Pular para conteúdo

IDD — microdados do Indicador da Diferença entre os Desempenhos Observado e Esperado

Resumo

Microdados do Indicador da Diferença entre os Desempenhos Observado e Esperado (IDD), o indicador com que o Inep mede o valor agregado pelo curso de graduação ao desenvolvimento dos concluintes, comparando o desempenho no Enade com o desempenho esperado a partir do desempenho do mesmo estudante no Enem. Cada edição acompanha o ciclo do Enade e cobre só as áreas avaliadas naquele ano. O arquivo traz, por estudante concluinte, o curso e a instituição, a nota bruta no Enade e as notas das quatro provas objetivas do Enem do ano selecionado; o indicador do curso não vem no arquivo, e sim a base para calculá-lo.

Ficha técnica

Campo Valor
Dataset inep/idd
Órgão Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (Inep)
Página oficial https://www.gov.br/inep/pt-br/acesso-a-informacao/dados-abertos/microdados/idd
Licença Não informada especificamente para este conjunto; o portal do Inep declara que todo o conteúdo do site está sob a licença Creative Commons Atribuição-SemDerivações 3.0 Não Adaptada (conferido em 2026-11-15).
Periodicidade anual, acompanhando o ciclo do Enade; o lake tem as edições de 2021, 2022 e 2023
Cobertura 2021 a 2023
Unidade (uma linha) um estudante concluinte participante do Enade, com o curso e a instituição em que se graduaria
Granularidade espacial: curso de graduação, com código do curso e da IES (e-Mec) e município de funcionamento do curso; temporal: ano do Enade da edição
Formato bruto ZIP anual (o de 2022 é, na verdade, um arquivo RAR com extensão .zip) com as pastas 1.LEIA-ME (manual do usuário em PDF e dicionário em xlsx e ods) e 2.DADOS (um TXT com ponto e vírgula)
Estado no lake convertido
Partições ano
Chave —
Colunas 20
Unidades de medida nt_ger: pontos (0 a 100); enem_nt_cn: pontos na escala do Enem; enem_nt_ch: pontos na escala do Enem; enem_nt_lc: pontos na escala do Enem; enem_nt_mt: pontos na escala do Enem
Dados pessoais nt_ger (nota individual do estudante no Enade); enem_nt_cn (nota individual do estudante no Enem); enem_nt_ch (nota individual do estudante no Enem); enem_nt_lc (nota individual do estudante no Enem); enem_nt_mt (nota individual do estudante no Enem); ano_in_grad (trajetória individual do estudante (ano de início da graduação e ano do Enem)); ano_enem (trajetória individual do estudante (ano de início da graduação e ano do Enem)); ano_inicio_grad (trajetória individual do estudante (ano de início da graduação e ano do Enem)); co_munic_curso (município de funcionamento do curso do estudante)
Eras 2021: primeira edição no lake: concluintes das licenciaturas e de bacharelados e tecnológicos avaliados no Enade de 2021 (30 áreas); inclui um arquivo TXT com cabeçalho entre aspas; 2022: áreas de gestão e negócios do ciclo do Enade (26 áreas); o pacote foi reeditado em 2024 (arquivo _v2, versão corrigida em 20/08/2024 por adequação a nova metodologia); 2023: áreas de saúde, engenharias e agrárias do ciclo do Enade (28 áreas); a coluna ano_in_grad passa a ano_inicio_grad; surge o código 8 (comunitária/confessional) em co_categad
Revisado em 2026-11-15
Versão do fetcher 0.7.1

