "lee_lee_2016" "lee_lee_2016" "lee_lee_2016"
#> $ source_note: chr [1:3] "Lee, J.-W., & Lee, H. (2016). Human capital in the long run. Journal of Development Economics, 122, 147-169. do"| __truncated__ "Lee, J.-W., & Lee, H. (2016). Human capital in the long run. Journal of Development Economics, 122, 147-169. do"| __truncated__ "Lee, J.-W., & Lee, H. (2016). Human capital in the long run. Journal of Development Economics, 122, 147-169. do"| __truncated__
#> - attr(*, "educabr_meta")=List of 5
#> ..$ build_script : chr "data-raw/06_build_lee_lee_2016.R"
#> ..$ built_at : POSIXct[1:1], format: "2026-05-25 16:54:26"
#> ..$ primary_source: chr "lee_lee_2016"
#> ..$ citation : chr "Lee, J.-W., & Lee, H. (2016). Human capital in the long run. Journal of Development Economics, 122, 147-169. do"| __truncated__
#> ..$ raw_files : chr "https://barrolee.github.io/BarroLeeDataSet/LeeLee/LeeLee_v1.dta"Todas retornam tibbles longas seguindo o mesmo esquema
canônico (inst/dict/schema.yaml), com colunas para a
unidade geográfica, a dimensão de desigualdade (raça, sexo, etc.), a
fonte e o valor. Os filtros compartilhados (year,
geo_level, geo, source,
wide, lang) funcionam de forma idêntica nas
cinco funções. Como o conjunto de colunas é o mesmo, resultados de temas
diferentes podem ser empilhados diretamente com
rbind()/bind_rows().
Note que o argumento dimension é deliberadamente
assimétrico: get_schooling() oferece raça e sexo;
get_enrollment() apenas raça; get_attainment()
apenas sexo; get_expenditure() e
get_progression() nenhum. As assimetrias reproduzem os
limites físicos das fontes históricas, não limitações do pacote.
Caso 1 — taxa bruta de matrícula por raça/cor
Aqui usamos a desagregação dimension = "race" para
comparar a trajetória de matrícula no ensino fundamental entre os cinco
grupos de cor/raça do IBGE entre 1960 e 2010.
ef_raca <- get_enrollment(
level = "fundamental",
indicator = "rate",
geo_level = "BR",
dimension = "race",
year = c(1960, 2010)
)
head(ef_raca)
#> # A tibble: 6 × 16
#> year geo_level geo_code geo_name level network institution_type modality
#> <int> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
#> 1 1960 BR BR Brasil fundament… total total total
#> 2 1961 BR BR Brasil fundament… total total total
#> 3 1962 BR BR Brasil fundament… total total total
#> 4 1963 BR BR Brasil fundament… total total total
#> 5 1964 BR BR Brasil fundament… total total total
#> 6 1965 BR BR Brasil fundament… total total total
#> # ℹ 8 more variables: dim_race <chr>, age_group <chr>, indicator <chr>,
#> # value <dbl>, unit <chr>, source <chr>, source_note <chr>, is_derived <lgl>A diferença entre as três principais categorias (white,
black, brown) acompanha uma das narrativas
centrais da literatura sociológica sobre educação no Brasil —
convergência relativa nas matrículas obrigatórias acompanhada de
persistente desigualdade em níveis mais altos.
Caso 2 — comparação multi-fonte no ensino superior
O ensino superior brasileiro foi reconstituído por diversos
autores com metodologias ligeiramente diferentes, sobretudo
para o longo período 1933-2000 em que as fontes oficiais são esparsas. O
educabr2 mantém todas as estimativas
concorrentes lado a lado, permitindo comparação direta:
es_1980 <- get_enrollment(
level = "superior",
year = 1980,
network = "total",
modality = "total",
indicator = "count"
)
es_1980[, c("source", "value", "source_note")]
#> # A tibble: 4 × 3
#> source value source_note
#> <chr> <dbl> <chr>
#> 1 kang_paese_felix_2021 1377286 Kang, Paese & Felix (2021). RHE 39(2):191-218. …
#> 2 durham_2005 1377286 Durham (2005). Educação superior, pública e pri…
#> 3 kang_paese_felix_2021 1377286 Kang, Paese & Felix (2021), RHE 39(2):191-218. …
#> 4 maduro_junior_2007 1377286 Maduro Junior (2007). Taxas de matrícula e gast…Note que para 1980 várias fontes convergem para o mesmo valor (~1,38
milhão), o que sugere uma estimativa estabilizada na literatura. Para
outros anos as estimativas divergem — passar source = "..."
