O impacto da educação infantil no desempenho dos alunos do ensino fundamental
André Portela Fernandes de Souza+
Cristine Campos Xavier Pinto+
1. Introdução
Ao longo da última década, houve um esforço crescente na literatura de educação
para tentar determinar qual é a melhor maneira de realizar investimentos na área. Sendo os
recursos disponíveis limitados, devem ser feitas escolhas a respeito de que tipo de educação
priorizar. No Brasil, por exemplo, a parcela de recursos destinada à educação infantil é
pequena frente ao total disponível. Diversos trabalhos, no entanto, servem de argumento
contrário a esta alocação. Estudos baseados em neurociência mostram que a educação infantil
é fundamental para que sejam desenvolvidas algumas habilidades.
O Banco Mundial relata no Brasil casos de programas informais de desenvolvimento da
primeira infância, como o PROAPE (Programa de Alimentação à Pré-Escola), com intervenções
de saúde, alimentação e educação, que resultaram em elevação no aproveitamento escolar.
Neste trabalho é mencionada uma pesquisa do IPEA, baseada em dados de 1997, em que se
conclui que o investimento público para o desenvolvimento da primeira infância é desigual,
sendo destinado em sua grande parte para famílias mais ricas.
Corroborando com o trabalho do Banco Mundial (2010), o levantamento do Grupo de
Trabalho instituído pela Portaria Interministerial nº 3.219 (2006), com base nos microdados da
PNAD 2004, mostra como as classes mais pobres da população são as que menos se
beneficiam do sistema de ensino infantil. Esses resultados sugerem que podemos ter no país
um modelo de pré-escola perverso em termos de diminuição da desigualdade social, uma vez
que ao privarmos as crianças mais pobres do acesso às creches e às pré-escolas, se retira delas
a possibilidade de desenvolverem habilidades na idade correta, o que lhes impediria de
prosseguir nos próximos ciclos escolares em igualdade de condições.
No que tange à educação infantil, outra grande preocupação entre pais e educadores
de hoje é como as leis que impõem uma idade mínima para a entrada na escola podem afetar
o desempenho acadêmico dos alunos. Esse debate está ganhando destaque no Brasil com a
entrada na pré-escola antes dos 6 anos de idade. Nos Estados Unidos, por exemplo, diversos
estados vêm atrasando a idade com que as crianças entram na pré-escola. A literatura ainda
+
Escola de Economia de São Paulo da Fundação Getulio Vargas (EESP/FGV).
1
precisa avançar muito na apuração desse efeito, mas existe evidência de que os alunos que
entram mais cedo têm probabilidade maior de completar o ensino médio. Esse efeito é
verificado também nas séries finais do ensino fundamental e nas iniciais do ensino médio, isto
é, um aluno que entra na escola mais cedo tem maior probabilidade de completar a 6ª e a 8ª
séries, e também as séries do ensino médio. Além disso, esse efeito é crescente ao longo das
séries, sendo maior na última série do ensino médio. Mas essa vantagem é tão pequena que,
por ora, parece insuficiente tecer alguma recomendação a partir dela. Além disso, esse ganho
não é o mesmo para todos os grupos sociais. As minorias (negros e alunos pobres) tendem a se
beneficiar mais de uma entrada precoce na pré-escola e acabam mostrando probabilidade
maior de conclusão do ensino médio. Uma das explicações para esse efeito positivo da idade
de entrada na taxa de conclusão é que os alunos que entram mais cedo na escola, mesmo que
possuam desempenho acadêmico pior, têm maior motivação para permanecer na escola e,
apesar das dificuldades, tendem a não abandoná-la. Outra explicação é que os alunos que
entram mais cedo na escola são expostos de forma mais lenta ao conhecimento das séries
iniciais e têm mais tempo para assimilá-lo; assim, chegam com maior nível de conhecimento
nas demais séries, o que facilita a assimilação do conteúdo.
Este estudo pretende estimar o efeito da pré-escola e da creche na proficiência dos
alunos, separando este efeito em dois componentes, um efeito direto e um indireto. O efeito
direto é o efeito da educação infantil na proficiência em determinada série, enquanto o efeito
indireto se refere ao efeito da pré-escola e da creche via repetência. Durante a pré-escola, o
aluno se torna mais familiarizado com o ambiente escolar, e desenvolve habilidades como
cooperação e atenção, importantes para a permanência do mesmo na escola. Estas
habilidades desenvolvidas na educação infantil ajudam o processo de aprendizado nas séries
subsequentes e, consequentemente, influenciam a probabilidade de um aluno repetir em uma
série subsequente. Como repetência também afeta a proficiência dos alunos nos anos futuros
na escola, a pré-escola tem um impacto indireto na proficiência via repetência. Usando os
dados coletados ao longo da pesquisa BNDES-2012 para alunos no 4º, 6º e 8º anos,
professores e diretores em 300 escolas brasileiras, encontramos que educação infantil tem um
efeito positivo e significativo sobre desempenho escolar e este efeito se dá quase todo de
forma direta.
O capítulo está organizado em três seções, além desta introdução. Na seção
subsequente, apresentamos a revisão de literatura. Na terceira seção, são analisadas as
estatísticas descritivas da base de dados. Na quarta seção, descrevemos a metodologia
empregada e, na última seção, apresentamos os resultados e principais conclusões.
2
2. Revisão da Literatura
Diversos estudos mostram a importância da educação infantil para o desenvolvimento
das habilidades cognitivas e não-cognitivas dos alunos. Knudsen et al. (2006) fazem uma
revisão da literatura sobre o assunto e concluem que as habilidades humanas são adquiridas
através de uma sequência de “períodos sensíveis”, os quais seriam épocas em que o
desenvolvimento de certos circuitos neurais estariam mais plásticos, ou seja, os seres
humanos possuiriam uma sequência hierárquica de momentos ótimos em suas vidas para
receber influências do ambiente. As competências cognitivas, linguísticas, sociais e emocionais
são fortemente formadas pelas primeiras experiências de vida da criança em desenvolvimento,
e todas contribuem significativamente para o sucesso profissional desse futuro adulto. Há
indícios de que tentativas de remediar a falta de estímulos em uma determinada etapa (que
prejudica ou inibe o desenvolvimento) com estímulos posteriores em outra etapa são muito
custosas e produzem resultados pouco expressivos, sendo assim ineficientes.
Cunha e Heckman (2007) propõem um modelo em que investimentos em etapas
diferentes do ciclo de vida de uma criança podem produzir retornos diferentes. Essa
abordagem permite interpretar que há períodos ótimos para que certas habilidades de uma
criança sejam desenvolvidas. A partir dessa premissa, os autores definem dois períodos
fundamentais para o desenvolvimento de uma criança. O primeiro é o chamado “período
sensível”, em que investimentos para a produção de certas habilidades são mais produtivos. E,
o segundo é o “período crítico”, época única da vida de uma criança em que certas habilidades
podem ser desenvolvidas. A interpretação do desenvolvimento de habilidades segundo uma
tecnologia de múltiplos estágios faz imaginarmos que os investimentos efetuados em um
estágio permitem uma autoprodutividade, uma vez que as habilidades adquiridas amplificam
os efeitos de outras habilidades. Ademais, essa tecnologia é complementar, pois habilidades
pré-adquiridas facilitam a assimilação de outras habilidades em etapas futuras, elevando a
produtividade dos investimentos nos estágio subsequentes. Como os autores colocam, essa
abordagem é fundamental para a definição de políticas públicas, já que os investimentos para
o desenvolvimento de habilidades em adolescentes carentes tenderiam a serem muito menos
produtivos do que os investimentos na educação de crianças em época de pré-escola.
Os efeitos de alguns programas de intervenção na primeira infância são comprovados
por vários trabalhos e diversas análises de custo-benefício. Barnett (2008) comenta que
diferentes programas apresentaram efeitos positivos sobre o aprendizado, mas o tamanho e a
persistência destes resultados dependem do tipo de programa adotado. Os principais
resultados encontrados foram que os participantes dos programas voltados para o
3
desenvolvimento infantil tiveram notas maiores em exames de proficiência, concluíram o
ensino médio em maior proporção, e obtiveram menores índices de atraso escolar e de
envolvimento com crime e delinquência. Crianças que vivem em ambientes socioeconômicos
piores se beneficiam mais desse tipo de programa.
Chetty et al. (2011) procuram investigar os efeitos da qualidade da educação infantil
sobre diversos aspectos da vida adulta dos indivíduos, como educação, rendimento e padrão
de vida nos Estados Unidos. Os autores mostram que a qualidade da educação infantil está
fortemente correlacionada com a renda que o indivíduo recebe aos 27 anos, com a escolha de
frequentar ou não uma universidade, a ter uma casa própria e a quanto poupar para a
aposentadoria. Os principais resultados são que alunos de turmas menores de educação
infantil têm maior probabilidade de ir para a universidade e de ter melhor desempenho;
alunos que tiveram professores mais experientes nesta fase têm maior rendimento e, apesar
de o efeito sobre as notas de alunos que frequentaram turmas de educação infantil de melhor
qualidade diminuir com o tempo, o efeito sobre habilidades não cognitivas é persistente.
Dynarski et al. (2011) tem objetivos semelhantes, e encontram que alunos de turmas
menores na educação infantil tem uma probabilidade maior de ir para a universidade (em 2,7
pontos percentuais). A probabilidade de terminar o ensino superior também aumenta (em 1,6
pontos percentuais), bem como a probabilidade de o estudante escolher uma graduação em
campos em que há maior rendimento (como ciências e engenharia, por exemplo). Esses efeitos
encontrados são ainda maiores para negros e para indivíduos de famílias de baixa renda, o que
os autores argumentam servir de indício de que reduzir o tamanho das turmas pode contribuir
para diminuir o diferencial posterior fruto da cor e da renda familiar.
Berlinski et al. (2009) utilizam a expansão da rede de pré-escolas na Argentina como
tratamento para a elevação de matrículas na educação infantil, e concluem que um ano de
pré-escola elevou a nota em exames de proficiência da 3ª série em 8% em relação a média
(equivalentes a 23% do desvio padrão), além de afetar positivamente a atenção e participação
em sala de aula, o esforço e a disciplina escolar. Ou seja, expandir a educação infantil é um
instrumento efetivo para melhorar o desempenho no longo prazo. Além disso, os autores
ainda comentam que tirar as crianças de perto de suas mães não é prejudicial ao seu
desenvolvimento caso elas frequentem uma pré-escola de qualidade, o que responde a um
questionamento comumente levantado.
Berlinski et al. (2008) avaliam o impacto da educação infantil entre irmãos da mesma
família no Uruguai, comparando os que frequentaram a pré-escola com aqueles que não
frequentaram e, portanto, controlando para efeitos específicos e ocultos do background
familiar. Frequentar a pré-escola tem efeitos positivos de magnitude pequena no curto prazo,
4
mas estes se amplificam na medida em que o indivíduo cresce. Os autores estimam que aos 15
anos os alunos que frequentaram a pré-escola possuem 27 pontos percentuais a mais de
chance de estarem na escola. Além disso, os autores ainda defendem a pré-escola como uma
política adequada para evitar a repetência escolar nos primeiros anos do ensino fundamental.
Existem diversos artigos que estudam o impacto da educação infantil sobre o
desempenho dos alunos brasileiros. Curi e Menezes-Filho (2006) utilizaram a Pesquisa de
Padrão de Vida (PPV) realizada entre 1996 e 1997 no nordeste e sudeste brasileiro, além dos
resultados do Sistema Nacional de Avaliação da Educação Básica (SAEB) de 2003, para
pesquisar o efeito da educação pré-escolar sobre a escolaridade, os salários e a proficiência
escolar. Através de um modelo Logit de escolha discreta, os autores constatam que o fato de
um indivíduo ter feito a pré-escola tem um impacto positivo e significante na conclusão dos
quatro ciclos escolares (dois ciclos de ensino fundamental, ensino médio e ensino superior),
enquanto que a creche tem um efeito positivo e significante na conclusão dos ensinos médio e
superior. Adicionalmente, verificou-se que a pré-escola tem efeito positivo e significante na
renda desse indivíduo quando adulto, e no resultado dos exames de proficiência da 4ª, 8ª, e
11ª séries. Apesar da pergunta ser extremamente importante, o tratamento da mesma pelo
método dos Mínimos Quadrados Ordinários levanta questões sobre endogeneidade, o que
poderia invalidar a consistência dos estimadores obtidos.
Barros et al. (2010) ressaltam que “embora a pré-escola (crianças entre 4 e 6 anos)
tenha efeitos importantes e duradouros no desenvolvimento da criança, as avaliações em
larga escala de creches (crianças entre 0 e 3 anos) tendem a encontrar impactos menores e
transitórios. Como a literatura tem reconhecido, existem muitas explicações alternativas
empíricas e substantivas para o impacto limitado das creches encontrado nestes estudos. As
explicações empíricas variam desde uma fraca estratégia de identificação até limitações e má
qualidade dos dados. Dentre as interpretações substantivas, especial atenção deve ser dada à
sensibilidade da eficácia das creches à qualidade dos serviços prestados. Segundo essa
interpretação, creches de alta qualidade e bem concebidas têm impacto substancial, mas esse
impacto pode ser bastante sensível à qualidade dos serviços prestados. Como nos países em
desenvolvimento a maioria das avaliações mede o impacto de serviços mal concebidos e de
baixa qualidade, não é surpreendente que apenas impactos muito pequenos sejam
encontrados. Assim, para conciliar a importância teórica da creche para o desenvolvimento da
criança com os pequenos efeitos estimados, é imprescindível lançar alguma luz empírica sobre
a relação entre eficácia e qualidade dos serviços de creche”. Para o contexto brasileiro, neste
estudo, os autores avaliam o impacto da qualidade das creches no Rio de Janeiro para o
desenvolvimento infantil, a partir de uma amostra aleatória de 500 crianças em 100
5
instituições através de uma função de custo hedônica, que permite a avaliação de custo e
efetividade da qualidade das escolas de educação infantil. Os resultados mostram que o
desenvolvimento das crianças que frequentam creches de alta qualidade é maior do que o das
crianças que frequentam creches de baixa qualidade e que a qualidade da creche pode ser
medida de diversas maneiras, e que cada uma dessas medidas pode ter diferentes custos e
impactos também distintos para o desenvolvimento infantil.
Dentre os estudos sobre o efeito de uma redução de idade mínima de ingresso no
desempenho dos alunos, destaca-se o trabalho de Dobkin e Ferreira (2010). Estes autores
avaliam o efeito de entrar na escola um ano mais cedo. Os resultados deste estudo mostram
que entrar na escola mais cedo tem um efeito positivo e estatisticamente significativo sobre a
probabilidade de conclusão do ensino médio.
3. Dados e Estatísticas Descritivas
Os resultados obtidos com os dados da pesquisa BNDES-2012 para os alunos do 4º, 6º
e 8º anos do ensino fundamental nas provas de matemática e Português são apresentados
nesta seção. A tabela 1 contém as estatísticas descritivas de todas as variáveis dos alunos que
serão usadas na análise. Esta tabela mostra que temos cerca de 50% homens e 50% mulheres
na amostra. A idade média dos alunos é 12 anos, e cerca de 32% se declaram como brancos.
Estes alunos têm em média 2 irmãos. Na amostra de alunos que fizeram a prova de
matemática, 54% frequentaram creche. E destes, 56% frequentaram creche no mesmo
município que estão hoje. Além disso, em torno de 71% dos alunos frequentaram a pré-escola,
e entre esses 64% frequentaram a pré-escola no mesmo município que estão hoje. Cerca de
30% dos alunos repetiram o ano pelo menos uma vez.
Durante a pesquisa BNDES-2012, os professores e diretores também responderam
questionários que continham perguntas sobre o seu background socioeconômico, práticas
pedagógicas e infraestrutura da escola. A tabela 2 contém as variáveis dos diretores e
professores que serão usadas neste estudo. Como não conseguimos associar o aluno com o
seu professor de matemática e de português, apresentamos nesta tabela as características
médias dos professores na escola. Na nossa estimação, usaremos as características médias dos
professores ao nível da escola como controle para as características dos professores dos
alunos. Os resultados indicam que 19% dos diretores são homens e quase 100% desses tem
pelo menos ensino superior. Além disso, 70% das escolas adotam políticas de ciclo.
6
Tabela 1: Estatísticas Descritivas - Alunos
No Obs
Média
Desvio Padrão
26,179
210.16
44.45
26,176
199.94
46.60
24997
0.49
0.50
25063
0.32
0.47
23714
12.05
1.95
24876
2.12
1.31
Proficiência Matemática
Proficiência Português
Homem
Branco
Idade
Número de Irmãos
Número de Irmãos que
frequentam a escola
Idade que começou a estudar
Frequentou a creche
Frequentou a creche no mesmo
municipio atual
Frequentou a pré-escola
Frequentou a pré-escola no
mesmo munícipio atual
Começou o ensino fundamental
no mesmo município atual
Número de vezes que
abandonou a escola
Repetiu alguma série
Repetiu a 1a série
Repetiu a 2a série
Repetiu a 3a série
Repetiu a 4a série
Repetiu a 5a série
Repetiu a 6a série
Repetiu a 7a série
Repetiu a 8a série
Repetiu alguma série mais de
uma vez
Repetiu a 1a série mais de uma
vez
Repetiu a 2a série mais de uma
vez.
Repetiu a 3a série mais de uma
vez.
Repetiu a 4a série mais de uma
vez.
Repetiu a 5a série mais de uma
vez
Repetiu a 6a série mais de uma
vez
Repetiu a 7a série mais de uma
vez
Repetiu a 8a série mais de uma
vez
Mínimo
91.00
76.05
0.00
0.00
6.00
0.00
Máximo
379.15
376.46
1.00
1.00
26.00
4.00
24461
1.36
0.80
0.00
2.00
24596
24101
0.85
0.54
0.75
0.50
0.00
0.00
4.00
1.00
19209
0.56
0.50
0.00
1.00
23637
0.71
0.46
0.00
1.00
21756
0.64
0.48
0.00
1.00
24181
0.69
0.46
0.00
1.00
24582
0.20
0.60
0.00
3.00
23588
9667
9667
9667
9667
9667
9667
9667
9667
0.29
0.24
0.17
0.18
0.16
0.16
0.07
0.05
0.04
0.45
0.43
0.38
0.39
0.37
0.37
0.25
0.23
0.20
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
1.00
1.00
1.00
1.00
1.00
1.00
1.00
1.00
1.00
10768
0.41
0.49
0.00
1.00
35903
0.03
0.18
0.00
1.00
35903
0.02
0.15
0.00
1.00
35903
0.03
0.16
0.00
1.00
35903
0.02
0.15
0.00
1.00
35903
0.02
0.14
0.00
1.00
35903
0.01
0.10
0.00
1.00
35903
0.01
0.08
0.00
1.00
35903
0.01
0.07
0.00
1.00
Fonte: Pesquisa BNDES (Questionário do Aluno). Elaboração própria.
7
Tabela 2: Estatísticas Descritivas - Diretor e Professor
Diretor
Homem
Idade
Branco
Ensino Superior
Existe política de ciclo na
escola
No Obs
Média
Desvio Padrão Mínimo Máximo
30798
30606
30774
30894
0.186
3.220
0.564
0.993
0.389
0.966
0.496
0.083
0
1
0
0
29430
0.706
0.456
0
1
5
1
1
1
Esta política é determinada
pela rede de ensino
20773
0.095
0.293
0
1
Professor
% de Homens
31133
0.200
0.213
0
1
Média de Idade
31133
2.717
0.674
0.5
5
% de Brancos
31,133
0.521
0.354
0
1
% com Ensino Superior
31133
0.967
0.123
0
1
Você tem autonomia para
reprovar os alunos
30,006
0.329
0.421
0
1
Fonte: Pesquisa BNDES (Questionários do Professor e do Diretor). Elaboração própria.
Na tabela 3, comparamos as características dos alunos que frequentaram educação
infantil com as características dos que não frequentaram. Quando comparamos os alunos que
frequentaram a creche com os alunos que não frequentaram, vemos que a proficiência dos
que frequentaram a creche é menor dos que não frequentaram. Esta diferença, apesar de
pequena, é estatisticamente significativa. Uma das explicações para este efeito nãocondicional negativo é que estes alunos tem baixa condição socioeconômica e frequentam
creches de baixa qualidade. O mesmo não acontece com a pré-escola. Os alunos que
frequentaram a pré-escola apresentam um desempenho maior que os alunos que não o
fizeram. Além disso, os alunos que frequentaram a educação infantil são diferentes dos demais
em outras características observáveis como, por exemplo, número de irmãos que frequentam
a escola e idade que começou a estudar. Os alunos que frequentaram a creche e/ou a préescola tem mais irmãos que frequentam a escola e entraram mais cedo na escola. Esta tabela
indica que os alunos que frequentaram a educação infantil são diferentes dos que não
frequentaram em algumas características que estão relacionadas à preferência das famílias por
educação. As famílias que mais valorizam educação tendem a colocar os filhos mais cedo na
escola. Além disso, esta tabela indica que esses alunos são diferentes quanto ao fluxo escolar.
Os indivíduos que frequentaram a pré-escola abandonaram a escola em média um menor
número de vezes e repetiram menos que os alunos que não frequentaram a pré-escola.
8
Tabela 3: Características dos Alunos de acordo com a frequência à creche ou à pré-escola
Creche
Frequentou Não-frequentou Diferença
Proficiência em Matemática
210.006
213.576
-3,57***
(0,383)
(0,425)
(0,571)
Proficiência em Português
199,469
203,622
-4,154***
(0,399)
(0,448)
(0,599)
Homem
0.491
0.479
0,012**
(0,004)
(0,005)
(0,007)
Branco
0.322
0.329
-0.006
(0,004)
(0,004)
(0,006)
Idade
11.960
12.192
-0,026***
(0,018)
(0,019)
(0,011)
Número de Irmãos
2.105
2.116
-0,011
(0,012)
(0,013)
(0,017)
Número de Irmãos que
1.037
1.034
0,026***
frequentam a escola
(0,007)
(0,008)
(0,011)
0.768
0.937
-0,168***
Idade que começou a estudar
(0,007)
(0,007)
(0,010)
Frequentou a creche
Frequentou a creche no
mesmo municipio atual
Frequentou a pré-escola
0.653
(0,004)
0.769
(0,004)
Frequentou a pré-escola no
0.643
mesmo munícipio atual
(0,004)
0.702
Começou o ensino
fundamental no mesmo
(0,004)
Número de vezes que
0.196
abandonou a escola
(0,005)
Repetiu alguma série
0.290
(0,004)
0.400
Repetiu alguma série mais de
(0,007)
uma vez
Fonte: Pesquisa BNDES. Elaboração própria.
Pré-Escola
Frequentou Não-frequentou Diferença
215.6038
202.1686
13,435***
(0,346)
(0,503)
(0,627)
205,492
191,234
14,258***
(0,364)
(0,520)
(0,657)
0.475
0.521
-0,046***
(0,004)
(0,006)
(0,007)
0.333
0.305
0,028***
(0,004)
(0,006)
(0,007)
12.008
12.004
0.038
(0,015)
(0,026)
(0,029)
2.006
2.023
-0,016
(0,010)
(0,016)
(0,019)
1.038
1.031
0,065***
(0,006)
(0,010)
(0,012)
0.786
0.991
-0,205***
(0,006)
(0,010)
(0,011)
0.591
0.428
0,163***
-
-
(0,004)
(0,006)
(0,007)
0.338
(0,006)
0.633
(0,005)
0.629
(0,005)
0.676
(0,005)
0.201
(0,006)
0.281
(0,004)
0.423
(0,007)
0,315***
(0,007)
0,136***
(0,006)
0,013**
(0,007)
0,026 ***
(0,006)
-0,005
(0,008)
0.009
(0,006)
-0,023**
(0,010)
0.609
(0,004)
0.722
(0,003)
0.723
(0,004)
0.164
(0,004)
0.270
(0,004)
0.393
(0,006)
0.430
(0,007)
0.335
(0,007)
0.617
(0,006)
0.286
(0,009)
0.327
(0,006)
0.441
(0,008)
0,179***
(0,008)
0,387***
(0,008)
0,106***
(0,007)
-0,122***
(0,009)
-0,057***
(0,007)
-0,047***
(0,010)
Neste artigo, estimamos o impacto direto da pré-escola e de creche na proficiência em
matemática e português dos alunos e também o impacto indireto que educação infantil tem
ao afetar as variáveis de fluxo. Os alunos que entram na escola entre 0 e 6 anos adquirem um
conhecimento que facilita o aprendizado futuro mas também desenvolvem habilidades como
cooperação e atenção, importantes para a permanência do aluno na escola. Estas habilidades
influenciam o processo de aprendizado ao longo dos anos, e a sua probabilidade de repetir as
séries subsequentes. Os gráficos 1 e 2 apresentam a frequência à creche e à pré-escola por
faixa de idade e a proficiência em matemática também por faixa de idade. O gráfico 1 mostra
que os alunos que frequentaram a creche estão concentrados na faixa etária entre 11 e 13
anos. Além disso, a proporção de alunos que frequentaram a creche é maior antes dos 13
anos. Os alunos que estão na idade correta (13 anos) e frequentaram a creche apresentam um
desempenho similar aos dos alunos que estão nesta idade e não frequentaram a creche.
9
Gráfico 1: Frequência à Creche e Desempenho em Matemática
250,0
20
200,0
15
150,0 N
o
t
100,0 a
%
25
10
5
50,0
0
Não-frequentou creche
Frequentou Creche
Proficiência (não-frequentou)
Proficiência (frequentou)
0,0
6
8
10 12 14 16 18 20 22 24 26
Idade
Fonte: Pesquisa BNDES. Elaboração própria.
Gráfico 2: Frequência à Pré-Escola e Desempenho em Matemática
30
250,0
25
200,0
Não-frequentou pré-escola
20
N
o
t
100,0
a
150,0
% 15
10
50,0
5
Frequentou pré-escola
Proficiência (nãofrequentou)
Proficiência (frequentou)
0
0,0
1
3
5
7
9 11 13 15 17 19 21
Idade
Fonte: Pesquisa BNDES. Elaboração
O gráfico 2 apresenta as mesmas relações para a pré-escola. Neste gráfico, os alunos
estão concentrados nos oito anos de idade, tendo uma maior proporção de alunos de 8 anos
de idade que frequentaram a pré-escola do que não frequentaram. Para os alunos de 5 a 9
anos de idade, o desempenho em matemática é maior para os alunos que frequentaram a préescola do que para os alunos que não frequentaram, sendo que nesta faixa etária de 5 a 9
anos, a proporção de alunos que frequentaram a pré-escola é maior do que a proporção de
alunos que não frequentaram. Este gráfico mostra que a educação infantil coloca os alunos
mais cedo na escola o que pode afetar a sua proficiência futura e também a probabilidade
deste aluno começar a série na idade correta.
10
4. Metodologia
A estimação do impacto da educação infantil sobre o desempenho do aluno tenta captar
os efeitos direto e indireto no desempenho do aluno. O efeito direto seria o conhecimento que
o aluno adquire na pré-escola que é importante para o aprendizado do conhecimento futuro.
O efeito indireto seria o efeito que entrar mais cedo na escola tem no desempenho ao longo
dos anos, evitando que o aluno abandone a escola ou reprove. Ao entrar mais cedo na escola,
o aluno pode se sentir mais motivado e tem maior facilidade de se adaptar à rotina escola,
além de ter maior facilidade para adquirir o conhecimento necessário para o aprendizado ao
longo das séries. Assim, reprovação e atraso escolar estão associados com proficiência, préescola e habilidade do aluno, motivação e preferências familiares por educação.
Nesse contexto, trabalhamos com o sistema de duas equações. A segunda equação do
sistema capta o efeito de frequência à creche e à pré-escola sobre a probabilidade de o aluno
repetir. A primeira equação capta o efeito direto de educação infantil no desempenho escolar
e o seu efeito indireto através da sua relação com repetência.
Y
A
Xβ
Xβ
λp
γc
λ p
δA
γ c
v
Z α
(1)
η
(2)
onde Y é a proficiência do aluno i no ano t, X é um vetor de características do aluno, da
família e do professor, p é uma variável indicadora de se o aluno frequentou pré-escola,c é
uma variável binária que é igual a 1 se o aluno i frequentou creche, A é uma variável que
indica se o estudante reprovou em alguma série, e Z é a variável instrumental que afeta
reprovação mas não afeta diretamente proficiência. Note que pré-escola e creche afetam
reprovação e proficiência. Uma vez que reprovação também afeta proficiência, a educação
infantil impacta proficiência por dois canais, um direto e outro indireto, através da reprovação.
Claramente, os termos de erro das duas equações são correlacionados. Com o intuito
de tratar a endogeneidade de reprovação, nós procederemos com um modelo com funções
controle.
No primeiro momento, os pais decidem matricular ou não seus filhos na pré-escola. Na
escola, dados sua motivação, esforço e habilidade inicial, os filhos passam ou não para a série
seguinte. Primeiramente, olhamos para a probabilidade de ser reprovado dado que as crianças
iniciaram (ou não iniciaram) o período escolar na pré-escola,
E A X ,p ,c ,Z
Xβ
λ p
γ c
Z α
(3)
11
Quando alcançam certa série, os alunos são avaliados. Em um segundo estágio,
olhamos para a esperança do desempenho nos exames de proficiência, condicional à
frequência, à educação infantil e ao número de atrasos no ciclo escolar até o momento t,
E Y |X , p , A
Xβ
λp
γc
δA
E v |X , p , c , A
(4)
Vamos assumir que existe uma dependência linear entre os erros, de modo que:
onde ϖ
ν
δη
Xβ
λp
ϖ
, η . Neste caso,
E Y |X , p , A
γc
δA
γ η
(5)
Estimamos os parâmetros de interesse λ, γ, δ usando o procedimento em dois
estágios. No primeiro estágio, estimamos um modelo de regressão linear que relaciona a
variável indicadora se o aluno reprovou em alguma série com as variáveis de controle, com os
indicadores de frequência à creche e frequência à pré-escola e com o vetor de instrumento.
Em um segundo estágio, estimamos uma regressão linear do desempenho nas variáveis
explicativas e funções controle. Neste caso, a função controle é representada pelo resíduo
obtido no primeiro passo.
5. Resultados
Nesta seção, apresentamos os resultados obtidos pelo procedimento em duas etapas
descrito na seção anterior. O primeiro passo deste procedimento é estimar o efeito de creche
e pré-escola na probabilidade de repetir a série, usando um vetor de instrumentos que afeta a
reprovação, mas não tem efeito direto sobre o desempenho escolar. Usamos como
instrumento para a reprovação o fato da escola usar a política de ciclos ou não. Esta política
tem um efeito direto sobre a probabilidade de repetência e assumimos que ela só afeta o
desempenho escolar através da repetência ou não dos alunos. As três primeiras colunas da
tabela 4 apresentam o resultado para este primeiro estágio, no caso de matemática. Na coluna
(1), incluímos as variáveis do diretor e do professor como controles na regressão. Na coluna
(2), incluímos somente as variáveis do diretor e na coluna (3) excluímos estes controles. Os
resultados indicam que a política de ciclo tem um efeito negativo e significativo sobre a
probabilidade de repetência. Além disso, a frequência à pré-escola tem um efeito negativo e
significativo sobre a probabilidade de repetir uma série. A frequência à creche não tem um
efeito significativo sobre a probabilidade de repetência.
12
Tabela 4: Impacto da Educação Infantil sobre o Desempenho em Matemática
Repetência
Proficiência (MQO)
Proficiência (Função Controle)
(1)
(2)
(3)
(1)
(2)
(3)
(1)
(2)
(3)
Alunos
Homem
0.0868*** 0.0867*** 0.0850***
3.967***
(0.00769) (0.00752) (0.00744)
(0.694)
(0.679)
(0.669)
(1.630)
(1.059)
(1.100)
Branco
-0.0282*** -0.0266*** -0.0335*** 4.873***
5.730***
6.431***
5.273***
5.137***
6.386***
(0.00839) (0.00812) (0.00798)
4.014***
3.771***
2.046
5.494***
4.571***
(0.755)
(0.733)
(0.719)
(0.906)
(0.789)
(0.808)
Idade
0.0743*** 0.0722*** 0.0733*** 5.368***
(0.00200) (0.00190) (0.00188) (0.189)
5.468***
(0.181)
5.353***
(0.177)
3.832***
(1.283)
6.736***
(0.703)
5.866***
(0.774)
Número de Irmãos
0.0410***
(0.00302)
-0.00903*
(0.00485)
-0.00888
Número de Irmãos
que frequentam à
Frequentou a creche
Frequentou a creche
no mesmo municipio
Frequentou a préescola
Frequentou a préescola no mesmo
Professor
Homem
Idade
Branco
0.0418***
(0.00296)
-0.0105**
(0.00474)
-0.0122
0.0422*** -2.483*** -2.440*** -2.448*** -3.308***
(0.00293) (0.274)
(0.268)
(0.264)
(0.747)
-0.00943** 0.187
0.0912
-0.00637
0.558
(0.00469) (0.437)
(0.427)
(0.422)
(0.474)
-0.0153* 4.274*** 5.297*** 5.807*** 4.628***
(0.00908) (0.00886) (0.00873)
(0.814)
(0.794)
(0.779)
(0.851)
(0.831)
(0.830)
0.00133 -0.00129 -0.000822 3.404***
(0.00902) (0.00883) (0.00874) (0.809)
3.871***
(0.792)
3.171***
(0.781)
3.369***
(0.829)
3.789***
(0.815)
3.331***
(0.810)
-0.0657***
(0.0102)
0.00163
(0.00934)
14.04***
(0.897)
1.433*
(0.822)
14.55***
(0.881)
1.574*
(0.810)
14.42***
(1.466)
1.442*
(0.859)
12.54***
(1.163)
1.703**
(0.847)
14.08***
(1.223)
1.566*
(0.842)
-0.0732***
(0.00997)
0.00579
(0.00915)
-0.0775*** 13.24***
(0.00987) (0.916)
0.00555
1.404*
(0.00907) (0.839)
-0.0820***
4.673**
6.410**
(0.0212)
(1.857)
(2.502)
0.0110*
0.382
-0.175
(0.00611)
(0.541)
(0.550)
-0.0308**
12.51***
13.53***
(0.0123)
(1.113)
(1.265)
17.98***
(3.184)
-4.340***
(0.891)
17.44***
(3.279)
-6.858***
(2.190)
Possui ensino
-0.00770
(0.0356)
superior
Tem autonomia para 0.0987***
(0.0104)
reprovar
Diretor
-0.0133 -0.0233**
Homem
(0.00980) (0.00965)
Idade
Branco
Possui ensino
superior
A escola adota
política de ciclo
Repetência
-0.00424
0.991
1.365
1.001
1.150
(0.871)
(0.861)
(0.894)
(0.888)
-0.00550
0.606*
1.012***
0.345
0.683*
(0.00407) (0.00395)
(0.363)
(0.352)
(0.380)
(0.367)
-0.0405*** -0.0645***
2.642***
6.728***
4.108***
6.348***
(0.774)
-3.950
(4.569)
(0.704)
2.932
(4.445)
(0.960)
-4.367
(4.635)
(0.894)
3.518
(4.464)
(0.00875)
0.0524
(0.0498)
-0.0512***
(0.00945)
(0.00791)
0.0580
(0.0483)
-0.0836*** -0.0754***
(0.00840) (0.00824)
-21.91*** -22.70*** -23.01***
(0.819)
(0.796)
(0.781)
Função Controle
Constante
No Observações
2
R
-1.651*** -2.155***
(0.475)
(0.505)
0.0750
0.0878
(0.449)
(0.446)
5.343*** 6.022***
-0.645*** -0.555*** -0.572***
-0.258
-39.22*** -28.55***
(16.95)
(9.274)
-21.64
16.74*
(10.13)
5.315
(16.97)
(9.311)
(10.16)
112.8***
124.1***
135.6***
128.1***
113.5***
130.1***
(0.0619)
(0.0560)
(0.0269)
(5.628)
(5.125)
(2.374)
(12.51)
(7.632)
(6.854)
11,999
12,620
12,924
12,558
13,269
14,042
11,998
12,619
12,923
0.168
0.159
0.154
0.167
0.155
0.143
0.168
0.155
0.147
*** p<0.01, ** p<0.05, * p<0.1
Fonte: Pesquisa BNDES. Elaboração própria.
