A Régua Elástica: o ENEM, a TRI e o Mito dos Mil Pontos

por Frank de Alcantara em 07/07/2026

Circula pela internet, em incontáveis variações, uma resposta padrão para a pergunta que todo vestibulando faz em novembro: qual é a nota máxima do ENEM? A resposta curta, e errada, é mil. A resposta correta é: depende do ano, depende da área, e em 2015 um punhado de candidatos tirou $1008,3$ em matemática, o que fez metade do país suspeitar de erro de sistema. Não era erro. Era a régua funcionando exatamente como foi desenhada.

Índice da Série: Educação e Teoria dos Jogos

0. Educação e Teoria dos Jogos: Sumário Executivo
1. O jogo da imitação: o diploma vem, a competência não
2. A Engenharia, o Núcleo Comum e a Teoria dos Jogos
3. Aprovação: O problema da média e o tratado de paz
4. O Meta-Jogo Regulatório: Desenho de Mecanismos e a Mão Invisível do Estado
5. O Mercado de Limões: O Colapso do Diploma como Sinal
6. A Régua Elástica: o ENEM, a TRI e o Mito dos Mil Pontos (Você está aqui)
7. Prova de Autoria: Quebrando o Equilíbrio com a Realidade Física

Este artigo existe porque a distância entre a resposta curta e a resposta correta é uma aula inteira de teoria da medida. E porque o ENEM é o caso mais instrutivo de toda esta série: a régua mais sofisticada que o sistema educacional brasileiro construiu, desenhada com competência técnica real para encarecer o sinal barato, e que ainda assim, como a atenta leitora verá, não escapa do jogo da imitação. Ela apenas o torna mais caro. A diferença entre esses dois verbos, evitar e encarecer, é o assunto deste texto.

Só para deixar claro, a favor da honestidade intelectual que esta série persegue: eu não sou psicometrista. Sou um professor de engenharia que estuda os instrumentos com os quais o sistema mede aquilo que diz medir. A exposição a seguir simplifica detalhes de estimação que um especialista trataria com mais rigor, mas preserva, espero, a estrutura do argumento.

Duas réguas, um exame

O primeiro equívoco do senso comum é tratar o ENEM como um exame com uma nota. O ENEM são dois instrumentos de medida distintos grampeados no mesmo cartão de confirmação.

A redação usa uma régua fixa: cinco competências, cada uma valendo de $0$ a $200$ pontos, atribuídos por dois avaliadores humanos. A nota máxima é $1000$ por construção, do mesmo modo que a nota máxima de uma prova de dez questões valendo um ponto cada é dez. Não há mistério, não há estatística, há uma rubrica e o juízo de dois corretores.

As quatro provas objetivas, Linguagens, Ciências Humanas, Ciências da Natureza e Matemática, usam outra régua, construída pela Teoria de Resposta ao Item (Item Response Theory, TRI). E nessa régua, a curiosa leitora vai estranhar, não existe nota máxima fixa. Não porque o INEP não queira contar, mas porque a pergunta “qual é a nota máxima?” está mal formulada para esse tipo de instrumento.

A distinção importa porque quase todo o folclore sobre a nota do ENEM nasce de aplicar à segunda régua as intuições que só valem para a primeira.

A máquina por trás da nota

A TRI não conta acertos. Ela estima uma grandeza que não pode ser observada diretamente: a proficiência do candidato, que a literatura chama de $\theta$. A ferramenta padrão do ENEM é o modelo logístico de três parâmetros, formalizado por Allan Birnbaum em 1968, no volume clássico de Lord e Novick. A probabilidade de um candidato com proficiência $\theta$ acertar o item $i$ é:

\[P_i(\theta) = c_i + (1 - c_i)\,\frac{1}{1 + e^{-a_i(\theta - b_i)}}\]

Cada item da prova carrega três parâmetros, calibrados antes da aplicação:

Parâmetro	Nome	O que mede
$a_i$	Discriminação	O quanto o item separa quem sabe de quem não sabe
$b_i$	Dificuldade	A posição do item na régua de proficiência
$c_i$	Acerto casual	A probabilidade de acertar o item chutando

A nota do candidato é a proficiência $\theta$ que melhor explica o seu padrão completo de respostas, transformada para uma escala convencionada: a média dos concluintes do ensino médio de 2009 foi fixada em $500$ pontos, e o desvio padrão daquela população, em $100$.