no get_enrollment() é o caminho recomendado para fixar uma
série única em análises secundárias.
Quando o que se quer é uma série única contínua (e não o painel lado a lado), a hierarquia de deduplicação documentada do pacote dá a ordem de precedência recomendada para anos sobrepostos: microdados do CENSUP/INEP (2009-2024) → sinopses estatísticas do INEP (1995-2008) → Kang, Paese & Felix (1990-1994) → Maduro Junior → Durham → IBGE Estatísticas do Século XX. A fonte mais desagregada e oficial disponível sempre prevalece.
Caso 3 — o problema dos totais reconstruídos (2000-2008)
Entre 2000 e 2008 o INEP começou a coletar matrículas em EAD
(educação a distância) em uma tabela específica do CENSUP
(tabela7.x), porém não as somou ao total
das matrículas presenciais publicadas na tabela5.x. Isso
significa que séries “totais” desse intervalo publicadas por Kang,
Durham, Maduro Junior e pela própria sinopse do INEP estão
sistematicamente subestimadas — em até 700 mil
matrículas em 2008, segundo nosso cálculo.
A partir de 2009, os microdados do CENSUP já agregam presencial e EAD no mesmo cadastro, e o problema se resolve.
Para esse intervalo de transição, o educabr2
disponibiliza totais reconstruídos (reconstructed
enrollment totals) que somam o componente presencial de cada fonte
ao EAD publicado pelo INEP. Essas linhas têm
is_derived = TRUE e ficam fora do resultado padrão de
get_enrollment(); para inspecioná-las basta passar
include_derived = TRUE:
recon <- get_enrollment(
level = "superior",
year = c(2000, 2008),
network = "total",
modality = "total",
indicator = "count",
include_derived = TRUE
)
recon[recon$is_derived, c("year", "source", "value")]
#> # A tibble: 23 × 3
#> year source value
#> <int> <chr> <dbl>
#> 1 2000 durham_2005+inep_sinopse_censup 2695927
#> 2 2000 inep_sinopse_censup+inep_sinopse_censup 2695927
#> 3 2000 kang_paese_felix_2021+inep_sinopse_censup 2695927
#> 4 2000 maduro_junior_2007+inep_sinopse_censup 2695927
#> 5 2001 durham_2005+inep_sinopse_censup 3045113
#> 6 2001 inep_sinopse_censup+inep_sinopse_censup 3036113
#> 7 2001 inep_sinopse_censup+inep_sinopse_censup 3036113
#> 8 2001 kang_paese_felix_2021+inep_sinopse_censup 3036113
#> 9 2001 maduro_junior_2007+inep_sinopse_censup 3036113
#> 10 2003 inep_sinopse_censup+inep_sinopse_censup 3936933
#> # ℹ 13 more rowsO nome composto do source (ex.:
kang_paese_felix_2021+inep_sinopse_censup) explicita que se
trata de uma combinação: o componente presencial vem da
primeira fonte e o componente EAD vem da segunda. O
source_note registra a composição exata para fins de
citação.
Convenção de citação sugerida: “Total reconstruído computado a partir de {fonte_presencial} (presencial) e INEP Sinopse CENSUP (EAD), conforme metodologia documentada em
educabr2(Mançano 2026).”
