Qualified Educational Capacity Planning under Heterogeneous Student Support Needs: A Synthetic Benchmark and Decision-Support Framework

Resumo Técnico: Planejamento de Capacidade Educacional Qualificada sob Necessidades Heterogêneas de Suporte aos Alunos

Formulação do Problema
O artigo aborda o planejamento da capacidade de pessoal educacional qualificado dentro de uma única instituição. Diferente dos modelos operacionais padrão que tratam a capacidade do pessoal como um número fixo de funcionários, este trabalho modela a capacidade como tempo de pessoal qualificado — tempo que é simultaneamente disponível e possui a preparação específica necessária para uma tarefa de suporte (ex: remediação, suporte linguístico). O problema é caracterizado por três restrições dinâmicas:

1. Heterogeneidade: As demandas de suporte são categorizadas, e o pessoal deve possuir qualificações específicas ($k$) para categorias específicas ($g$).
2. Qualificação Dinâmica: A preparação é um estado contínuo ($S_{w,k,t}$) sujeito a decaimento ($\delta$) se não for praticada e requer treinamento ($\alpha$) para atingir um limiar de qualificação rígido ($\theta$).
3. Treinamento Consumidor de Capacidade: O treinamento consome as mesmas horas de pessoal escassas necessárias para o serviço estudantil atual. Além disso, os serviços educacionais são não estocáveis; a demanda não atendida cria um acúmulo (backlog) que não pode ser "armazenado" para cumprimento posterior, e a capacidade qualificada tardiamente não pode atender retroativamente à demanda passada.
   O problema de decisão envolve a alocação de horas de pessoal entre serviço direto ($x_{service}$) e treinamento ($x_{train}$) sob incerteza em relação a surtos de demanda, ausências de pessoal e a chegada de novas categorias de suporte. Essas interrupções podem ser anunciadas (visíveis na janela de previsão) ou surpresa (ocultas até o início).

Metodologia e Design de Benchmark
Os autores introduzem um benchmark sintético controlado por sementes e uma estrutura de suporte à decisão, em vez de um escalonador implantável. O sistema é um modelo de serviço estilizado com:

• Estado: Acúmulo de horas não atendidas, disponibilidade de pessoal e níveis de preparação contínuos.
• Ações: Alocação de horas de serviço e treinamento sujeitas a restrições de elegibilidade rígidas (apenas pessoal qualificado pode atender) e limites de assento para treinamento.
• Dinâmica: O acúmulo evolui com base na demanda menos o serviço; os níveis de preparação decaem e aumentam com o treinamento.
• Objetivo: Minimizar a soma dos custos de demanda não atendida e custos de treinamento ao longo de um horizonte finito.

O benchmark inclui seis famílias de cenários: controle estacionário, novas categorias de suporte (anunciadas/surpresa), ausências de pessoal (anunciadas/surpresa) e surtos de demanda. Ele emprega disciplina de viabilidade exata, garantindo que todas as políticas gerem ações válidas, e utiliza checksums de replay para reprodutibilidade bit a bit.

Classes de Políticas
O estudo compara diversas classes de políticas, declarando explicitamente seus conjuntos de informações:

1. ServiceOnly (Apenas Serviço): Aloca serviço proporcionalmente à demanda; nunca treina.
2. ReactiveGap (Lacuna Reativa): Treina apenas após a demanda não coberta exceder um limiar.
3. StaticInsurance (Seguro Estático): Executa um plano de requalificação transversal fixo e enxuto desde $t=0$ com base na configuração inicial, gastando uma fração fixa do orçamento.
4. WaterFillingTraining (Treinamento de Preenchimento de Nível): Espalha um orçamento fixo de treinamento através das lacunas observadas.
5. ForecastAwareMPC (MPC Consciente de Previsão - Primária): Um controlador de Programação Linear Inteira Mista (MILP) de horizonte deslizante que otimiza serviço e treinamento sobre um horizonte finito ($H=6$), replanejando a cada etapa. Ele trata choques surpresa como mascarados até que ocorram.
6. OracleUpperReference (Oráculo de Referência Superior): Um par de visão perfeita (mesma estrutura de MPC, mas com choques surpresa não mascarados) usado para isolar o valor da previsão, não como um limite superior global.