13
As demais colunas desta tabela apresentam os resultados para o segundo estágio do
processo de estimação. As colunas (4)-(6) apresentam os resultados da estimação pelo método
dos mínimos quadrados ordinários, isto é, sem controlar pela endogeneidade da repetência.
As colunas (7)-(9) apresentam os resultados obtidos usando a função controle como variável
explicativa na regressão. Os resultados indicam que a frequência à creche e à pré-escola tem
um efeito positivo e significativo sobre a proficiência em matemática, sendo que o impacto da
pré-escola é aproximadamente três vezes maior que o impacto da creche. Além disso,
repetência tem um efeito negativo e significativo sobre a proficiência em matemática. Quando
controlamos por endogeneidade e incluímos os controles de professor e aluno, a magnitude
do impacto de repetência sobre o desempenho escolar se torna muito pequena. Este resultado
indica que grande parte do impacto da repetência sobre o desempenho escolar encontrado
nas estimativas de mínimos quadrados ordinário se devia a seleção dos alunos com dificuldade
de aprendizado em escolas de baixa qualidade.
Com base nos resultados da tabela (4), calculamos os efeitos direto e indireto da
educação infantil sobre o desempenho em matemática. Esses resultados são apresentados na
tabela (5).
Tabela 5: O Efeito Direto e O Efeito Indireto da Creche e da Pré-Escola (Matemática)
Creche
(1)
(2)
(3)
Efeito Direto
4.628
100%
5.343
92%
6.02
93%
Efeito Indireto
0.00
0%
0.48
8%
0.44
7%
Coeficiente
-0.258
-39.22
-28.55
Efeito na Repetência
-0.0089
-0.0122
-0.0153
Efeito Total
4.63
5.82
6.46
Pré-Escola
Efeito Direto
14.42
100%
12.54
96%
14.08
97%
Efeito Indireto
0.00
0%
0.48
4%
0.44
3%
Coeficiente
-0.258
-39.22
-28.55
Efeito na Repetência
-0.0089
-0.0122
-0.02
Efeito Total
14.42
13.02
14.52
Fonte: Pesquisa BNDES. Elaboração própria.
A primeira coluna desta tabela apresenta os resultados quando controlamos pelas
características dos professores e diretores. A coluna (2) apresenta os resultados quando
controlamos somente pelas características dos diretores, e a coluna (3) apresenta os
resultados quando não incluímos nenhuma variável de controle dos professores e diretores.
Focaremos nos resultados da coluna (1). Estes resultados indicam que grande parte do
14
impacto da frequência à creche e/ou à pré-escola se dá de forma direta sobre o desempenho
escolar, sendo o impacto indireto através da repetência pequeno.
Os mesmos procedimentos foram aplicados à amostra dos alunos que fizeram a prova
de português. Os resultados são apresentados nas Tabelas 6 e 7 (no anexo) e são
qualitativamente semelhantes aos de matemática.
Resumindo, os resultados encontrados apontam que frequência à creche e à préescola tem um efeito positivo no desempenho dos alunos, e este se dá via o conhecimento
acumulado ao longo dos anos que facilita o aprendizado futuro.
6. Considerações Finais
Este artigo trata de estimar o impacto da frequência à creche e pré-escola sobre o
aprendizado dos alunos brasileiros no 4º, 6º e 8º anos do ensino fundamental. O efeito da
educação infantil sobre o aprendizado pode se dar por vários canais. O aluno desenvolve
habilidades cognitivas e não-cognitivas nesta fase que podem contribuir ao aprendizado no
ensino fundamental. Estes canais podem ser sintetizados num melhor fluxo ao longo dos anos
do ensino fundamental com impactos no aprendizado mais a frente (canal indireto) como
também afetar o aprendizado na sua série atual. A educação infantil pode ajudar no
desenvolvimento de atitudes, hábitos, capacidade de concentração, etc., que afetam
diretamente o aprendizado (canal direto).
Os resultados encontrados são que a educação infantil afeta positivamente o
aprendizado no ensino fundamental e esse efeito é predominantemente direto, embora haja
algum efeito pequeno sobre a redução na repetência.
As evidências apresentadas neste trabalho trazem algumas sugestões importantes
para as políticas educacionais. Primeiramente, investimentos na creche e pré-escola têm
efeitos positivos sobre o aprendizado no ensino fundamental, particularmente a pré-escola.
Segundo, ao estabelecer um cálculo de custo-benefício entre se colocar mais recursos no
ensino fundamental diretamente ou mais recursos no ensino em primeira infância é
importante levar em conta o efeito que a frequência à creche e à pré-escola tem também
sobre a repetência no ensino fundamental. O investimento em educação infantil pode ser uma
alternativa viável para o melhoramento do aprendizado no ensino fundamental.
15
Referências Bibliográficas
BANCO MUNDIAL. Achieving World Class Education in Brazil: The Next Agenda”, World Bank
Report, 2010.
BARNETT, S. Preschool education and its lasting effects: research and policy implications.
National Institute for Early Education Research, 2008.
BARROS, R. P.; CARVALHO, M.; FRANCO, S.; MENDONÇA, R. ROSALÉM, A. Uma avaliação do
impacto da qualidade da creche no desenvolvimento infantil. Pesquisa e Planejamento
Econômico, v. 41, n.2, 2011.
BERLINSKI, S.; GALIANI, S.; MANACORDA, M. Giving children a better start: preschool
attendance and school-age profiles. Journal of Public Economics, vol. 92, p. 1416-1440, 2008.
BERLINSKI, S.; GALIANI, S.; e GERTLER, P. The effect of pre-primary education on primary
school performance. Journal of Public Economics, v. 93, p. 219-234, 2009.
CHETTY, R.; FRIEDMAN, J. N.; HILGER, N.; SAEZ, E.; SCHANZENBACH, D. W.; YAGAN, D. How
does your kindergarten classroom affect your earnings? Evidence from project Star. Mimeo,
2011.
CUNHA, F.; HECKMAN, J. J. The technology of skill formation. IZA Discussion papers n. 2550,
2007.
CURI, A.; MENEZES-FILHO, N.A. Os efeitos da pré-escola sobre salários, escolaridade e
proficiência. Inper Working papers n. 57, 2006.
DOBKIN, C.; FERREIRA, F. Do school entry laws affect educational attainment and labor market
outcomes? Economics of Education Review, v. 29, n. 1, p. 40-54, 2010.
DYNARSKI, S.; HYMAN, J. M.; SCHANZENBACH, D. W. Experimental evidence on the effect of
childhood investments on postsecondary attainment and degree completion. NBER Working
Papers n. 17533, 2011.
KNUDSEN, J.; HECKMAN, J. J.; CAMERON, J. L. SHONKOFF, J. P. Economic, neurobiological, and
behavioral perspectives on building America’s future workforce. PNAS, v. 103, nº 27, p. 1015510162, 2006.
16
Anexo
Tabela 6: Impacto da Educação Infantil sobre o Desempenho em Português
Repetência
Proficiência (MQO)
Proficiência (Função Controle)
(1)
(2)
(3)
(1)
(2)
(3)
(1)
(2)
(3)
-0.00888 -0.0122 -0.0153* 5.253*** 6.045*** 6.441*** 5.221*** 5.566*** 6.166***
Frequentou a creche
(0.00908) (0.00886) (0.00873) (0.855) (0.834) (0.809) (0.893) (0.871) (0.867)
Frequentou a creche 0.00133 -0.00129 -0.000822 2.263*** 2.594*** 2.168*** 2.390*** 2.693*** 2.543***
no mesmo municipio
(0.00902) (0.00883) (0.00874) (0.850) (0.832) (0.810) (0.871) (0.854) (0.846)
atual
Frequentou a pré- -0.0657***-0.0732***-0.0775*** 14.13*** 15.00*** 15.21*** 14.36*** 12.63*** 13.75***
escola
(0.0102) (0.00997) (0.00987) (0.962) (0.942) (0.915) (1.539) (1.219) (1.278)
Frequentou a pré0.00163 0.00579 0.00555
0.393
0.342
0.382
0.491
0.548
0.379
escola no mesmo
(0.00934) (0.00915) (0.00907) (0.881) (0.864) (0.842) (0.902) (0.887) (0.880)
munícipio atual
Repetência
-23.47*** -24.23*** -24.42*** -16.39 -52.69*** -44.73***
(0.860) (0.836) (0.811) (17.80) (9.720) (10.59)
Função Controle
-7.021 28.73*** 20.19*
(17.82) (9.758) (10.62)
Constante
-0.645*** -0.555*** -0.572*** 104.2*** 119.8*** 134.2*** 111.0*** 102.7*** 119.9***
(0.0619) (0.0560) (0.0269) (5.913) (5.383) (2.465) (13.14) (7.998) (7.163)
Alunos
Homem
0.0868*** 0.0867*** 0.0850*** -8.860*** -8.734*** -8.857*** -9.531*** -6.373*** -7.064***
(0.00769) (0.00752) (0.00744) (0.729) (0.714) (0.694) (1.711) (1.109) (1.149)
Branco
-0.0282***-0.0266***-0.0335*** 5.675*** 6.318*** 6.984*** 5.488*** 5.282*** 6.306***
(0.00839) (0.00812) (0.00798) (0.794) (0.770) (0.746) (0.952) (0.826) (0.845)
Idade
0.0743*** 0.0722*** 0.0733*** 5.278*** 5.401*** 5.250*** 4.773*** 7.517*** 6.848***
(0.00200) (0.00190) (0.00188) (0.199) (0.190) (0.184) (1.348) (0.736) (0.808)
Número de Irmãos 0.0410*** 0.0418*** 0.0422*** -3.126*** -3.129*** -3.186*** -3.324*** -1.801*** -2.184***
(0.00302) (0.00296) (0.00293) (0.287) (0.282) (0.274) (0.785) (0.498) (0.528)
Número de Irmãos
-0.00903* -0.0105** -0.00943** 0.257
0.181
0.0502
0.389
-0.0888 -0.157
que frequentam à
escola
(0.00485) (0.00474) (0.00469) (0.459) (0.449) (0.438) (0.497) (0.471) (0.466)
Professor
Homem
-0.0820***
4.095**
5.703**
(0.0212)
(1.951)
(2.627)
Idade
0.0110*
1.524***
0.944
(0.00611)
(0.569)
(0.578)
Branco
-0.0308**
9.163***
9.848***
(0.0123)
(1.169)
(1.328)
Possui ensino
-0.00770
21.65***
21.07***
superior
(0.0356)
(3.345)
(3.443)
Tem autonomia para 0.0987***
-4.028***
-4.879**
reprovar
(0.0104)
(0.936)
(2.299)
Diretor
Homem
-0.0133 -0.0233**
-0.0249
0.282
-0.0317 -0.0263
(0.00980) (0.00965)
(0.915) (0.905)
(0.939) (0.931)
Idade
-0.00424 -0.00550
1.318*** 1.650***
0.914** 1.140***
(0.00407) (0.00395)
(0.382) (0.370)
(0.399) (0.385)
Branco
-0.0405***-0.0645***
1.765** 5.196***
3.068*** 4.522***
(0.00875) (0.00791)
(0.813) (0.740)
(1.008) (0.937)
Possui ensino
0.0524
0.0580
-3.728
4.427
-3.721
5.525
superior
(0.0498) (0.0483)
(4.801) (4.669)
(4.866) (4.678)
-0.0512***-0.0836***-0.0754***
A escola adota
política de ciclo
(0.00945) (0.00840) (0.00824)
No Observações
11,999
12,620
12,924
12,557
13,268
14,041
11,997
12,618
12,922
2
R
0.168
0.159
0.154
0.171
0.162
0.155
0.171
0.163
0.157
*** p<0.01, ** p<0.05, * p<0.1
Fonte: Pesquisa BNDES. Elaboração própria.
17
Tabela 7: O Efeito Direto e O Efeito Indireto da Creche (Português)
Creche
(1)
(2)
(3)
Efeito Direto
5.221
97%
5.566
90%
6.17
Efeito Indireto
0.15
3%
0.64
10%
0.68
Coeficiente
-16.39
-52.69
-44.73
Efeito na Repetência
-0.0089
-0.0122
-0.0153
Efeito Total
5.37
6.21
6.85
Pré-Escola
Efeito Direto
14.36
99%
12.63
95%
13.75
Efeito Indireto
0.15
1%
0.64
5%
0.68
Coeficiente
-16.39
-52.69
-44.73
Efeito na Repetência
-0.0089
-0.0122
-0.02
Efeito Total
14.51
13.27
14.43
Fonte: Pesquisa BNDES. Elaboração própria.
90%
10%
95%
5%
18
A influência da redução da repetência sobre o desempenho escolar futuro
Reynaldo Fernandes+
Luiz Guilherme Scorzafave+
Maria Isabel Accoroni Theodoro*
Amaury Patrick Gremaud+
1. Introdução
A elevada evasão escolar a partir do final do ensino fundamental é um dos principais
problemas enfrentados atualmente no Brasil. Há evidências de que o atraso escolar é um dos
principais previsores da evasão ou abandono futuros. Por exemplo, Gremaud et al. (2011)
investigaram o papel do aprendizado dos alunos ao final do ensino fundamental na decisão de
ingresso e permanência no ensino médio no Estado de São Paulo. Encontraram que quanto melhor o
desempenho escolar dos alunos ao final do ensino fundamental, maior a chance tanto de ingresso
como de permanência no ensino médio. Mas o ponto de destaque desse trabalho é que a variável
mais importante na determinação da probabilidade de frequentar o ensino médio foi o fato de o
aluno não ter atraso escolar. Para pessoas com idênticas características socioeconômicas e mesma
proficiência escolar, possuir defasagem idade-série reduz a probabilidade de ingressar no ensino
médio e, para os que ingressam, reduz de modo significativo a probabilidade de permanecer nele.
Assim, a probabilidade de ingressar e de permanecer no ensino médio é extremamente
dependente de o aluno ter ou não atraso escolar. Assim, fica claro que políticas que visem à redução
do atraso escolar ao longo do ensino fundamental podem ter efeitos que se estendem até o ensino
médio. Algumas evidências empíricas permitem caracterizar a magnitude desse atraso escolar. Por
exemplo, a tabulação dos microdados da pesquisa de campo realizada em parceria com o BNDES em
2012 aponta que dos alunos que estavam cursando o 4º ano do ensino fundamental, pelo menos
22% tinham abandonado a escola em algum momento anterior. Além disso, mais de 25% dos alunos
de 4º ano já tinham repetido o ano pelo menos uma vez. Ambos os fatores, obviamente,
demonstram a importância da distorção idade-série no Brasil.
A partir dos anos noventa, para descomprimir o acesso ao nível fundamental do ensino
público brasileiro, uma série de políticas começou a ser implantada no Brasil. Em particular, o
diagnóstico de que altas taxas de reprovação nas primeiras séries do ensino fundamental acabavam
gerando um processo de evasão escolar precoce, acabou levando a adição em diversas redes de
ensino públicas brasileiras de medidas que procurassem contornar esse processo. Uma das medidas
+ Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto, Universidade de São Paulo (FEARP/USP); * Centro Universitário Moura Lacerda.
1
mais utilizadas foi a adoção de sistemas de ciclos, dentro dos quais a possibilidade de reprovação
seria afastada, sendo possível apenas ao término dos ciclos.
O principal argumento a favor dessa medida é que o sistema de ciclos possibilitaria um maior
tempo para que os alunos com mais dificuldade pudessem aprender, evitando assim que a
reprovação levasse a um processo de evasão escolar. Uma premissa do sistema, no entanto, é que
haveria uma estrutura pedagógica de sorte a dar o apoio necessário para que os alunos pudessem
efetivamente aprender dentro do ciclo. Dessa forma, apenas ao final de cada ciclo, haveria a
possibilidade de o aluno ser reprovado, vindo a cursar novamente, em geral, a última série do ciclo.
Para os críticos dessa política, a má implantação dos sistemas de ciclos levaria a ausência de
avaliações sistemáticas e ao surgimento de um desincentivo ao estudo, já que não haveria um
instrumento de avaliação tradicional (provas) que servisse de baliza para decisão da aprovação ou
não dos estudos. De fato, as informações da pesquisa BNDES-2012 indicam que o desenho dos
programas de reforço escolar, em 59% dos casos, não é direcionado aos alunos que seriam
reprovados sem a política de ciclos. Em 53% dos casos as aulas de reforço abrangem todas as séries,
sem um foco especial nesses alunos. 54% dos professores de escolas que possuem tais políticas
apontam que os alunos que seriam reprovados sem essas ações são os menos motivados. E, por fim,
62% dos docentes afirmam que tais alunos têm desempenho pior que seus pares.
Essas políticas aparecem sob diversas denominações: política de ciclos, de progressão
continuada, de progressão automática. Além da questão semântica, o desenho delas pode ser
bastante distinto. No entanto, o ponto em comum que as une é o fato de que, em algum grau, há
uma diminuição dos padrões de aprovação nas séries afetadas, ou seja, mais indivíduos são
aprovados e evoluem para as séries seguintes do que ocorreria na ausência dessas políticas. Ao longo
dos anos 90 e 2000, essas políticas foram se ampliando. Para se ter uma ideia da abrangência das
mesmas, de acordo com dados da pesquisa BNDES-2012, cerca de 2/3 das escolas públicas brasileiras
apresentavam algum tipo de política dessa natureza. Em 90% dos casos, as políticas são definidas no
âmbito das secretarias de educação e em apenas 10% dos casos, a iniciativa é da própria escola.
Outro dado interessante da pesquisa BNDES-2012 é que esse tipo de política está longe de
ser consensual dentro da própria comunidade escolar. Cerca de 52% dos diretores (e 46% dos
docentes) se mostram favoráveis a elas, enquanto 46% dos diretores (e 54% dos docentes) foram
desfavoráveis. Isso demonstra a relevância de se estudar mais detalhadamente as consequências
desse tipo de política.
Por sua vez, há evidências de que tem ocorrido uma diminuição da evasão e uma elevação
das taxas de promoção escolar no Brasil, especialmente durante o ensino fundamental. No entanto,
não há estudos que busquem ligar esse fenômeno com as decisões de término do ensino
fundamental e de ingresso e permanência no ensino médio. Utilizando uma medida de padrão de
2
aprovação como variável instrumental para a taxa de promoção escolar, será investigado o efeito
causal da taxa de promoção escolar da primeira etapa do ensino fundamental sobre o desempenho
futuro dos alunos brasileiros em algumas dimensões. Na faixa etária dos 17 a 19 anos, será
investigado o efeito sobre a proporção de indivíduos que estão fora da escola (sem ter concluído
ensino fundamental e ensino médio); sobre a parcela de indivíduos que concluíram os níveis
fundamental e médio de ensino; sobre a proporção de alunos que ingressaram no ensino superior.
Também será analisado o efeito desse tipo de política sobre a proficiência escolar dos indivíduos aos
14 anos, bem como sobre a proporção de pessoas que estava fora da escola nessa mesma idade.
2. Revisão Bibliográfica
A educação brasileira vem conquistando melhoras significativas em seus indicadores nos
últimos anos. De acordo com dados do IPEA, para crianças na faixa de 7 a 14 anos de idade, a
universalização do acesso à escola é um dos grandes avanços sociais das últimas décadas, a taxa de
frequência bruta1 era de 86,6% em 1992, e passou para 98% em 2009. No entanto, essa
universalização do ensino fundamental traz consigo outros desafios a serem enfrentados, dentre os
quais se destacam a melhoria da qualidade do ensino e a regularização do fluxo escolar.
O problema da baixa cobertura do ensino fundamental brasileiro começou a ser mais bem
investigado somente a partir da década de 80. Antes disso, a partir de diagnósticos formulados com
base nos dados dos Censos Escolares, se acreditava que o principal responsável pelo fracasso do
sistema de ensino brasileiro eram as altas taxas de evasão, causadas por vários fatores
socioeconômicos externos ao sistema de ensino: pobreza, má distribuição de renda, desestruturação
da família etc. Isso excluía a escola do ponto central de análise (GOLGHER, 2004; SOARES e LIMA,
2002).
No entanto, trabalhos questionando a elevada taxa de evasão passaram a apontar que as
estatísticas oficiais brasileiras estavam erradas2. Dado que a definição correta de repetência é a
frequência na mesma série do ano anterior, qualquer que seja o motivo, a definição errada, utilizada
nos censos escolares até 1994, é que um aluno é repetente quando frequenta a mesma série do ano
anterior por ter sido reprovado por frequência ou falta. Nesse caso, observa-se que, na definição
errada, o aluno que deixa de frequentar a escola por abandono não era considerado um repetente
quando retornava à escola no ano seguinte, fato este que inflava as taxas de evasão ao invés das
taxas de repetência (KLEIN e FONTANIVE, 2009).
1
Percentual da população por faixa etária que frequenta escola, independentemente do grau de ensino em
que está matriculada.
2
Ver, por exemplo, Golgher (2004), Rigotti (2001), Ribeiro (1991) e Soares (2006).
3
Dado isso, estudos feitos já na década de 90 conseguiram verificar que o maior problema
nas escolas do país era, na verdade, as altas taxas de repetência (KLEIN, 2006; RIBEIRO, 1991). Sendo
assim, com a identificação do real problema do sistema de ensino brasileiro, novos trabalhos
buscaram analisar a repetência de forma mais detalhada.
Segundo Ribeiro (1991) análises realizadas na década de 40 mostraram que, apesar de o
acesso à educação básica ser de apenas 65% da população, a repetência na 1ª série do antigo curso
primário era da ordem de 60%, o que repercutia em toda a vida acadêmica posterior do aluno. No
entanto, mesmo com o passar do tempo e o empenho da redução dessa taxa, ainda em 2005,
mesmo com o acesso à educação básica atingindo quase a totalidade da população em idade correta,
a taxa de repetência na 1ª série continuava alta, em torno de 30% (KLEIN e FONTANIVE, 2009).
O principal problema dessa alta taxa de repetência, é que ela sinaliza não apenas uma falha
da criança para dominar o conteúdo de uma determinada série, mas de forma mais ampla,
representa uma ruptura da criança com o ambiente educacional (MCCOY e REYNOLDS, 1999). Além
disso, a probabilidade de um aluno repetente repetir novamente é duas vezes maior do que um
aluno que nunca repetiu, ou seja, a repetência tende a provocar novas repetências, ao contrário do
que sugere a cultura pedagógica brasileira de que repetir ajuda a criança a progredir em seus estudos
(RIBEIRO, 1991).
Na verdade a questão da repetência vem sendo discutida há um bom tempo na literatura
internacional (EISENMON, 1997; BROPHY, 2006). Segundo Jackson (1975) o interesse por esse tema
remonta ao final do século XIX, e os resultados encontrados são substancialmente coerentes, no
entanto, pouco foi feito para se solucionar essa questão (CRAHAY, 2006). Estudos feitos a esse
respeito tiveram uma evolução importante, marcada pela melhora cada vez maior das técnicas de
análise estatística (CRAHAY, 2006), pois segundo Jimerson et al. (1997), grande parte da discordância
nos resultados encontrados se deve a problemas na metodologia adotada, principalmente a
desenhos amostrais enviesados. No entanto, mesmo assim, parece não haver um consenso sobre os
efeitos da repetência sobre o aluno retido, sobre seu aprendizado e ajustamento social (LUZ, 2008;
MOREIRA et al., 2008).
Mesmo havendo discordância, a grande maioria dos pesquisadores desse tema argumenta
que a repetência por si só não beneficia os alunos academicamente, podendo ser até prejudicial, em
termos comportamentais e emocionais. McCoy e Reynolds (1999) concluem que repetência é uma
prática reativa de educação, pois em todos os testes realizados, o desempenho das crianças retidas
se manteve consistentemente aquém do desempenho dos seus colegas promovidos. Jimerson e
Fegurson (2007) não conseguiram demonstrar a eficácia de repetência no desempenho acadêmico.
Além disso, análises sobre o comportamento dos alunos retidos sugerem que a repetência gera mais
agressividade na adolescência. Meisels e Liaw (1993) encontraram que retenção em qualquer idade
4
está associada com piores resultados acadêmicos e emocionais. Segundo os autores, estudantes não
retidos demonstraram resultados mais elevados em testes, e menos problemas acadêmicos,
emocionais e comportamentais do que o grupo retido. Especialmente entre alunos mais velhos
(estudantes do último ano do ensino fundamental e do ensino médio), a reprovação é um dos
fatores com maior poder preditivo da probabilidade de evasão (JIMERSON et al. 2002; JACOB e
LEFGREN, 2009). Além disso, a meta-análise realizada por Holmes (1990) apud Crahay (2006) indicou
que dos 63 estudos investigados, todos encontravam efeitos negativos da repetência, exceto um,
que encontrava efeito positivo, porém tênue sobre a imagem que o aluno possuía de si próprio.
Ainda nessa linha, Glick e Sahn (2010) mostraram que as crianças que repetiam a segunda
série do ensino fundamental tinham maiores probabilidades de abandonar a escola antes do término
do fundamental, se comparadas a crianças de mesma habilidade não cognitiva, mas que por
estudarem em escolas com padrão de reprovação diferente não haviam sido reprovadas. Manacorda
(2012) também mostra que a repetência leva a um maior abandono e menor nível de aprendizado,
mesmo após cinco anos da primeira reprovação, utilizando dados do Uruguai. Chen et al. (2010) e
Díaz et al. (2012) chegam à conclusão semelhante de efeito negativo da repetência sobre a
proficiência de crianças das áreas rurais da China e da Região Metropolitana de Santiago.
No entanto, alguns trabalhos apontam efeitos positivos da repetência. Alexander et al.
(1999) argumenta que a repetência pode ser benéfica, desde que a seleção dos alunos retidos seja
feita de forma correta. De acordo com seus resultados, alunos com dificuldades específicas de
aprendizado e crianças cuja habilidade e maturidade emocional não são adequadas a sua idade
cronológica, podem ser favorecidos com o tempo adicional de aprendizado proporcionado pela
retenção (Alexander et al., 1999). Gomes-Neto e Hanushek (1994), ao analisar dados sobre o
nordeste brasileiro encontraram evidências de que o desempenho dos alunos reprovados aumenta
com a repetência. Os autores concluem que os alunos repetentes partem de um desempenho
inferior em relação aos promovidos, mas o ano adicional cursado é mais do que suficiente para que
eles neutralizem o diferencial de aprendizado que existia anteriormente. Além disso, segundo Soares
e Lima (2007), pode ser que a ameaça da retenção funcione como um incentivo em sistemas que não
têm outro modo de motivar o aluno. Lorence et al. (2002) encontram que a retenção de alunos de
baixo desempenho da terceira série não prejudicava seu desempenho escolar futuro (cinco anos
adiante), se comparados a alunos aprovados apenas por critérios sociais, algo análogo ao sistema de
progressão automática brasileiro.
Um estudo recente de Wu et al. (2010) aponta benefícios da repetência em dimensões não
cognitivas. Especificamente, crianças repetentes apresentam menor hiperatividade (reportada pelo
professor), tristeza (reportada pelos colegas de turma) e melhor comportamento (reportada pelo
professor). Também encontram efeito de longo prazo da repetência na auto-percepção do aluno
5
repetente quanto a sua eficácia na escola e efeito de curto prazo apenas sobre sentimento de
pertencimento a escola. Por fim, haveria efeitos negativos de longo prazo sobre a aceitação social do
aluno repetente. Já Dong (2010) encontra que a repetência na pré-escola tem efeitos positivos,
embora decrescentes no desempenho escolar até a terceira série.
No entanto, retomando a discussão da relação entre evasão e repetência, pode-se dizer que
muitos casos de evasão escolar ocorrem somente depois de repetidas tentativas de aprovação, em
outras palavras, o aluno evadido típico tenta várias vezes concluir com sucesso uma série antes de
finalmente desistir (SOARES e LIMA, 2007).
Nesse sentido, King et al. (1999), ao analisar os efeitos da política de retenção sobre o
aumento dos anos de estudo, concluiu que a aprovação tem grande impacto sobre a continuidade do
aluno no sistema de ensino. Os alunos promovidos apresentaram chance 40% maior que os retidos
de continuarem na escola.
Além disso, existem outras evidências do efeito de repetição sobre evasão escolar. Grissom e
Shepard (1989) sugerem que a repetência leva ao abandono (entre 20-30%), mesmo depois de
controlar os efeitos dos fatores que explicam a repetição em si, como nível socioeconômico e sexo.
Para os EUA, Eide e Showalter (2001) descobriram que ao controlar a endogeneidade da repetência
através da estimação com variáveis instrumentais, há uma relação inversa entre repetência e evasão
para alunos brancos, embora o tamanho do efeito seja muito pequeno na prática. Por sua vez, Jacob
e Lefgren (2004) encontram que a repetência possui efeito positivo sobre a proficiência na 3ª série,
mas efeito muito baixo na 6ª série. Os mesmos autores, em trabalho de 2009 encontram que a
repetência entre estudantes muito jovens não diminui a probabilidade de conclusão do ensino
médio, mas que a repetência de estudantes de 8ª série de baixo desempenho acadêmico aumenta
substancialmente a probabilidade de esses alunos evadirem no ensino médio. Allenswoth et al.
(2005) encontram um pequeno efeito da repetência sobre o abandono dos alunos repetentes,
embora para a base de dados utilizada, tenha havido uma diminuição proporcional no abandono dos
alunos não repetentes.
Em suma, a justificativa mais comum para reprovação é que os alunos reprovados não
adquiriram os conhecimentos e habilidades mínimas que lhes permitissem cursar a série
subsequente. No entanto, um ponto que precisa ser mais bem analisado sobre essa questão é que
nesse modelo não caberia ao professor fixar os conteúdos e habilidades a serem adquiridos pelos
alunos, os quais deveriam ser determinados por níveis mais elevados, como a secretaria da
educação. Porém, a repetência pode ser utilizada pelos professores como forma de alterar a
estrutura de incentivos dos alunos, ou seja, o professor pode usar a repetência como punição, para
evitar comportamentos indesejados. Nesse caso, a repetência seria um instrumento que os
6
professores poderiam utilizar para, além de induzir o aprendizado, evitar comportamentos
inapropriados.
Como vimos, a literatura tem colocado em xeque os efeitos benéficos da repetência, embora
haja alguma evidência em contrário, o que ilustra a importância do presente trabalho.
3. Metodologia
O objetivo dessa pesquisa é investigar a relação entre a taxa de promoção escolar a que
foram expostas cada geração de indivíduos ao final da primeira etapa do ensino fundamental (4ª
série/5º ano) sobre a permanência escolar futura dos indivíduos dessa geração. Particularmente,
será investigado se maiores taxas de promoção escolar no início do ensino fundamental estariam
levando a uma menor evasão escolar, tanto ao final do ensino fundamental como ao longo do ensino
médio.
A investigação desse efeito causal pode padecer do problema de endogeneidade, pois outros
fatores podem estar associados tanto a maior promoção escolar como a menor evasão futura. Por
exemplo, é possível que a “qualidade” dos alunos, em termos de capacidade e facilidade de
aprendizado e do desenvolvimento de competências sociais, esteja melhorando ao longo do tempo.
Assim, ao ingressarem no ensino fundamental, mais alunos conseguiriam ser aprovados e, pelo fato
de terem mais facilidade de aprendizado, teriam uma menor taxa de evasão ao término do ensino
fundamental e no ensino médio. Uma melhoria tanto em aspectos cognitivos como não cognitivos
durante os primeiros anos de vida, o acesso a creches de boa qualidade e a garantia de uma boa
condição de saúde são exemplos de fatores que poderiam estar por detrás dessa melhoria da
“qualidade” do aluno ingressante no ensino fundamental. Ou seja, as taxas de promoção escolar
podem estar aumentando porque os alunos estão tendo menor dificuldade para serem aprovados.
Desse modo, a estimação de um modelo por mínimos quadrados ordinários que buscasse relacionar
taxas de repetência e evasão no futuro seria enviesada.
Para contornar esse problema, é proposto nessa pesquisa o uso da abordagem de variáveis
instrumentais. O instrumento a ser construído é decorrente de uma série de políticas adotadas
amplamente pelas redes de ensino no Brasil ao longo dos anos 90 com o objetivo de combater a
repetência escolar no ensino fundamental. As políticas de não repetência ou de ciclos facilitaram a
aprovação de alunos que, na ausência de tal política, seriam reprovados. Uma vez que a política foi
extensiva a todos os alunos de determinada geração e sistema de ensino, ela provavelmente não
está correlacionada a fatores não observados que afetam a taxa de evasão ao final do ensino
fundamental ou ao longo do ensino médio. Por exemplo, a “qualidade não observada” dos alunos
7
não deve estar relacionada com a adoção desse tipo de política, o que a tornaria um bom
instrumento para o nosso contexto de pesquisa.
Como a redução das exigências para a aprovação não se deu de forma padronizada e
simultânea nas redes de ensino públicas do país, é necessário que se proponha uma medida que
capture a maior facilidade de aprovação dos alunos com a adoção desse tipo de proposta.
