Factores socioeconómicos asociados con el desempeño en Enem
Resumen
Las diferencias sociales se han asociado con diferencias de rendimiento en pruebas educativas a gran escala. Estudios con datos del Examen Nacional de Enseñanza Media (Enem) que tratan el tema son raros y en ocasiones no incluyen algunas variables (como retraso escolar) y no abordan las pruebas en las cuatro áreas del conocimiento. Este trabajo tuvo como objetivo examinar las variables sociales que explican el desempeño en las cuatro pruebas de la edición 2018 de Enem. Se analizó el retraso escolar, género, color/raza, nivel socioeconómico (NSE) y dependencia administrativa de la escuela del estudiante. Además de evaluar la asociación entre las variables y el desempeño, verificamos si el efecto de NSE variaba entre escuelas. Se realizó un modelado mediante regresión lineal multinivel. Todas las variables fueron estadísticamente significativas, pero su relevancia varió. El desempeño de los estudiantes blancos superó al de los demás por menos de 10.0 puntos, mientras que ser de una escuela privada se asoció con un aumento de hasta 83.9 en comparación con ser de una escuela estatal. Se identificó que el efecto de NSE sobre el rendimiento varió entre las escuelas. Los hallazgos apuntan a una desigualdad educativa persistente en Enem.
Descargas
Citas
ALVES, M. T. G.; FERRÃO, M. E. Uma década da Prova Brasil: evolução do desempenho e da aprovação. Estudos em Avaliação Educacional, São Paulo, v. 30, n. 75, p. 688-720, jan. 2020.
ALVES, M. T. G.; SOARES, J. F.; XAVIER, F. P. Desigualdades educacionais no ensino fundamental de 2005 a 2013: hiato entre grupos sociais. Revista Brasileira de Sociologia, Porto Alegre, v. 4, n. 7, p. 49-81, jan./jun. 2016.
ANDRADE, J. M.; LAROS, J. A. Fatores associados ao desempenho escolar: estudo multinível com dados do SAEB/2001. Psicologia: Teoria e Pesquisa, Brasília, DF, v. 23, n. 1, p. 33-41, mar. 2007.
ARISTIZABAL, G. C.; CAICEDO, M. C.; PARRA, J. C. M. Factores asociados a la adquisición de competencias en América Latina. Revista de Ciencias Sociales, Maracaibo, Venezuela, v. 23, n. 4, p. 33-52, oct./dic. 2017.
BARBETTA, P. A.; ANDRADE, D. F.; TAVARE.S, H. R. Estudo de fatores associados através de regressão quantílica hierárquica. Estudos em Avaliação Educacional, São Paulo, v. 29, n. 71, p. 320-349, 31 ago. 2018
BATES, D. et al. Fitting linear mixed-effects models using lme4. Journal of Statistical Software, Innsbruck, Austria, v. 67, n. 1, p. 1-48, 2015.
BONAMINO, A. et al. Os efeitos das diferentes formas de capital no desempenho escolar: um estudo à luz de Bourdieu e de Coleman. Revista Brasileira de Educação, Rio de Janeiro, v. 15, n. 45, p. 487-499, dez. 2010.
BRASIL. Lei nº 9.394, de 20 de dezembro de 1996. Estabelece as diretrizes e bases da educação nacional. Diário Oficial da União, Brasília, DF, 23 dez. 1996. Seção 1, p. 27834-27841.
BRASIL. Lei nº 12.711, de 29 de agosto de 2012. Dispõe sobre o ingresso nas universidades federais e nas instituições federais de ensino técnico de nível médio e dá outras providências. Diário Oficial da União, Brasília, DF, 30 ago. 2012. Seção 1, p. 1-2.
BRASIL. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (Inep). Microdados do Enem 2018. Brasília, DF, 2018. Available in: <https://www.gov.br/inep/pt-br/acesso-a-informacao/dados-abertos/microdados/enem>. Acess in: 23 mar. 2021.
BROER, M.; BAI, Y.; FONSECA, F. Socioeconomic inequality and educational outcomes: evidence from twenty years of TIMSS. Cham: Springer International Publishing, 2019. v. 5 Available in: <http://link.springer.com/10.1007/978-3-030-11991-1>. Acess in: 23 mar. 2021.
CHALMERS, R. P. MIRT: a multidimensional item response theory package for the R environment. Journal of Statistical Software, Innsbruck, Austria, v. 48, n. 6, p. 1-29, 2012.