Caso 4 — anos médios de escolaridade por sexo
escolaridade_sexo <- get_schooling(
geo_level = "BR",
dimension = "sex"
)
tail(escolaridade_sexo)
#> # A tibble: 6 × 12
#> year geo_level geo_code geo_name dim_race dim_sex age_group indicator value
#> <int> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <dbl>
#> 1 2010 BR BR Brasil total male NA mean_years… 8.03
#> 2 2011 BR BR Brasil total male NA mean_years… 8.2
#> 3 2012 BR BR Brasil total male NA mean_years… 8.39
#> 4 2013 BR BR Brasil total male NA mean_years… 8.49
#> 5 2014 BR BR Brasil total male NA mean_years… 8.63
#> 6 2015 BR BR Brasil total male NA mean_years… 8.72
#> # ℹ 3 more variables: unit <chr>, source <chr>, source_note <chr>A série mostra a inversão histórica do gender gap: em 1925 os homens tinham em média mais anos de estudo que as mulheres; ao longo do século XX a vantagem inverte e em 2015 mulheres ultrapassam homens em escolaridade média.
Caso 5 — regressividade fiscal na despesa educacional
Kang & Menetrier (2024) operacionalizam uma tese clássica da economia política da educação brasileira — que o Estado gasta desproporcionalmente mais por aluno no ensino superior do que no ensino primário — por meio do indicador de razão dupla: a despesa pública por estudante no Ensino Superior dividida pela despesa por estudante no EF1 (anos iniciais).
razao <- get_expenditure(indicator = "double_ratio_es_ef1")
razao[razao$year %in% c(1933, 1960, 1980, 2000, 2010),
c("year", "value")]
#> # A tibble: 5 × 2
#> year value
#> <int> <dbl>
#> 1 1933 66.0
#> 2 1960 86.6
#> 3 1980 15.9
#> 4 2000 16.8
#> 5 2010 8.36Em 1933 o Estado gastava cerca de 66 vezes mais por aluno do ES do que por aluno dos primeiros anos do primário. Em 2010 essa razão havia caído para menos de 9. A série deixa explícito que a expansão fiscal da educação básica ao longo da segunda metade do século XX reduziu significativamente a regressividade — embora não a tenha eliminado.
Caso 6 — retenção no início do primário (GDR6)
O GDR6 (Gross Distribution Ratio da 6ª série) — definido como a razão entre as matrículas em séries 4–6 e as matrículas em séries 1–3 do antigo primário de oito anos — é um indicador de fluxo que mede quantas crianças avançam para além dos primeiros anos do primário. Valores mais altos indicam menos evasão e menos repetência nos anos iniciais.
gdr_estados <- get_progression(
geo_level = "UF",
geo = c("SP", "BA"),
year = c(1955, 2010)
)
gdr_estados[gdr_estados$year %in% c(1960, 1980, 2000, 2010),
c("year", "geo_code", "value")]
#> # A tibble: 8 × 3
#> year geo_code value
#> <int> <chr> <dbl>
#> 1 1960 BA 0.187
#> 2 1980 BA 0.276
#> 3 2000 BA 0.649
#> 4 2010 BA 0.848
#> 5 1960 SP 0.273
#> 6 1980 SP 0.665
#> 7 2000 SP 1.09
#> 8 2010 SP 0.952O fosso persistente entre SP e BA é uma das ilustrações canônicas da desigualdade regional na literatura histórica: em 1960 a diferença já é ampla, e só se estreita de forma substantiva depois das reformas dos anos 1990.
Cobertura UF — atenção. A compilação de Kang, Paese & Felix cobre 20 unidades da federação (
AL,AM,BA,CE,ES,GO,MA,MG,MT,PA,PB,PE,PI,PR,RJ,RN,RS,SC,SE,SP). Os estados mais novos ou de origem territorial (AC, AP, DF, MS, RO, RR, TO) não constam da fonte. A série nacional brasileira tem buracos documentados em 1988-1990 e 1994, em razão das transições oficiais da estrutura de séries.