Para compreendermos a lógica dessa medida, imagine que para uma série específica de uma
escola, pode-se obter uma distribuição de proficiência dos alunos. A nossa hipótese é que, grosso
modo, os alunos não aprovados em uma série são os que estão na cauda inferior da distribuição de
notas. Se a proficiência é o critério determinante do processo de aprovação ou não do aluno, então
essa hipótese é bastante razoável. Será denominado padrão de aprovação (ou nota de corte) a
proficiência do último aluno aprovado. Assim, uma escola que adotasse qualquer medida que
dificultasse a reprovação do aluno (ciclos, progressão continuada etc.) levaria a uma diminuição
dessa nota de corte3.
Para calcular essa nota de corte, na prática, há alguns obstáculos a serem superados. Em
primeiro lugar, não há disponibilidade de dados desagregados por escolas que permitam o cálculo
desse padrão de aprovação separadamente para cada uma das escolas. O menor nível de
desagregação com o qual conseguimos trabalhar são as unidades da federação. Assim, ao invés de
analisarmos a distribuição de proficiência de cada escola, iremos analisar a distribuição de
proficiência de cada unidade da federação. Obviamente, nesse caso não é claro que os alunos não
aprovados da unidade da federação são aqueles com as menores proficiências do estado.4 Apesar de
conscientes da imperfeição da medida adotada, acreditamos que ela seja uma medida aproximada
que reflita a mudança dos padrões de aprovação entre estados e ao longo do tempo.
O segundo problema diz respeito ao fato que a distribuição de proficiência da geração como
um todo em determinada série não é conhecida, exatamente pelo fato de nem todos os alunos
terem sido aprovados. Assim, ao ser utilizada uma avaliação externa padronizada na 4ª série (5º ano)
do ensino fundamental, a distribuição de proficiência para uma dada geração de alunos é uma
distribuição truncada, pois nem todos os alunos daquela geração alcançaram a 4ª série (5º ano).
Assim, para que seja possível recuperar o padrão de aprovação, é necessário fazer a hipótese de que
a distribuição de proficiência observada é uma normal truncada. De posse de estimativas da média e
da variância da distribuição truncada e da proporção de alunos atrasados na geração, seria possível
3
De fato, os dados da pesquisa BNDES-2012 mostram que 89% dos professores utilizam como principal motivo
para reprovar um aluno o fato dele não ter adquirido as habilidades mínimas para avançar para a série
seguinte, o que contribui para corroborar nossa hipótese de trabalho.
4
Uma evidência a favor dessa hipótese é que, calculadas para todas as unidades da federação, a média da
proficiência dos alunos da 4ª série (5º ano) no SAEB é maior para os que estão na idade correta do que para os
que estão atrasados.
8
recuperar a nota de corte (ou padrão de aprovação) correspondente à geração com idade ideal para
cursar a 4ª série (5º ano) do ensino fundamental.5 O cálculo será realizado para diferentes gerações e
separado para cada uma das unidades da federação.
Vale destacar que, uma vez que o cálculo será realizado para a 4ª série (5º ano), a medida
obtida será, na verdade, um indicador sintético das notas de corte com que os alunos da geração se
defrontaram nos anos anteriores, ou seja, entre a 1ª e a 3ª série do ensino fundamental. Por fim,
serão obtidas duas notas de corte: uma para matemática e outra para língua portuguesa.
Para explicitar a nossa estratégia empírica, seguindo procedimento semelhante ao realizado
em Oreopoulos (2006), foram geradas diversas células de acordo com a unidade da federação e
coorte de nascimento. Para o cálculo das coortes de nascimento, foi estabelecido o período de julho
do ano t-1 a junho do ano t.
A equação a ser estimada é a seguinte:
(1)
Especificamente, iremos adotar k=4, 7, 8 e 9 e t =10.
será definida como:
a) proporção da coorte c na unidade da federação i que estava fora da escola quatro (k=4)
períodos após a idade considerada ideal (t=10) para o término do primeiro ciclo do fundamental.
b) proporção da coorte c na unidade da federação i que estava estudando, embora com
atraso escolar, quatro (k=4) períodos após a idade considerada ideal (t=10) para o término do
primeiro ciclo do fundamental.
c) proporção da coorte c na unidade da federação i que possuía atraso escolar, estivesse ou
não estudando, quatro (k=4) períodos após a idade considerada ideal (t=10) para o término do
primeiro ciclo do fundamental.
d) proficiência média da geração em língua portuguesa e matemática, quatro (k=4) períodos
após a idade considerada ideal (t=10) para o término do primeiro ciclo do fundamental.
Para k= 7, 8 e 9 (ou seja, para as idades de 17, 18 e 19 anos),
será definida como:
e) proporção da coorte c na unidade da federação i que estava fora da escola e não tinha
concluído o ensino médio k períodos após a idade considerada ideal (t=10) para o término do
primeiro ciclo do fundamental.
5
Note que se as proficiências dos alunos fossem medidas sem erro, bastaria selecionar a nota mais baixa entre
os alunos da geração que se encontram na série correta (4ª série/5º ano). No entanto, devidos aos erros de
medida, esse procedimento produziria uma medida com muito ruído.
9
f) proporção da coorte c na unidade da federação i que havia concluído o ensino
fundamental k períodos após a idade considerada ideal (t=10) para o término do primeiro ciclo do
fundamental.
g) proporção da coorte c na unidade da federação i que havia concluído o ensino médio k
períodos após a idade considerada ideal (t=10) para o término do primeiro ciclo do fundamental.
h) proporção da coorte c na unidade da federação i que havia ingressado no ensino superior
k períodos após a idade considerada ideal (t=10) para o término do primeiro ciclo do fundamental.
é definida como a taxa de promoção escolar da coorte c na unidade da
federação i no tempo t, ou seja, aos 10 anos de idade. Mais especificamente, ela representa a média
das taxas de promoção às quais a coorte c esteve exposta durante as três primeiras séries do ensino
fundamental. Quanto maior for essa taxa, menor seria a repetência e a evasão escolar desses alunos.
e
representam efeitos fixos de unidade de federação e de coorte, respectivamente.
A identificação do efeito das taxas de promoção é realizada através da variável instrumental
padrão de aprovação (a), obtida a partir do seguinte processo. Seja
a distribuição de
proficiência dos alunos da coorte c, caso todos eles tivessem a sua proficiência observada na 4ª série
do EF em um dado ano. No entanto, essa distribuição não é observada, uma parte dos alunos da
coorte pode já apresentar algum atraso escolar ou ter evadido. A partir dos dados de proficiência dos
alunos da coorte c no ano t, obtém-se a média e a variância das distribuições truncadas à esquerda
do ponto de corte a, seguindo Greene (2010) como:
Onde
e
é a razão de Mills invertida. Admite-se que as variáveis
do lado esquerdo das duas expressões acima sejam conhecidas.6 Manipulando essas expressões,
pode-se mostrar que a pode ser escrito como:
O valor de
dos alunos abaixo de
é conhecido, pois representa o ponto de corte em uma
. Ora, uma vez que conhecemos a proporção de alunos de cada geração que
não estava cursando a 4ª série (5º ano) na idade correta, conhecemos
6
que deixa
Na verdade, elas serão estimadas.
10
e, portanto, da
distribuição
, conhecemos
, obtém-se
O cálculo de
. Com isso, obtém-se facilmente
, que, finalmente, permite calcular
e, da expressão da
.
é realizado para cada coorte de cada unidade da federação aos 10 anos de
idade. Se a redução dos critérios de aprovação foi efetiva, ela proporcionou uma diminuição dos
valores de a, fazendo com que o instrumento esteja correlacionado com a taxa de promoção escolar
da geração.
4. Dados
Agora é apresentada a descrição da base de dados utilizada para a estimação do modelo. Ela
foi construída por meio de microdados gerados por avaliações, pesquisas e exames realizados pelo
INEP e IBGE e compreende, para cada geração e unidade da federação, as variáveis que em
sequência são apresentadas.
O banco de dados foi montado em formato de um painel de gerações, sendo possível a
construção de seis gerações, definidas da seguinte forma:
Geração I: nascidos entre julho de 1984 e junho de 1985;
Geração II: nascidos entre julho de 1986 e junho de 1987;
Geração III: nascidos entre julho de 1988 e junho de 1989;
Geração IV: nascidos entre julho de 1990 e junho de 1991;
Geração V: nascidos entre julho de 1992 e junho de 1993;
Geração VI: nascidos entre julho de 1994 e junho de 1995.7
De acordo com a nomenclatura da equação (1), foram utilizadas variáveis de cada geração
em períodos de tempo distintos, que denominaremos de inicial (t) e final (t+k).
O tempo inicial corresponde ao momento no qual os alunos pertencentes a uma
determinada geração e unidade da federação estariam na idade ideal para cursarem a 4ª série do
ensino fundamental de oito anos (ou 5º ano do ensino fundamental de nove anos). Por exemplo,
para a geração nascida entre julho de 1984 e junho de 1985, esse tempo seria o ano de 1995.
O tempo final corresponde ao valor de k no qual os alunos dessa geração estariam com 14,
17, 18 ou 19 anos.
7
Note que as gerações são definidas de tal sorte que há um intervalo de um ano entre cada uma delas. Essa
opção teve que ser feita pois só é possível avaliar a proficiência aos 14 anos nos períodos em que ocorre o
SAEB, ou seja, 1999, 2001, 2003 e 2005.
11
Quadro 1 – Ilustração do banco de dados
Geração
1
2
3
4
5
6
Tempo inicial
10 anos
1995
1997
1999
2001
2003
2005
Tempo final
14 anos
1999
2001
2003
2005
2007
2009
Tempo final
17 anos
2002
2004
2006
2008
-
Tempo final
18 anos
2003
2005
2007
2009
2011
-
Tempo final
19 anos
2004
2006
2008
-
Fonte: Elaboração própria
O quadro I permite verificar que foi possível a construção de seis gerações de indivíduos,
embora para nem todas elas será possível o cálculo de todas as variáveis dependentes, dada a não
disponibilidade de dados mais recentes.
Vamos agora descrever as bases de dados utilizadas para a montagem das variáveis usadas
na pesquisa. No caso das variáveis dependentes, serão utilizados os dados da PNAD para calcular a
proporção de indivíduos que estava fora da escola aos 14, 17, 18 e 19 anos, por unidade da
federação. Ainda com o uso dos dados da PNAD, será possível averiguar quantos dos indivíduos de
uma geração terminaram o ensino fundamental e o ensino médio em cada uma dessas mesmas
faixas etárias. A PNAD não é realizada em anos do Censo Demográfico, de modo que não dispomos
de PNADs para os anos 2000 e 2010.
Para a montagem da variável explicativa taxa de promoção escolar, as informações foram
extraídas do Sistema de Estatísticas Educacionais (EdudataBrasil) disponível no site do INEP8. A taxa
de promoção escolar foi construída da seguinte maneira: para cada célula definida por geração e
unidade da federação, foi calculada a média das taxas de promoção referentes aos 3 anos anteriores
do ensino fundamental (1ª, 2ª e 3ª séries). Assim, por exemplo, para a geração I do estado de São
Paulo (lembrando que estão nessa geração alunos que nasceram entre julho de 1984 e junho de
1985 e, portanto, deveriam estar na 4ª série do ensino fundamental de 8 anos em 1995), foi feita
uma média das taxas de promoção escolar utilizando as seguintes informações:
•Taxa de promoção da 1ª série no estado de São Paulo em 1992;
•Taxa de promoção da 2ª série no estado de São Paulo em 1993;
•Taxa de promoção da 3ª série no estado de São Paulo em 1994.
Esses anos foram escolhidos, pois foi exatamente neles que os alunos da geração I
frequentaram a 1ª, 2ª e 3ª série e que a possível retenção ou evasão escolar ocorreram. Assim, a taxa
de promoção reflete qual o padrão de promoção ao qual a geração c foi exposta durante os
primeiros anos do ensino fundamental. Ela foi calculada para as 6 gerações de todas as unidades da
8
As informações das taxas de promoção por UF para alguns anos foram obtidas junto ao Prof. Ruben Klein, ao
qual agradecemos pela gentileza do fornecimento das mesmas.
12
federação, considerando sempre os anos que cada geração tinha idade ideal para cursar a 1ª, 2ª e 3ª
séries (2º, 3º e 4º anos).
Para o cálculo da variável instrumental “padrão de aprovação”, foram necessárias as
seguintes informações referentes ao período inicial dos dados:
•Média e variância da proficiência em língua portuguesa e matemática, por célula definida
por geração e unidade da federação, na 4ª série do ensino fundamental para os alunos que não
apresentavam nenhum atraso escolar, a partir dos dados do SAEB de 1995, 1997, 1999, 2001, 2003 e
2005, correspondendo, respectivamente a
e
.
•Proporção dos alunos atrasados ou fora da escola, por célula de geração e unidade da
federação, utilizando dados da PNAD para esses mesmos períodos, representada por
.
5. Análise Descritiva
A partir de agora, vamos apresentar algumas estatísticas descritivas das principais variáveis
do estudo. No Anexo, encontram-se gráficos com as estatísticas desagregadas por unidades da
federação. Inicialmente, apresentamos a evolução da proporção de indivíduos fora da escola aos 14,
17, 18 e 19 anos. Para 17 a 19 anos, essa proporção exclui os alunos que estavam fora da escola e já
haviam concluído o ensino médio. O primeiro ponto a ser destacado é que caiu praticamente à
metade ao longo de 10 anos a proporção de jovens com 14 anos fora da escola (entre 1999 e 2009).
Já para os jovens com 17, 18 e 19 anos, essa tendência de redução é menos acentuada.
Tabela 01 – Evolução da proporção de jovens fora da escola aos 14anos e da proporção de jovens
fora da escola e que não haviam concluído o ensino médio aos 17, 18 e 19 anos entre as gerações
14 anos
17 anos
18 anos
19 anos
9,22%
Geração I
25,5%
29,0%
33,9%
8,15%
Geração II
23,7%
29,7%
31,7%
7,05%
Geração III
23,4%
26,6%
29,3%
6,95%
Geração IV
21,1%
26,0%
6,60%
Geração V
24,3%
4,98%
Geração VI
Fonte: Elaboração própria.
Em seguida, vamos apresentar a evolução da variável padrão de aprovação e da taxa de
promoção escolar do primeiro ciclo do ensino fundamental, respectivamente, a variável instrumental
e a variável de interesse do presente estudo.
13
Tabela 02 – Evolução do padrão de aprovação e da taxa de promoção escolar das gerações aos 10
anos de idade
Padrão de Aprovação
Padrão de Aprovação
Taxa de Promoção Escolar
Português
Matemática
139,3
Geração I
146,2
62,78%
135,6
Geração II
143,1
66,44%
118,2
Geração III
132,6
72,69%
110,3
Geração IV
124,1
74,81%
114,0
Geração V
123,3
76,12%
119,6
Geração VI
123,5
77,34%
Fonte: Elaboração própria. Unidade de medida do padrão de aprovação: escala SAEB
Com relação ao padrão de aprovação, há uma queda consistente para quase todas as
gerações, exceto a mais nova, que experimentou uma elevação no padrão de aprovação, se
considerada a proficiência do SAEB em português e estabilidade em matemática. Como era de se
esperar, a diminuição do padrão de aprovação está correlacionada com a evolução da taxa de
promoção que cresceu 15 pontos percentuais no período. Além disso, a análise dos gráficos no
Anexo permite constatar a grande variabilidade do padrão de aprovação entre as diferentes
unidades da federação ao longo do tempo, o que no nosso caso é importante para que tenhamos
variação suficiente nessa variável que permita identificar o efeito da taxa de promoção escolar sobre
os indicadores educacionais futuros.
Na Tabela 03, é possível verificar que houve uma diminuição de 14 pontos percentuais na
proporção de alunos atrasados, entre os que estavam estudando em um período de 10 anos.
Redução de mesma magnitude é verificada entre os atrasados, estivessem ou não estudando. Por
outro lado, a proficiência média da geração aumentou mais de 30 pontos na escala SAEB no período
de 10 anos.
Tabela 03 – Evolução da proficiência média da geração (destruncada) ao final do ensino
fundamental e da proporção de alunos das gerações em diferentes situações, aos 14 anos de idade
Atrasados, mas
Atrasados, fora da
Proficiência em
Proficiência em
estudando
escola ou não
Português
Matemática
Geração I
64,07%
66,88%
141,1
146,8
Geração II
58,52%
61,28%
153,5
157,8
Geração III
51,80%
54,48%
163,3
172,6
Geração IV
50,12%
52,96%
165,6
170,5
Geração V
48,59%
51,27%
172,7
184,6
Geração VI
50,18%
52,13%
175,9
180,4
Fonte: Elaboração própria. Unidade de medida do padrão de aprovação: escala SAEB
Nas duas próximas tabelas, vamos apresentar a evolução das taxas de conclusão do ensino
fundamental e do ensino médio aos 17, 18 e 19 anos. Como podemos observar, as taxas de
14
conclusão desses dois ciclos de ensino vêm aumentando significativamente a cada geração. Um
exemplo disso é o aumento de 11 pontos percentuais da taxa de conclusão desses dois ciclos de
ensino para os jovens com 18 anos (ou seja, entre 2003 e 2011).
Tabela 04 – Evolução da taxa de conclusão do ensino fundamental aos 17, 18 e 19 anos entre as
gerações
17 anos
18 anos
19 anos
Geração I
Geração II
Geração III
Geração IV
Geração V
Geração VI
55,0%
60,4%
64,0%
68,1%
-
63,5%
66,5%
68,9%
72,7%
74,9%
-
66,0%
70,4%
73,7%
-
Fonte: Elaboração própria.
Tabela 05 – Evolução da taxa de conclusão do ensino médio aos 17, 18 e 19 anos entre as gerações
Geração I
Geração II
Geração III
Geração IV
Geração V
Geração VI
17 anos
6,2%
7,4%
9,1%
10,1%
-
18 anos
26,0%
29,6%
33,8%
36,4%
37,0%
-
19 anos
37,1%
42,5%
45,0%
-
Fonte: Elaboração própria.
Por fim, é apresentada a evolução da taxa de ingresso no ensino superior para os jovens com
17, 18 e 19 anos. Conforme podemos observar, assim como a taxa de conclusão do ensino médio
vem aumentando com as gerações, a taxa de ingresso no ensino superior também vem crescendo
nos últimos anos. Entre os jovens com 18 anos, a taxa de ingresso no ensino superior cresceu mais de
50% entre 2003 e 2011.
Tabela 06 – Evolução da taxa de ingresso no ensino superior aos 17, 18 e 19 anos entre as gerações
17 anos
18 anos
19 anos
Geração I
1,5%
7,2%
10,6%
Geração II
2,0%
8,4%
13,4%
Geração III
2,5%
10,7%
15,0%
Geração IV
3,6%
12,6%
Geração V
11,2%
Geração VI
Fonte: Elaboração própria.
15
16
6. Análise dos resultados
Nessa seção, serão apresentados os resultados das estimações do efeito das taxas de
promoção escolar (instrumentalizadas pelo padrão de aprovação) sobre as diversas variáveis de
desempenho futuro.
Inicialmente, serão apresentados os resultados da estimação do primeiro estágio da
estimação do modelo de variáveis instrumentais, em que a taxa de promoção escolar é
instrumentalizada por duas medidas construídas do padrão de aprovação, com base nas proficiências
de português e matemática.
Tabela 07 – Regressão de Primeiro Estágio – MQ2E
Taxa de Promoção Escolar Média das 3
séries iniciais do EF
-0,070
(0,098)
-0,084
(0,079)
Sim
Variável Dependente
Padrão de Aprovação - Matemática
Padrão de Aprovação - Português
Dummies de geração
Dummies de UF
R2
N
Sim
0,96
162
Obs: *: significativo a 5%. As regressões foram ponderadas pelo tamanho da célula UF-geração.
Os resultados do primeiro estágio mostram que apesar de os coeficientes individuais das
variáveis de padrão de aprovação serem ambos não significativos, a realização do teste F de
significância conjunta evidenciou que pelo menos um deles é diferentes de zero (p-valor= 0,001).
Assim, existe relação significativa entre o padrão de aprovação e a Taxa de Promoção Escolar no
Ensino Fundamental, já considerados os efeitos de geração e UF.
As tabelas seguintes apresentam os resultados das regressões de segundo estágio. Em cada
tabela, os resultados da primeira coluna capturam a correlação entre a Taxa de Promoção Escolar e a
variável dependente, sem a adição de nenhum controle. Na segunda, adicionamos dummies de
geração. Na terceira, retiram-se as dummies de geração e se adiciona dummies de UF. E na coluna D,
adicionam-se tanto dummies de geração como de UF, sendo nossa especificação preferida.
Na Tabela 08, o sinal do coeficiente nas três primeiras colunas é negativo, embora não
significativo nas colunas A e B. Ao se controlar por dummies de UF e geração conjuntamente, não se
encontra efeito da taxa de promoção escolar sobre a fração de jovens fora da escola aos 14 anos.
17
Tabela 08 – Efeito do Taxa de Promoção Escolar sobre a Fração de Jovens de 14 anos Fora da Escola
Tx. Promoção Escolar
Dummies de geração
A
-0,00293
(0,00193)
Não
B
-0,00121
(0,00076)
Sim
C
-0,00180**
(0,00034)
Não
D
0,00171
(0,00148)
Sim
Não
.
162
Não
0,37
162
Sim
0,60
162
Sim
0,57
162
Dummies de UF
R2
N
Obs: +: significativo a 10%; *: significativo a 5%; **: significativo a 1%. As regressões foram ponderadas pelo
tamanho da célula UF-geração.
Na Tabela 09, os resultados de efeito sobre a proporção da geração que está com atraso
escolar é significativo, indicando que aumentos de 1 ponto percentual na taxa de promoção escolar,
reduz a proporção da geração com atraso em 1,17 pontos percentuais. Esse valor é semelhante (1,32
p.p.) no caso do efeito sobre a proporção da geração que está atrasada, embora estudando (Tabela
10).
Tabela 09 – Proporção da geração atrasada, fora da escola ou não, aos 14 anos
Tx. Promoção Escolar
Dummies de geração
Dummies de UF
R2
N
A
-0,01502**
(0,00476)
Não
B
-0,00642+
(0,00368)
Sim
C
-0,01093**
(0,00119)
Não
D
-0,01169**
(0,00426)
Sim
Não
0,77
162
Não
0,69
162
Sim
0,93
162
Sim
0,93
162
Obs: +: significativo a 10%; *: significativo a 5%; **: significativo a 1%;. As regressões foram ponderadas pelo
tamanho da célula UF-geração.
Tabela 10 – Proporção da geração estudando, mas atrasada, aos 14 anos
Tx. Promoção Escolar
Dummies de geração
Dummies de UF
R2
N
A
-0,01445**
(0,00479)
Não
B
-0,00665+
(0,00388)
Sim
C
-0,01084**
(0,00126)
Não
D
-0,01319**
(0,00468)
Sim
Não
0,79
162
Não
0,68
162
Sim
0,92
162
Sim
0,92
162
Obs: +: significativo a 10%; *: significativo a 5%; **: significativo a 1%. As regressões foram ponderadas pelo
tamanho da célula UF-geração.
As tabelas 11 e 12 mostram que há efeito importante das taxas de promoção escolar sobre a
proficiência escolar da geração aos 14 anos. O aumento de 1 ponto percentual na taxa de promoção
18
escolar elevou, em média, a proficiência de português em 5,3 pontos na escala SAEB e a de
matemática em 4,2 pontos na mesma escala.
Tabela 11 – Proficiência em matemática SAEB destruncada aos 14 anos
Tx. Promoção Escolar
Dummies de geração
Dummies de UF
R2
N
A
1,03214
(1,77413)
Não
B
3,80562**
(1,06233)
Sim
C
2,59771**
(0,46799)
Não
D
5,34775**
(1,91632)
Sim
Não
0,44
162
Não
0,75
162
Sim
0,88
162
Sim
0,81
162
Obs: +: significativo a 10%; *: significativo a 5%; **: significativo a 1%. As regressões foram ponderadas pelo
tamanho da célula UF-geração.
Tabela 12 – Proficiência em português SAEB destruncada aos 14 anos
Tx. Promoção Escolar
Dummies de geração
Dummies de UF
R2
N
A
0,60571
(1,90794)
Não
B
3,88999**
(1,13004)
Sim
C
2,35352**
(0,43132)
Não
D
4,22591*
(1,79748)
Sim
Não
0,29
162
Não
0,71
162
Sim
0,88
162
Sim
0,83
162
Obs: +: significativo a 10%; *: significativo a 5%; **: significativo a 1%. As regressões foram ponderadas pelo
tamanho da célula UF-geração.
Assim, os resultados das tabelas 08 a 12 indicam que políticas de redução dos critérios de aprovação
podem ter um efeito de diminuir o atraso escolar e, pelo fato desse efeito se verificar também para os que se
encontravam fora da escola aos 14 anos, mostra que o efeito é obtido rapidamente. Ou seja, apesar de não
afetar a proporção de jovens fora da escola, acaba elevando o número de anos de estudo completo aso 14
anos, tanto de quem permaneceu na escola como de quem abandonou os estudos. Por fim, mesmo levando
em consideração que, provavelmente, os alunos que abandonaram a escola aos 14 anos eram os de menor
proficiência escolar, obteve-se efeito positivo na proficiência escolar aos 14 anos, o que pode indicar que uma
menor repetência pode estar contribuindo para facilitar o aprendizado dos alunos, em linha com os resultados
da literatura internacional.
Em seguida, são apresentados os resultados referentes ao efeito da taxa de promoção
escolar sobre a proporção de jovens que concluiu o ensino fundamental, aos 17, 18 e 19 anos. Na
coluna D, percebe-se que apenas os resultados para 18 anos são significativos, indicando que um
aumento de 1 p.p. na taxa de promoção escolar eleva a taxa de conclusão do ensino fundamental
19
aos 18 anos em 0,6 p.p.. Note que os resultados para 18 anos consideram cinco gerações, enquanto
que para 17 e 19 anos incluem quatro e três gerações, respectivamente.
Tabela 13 – Proporção da geração que concluiu o fundamental aos 17 anos
Tx. Promoção Escolar
Dummies de geração
Dummies de UF
R2
N
A
0,00975**
(0,00292)
Não
B
0,01085**
(0,00221)
Sim
C
0,00972**
(0,00157)
Não
D
0,00819
(0,00513)
Sim
Não
0,85
108
Não
0,86
108
Sim
0,92
108
Sim
0,94
108
Obs: +: significativo a 10%; *: significativo a 5%; **: significativo a 1%. As regressões foram ponderadas pelo
tamanho da célula UF-geração
.
Tabela 14 – Proporção da geração que concluiu o fundamental com 18 anos
Tx. Promoção Escolar
Dummies de geração
Dummies de UF
R2
N
A
0,00704**
(0,00263)
Não
B
0,00890**
(0,00205)
Sim
C
0,00760**
(0,00109)
Não
D
0,00631+
(0,00342)
Sim
Não
0,80
135
Não
0,83
135
Sim
0,90
135
Sim
0,91
135
Obs: +: significativo a 10%; *: significativo a 5%; **: significativo a 1%. As regressões foram ponderadas pelo
tamanho da célula UF-geração.
Tabela 15 – Proporção da geração que concluiu o fundamental com 19 anos
Tx. Promoção Escolar
Dummies de geração
Dummies de UF
R2
N
A
0,00760**
(0,00236)
Não
B
0,01057*
(0,00460)
Sim
C
0,00595**
(0,00168)
Não
D
0,00027
(0,00363)
Sim
Não
0,79
81
Não
0,80
81
Sim
0,93
81
Sim
0,96
81
Obs: +: significativo a 10%; *: significativo a 5%; **: significativo a 1%. As regressões foram ponderadas pelo
tamanho da célula UF-geração.
Os resultados referentes ao efeito sobre a taxa de conclusão do ensino médio novamente só
são significativos para os 18 anos, com efeito marginal de 0,76 pontos percentuais.
20
Tabela 16 – Proporção da geração que concluiu o ensino médio aos 17 anos
Tx. Promoção Escolar
Dummies de geração
Dummies de UF
R2
N
A
0,00394**
(0,00139)
Não
B
0,00097
(0,00137)
Sim
C
0,00310**
(0,00051)
Não
D
0,00202
(0,00189)
Sim
Não
0,17
108
Não
0,35
108
Sim
0,82
108
Sim
0,83
108
Obs: +: significativo a 10%; *: significativo a 5%; **: significativo a 1%. As regressões foram ponderadas pelo
tamanho da célula UF-geração.
Tabela 17 – Proporção da geração que concluiu o ensino médio com 18 anos
Tx. Promoção Escolar
Dummies de geração
Dummies de UF
R2
N
A
0,01013**
(0,00237)
Não
B
0,00314
(0,00393)
Sim
C
0,00816**
(0,00074)
Não
D
0,00759*
(0,00337)
Sim
Não
0,82
135
Não
0,51
135
Sim
0,94
135
Sim
0,94
135
Obs: +: significativo a 10%; *: significativo a 5%; **: significativo a 1%. As regressões foram ponderadas pelo
tamanho da célula UF-geração.
Tabela 18 – Proporção da geração que concluiu o ensino médio com 19 anos
Tx. Promoção Escolar
Dummies de geração
Dummies de UF
R2
N
A
0,00702
(0,00455)
Não
B
0,01028*
(0,00514)
Sim
C
0,00571**
(0,00128)
Não
D
-0,00036
(0,00263)
Sim
Não
0,73
81
Não
0,85
81
Sim
0,96
81
Sim
0,98
81
Obs: +: significativo a 10%; *: significativo a 5%; **: significativo a 1%. As regressões foram ponderadas pelo
tamanho da célula UF-geração.
Em seguida, analisamos o efeito das taxas de promoção sobre a proporção de jovens da
geração que ingressou no ensino superior. Novamente, apenas os resultados aos 18 anos são
significativos na coluna D, indicando que aumento de 1 p.p na taxa de promoção escolar leva a
acréscimo de 0,25 p.p. na proporção de jovens da geração que ingressou no ensino superior.
21
Tabela 19 – Proporção da geração no ensino superior aos 17 anos
Tx. Promoção Escolar
Dummies de geração
Dummies de UF
R2
N
A
0,00183+
(0,00095)
Não
B
0,00064
(0,00058)
Sim
C
0,00149**
(0,00021)
Não
D
0,00081
(0,00076)
Sim
Não
.
108
Não
0,32
108
Sim
0,73
108
Sim
0,77
108
Obs: +: significativo a 10%; *: significativo a 5%; **: significativo a 1%. As regressões foram ponderadas pelo
tamanho da célula UF-geração.
Tabela 20 – Proporção da geração no ensino superior com 18 anos
Tx. Promoção Escolar
Dummies de geração
Dummies de UF
R2
N
A
0,00456**
(0,00155)
Não
B
0,00371*
(0,00152)
Sim
C
0,00360**
(0,00036)
Não
D
0,00255+
(0,00153)
Sim
Não
0,49
135
Não
0,63
135
Sim
0,86
135
Sim
0,87
135
Obs: +: significativo a 10%; *: significativo a 5%; **: significativo a 1%. As regressões foram ponderadas pelo
tamanho da célula UF-geração.
Tabela 21 – Proporção da geração no ensino superior com 19 anos
Tx. Promoção Escolar
Dummies de geração
Dummies de UF
R2
N
A
0,00584**
(0,00202)
Não
B
0,00748
(0,00529)
Sim
C
0,00370**
(0,00092)
Não
D
0,00155
(0,00217)
Sim
Não
0,57
81
Não
0,23
81
Sim
0,90
81
Sim
0,92
81
Obs: +: significativo a 10%; *: significativo a 5%; **: significativo a 1%. As regressões foram ponderadas pelo
tamanho da célula UF-geração.
Por fim, reportamos os resultados sobre a proporção de jovens que abandonou a escola
antes de concluir o ensino médio. Mais uma vez, há resultados significativos apenas aos 18 anos,
indicando que aumentos de 1 p.p. na taxa de promoção escolar diminui essa proporção em 0,47 p.p.
(coluna D).
22
Tabela 22 – Proporção da geração fora da escola e que não concluiu o ensino médio, aos 17 anos
Tx. Promoção Escolar
Dummies de geração
Dummies de UF
R2
N
A
-0,00139
(0,00180)
Não
B
0,00036
(0,00196)
Sim
C
-0,00302**
(0,00056)
Não
D
-0,00247
(0,00187)
Sim
Não
0,30
108
Não
.
108
Sim
0,82
108
Sim
0,84
108
Obs: +: significativo a 10%; *: significativo a 5%; **: significativo a 1%. As regressões foram ponderadas pelo
tamanho da célula UF-geração.
Tabela 23 – Proporção da geração fora da escola e que não concluiu o ensino médio, aos 18 anos
Tx. Promoção Escolar
Dummies de geração
Dummies de UF
R2
N
A
-0,00578*
(0,00293)
Não
B
0,00228
(0,00337)
Sim
C
-0,00386**
(0,00061)
Não
D
-0,00469+
(0,00246)
Sim
Não
.
135
Não
.
135
Sim
0,79
135
Sim
0,80
135
Obs: +: significativo a 10%; *: significativo a 5%; **: significativo a 1%. As regressões foram ponderadas pelo
tamanho da célula UF-geração.
Tabela 24 – Proporção da geração fora da escola e que não concluiu o ensino médio, aos 19 anos
Tx. Promoção Escolar
Dummies de geração
Dummies de UF
R2
N
A
-0,00401+
(0,00241)
Não
B
0,00415
(0,01223)
Sim
C
-0,00313**
(0,00107)
Não
D
0,00283
(0,00233)
Sim
Não
0,54
81
Não
.
81
Sim
0,87
81
Sim
0,91
81
Obs: +: significativo a 10%; *: significativo a 5%; **: significativo a 1%. As regressões foram ponderadas pelo
tamanho da célula UF-geração.
Em todos os resultados envolvendo as análises dos indivíduos aos 17, 18 e 19 anos, foi encontrada
variabilidade de resultados, sendo que os resultados são, geralmente, significativos aos 18 anos, mas nem
sempre aos 17 e 19 anos, dependendo das especificações. Isso pode estar ocorrendo pelo diferente número de
observações que é utilizado em cada faixa etária. De acordo com o quadro I, devido à disponibilidade de dados,
há apenas informações para apenas três gerações aos 19 anos, para quatro gerações aos 17 anos e para cinco
gerações aos 18 anos. Assim, nas especificações econométricas aos 17 e 19 anos, especialmente quando
controles para geração e Uf são utilizados, acaba havendo poucos graus de liberdade para a estimação do
modelo, o que pode explicar a variação nos resultados encontrados para diferentes faixas etárias.