Origem e coleta

  • O fetcher baixa https://download.inep.gov.br/microdados/microdados_IDD_<ano>.zip para 2021, 2022 e 2023. A página oficial lista também as edições de 2014 a 2019 (arquivos .7z, como microdados_IDD_2019.7z), que o catálogo do fetcher não tem; elas não estão no lake. O Inep não lista edição de 2020.
  • 2021: ZIP de 4.085.569 bytes (modificado na fonte em 2022-09-12). Tem 1.LEIA-ME (manual do usuário, dicionário em xlsx e ods) e 2.DADOS/MICRODADOS_IDD_2021_LGPD.txt (16.612.726 bytes; 189.522 linhas de dados). O manual cita também uma nota técnica do cálculo do IDD, que não vem no ZIP.
  • 2022: a URL termina em .zip, mas o arquivo é um RAR (versão 5), com 3.942.384 bytes (modificado em 2024-08-20); file o identifica como "RAR archive data, v5" e um leitor de ZIP o recusa. Tem a mesma estrutura de pastas, com MICRODADOS_IDD_2022_LGPD_v2.txt (20.129.893 bytes; 235.891 linhas). O manual registra versão original de 02/04/2024 e versão corrigida de 20/08/2024, por adequação à nova metodologia.
  • 2023: ZIP de 4.296.066 bytes (modificado em 2025-04-11) com MICRODADOS_IDD_2023_LGPD.txt (21.551.851 bytes; 248.889 linhas).
  • No bruto, os arquivos se chamam idd/idd-microdados_<ano>@AAAAMMDD.zip, em que o sufixo é a data de modificação na fonte. Contagens de linhas conferidas nos TXT da fonte em 2026-11-15; os TXT usam CRLF e, em 2021, o cabeçalho vem entre aspas.

Conteúdo

  • Um arquivo de dados por edição, com 19 colunas: dados da IES e do curso (co_ies, co_categad, co_orgacad, co_grupo, co_curso, co_modalidade, co_munic_curso) e dados do estudante (inscrição e presença, ano de início da graduação, nota no Enade e notas do Enem).
  • O IDD em si não vem no arquivo. A coluna nt_ger é a nota bruta do estudante no Enade, e as quatro enem_nt_* são as notas do Enem do ano indicado em ano_enem; o desempenho esperado e o indicador do curso saem da metodologia descrita na nota técnica de cada edição (Nota Técnica nº 8/2022 para 2021, nº 29/2023 para 2022 e nº 7/2024 para 2023, citadas pelos manuais).
  • Quem entra. Só estudantes concluintes (tp_inscricao 1), com inscrição regular (in_regular 1) e presença com resultado válido (tp_pres 555), (nenhuma linha tem a nota do Enem em branco). Cada edição cobre as áreas do ciclo do Enade daquele ano, conforme os manuais: 2021, licenciaturas e bacharelados como Ciências Biológicas, Ciência da Computação, Ciências Sociais, Design, Educação Física, Filosofia, Geografia, História, Química e Sistemas de Informação, mais três tecnológicos de informática; 2022, bacharelados de negócios, direito, psicologia, jornalismo e áreas afins (Administração, Direito, Psicologia, Ciências Contábeis e Econômicas, entre outros) e tecnológicos de gestão e design; 2023, bacharelados da saúde, das engenharias e das ciências agrárias, arquitetura e tecnológicos da área.

Arquivos do lake por ano (conferido em amostra convertida pelo conversor atual, 2026-11-15):

Ano Arquivos (colunas)
2021 microdados_idd_lgpd (19)
2022 microdados_idd_lgpd_v2 (19)
2023 microdados_idd_lgpd (19)

Variáveis

As descrições e os códigos vêm do dicionário de variáveis (xlsx) de cada edição, que lista as mesmas 19 variáveis; a lista de áreas de co_grupo, que muda por edição, está só no dicionário. O dicionário também traz uma planilha de municípios (código, nome e UF) que o lake não carrega. As colunas ano_in_grad (2021 e 2022) e ano_inicio_grad (2023) são a mesma variável com nomes diferentes; veja a coluna Período.