Caso 7 — o Brasil em perspectiva internacional
O painel de Lee & Lee (2016) permite ler a expansão brasileira contra comparadores sem sair do pacote:
att <- get_attainment(
level = "tertiary",
geo = c("BRA", "ARG", "KOR", "USA"),
year = c(1950, 2010)
)
att[att$year %in% c(1950, 1980, 2010),
c("year", "geo_code", "value")]
#> # A tibble: 12 × 3
#> year geo_code value
#> <int> <chr> <dbl>
#> 1 1950 ARG 0.737
#> 2 1980 ARG 3.71
#> 3 2010 ARG 2.31
#> 4 1950 BRA 0.519
#> 5 1980 BRA 2.90
#> 6 2010 BRA 6.59
#> 7 1950 KOR 0.748
#> 8 1980 KOR 4.89
#> 9 2010 KOR 33.6
#> 10 1950 USA 7.16
#> 11 1980 USA 17.9
#> 12 2010 USA 27.5O sistema de visualização embutido
O pacote acompanha um conjunto de componentes de plotting desenhado segundo os princípios de Data Visualization de Kieran Healy, para que uma consulta vire figura pronta para publicação em três linhas:
-
theme_educabr()— tema serifado minimalista; complot_titles = FALSEremove títulos internos para manuscritos LaTeX/Quarto (onde legenda e nota vivem no documento). Se houver TinyTeX local (e os pacotesshowtext/sysfonts), a fonte LaTeX Latin Modern Roman é registrada automaticamente. -
scale_colour_educabr()/scale_fill_educabr()— paleta Okabe-Ito, segura para daltonismo. -
scale_x_year_educabr(anos)— eixo de anos para séries seculares: o espaçamento dos rótulos segue o span dos dados e o primeiro e o último ano presentes são sempre rotulados.
library(ggplot2)
df <- get_schooling(geo_level = "BR", dimension = "sex")
ggplot(df, aes(year, value, colour = dim_sex)) +
geom_line(linewidth = 0.9) +
scale_colour_educabr(name = NULL) +
scale_x_year_educabr(df$year) +
theme_educabr() +
labs(x = NULL, y = "Anos médios de estudo",
title = "A inversão do gender gap educacional no século XX")
Painel interativo
O pacote acompanha um painel Shiny com uma aba Overview curada (quatro gráficos-história para público não técnico) e seis abas temáticas — uma por tema (Enrollment, Tertiary Education, Educational Attainment, Public Expenditure, Grade Progression, International Comparison):
educabr2::run_dashboard()O painel reproduz toda a comparação multi-fonte do ensino superior e
as séries de despesa, progressão e comparação internacional de forma
interativa, com um botão “View R code” em cada aba que gera o código
educabr2 + ggplot2 para reproduzir a
visualização no seu ambiente R local — já estilizado com o sistema de
visualização do próprio pacote — uma ponte direta entre exploração no
painel e análise reprodutível em script.
Fontes e citação
A lista completa de fontes com DOIs e links está na vignette
principal em inglês (vignette("introduction", "educabr2")).
A função educabr_cite() transforma qualquer chave de fonte
(ou a coluna source de um resultado) em referência pronta
para colar:
educabr_cite("kang_paese_felix_2021", style = "text")
#> [1] "(2021). \"Kang, T. H., Paese, L. H. Z., & Felix, N. F. A. (2021). Late\nand unequal: Enrolments and retention in Brazilian education,\n1933-2010. Revista de Historia Económica / Journal of Iberian and Latin\nAmerican Economic History, 39(2), 191–218.\"\ndoi:10.1017/S0212610921000112\n<https://doi.org/10.1017/S0212610921000112>.\n<https://doi.org/10.1017/S0212610921000112>."Cite tanto o pacote (pela harmonização) quanto as compilações originais (pelo trabalho de arquivo que produziu os números). Para citar o pacote em si:
Mançano, T. (2026). educabr2: Harmonized Historical Series on Brazilian Education (versão 0.1.0). https://github.com/mancano-tales/educabr2