23
De qualquer modo, o conjunto das análises para a idade de 18 anos permite assegurar q existência de
um link de longo prazo entre políticas realizadas ao longo do ensino fundamental e resultados mais de sete
anos a frente. É possível que vencida a barreira da primeira etapa do ensino fundamental, com o auxílio da
polícias de diminuição dos critérios de aprovação, os alunos passem a se sentir mais estimulados e motivados,
levando-os a não romper definitivamente seus vínculos com o ambiente escolar. Pelo contrário, prolongando
sua permanência na escola. Ademais, cabe destacar que o fato de haver maior proficiência aos 14 anos e
menores indicadores de evasão escolar aos 18 anos está em linha com resultados anteriomente obtidos por
Gremaud et al. (2011), que relacionaram a proficiência escolar ao término do ensino fundamental e a decisão
de permancere estudando ao longo do ensino médio.
7. Conclusões
O presente artigo teve por objetivo avaliar o impacto das políticas de combate à repetência
escolar que foram adotadas no Brasil nos anos 90 sobre a trajetória educacional dos estudantes a
elas submetidos. De modo geral, essas políticas implicaram em uma redução das exigências
acadêmicas necessárias para a promoção dos alunos. Nos casos limites, a reprovação foi
simplesmente proibida.
Os defensores dessas políticas alegavam que a repetência escolar em nada contribuía para o
desenvolvimento acadêmico dos reprovados. Ela não promovia melhor aprendizado, além de
fomentar a evasão escolar. Já os críticos alegavam que combater a repetência simplesmente pela
redução dos padrões de aprovação constituía-se em uma fraude. Promover o aluno sem que o
mesmo tenha obtido um mínimo de aprendizado não poderia ser visto como algo em favor desse
aluno. Apesar do acalorado debate sobre o assunto, o fato é que estudos sistemáticos, procurando
avaliar o impacto causal dessas políticas, são, praticamente, inexistentes no Brasil.
A questão chave a ser respondida é: como estariam os alunos beneficiados pelas políticas de
redução do padrão de aprovação caso tais políticas não tivessem sido implantadas? A dificuldade em
responder essa questão se deve ao fato de que a taxa de reprovação depende tanto dos critérios de
aprovação quanto do desempenho dos alunos. Portanto, o impacto causal das políticas de combate à
repetência não pode ser inferido a partir de uma regressão entre taxas de reprovação e desempenho
futuro dos estudantes.
Assim, para responder essa questão, construímos um indicador dos critérios de aprovação
que determinada geração em determinada Unidade da Federação esteve submetida. Esse indicador
mostrou que os padrões de aprovação foram sendo afrouxados entre o final dos anos 90 e início dos
anos 2000, período em que se observou uma significativa redução nas taxas de reprovação escolar
na primeira fase do ensino fundamental. Esse indicador foi utilizado como instrumento da taxa de
promoção escolar e, desse modo, foi possível investigar o impacto da redução das taxas de
24
repetência, ocorridas em função das políticas de redução dos critérios de aprovação, sobre o
desempenho educacional futuro dos alunos beneficiados por essas políticas.
Os resultados mostraram que o fluxo educacional melhorou no ensino fundamental sem que
se verificasse uma queda no desempenho educacional dos estudantes pertencentes às gerações
beneficiadas por essas políticas. Na verdade, nossos resultados mostraram que essas políticas
tiveram um impacto positivo no desempenho acadêmico das gerações que foram expostas a padrões
de aprovação mais frouxos.
Na idade de 18 anos, critérios mais brandos para aprovação na 1ª fase do ensino
fundamental implicaram em maior taxa de conclusão e menor evasão escolar no ensino médio, além
de maior taxa de ingresso no ensino superior.
Em suma, os resultados obtidos neste artigo corroboram a tese de que as políticas de
redução dos padrões de aprovação beneficiaram os estudantes que foram por elas impactados, ou
seja, aqueles que teriam enfrentado mais repetências, caso tais políticas não tivessem sido
implantadas.
25
Referências Bibliográficas
ALEXANDER, K.; ENTWISLE, D.; KABBANI, N. Grade retention, social promotion, and “third way”
alternatives. Paper presented at the National Invitational Conference hosted by the Laboratory for
Student Success at Temple University for Research in Human Development and Education.
Alexandria, Virginia, 1999.
ALLENSWOTH, E. M. Dropout Rates After High-Stakes Testing in Elementary School: A Study of the
Contradictory Effects of Chicago’s Efforts to End Social Promotion. Educational Evaluation and Policy
Analysis, v.27, ed. 4, p. 341-364, 2005.
BROPHY, J. Grade Repetition, Education Policy Series, International Institute for Educational Planning,
International Academy of Education, UNESCO, Paris, 2006.
CHEN, X.; LIU, C.; ZHANG, L.; SHI, Y.; ROZELLE, S. Does taking one step back get you two steps
forward? Grade retention and school performance in poor areas in rural China. International Journal
of Educational Development, v. 30, n. 6, p. 544–559, 2010.
CRAHAY, M., Cadernos de Pesquisa, v. 36, n. 127, p. 223-246, jan./abr. 2006.
DÍAZ, O. E.; GUAJARDO, D. C.; FIEGEHEN, L. G.; CAMPOS, J. L.; GRAU, E. S. C. Fatores intraescolares
associados ao abandono escolar no Chile: um estudo de caso. Revista Lusófona de Educação, 2012.
DONG, Y. Kept Back to Get Ahead? Kindergarten Retention and Academic Performance. European
Economic Review, v. 54, n. 2, p. 219–236, 2010.
EIDE, E. R.; SHOWALTER M. H. The effect of grade retention on educational and labor market
outcomes, Economics of Education Review, v. 20, p. 563–576, 2001.
EISENMON, T. Reducing repetition: Issues and strategies. Paris: IIEP-UNESCO, 1997.
GLICK, P.; SAHN, D. Early Academic Performance, Grade Repetition, and School Attainment in
Senegal: A Panel Data Analysis. World Bank Economic Review, v. 24, ed. 1, p. 93-120, 2010.
GOLGHER, A. Modelo profluxo e indicadores derivados. In: RIOS-NETO, E., RIANI, J.(Org.) Introdução à
Demografia da Educação, Campinas, Associação Brasileira de Estudos Populacionais – ABEP, 2004.
GOMES-NETO, J.B., HANUSHEK, E.A. Causes and Consequences of Grade Repetition: Evidence from
Brazil. Economic Development and Cultural Change v.43 n.1 p.117-148. 1994.
GREENE, W. Econometric Analysis. 7ª ed,. Prentice-Hall, 2011.
GREMAUD,A.; NICOLELLA, A.; SCORZAFAVE, L.; OLIVEIRA, R.; SOARES,T; BELLUZZO-JUNIOR, W.;
Relação entre abandono escolar no ensino médio e desempenho escolar no ensino fundamental
brasileiro. Relatório de Pesquisa – Instituto Unibanco, 2011.
26
GRISSOM, J.B.; SHEPARD, L. A. Repeating and Dropping Out of School. In: SHEPARD, L. A.; SMITH, M.
L. (Org.). Flunking Grades: Research and Policies on Retention. London: Falmer Press, 1989.
HOLMES, C. T. Grade level retention effects: a meta-analysis of research studies. In: SHEPARD, L. A.;
SMITH, M. L. (Org.) Flunking grades: research and policies on retention, Bristol: Falmer Press, 1990,
p.16-33
HORTA NETO, J. L. Um olhar retrospectivo sobre a avaliação externa no Brasil: das primeiras
medições em educação até o SAEB de 2005. Revista Iberoamericana de Educación, n. 42/5, 2007.
JACKSON, G. The research evidence on the effects of grade retention. Review of Educational
Research, v. 45, p. 613–635. 1975.
JACOB, B.; LEFGREN, L, The effect of grade retention on high school completion, American Economic
Journal: Applied Economics, v. 1, n. 3, p. 33-58, 2009.
____________________ Remedial Education and Student Achievement: A Regression-Discontinuity
Analysis, American Economic Review, v. 86, n. 1, p. 226-244, 2004.
JIMERSON, S.; CARLSON, E.; ROTERT, M.; EGELAND, B.; SROUFE, L.A. A Prospective, longitudinal study
of the correlates and consequences of early grade retention. Journal of School Psychology, n.35, p. 325. 1997.
JIMERSON, S. R.; ANDERSON, G. E.; WHIPPLE, A. D. Winning the battle and losing the war: Examining
the relation between grade retention and dropping out of high school. Psychology in the Schools, n.
39, p. 441-457, 2002.
JIMERSON, S. R.; FERGUSON, P. A Longitudinal Study of Grade Retention: Academic and Behavioral
Outcomes of Retained Students through Adolescence. School Psychology Quarterly, Washington,
2007.
KLEIN, R. Como está a educação no Brasil? O que fazer? Ensaio: Avaliação e Políticas Públicas em
Educação, v.14, n.51, p. 139-172, Rio de Janeiro, Abr./Jun. 2006.
KLEIN, R.; FONTANIVE, N., Alguns indicadores educacionais de qualidade no Brasil hoje, São Paulo em
Perspectiva, São Paulo, v. 23, n. 1, p. 19-28, jan./jun. 2009.
KING, E.M.; ORAZEM, P.F.; PATERNO, E.M. Promotion with and without learning: Effects on student
dropout. Working Paper Series on Impact Evaluation of Education Reforms n.18, Development
Research Group. World Bank, Washington, 1999.
LORENCE, J. A.; DWORKIN G.; TOENJES L. A.; HILL A. N.; ROTHERHAM A.; SHEPARD L. A. Grade
Retention and Social Promotion in Texas, 1994-99: Academic Achievement among Elementary School
Students Brookings Papers on Education Policy, The Brookings Institution, n. 5, p. 13-67, 2002.
LUZ, L. S. O impacto da repetência na proficiência escolar: uma análise longitudinal do desempenho
de repetentes em 2002-2003. Dissertação de Mestrado - Centro de Desenvolvimento e Planejamento
Regional. Faculdade de Ciências Econômicas, Universidade Federal de Minas Gerais, 2008.
27
MANACORDA, M. The Cost of Grade Retention. The Review of Economics and Statistics, v. 94, n. 2, p.
596-606, 2012.
MEISELS, S. J.; LIAW, F. R. Failure in grade: do retained students catch-up? Journal of Educational
Research, v. 87, p. 69-77, 1993.
MCCOY, A.R.; REYNOLDS, A.J. Grade retention and school performance: An extended investigation.
Journal of School Psychology, v. 37, n.3, p. 273-298. 1999.
MOREIRA I; SANTOS, I; CONBOY, J. A retenção académica e performance a ciências em Portugal
evidenciadas no PISA 2006. Retenção académica e ciências, 2008.
OLIVEIRA, A. P. M. A Prova Brasil como política de regulação da rede pública do Distrito Federal.
Dissertação (mestrado) - Faculdade de Educação, Universidade de Brasília, Brasília, 2011.
OREOPOULOS, P. The compelling effects of compulsory schooling: evidence from Canada. Canadian
Journal of Economics v. 39, n. 1, 2006.
PATRINOS, H., PSACHAROPOULOS, G. Socioeconomic and Ethnic Determinants of Grade Repetition in
Bolivia and Guatemala. The World Bank, Policy Research Working Papers n. 1028. 1992.
RIBEIRO, S.C. A pedagogia da repetência. Estudos em Avaliação Educacional, São Paulo, n. 4, p. 73-86,
Jul./Dez. 1991.
RIGOTTI, J. I. A transição da escolaridade no Brasil e as desigualdades regionais. Revista Brasileira de
Estudos Populacionais, v. 18, n. 1/2, p. 59-73, jan./dez, 2001.
SOARES, S.; LIMA, A. F. A mensuração da educação nas PNADs da década de 90. Textos para
Discussão, nº 928, IPEA, Rio de Janeiro, 2002.
SOARES, S. Aprendizado e seleção: uma análise da evolução educacional brasileira de acordo com
uma perspectiva de ciclo de vida. Revista Brasileira de Estudos Pedagógicos, v. 87, n. 216 p. 145-177,
Brasília, Agosto 2006.
SOARES, S.; LIMA, A. F., A repetência no contexto internacional: o que dizem os dados de avaliações
das quais o Brasil não participa? Textos para Discussão, n. 1300, IPEA, Brasília, 2007.
WU, W.; WEST, S. G.; HUGHES, J. N. Effect of grade retention in first grade on psychosocial outcomes,
Journal of Educational Psychology, v. 102, n. 1, p. 135-152, 2010.
28
Apêndice
Taxa de conclusão do ensino fundamental aos 17 anos
AC
AM
RR
PA
AP
TO
MA
PI
CE
RN
PB
PE
AL
SE
BA
MG
ES
RJ
SP
PR
SC
RS
MS
MT
GO
DF
.6
.4
.2
.8
.6
.4
.2
Porcentagem
.8
.2
.4
.6
.8
RO
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Gerações
29
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Taxa de conclusão do ensino fundamental aos 18 anos
AC
AM
RR
PA
AP
TO
MA
PI
CE
RN
PB
PE
AL
SE
BA
MG
ES
RJ
SP
PR
SC
RS
MS
MT
GO
DF
.8
.6
.4
.2
.4
.6
.8
.2
Porcentagem
.2
.4
.6
.8
RO
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Gerações
Taxa de conclusão do ensino fundamental aos 19 anos
AC
AM
RR
PA
AP
TO
MA
PI
CE
RN
PB
PE
AL
SE
BA
MG
ES
RJ
SP
PR
SC
RS
MS
MT
GO
DF
.8
.6
.4
1
.8
.6
.4
Porcentagem
1
.4
.6
.8
1
RO
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Gerações
30
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Taxa de conclusão do ensino médio aos 17 anos
AC
AM
RR
PA
AP
TO
MA
PI
CE
RN
PB
PE
AL
SE
BA
MG
ES
RJ
SP
PR
SC
RS
MS
MT
GO
DF
.2
.1
0
.1
.2
.3
0
Porcentagem
.3
0
.1
.2
.3
RO
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Gerações
Taxa de conclusão do ensino médio aos 18 anos
AC
AM
RR
PA
AP
TO
MA
PI
CE
RN
PB
PE
AL
SE
BA
MG
ES
RJ
SP
PR
SC
RS
MS
MT
GO
DF
.4
.2
0
.6
.4
.2
0
Porcentagem
.6
0
.2
.4
.6
RO
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Gerações
31
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Taxa de conclusão do ensino médio aos 19 anos
AC
AM
RR
PA
AP
TO
MA
PI
CE
RN
PB
PE
AL
SE
BA
MG
ES
RJ
SP
PR
SC
RS
MS
MT
GO
DF
.4
.2
0
.2
.4
.6
0
Porcentagem
.6
0
.2
.4
.6
RO
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Gerações
Taxa de abandono do ensino médio aos 17 anos
AC
AM
RR
PA
AP
TO
MA
PI
CE
RN
PB
PE
AL
SE
BA
MG
ES
RJ
SP
PR
SC
RS
MS
MT
GO
DF
.3
.2
.1
.4
.3
.2
.1
Pocentagem
.4
.1
.2
.3
.4
RO
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Gerações
32
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Taxa de abandono do ensino médio aos 18 anos
AC
AM
RR
PA
AP
TO
MA
PI
CE
RN
PB
PE
AL
SE
BA
MG
ES
RJ
SP
PR
SC
RS
MS
MT
GO
DF
.3
.2
.1
.2
.3
.4
.1
Porcentagem
.4
.1
.2
.3
.4
RO
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Gerações
Taxa de abandono do ensino médio aos 19 anos
AC
AM
RR
PA
AP
TO
MA
PI
CE
RN
PB
PE
AL
SE
BA
MG
ES
RJ
SP
PR
SC
RS
MS
MT
GO
DF
.5
.4
.3
.2
.5
.4
.3
.2
Porcentagem
.2
.3
.4
.5
RO
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Gerações
33
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Taxa de ingresso no ensino superior aos 17 anos
AC
AM
RR
PA
AP
TO
MA
PI
CE
RN
PB
PE
AL
SE
BA
MG
ES
RJ
SP
PR
SC
RS
MS
MT
GO
DF
.05
0
.05
.1
0
Porcentagem
.1
0
.05
.1
RO
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Gerações
Taxa de ingresso no ensino superior aos 18 anos
AC
AM
RR
PA
AP
TO
MA
PI
CE
RN
PB
PE
AL
SE
BA
MG
ES
RJ
SP
PR
SC
RS
MS
MT
GO
DF
.2
.1
0
.3
.2
.1
0
Porcentagem
.3
0
.1
.2
.3
RO
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Gerações
34
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Taxa de ingresso no ensino superior aos 19 anos
AC
AM
RR
PA
AP
TO
MA
PI
CE
RN
PB
PE
AL
SE
BA
MG
ES
RJ
SP
PR
SC
RS
MS
MT
GO
DF
.2
.1
0
.1
.2
.3
0
Porcentagem
.3
0
.1
.2
.3
RO
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Gerações
Proporção de atrasados na 4ª série do ensino fundamental
AC
AM
RR
PA
AP
TO
MA
PI
CE
RN
PB
PE
AL
SE
BA
MG
ES
RJ
SP
PR
SC
RS
MS
MT
GO
DF
.6
.4
.2
.8
.6
.4
.2
Porcentagem
.8
.2
.4
.6
.8
RO
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Gerações
35
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Taxa de promoção - Média da 1ª à 3ª série
AC
AM
RR
PA
AP
TO
MA
PI
CE
RN
PB
PE
AL
SE
BA
MG
ES
RJ
SP
PR
SC
RS
MS
MT
GO
DF
80
60
40
60
80
100
40
Porcentagem
100
40
60
80
100
RO
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Gerações
Proficiência em português e matemática SAEB destruncada aos 14 anos
AC
AM
RR
PA
AP
TO
MA
PI
CE
RN
PB
PE
AL
SE
BA
MG
ES
RJ
SP
PR
SC
RS
MS
MT
GO
DF
0
300
200
100
0
300
200
100
0
Proficiência(Escala SAEB)
100
200
300
RO
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
Gerações
Matemática
Língua Portuguesa
36
2
4
6
0
2
4
6
Padrão de aprovação de português e matemática
AC
AM
RR
PA
AP
TO
MA
PI
CE
RN
PB
PE
AL
SE
BA
MG
ES
RJ
SP
PR
SC
RS
MS
MT
GO
DF
100 120 140 160
100 120 140 160
Proficiência (escala SAEB)
100 120 140 160
RO
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Gerações
Língua Portuguesa
Matemática
Proporção de atrasados, mas estudando no final do ensino fundamental
AC
AM
RR
PA
AP
TO
MA
PI
CE
RN
PB
PE
AL
SE
BA
MG
ES
RJ
SP
PR
SC
RS
MS
MT
GO
DF
.8
.6
.4
.2
1
.8
.6
.4
.2
Porcentagem
1
.2
.4
.6
.8
1
RO
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Gerações
37
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Proporção de atrasados no final do ensino fundamental
AC
AM
RR
PA
AP
TO
MA
PI
CE
RN
PB
PE
AL
SE
BA
MG
ES
RJ
SP
PR
SC
RS
MS
MT
GO
DF
.8
.6
.4
.2
.4
.6
.8
1
.2
Porcentagem
1
.2
.4
.6
.8
1
RO
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Gerações
Proporção de pessoas fora da escola no final do ensino fundamental
AC
AM
RR
PA
AP
TO
MA
PI
CE
RN
PB
PE
AL
SE
BA
MG
ES
RJ
SP
PR
SC
RS
MS
MT
GO
DF
.2
.1
0
.3
.2
.1
0
Porcentagem
.3
0
.1
.2
.3
RO
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Gerações
38
0
2
4
6
0
2
4
6
0
2
4
6
0
2
4
6
Sistemas de Accountability nas Escolas Públicas Brasileiras: Identificando a Eficácia das
Diferentes Experiências
Fernando B. Botelho+
Thomaz Gemignani*
Ricardo A. Madeira+
Luis Meloni*
Marcos A. Rangel+
Heleno Pioner+
1. Introdução
Nos últimos 20 anos, presenciamos aumentos significativos nas taxas de matrícula do ensino
básico nos países em desenvolvimento (Glewwe e Kremer, 2005). Esse fenômeno foi
particularmente relevante no Brasil, que se encontra muito próximo de atingir a meta de
universalização do ensino fundamental para as crianças entre 7 e 14 anos. Com o processo de
democratização do acesso à escola, a agenda de políticas educacionais nos países em
desenvolvimento mudou de foco, passando a priorizar ações que objetivam melhorar a qualidade do
ensino em detrimento daquelas que enfatizam a quantidade de ensino. Neste novo contexto,
políticas diversas de investimentos em insumos escolares, em particular na infraestrutura escolar,
passaram a ganhar força. Entre as iniciativas mais populares, podemos listar a redução do tamanho
das turmas e da razão aluno-professor através da construção de novas salas de aula e contratação
de professores, programas de distribuição gratuita de material didático e livros-textos, aquisição de
equipamentos tecnológicos, tais como televisores e computadores, e melhoria da infraestrutura
básica (construção de salas de aulas adequadas, sanitários privados etc.).
Em reação a este novo cenário, a literatura especializada em avaliação de políticas públicas
passou a investigar a eficácia de incrementos nestes insumos sobre a proficiência dos alunos.
Diversos artigos empíricos com este objetivo, se utilizando de metodologias diversas, foram
produzidos nas últimas décadas. Apesar da controvérsia existente a respeito da validade dos
diversos métodos empíricos empregados para identificar o efeito destes insumos, conforme
explicitado por Glewwe e Kremer (2005), as evidências empíricas indicam que ações sobre insumos
escolares têm impactos modestos sobre o desempenho dos alunos (Hanushek, 2004, 1997). Tais
efeitos são particularmente pequenos no contexto dos países em desenvolvimento, onde a maioria
dos alunos advém de famílias com baixo status socioeconômico e muitos desses insumos, de acordo
+ Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo (FEA-USP);
* Doutorando da Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo (FEAUSP).
1
com as evidências, parecem atuar sobre a proficiência dos alunos de forma complementar ao nível
socioeconômico das famílias (em particular com a escolaridade dos pais).
Na medida em que as políticas de investimentos em insumos escolares apresentaram
resultados abaixo das expectativas, o debate acerca de políticas educacionais tomou um novo
caminho. O foco das discussões passou a ser o desenho de sistemas de incentivos para os
profissionais da escola (diretores, professores e funcionários) que pudessem melhorar o
desempenho dos alunos dados os recursos existentes. Entre as principais experiências de sistemas
de incentivo, duas se destacam: (i) a promoção de competição entre escolas (tal como adoção de
vouchers),e (ii) sistemas de accountability. Entre os gestores brasileiros, em particular, a adoção de
mecanismos de incentivo no espírito de sistemas de accountability tem se mostrado uma prática
muito mais popular que ações visando à promoção de competição entre escolas.
Nessa análise procuramos justamente mapear as diferentes iniciativas de accountability
adotadas pelos gestores brasileiros e estabelecer como tais políticas se associam ao desempenho
escolar. Em linhas gerais, podemos classificar as políticas de accountability em dois tipos: (i) hard
accountability e (ii) soft accountability. A implementação de qualquer uma destas duas formas
depende da mensuração do nível de proficiência dos alunos através de exames padronizados. As
políticas de hard accountability são aquelas em que as compensações (salários e bônus) dos
funcionários da escola (diretores, professores e funcionários) estão associadas à melhoria do
desempenho dos alunos da escola, ou seja, são políticas de remuneração por mérito. Já as iniciativas
de soft accountability são caracterizadas pela divulgação pública do desempenho relativo das
escolas, na expectativa de que essa informação possa ser usada pela sociedade (em particular, por
pais e alunos) para pressionar os gestores e funcionários da escola.
No Brasil, conforme relatado por Andrade (2008), diversas experiências de hard e soft
accountability foram implementadas na última década. A mais emblemática de todas, dentro da
filosofia de soft accountability, é a divulgação do IDEB (Índice de Desenvolvimento da Educação
Básica) pelo governo federal e a vinculação deste a um sistema de metas anuais ao nível da escola e
redes de ensino. No que toca políticas de hard accountability, podemos citar como exemplo o
programa de remuneração por mérito do Estado de São Paulo, onde o bônus de final de ano dos
funcionários da escola está atrelado a avanços da escola no IDESP (Índice de Desenvolvimento da
Educação do Estado de São Paulo).
2. Literatura
A literatura internacional dedicada à avaliação de impacto dos sistemas de accountability
sobre proficiência dos alunos traz evidências mais animadoras do que a literatura de investimentos
2
em insumos escolares (Hanushek e Raymond, 2005) No entanto, as evidências positivas devem ser
interpretadas com cuidado, já que as mesmas indicam que o impacto destas políticas depende tanto
do seu desenho como do contexto institucional e socioeconômico em que estão inseridas. No caso
das políticas de hard accountability, por exemplo, Neal e Schanzenbach (2008) mostram, através da
avaliação do programa do governo federal norte-americano de remuneração por mérito, No Child
Left Behind, que quando as metas por desempenho são baseadas em índices que colocam ênfase no
número de alunos que atingem ou ultrapassam determinado nível de proficiência pré-estipulado, os
professores e diretores tendem a focar no aprendizado das crianças próximas ao nível especificado,
dedicando menos esforço aos alunos que se encontram nos extremos da distribuição de proficiência
(i.e. os muito proficientes e os pouco proficientes).
De maneira correlata, Kane e Staiger (2002) discutem a eficácia de sistemas de
accountability educacional desenvolvidos acerca da proficiência dos alunos em exames
padronizados, tendo por base as diversas experiências dos estados norte-americanos ao longo da
década de 90 e início dos anos 2000. Em particular, é enfatizado que as medidas de desempenho
estudantil comumente utilizadas são inerentemente incompletas e imprecisas, e que tais
imperfeições, se não reconhecidas adequadamente no desenho dos mecanismos de incentivo,
podem implicar, por exemplo, no favorecimento de escolas menores no sistema de compensações e
em resultados perversos como escolas segregadas etnicamente.
Também existem evidências de que o sucesso dos programas de remuneração por mérito
pode depender da forma como os incentivos são atribuídos às partes envolvidas. Existem programas
em que os incentivos são individualizados, onde a remuneração dos professores depende do seu
esforço individual, i.e.a compensação dos professores é vinculada ao desempenho das suas turmas
nas disciplinas que lecionam. Em outros contextos, os incentivos são coletivos, ou seja, a
remuneração dos profissionais da escola depende de alguma forma do desempenho dos alunos da
escola como um todo. A pesquisa de Muralidharan e Sundararaman (2009) traz evidências de que,
no caso indiano, incentivos individuais tendem a dominar incentivos coletivos no longo prazo. Do
ponto de vista teórico, faz sentido conjecturar que incentivos coletivos tendem a dominar incentivos
individuais em escolas que possuem alto grau de coesão entre seus funcionários. Já nas escolas que
apresentam pouca coesão, o contrário deve ser esperado.
A questão daadequação de incentivos individualizados é também analisada por Fryer (2010),
por meio de um experimento aleatório realizado a partir de 2007 na rede pública de educação da
cidade de Nova York, para escolas de maior necessidade. Em tal experimento, escolas foram
sorteadas quanto à elegibilidade a um programa de incentivos por remuneração baseada no
desempenho e progresso estudantis e outras medidas de qualidade escolar, tendo sido cada escola
3
dotada de discrição sobre como alocar os recursos recebidos. Não são encontradas evidências de
que a provisão de incentivos impacta o comportamento de professores e alunos e, para alguns
subgrupos, as evidências são de que os incentivos gerados agem no sentido de piorar o desempenho
acadêmico. O autor argumenta que tais resultados podem ser devidos a um alto grau de
complexidade do esquema de incentivos, de modo que os professores não eram capazes de
determinar métodos efetivos de elevar o desempenho dos alunos de acordo com as medidas
utilizadas pelo programa. Alternativamente, pelo fato de a maior parte das escolas ter optado por
uma distribuição uniforme dos recursos recebidos entre seus profissionais, o programa pode não ter
gerado efetivos incentivos individuais.
Ladd e Zelli (2002), por sua vez, analisam um sistema de accountability implementado nos
Estados Unidos, e baseado em incentivos coletivos. O programa ABCs apresentou como objetivo
ampliar as capacidades básicas de leitura, escrita e matemática dos alunos, identificando as escolas
como as responsáveis pelo desempenho de seus alunos, ao mesmo tempo em que lhes provia maior
capacidade operacional para atingir as metas estabelecidas. Uma série de benefícios contemplaria
funcionários (incluindo diretores) que atingissem as metas, e esquemas de sanções seriam aplicados
a escolas falhando em alcançá-las. Através de pesquisas com diretores, os autores encontram
evidência de que tais agentes realizaram esforços para alcançar as metas do programa; porém,
metas desejáveis no processo educacional, não contempladas pelo ABCs, podem ter sido deixadas
de lado pelo diretores. Verifica-se que outro problema gerado pelo programa é a dificuldade de
permanência de bons funcionários em escolas que não atingissem as metas, pois os bons
funcionários têm incentivos para querer mudar para escolas onde a aquisição do bônus é mais
provável, deixando as escolas mais fracas em uma situação pior do que antes da adoção do
programa.
A literatura em hard accountability também tem chamado atenção para os incentivos
perversos que este tipo de mecanismo pode proporcionar. Dentre esses, se destaca o incentivo
concedido a professores e diretores para fazer com que os seus maus alunos não sejam testados
pelos exames padronizados (incentivando a falta destes no dia do exame, por exemplo). Se o
desenho do mecanismo de remuneração não previr punições para esse tipo de comportamento,
sistemas de remuneração por mérito podem acabar recompensando as escolas que conseguem
manipular o sistema sem que seus alunos tenham obtido ganhos reais de proficiência. Seguindo essa
linha, Figlio e Getzler (2002) investigam a possibilidade de as escolas responderem a sistemas de
accountability manipulando-o através da reconfiguração do conjunto de alunos sujeitos aos exames.
Mais especificamente, os autores observam o comportamento de reclassificação de alunos em
categorias de educação especial de forma a não terem suas notas contabilizadas no desempenho
4
geral da escola, segundo as diretivas do programa analisado. Utilizando dados escolares em painel
para seis cidades do estado da Florida, encontram-se evidências de que as escolas procedem mais a
tal reclassificação com a introdução do regime de avaliação e que esse comportamento se concentra
nas escolas de baixa renda, mais propensas a não corresponderem às determinações do sistema.
Outra preocupação reside na capacidade dos sistemas de hard accountability em
proporcionar ganhos de proficiência no longo prazo. O temor é que professores sujeitos a sistemas
de remuneração por mérito acabem por dedicar seu tempo para treinar os seus alunos a fazer o
teste padronizado que alimenta o índice de desempenho que determina sua compensação, ao invés
de focar na entrega de qualidade do conteúdo de sua disciplina. A extensão deste problema
depende do conteúdo do teste padronizado, o qual deve refletir a matriz curricular que deve ser
entregue pela escola, e do desenho do índice de desempenho, que deve incorporar medidas das
principais habilidades associadas ao aprendizado no longo prazo. Outra avaliação baseada em um
experimento aleatório é apresentada por Glewwe, Ilias e Kremer (2010), que investigam os
resultados de um programa de compensação por desempenho escolar conduzido por uma
organização não governamental holandesa em distritos do Quênia. Tal programa foi focado nas
escolas de mais baixo desempenho e implantado ao longo de dois anos (1998 e 1999), dissolvendo,
em seu desenho, incentivos à seleção dos alunos testados por parte dos professores ao penalizar
fortemente as escolas com alunos ausentes nos exames utilizados para a avaliação de desempenho.
Os autores encontram evidências de que o programa teve, no segundo ano, um efeito positivo no
desempenho dos alunos nos exames utilizados pelo sistema de incentivos. Por outro lado, não é
observado um efeito similar para o desempenho em exames não associados ao programa e não se
rejeita a hipótese de que tal ganho não se mantém após o término do programa, sugerindo-se que
os esforços dos professores tenham ido em direção à provisão de treinos e conhecimentos
específicos, em detrimento da incorporação, pelos alunos, de componentes mais gerais de capital
humano. Nota-se ainda que, apesar de encorajar a criação de aulas extras voltadas à preparação aos
exames, o programa parece não ter contribuído em reduzir as altas taxas de absenteísmo dos
professores observadas no contexto analisado.
Por fim, a literatura também tem evidenciado que a escolha entre métricas de desempenho
que privilegiem desempenho relativo e índices que enfatizem desempenho absoluto também pode
ser relevante para o sucesso do sistemas de hard accountability (ver Barlevy, G. e Neal, D. (2010)).
No caso dos sistemas de soft accountability, baseando-se na sua racionale, podem-se elencar três
elementos essenciais para seu sucesso: (i) alcance da informação, i.e. índices e metas de
desempenho devem chegar ao conhecimento dos pais e alunos, (ii) os índices de desempenho e seus
componentes devem ser inteligíveis para pais e alunos, (iii) existência de mecanismos eficientes de
5
pressão e voz junto às escolas e gestores disponíveis aos pais e alunos. Deve-se também destacar
mais dois elementos necessários para o sucesso dos dois tipos de accountability, soft e hard. O
primeiro é a disponibilidade de instrumentos de gestão ao diretor. Quanto mais liberdade de gestão
possuir o diretor, mais as escolas tendem a responder aos mecanismos de accountability. Ou seja, a
possibilidade do diretor da escola interferir na contratação e alocação de recursos físicos e humanos
dentro de sua escola, escolher diretrizes pedagógicas e atuar sobre a definição do currículo escolar
está diretamente associada ao funcionamento dos mecanismos de accountability. O segundo é o
entendimento de diretores, professores e alunos de como suas ações podem influenciar os índices
de desempenho que avaliam suas turmas e escolas.
Em uma comparação entre sistemas de soft e hard accountability, West e Peterson (2006)
investigam os efeitos sobre o desempenho escolar advindos do caráter punitivo de diferentes
reformas educacionais implantadas no estado da Florida no começo dos anos 2000. Em particular, os
autores analisam os incentivos gerados tanto pelo estigma possivelmente proporcionado pelo
sistema de classificação das escolas quanto por sanções impostas às escolas na forma de perda de
alunos (e recursos) em casos de baixo desempenho. É feita ainda a comparação quanto ao grau de
severidade das sanções impostas pelo sistema estadual de accountability (implementado em 2002) e
o induzido pela aprovação do No Child Left Behind Act (e implementado a partir de 2003),
argumentando-se que, enquanto o último apresentava medidas de punição mais modestas e sem
grandes consequências para as escolas, o primeiro configurou ameaças realmente prejudiciais às
escolas e distritos. Os autores encontram evidências de que o programa estadual promoveu a
melhoria relativa do desempenho educacional nas piores escolas, tanto por meio do estigma gerado
pela nota atribuída pelo sistema de classificação, quanto pelas sanções administrativas impostas. Por
outro lado, não são encontradas evidências de impactos semelhantes por parte do sistema federal,
reforçando-se a ideia de que este se mostrou bem menos severo e incapaz de gerar os mesmos
incentivos à melhoria da educação que o sistema estadual.
