A Indeterminação da Autoria: A ModelagemSociodemográfica e os Limites da Inteligência Artificialna Previsão da Redação do ENEM no Estado do Rio deJaneiro

Resumo

Este trabalho investiga os limites teóricos e operacionais da Inteligência Artificial na predição do desempenho discursivo na avaliação das notas de redação do ENEM, articulando a Modelagem de Sistemas de Inteligência Artificial e a Análise do Discurso. A hipótese central postula que mode-
los preditivos alimentados por proxies sociodemográficos são ineficazes para mapear completamente o letramento estrutural, principalmente nos espaços de desempenho mediano, categoria onde a agência polifônica e a autoria se sobrepõem ao determinismo material. O percurso metodológico consistiu no desenvolvimento de modelos de Machine Learning para classificar sujeitos em três estratos analíticos ("Abaixo", "Acima"e "Mediana"). A partir de um modelo Baseline estruturado em Random Forest, implementou-se uma rede neural profunda Multilayer Perceptron (MLP) otimizada. Para garantir o rigor da avaliação, a base de treinamento foi equalizada sinteticamente pelo algoritmo SMOTE-NC nas três classes. Diante da falha algorítmica inicial em identificar o estrato mediano no mundo real, foram aplicadas técnicas de Justiça Algorítmica (Fairness AI), inicialmente por meio da penalização assimétrica do erro via Cost-Sensitive Learning e, posteriormente, através do ajuste de pós-processamento com Threshold Moving. Os resultados empíricos demonstraram que o modelo manteve forte tração determinista nos extremos socioeconômicos, mas sofreu com falta de acurácia na classe central. As calibrações éticas resultaram apenas na redistribuição matemática do erro e no aumento da entropia, limitando a acurácia global a um teto de aproximadamente 54%. Conclui-se que o desempenho dis cursivo mediano possui propriedades não-lineares que resistem à redução matricial. A estagnação preditiva da máquina fornece evidências empíricas de que a autoria humana, quando submetida a condições de igualdade material, apresenta-se como de difícil predição computacional.