España 
Italia 
United States 
Brasil 
Chile
Ecuador
Mexico
Colombia
Perú
Neste artigo explicamos como foi realizado o estudo independente que a Germina fez sobre o impacto da Innovamat em escolas públicas do Rio de Janeiro. O artigo acompanha um artigo técnico e um Resumo Executivo elaborados pelo grupo de pesquisa que liderou o estudo
Como tudo começou?
Há alguns anos, recebemos em nossos escritórios a visita de alguns membros da Fundação Lemann, uma das fundações mais relevantes em educação no Brasil. O interesse deles era contribuir para melhorar a educação matemática em escolas públicas do Brasil. E o desafio não era pequeno. No Brasil, muitos estudantes chegam ao final da educação obrigatória com um nível de matemática abaixo do esperado. Como lembra o relatório da Germina que compartilhamos aqui, em 2023 apenas 16,5% dos estudantes do 9.º ano alcançavam uma aprendizagem adequada em matemática.
Depois daquela visita vieram muitas conversas. Da Innovamat, conectamos com essa vontade de melhorar a aprendizagem de matemática no Brasil. Queríamos construir uma relação e encontrar uma verdadeira parceria, mas sabíamos que precisávamos dar esse passo, assumindo que a proposta tinha de se adaptar a uma realidade muito diferente da nossa.
Assim começou o caminho no Rio de Janeiro.
Um estudo piloto com uma avaliação rigorosa
O primeiro acordo veio com a Secretaria Municipal de Educação do Rio de Janeiro, dentro dos Ginásios Educacionais Tecnológicos, uma rede de escolas públicas na cidade. Começamos com um piloto pequeno de 5 escolas. O objetivo inicial era entender se o projeto se encaixava com a realidade do país, das escolas, dos docentes e dos alunos.
Desde o início, combinamos algo importante: o piloto deveria ser acompanhado por uma avaliação de impacto independente. Com a ajuda da Fundação Lemann, a avaliação foi financiada e foi decidido colaborar com a Germina, uma instituição de pesquisa brasileira cuja proposta de estudo e cuja equipe nos deram muita confiança. A avaliação foi realizada de forma independente, com acordo formal com a Secretaria Municipal de Educação do Rio e aprovação do comitê nacional de ética no Brasil.
Se queríamos saber o que estava acontecendo, precisávamos de dados externos à Innovamat, de um olhar independente e de um desenho que permitisse interpretar os resultados com cautela.
Antes de medir, era preciso entender como a mudança poderia acontecer
A avaliação não começou diretamente com uma prova. Primeiro, trabalhamos no codesenho de uma teoria da mudança: uma explicação organizada de como esperávamos que o programa pudesse gerar impacto, a partir da nossa experiência em centenas de escolas e da evidência que havíamos acumulado em estudos prévios.
E aqui houve uma ideia central que compartilhamos desde o início: a melhoria educacional não é imediata.
A Innovamat não melhora os resultados por meio de uma intervenção pontual ou isolada sobre os estudantes. Ela atua principalmente por meio do docente. O programa oferece materiais manipulativos, guias didáticos, uma plataforma digital, formação e acompanhamento. Mas a mudança real acontece quando os docentes conseguem adaptar a proposta às necessidades da sua turma. É nesse momento que as atividades ganham vida e fazem com que os alunos participem de outra forma na aula de matemática.
Por isso, a Germina distinguiu entre impactos de curto prazo e impactos de longo prazo:
- A curto prazo esperávamos ver mudanças nas práticas docentes, na dinâmica de sala de aula, na participação e na motivação da turma.
- A longo prazo, esperávamos ver melhorias no desempenho em provas de matemática.
A hipótese era que, durante o primeiro ano, poderiam aparecer mudanças na sala de aula; mas os resultados de aprendizagem provavelmente precisariam de mais tempo.
A partir dessa teoria da mudança, a Germina desenhou o estudo de forma independente e usando dados independentes da Innovamat: principalmente os resultados da ADR, a avaliação diagnóstica da rede municipal do Rio de Janeiro.
Como o estudo foi desenhado?