Tendo em vista a discussão acima, além de identificar os principais programas de
accountability adotados por gestores no Brasil, a principal contribuição desta análise é determinar
como o desempenho desses programas se associaà existência dos elementos necessários para o seu
sucesso. Para atingir tal objetivo, foi incluído nos questionários do diretor, do aluno e do professor
um módulo específico de questões associadas a sistemas de accountability que nos permitiram
identificar a existência dos elementos necessários para o funcionamento destes. Através dos
instrumentos aplicados aos diretores, somos capazes, por exemplo, de determinar os instrumentos
de gestão à disposição do diretor, o grau de conhecimento do diretor a respeito do IDEB, como o
diretor faz uso desta informação para gerir a sua escola, a que o diretor atribui as variações no IDEB
6
da sua escola, qual é a percepção do diretor a respeito do grau de coesão da escola etc.Através dos
instrumentos aplicados aos alunos é possível estudar qual é grau de conhecimento dos alunos a
respeito do IDEB, qual é a importância que estes indicadores têm para eles, a confiabilidade que
alunos e pais atribuem a estes indicadores e como eles utilizam essa informação nas suas interações
com a escola.Além disso, os instrumentos aplicados aos professores nos permitem identificar se
estes conhecem os índices de desempenho da sua escola, qual a relevância dada a estes índices e
qual é a percepção destes a respeito do grau de coesão da sua escola. Além disso, combinando as
informações coletadas pelo módulo de accountability com os testes de proficiência podemos
determinar alguns dos principais fatores associados à eficácia (ou fracasso) das experiências de
accountability adotadas pelos gestores brasileiros.
3. Dados e Análise Empírica
Embora seja extremamente relevante entender o efeito casual de políticas de accountability,
trata-se de uma tarefa bastante desafiadora do ponto de vista metodológico. As variáveis de
interesse - desempenho da escola, do aluno e comportamento dos professores - estão fortemente
associadas a características observáveis e não observáveis dos mesmos. A natureza dos dados
coletados e a ausência do desenho de um experimento que possa contornar de maneira adequada
as fontes de viés limitam a possibilidade de realização de exercícios de inferência causal. Em função
disso, optou-se por realizar exercícios de correlação entre as variáveis e, à luz da literatura existente,
já mencionada, analisar os resultados. É importante dizer que esta opção metodológica não reduz o
caráter inovador da análise que se segue, já que a nossa investigação é pioneira em relacionar dados
coletados em pesquisa primária com propósito específico de identificar regimes de
accountabilitycom fontes secundárias de dados. Os padrões empíricos que este exercício nos
possibilitou identificar serão de enorme valor para a orientação de novas investigações empíricas no
tema commaior ambição em termos de inferência causal.
Nas nossas análises empíricas, além das informações mencionadas obtidas a partir dos
questionários de alunos, diretores e professores da pesquisa BNDES-2012, foram também utilizados
dados do INEP para a obtenção de algumas variáveis de desempenho da escola dos alunos e de
outras escolas do município. Esses dados, como será visto, foram utilizados para dar uma dimensão
do real conhecimento de alunos, professores e diretores do IDEB.
Conhecimento das práticas de accountability
O primeiro exercício feito tem como objetivo investigar o conhecimento das práticas de
accountability por parte dos diretores, professores e alunos. Como já mencionado, a experiência de
7
soft accountability mais emblemática no contexto brasileiro é a divulgação do IDEB (Índice de
Desenvolvimento da Educação Básica) pelo governo federal e a vinculação deste a um sistema de
metas anuais ao nível da escola e redes de ensino.
Alunos
A tabela 1 resume o grau de conhecimento do IDEB por parte dos alunos. É possível notar
que cerca de metade dos alunos declaram nunca ter ouvido falar do IDEB. Um fato interessante é
que essa estatística é decrescente na série dos alunos.
Esse padrão, no entanto, não se repete quando os alunos são perguntados se sabem o IDEB
de sua escola: a proporção de alunos que conhecem o IDEB - ao menos a proporção de alunos que
declara conhecer o IDEB - é decrescente nas séries, como pode ser visto na tabela 2.
Tabela1: Você sabe o que é o IDEB?
Nunca ouvi falar (%)
Já ouvi falar (%)
Saberia explicar (%)
TOTAL
4o Ano
58,65
28,53
12,82
6.667
6o Ano
54,31
38,08
7,61
9.123
8o Ano
47,01
43,42
9,58
8.292
Fonte: Elaboração própria
Tabela 2: Você sabe o IDEB da escola?
Sim (%)
Não (%)
Total
o
36,88
63,12
5.003
o
19,92
80,08
6.405
o
15,77
84,23
5.925
4 Ano
6 Ano
8 Ano
Fonte: Elaboração própria
É ainda perguntado aos alunos que sabem o IDEB da sua escola qual a posição em que eles
acham que sua escola está em relação às demais escolas do município. Embora a grande maioria dos
alunos não saiba dizer a posição relativa da sua escola, como pode ser visto na tabela 3, aqueles que
declaram saber a posição relativa da sua escola no município, de fato sabem a posição da sua escola.
A Figura 1 mostra isso: no gráfico à esquerda, a probabilidade do IDEB das demais escolas ser pior do
que a do município (medida pela proporção de alunos que respondem isso de acordo com as
respostas da tabela 3), não varia de acordo com a diferença da nota da sua escola e a média do
município. No gráfico da direita, onde estão os alunos que declaram saber o IDEB, a probabilidade
8
do IDEB das demais escolas ser pior do que a do município varia positivamente com a diferença da
nota da sua escola e a média do município.
Tabela 3: As outras escolas do seu município possuem IDEB
Melhor (%)
Pior (%)
Não sei (%)
Total
4o Ano
22,98
18,97
58,04
5.088
6o Ano
14,66
7,31
78,04
6.424
8o Ano
12,04
8,32
79,64
5.858
Fonte: Elaboração própria
9
Figura 1 – Conhecimento do IDEB e proficiência auferida
Mais interessante ainda, os dados da tabela 4 a 6 mostram que os alunos que dizem que as
outras escolas são melhores, têm uma tendência maior a preferir estudar em outra escola pública no
mesmo município.
Tabela 4: Você preferia estudar em outra escola pública nesse município?
4o Ano
Sim (%)
Não (%)
Total
31,59
68,41
6.718
o
31,46
68,54
9.231
o
30,99
69,01
8.355
6 Ano
8 Ano
Fonte: Elaboração própria
Tabela 5: Você preferia estudar em outra escola pública nesse município?
(Se as outras escolas são melhores)
4o Ano
Sim (%)
Não (%)
Total
48,34
51,66
1.208
o
46,72
53,28
1.051
o
48,68
51,32
756
6 Ano
8 Ano
Fonte: Elaboração própria
10
Tabela 6: Você preferia estudar em outra escola pública nesse município?
(Se as outras escolas são piores)
4o Ano
Sim (%)
Não (%)
Total
34,02
65,98
629
o
37,91
62,09
422
o
34,62
65,38
465
6 Ano
8 Ano
Fonte: Elaboração própria
Os resultados apresentados até aqui mostram que os alunos que dizem conhecer o IDEB da
sua escola parecem de fato conhecer melhor a posição relativa da sua escola no município.
Conhecer a posição relativa da escola parece também estar associado com o desejo de migrar de
escola. Ambos os fatos são condições necessárias para que os mecanismos de soft accountability
funcionem corretamente.
Professores
Vimos acima qual o nível de conhecimento dos alunos sobre o IDEB e como o
comportamento dos alunos está associado ao conhecimento do IDEB. As tabelas e imagens abaixo
mostram, por sua vez, qual é o padrão de conhecimento por parte dos professores.
Tabela 7: Você saberia dizer o IDEB da sua escola?
Sim (%)
Não (%)
Não sei o que é (%)
Total
80,39
18,90
0,71
984
Fonte: Elaboração própria
A tabela 7 mostra que boa parte dos professores declara saber o IDEB. Mais ainda: apenas
0,71% dos professores diz não saber o que é o IDEB. Outro exercício realizadofoi o de cruzar o IDEB
reportado pelos professores que declaram conhecer o IDEB da sua escola com o IDEB verdadeiro da
sua escola. As figuras 2 e 3 a seguir mostram que boa parte dos professores que declaram saber o
IDEB de fato sabe o IDEB da sua escola.
11
Figura 2 – Conhecimento do IDEB pelos professores – séries iniciais do EF
Figura 3- Conhecimento do IDEB pelos professores – séries finais do EF
Foi também realizado um exercício similar ao feito com os alunos. Os professores foram
questionados se as demais escolas do município possuem um IDEB pior ou melhor do que aquele de
sua escola. Essas informações foram cruzadas com a diferença do IDEB da escola com o IDEB do
município. O resultado é reportado nas figuras 4 e 5 a seguir e mostra que os professores que dizem
conhecer o IDEB da sua escola parecem de fato conhecer melhor a posição relativa de sua escola no
município.
12
Figura 4 – Probabilidade de professor considerar a escola melhor que a maioria – séries iniciais EF
Figura 5 - Probabilidade de professor considerar a escola melhor que a maioria – séries finais EF
Diretores
Agora estudamos o nível de conhecimento dos diretores sobre o IDEB e, a exemplo do que
foi feito com os professores e com os alunos, validamos as respostas com os resultados verdadeiros
do IDEB e com a posição relativa das escolas no município. A tabela e as imagens abaixo mostram
qual é o padrão de conhecimento por parte dos diretores.
Tabela 8: Você saberia dizer o IDEB da sua escola?
Sim (%)
Não (%)
Não sei o que é (%)
Total
97,86
2,14
0,00
234
Fonte: Elaboração própria
13
A tabela 8 mostra que quase a totalidade dos diretores declara saber o IDEB. Mais ainda:
nenhum diretor diz não saber o que é o IDEB. Analogamente ao caso dos professores, cruzamos o
IDEB reportado pelos diretores que declaram conhecer o IDEB da sua escola com o IDEB verdadeiro
da sua escola. As figuras 6 e 7 mostram que boa parte dos diretores que declaram saber o IDEB de
fato sabe o IDEB da sua escola.
Figura 6 – Conhecimento do IDEB da escola pelo diretor – séries iniciais EF
Figura 7- Conhecimento do IDEB da escola pelo diretor – séries finais EF
Assim como professores e alunos, osdiretores também foram questionados se as demais
escolas do município possuem um IDEB pior ou melhor do que aquele da sua escola. Essas
informações foram cruzadas com a diferença do IDEB da escola com o IDEB do município. O
resultado é reportado nas figuras 8 e 9 a seguir e mostra que, a exemplo do que acontece com os
professores e com os alunos, os diretores que dizem conhecer o IDEB da sua escola parecem de fato
conhecer melhor a posição relativa da sua escola no município.
14
Figura 8 – Probabilidade de diretor considerar escola melhor que a maioria – séries iniciais EF
Figura 9- Probabilidade de diretor considerar escola melhor que a maioria – séries finais EF
Práticas de “teaching for the test”
Outros exercícios foram realizados com a finalidade de identificar se os professores realizam
“teaching for the test”. Uma das perguntas do questionário dos alunos perguntava se algum dos
professores, na véspera da Prova Brasil, ensinou “truques” ou “macetes” para ir bem na prova?
O que pode ser identificado na tabela 9 é que há muita heterogeneidade nas respostas, o
que pode acontecer por conta das diferentes interpretações dos termos “macetes” e “truques” por
parte dos alunos de diferentes idades. Entre alunos do 4o ano, cerca de 38% consideram que os
professores ensinaram esse tipo de prática. O percentual cai para 31% entre alunos do 6o ano e para
20,5% entre alunos do 8o ano.
15
Tabela 9: Alguns dias antes da Prova Brasil a escola ou algum professor ensinou “macetes” ou
“truques” para ir bem na prova?
Sim (%)
Não (%)
Não sei o que é (%)
Total
4º ano
37,89
36,50
25,60
6.753
6º ano
31,11
39,92
28,97
9.278
8º ano
20,58
50,18
29,24
8.411
Fonte: Elaboração própria
A seguir, verificamos se existe alguma relação entre a prática de “teaching for the test” e o
quanto os diretores e professores consideram o currículo da escola adequado. Os resultados, para
diretores, professores de português e professores de matemática, são reportados nas figuras a
seguir.
Figura 10 – Percepção dos diretores quanto a adequação do currículo
Figura 11 - Percepção dos professores de português quanto a adequação do currículo
16
Figura 12 - Percepção dos professores de matemática quanto a adequação do currículo
Embora exista diferença de padrão de resposta entre professores de português e
professores de matemática, entre professores de português e diretores parece haver uma evidência
de que é positiva a relação entre a frequência de “teaching for the test” e a probabilidade de
acreditar que o currículo da escola está adequado à Prova Brasil. Uma possível explicação para tal
fenômeno é que os professores e diretores acreditam no mecanismo de accountability.
Por fim, investigamos a relação entre a frequência de “teaching for the test” - de acordo com
as respostas dos alunos - e o percentual de acerto das escolas nos testes de português e
matemática. Em todos os casos os resultados indicam que a prática de “teaching for the test” é mais
frequente em escolas com pior desempenho, tanto quando usamos os testes de português quanto
quando usamos os testes de matemática. É importante notar que essa relação não implica uma
relação causal, indicando que a prática de “teaching for the test” causa notas piores. A relação mais
provável é que as escolas com pior desempenho se utilizem dessa técnica para tentar mascarar esse
resultado na Prova Brasil e, consequentemente, no IDEB.
17
Figura 13 - Teaching for the test e Percentual de acerto nas avaliações
Incentivos
Até agora investigamos a prática de soft accountability por parte das escolas. No entanto,
como já ressaltado, mecanismos de hard accountability, como os que condicionam bonificação a
professores e diretores a resultados de alunos em provas, são bastante comuns. Nessa seção,
investigamos como a existência de incentivos formais, que podem ser vistos como mecanismos de
hard accountability, se relacionam ao desempenho dos alunos e à presença de práticas de “teaching
for the test”.
18
A primeira questão levantada é se mecanismos formais de bonificação estão associados à
prática de “teaching for the test”. Para isso são cruzadas as informações do questionário do diretor
sobre a existência de mecanismo formal de bonificação e as respostas dos alunos para construir um
índice que indique a frequência de utilização da prática de teaching for the test por parte dos
professores. A imagem abaixo mostra que não existe uma relação clara entre essas duas variáveis.
Figura 14 – Relação entre frequência de ensino de truques e macetes e existência de premiação
formal
Outro exercício realizado tem como objetivo verificar se existe uma relação entre a
existência de mecanismos formais de bonificação e o desempenho da escola. Conforme já
mencionado, essa é uma questão ainda bastante controversa na literatura e os resultados de
programas desse tipo ainda não são claros. O exercício aqui, no entanto, tem o objetivo apenas de
traçar uma correlação entre a existência de programas formais de bonificação e o desempenho da
escola, medido como o percentual de acerto nos testes de matemática e português.
A despeito de uma relação negativa que pode ser notada no primeiro gráfico, os demais
resultados indicam que a existência de premiação formal vinculada a metas de desempenho está
associada a um desempenho melhor dos alunos, tantos nos testes de matemática quanto nos testes
de português.
19
Figura 155 – Percentual de acertos e existência de premiação formal
Em suma, nessa seção mostrou-se que existe evidência de que as escolas com pior
desempenho são as que mais se utilizam de “truques” e “macetes” (“teaching for the test”) para
melhorar o desempenho dos piores alunos.
Ainda, mostrou-se também que as escolas com melhor desempenho são aquelas onde
mecanismos de premiação formal são mais frequentes. Para esses exercícios utilizamos dados de
provas de proficiência de português e matemática aplicadas aos alunos. É importante destacar que
os resultados nessas provas, quando comparados ao IDEB das escolas, apresentam forte correlação.
20
4. Conclusões
Nesse estudo, investigamos as experiências de accountability praticadas em uma amostra de
escolas públicas brasileiras, focando em sua eficácia e, principalmente, na presença em tais escolas
dos elementos necessários ao sucesso de tais tipos de mecanismos de incentivo.
São encontradas evidências sugestivas de que os requisitos ao pleno funcionamento de
sistemas de soft accountability se mostram presentes em tais escolas; em particular, alunos,
professores e diretores que conhecem o Ideb de suas escolas têm um melhor conhecimento quanto
ao desempenho das mesmas frente ao resto das escolas em seu município. Além disso, tal
conhecimento pelos alunos se mostra intimamente ligado ao seu desejo em mudar para uma escola
melhor. Dessa forma, é plausível concluir que o Ideb é de fato entendido como uma medida de
qualidade escolar por tais agentes.
Mais ainda, é constatada, em geral, uma relação positiva entre o desempenho estudantil nos
testes aplicados e a existência de um mecanismo de premiação formal à escola, o que pode ser
entendido como uma resposta das escolas a mecanismos de hard accountability.
Por fim, notamos que ao passo que sistemas de soft accountability parecem estar associados
à promoção da prática de “teaching for the test” pelos professores, o mesmo não é verificado para
sistemas de hard accountability. Tal achado pode estar associado ao fato de que as escolas que
adotam regimes de hard accountability tendem a monitorar de forma mais minuciosa as ações o
professores, uma vez que desvios de conduta dos professores no sentido de aumentar
artificialmente as notas de seus alunos têm impacto direto sobre o orçamento disponível. No
entanto, os dados à nossa disposição não nos permite investigar a validade desta conjectura.
Referências Bibliográficas
ANDRADE, E. School Accountabilityno Brasil: experiências e dificuldades.Revista de Economia
Política, v. 28, n. 3, Julho-Setembro. 2008.
BARLEVY, G.; NEAL, D. Pay for Percentile. Working Paper, University of Chicago.2010.
FIGLIO, D. N.; LAWRENCE S. G. Accountability, Ability and Disability: Gaming the System? NBER
Working Paper 9307. 2002.
FRYER, R. G. Teacher Incentives and Student Achievement: Evidence from New York City Public
Schools. NBER Working Paper 16850. 2011.
21
GLEWWE, P.; KREMER, M. Schools, Teachers and Education Outcomes in Developing
Countries.Handbook on the Economics of Education. 2005.
GLEWWE, O.; ILIAS, N.;KREMER, M. Teacher Incentives. American Economic Journal: Applied
Economics, v. 2, n. 3, p. 205-227. 2010.
HANUSHECK, E. The Failure of Input-Based Schooling Policies.The Economic Journal, v. 113,
February, 2003.
HANUSHECK, E.; RAYMOND, M. Does School accountability lead to improved student
performance.Journal of Policy Analysis & Management, v.24, n 2. 2005
KANE, T.; DOUGLAS O. S. The Promise and Pitfalls of Using Imprecise School Accountability
Measures. Journal of Economic Perspectives, v. 16, n. 4, p. 91–114, 2002.
LADD, H. F.; ZELLI, A. School Based Accountability and Incentive Program: an Evaluation of its
Impacts on Student Outcomes. Economics of Education Review, v. 18, n. 1, p. 1-16. 2002.
MURALIDHARAM, K.; SUNDARARAMAN, V. Teacher Performance Pay: Experimental Evidence For
Índia, Working Paper, University of California San Diego. 2009.
NEAL, D.;SHANZENBACH D. Left Behind by Design: Proficiency Counts and Test-based
Accountability. Review of Economics and Statistics, v. 92, n. 2, p. 263-283. 2010.
WEST, M. R.; PETERSON P. The Efficacy of Choice Threats within School Accountability Systems:
Results from Legislatively Induced Experiments. The Economic Journal, v. 116, n. 510, p. 46-62.
2006.
22
A Relação entre Gastos e Educação e Desempenho Escolar nos Municípios
Brasileiros: Uma Análise com dados em Painel
Naercio Menezes Filho+
Alison Pablo de Oliveira∗
1. Introdução
Atualmente, é consenso que a educação desempenha papel importante em várias
dimensões da vida das pessoas dos países. Há, por exemplo, vários modelos de crescimento
econômico focados no papel da educação. Além disso, a educação tem importância como
determinante da renda e da empregabilidade futura dos indivíduos, além de ser importante
determinante do estado de saúde. É natural, portanto, que políticas educacionais ganhem
destaque, pois elas podem ser determinantes no desenvolvimento dessas diversas variáveis,
sobretudo no crescimento de longo-prazo dos diferentes países. Obviamente, o Brasil não é
exceção a este caso.
Ocorre, contudo, que muito do foco dado à relação entre o desempenho econômico e
educação se concentra nos níveis médios de escolaridade, ou seja, em sua quantidade, nos
anos médios de educação, por exemplo. Diante dessas preocupações, a qualidade da educação
recebeu, por muito tempo, pouco destaque. Mais recentemente, diversos autores passaram a
argumentar que a qualidade do ensino desempenha papel tão importante quanto sua
quantidade.
Logo que fica estabelecida a relevância da qualidade da educação, outras questões
surgem: como alocar recursos para satisfazer a demanda por qualidade de ensino? Como
aumentar a qualidade do ensino? A estrutura de incentivo dos órgãos responsáveis pelas
políticas educacionais públicas é capaz de transformar aportes de recursos em educação de
melhor qualidade?
O objetivo dessa parte do projeto é contribuir para esse debate ao tentar responder à
seguinte pergunta: existe um padrão de investimentos em educação nos diversos países que
resulte em um melhor desempenho escolar? Vários estudos em diversos países procuram
relacionar gastos em educação com desempenho escolar, usando dados de escolas,
municípios, estados e países (ver revisão da literatura abaixo). As evidências são mistas,
algumas pesquisas encontram uma relação positiva e significativa entre os gastos e
+
Insper e Universidade de São Paulo; ∗ Universidade de São Paulo
1
desempenho escolar, ao passo que outras não encontram significância estatística na relação.
Obviamente, os resultados encontrados dependem do nível de agregação, das bases de dados
utilizadas, mas, principalmente, de como os recursos gastos são aplicados.
Nesse sentido, nossa análise da relação entre gastos e desempenho focará nos
mecanismos através dos quais os investimentos em educação podem trazer mais resultados.
Para isso utilizaremos bases de dados internacionais, nacionais e estaduais, conforme descrito
abaixo, a fim de garantir que a análise contenha um componente geral, mas que leve em conta
também as particularidades de cada sistema escolar.
2. Revisão Bibliográfica
2.1 Literatura Internacional
Nos Estados Unidos, a polêmica a respeito da importância dos gastos em educação
teve início com a publicação de um estudo do governo intitulado “Equality of Educational
Opportunity” (Coleman et al., 1966). Esse estudo contou com a participação de cerca de
seiscentos mil estudantes de mais de três mil escolas de todo o país.
Um dos temas abordados no estudo de Coleman foi a relação entre recursos escolares
e desempenho dos alunos. Nesse sentido, o principal resultado encontrado foi o fato do
desempenho dos alunos ser mais fortemente correlacionado com as características familiares,
como renda dos pais, nível educacional e existência de recursos em casa. Um segundo grupo
de características relevantes, embora com menor impacto, seriam aquelas relacionadas aos
pares, ou aos colegas.
Por outro lado, os fatores relacionados às escolas, ou aos professores, teriam pouca ou
nenhuma correlação com o desempenho. Um fato interessante observado foi que, embora as
características dos professores não tenham sido positivamente associadas aos resultados dos
alunos como um todo, elas apresentaram impacto maior sobre as minorias étnicas, quando
comparadas aos estudantes brancos.
Após esse primeiro estudo quantitativo, várias outras análises foram elaboradas
valendo-se tanto dos dados levantados pelo estudo de Coleman, quanto de dados novos e
mais detalhados. Naturalmente, o foco da maioria desses estudos era aprofundar o
conhecimento a respeito dos motivos que levavam à falta de relação entre as características
das escolas e os resultados obtidos pelos estudantes.
Hanushek (1986) revisou 187 equações, presentes em 38 artigos ou livros publicados
separadamente naqueles últimos vinte anos. Esses estudos se restringiam a escolas públicas,
2
de todas as regiões dos Estados Unidos, havia diferentes séries escolares, além de serem
utilizadas diferentes medidas para o desempenho dos estudantes e também foram utilizadas
abordagens analíticas e estatísticas variadas. Alguns desses estudos relatam a existência de
relação positiva entre gastos e desempenho dos alunos, enquanto outros não encontram
nenhuma relação ou relação negativa.
Após fazer uma análise dos sinais e da significância dos coeficientes estimados,
Hanushek, através de um sistema de “vote counting” concluiu que não havia uma relação forte
ou sistemática entre gastos das escolas e desempenho dos estudantes.
“There appears to be no strong or systematic relationship between school
expenditures and student performance.” (Hanushek, 1986, p. 1162)
1
Isso aconteceu tanto para os gastos agregados, quanto para seus determinantes; taxa
de professor por aluno, educação do professor, experiência, tamanho das classes, recursos
escolares, salários dos professores, ou gasto por aluno.
Em Hanushek (1989), fica claro que todos seus resultados refletem generalizações que
se baseiam na estrutura e nos procedimentos operacionais das escolas da época. Sendo assim,
uma mudança organizacional, com incentivos diferentes, poderia produzir resultados
diferentes e fazer com que os gastos passassem a afetar o desempenho dos alunos.
“For example, almost every economist would support the argument that increasing
teacher salaries would expand and improve the pool of potential teachers. Whether
or not this would improve the quality of teaching, however, would depend on
whether or not schools systematically chose and retained the best teacher from the
poll. The results cited here on salary differentials might be very different if schools
were to have a greater incentive to produce student achievement and if mechanisms
for teacher selection were altered” (Hanushek, 1989, p. 49)
2
Por outro lado, Hedges et al. (1994) fizeram uma crítica ao método utilizado por
Hanushek, alegando que o método de “vote counting” possui baixo poder e, portanto, alta
probabilidade de erro estatístico do tipo II; aceitar a hipótese nula (não haver correlação entre
gastos e desempenho) quando essa hipótese é falsa. Segundo os autores, eram necessários
métodos estatísticos mais sofisticados. Assim Hedges e seus colegas construíram testes para a
1
“Parece que não há uma relação forte ou sistemática entre os gastos com educação e o desempenho
dos alunos”.
2
“Por exemplo, quase todo economista apoiaria o argumento de que aumentar o salário dos
professores aumentaria o número de bons professores em potencial. Mas isso somente melhoraria a
qualidade do ensino se as escolas escolhessem e treinassem os melhores professores disponíveis. Os
resultados mostrados aqui com relação aos diferenciais de salários poderiam ser muito diferentes se as
escolas tivessem incentivos para alcançar um maior desempenho dos alunos e se os mecanismos para
seleção de professores fosse alterado”.
3
hipótese de existência de pelo menos um estudo com coeficiente significativo. Foram
encontradas fortes evidências da existência de algum efeito positivo dos gastos e pouca
evidência da existência de efeitos negativos.
Em sua réplica às críticas de Hedges, Laine e Greenwald; Hanushek (1994) chamou
atenção para o fato de haver uma diferença crucial entre a interpretação que foi utilizada em
seu artigo de 1989 e aquela proposta pelos seus críticos. Enquanto esses últimos
interpretaram a “ausência de relação forte e sistemática” como sendo a não existência de
relação em qualquer um dos estudos, Hanushek argumentou que utilizou esses termos para se
referir apenas a não existência de relação na maioria dos casos.
Consoantemente, ele esclareceu que seria extremamente improvável encontrar
evidências da não existência de relação em qualquer um dos casos. Para isso não acontecer,
bastaria que um dos estados, por exemplo, utilizasse seus recursos de maneira eficiente.
Finalmente, Hanushek alegou que mesmo as técnicas mais sofisticadas de Hedges et. al., para
serem consistentes, necessitavam de hipóteses claramente não observadas nos estudos em
questão. Como, por exemplo, independência entre os estudos realizados.
Dando cabo a esse extenso debate, pelo menos no que se refere aos estudos de 1986
e 1989 de Hanushek, Hedges et. al. (1994-b), referindo-se a interpretação exposta por
Hanushek (1994), lembraram que a inferência estatística é uma técnica de desenho de
conclusões sobre um “valor verdadeiro”, um parâmetro, e não um padrão aleatório de
estimativas. Ou seja, seria um erro inferir a magnitude, ou o sinal, da relação entre gastos e
desempenho dos alunos, acreditando que o parâmetro possa variar. Quanto à crítica de
Hanushek à qualidade dos dados e ao fato da amostra não ser apropriada para a metodologia
utilizada pelo fato dos dados não serem completamente independentes, seus críticos alegam
ter utilizado técnicas para lidar de forma mais eficiente com esse problema. Mas, mesmo
assim, seriam necessários dados melhores para resultados mais satisfatórios. No entanto,
mesmo o método de “vote counting” necessitaria da hipótese de independência dos dados,
fato que não foi considerado por Hanushek.
Greenwald et. al. (1996) selecionaram, dentre os artigos utilizados por Hanushek
(1986), aqueles que se enquadravam nos seguintes critérios: tinham sido publicados em
revistas ou livros referenciados, usavam dados americanos, possuíam medidas de desempenho
que refletissem sucesso acadêmico, usavam dados por distritos ou menos agregados, incluíam
características socioculturais no modelo, eram ajustados com dados longitudinais e nos quais
havia apenas dados independentes dos utilizados em outros estudos presentes. Olhando para
gastos por aluno, os autores encontraram que 11 dos 12 estudos estatisticamente significantes
4
tinham sinal positivo. Além disso, a maioria dos coeficientes estatisticamente não significantes
apresentava associação também positiva.
Durante a década de 90, outros estudos se debruçaram sobre essa temática utilizando
outras fontes de dados e abordagens alternativas. Card e Krueger (1992), por exemplo,
estudaram o efeito de fatores relacionados às escolas, como professores por aluno e salários
relativos dos professores, sobre retornos da educação para a geração nascida entre 1920 e
1949. Os autores encontram que os homens que estudaram em estados com melhores escolas
possuíam maiores prêmios por ano de escolaridade. Outro resultado encontrado foi que
aqueles que estudaram nos estados com professores mais escolarizados, também possuíam
prêmios mais elevados para educação.
Betts (1996) fez uma detalhada revisão da literatura sobre o impacto dos recursos das
escolas nos ganhos dos indivíduos e no sucesso educacional. O autor destacou o fato de que o
desempenho dos estudantes em exames de proficiência é uma medida de eficiência de curto
prazo. Por isso, seria necessário olhar, também, para outras medidas de longo prazo, como,
por exemplo, os rendimentos futuros dos indivíduos.
No entanto, Hanushek (2006) argumentou que essas medidas - desempenho em testes
padronizados e rendimentos individuais - além da produtividade e do crescimento do produto,
são diretamente relacionadas. Segundo o autor, um aumento de um desvio-padrão na nota de
matemática refletiria um aumento de 12% nos rendimentos anuais, sendo que esse valor ainda
poderia estar subestimado. Dessa forma, o desempenho dos estudantes em testes
padronizados seria a variável chave para avaliar os impactos de políticas na qualidade do
ensino.
Embora as pesquisas analisadas por Betts fossem ambíguas quanto à relação entre
gastos e desempenho, tanto em termos de rendimentos quanto de resultados acadêmicos,
importantes padrões foram observados pelo autor. De modo geral, os artigos que mostraram
não haver relação significativa entre insumos escolares e resultados utilizaram dados
agregados por escolas e estudaram trabalhadores mais jovens (educados entre 1960 e o início
dos anos 80). Enquanto isso, os trabalhos que encontraram relação positiva avaliaram médias
escolares por estado e eram compostos por trabalhadores mais velhos (os quais estudaram na
primeira metade do século XX). O autor defende que a hipótese mais plausível para explicar
esse padrão é de mudança estrutural. A relação entre insumos escolares e resultado teria
ficado mais fraca ao longo do tempo. Isso poderia ter ocorrido devido a fatores como: queda
nos retornos educacionais, aumento da burocratização e centralização das escolas públicas ou
devido ao aumento da sindicalização dos professores.
5
Sobre essa última explicação Hoxby (1996) elabora um modelo com a existência de
dois tipos de sindicatos. Um deles maximizaria a eficiência do sistema educacional, pois,
devido às informações privilegiadas a que os professores têm acesso, eles internalizariam
externalidades da produção da educação que os demais agentes não teriam acesso. O outro
tipo seriam os sindicatos que procurariam apenas maximizar a renda dos professores, sem
interesse na qualidade do ensino. Dentro desse modelo, qualquer um dos dois tipos de
sindicatos tende a aumentar a quantidade de recursos empregados na educação, caso haja
aumento da sindicalização. No entanto, apenas no primeiro caso, um aumento dos recursos
causa um aumento da qualidade da educação.
Os estudos revisados por Betts também apontam que as estimativas da taxa de
retorno do gasto por aluno e do tamanho da classe mostraram padrões próximos aos descritos
acima: estudos que utilizaram dados das escolas obtiveram taxas de retorno menores do que
aqueles compostos por dados dos estados. Porém, mesmo utilizando as estimativas mais
otimistas, a taxas de juros plausíveis, a taxa líquida de retorno dos gastos por aluno foi sempre
negativa. Por outro lado, a taxa de retorno de um ano a mais de educação, se mostrou muito
maior. Exatamente por isso, Betts sugere políticas públicas que aumentem o tempo de ensino,
como aumento das horas-aulas ou dos anos de estudo, essas políticas seriam largamente mais
eficazes do que aquelas constituídas por simples aumentos dos gastos por aluno ou por
diminuição do tamanho das classes.
Decompondo os gastos educacionais dos Estados Unidos entre 1890 e 1990, Hanushek
e Rivkin (1997) mostram que, devido, principalmente, à redução da relação alunosfuncionários, ao aumento real dos salários dos professores e ao aumento dos gastos
administrativos, o gasto real por aluno cresceu o equivalente a uma taxa de 3,4% ao ano nesse
período.
Acrescentando ao crescimento dos gastos em educação o fato que, entre 1970 e 1995,
a qualidade do ensino nos Estados Unidos praticamente não se alterou, Hanushek (1997)
chega à conclusão de que houve uma queda na produtividade do sistema educacional norteamericano. Segundo o autor, essa queda na produtividade poderia ser explicada por um
mecanismo conhecido como “doença de Baumol”.
Imaginando uma economia com dois setores, sendo um deles intensivo em tecnologia
e outro em mão-de-obra e, além disso, com remuneração do trabalho dada pela produtividade
média da economia. Um aumento do desenvolvimento tecnológico provocaria aumento dos
salários e uma redução da produtividade do setor intensivo em mão-de-obra. Aqui, esse último
setor seria o sistema de ensino.
6
No entanto, Hanushek acredita que a queda da produtividade vivida pelos Estados
Unidos foi superior a prevista pela “doença de Baumol”. Para o autor, essa queda da
produtividade pode ser mais facilmente explicada pelo fato das estruturas educacionais não
criarem mecanismos de incentivos para o aprimoramento do ensino ou para redução dos
custos.