A atenta leitora já percebeu a consequência: o número $1000$ não é um teto. É apenas o ponto da régua situado cinco desvios padrão acima da média de uma turma de referência que se formou há mais de quinze anos. A escala é aberta nas duas pontas. A nota máxima de uma edição é a proficiência estimada para quem acerta as $45$ questões daquela prova específica, e esse valor depende dos parâmetros dos itens daquele ano. Prova com itens mais difíceis e mais discriminativos estica a estimativa para cima. Foi assim que matemática chegou a $1008,3$ em 2015: os itens daquela edição eram, em relação à população de referência, difíceis o bastante para empurrar a estimativa de quem gabaritou para além do número redondo. Nas demais áreas, os máximos históricos oscilam entre pouco mais de $800$ e algo próximo de $960$, pela razão simétrica: os itens dessas provas se posicionam mais abaixo na régua.

E aqui morre o primeiro mito: matemática não vale mais que Linguagens, nem a TRI dá “peso maior às questões difíceis” como quem calcula média ponderada. Não há soma ponderada de acertos em lugar nenhum. Há a estimativa de um parâmetro latente, e réguas cujas marcações dependem dos itens de cada edição.

O detalhe anti-chute

Até aqui, psicometria. Agora, teoria dos jogos.

A esforçada leitora que acompanhou esta série desde o jogo da imitação lembra do diagnóstico central: os instrumentos usuais de avaliação medem a superfície do desempenho, e por isso são falsificáveis por reconhecimento de padrões. A prova bimestral previsível é um sinal barato, no sentido preciso de Spence: pode ser produzido sem a competência que deveria atestar.

A TRI foi desenhada para encarecer esse sinal. O mecanismo é o que o INEP chama de coerência pedagógica. Considere dois candidatos com exatamente $30$ acertos em $45$ questões. O primeiro acertou as fáceis e as médias e errou as difíceis. O segundo acertou várias difíceis, mas errou fáceis. Numa régua de contagem, empatam. Na TRI, não. O padrão do primeiro é o que o modelo espera de alguém que domina o conteúdo até certo ponto da escala: a probabilidade $P_i(\theta)$ cresce com $\theta$, portanto quem acerta o difícil deveria, com probabilidade alta, acertar o fácil. O padrão do segundo é improvável para qualquer valor de $\theta$, exceto sob uma hipótese: o parâmetro $c_i$, o acerto casual, trabalhou a favor dele nas questões difíceis. O modelo faz essa inferência friamente e a nota do segundo candidato sai menor.

Traduzindo para o vocabulário desta série, com um pouquinho de Teoria do Jogos:

\[\text{domínio consistente} \Rightarrow \text{padrão coerente}\] \[\text{sorte e lacunas} \Rightarrow \text{padrão incoerente}\]

A TRI não lê a mente do candidato. Ela lê a assinatura estatística que o padrão de acertos deixa no cartão de respostas, e que o chute não consegue falsificar de forma consistente. É um filtro real, e ele não é pouca coisa: elimina a estratégia mais barata de todas, a sorte, e a segunda mais barata, a decoreba seletiva de meia dúzia de tópicos avançados. Mas a curiosa leitora deve reparar no que o filtro não promete. Ele exige que os acertos sejam coerentes entre si; não pergunta como foram produzidos.

“A vaidade é, definitivamente, o meu pecado favorito!” (John Milton - O Advogado do Diabo, 1997)

Goodhart contra-ataca

A sagaz leitora, agora treinada pelo ceticismo desta série, já formulou a objeção: pela lei de Goodhart, que persegue esta série desde o tratado de paz, toda medida que vira alvo deixa de ser boa medida.

Os cursinhos não demoraram: hoje se vende “estratégia TRI” em cada esquina da internet, com simulados calibrados e conselhos sobre como o algoritmo pensa. E o conteúdo do conselho até parece virtuoso: garanta as fáceis, não deixe lacunas, estude de baixo para cima.

Houve um momento, na primeira versão deste texto, em que este pobre escriba se deixou seduzir pela conclusão simpática: se otimizar contra a TRI equivale a estudar direito, então Goodhart teria, por uma vez, tropeçado. O argumento era o seguinte: o ENEM não repete itens; logo, quem treina em provas passadas treina em superfícies que não vão reaparecer; logo, o que transfere do treino para a prova nova é, por definição, aquilo que generaliza; e generalizar é compreender. Pobre ilusão otimista.

O argumento é inválido. E vale a pena dissecar o erro em público, porque ele é exatamente o erro que o jogo da imitação ensina a cometer: confundir a casca nova com estrutura nova.