Coluna no lake Na fonte Tipo Descrição Unidade / códigos Período Arquivos
nu_ano NU_ANO texto Ano de realização do Enade (2021, 2022 ou 2023, conforme a edição) — todo microdados_idd_lgpd, microdados_idd_lgpd_v2
co_ies CO_IES texto Código da IES (e-Mec) — todo microdados_idd_lgpd, microdados_idd_lgpd_v2
co_categad CO_CATEGAD texto Código da categoria administrativa da IES: 1 = pública federal; 2 = pública estadual; 3 = pública municipal; 4 = privada com fins lucrativos; 5 = privada sem fins lucrativos; 7 = especial; 8 = comunitária/confessional (só em 2023) — todo microdados_idd_lgpd, microdados_idd_lgpd_v2
co_orgacad CO_ORGACAD texto Código da organização acadêmica da IES: 10019 = Centro Federal de Educação Tecnológica; 10020 = centro universitário; 10022 = faculdade; 10026 = instituto federal de educação, ciência e tecnologia; 10028 = universidade — todo microdados_idd_lgpd, microdados_idd_lgpd_v2
co_grupo CO_GRUPO texto Código da área de enquadramento do curso no Enade; a lista de áreas muda a cada edição, com 30 códigos em 2021, 26 em 2022 e 28 em 2023 (veja o dicionário de cada edição) — todo microdados_idd_lgpd, microdados_idd_lgpd_v2
co_curso CO_CURSO texto Código do curso (e-Mec) — todo microdados_idd_lgpd, microdados_idd_lgpd_v2
co_modalidade CO_MODALIDADE texto Modalidade de ensino: 0 = EaD; 1 = presencial — todo microdados_idd_lgpd, microdados_idd_lgpd_v2
co_munic_curso CO_MUNIC_CURSO texto Código do município de funcionamento do curso (código do IBGE de 7 dígitos; o dicionário traz a planilha de municípios) — todo microdados_idd_lgpd, microdados_idd_lgpd_v2
tp_inscricao TP_INSCRICAO texto Tipo de inscrição: 1 = concluinte (único valor nos arquivos) — todo microdados_idd_lgpd, microdados_idd_lgpd_v2
in_regular IN_REGULAR texto Indicativo da condição da inscrição: 1 = regular (único valor nos arquivos) — todo microdados_idd_lgpd, microdados_idd_lgpd_v2
tp_inscricao_adm TP_INSCRICAO_ADM texto Tipo da origem da inscrição: 0 = tradicional; 2 = administrativo — todo microdados_idd_lgpd, microdados_idd_lgpd_v2
ano_in_grad ANO_IN_GRAD texto Ano de início da graduação (edições 2021 e 2022; na edição de 2023 a coluna se chama ano_inicio_grad) — 2021 a 2022 microdados_idd_lgpd, microdados_idd_lgpd_v2
tp_pres TP_PRES texto Tipo de presença: 555 = presente com resultado válido (único valor nos arquivos) — todo microdados_idd_lgpd, microdados_idd_lgpd_v2
nt_ger NT_GER texto Nota bruta da prova no Enade: média ponderada da formação geral (25%) e do componente específico (75%), de 0 a 100 — todo microdados_idd_lgpd, microdados_idd_lgpd_v2
ano_enem ANO_ENEM texto Identificação do ano do Enem selecionado para o estudante (de 2009 até 2021, 2022 e 2022 nas edições de 2021, 2022 e 2023, conforme os dados) — todo microdados_idd_lgpd, microdados_idd_lgpd_v2
enem_nt_cn ENEM_NT_CN texto Nota da prova de Ciências da Natureza do Enem do ano selecionado — todo microdados_idd_lgpd, microdados_idd_lgpd_v2
enem_nt_ch ENEM_NT_CH texto Nota da prova de Ciências Humanas do Enem do ano selecionado — todo microdados_idd_lgpd, microdados_idd_lgpd_v2
enem_nt_lc ENEM_NT_LC texto Nota da prova de Linguagens e Códigos do Enem do ano selecionado — todo microdados_idd_lgpd, microdados_idd_lgpd_v2
enem_nt_mt ENEM_NT_MT texto Nota da prova de Matemática do Enem do ano selecionado — todo microdados_idd_lgpd, microdados_idd_lgpd_v2
ano_inicio_grad ANO_INICIO_GRAD texto Ano de início da graduação (edição 2023; nas edições 2021 e 2022 a coluna se chama ano_in_grad; o dicionário de 2023 ainda a chama ANO_IN_GRAD) — 2023 microdados_idd_lgpd

No lake

  • Dataset inep/idd, particionado por ano; um Parquet por edição, no padrão idd-microdados_<ano>__microdados_idd_<ano>_lgpd[_v2].parquet.
  • Todas as colunas são texto (o DuckDB lê o TXT sem inferir tipos); os nomes saem normalizados (minúsculas). O cabeçalho de 2021 chega sem aspas no lake.
  • A coluna ano é a edição, tirada do nome do arquivo; nu_ano é o ano de realização do Enade dentro do dado.