Na mesma linha dessa explicação simples sugerida por Hanushek, Pritchett e Filmer
(1997) desenvolveram um modelo positivo e teórico. Segundo esse modelo, o objetivo dos
responsáveis pela alocação dos recursos seria maximizar uma média ponderada entre a
qualidade do ensino e alguma medida da utilidade dos professores. Esse modelo seria capaz de
explicar a falta de relação entre gastos educacionais e qualidade da educação.
Wö β mann (2003) também elabora um modelo para explicar o funcionamento dos
sistemas educacionais. Segundo o autor, a qualidade depende de uma série de fatores como:
instituições, políticas e prestação de contas. Tais fatores podem ser resumidos na estrutura de
incentivos do sistema educacional. Além das características do aluno e de sua família, o
desempenho dependeria de cinco fatores: (1) a presença de exames centralizados; (2) a
distribuição do poder de decisão entre escolas e órgãos que as governam; (3) o nível de
influência de professores e sindicatos de professores; (4) a distribuição do poder de decisão
sobre o sistema de educação entre níveis de governo e (5) o grau de competição entre as
redes pública e privada.
Hanushek (1997), Gundlach, Wö β mann e Gmelin (2001) e Gundlach e Wö β mann
(2001) chegam a conclusões semelhantes a respeito dos aumentos dos custos observados no
setor educacional. Enquanto o primeiro olha para dados dos Estados Unidos, o segundo estudo
observa dados de países da OCDE e o terceiro analisa países do leste asiático. Todos os três
trabalhos concluem que os aumentos dos custos foram superiores aos previstos pela “Doença
de Baumol”. Tais observações vão ao encontro da afirmação de Hanushek de que o aumento
dos gastos não está diretamente relacionado à melhora da qualidade da educação.
Hanushek e Kimko (2000) exploraram a relação entre qualidade do ensino e
crescimento econômico. Nos modelos propostos pelos autores, a inclusão de variáveis de
qualidade do ensino aumentou o ajuste dos dados ao modelo em cerca de 40 pontos
percentuais. Como os autores argumentam que aumentos de recursos não causam melhora na
qualidade da educação, ou nos resultados dos testes padronizados, a melhoria na qualidade da
educação causaria aumento do crescimento. Segundo esse estudo, um aumento de um desviopadrão nos resultados de testes padronizados provocaria um aumento de 1,4 ponto
percentual no crescimento do Produto Interno Bruto.
7
Com base em um painel de países, Lee e Barro (2001) encontraram uma relação
positiva entre recursos escolares e qualidade do ensino. Tal correlação foi encontrada para a
razão professor-aluno e para o salário do professor. Além de mais uma vez corroborar a
existência da relação positiva entre fatores familiares e desempenho dos alunos.
Rivkin, Hanushek e Kain (2005), a partir de um painel de escolas do Texas, elabora um
estudo sobre o impacto do número de professores por aluno e da qualidade dos professores
sobre o desempenho escolar. As principais conclusões do artigo são: a qualidade dos
professores tem um impacto importante sobre o desempenho dos alunos; o desempenho dos
alunos está relacionado às características dos professores e da escola, no entanto, esse
impacto é pequeno. Jocob e Lefgren (2004) aproveitaram reformas feitas nas escolas de
Chicago para utilizar técnicas de regressão descontínua para testar impacto de políticas de
treinamento de professores no desempenho dos alunos. Os resultados não mostraram
nenhum efeito significativo nos resultados de leitura e matemática. Logo, segundo os autores,
investimentos modestos em treinamento podem não ser suficientes para aumentar o
desempenho de crianças do ensino primário em escolas muito pobres.
Também utilizando regressão descontínua, Leuven, Lindahl, Oosterbeek e Webbink
(2007) estimaram o impacto de programas que destinam mais recursos para escolas com
grande proporção de alunos com baixo desempenho. O primeiro esquema dava recursos
extras para gastos com pessoal às escolas primárias com pelo menos 70% dos alunos de
minorias desfavorecidas. Já o segundo dava recursos extras para computadores e softwares às
escolas primárias com pelo menos 70% dos alunos de qualquer grupo desfavorecido. Os
autores não encontraram efeitos positivos para nenhum dos dois esquemas. Além disso, foi
encontrado um impacto negativo e significativo para o segundo esquema, o que sugere que
políticas de investimentos em informática não são eficazes para melhorar o desempenho nas
escolas. Essa tese é corroborada por outros estudos como Angrist e Lavy (2002), Goolsbee e
Guryan (2006), Rouse and Krueger (2004).
Greene e Trivitt (2008) estimaram os efeitos das intervenções de decisões judiciais nos
recursos alocados para educação nos estados norte-americanos. Segundo os autores, houve
intervenção judicial em mais da metade dos estados entre 1992 e 2005, no entanto, ao
acompanhar os resultados em testes padronizados e as taxas de conclusão do ensino médio,
em 48 estados, não foram encontradas evidências de que as intervenções tivessem impactado
os resultados atingidos.
Outro fator diretamente correlacionado com os gastos em educação é o salário dos
professores. Ondrich, Pas e Yinger (2008) mostraram que professores de municípios com
salários relativos maiores com relação aos demais trabalhadores são menos prováveis de
8
deixar de lecionar. Além disso, professores com salários próximos ao topo da distribuição de
salários possuem uma probabilidade menor de trocar de distrito.
Analisando o impacto de classes menores no aprendizado, Konstantopolous e Chun
(2009) utilizaram dados do Projeto STAR3 e do “Lasting Benefits Study” para estimar os efeitos
de classes pequenas nas diferenças de resultados em matemática, leitura e ciências. No
Projeto STAR, 11.571 alunos do Tennessee e seus professores foram aleatoriamente
escolhidos para salas de aula dentro de suas escolas, desde a educação infantil até a terceira
série. Os resultados mostraram que todos os tipos de estudantes que estudaram em classes
pequenas nas séries iniciais obtiveram um melhor desempenho nas séries mais avançadas.
Alunos com baixo desempenho se beneficiaram mais, especialmente em leitura e ciências, o
que sugere que políticas de redução de classes podem ser eficazes para reduzir a diferença de
resultados entre os alunos.
Ainda utilizando dados do Projeto STAR, Chetty et al. (2011) avaliaram seus impactos
de longo prazo juntando os dados experimentais a registros administrativos. O estudo relata
que os resultados dos testes no jardim de infância estão altamente correlacionados com os
rendimentos aos 27 anos de idade, com a chance de entrar na faculdade, de possuir casa
própria, com poupança e aposentadoria. Os autores também relatam uma maior
probabilidade de estudantes de classes menores entrarem na faculdade e de obterem
melhores resultados. No entanto, os autores não encontraram efeitos significativos nos
rendimentos aos 27 anos de idade. Outro ponto levantado, é que alunos que tiveram aulas
com professores mais experientes obtiveram melhores salários aos 27 anos.
Borman e Dowling (2010) e Konstantopolous e Borman (2011) voltaram a analisar os
antigos dados do estudo de Coleman e argumentam que, fazendo-se uma análise mais
detalhada, percebe-se que características escolares tem um importante papel distributivo e na
redução da desigualdade de resultados para mulheres, minorias e grupos em desvantagem.
Mesmo após controlar as características familiares dos estudantes, uma grande parte da
variação entre os resultados médios das escolas estaria relacionada a diferenças explicadas por
características das escolas.
Ainda com relação a efeitos distributivos, Roy (2011) analisou uma grande alteração no
sistema de financiamento escolar feita pelo estado de Michigan em 1994. A mudança
aumentou significativamente os recursos enviados aos distritos com menores gastos em
educação e limitou aumentos de gastos futuros por parte dos distritos com maiores gastos. O
autor argumenta que houve um significativo efeito positivo no desempenho dos distritos com
3
Programa de redução de tamanho de classes realizado em Texas, EUA.
9
menores gastos no teste estadual. Porém, a restrição imposta aos municípios com maiores
gastos pode ter tido um impacto negativo no desempenho desses municípios.
Clotfelter, Ladd e Vigdor (2011) chamam atenção para o fato de há uma grande
desigualdade na distribuição entre a qualidade dos professores nas diferentes escolas norteamericanas. Essa desigualdade é claramente desvantajosa para as minorias e para os
estudantes de mais baixa renda. Utilizando dados da Carolina do Norte, os autores medem o
potencial de políticas de diferencial de salários para alterar esse padrão. No entanto, os
autores chegam à conclusão que os professores mais qualificados respondem mais à mistura
racial e de renda dos alunos da escola do que aos salários quando comparados aos professores
menos qualificados.
De uma maneira mais geral, Fryer (2011) mede o impacto de uma série de políticas
relacionadas a aumentos de gastos no resultados de escolas com baixo desempenho em
Houston, Texas. No ano letivo 2010-2011, foram implantadas cinco estratégias tidas como bem
sucedidas em escolas “charter”, em nove das escolas com mais baixo desempenho em
Houston. As medidas eram aumento do tempo de instrução (horas aula), uma abordagem mais
rigorosa voltada para formação de capital humano, amplo uso de tutoriais para orientar o
ensino, uso frequente de dados para avaliar o aprendizado e uma política de expectativa de
resultados elevados. O estudo mostra que houve um impacto positivo de 0,277 desvios
padrões em matemática e de 0,062 em leitura, resultado muito semelhante aos de outros
estudos do gênero.
Mais recentemente, outra política diretamente relacionada a aumento dos gastos em
educação tem sido adotada em diversas partes do mundo, a adoção de políticas de incentivos
financeiros atrelados ao desempenho dos professores. Hanushek e Raymond (2006) chamam
atenção para o fato de que políticas de prestação de contas (accountability) desempenham um
papel relevante para o para o ensino norte-americano. Dentro desta perspectiva, iniciativas de
remuneração dos professores por desempenho dos alunos se enquadram como políticas de
“hard accountability”, uma vez que atrelam a remuneração dos professores ao seu
desempenho na tarefa de melhorar os resultados dos alunos. Outra defesa de políticas de
incentivos financeiros e uma descrição mais detalhada podem ser vistas em Hanushek (2008).
Por outro lado, Fryer (2013), a fim de entender o efeito de políticas de incentivos
financeiros, descreveu um experimento aleatório realizado em mais de duzentas escolas
públicas da cidade de Nova Iorque. Nesse estudo, o autor não encontrou evidências de que os
incentivos aos professores melhoraram o desempenho dos alunos, frequência escolar, ou
taxas de conclusão do ensino médio. Além disso, o autor também não encontra evidências de
que os incentivos mudaram os comportamentos, sejam dos alunos ou dos professores.
10
A figura 1 do Apêndice mostra a relação entre os gastos com educação (porcentagem
de PIB) e a nota de matemática no PISA de 2009, para alguns países selecionados. Ao
analisarmos a situação brasileira, verificamos que, apesar de possuir uma alta taxa de
financiamento em educação, comparativamente aos outros países, o desempenho dos alunos
brasileiros no Programa Internacional de Avaliação de Alunos é nitidamente o pior de todos.
México e Chile também apresentam um baixo desempenho. Analisando o gráfico como um
todo, percebemos que não há uma tendência nítida entre total de gasto com educação e
desempenho escolar. Os países que possuem nota próxima de 500 no PISA diferem bastante
em respeito ao total de investimento em educação.
2.2 Literatura Nacional
Diferentemente do caso internacional, a literatura brasileira a respeito da relação
entre gastos educacionais e qualidade da educação é bastante escassa. Embora esse tema
esteja frequentemente na agenda política e gere bastante polêmica na sociedade, faltam
estudos científicos que analisem os verdadeiros impactos de aumentos nos gastos na
qualidade do ensino.
Dentro da perspectiva dos determinantes dos gastos em educação, Menezes-Filho e
Pazello (2007) utilizam os dados do SAEB de 1995 a 2001 para captar o efeito da modificação
do FUNDEF, ocorrida em 1998, sobre os salários dos professores e possíveis reflexos sobre a
proficiência dos alunos. Os autores encontram um efeito positivo do aumento dos salários dos
professores sobre a proficiência dos alunos da rede pública. Além disso, os autores sugerem
que o ganho de proficiência seja fruto da atração de melhores professores em função dos
melhores salários oferecidos.
Mais especificamente com relação aos gastos, Menezes – Filho e Amaral (2009)
utilizam dados da prova Brasil e dos gastos municipais disponibilizados através do FINBRA4
para testar a existência de relação entre as despesas municipais com educação e o
desempenho médio das escolas municipais. Os resultados mostram que após utilizarem
variáveis de controle para características da população do município e por horas-aula o efeito
encontrado foi pequeno e apenas para municípios com notas mais altas na quarta série.
Nascimento (2007) elaborou um estudo com base nos dados disponíveis para 274
municípios do Estado da Bahia, nos quais o governo estadual aplicou provas de proficiência em
4
Sistema Finanças do Brasil, disponível na Secretaria do Tesouro Nacional.
11
matemática e português para alunos das quartas e oitavas séries. Após controlar por
características observáveis, o autor não encontrou efeitos significativos seja para os gastos ou
para seus determinantes. Diaz (2007), também utilizou dados do FINBRA, no entanto, mediu o
impacto dos gastos no IDEB municipal. A autora conclui que existe um impacto positivo dos
gastos, mas sua magnitude é pequena.
O que fica evidente é que os estudos brasileiros relacionados a gastos educacionais
ainda estão muito atrasados com relação aos trabalhos que são feitos no exterior. Além disso,
a maioria desses poucos estudos faz uso de dados muito semelhantes, talvez isso indique a
necessidade de criação de bases dados melhores que possam ser utilizadas para realização
desse tipo de estudo.5
3. Metodologia
A metodologia geralmente utilizada para analisar o impacto dos recursos escolares no
desempenho dos alunos é a chamada função de produção escolar:
Yit = f ( Fi , Pi , S i , H i ) + uit
(1)
Esta função relaciona o desempenho escolar (Y) com medidas de estrutura socioeconômica da
família (F), efeito dos pares (P), insumos escolares (S) e habilidade do aluno (H). Vale notar que
esses fatores são cumulativos, ou seja, o resultado depende da acumulação desses
componentes ao longo do tempo. Nesse contexto, diversas especificações de uma regressão
tendo como variável dependente as notas médias municipais na Prova Brasil foram estimadas.
A equação de regressão tomada como base para a estimação seguiu a seguinte forma:
log(nota) = α + β log( gasto) + ∑ γ i zi + ∑ θ j dummyuf j + ε
(I)
onde ε representa um fator de erros aleatório. As variáveis dependentes são as notas médias
das redes municipais na Prova Brasil, sejam em matemática ou em português; os gastos são os
gastos nas redes municipais de ensino fundamental por aluno matriculado nas respectivas
redes; as variáveis de controle ( zi ) são os anos de educação média daqueles maiores de 25
anos em cada município no ano de 2000, as horas médias de aula por dia de cada rede e a
5
Poderíamos utilizar os dados de infraestrutura escolar obtidos na amostra de escolas utilizada nos
demais capítulos desse livro. Porém, sabemos que a maior parte dos gastos com educação é com o
salário dos professores, não com infraestrutura e, infelizmente, essa base não possui dados sobre
salários. Além disso, vários estudos mostram que a infraestrutura escolar não importa para o
desempenho dos alunos (Menezes-Filho, 2012).
12
proporção média de docentes com curso superior em cada rede; por fim, há variáveis binárias
( dummyuf j ) identificando cada Unidade da Federação, para controlar por características não
observáveis de cada estado que podem ser correlacionadas com a nota e com os gastos. Cabe
ressaltar que em uma das especificações testou-se uma forma funcional que continha o
logaritmo dos gastos ao quadrado.
Para concluir se aumentos nos gastos educacionais têm aumentado a qualidade da
educação, deve-se testar a significância do parâmetro β . Apenas no caso de β significante e
positivo se pode concluir que aumentos nos gastos têm aprimorado o ensino. Tendo em vista
esse fato, utilizamos vários métodos de regressão para dados em painel, como POLS, Efeitos
Aleatórios, Efeitos Fixos e Primeiras-Diferenças, para tentar estimar essa relação de modo
consistente e eficiente. Esses métodos buscam controlar por características não observáveis
dos municípios que não variam ao longo do tempo (ver Wooldridge, 2012). Os desvios-padrão
foram corrigidos pelo método de White, a fim de evitar que a ineficiência dos estimadores de
mínimos quadrados na presença de heterocedasticidade inviabilizasse os testes-t e testes-F.
4. Dados
Como medida da qualidade do ensino, optamos por utilizar os dados da Prova Brasil. A
Prova Brasil é uma avaliação desenvolvida e aplicada pelo Instituto Nacional de Estudos e
Pesquisas Educacionais Anísio Teixeira (Inep), autarquia do Ministério da Educação (MEC), que
tem como objetivo obter informações sobre a qualidade do ensino fundamental. Utilizou-se no
trabalho os dados disponíveis em 2005, 2007, 2009 e 2011. A Prova Brasil consiste em duas
provas, uma de português e outra de matemática e é aplicada a alunos da quarta e da oitava
séries.
Dessa forma, os dados utilizados consistem nas notas médias obtidas por cada
município nos exames de proficiência em matemática e português. Como variável indicativa da
qualidade do ensino, portanto, calculou-se para cada município a média das notas de
proficiência em matemática e português de suas escolas, cada uma ponderada pelo número de
alunos matriculados. Em 2005, por exemplo, esses dados contemplam 19.363 escolas para a
quarta série e 7.442 escolas para a oitava série.
Os dados referentes aos gastos públicos em educação são os gastos municipais no
ensino fundamental, ou seja, a despesa de cada município na sua rede de ensino fundamental.
Tais dados foram obtidos pela série “Finanças do Brasil – Dados Contábeis dos Municípios” (ou
“FINBRA”), publicados pela Secretaria do Tesouro Nacional. O sistema FINBRA contém, entre
13
outros, dados da execução orçamentária (receitas e despesas) e do balanço patrimonial dos
municípios brasileiros para os anos de 2005 a 2011.
É importante observar que essa versão utilizada não contém dados de todos os
municípios brasileiros e que há um número de municípios que reportou gasto zero no ensino
fundamental (esses municípios não são contemplados na análise). Ademais, ressalta-se que o
FINBRA disponibiliza as despesas municipais decompostas por subfunções, sendo as despesas
no ensino fundamental a variável de interesse. Por fim, a variável relativa aos gastos em
educação são os gastos no ensino fundamental por aluno na rede municipal, sendo o número
de alunos nas redes municipais de ensino fundamental obtido nos microdados do Censo
Escolar de 2005 a 2011.
As outras variáveis de controle podem ser obtidas a partir do banco de dados da Prova
Brasil. As duas principais são a média da porcentagem de docentes com curso superior em
cada escola para cada município e o número médio de horas de aula por dia entre as escolas
dos municípios. O cálculo dessas duas variáveis seguiu a forma de cálculo das notas médias
municipais, a saber, na composição de média cada escola foi ponderada pelo seu número de
alunos matriculados. Por fim, foram acrescentadas especificações com a inclusão dos gastos
defasados para testar a existência de uma possível relação entre gastos no período t-2 e as
notas obtidas em t.
5. Resultados
As tabelas 1 a 16 (apresentadas no apêndice) apresentam os resultados da estimação
dos modelos econométricos descritos acima. As primeiras quatro tabelas apresentam os
resultados dos modelos que usam o estimador POLS (Pooled Ordindary Least Squares), ou seja,
não controlam pelo efeito específico de cada município. Assim, os dados para os quatro anos
(2005, 2007, 2009 e 2011) são agregados nessa análise. As tabelas 9 a 16 mostram os mesmos
modelos, mas explicando o logaritmo dos gastos em t-2, e não em t, como variável explicativa.
A tabela 1 apresenta os resultados de matemática para a 4ª série. Podemos ver na
coluna 1 que os gastos por aluno do município são positivamente relacionados com o
desempenho escolar. Na segunda coluna, podemos verificar que o efeito continua positivo e
estatisticamente significativo mesmo após controlarmos pela educação média das pessoas
acima de 25 anos de idade do município em 2000 (proxy para educação dos pais). A terceira
coluna revela que o efeito também persiste após incluirmos o número médio de horas-aula
por dia, a porcentagem de docentes com curso superior e a renda média do município na
análise, as duas primeiras variáveis são controles para a qualidade das escolas do município e a
14
última é positivamente relacionada com a nota dos alunos e com o gasto por aluno do
município. Apesar da magnitude do coeficiente de gastos diminuir significativamente após a
inclusão dessa variável, ele continua estatisticamente significante. Entretanto, a inclusão das
dummies de UF, que buscam controlar pelas características não observáveis dos estados, faz
com que o coeficiente dos gastos torne-se próximo de zero e estatisticamente não
significativo. Isso significa que, quando usamos somente a variação entre gastos e notas
dentro dos estados, a relação entre essas variáveis torna-se insignificante. Finalmente, na
última coluna, podemos observar que mesmo não controlando pela qualidade das escolas e
controlando pelas características não observáveis dos estados o gasto por aluno continua não
sendo correlacionado com o desempenho dos alunos.
As tabelas 2, 3 e 4 mostram que os resultados acima descritos se mantêm quando
analisamos a relação entre os gastos por aluno e as notas dos alunos da 4ª série em Língua
Portuguesa, na 8ª série em Matemática e também na 8ª série em Língua Portuguesa, ou seja,
são bastante robustos. A única diferença que emerge da análise comparativa entre as séries e
as matérias é que a correlação não condicional entre gastos e notas parece mais fraca na 8ª
série, mesmo antes de adicionarmos os demais controles. Assim, a relação torna-se negativa e
estatisticamente significativa quando adicionamos as dummies de UF, nas duas últimas
colunas das tabelas.
As tabelas 5 a 8 apresentam os resultados dos modelos para dados em painel, que
controlam pelas características não observáveis dos municípios, que não variam ao longo do
tempo. A tabela 5 começa apresentando os resultados de Matemática para a 4ª série. A
primeira coluna mostra novamente os resultados usando POLS, apenas como “benchmark”
para os demais modelos. A segunda coluna mostra os resultados do modelo de efeitos
aleatórios, que trata os efeitos específicos de cada município como uma variável aleatória não
relacionada com as variáveis explicativas. O coeficiente dos gastos diminui bastante, mas é
estatisticamente significativo.
Porém, a coluna 3, que apresenta os resultados dos modelos de efeitos fixos, mostra
que o coeficiente dos gastos torna-se negativo e estatisticamente significativos. O modelo de
efeitos fixos trata os efeitos específicos de cada município como parâmetros a serem
estimados e permite que eles sejam correlacionados com as variáveis explicativas, incluindo os
gastos por aluno. Isso mostra que a correlação positiva entre gastos e notas (detectada nas
colunas anteriores), na verdade resulta de uma relação espúria entre essas variáveis. A coluna
4 utiliza um outro método de estimação, o de primeiras-diferenças. Esse método utiliza
somente a variação temporal de gastos e de notas de cada município ao longo do tempo para
estimar a relação entre eles, controlando pela variação das demais variáveis de controle.
15
Podemos notar que os resultados são muito parecidos com os dos efeitos fixos, mostrando a
robustez desses resultados. Por fim, a coluna 5 apresenta os resultados da estimação de um
modelo que exclui a variação nas horas-aula e na porcentagem de professores com ensino
superior. Como essas variáveis também capturam variações nos gastos por aluno, sua exclusão
poderia aumentar o coeficiente estimado dos gastos, uma vez que estaríamos estimando seu
efeito direto e indireto sobre a proficiência. Não é isso que ocorre, porém, uma vez que seu
coeficiente praticamente não se altera.
Vale a pena notar os coeficientes das outras variáveis (de controle) na especificação de
efeitos fixos e primeiras-diferenças. A renda média dos municípios também atraiu um
coeficiente negativo e (marginalmente) significativo nessas especificações, mostrando que não
há uma correlação contemporânea entre essas variáveis entre os municípios. O número de
horas-aula por dia também não apresenta relação positiva. Esses resultados podem ser
devidos a erros de medida nas variáveis, que provocam uma subestimação dos coeficientes
estimados, ou de endogeneidade, ou seja, a variação nos valores assumidos por essas variáveis
ao longo do tempo pode estar correlacionada com a variação em variáveis omitidas.
Um possível exemplo de variável omitida é a proporção de estudantes do município
em escolas particulares. Municípios com renda média mais alta tendem a ter uma parcela
maior de alunos no ensino particular. E, como a renda é fortemente correlacionada como
desempenho, as escolas públicas poderiam ficar com alunos com desempenho pior. Nesse
exemplo, a renda média do município estaria correlacionada como termo aleatório da
regressão. Entretanto, a ausência de variáveis instrumentais impede a estimação de modelos
desse tipo no presente estudo.
No caso das horas-aula, possivelmente os funcionários das escolas preenchem os
formulários do censo escolar com os horários oficiais de início e término das aulas e não a
duração efetiva, o que gera erros de medida. Erros de medida tendem a subestimar o efeito
das variáveis de interesse, particularmente em especificações de primeiras-diferenças.
As tabelas 6, 7 e 8 apresentam os resultados das mesmas especificações da tabela 5
para as notas dos alunos da 4ª série em Língua Portuguesa, na 8ª série em Matemática e
também na 8ª série em Língua Portuguesa. As tabelas mostram que os resultados das
diferentes especificações são muito parecidos com os da tabela 5, ou seja, são bastante
robustos. O coeficiente da variável gasto por aluno é negativo nas especificações de efeitos
fixos e de primeiras diferenças em todas as tabelas. A única diferença encontrada é que para a
8ª série os efeitos desaparecem mesmo na especificação de efeitos aleatórios.
Finalmente, as tabelas de 9 a 16, apresentam os resultados da substituição dos gastos
correntes pelos gastos defasados (t-2). Nessas especificações podemos observar um aumento
16
da magnitude dos coeficientes estimados para os gastos. Isso sugere que os gastos tendem a
ter um efeito maior com o passar o tempo. No caso da quarta série, o efeito dos gastos se
mostrou significativo mesmo após controlarmos pelas características não observáveis dos
estados. No entanto, ao utilizarmos o estimador de efeitos fixos, as estimativas dos efeitos dos
gastos mostraram-se não significantes ou significantes e negativas.
6. Conclusões
Os resultados dos modelos desenvolvidos mostram que existe uma correlação positiva
entre os gastos por aluno e as notas de língua portuguesa e matemática dos municípios
brasileiros. Entretanto, tanto a inclusão de dummies de UF, para controlar pelas características
não observáveis dos estados, como a inclusão de efeitos fixos, que controlam pelas
características não observáveis dos próprios municípios, fazem com que essa correlação
desapareça. Logo, parece que não há relação entre os gastos por aluno e o desempenho
escolar dos municípios no Brasil quando utilizamos somente a variação de gastos e notas entre
municípios de um mesmo estado ou dos municípios ao longo do tempo.
Na verdade, em várias especificações o coeficiente estimado foi negativo, o que
indicaria que um aumento dos gastos poderia diminuir a proficiência dos alunos.
Esse
resultado está em linha com alguns estudos que encontraram efeitos negativos dos gastos,
dependendo de como os recursos adicionais são utilizados. Por exemplo, Leuven, Lindahl,
Oosterbeek e Webbink (2007) mostram que um programa que transferia recursos extras para
computadores e softwares para escolas primáriasnos EUA
teve impacto negativo e
significativo. Assim, tudo depende de como os recursos são utilizados. No Brasil, os resultados
parecem mostrar que os gastos não estão sendo utilizados da forma mais eficiente.
Além disso, há também a possibilidade de erros de medida nas variáveis de interesse.
É provável que os gastos reportados pelos municípios no FINBRA não sejam totalmente
acurados, o que faria com que os coeficientes estimados subestimassem os verdadeiros
parâmetros populacionais. Nesse caso seria necessária outra fonte de informação sobre os
gastos municipais com educação para que pudéssemos obter estimadores consistentes.
Infelizmente, nós desconhecemos a existência de outra fonte de informação sobre gastos.
Outra possível limitação dos modelos estimados é a possível existência de
endogeneidade, ou seja, as variações nos gastos ao longo do tempo podem ser
correlacionadas com variações nos componentes não observados (termo aleatório). Se isso
ocorrer, os coeficientes estimados nos modelos de efeitos fixos podem ser enviesados, o que
também poderia explicar os resultados negativos e significativos encontrados em algumas
17
especificações.
Pesquisas futuras devem testar essa possível endogeneidade, usando o
método de variáveis instrumentais, o que não feito nesse estudo pela ausência de variáveis no
presente estudo que pudessem atender às exigências necessárias para um bom instrumento.
Referências Bibliográficas
ANGRIST, J. D.; LAVY, V. New Evidence on Classroom Computers and Pupil Learning. Economic
Journal, v. 112, p. 735–765, 2002.
BETTS, J. Is There a Link between School Inputs and Earnings? Fresh Scrutiny of an Old
Literature. In: GARY BURTLESS, (Org.)., Does Money Matter? The Effect of School Resources
on Student Achievement and Adult Success. Washington, D.C.: Brookings Institution, p.
141-91, 1996.
BORMAN, G. D.; DOWLING, M. Schools and Inequality: A Multilevel Analysis of Coleman’s
Equality of Educational Opportunity Data. Teachers College Record, v.112, p. 1201-1246,
2010.
CARD, D.; KRUEGER, A. Does School Quality Matter? Returns to Education and the
Characteristics of Schools in the United States. Journal of Political Economy, v.100, n.1, p.
1-40, 1992.
CHETTY, R.; FRIEDMAN, J.N.; HILGER, N.; SAEZ, E.; SCHAZENBACH, D.W.; YAGAN, D. How Does
Your Kindergarten Classroom Affect Your Earnings? Evidence from Project Star. The
Quarterly Journal of Economics, v.126 n.4, p.1593-1660, 2011.
CLOTFELTER, C.; LADD, H.F.; VIGDOR, J. Teacher Mobility, School Segregation and Pay Based
Policies to Level the Playing Field. Education Finance and Policy, v.6, n.3, p. 399–438, 2011.
COLEMAN, J. S.; CAMPBELL, E. Q.; HOBSON, C. F.; MCPARTLAND, J.; MOOD, A. M. Equality of
Educational Opportunity. Washington: U. S. Office of Education, 1966.
DIAZ, M.D. Qualidade do gasto público em educação no Brasil. In: Qualidade do Gasto Público
no Brasil: sugestões para melhorar os resultados das políticas públicas sem aumento de
impostos, p. 48-73, 2007.
FRYER, R. Creating No Excuses Traditional Public Schools: Preliminary Evidence from an
Experiment in Houston. Cambridge, 2011 MA: NBER Working Paper
FRYER, R. Teacher Incentives and Student Achievement: Evidence from New York City Public
Schools. Journal of Labor Economics, v. 31, n. 2, p. 373-407, 2013.
GOOLSBEE, A.; GURYAN, J. The Impact of Internet Subsidies in Public Schools. The Review of
Economics and Statistics, v.88, n. 2, p. 336–347, 2006.
18
GREENE, J. P.; TRIVITT, J. Can Judges Improve Academic Achievement? Peabody Journal of
Education, v.83 n. 2, p. 224-237, 2008.
GREENWALD, R.; HEDGES, L.; LAINE, R. The Effect of School Resources on Student
Achievement. Review of Educational Research, v. 66 n. 3, p. 361-396, 1996.
GUNDLACH, E.; WÖβMANN, L. The Fading Productivity of Schooling in East Asia. Journal of
Asian Economics, n. 12, p. 401-417, 2001.
GUNDLACH, E.; WÖβMANN, L.; GMELIN, J. The Decline of Schooling Productivity in OCDE
Countries. The Economic Journal, v. 111, n. 471, p. 135-147, 2001.
HANUSHEK, E.A. Economics of Schooling: Production and Efficiency in Public Schools. Journal
of Economic Literature, v.24 (3), p. 1141-1177, 1986.
_____________. The impact of differential expenditures on school performance. Educational
Researcher, v. 18 (4), p. 45-62, 1989.
_____________. Money Might Matter Somewhere: A Response to Hedges, Laine and
Greenwald. Educational Researcher, v.23, pp. 5-8, 1994.
_____________. The Productivity Collapse in Schools. In: FOWLER JR, William J. (Org.),
Developments in School Finance. Washington, DC: National Center for Educational
Statistics, U.S. Department of Education, p. 183-195, 1997.
_____________. Alternative School Policies and the Benefits of General Cognitive Skills.
Economics of Education Review, v. 25, n. 4, p. 447-462, 2006.
_____________. Incentives for Efficiency and Equity in the School System. Perspektiven der
Wirtschaftspolitik (Special Issue), p. 5-27, 2008.
HANUSHEK, E.A.; KIMKO, D. Schooling, Labor-Force Quality, and the Growth of Nations. The
American Economic Review, v. 90, n. 5, p. 1184-1208, 2000.
HANUSHEK, E.A.; RAYMOND, M. E. School Accountability and Student Performance. Federal
Reserve Bank of St. Louis, Regional Economic Development, v. 2, n. 1, p. 51-61, 2006.
HANUSHEK, E.A.; RIVKIN, S. G. Understanding the 20th Century Growth in U.S. School
Spending. Journal of Human Resources, v. 32, n. 1, p. 35-68, 1997.
HOXBY, C. M. How Teachers’ Unions Affect Education Production. The Quarterly Journal of
Economics, v. 111, n. 3, p. 671-718, 1996.
JACOB, B.; LEFGREN, L. The Impact of Teacher Training on Student Achievement: QuasiExperimental Evidence from School Reform Efforts in Chicago. Journal of Human Resources,
v. 39, p. 50-79, 2004.
19
KONSTANTOPOULOS, S.; CHUN, V. What Are the Long-Term Effects of Small Classes on the
Achievement Gap? Evidence from the Lasting Benefits Study. American Journal of
Education, v.116, 2009.
KONSTANTOPOULOS, S.; BORMAN, G. Family Background and School Effects on Student
Achievement: A Multilevel Analysis of the Coleman Data. Teachers College Record, v. 113,
p. 97-132, 2011.
LEUVEN, E.; LINDAHL, M.; OOSTERBEEK, H.; WEBBINK, D. The Effect of Extra Funding for
Disadvantaged Pupils on Achievement. The Review of Economics and Statistics, v.89(4), p.
721-736, 2007.
LEE, J.; BARRO, R. Schooling Quality in a Cross-Section of Countries. Economica, v. 68, n. 272, p.
465-488, 2001.
MENEZES-FILHO, N.; AMARAL, L. A Relação entre Gastos Educacionais e o Desempenho Escolar.
In: IBMEC Working Paper 109, 2009, São Paulo.