Instância não é família

A falha está em misturar dois níveis de generalização. O que não se repete de um ano para outro é a instância: os números, o contexto narrativo, a conta de táxi que vira conta de energia. Mas o jogo da imitação, como o primeiro artigo desta série definiu, nunca operou no nível da instância. Ele opera no nível da família de exercícios. O aluno do cursinho não decora o item de 2019; ele treina duzentas variações da família “função afim aplicada a tarifa” até que o mapeamento $E \mapsto P$ funcione para qualquer instância nova da mesma família. E o ENEM, ano após ano, sorteia instâncias novas de famílias velhas. As mesmas famílias. Ou, para ser honesto, para todos os efeitos estatísticos, as mesmas famílias.

Antes de começar vamos definir uma palavra: drill.

Drill é o termo da pedagogia anglófona (pobre Shakespeare se revirando no túmulo) para treino repetitivo e mecânico. A prática de resolver dezenas de exercícios do mesmo tipo até a resposta sair automática, sem mediação conceitual. Vem do vocabulário militar (o drill de marchar em formação até virar reflexo) e aparece na literatura como drill and practice.

Em vocabulário de aprendizagem de máquina, coisa que eu estudo: o candidato treinado por drill é um modelo avaliado dentro da própria distribuição de treino (in-distribution). Acurácia alta nesse teste não oferece garantia nenhuma fora da distribuição (out-of-distribution), e a vida profissional é, por construção, out-of-distribution em relação ao banco de itens do INEP. A ponte que cai não consultou as provas anteriores.

O pré-teste seleciona contra a novidade

Há um agravante estrutural, e ele é a parte mais incômoda do diagnóstico. Todo item do ENEM passa por pré-teste em amostras reais de estudantes, para calibrar $a_i$, $b_i$ e $c_i$ antes da aplicação oficial. Agora imagine um item que exigisse transferência genuína: estrutura conhecida sob uma superfície verdadeiramente estranha, sem família de treino correspondente. Esse item tenderia a se comportar mal no pré-teste, com discriminação baixa, respostas erráticas e parâmetros instáveis, e seria descartado, como manda a boa prática psicométrica.

Aqui morrem as boas intenções.

A consequência é perversa: a TRI não apenas tolera a distribuição estável de famílias de exercícios; ela precisa dessa estabilidade para calibrar. O mecanismo que encarece o chute é o mesmo que garante ao imitador uma distribuição previsível para treinar. Medir transferência de verdade é caro demais para caber num pré-teste.

O que sobra

Sobra um Goodhart menos maligno, e a distinção merece ser enunciada com precisão.

A TRI obriga o imitador a imitar tudo, de baixo para cima, com cobertura completa do espaço de famílias, em vez de apostar em nichos. O custo do sinal sobe, mas sobe em volume de treino, não em espécie.

É melhor, no sentido estrito de que um imitador completo e coerente carrega mais repertório que um imitador lacunar.

E é pior do que parece, porque um sinal cujo custo se paga em horas de drill separa candidatos por disciplina e por acesso a cursinho, não por compreensão.

A perseverante leitora que leu o mercado de limões reconhece a consequência: o sinal continua incapaz de distinguir o pêssego do limão bem polido; distingue, na melhor das hipóteses, o limão polido do limão sem polimento. É informação. Não é a informação prometida ou desejada.

Às limitações estruturais somam-se as operacionais, registradas em nome da honestidade: a TRI nada pode contra o vazamento e a fraude, que atacam o mecanismo por fora do modelo, e o sigilo dos parâmetros dos itens, condição de funcionamento de tudo isso, depende de uma burocracia competente e silenciosa que nenhuma equação logística garante.

A TRI na sala de aula: a mesma régua, dois jogos

A curiosa leitora pode perguntar se esses modelos já saíram dos exames nacionais e chegaram à sala de aula. Já chegaram, e em escala considerável, mas com uma restrição estatística que muda o sentido da pergunta. Um professor não consegue aplicar TRI na prova que ele mesmo elaborou para uma turma de 40 alunos: a calibração dos parâmetros de um item, especialmente no modelo de três parâmetros, exige centenas ou milhares de respondentes por item. A saída, em todos os casos reais, é a mesma: banco de itens pré-calibrados em amostras grandes, que a escola consome. A TRI chega à sala de aula, mas nunca nasce nela.

Os exemplos maduros estão no hemisfério norte. Nos Estados Unidos, o NWEA MAP Growth é um teste adaptativo baseado no modelo de Rasch, aplicado três vezes ao ano em milhões de alunos do K-12, com uma escala vertical, a escala RIT, que permite acompanhar o crescimento do mesmo aluno ao longo dos anos escolares. O uso é genuinamente formativo: monitorar progresso e orientar intervenção, não atribuir nota de boletim, que continua sendo dada pelo professor. Star Assessments e i-Ready operam na mesma lógica. Na Holanda, o sistema de acompanhamento de alunos do Cito usa TRI há décadas para monitoramento longitudinal no ensino fundamental, com o modelo de dois parâmetros do mesmo Birnbaum deste artigo.