Cuidados de uso

  • Uma coluna muda de nome em 2023. ano_in_grad (2021 e 2022) vira ano_inicio_grad (2023) no arquivo, enquanto o dicionário de 2023 ainda a chama ANO_IN_GRAD. Ao empilhar as edições, una por nome com union_by_name e junte as duas colunas (coalesce); sem isso, cada edição fica com a coluna da outra vazia.
  • O conjunto de cursos muda por edição. Só entram as áreas avaliadas no Enade daquele ano, de modo que as edições não são comparáveis entre si por área; o co_grupo também troca de lista (30, 26 e 28 códigos). Não compare 2021, 2022 e 2023 como uma série.
  • Colunas sem variação. tp_inscricao vale 1, in_regular vale 1 e tp_pres vale 555 em todas as linhas de todas as edições (conferido nos TXT da fonte); tp_inscricao_adm vale 0 em quase todas as linhas e 2 em 27 linhas de 2021 e em 2 de 2022 (em 2023 só há 0).
  • Notas zero existem. Há linhas com nt_ger igual a 0 (107 em 2021, 89 em 2022 e 37 em 2023) e com notas do Enem iguais a 0; os arquivos não têm valores ausentes, de modo que o zero é um valor lido da fonte.
  • A escala do Enem não é a da prova do Enade. nt_ger vai de 0 a 100 (o máximo observado é 89,7 em 2021, 96,6 em 2022 e 99,0 em 2023); as notas do Enem estão na escala do Enem (máximo observado de 996,1 em 2021, 996,5 em 2022 e 1008,3 em 2023, em matemática).
  • A edição de 2022 foi substituída. A versão corrigida de 20/08/2024 (arquivo _v2) mudou a metodologia; qualquer cópia anterior a essa data não é equivalente.
  • Download de 2022. A URL termina em .zip, mas o conteúdo é RAR; um leitor de ZIP recusa o arquivo.
  • Não há identificador de estudante, mas cada linha é uma pessoa. Nenhum identificador direto é publicado e o nome dos arquivos traz o sufixo LGPD, mas o conjunto de curso, município, ano de início da graduação, ano do Enem e notas caracteriza o estudante; evite recortes com poucos casos. Não há linhas duplicadas em nenhuma edição (conferido nos TXT da fonte).
  • Sem chave. Nenhuma coluna ou combinação identifica o estudante, por isso a chave do dataset fica vazia.

Exemplos

Nota média no Enade por categoria administrativa e modalidade, juntando as três edições (os arquivos de 2023 têm ano_inicio_grad onde os demais têm ano_in_grad; o union_by_name e o coalesce tratam a troca de nome):

import duckdb

duckdb.sql("""
    SELECT ano, co_categad, co_modalidade, count(*) AS estudantes,
           round(avg(try_cast(nt_ger AS DOUBLE)), 1) AS media_enade,
           round(avg(try_cast(coalesce(ano_inicio_grad, ano_in_grad) AS INTEGER)), 1) AS ano_medio_de_inicio
    FROM read_parquet('lake/inep/idd/ano=*/*.parquet', union_by_name = true, hive_partitioning = true)
    GROUP BY ALL
    ORDER BY ano, co_categad, co_modalidade
""").show()

Referências

  • Microdados do IDD: https://www.gov.br/inep/pt-br/acesso-a-informacao/dados-abertos/microdados/idd
  • Manual do usuário e dicionário de variáveis de cada edição, dentro de cada pacote em https://download.inep.gov.br/microdados/