MENEZES-FILHO, N. Os Determinantes do Desempenho Escolar no Brasil In: Duarte, Silber
Guilhoto, (Org.). O Brasil do Século XXI. São Paulo: Saraiva.
MENEZES-FILHO, N.; PAZELLO, E. Do teachers wages matter for proficiency? Evidence from a
funding reform in Brazil. Economics of Education Review, v.26, n.6, p. 660-672, 2007.
NASCIMENTO, P.A. Desempenho Escolar e gastos municipais por aluno em educação: relação
observada para os municípios baianos. In: Avaliação de políticas públicas em Educação, v.
15, n. 56, p. 393-412, 2007.
ONDRICH, J.; PAS, E.; YINGER, J. The Determinants of Teacher Attrition in Upstate New York.
Public Finance Review, v.36 (1), p. 112-144, 2008.
PRITCHETT, L.; FILMER, D. What Education Production Functions Really Show: A Positive
Theory of Education Spending. World Bank Policy Research Working Paper, n. 1795, 1997.
RIVKIN, S. G.; HANUSHEK, E. A.; KAIN, J. F. Teachers, Schools, and Academic Achievement.
Econometrica, v. 73, n. 2, p. 417-458, 2005.
ROUSE, C. E.; KRUEGER, A. B. Putting Computerized Instruction to the Test: A Randomized
Evaluation of a Scientifically-Based Reading Program. Economics of Education Review, v.
23, p. 323–338, 2004.
ROY, J. Impact of School Finance Reform on Resource Equalization and Academic Performance:
Evidence from Michigan. Education Finance and Policy, v. 6, n. 2, p. 137-167, 2011.
WÖ β MANN, L. Why Students in Some Countries do Better? International evidence on the
importance of education policy. Education Matters, v. 1, n. 2, p. 67-74, 2001.
20
Apêndice
Tabela 1 - Regressões estimadas (4ª série - matemática)
Variável Dependente
POLS (agrupando todos os
anos)
Variáveis Independentes
Log(Gasto por Aluno)
Log(Nota Matemática)
0,096***
(0,005)
Educação Média em 2000
0,054***
(0,003)
0,029***
(0,003)
-0,001
(0,002)
-0,000
(0,002)
0,038***
(0,001)
0,024***
(0,001)
0,010***
(0,001)
0,010***
(0,001)
0,030***
(0,002)
0,012***
(0,002)
Não
Horas-Aula por Dia
0,00028*** 0,00015***
(0,00003) (0,00003)
% Docentes com curso
superior
Log(Renda Média)
Não
0,034***
(0,002)
0,017***
(0,001)
0,017***
(0,001)
Dummies de UF
Não
Não
Não
Sim
Sim
Dummies de Ano
Sim
Sim
Sim
Sim
Sim
4,507***
(0,042)
16685
0,000
0,294
0,107
4,708***
(0,027)
16684
0,000
0,439
0,095
4,430***
(0,017)
16458
0,000
0,474
0,092
4,847***
(0,024)
16458
0,000
0,616
0,078
4,991***
(0,019)
16684
0,000
0,614
0,079
Cons.
Obs.
Prob>F
R²
Raiz EQM
Fonte: Elaboração própria.
Erro-padrão robusto em parênteses.
Significância dos coeficientes: *** 1%; ** 5%; * 10%.
21
Tabela 2 - Regressões estimadas (4ª série - português)
Variável Dependente
POLS (agrupando todos os
anos)
Variáveis Independentes
Log(Gasto por Aluno)
Log(Nota Português)
0,092***
(0,005)
Educação Média em 2000
0,048***
(0,003)
0,025***
(0,002)
0,000
(0,002)
0,001
(0,002)
0,039***
(0,001)
0,026***
(0,001)
0,014***
(0,001)
0,014***
(0,001)
0,024***
(0,002)
0,009***
(0,002)
Não
Horas-Aula por Dia
0,00027*** 0,00016***
(0,00003) (0,00002)
% Docentes com curso
superior
Log(Renda Média)
Não
0,034***
(0,001)
0,019***
(0,001)
0,019***
(0,001)
Dummies de UF
Não
Não
Não
Sim
Sim
Dummies de Ano
Sim
Sim
Sim
Sim
Sim
4,441***
(0,039)
4,648***
(0,024)
4,436***
(0,015)
4,781***
(0,021)
4,862***
(0,018)
16458
0,000
0,596
0,073
16684
0,000
0,595
0,073
Cons.
Obs.
16685
16684
16458
Prob>F
0,000
0,000
0,000
R²
0,242
0,428
0,464
Raiz EQM
0,100
0,087
0,084
Fonte: Elaboração própria.
Erro-padrão robusto em parênteses.
Significância dos coeficientes: *** 1%; ** 5%; * 10%.
22
Tabela 3 - Regressões estimadas (8ª série - matemática)
Variável Dependente
POLS (agrupando todos os
anos)
Variáveis Independentes
Log(Gasto por Aluno)
Log(Nota Matemática)
0,069***
(0,006)
Educação Média em 2000
0,033***
(0,004)
0,014***
(0,003)
-0,008***
(0,002)
-0,007
(0,002)
0,025***
(0,001)
0,013***
(0,001)
0,004***
(0,001)
0,004***
(0,001)
0,015***
(0,002)
0,007***
(0,002)
Não
Horas-Aula por Dia
0,00021*** 0,00014***
(0,00003) (0,00003)
% Docentes com curso
superior
Log(Renda Média)
Não
0,33***
(0,002)
0,17***
(0,001)
0,017***
(0,001)
Dummies de UF
Não
Não
Não
Sim
Sim
Dummies de Ano
Sim
Sim
Sim
Sim
Sim
4,943***
(0,047)
5,103***
(0,028)
4,944***
(0,018)
5,252***
(0,036)
5,305***
(0,020)
10161
0,000
0,468
0,064
10335
0,000
0,466
0,064
Cons.
Obs.
10336
10335
10161
Prob>F
0,000
0,000
0,000
R²
0,136
0,297
0,344
Raiz EQM
0,081
0,0735
0,071
Fonte: Elaboração própria.
Erro-padrão robusto em parênteses.
Significância dos coeficientes: *** 1%; ** 5%; * 10%.
23
Tabela 4 - Regressões estimadas (8ª série - português)
Variável Dependente
POLS (agrupando todos os
anos)
Variáveis Independentes
Log(Gasto por Aluno)
Log(Nota Português)
0,060***
(0,006)
Educação Média em 2000
0,022***
(0,003)
0,005***
(0,002)
-0,011***
(0,002)
-0,010***
(0,002)
0,027***
(0,001)
0,016***
(0,001)
0,008***
(0,001)
0,008***
(0,001)
0,014***
(0,002)
0,006***
(0,002)
Não
Horas-Aula por Dia
0,00024*** 0,00019***
(0,00003) (0,00003)
% Docentes com curso
superior
Log(Renda Média)
Não
0,029***
(0,001)
0,015***
(0,001)
0,015***
(0,001)
Dummies de UF
Não
Não
Não
Sim
Sim
Dummies de Ano
Sim
Sim
Sim
Sim
Sim
4,936***
(0,042)
5,104***
(0,021)
4,964***
(0,14)
5,263***
(0,023)
5,279***
(0,020)
10161
0,000
0,506
0,061
10335
0,000
0,504
0,061
Cons.
Obs.
10336
10335
10161
Prob>F
0,000
0,000
0,000
R²
0,199
0,381
0,420
Raiz EQM
0,078
0,068
0,066
Fonte: Elaboração própria.
Erro-padrão robusto em parênteses.
Significância dos coeficientes: *** 1%; ** 5%; * 10%.
24
Tabela 5 - Regressões estimadas (4ª série - matemática)
Variável Dependente
Variáveis Independentes
POLS
Log(Nota Matemática)
Efeitos
Efeitos
Primeiras Primeiras
Aleatórios
Fixos
Diferenças Diferenças
Log(Gasto por Aluno)
0,029***
(0,003)
0,008***
(0,002)
-0,013***
(0,002)
-0,006**
(0,002)
-0,006***
(0,002)
Log(Renda Média)
0,064***
(0,001)
0,064***
(0,002)
-0,010*
(0,004)
-0,007*
(0,004)
-0,010**
(0,004)
Horas-Aula por Dia
0,039***
(0,002)
0,025***
(0,002)
0,002
(0,002)
-0,001
(0,003)
-
0,00005*
(0,00003)
-
% Docentes com curso
superior
Dummies de Ano
Dummies de UF
Cons.
Obs.
Prob>F
R²
Raiz EQM
0,00038*** 0,00011*** -0,00003
(0,00003) (0,00002) (0,00002)
Sim
Sim
Sim
Sim
Sim
Não
Não
Não
Não
Não
4,256***
(0,016)
16458
0,000
0,441
0,095
4,602***
(0,017)
16458
0,000
-
5,349***
(0,036)
16458
0,000
-
0,063***
(0,002)
10787
0,000
0,066
0,079
0,021***
(0,001)
11153
0,000
0,067
0,080
Fonte: Elaboração própria.
Erro-padrão robusto em parênteses.
Significância dos coeficientes: *** 1%; ** 5%; * 10%.
25
Tabela 6 - Regressões estimadas (4ª série - português)
Variável Dependente
Variáveis Independentes
POLS
Log(Nota Português)
Efeitos
Efeitos
Primeiras Primeiras
Aleatórios
Fixos
Diferenças Diferenças
Log(Gasto por Aluno)
0,024***
(0,002)
0,010***
(0,002)
-0,007***
(0,002)
-0,004*
(0,002)
-0,004**
(0,002)
Log(Renda Média)
0,065***
(0,001)
0,065***
(0,001)
-0,005
(0,004)
-0,005
(0,004)
-0,008**
(0,004)
Horas-Aula por Dia
0,033***
(0,002)
0,020***
(0,002)
-0,001
(0,002)
-0,003
(0,002)
-
0,00002
(0,00003)
-
% Docentes com curso
superior
Dummies de Ano
Dummies de UF
Cons.
0,00038*** 0,00012*** -0,00003
(0,00003) (0,00002) (0,00002)
Sim
Sim
Sim
Sim
Sim
Não
Não
Não
Não
Não
4,249***
(0,014)
16458
0,000
0,4166
0,088
4,493***
(0,016)
16458
0,000
-
5,214***
(0,034)
16458
0,000
-
0,011***
(0,002)
10787
0,000
0,061
0,075
0,029***
(0,001)
11153
0,000
0,061
0,076
Obs.
Prob>F
R²
Raiz EQM
Fonte: Elaboração própria.
Erro-padrão robusto em parênteses.
Significância dos coeficientes: *** 1%; ** 5%; * 10%.
26
Tabela 7 - Regressões estimadas (8ª série - matemática)
Variável Dependente
Variáveis Independentes
POLS
Log(Nota Matemática)
Efeitos
Efeitos
Primeiras Primeiras
Aleatórios
Fixos
Diferenças Diferenças
Log(Gasto por Aluno)
0,015***
(0,003)
0,002
(0,002)
-0,006**
(0,002)
-0,003
(0,002)
-0,003
(0,002)
Log(Renda Média)
0,051***
(0,001)
0,049***
(0,001)
-0,004
(0,004)
-0,001
(0,004)
-0,000
(0,004)
Horas-Aula por Dia
0,019***
(0,002)
0,009***
(0,002)
-0,006***
(0,002)
-0,006**
(0,003)
-
0,00026*** 0,00007*** 0,00001
(0,00003) (0,00002) (0,00002)
0,00005*
(0,00003)
-
% Docentes com curso
superior
Dummies de Ano
Dummies de UF
Cons.
Sim
Sim
Sim
Sim
Sim
Não
Não
Não
Não
Não
4,828***
(0,017)
10161
0,000
0,321
0,072
5,015***
(0,016)
10161
0,000
-
5,564***
(0,034)
10161
0,000
-
0,014***
(0,002)
6310
0,000
0,0025
0,055
0,014***
(0,002)
6552
0,000
0,0005
0,055
Obs.
Prob>F
R²
Raiz EQM
Fonte: Elaboração própria.
Erro-padrão robusto em parênteses.
Significância dos coeficientes: *** 1%; ** 5%; * 10%.
27
Tabela 8 - Regressões estimadas (8ª série - português)
Variável Dependente
Variáveis Independentes
POLS
Log(Nota Português)
Efeitos
Efeitos
Primeiras Primeiras
Aleatórios
Fixos
Diferenças Diferenças
Log(Gasto por Aluno)
0,007***
(0,002)
0,0002
(0,0017)
-0,005***
(0,002)
-0,003
(0,002)
-0,002
(0,002)
Log(Renda Média)
0,049***
(0,001)
0,047***
(0,001)
-0,005
(0,004)
0,0003
(0,004)
0,001
(0,004)
Horas-Aula por Dia
0,020***
(0,002)
0,010***
(0,002)
-0,007***
(0,002)
-0,009***
(0,002)
-
0,00030*** 0,00011*** 0,00004*
(0,00003) (0,00002) (0,00002)
0,00007**
(0,0003)
-
% Docentes com curso
superior
Dummies de Ano
Dummies de UF
Cons.
Sim
Sim
Sim
Sim
Sim
Não
Não
Não
Não
Não
4,823***
(0,014)
10161
0,000
0,386
0,068
5,005***
(0,016)
10161
0,000
-
5,508***
(0,034)
10161
0,000
-
0,029***
(0,002)
6310
0,000
0,147
0,056
0,029***
(0,002)
6552
0,000
0,143
0,056
Obs.
Prob>F
R²
Raiz EQM
Fonte: Elaboração própria.
Erro-padrão robusto em parênteses.
Significância dos coeficientes: *** 1%; ** 5%; * 10%.
28
Tabela 9 - Regressões estimadas com gastos defasados (4ª série - matemática)
Variável Dependente
POLS (agrupando todos os
anos)
Variáveis Independentes
Log(Gasto por Aluno[t-2])
Log(Nota Matemática)
0,110***
(0,004)
0,065***
(0,003)
0,042***
(0,003)
0,0048*
(0,002)
0,039***
(0,001)
0,026***
(0,001)
0,010***
(0,001)
Horas-Aula por Dia
0,030***
(0,002)
0,012***
(0,002)
-
% Docentes com curso
superior
0,0004*** 0,0002***
(0,00003) (0,00003)
-
Log(Renda Média)
0,032***
(0,002)
0,017***
(0,002)
0,017***
(0,002)
Educação Média em 2000
0,006***
(0,002)
0,011***
(0,001)
Dummies de UF
Não
Não
Não
Sim
Sim
Dummies de Ano
Sim
Sim
Sim
Sim
Sim
4,407***
(0,031)
12538
0,000
0,238
0,108
4,568***
(0,022)
12537
0,000
0,393
0,096
4,444***
(0,021)
12170
0,000
0,433
0,093
4,885***
(0,025)
12170
0,000
0,605
0,077
4,850***
(0,023)
12372
0,000
0,602
0,078
Cons.
Obs.
Prob>F
R²
Raiz EQM
Fonte: Elaboração própria.
Erro-padrão robusto em parênteses.
Significância dos coeficientes: *** 1%; ** 5%; * 10%.
29
Tabela 10 - Regressões estimadas com gastos defasados (4ª série - português)
Variável Dependente
POLS (agrupando todos os
anos)
Variáveis Independentes
Log(Gasto por Aluno[t-2])
Log(Nota Português)
0,101***
(0,004)
0,056***
(0,003)
0,035***
(0,003)
0,005*
(0,002)
0,006***
(0,002)
0,039***
0,027***
0,014***
0,014***
(0,001)
(0,001)
(0,001)
(0,001)
Horas-Aula por Dia
0,022***
(0,002)
0,010***
(0,002)
-
% Docentes com curso
superior
0,0004*** 0,0002***
(0,00003) (0,00003)
-
Log(Renda Média)
0,030***
(0,002)
0,019***
(0,002)
0,019***
(0,001)
Educação Média em 2000
Dummies de UF
Não
Não
Não
Sim
Sim
Dummies de Ano
Sim
Sim
Sim
Sim
Sim
4,380***
(0,029)
12538
0,000
0,247
0,099
4,533***
(0,020)
12537
0,000
0,427
0,086
4,444***
(0,018)
12170
0,000
0,459
0,084
4,786***
(0,022)
11382
0,000
0,613
0,071
4,738***
(0,021)
12372
0,000
0,610
0,071
Cons.
Obs.
Prob>F
R²
Raiz EQM
Fonte: Elaboração própria.
Erro-padrão robusto em parênteses.
Significância dos coeficientes: *** 1%; ** 5%; * 10%.
30
Tabela 11 - Regressões estimadas com gastos defasados (8ª série - matemática)
Variável Dependente
POLS (agrupando todos os
anos)
Variáveis Independentes
Log(Gasto por Aluno[t-2])
Log(Nota Matemática)
0,081***
(0,005)
0,042***
(0,004)
0,020***
(0,003)
-0,007**
(0,003)
-0,006**
(0,002)
0,026***
0,014***
0,005***
0,005***
(0,001)
(0,001)
(0,001)
(0,001)
Horas-Aula por Dia
0,013***
(0,002)
0,008***
(0,002)
-
% Docentes com curso
superior
0,0003*** 0,0002***
(0,00004) (0,00004)
-
Log(Renda Média)
0,033***
(0,002)
0,018***
(0,002)
0,018***
(0,002)
Educação Média em 2000
Dummies de UF
Não
Não
Não
Sim
Sim
Dummies de Ano
Sim
Sim
Sim
Sim
Sim
4,823***
(0,038)
8053
0,000
0,166
0,081
5,040***
(0,026)
8052
0,000
0,313
0,074
4,890***
(0,021)
7777
0,000
0,355
0,072
5,237***
(0,024)
7777
0,000
0,490
0,064
5,283***
(0,022)
7927
0,000
0,488
0,064
Cons.
Obs.
Prob>F
R²
Raiz EQM
Fonte: Elaboração própria.
Erro-padrão robusto em parênteses.
Significância dos coeficientes: *** 1%; ** 5%; * 10%.
31
Tabela 12 - Regressões estimadas com gastos defasados (8ª série - português)
Variável Dependente
POLS (agrupando todos os
anos)
Variáveis Independentes
Log(Gasto por Aluno[t-2])
Log(Nota Português)
0,058***
(0,007)
-0,009***
(0,002)
0,026***
(0,004)
0,011***
(0,003)
-0,007**
(0,003)
0,027***
0,017***
0,009***
(0,001)
(0,001)
(0,001)
Horas-Aula por Dia
0,012***
(0,002)
0,005*
(0,002)
% Docentes com curso
superior
0,0003*** 0,0002***
(0,00004) (0,00004)
Log(Renda Média)
0,029***
(0,002)
0,017***
(0,002)
0,016***
(0,002)
Educação Média em 2000
0,009***
(0,001)
-
-
Dummies de UF
Não
Não
Não
Sim
Sim
Dummies de Ano
Sim
Sim
Sim
Sim
Sim
4,872***
(0,034)
8053
0,000
0,180
0,078
5,074***
(0,021)
8052
0,000
0,358
0,069
4,936***
(0,18)
7777
0,000
0,396
0,066
5,236***
(0,023)
7777
0,000
0,496
0,061
5,277***
(0,021)
7927
0,000
0,493
0,061
Cons.
Obs.
Prob>F
R²
Raiz EQM
Fonte: Elaboração própria.
Erro-padrão robusto em parênteses.
Significância dos coeficientes: *** 1%; ** 5%; * 10%.
32
Tabela 13 - Regressões estimadas com gastos defasados (4ª série - matemática)
Variável Dependente
Variáveis Independentes
POLS
Log(Gasto por Aluno[t-2])
Log(Nota Matemática)
Efeitos
Efeitos
Primeiras Primeiras
Aleatórios
Fixos
Diferenças Diferenças
0,042***
(0,003)
0,019*** -0,010***
(0,002)
(0,003)
Log(Renda Média)
0,064***
(0,002)
0,069***
(0,002)
Horas-Aula por Dia
0,038***
(0,003)
0,026***
(0,002)
% Docentes com curso
superior
0,0005*** 0,0002*** 0,0000
(0,00003) (0,00003) (0,00003)
Dummies de Ano
Dummies de UF
Cons.
-0,006*
(0,003)
-0,006**
(0,003)
-0,0000
(0,005)
0,001
(0,005)
-0,004
(0,005)
0,0007
(0,003)
0,0005
(0,004)
-
0,0001***
(0,00003)
-
Sim
Sim
Sim
Sim
Sim
Não
Não
Não
Não
Não
4,239***
(0,020)
12170
0,000
0,387
0,096
4,458***
(0,019)
12170
0,000
-
5,306***
(0,048)
12170
0,000
0,3435
-
0,021***
(0,001)
6852
0,000
0,080
0,075
0,020***
(0,001)
7146
0,000
0,079
0,076
Obs.
Prob>F
R²
Raiz EQM
Fonte: Elaboração própria.
Erro-padrão robusto em parênteses.
Significância dos coeficientes: *** 1%; ** 5%; * 10%.
33
Tabela 14 - Regressões estimadas com gastos defasados (4ª série - português)
Variável Dependente
Variáveis Independentes
POLS
Log(Gasto por Aluno[t-2])
Log(Nota Português)
Efeitos
Efeitos
Primeiras Primeiras
Aleatórios
Fixos
Diferenças Diferenças
0,035***
(0,003)
0,020***
(0,002)
-0,002
(0,003)
-0,0006
(0,002)
-0,000
(0,002)
Log(Renda Média)
0,064***
(0,002)
0,067***
(0,002)
0,002
(0,005)
0,003
(0,005)
-0,002
(0,005)
Horas-Aula por Dia
0,031***
(0,002)
0,019***
(0,002)
-0,003
(0,003)
-0,004
(0,003)
-
% Docentes com curso
superior
0,0005*** 0,0002*** 0,0000
(0,00003) (0,00003) (0,00003)
0,0001*
(0,00003)
-
Dummies de Ano
Dummies de UF
Cons.
Sim
Sim
Sim
Sim
Sim
Não
Não
Não
Não
Não
4,232***
(0,018)
12170
0,000
0,407
0,087
4,395***
(0,017)
12170
0,000
-
5,142***
(0,045)
12170
0,000
-
0,029***
(0,001)
6852
0,000
0,083
0,070
0,020***
(0,001)
7146
0,000
0,079
0,076
Obs.
Prob>F
R²
Raiz EQM
Fonte: Elaboração própria.
Erro-padrão robusto em parênteses.
Significância dos coeficientes: *** 1%; ** 5%; * 10%.
34
Tabela 15 - Regressões estimadas com gastos defasados (8ª série - matemática)
Variável Dependente
Variáveis Independentes
POLS
Log(Gasto por Aluno[t-2])
Log(Nota Matemática)
Efeitos
Efeitos
Primeiras Primeiras
Aleatórios
Fixos
Diferenças Diferenças
0,023***
(0,003)
0,005*
(0,002)
-0,009***
(0,002)
-0,006**
(0,002)
-0,005**
(0,002)
Log(Renda Média)
0,052***
(0,002)
0,054***
(0,002)
0,002
(0,005)
0,005
(0,005)
0,006
(0,005)
Horas-Aula por Dia
0,018***
(0,002)
0,012***
(0,002)
-0,003
(0,003)
-0,003
(0,003)
-
% Docentes com curso
superior
0,0003*** 0,0002*** 0,0001*** 0,0001***
(0,00004) (0,00003) (0,00003) (0,00003)
-
Dummies de Ano
Sim
Sim
Sim
Sim
Sim
Dummies de UF
Não
Não
Não
Não
Não
4,758***
(0,019)
7777
0,000
0,329
0,072
4,932***
(0,018)
7777
0,000
-
5,524***
(0,043)
7777
0,000
-
0,011***
(0,001)
4168
0,000
0,005
0,050
0,012***
(0,001)
4379
0,000
0,002
0,051
Cons.
Obs.
Prob>F
R²
Raiz EQM
Fonte: Elaboração própria.
Erro-padrão robusto em parênteses.
Significância dos coeficientes: *** 1%; ** 5%; * 10%.
35
Tabela 16 - Regressões estimadas com gastos defasados (8ª série - português)
Variável Dependente
Variáveis Independentes
POLS
Log(Nota Português)
Efeitos
Efeitos
Primeiras Primeiras
Aleatórios
Fixos
Diferenças Diferenças
Log(Gasto por Aluno[t-2])
0,012***
(0,003)
0,002
(0,002)
-0,008**
(0,002)
-0,006**
(0,002)
-0,006***
(0,002)
Log(Renda Média)
0,051***
(0,002)
0,051***
(0,002)
-0,0009
(0,005)
0,003
(0,005)
0,004
(0,005)
Horas-Aula por Dia
0,020***
(0,003)
0,013***
(0,002)
-0,006*
(0,003)
-0,006*
(0,003)
-
% Docentes com curso
superior
0,0003*** 0,0002*** 0,0001*** 0,0001***
(0,00004) (0,00003) (0,00003) (0,00003)
Dummies de Ano
Dummies de UF
Cons.
-
Sim
Sim
Sim
Sim
Sim
Não
Não
Não
Não
Não
4,780***
(0,017)
7777
0,000
0,355
0,068
4,931***
(0,017)
7777
0,000
-
5,538***
(0,044)
7777
0,000
-
-0,007***
(0,001)
4168
0,000
0,216
0,053
-0,006***
(0,001)
4379
0,000
0,213
0,054
Obs.
Prob>F
R²
Raiz EQM
Fonte: Elaboração própria.
Erro-padrão robusto em parênteses.
Significância dos coeficientes: *** 1%; ** 5%; * 10%.
36
Fonte: Elaboração própria
37
A relação entre a participação em jornada escolar ampliada e o desempenho escolar no ensino
fundamental
Sergio Pinheiro Firpo+
Vladimir Pinheiro Ponczek+
Priscilla Albuquerque Tavares+
1. Introdução
A jornada ampliada permite maior permanência do aluno em sala de aula e esta mudança
pode causar impactos diretos e indiretos no comportamento e na aprendizagem dos estudantes. De
forma direta, temos que uma permanência maior expõe mais o aluno ao conhecimento. Os efeitos
indiretos vêm da possibilidade de utilizar técnicas de ensino-aprendizagem que permitam ao
professor difundir as informações de forma mais adequada, utilizando o tempo com maior eficiência.
Afinal, uma jornada diária ampliada possibilita mais tempo para desenvolver o currículo básico e
oferecer suporte aos alunos com dificuldade de aprendizado, e é uma oportunidade para os
professores desenvolverem novas técnicas de ensino.
A expansão da jornada diária pode se dar por meio do aumento do número de aulas
ofertadas ou do aumento na duração das aulas. Além disso, o tempo adicional que o aluno passa na
escola pode ser alocado para o desenvolvimento de atividades distintas, de natureza acadêmica ou
não. Estas escolhas sobre a forma de ampliação da jornada escolar interferem nos seus impactos
potenciais sobre o aprendizado. Há evidências na literatura de que o aumento da jornada diária só
afeta positivamente o desempenho se este se der com o aumento do número de aulas ofertadas e
não com o aumento na duração das aulas. Na verdade, o aumento na duração da aula pode levar a
queda na proficiência. Tornar as aulas muito longas (acima de 50 minutos) pode reduzir o
aprendizado típico anual.
Além disso, outras evidências sugerem que certas formas de utilização do tempo adicional
podem ser muito mais efetivas do que outras. Atividades voltadas para o aprendizado acadêmico do
aluno parecem ter mais efeito, como aulas de reforço em matemática, aulas de leitura etc. Devido à
falta de informações detalhadas sobre o uso do tempo nas escolas com jornada ampliada, não se
pode afirmar quais das atividades de ensino são as mais recomendadas.
Outro aspecto importante é que o impacto da jornada diária não ocorre de forma
homogênea ao longo da distribuição de proficiência, sendo os alunos na cauda inferior da
+
Escola de Economia de São Paulo da Fundação Getulio Vargas (EESP/FGV)
1
distribuição, que possuem maior dificuldade de aprendizado, os mais beneficiados por tal política.
Além disso, dependendo da forma como se aumenta a jornada escolar, os impactos gerados ao longo
da distribuição de proficiência são diferentes. Os alunos na cauda superior da distribuição parecem
se beneficiar de um número menor de aulas, mas um pouco mais longas, enquanto os alunos com
pior desempenho se beneficiam de um maior número de aulas que possuam duração mais curta.
As políticas de ampliação da jornada afetam a organização dos sistemas de ensino e,
sobretudo, das escolas. Para implementá-las, as redes devem se preocupar com a expansão da carga
de trabalho dos professores e com uma possível pressão sobre o aumento da estrutura física da
escola. Afinal, escolas com mais de um turno podem necessitar de aumento no número de salas de
aula caso esses turnos se sobreponham à jornada ampliada.
Se o currículo não for adequado, no entanto, existe a possibilidade de promover atividades e
conteúdos não valorizados na prática. Além disso, é fundamental capacitar os professores para que
não gastem o tempo adicional apenas com atividades de natureza lúdica, mas sim para que priorizem
o reforço e outras atividades acadêmicas. Também é preciso incentivar os professores a desenvolver
e aplicar técnicas mais inovadoras de ensino.
Do ponto de vista dos pais, a vantagem de colocar seus filhos em escolas que ofereçam
jornada ampliada depende do que eles podem oferecer a seus filhos durante o contraturno. Não
incentivar o desenvolvimento das crianças no contraturno pode fazê-las aprender menos do que seu
potencial. Nesse sentido, a ampliação da jornada pode ser uma boa opção.
Neste trabalho, apresentamos algumas evidências para o caso brasileiro sobre a relação
entre a participação dos estudantes de ensino fundamental em atividades de contraturno e seu
desempenho acadêmico em língua portuguesa e matemática. O texto se organiza da seguinte forma:
a seção 2 apresenta a revisão da literatura; a seção 3, os dados e estatísticas descritivas; a seção 4, a
metodologia; a seção 5, os resultados. Por fim, apresentam-se as considerações finais.
2. Revisão Bibliográfica
Na literatura acadêmica, há diversos estudos que procuram compreender os efeitos da maior
exposição dos alunos ao conhecimento, avaliando diferentes aspectos dos sistemas educacionais. A
primeira discussão que se apresenta refere-se às diferentes escolhas de ampliação da jornada escolar
– aumento da duração da aula ou do número de aulas por dia.
Eren e Millimet (2007) olham tanto para o aumento da duração como para o aumento do
número de aulas, comparando os resultados. Já Rice, Croninger e Roellke (2002) e Biondi e Felicio
(2007) olham apenas para a expansão da duração da aula. Com vistas a ajustar por diferenças no
2
nível inicial de conhecimento dos alunos, é necessário contar com informações longitudinais. Todos
os trabalhos citados, exceto Biondi e Felicio (2007), trabalham com esse tipo de informação que é
usada para controlar pelo nível inicial de conhecimento (quasi valor adicionado). Em termos das
diferenças no potencial de aprendizado dos alunos, os estudos argumentam que parte dessa
heterogeneidade está relacionada a características observadas dos alunos e suas famílias, e
controlam por essas características observáveis. Além disso, para controlar pela qualidade do
professor, os três estudos controlam por características observáveis, como experiência, formação
etc. O mesmo é feito para a escola, que esses trabalhos controlam por características de
infraestrutura e institucionais.
Os estudos de Eren e Millimet (2007) e Rice, Croninger e Roellke (2002) podem ser
considerados mais avançados do ponto de vista metodológico por usarem dados longitudinais e
controlarem pelo desempenho inicial do aluno. As estimativas de impacto devem ser interpretadas
com cuidado, pois esses estudos não conseguem controlar por todos os fatores que podem
influenciar a relação jornada diária e aprendizado dos alunos, como os componentes não observáveis
da qualidade do professor, o que afeta a sua capacidade de produzir estimativas consistentes para o
impacto do aumento da jornada sobre o desempenho dos alunos.
Eren e Millimet (2007) utilizam técnicas paramétricas e não paramétricas para verificar o
efeito do tempo de duração das aulas sobre as notas dos alunos. Os autores encontram que os
alunos com notas abaixo da mediana se beneficiam com aulas mais curtas, enquanto alunos com
notas acima da mediana apresentam aumento de proficiência quando são submetidos a aulas com
maior tempo de duração.
Rice, Croninger e Roellke (2002), por outro lado, verificam que o aumento da duração das
aulas tem um impacto negativo e estatisticamente significante sobre o aprendizado de matemática.
Ou seja, o efeito é justamente oposto ao desejado. Os autores acreditam que uma possível
explicação para este resultado é a matéria de matemática talvez não seja adequada a políticas de
aumento de duração das aulas. Isso ocorreria, pois os alunos passam a ter aulas maiores e mais
concentradas, mas a exposição do conteúdo deixa de seguir uma ordem sequencial consolidada
dentro das práticas tradicionais de ensino. Outra questão é que em alguns programas os alunos
tiveram um semestre com aulas mais longas desta matéria, mas no semestre subsequente não
cursam esta disciplina, ou seja, os alunos alternam períodos de muito e pouco contato com a
matéria. Outro resultado obtido neste estudo foi que os professores de matemática, ao ministrarem
aulas maiores, acabam usando uma variedade maior de técnicas de aprendizagem, mas não há
ganho de eficiência relacionados a isto, já que a proporção de tempo gasta por eles em atividades
3
não relacionadas ao ensino (fazendo a chamada, por exemplo) foi a mesma que a de professores que
dão aulas mais curtas.
Biondi e Felicio (2007) também encontram um impacto negativo (mas não estatisticamente
significativo) do aumento da duração das aulas sobre o desempenho dos alunos quando é incluído no
modelo o efeito fixo das escolas.
Entretanto, a exposição dos alunos ao conhecimento depende de outros aspectos, como por
exemplo, a duração do ano letivo. Entende-se por ano letivo o número de dias no ano em que o
aluno realmente tem aula. Para isso, contribuem: o calendário escolar, a assiduidade dos professores
e a disponibilidade de aulas de recuperação ou reforço durante as férias.
As evidências revelam que diminuir o número de dias letivos (calendário escolar) tem o
efeito de aumentar a taxa de repetência. Uma possível explicação é que, para cumprir o currículo
estipulado, o professor acelera o ritmo das aulas, cobrindo um volume maior de matéria por aula. Os
alunos com dificuldade de aprendizado não conseguem acompanhar.
Os resultados são baseados em evidências nas quais o currículo manteve-se fixo, isto é, os
professores tiveram de ensinar o mesmo conteúdo em um período menor. Vale ressaltar que, nessas
circunstâncias, os professores tendem a priorizar as disciplinas de português e matemática,
realocando o tempo das demais disciplinas para cumprir o conteúdo programado. Além disso,
quando há menos dias letivos os professores parecem se esforçar mais para cumprir o cronograma,
tendo inclusive maior assiduidade.
A assiduidade dos professores é um dos principais aspectos quando se pretende aumentar a
exposição ao conhecimento, pois afeta diretamente o aprendizado e a motivação dos alunos.