No Brasil, o uso dominante é outro, e a sagaz leitora já adivinhou qual: plataformas como a Evolucional e o Aprova Simulados vendem às escolas simulados corrigidos por TRI “na mesma régua do ENEM”, cujo produto explícito é prever a nota do exame.

O contraste entre os dois usos é esta série inteira em miniatura. O MAP americano usa a psicometria para medir crescimento e realimentar o ensino; o simulado brasileiro usa a mesma psicometria para treinar a turma, com antecedência, na distribuição de famílias do ENEM. A ferramenta é idêntica; o jogo em que ela está inserida decide se ela serve ao diagnóstico ou ao drill.

Lembre-se da herança do problema do pré-teste: como tudo depende de bancos de itens calibrados em massa, o que circula nas salas de aula é, de novo, a distribuição estável de famílias de exercícios. A restrição estrutural descrita neste artigo se reproduz no varejo.

Há, por fim, um uso que não exige estatística nenhuma e que talvez seja o mais útil para um professor: a lógica da coerência pedagógica como instrumento diagnóstico qualitativo. O aluno que acerta as questões difíceis e erra as fáceis é um sinal de alerta que qualquer docente pode ler sem calibrar parâmetro algum. Indica decoreba localizada, lacuna de fundamentos ou, ocasionalmente, consulta não autorizada ao colega ao lado. Também conhecida como cola descarada.

A régua fixa e a soma impossível

Resta o contraste, enquanto a régua da TRI encarece o jogo, a régua da redação, fixa, humana e pública, o barateia: todo ano, milhares de redações beiram os $1000$ pontos, e a nota máxima exata é atingida por dezenas ou centenas de candidatos. Os cursinhos industrializaram o modelo de texto que pontua, e a correção por rubrica recompensa, a curiosa leitora já adivinhou, o reconhecimento de superfície no seu estado mais puro: aqui nem sequer é preciso cobrir um espaço amplo de famílias, porque a família é uma só, a dissertação-argumentativa de estrutura conhecida. A redação do ENEM é o jogo da imitação em escala nacional, sentado ao lado do instrumento que ao menos cobra caro para jogá-lo.

E então as universidades fazem a média aritmética das duas coisas.

Pense no que isso significa. De um lado, uma estimativa de proficiência numa escala latente aberta, ancorada na população de 2009. De outro, a soma de cinco rubricas de $200$ pontos atribuídas por dois corretores humanos. As duas grandezas compartilham apenas a circunstância de caberem em quatro dígitos. Somá-las e dividir por dois é como tirar a média entre uma temperatura e um CEP: a operação é aritmeticamente possível e conceitualmente vazia.

O sistema construiu, com dinheiro público e competência técnica real, uma das melhores réguas educacionais do mundo, e em seguida a diluiu numa média com uma régua de borracha, porque o edital precisa de um número único. E ninguém está preocupado com a qualidade do ensino. Não existem estímulos para este jogo.

A leitora de longa data desta série reconhece o padrão: não é incompetência dos psicometristas, nem má-fé das universidades. É o desenho do jogo institucional exigindo um escalar onde a realidade oferece um tensor.

Fechamento

O ENEM ensina as duas lições desta série ao mesmo tempo:

A primeira: é possível desenhar uma métrica que antecipe o adversário estratégico e elimine as suas estratégias mais baratas. A TRI faz isso com competência real. O chute morre, a decoreba lacunar morre, e o candidato racional é empurrado para uma cobertura ampla e ordenada do conteúdo.

A segunda, mais dura: mesmo essa régua, a melhor que o sistema construiu, mede domínio de famílias de exercícios, e não transferência, porque o item que mediria transferência genuína é justamente o que a maquinaria de calibração descarta. O imitador completo e coerente passa. Apenas paga mais caro pela passagem.

Disso resulta o teto do que o desenho de métricas consegue: encarecer a imitação, nunca eliminá-la. Eliminar exigiria medir outra coisa, fora da distribuição de treino, difícil de falsificar, com a realidade no circuito de correção: a prova de autoria, assunto do próximo e último artigo desta série.

A pergunta da série continua a mesma. Não é “como fazer os candidatos pararem de jogar”, porque eles não vão parar, e não devem: responder a incentivos é o que agentes racionais fazem. A pergunta é que jogo estamos desenhando para eles.

O problema, como sempre, não são os jogadores. É o jogo.

A lição da régua elástica é que até o pedaço mais bem desenhado do jogo mede, no fim, uma imitação. Apenas uma imitação mais cara. Muito, mais cara.