COWAN, C. D. et al. Improving the measurement of socioeconomic status for the national assessment of educational progress: a theoretical foundation. [S.l]: [s.n.], 2012. Available in: <https://nces.ed.gov/nationsreportcard/pdf/researchcenter/Socioeconomic_Factors.pdf>. Acess in: 24 mar. 2021.
GIGNAC, G. E.; SZODORAI, E. T. Effect size guidelines for individual differences researchers. Personality and Individual Differences, v. 102, p. 74-78, Nov. 2016.
GOMES, C. M. A.; AMANTES, A.; JELIHOVSCHI, E. G. Applying the regression tree method to predict students’ science achievement. Trends in Psychology, v. 28, n. 1, p. 99-117, mar. 2020.
KARINO, C. A.; LAROS, J. A. Estudos brasileiros sobre eficácia escolar: uma revisão de literatura. Revista Examen, Brasília, v. 1, n. 1, p. 95-126, 2017.
LAROS, J. A.; MARCIANO, J. L.; ANDRADE, J. M. Fatores associados ao desempenho escolar em Português: um estudo multinível por regiões. Ensaio: avaliação e políticas públicas em educação, Rio de Janeiro, v. 20, n. 77, p. 623- 646, dez. 2012.
R CORE TEAM. R: a language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing, 2019. Available in: <https://www.R-project.org/>. Access in: 25 Oct. 2019.
SAMEJIMA, F. Estimation of latent ability using a response pattern of graded scores. Psychometric Monograph, n. 17, 1969. Available in: <https://www.psychometricsociety.org/sites/default/files/pdf/MN17.pdf>. Acess in: 15 ago. 2018.
SENKEVICS, A. S.; MELLO, U. M. O perfil discente das universidades federais mudou pós-lei de cotas? Cadernos de Pesquisa, São Paulo, v. 49, n. 172, p. 184- 208, abr./jun. 2019.
SIRIN, S. R. Socioeconomic status and academic achievement: a meta-analytic review of research. Review of Educational Research, v. 75, n. 3, p. 417-453, Sept. 2005.
TRAVITZKI, R.; FERRÃO, M. E.; COUTO, A. P. Desigualdades educacionais e socioeconómicas na população brasileira pré-universitária: uma visão a partir da análise de dados do Enem. Arquivos Analíticos de Políticas Educativas, Arizona, USA, v. 24, n. 74, p. 1-32, jul. 2016.
VALENTINI, F. et al. Análise de regressão multinível: exemplo prático. In: SILVA, M. C. R. da et al. (Org.). Aplicações de métodos estatísticos avançados aplicados à avaliação psicológica e educacional. São Paulo: Vetor, 2015. p. 135-152.
VIEIRA, I. S. Oportunidades educacionais no Brasil: o que dizem os dados do Saeb. Estudos em Avaliação Educacional, São Paulo, v. 30, n. 75, p. 748, jan. 2020.
ZWICK, R.; YE, L.; ISHAM, S. Using constrained optimization to increase the representation of students from low-income neighborhoods. Applied Measurement in Education, v. 32, n. 4, p. 281-297, Sept. 2019.
Derechos de autor 2021 Em Aberto
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial 4.0.
Aquí están los términos de la asignación de derechos de autor:
- Declaro que cedo permanentemente al Instituto Nacional de Estudios e Investigaciones Educativas (INEP) los derechos relacionados con:
- edición, publicación, reproducción y distribución de la obra;
- distribución en medios digitales o electrónicos;
- traducción de la obra a cualquier idioma;
- actualización, reimprensión, adaptación y compactación del trabajo;
- inclusión en el ambiente de publicación de la página del INEP;
- la difusión a través de la red mundial (internet), tanto en Brasil como en el extranjero, de todo o parte del trabajo;
- autorización a terceros para realizar cualquiera de los actos enumerados en los párrafos anteriores.
- Declaro expresamente que las opiniones expresadas en el trabajo son de mi exclusiva responsabilidad y que la publicación del trabajo no viola los derechos de terceros.
- Declaro que la preparación del trabajo antes mencionado tiene un carácter público pro bono y, por lo tanto, renuncio a la recepción de cualquier remuneración pertinente a los derechos patrimoniales ahora asignados.
- Autorizo la revisión gramatical y ortográfica del texto, siempre que no altere el contenido y las opiniones que contiene.