O estudo teve duas fases. A primeira foi o piloto inicial de 2024. A Germina desenhou uma randomização estratificada para escolher as escolas tratadas e compará-las com um grupo de controle (escolas que não usam Innovamat) o mais parecido possível. Na prática, isso significou usar dados públicos das escolas — como desempenho anterior, nível socioeconômico, tamanho, proporção de estudantes de diferentes etnias e outras variáveis — para formar grupos comparáveis e atribuir o tratamento de maneira aleatória dentro desses grupos. Essa atribuição aleatória ajuda a reduzir possíveis vieses de seleção, ou seja, evita que participem apenas escolas ou pessoas com características específicas que poderiam influenciar os resultados, como maior motivação ou um interesse especial por matemática. Além disso, o uso de uma randomização estratificada permite que os grupos comparados fiquem o mais equilibrados possível. Dessa forma, os resultados obtidos podem ser interpretados com mais confiança.
Por fim, 5 escolas começaram com a Innovamat e 34 escolas ficaram como grupo de controle. Essa primeira fase permitiu observar duas coisas: o que aconteceu durante o primeiro ano de implementação e o que aconteceu depois de dois anos nessas mesmas escolas.
A segunda fase chegou em 2025, quando o programa foi ampliado para mais 25 escolas. Nesse caso, a seleção não foi aleatória, mas administrativa: foi feita pela própria Secretaria Municipal de Educação do Rio. Por isso, esses resultados devem ser lidos com mais cautela. Além disso, para essas escolas ainda temos apenas dados do primeiro ano de implementação. Para saber se os efeitos de longo prazo se repetem nelas, será preciso esperar os dados do ano letivo de 2026-2027.
A análise principal foi feita com uma metodologia chamada diferenças em diferenças (DiD, pela sigla em inglês). Em outras palavras: compara-se como evoluem os estudantes das escolas com Innovamat em relação a como evoluem os estudantes de escolas semelhantes sem Innovamat. Além disso, a Germina complementou esses dados com questionários para docentes: obtiveram 1.049 respostas de 393 escolas em três momentos distintos. E também entrevistas qualitativas para entender melhor as mudanças na prática docente.
Primeiro resultado: a aula muda
A primeira aprendizagem foi muito clara: a curto prazo, os docentes descreveram mudanças na maneira de ensinar.
Os docentes das escolas com Innovamat declararam usar mais recursos, tanto físicos quanto digitais, propor mais situações de aprendizagem ativa e dar mais feedback estruturado aos alunos. No resumo executivo, a Germina destaca três números: +28 pontos percentuais no uso de recursos digitais, +20 pontos em práticas de aprendizagem ativa e +25 pontos em feedback estruturado. Mas há muitos outros nuances e, por isso, recomendamos ler o artigo técnico com mais detalhes. Isso é importante porque confirma uma parte essencial da teoria da mudança. Antes de vermos melhorias nas provas, precisávamos ver que o programa estava modificando o que acontecia na sala de aula. E é isso que os dados mostram.
Segundo resultado: depois de dois anos, os alunos aprendem mais
No primeiro ano do piloto, a Germina não detectou um efeito significativo na aprendizagem em nível agregado. Isso não nos surpreendeu, já que era coerente com a hipótese inicial. Mudar rotinas docentes, adaptar materiais e transformar a dinâmica da sala de aula requer tempo.
No entanto, a parte mais relevante chegou no segundo ano. Nas 5 escolas da primeira fase, os alunos do 2.º e do 3.º mostraram melhorias significativas em matemática. No 2.º ano, o efeito estimado foi de +0,16 desvios-padrão, equivalente aproximadamente a +9 pontos SAEB (o sistema nacional de avaliação do Brasil que mede o desempenho escolar e a qualidade do sistema educacional por meio de exames padronizados e censitários). No 3.º ano, o efeito foi de +0,20 desvios-padrão, equivalente aproximadamente a +12 pontos SAEB. Ambos os resultados foram estatisticamente significativos. A conversão para pontos SAEB ajuda a tornar o resultado mais intuitivo, embora a Germina alerte que isso deve ser interpretado como uma aproximação: a ADR e o SAEB são provas diferentes.