Resultos Principais e Mapa de Regimes
A descoberta central não é uma política "melhor" universal, mas um mapa de regimes governado pela relação entre o atraso de treinamento (tempo para adquirir uma nova qualificação) e o alcance de reação do controlador (horizonte de planejamento + janela de recuperação de acúmulo).

1. Regime de Reação Viável: Quando uma nova qualificação pode ser adquirida dentro do alcance de reação do controlador (ex: taxas de treinamento padrão, warm starts ou janelas de interrupção curtas), o controlador MPC de malha fechada domina.

   • Em um conjunto adversário congelado de 2.620 episódios (cobrindo janelas curtas, treinamento lento, baixa folga e planos estáticos focados em choque), o controlador venceu todas as 158 células pareadas contra as linhas de base estáticas.
   • A análise de atribuição mostra que o valor vem da aquisição de qualificação "just-in-time", não apenas de uma melhor alocação de serviço.
   • O controlador performa de forma quase idêntica ao Oracle de visão perfeita em choques anunciados, confirmando sua legitimidade.

2. Regime de Pré-posicionamento: Quando o atraso de treinamento excede o horizonte do controlador (ex: um "cold start" com retreinamento profundo exigindo ~60 horas de pessoal, excedendo o $H=6$), o seguro estático enxuto vence por até 2× em janelas longas.

   • Esta vitória é estrutural: o Oracle de visão perfeita (também limitado a $H=6$) empata com o controlador primário e perde identicamente ao plano estático, provando que a falha se deve à restrição de horizonte, não à lógica do controlador.
   • Treinadores reativos que começam após o início do evento são os piores desempenhos, desperdiçando esforço em treinamentos que não conseguirão qualificar a tempo.

3. Insuficiência Estrutural: Quando a demanda total supera estruturalmente a capacidade qualificada ($\rho < 1$), todas as políticas colapsam e a escolha da política torna-se irrelevante.

4. Perecibilidade do Acúmulo: A introdução de um prazo (acúmulo perecível) desloca a fronteira entre os regimes, mas não os elimina. A vantagem do controlador no regime de reação viável não depende de um serviço tardio condescendente.

Significância e Alegações
O artigo alega fornecer o primeiro benchmark sintético reproduzível para o planejamento de capacidade educacional qualificada que integra estados de habilidades dinâmicos, custos de oportunidade de treinamento e demanda heterogênea.

• Contribuição: Estabelece um mapa de regimes distinguindo quando o controle dinâmico e just-in-time é superior ao seguro estático pré-posicionado.
• Contraste com Manufatura: Ao contrário de estudos de manufatura complementares onde o seguro estático frequentemente vence próximo às fronteiras de capacidade, este modelo educacional mostra que o controle dinâmico domina na maioria dos cenários realistas, a menos que o atraso de treinamento seja estruturalmente mais longo que o horizonte de planejamento.
• Limitações: Os autores declaram explicitamente que todos os resultados são evidências computacionais estilizadas em dados sintéticos. O framework não faz reivicações sobre resultados estudantis reais, conformidade legal ou colocações individuais. Serve como um ambiente de teste para estudar problemas de decisão, não como uma ferramenta de implantação.
• Ferramental: O artigo introduz o EduCapacity Studio, uma interface transparente para análise de cenários e replay bit a bit, projetada como um instrumento de reprodutibilidade, não como um motor de recomendação.

Em resumo, o artigo argumenta que a "melhor" estratégia depende inteiramente da razão entre o atraso de treinamento e o alcance de reação do controlador. Se o atraso é curto, o controle dinâmico vence; se o atraso é longo (tornando a reação estruturalmente tardia), o pré-posicionamento estático enxuto é a resposta estrutural ideal.