Como indica a Germina em seu artigo técnico, esses tamanhos de efeito são relevantes se os compararmos com os que costumam aparecer em avaliações rigorosas de intervenções educacionais. A Germina os contrasta com a base de dados ampliada de Kraft (2023), que reúne resultados de ensaios aleatorizados com provas padronizadas de aprendizagem em seis repositórios internacionais, entre eles o What Works Clearinghouse e a Education Endowment Foundation. Nessa comparação, a mediana dos efeitos costuma ficar entre +0,03σ e +0,14σ, dependendo da fonte. O efeito observado no 3.º ano (+0,20σ) supera o percentil 70 em cinco das seis bases analisadas, e o do 2.º ano (+0,16σ) o supera em quatro. Em outras palavras: não são apenas resultados positivos, mas, colocados em contexto, estão acima do habitual nesse tipo de estudo.
Também é importante ter cautela: na primeira fase, apenas 5 escolas utilizavam a Innovamat. Os resultados são positivos, promissores e estatisticamente significativos, mas será importante confirmar que o efeito se mantém quando tivermos o segundo ano de dados das 25 escolas da segunda fase.
Terceiro resultado: também se reduzem as desigualdades
O estudo analisou também a equidade. Seguindo as práticas habituais na pesquisa sobre política educacional no Brasil, a Germina agrupa como PPI pessoas racializadas de grupos que historicamente sofreram maiores desigualdades educacionais (os grupos classificados como Preta, Parda e Indígena no Censo Nacional do Brasil).
Considerando as duas fases e os anos disponíveis, o programa se associou a uma redução significativa de 0,07 desvios-padrão na diferença entre estudantes PPI e não PPI.
Esse resultado nos parece especialmente relevante. A Innovamat não incorporava, nesse piloto, uma intervenção específica de equidade racial, por isso a melhoria parece ocorrer de forma indireta: ao recompor aprendizagens e oferecer experiências matemáticas mais ricas, acessíveis e participativas, o programa beneficia proporcionalmente mais quem partia de uma situação mais vulnerável.
Discussão geral
Para nós, o ponto mais importante a destacar é que os resultados são consistentes com outros estudos prévios que havíamos realizado internamente (biblioteca de estudos), o que traz evidências a favor do uso do programa no contexto do Rio de Janeiro. Ou seja, em um contexto bastante diferente de estudos anteriores e com uma pesquisa independente, chegamos a conclusões muito parecidas: a Innovamat apoia os docentes para gerar mudanças nas práticas de sala de aula em direção a uma matemática mais centrada na aprendizagem conceitual profunda e no desenvolvimento de competências. Isso exige tempo, formação e familiarização com o programa por parte da equipe docente. Mas essas mudanças têm sua recompensa: no segundo ano de implementação, os alunos mostram melhor desempenho nas provas de matemática. Além disso, esses avanços parecem ter mais impacto para aqueles estudantes de grupos mais vulneráveis e contribuem assim para reduzir a desigualdade.
Este estudo não encerra a conversa sobre o impacto da Innovamat na aprendizagem de matemática. Pelo contrário: ele a abre com mais rigor. A amostra inicial é pequena, a segunda fase ainda precisa de um segundo ano de acompanhamento e será preciso confrontar os resultados com outras provas, como Prova Rio, SAEB 2025 e futuras avaliações de fluência matemática. Mas, em parte graças a esses resultados positivos, no ano letivo de 2026-2027 a Innovamat já está sendo implementada em 159 escolas públicas do Rio de Janeiro. Há uma grande oportunidade para continuar pesquisando e aprendendo sobre os desafios de implementação, as mudanças na sala de aula e que relação tudo isso tem com os resultados.
Este estudo reforça uma ideia simples, mas muito importante: a maneira de ensinar importa. E também nos lembra que, na educação, para saber se algo funciona, não basta implementá-lo: é preciso acompanhá-lo, avaliá-lo bem, reconhecer seus limites e continuar aprendendo com a informação.
Contar com a análise de instituições externas é muito positivo e nos indica que estamos indo na direção certa. E por isso estamos abertos para que a comunidade científica e os melhores pesquisadores continuem colaborando conosco, examinando nossa proposta para seguirmos fazendo pesquisa conjunta de alto nível.
Referências:
Kraft, M. A. (2023). The Effect-Size Benchmark That Matters Most: Education Interventions Often Fail. Educational Researcher, 52(3), 183-187.