Diminuir a ausência do professor aumenta a proficiência. Os estudos apontam que políticas desse
tipo favorecem principalmente os grupos de maior vulnerabilidade, como os alunos de famílias mais
pobres e aqueles com maior dificuldade de aprendizado. Afinal, esse grupo tem acesso menor a
recursos que podem contrabalançar os efeitos causados pela ausência dos professores, como aulas
de reforço, ajuda dos pais etc.
A ausência de professores pode ter não só um impacto direto no aprendizado do aluno, que
terá menos aulas, mas um efeito indireto, que se dá pela redução na motivação. Alunos de
professores que são muito ausentes tendem a frequentar menos as aulas.
Por fim, o número de aulas no ano depende também da disponibilidade de aulas de
recuperação e reforço. Os estudos apontam que os alunos que frequentam essas aulas fora do
período letivo têm desempenho acadêmico melhor que os sem acesso a essa oportunidade.
É importante ressaltar que todos os impactos apresentados estão relacionados diretamente
a como professores, pais e alunos se comportam diante das mudanças. Se a redução do calendário
4
escolar for acompanhada de maior esforço da parte dos professores, o desempenho dos alunos
estará sendo afetado por ambos os fatores e será difícil isolá-los. Da mesma maneira, o impacto dos
cursos de reforço no período de férias pode estar relacionado a um maior envolvimento dos pais, os
quais, diante da preocupação com a repetência iminente, decidem se envolver mais.
No Brasil, por exemplo, a extensão do calendário escolar é escolhida pela Secretaria de
Educação dos estados, sendo uma variável da política educacional de cada estado. Para verificar o
efeito do aumento do calendário escolar no desempenho dos alunos, não podemos simplesmente
comparar alunos em estados que adotam políticas diferenciadas. Diversos fatores que não
observamos podem influenciar a adoção de certa política de calendário escolar. Por exemplo, se os
estados que possuem um melhor programa de treinamento dos professores e escolas com maior
infraestrutura são também aqueles que se preocupam com a exposição dos alunos ao conhecimento,
ao comparar estudantes desse estado com os de outros, com pior infraestrutura educacional,
estamos captando não só o efeito de uma mudança na extensão do calendário escolar, mas também
o efeito de um professor com qualidade melhor e de uma escola com melhor infraestrutura.
Além disso, uma modificação do calendário escolar está relacionada ao ensino de um
currículo mínimo. Se o estado resolver reduzir o calendário escolar sem modificar o currículo, os
professores terão de ensinar a mesma quantidade em um período mais curto, o que pode levá-los a
acelerar o ritmo de aula. Nesse caso, os professores com maior habilidade de ensino podem ser mais
bem-sucedidos em ensinar o conteúdo. Portanto, é importante comparar alunos sujeitos a
calendários escolares diferentes, mas que possuem professores com qualidade semelhante. Além
disso, para captar somente o efeito do calendário escolar, o currículo não pode ser alterado. Deve- se
estudar uma diminuição do número de dias eletivos mantendo o currículo fixo.
Existem poucos estudos sobre o impacto da diminuição dos dias letivos sobre o aprendizado
dos alunos. As estimativas mais confiáveis advêm de situações em que um elemento surpresa levou
alguns alunos a terem mais aulas que outros. Marcotte (2007) usa a variação do número de dias
letivos provocada por tempestades de neve que ocorrem em Maryland nos Estados Unidos. O autor
compara o desempenho de alunos em distritos afetados pelas tempestades, e que
consequentemente tiveram um calendário escolar reduzido, com o desempenho de alunos nos
mesmos distritos (e nas mesmas escolas), mas em anos em que o inverno foi mais ameno e não
houve alteração do calendário escolar. O estudo mede o impacto da extensão do calendário escolar
sobre a porcentagem de alunos que tiveram desempenho considerado satisfatório em certo teste. É
encontrado um impacto negativo e estatisticamente significante da redução do calendário escolar
sob essa porcentagem. Esse impacto é maior sobre alunos de séries mais básicas, especialmente em
matérias que apresentam um programa menos flexível, como matemática, por exemplo.
5
Eren e Millimet (2007) usam dados longitudinais para comparar alunos sujeitos a um ano
letivo de mais de 180 dias com alunos sujeitos a calendários escolares menores. Para comparar
alunos com mesmas características socioeconômicas em escolas com mesma infraestrutura, eles
controlam pelas características observáveis dos alunos, dos professores e da infraestrutura da escola.
O resultado encontrado foi que alunos com notas abaixo da mediana se beneficiam com um
calendário mais extenso, ou seja, apresentam desempenho melhor quando tem mais dias letivos. Por
outro lado, alunos com notas acima da mediana se beneficiam de calendários com menos dias letivos
programados.
Em relação ao absenteísmo, é difícil separar o efeito da ausência do professor de outros
efeitos relacionados a incentivos financeiros e infraestrutura da escola. Isto porque o número de
ausências do professor em certa escola é uma função de políticas adotadas pela própria escola e das
políticas educacionais adotadas por cada estado. Por exemplo, o número de faltas do professor está
associado a políticas de monitoramento adotadas pelo diretor da escola, e também a políticas de
incentivos adotadas pelas secretarias de Educação. Escolas com diretores que se preocupam mais
com controle de frequência e monitoramento dos professores tendem a ter um menor número de
faltas por professor. Se essas forem as escolas que também possuem melhor infraestrutura, ao
comparar o desempenho médio dos alunos nessas escolas com o dos alunos nas demais escolas,
podemos superestimar o impacto do absenteísmo do professor, pois estaríamos confundindo o
efeito da infraestrutura da escola, da capacidade gerencial do diretor e da ausência dos professores.
Outro problema ao estimar o impacto da assiduidade do professor no desempenho dos
alunos é que existe uma relação entre o número de dias em que o professor se ausentou, sua
habilidade e o esforço que ele emprega em ensinar. Se o professor que mais falta é aquele com
menor motivação para ensinar e também com menor habilidade, ao estimar a relação causal entre
desempenho e absenteísmo do professor, podemos superestimar um efeito negativo, pois
estaríamos captando não só ausência, mas também falta de esforço e habilidade para ensinar.
Para estimar o efeito do absenteísmo do professor, é importante compararmos professores
com o mesmo nível de habilidade, que empregam o mesmo nível de esforço em ensinar e que
lecionam em escolas com a mesma infraestrutura, mesmo sistema de incentivos e de
monitoramento. Biondi e Felicio (2007) encontram um impacto negativo (mas não estatisticamente
significativo) sobre o desempenho dos alunos da ausência dos professores.
Duflo e Hanna (2005) fizeram um estudo sobre o efeito de um programa realizado em
escolas da zona rural da Índia. O objetivo do programa era reduzir o absenteísmo através da adoção
de um sistema de monitoramento dos professores e de incentivos financeiros. Foram selecionadas
120 escolas e destas foram escolhidas de forma aleatória 60 para participar do programa. Os
6
professores das escolas de fato participantes receberam uma câmera fotográfica que deveria ser
usada para tirar uma foto deles em sala de aula com os alunos ao início e ao final de cada aula. Essa
câmera registraria a data e a hora de cada foto, sem haver possibilidade de alteração por parte dos
professores. O salário dos professores seria determinado em função de sua frequência. O programa
teve como efeito imediato a redução do absenteísmo. As demais 60 escolas (que não participaram
do programa) serviram como grupo de controle. Dessa forma, foram comparadas escolas que na
média têm infraestrutura e professores semelhantes, mas no primeiro grupo o número de faltas dos
professores foi menor, em virtude do sistema de monitoramento e incentivos. O principal resultado
encontrado foi que a proficiência de alunos que tem professores que faltam menos é maior que a de
alunos que tem professores ausentes.
Miller, Murnane e Willet (2007) procuraram captar o efeito da ausência do professor no
desempenho dos alunos usando fatores exógenos, que poderiam provocar uma variação no número
de faltas do professor que não estaria associada ao sistema de monitoramento da escola ou à
habilidade deles. Os autores usam como fatores exógenos a distância da casa do professor à escola e
um índice que mede as condições climáticas na região em que o professor vive. O argumento é que
esses fatores não estariam associados a nenhum fator que afeta o desempenho dos alunos, como o
esforço do professor, a não ser com o número de dias em que o professor se ausentou. Os autores
usam como controles as características observáveis das escolas, dos professores e dos alunos, além
de efeitos fixos para os professores e para o ano. O resultado encontrado é que as faltas dos
professores têm impacto negativo e estatisticamente significante sobre o desempenho dos alunos e
quando essas faltas são inesperadas, este impacto é ainda maior.
Por fim, o número de aulas a que o aluno foi exposto também depende da existência de
recuperação e aulas de reforço fora do período escolar. O maior desafio em estimar o efeito da
recuperação no desempenho dos alunos é a seleção dos alunos que irão para recuperação. A decisão
de repetir não é tomada pelo aluno, mas por professores e diretores, embasados não só em fatores
observáveis, como a nota do aluno, mas também em características não observáveis como
motivação, maturidade, quanto os pais se envolvem na educação dos filhos etc. Algumas vezes, os
pais pressionam os professores para que o filho entre em recuperação, por acharem que ele não
aprendeu o conteúdo. A dificuldade em estimar o efeito causal da recuperação é separar o efeito do
sistema de recuperação das características não observáveis dos alunos e da seleção imposta pelos
pais. A situação ideal seria alocar alguns alunos de uma turma de forma aleatória para recuperação,
enquanto os demais alunos dessa turma não teriam acesso à recuperação.
Uma metodologia frequentemente adotada se baseia na hipótese de que os alunos ao redor
da nota de corte para ir para recuperação são muito parecidos tanto nas características observáveis
7
como nas não observáveis. Por exemplo, suponhamos que a nota de corte seja 60; o aluno que tirou
59 e o aluno que tirou 60 provavelmente são parecidos na motivação para estudar, no esforço, na
habilidade para aprender, porém um deles acertou um item a mais em uma das provas. Logo, para
estimar o efeito da recuperação, basta comparar o desempenho escolar desses dois grupos de alunos
no ano subsequente à recuperação. Matsudaira (2008) e Jacob e Lefgren (2004) exploram a
descontinuidade na probabilidade de entrar de recuperação em torno da nota de corte para
identificar o efeito causal do programa de recuperação. Ambos encontram como resultado que
alunos que foram para recuperação (mas que quase passaram) aprenderam mais que estudantes que
passaram de ano com nota mínima e não foram para recuperação.
3. Dados e Estatísticas Descritivas
Neste capítulo, o estudo da relação entre a participação em jornada ampliada e o
desempenho escolar é realizado a partir da utilização dos microdados coletados pela pesquisa de
campo que faz parte do âmbito do Projeto BNDES – Impacto de Políticas Públicas Educacionais
Selecionadas no Desempenho Escolar de Alunos da Rede Pública de Ensino.
A pesquisa, que foi a campo no segundo semestre de 2012, incluiu a realização de testes de
proficiência nas disciplinas de língua portuguesa e matemática a 35.903 estudantes do ensino
fundamental (11.536 no 4º ano; 12.429 do 6º ano e 11.938 do 8º ano) em 300 escolas. Também
foram aplicados questionários aos diretores, professores e alunos. Além de coletar informações
socioeconômicas, estes instrumentos investigam aspectos relacionados a diferentes políticas
educacionais, dentre as quais a jornada escolar ampliada. Os questionários desta pesquisa trazem
informações inéditas sobre o tema, cuja descrição é apresentada a seguir.
Do total das 300 escolas incluídas neste levantamento, 128 (43%) oferecem algum tipo de
atividade fora do período normal de aulas. Destas, 19 (15%) informam que a participação dos alunos
nas atividades do contraturno é obrigatória (tabela 01).
Tabela 1 – Distribuição das escolas, segundo o oferecimento de jornada ampliada e
obrigatoriedade das atividades
Número de Escolas
Porcentagem
Escolas que oferecem atividades
128
43%
no contraturno
Contraturno é obrigatório
19
15%
Fonte: Pesquisa BNDES-2012 (Questionário do Diretor). Elaboração própria.
8
Em grande parte das escolas, as atividades complementares são oferecidas há dois anos ou
mais (49% entre 2 e 5 anos e 10% há mais de 5 anos). No restante, as atividades complementares
passaram a ser oferecidas no ano corrente da pesquisa (13%) ou no ano anterior (28%) (gráfico 01).
Quase a totalidade das escolas que oferecem jornada ampliada (93%) fornece merenda
escolar para os estudantes no contraturno. Em relação à infraestrutura utilizada para o
desenvolvimento das atividades complementares, mais da metade das escolas utilizam quase todos
os ambientes escolares: laboratório de informática (57%), biblioteca (59%), quadra esportiva (56%) e
pátio (61%). A exceção é o laboratório de ciências, recurso escasso nas escolas públicas, utilizado por
apenas 9% das escolas que oferecem o contraturno. Além disso, 69% das escolas afirmam utilizar
outros ambientes escolares no contraturno, dentre os quais podem se incluir as salas de aula (tabela
02).
Gráfico 1 - Distribuição das escolas que oferecem jornada ampliada,
segundo o período de início das atividades
Fonte: Pesquisa BNDES-2012 (Questionário do Diretor). Elaboração própria.
Tabela 2 – Distribuição das escolas, segundo a infraestrutura utilizada
para as atividades da jornada ampliada
Tipo de Infraestrutura
Número de Escolas
Porcentagem
Laboratório de informática
73
57%
Laboratório de ciências
11
9%
Biblioteca
75
59%
Quadra esportiva
71
55%
Pátio
78
61%
Outros
88
69%
Alunos recebem merenda escolar
119
93%
Fonte: Pesquisa BNDES-2012 (Questionário do Diretor). Elaboração própria.
9
A tabela 3 a seguir mostra o percentual de alunos que estuda em escolas que oferecem
atividades fora do período de aulas e a porcentagem de estudantes que afirma participar de
atividades complementares ou de contraturno, de acordo com a série em que estão frequentando.
Mais de um terço dos alunos do ensino fundamental frequentam escolas nas quais atividades
complementares diversas estão disponíveis: 35% no 4º ano; 46% no 6º ano e 43% no 8º ano. E boa
parte deles participa efetivamente destas atividades. O percentual de estudantes que frequenta a
jornada ampliada é de 26% no 4º ano, 31% no 6º ano e 24% no 8º ano.
Nota-se que a participação no contraturno é mais elevada entre os alunos mais novos. Isto
porque o percentual de estudantes que participam de atividades complementares, dado que estão
expostos à jornada ampliada, decresce ao longo do ensino fundamental: são 75% (3045/4046) no 4º
ano, 68% (3901/5776) no 6º ano e 55% (2824/5158) no 8º ano.
O gráfico 2 a seguir mostra a distribuição dos alunos que frequentam o contraturno, segundo
o período de início e frequência com que participam das atividades complementares. Cerca de 30%
afirmam sempre ter frequentado o contraturno. Um percentual um pouco menor (entre 18% e 25%)
diz ter participado algumas vezes, mas não frequentar estas atividades atualmente. Entre 29% e 42%
começaram a participar do contraturno no ano anterior ao da pesquisa e entre 10% e 16% deles
começaram a frequentar no ano corrente.
Tabela 3 – Distribuição dos alunos, segundo a exposição e a frequência
à atividades complementares ou de contraturno
4º ano
6º ano
8º ano
Escola oferece atividades
no contraturno
4046
35%
5776
46%
5158
43%
Aluno participa das
atividades do contraturno
3045
26%
3901
31%
2824
24%
Fonte: Pesquisa BNDES-2012 (Questionário do Aluno). Elaboração própria.
10
Gráfico 2 - Distribuição dos alunos que frequentam jornada ampliada,
segundo o período de início e frequência das atividades
Fonte: Pesquisa BNDES-2012 (Questionário do Aluno). Elaboração própria.
Grande parcela dos estudantes participa de aulas de reforço (entre 16% e 24%) ou atividades
esportivas (entre 31% e 47%). A participação em aulas de reforço se reduz ao longo do ensino
fundamental. Já com a frequência em atividades esportivas ocorre o contrário. Com menor
frequência, os alunos também participam de atividades artísticas (entre 6% e 12%), musicais (entre
8% e 9%), recreativas (entre 4% e 7%). Entre 15% e 17% dos estudantes afirmam participar de outras
atividades não listadas no questionário da pesquisa (gráfico 3).
Gráfico 3 - Distribuição dos alunos que frequentam jornada ampliada,
segundo o tipo de atividade que frequentam
Fonte: Pesquisa BNDES-2012 (Questionário do Aluno). Elaboração própria.
O tempo dedicado às aulas de reforço escolar do contraturno varia bastante entre as escolas.
A distribuição das escolas segundo a duração destas atividades é praticamente uniforme entre as
seguintes faixas: de 45 a 50 minutos, de 51 a 60 minutos, de 61 a 90 minutos, de 91 a 120 minutos e
mais de 120 minutos (gráfico 4).
11
Gráfico 4 - Distribuição das escolas, segundo a
duração das aulas de reforço escolar do contraturno
Fonte: Pesquisa BNDES-2012 (Questionário do Diretor). Elaboração própria.
Nestas aulas, grande parte das escolas prioriza o ensino da matemática (28%). Ao contrário
do que se poderia pensar, o percentual de escolas que tem a língua portuguesa como foco das aulas
de reforço é pequena (11%). As ciências naturais e as ciências humanas têm baixa prioridade nas
atividades de reforço escolar (apenas 1% das escolas). Um percentual elevado das escolas (26%)
afirma que não prioriza nenhuma disciplina nas aulas de reforço escolar. Isto pode significar que
nestas atividades os alunos são atendidos de acordo com suas dificuldades específicas em qualquer
disciplina do currículo (gráfico 5).
Gráfico 5 - Distribuição das escolas, segundo as
disciplinas que priorizam nas aulas de reforço escolar do contraturno
Fonte: Pesquisa BNDES-2012 (Questionário do Diretor). Elaboração própria.
12
Dentre os critérios utilizados para selecionar os alunos para participação das atividades do
contraturno, a repetência responde por 37% das escolas. O desempenho acadêmico insatisfatório
corresponde ao principal critério para apenas 2% das escolas. Por outro lado, em 6% das escolas os
alunos com os melhores resultados educacionais são os escolhidos para frequentar a jornada
ampliada. Grande parcela das escolas (40%) afirma que outros critérios são utilizados nesta seleção.
Dentre eles pode se incluir a preferência ou escolha dos alunos em participar das atividades
complementares oferecidas. Por fim, 6% das escolas afirmam que a necessidade dos pais é o
principal motivo para os filhos frequentarem o contraturno (gráfico 6).
A figura 1 abaixo compara a duração da jornada diária regular com a duração da jornada
diária do contraturno. Na maioria das escolas, o turno diário regular tem duração de 4 a 5 horas (65%
no ciclo 01 e 63% no ciclo 2 do ensino fundamental). Já o contraturno tem duração diária de 3 a 4
horas em 49% e 41% das escolas, respectivamente no ciclo 01 e 02 do ensino fundamental.
Entretanto, há uma proporção elevada de escolas que oferecem contraturno de 1 a 2 horas (28% no
ciclo 01 e 23% no ciclo 02).
Gráfico 6 - Distribuição das escolas, segundo os critérios
de seleção dos alunos para as atividades do contraturno
Fonte: Pesquisa BNDES-2012 (Questionário do Diretor). Elaboração própria.
13
Figura 1 - Distribuição das escolas que oferecem jornada ampliada,
segundo a duração diária do turno regular e do contraturno
Menos de 3 horas
1%
3%
Turno regular
Entre 3 e 4 horas
8%
10%
4 horas
33%
26%
1º ciclo
30%
Entre 4 e 5 horas
2º ciclo
39%
13%
14%
Mais de 5 horas
11%
12%
Não informado
0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
2%
Menos de 1 hora
4%
Contraturno
28%
Entre 1 e 2 horas
23%
49%
Entre 3 e 4 horas
1º ciclo
41%
2º ciclo
5%
Mais de 4 horas
8%
16%
Não informado
23%
0%
10%
20%
30%
40%
50%
60%
Fonte: Pesquisa BNDES-2012 (Questionário do Diretor). Elaboração própria.
Na maioria das escolas, as aulas do turno regular (73%) e do contraturno (50%) têm duração
de 41 a 50 minutos. As aulas do turno regular e do contraturno duram entre 51 e 60 minutos em 23%
e 18% das escolas. Aulas com duração de mais de uma hora são mais frequentes no contraturno (9%)
do que no turno regular (1%) (gráfico 7).
Nas escolas que possuem jornada ampliada, 32% dos professores ministram atividades no
contraturno. Destes, a maioria (52%) afirma sempre ter participado da jornada ampliada. Outros 26%
começaram a participar do contraturno no ano anterior à realização da pesquisa e 4% no ano
corrente. 12% afirmam ter participado algumas vezes, mas não no ano da pesquisa (gráfico 8).
14
Gráfico 7 - Distribuição das escolas que oferecem jornada ampliada,
segundo a duração das aulas turno regular e do contraturno
Fonte: Pesquisa BNDES-2012 (Questionário do Diretor). Elaboração própria.
Gráfico 8 - Distribuição dos professores que participam do contraturno,
segundo o período de início e frequência das atividades
Fonte: Pesquisa BNDES-2012 (Questionário do Professor). Elaboração própria.
Das atividades listadas no questionário da pesquisa, as aulas de reforço escolar são as
atividades das quais os professores mais alegam participar (26%). Poucos professores ministram
atividades não-acadêmicas, como esportes, artes, música e recreação. 71% dos professores dizem
participar de outras atividades do contraturno. Dentre estas, é possível que estejam incluídas
atividades acadêmicas não caracterizadas como aulas de reforço, tais como aulas para o
cumprimento do currículo regular. Dado o elevado percentual de docentes que afirmam participar de
‘Outras atividades’, seria interessante conhecer quais atividades estão contempladas nesta opção.
Entretanto, não é possível desagregar o quesito ‘Outras’ desta variável (tabela 4).
15
Tipo de Atividade
Aulas de reforço
Esporte
Artes
Música
Recreação
Outras
Tabela 4 – Distribuição dos professores, segundo as
atividades que ministram no contraturno
Número de Professores
Porcentagem
23
26%
2
2%
2
2%
1
1%
6
7%
63
71%
Fonte: Pesquisa BNDES-2012 (Questionário do Professor). Elaboração própria.
Um pouco menos da metade dos professores que participam da jornada ampliada (46%)
afirmam ter participado de treinamento para ministrar estas atividades. Além disso, 42% dos
professores do contraturno recebem salários mais elevados para participar das atividades do turno
estendido. Finalmente, 29% dos professores afirmam terem sido selecionados via concurso e 37%
deles dizem participar do contraturno por terem sido indicados pela secretaria da educação (165),
pelo diretor (10%) ou por outros professores (11%). Para 17% dos professores, outro critério
determinou sua seleção para participação no contraturno. A escolha do próprio professor pode estar
incluída nestas outras formas de seleção.
Tabela 5 – Distribuição dos professores, segundo as
formas de seleção para participação no contraturno
Forma de Seleção
Número de Escolas
Concurso
37
Indicação do diretor
13
Indicação da secretaria
21
14
Indicação dos próprios professores
Outros
22
Não informado
21
Porcentagem
29%
10%
16%
11%
17%
16%
Fonte: Pesquisa BNDES-2012 (Questionário do Professor). Elaboração própria.
4. Metodologia
Nesta seção, descrevemos como iremos identificar o efeito que atividades de contraturno
têm sobre desempenho dos alunos em língua portuguesa e matemática para os 4º, 6º e 8º anos do
ensino fundamental. Em primeiro lugar, para obter estimativas da relação entre a frequência às
atividades do contraturno e o desempenho acadêmico, estimamos os parâmetros do seguinte
modelo de regressão linear por mínimos quadrados ordinários (MQO):
16
y i = β 0 + β 1CTi + β 2 CTi * ACADi + δ ' X i + u i
Onde o subscrito i indexa os alunos; y é uma medida de aprendizado; CT é uma variável
binária que assume valor 1 caso o aluno esteja matriculado em atividades de contraturno e 0 caso
contrário; ACAD é uma variável binária que assume valor 1 caso o aluno esteja matriculado em
atividades de contraturno acadêmicas e 0 caso contrário; X um vetor de variáveis sociodemográficas,
como gênero, raça/etnicidade e idade e uma variável que indica se o estudante frequentou a préescola e u um termo de erro. As letras gregas são parâmetros desconhecidos. Estamos interessados
no parâmetro β1 , o qual mede o impacto de se participar do contraturno em atividades não
acadêmicas sobre o aprendizado. Este exercício é útil para estudarmos as diferenças médias de
proficiência entre estudantes que frequentam e que não frequentam o contraturno, bem como as
diferenças entre aqueles que participam de atividades acadêmicas e não-acadêmicas.
A premissa para que esse parâmetro seja identificado com os dados disponíveis é que
características não-observáveis que afetem desempenho e que são sintetizadas por u, não sejam
correlacionadas com a decisão de participar de atividades não-acadêmicas do contraturno. Ou seja,
para que este parâmetro seja identificado como o impacto causal da participação no contraturno
sobre o desempenho escolar, é preciso que a decisão dos estudantes de frequentar atividades
esportivas e artísticas (não-acadêmicas) não esteja associada com características não-observáveis
que afetam o desempenho acadêmico, o que é uma hipótese forte. É possível argumentar, por
exemplo, que atributos como esforço e disciplina estão simultaneamente associados ao gosto por
atividades esportivas e ao desempenho escolar.
Em outras palavras, sabemos que a decisão de inscrever um aluno em uma das atividades em
contraturno é uma decisão conjunta da escola e dos pais, portanto, há um potencial viés de seleção
em qualquer estimativa do efeito causal dessas atividades sobre o desempenho no aprendizado. Em
particular, alunos com um histórico de fraco desempenho devem participar das atividades de reforço
escolar. Assim, isolar o efeito causal das atividades acadêmicas de contraturno sobre aprendizado é
uma tarefa que, sem uma variação exógena convincente na participação dessas atividades, torna-se
inviável.
Assim, uma das dificuldades de estimar o impacto da jornada diária no aprendizado do aluno
é separar o efeito de uma pré-seleção de bons alunos nas escolas com jornada ampliada. Os pais que
valorizam mais a educação tendem a colocar os filhos em escolas com jornada ampliada. Se esses
pais possuem filhos com melhor desempenho acadêmico, podemos confundir o efeito da jornada
escolar com um efeito de seleção. Se não conseguirmos isolar o efeito de seleção, podemos
superestimar o efeito de uma ampliação da jornada. Outra possibilidade seria uma pré-seleção dos
17
alunos com maiores dificuldades acadêmicas caso, por exemplo, os professores indicassem os alunos
repetentes para as atividades da jornada ampliada. Neste caso, estaríamos subestimando os efeitos
da ampliação da jornada.
Diversos fatores podem fazer a predisposição a aprender de um grupo ser maior que a de
outro. Pode ocorrer, por exemplo, do nível inicial de conhecimento dos alunos alocados a uma maior
jornada diária ser menor que o daqueles que estão em jornadas regulares. Nesse caso, o efeito
captado ao estimar o aumento da jornada diária pode estar refletindo essa desigualdade inicial entre
os alunos que existiria mesmo se não houvesse nenhuma modificação na exposição diária do aluno
ao conhecimento. Se essa vantagem de aprendizado fosse atribuída à diferença de jornada,
estaríamos subestimando a relevância desse insumo escolar. Para controlar pelo fato de os alunos
apresentarem nível inicial distinto de conhecimento, devemos comparar não o resultado dos dois
grupos ao final do período letivo, mas o quanto cada grupo aprendeu no ano, isto é, devemos medir
a variação de conhecimento ou valor adicionado. No entanto, controlar pelo aprendizado passado
não garante que os alunos tenham a mesma capacidade de aprender. Ainda que com nível inicial
idêntico de conhecimento, a existência de habilidades distintas para o aprendizado faria as
diferenças observadas ao final existirem mesmo que os alunos tivessem sido colocados em turmas
com jornadas diárias idênticas.
Além disso, sabemos que o aprendizado não depende só do aluno e do tempo de exposição
ao conhecimento, mas também da capacidade dos professores de transmitir conhecimento, isto é,
da qualidade do professor. Um dos argumentos para uma expansão da jornada diária é que o
professor poderia usar diferentes técnicas de aprendizado no decorrer de uma aula. No entanto,
professores diferem quanto à capacidade de ensinar, à experiência e ao conhecimento. O ideal seria
compararmos alunos ou turmas com o mesmo professor, mas com jornadas diárias diferentes. Se
professores mais experientes e mais bem treinados são colocados em turmas que estão sujeitas a
jornada ampliada, podemos superestimar o efeito de um aumento da jornada diária.
Temos que lembrar que a infraestrutura da escola também é um insumo importante na
produção do aprendizado. Para ampliar a jornada diária, as escolas precisam ter certo volume de
salas ociosas e uma estrutura que permita que os alunos passem mais tempo na escola, como
cantinas para prover alimentação para os alunos etc. Se as escolas que oferecem uma jornada diária
para os alunos são aquelas que têm melhor infraestrutura, estaremos superestimando o impacto da
jornada diária. A avaliação de impacto precisa ser capaz de isolar também as diferenças de recursos
entre as escolas.
Assim, para obter o impacto da jornada diária no aprendizado dos alunos, não podemos
simplesmente comparar o desempenho de alunos sujeitos a uma maior jornada diária de aulas com o
18
de outros, sujeitos a jornadas regulares. Idealmente, gostaríamos de comparar dois grupos de alunos
cuja única diferença fosse a participação em atividades de jornada ampliada. Para tentar lidar com o
problema de viés de seleção, lançamos mão de uma estratégia empírica mais adequada – o
propensity score matching. Este é um método estatístico que realiza a seleção mais adequada de um
grupo de alunos que sirvam de comparação para os estudantes que participam do contraturno, com
base num mecanismo de pareamento. A partir de um conjunto de características, para cada escola
com jornada ampliada, encontra-se pelo menos uma escola muito semelhante a ela, mas que só
ofereça o turno regular.
A ideia por trás deste procedimento é que, se conhecermos os principais atributos que levam
as escolas a oferecer jornadas ampliadas e os alunos a participarem destas atividades, seremos
capazes de encontrar um grupo de comparação adequado ao grupo de tratamento (escolas com
jornada ampliada) – ou seja, semelhantes em características que se relacionam aos resultados que se
quer observar. Desta forma, obtêm-se estimativas mais acuradas da relação entre participação de
atividades do contraturno e aprendizado.
Neste estudo, o pareamento foi realizado a partir de características médias dos alunos e das
escolas que supostamente se relacionam com a adoção de estratégias de ampliação da jornada e da
decisão de participar delas: proporção de meninos, proporção de brancos, proporção de atrasados,
proporção de estudantes que frequentaram creche/pré-escola, rede de ensino (estadual ou
municipal), Unidade da Federação. Embora outras características poderiam, em princípio, ter sido
incluídas no pareamento (como a escolaridade da mãe), a baixa taxa de respostas prejudicaria o
tamanho da amostra construída. Depois de encontrar grupos de controle mais adequados, foram
estimadas regressões semelhantes à apresentada acima, para diferentes percentis da distribuição de
notas (10º, 25º, 50º, 75º e 90º), a fim de se obter efeitos heterogêneos da participação em jornada
ampliada ao longo da distribuição de habilidades dos alunos. Também se acrescentaram controles
para a rede municipal e as Unidades da Federação.
5. Resultados
A tabela 6 abaixo apresenta os resultados das estimações da correlação entre a participação
em atividades do contraturno e as notas em língua portuguesa e matemática para os alunos do
ensino fundamental no 4º, 6º e 8º anos do ensino fundamental. Os coeficientes das variáveis de
controle apresentam, em geral, os sinais esperados: os estudantes brancos apresentam maiores
notas médias, assim como aqueles que frequentaram a pré-escola. Quanto maior for a idade do
estudante (proxy para o atraso escolar), menor serão as notas de língua portuguesa e matemática. A
19
dummy para o gênero (meninos) apresenta sinal negativo nas regressões para língua portuguesa e
matemática. O primeiro resultado é semelhante ao padrão da literatura, mas o segundo não: em
geral, meninos apresentam menor performance em linguagem e maior desempenho em matemática.
Tabela 6 – Relação entre participação no contraturno e aprendizado (MQO)
Língua Portuguesa
Matemática
4º ano
6º ano
8º ano
4º ano
6º ano
Participação no contraturno -5.901*** -11.710*** -12.798*** -4.484*** -7.503***
(1.419)
(1.484)
(1.491)
(1.406)
(1.355)
-4.544** -10.289***
Participação no contraturno -6.450*** -10.312*** -6.905**
x atividades acadêmicas
(2.14)
(2.295)
(2.921)
(2.121)
(2.095)
Rede Municipal
-0.968
-3.441**
-2.437
-0.628
1.194
(1.627)
(1.583)
(1.601)
(1.612)
(1.443)
Menino
-16.991
-59.279*** -92.643*** -21.793** -41.966***
(10.825)
(13.321)
(13.466)
(10.717)
(12.132)
Branco
64.157*** 78.675*** 48.911*** 51.920*** 73.729***
(6.627)
(9.471)
(9.086)
(6.555)
(8.646)
Idade
-4.975*** -5.553*** -4.825*** -3.112*** -4.914***
(0.634)
(0.567)
(0.553)
(0.631)
(0.513)
Frequentou pré-escola
36.517*** 41.884*** 41.637*** 36.876*** 68.058***
(8.101)
(10.594)
(11.359)
(8.017)
(9.671)
Constante
185.793*** 282.215*** 270.226*** 191.838*** 303.799***
(19.242)
(16.729)
(18.619)
(19.114)
(15.225)
Dummies de UF
Sim
Sim
Sim
Sim
Sim
Número de observações
4,564
6,815
6,150
4,564
6,815
Nota: Erro-padrão entre parênteses. *** p<0,01; ** p<0,05; * p<0,10.
8º ano
-7.907***
(1.386)
-7.076***
(2.724)
-4.543***
(1.491)
-43.981***
(12.517)
51.605***
(8.452)
-4.466***
(0.513)
50.957***
(10.568)
281.578***
(16.325)
Sim
6,151
Ao analisarmos os modelos estimados para todas as etapas da escolarização, percebemos
que a participação no contraturno está relacionada com um desempenho inferior dos alunos, tanto
em língua portuguesa quanto em matemática. Isto pode indicar a existência de seleção dos alunos
que têm aula no contraturno. Provavelmente os alunos com mais dificuldade de aprendizado são
aqueles que têm aula de reforço no contraturno, como mostraram as estatísticas descritivas (37%
das escolas selecionam os alunos repetentes para a participação da jornada ampliada). Ao incluir a
interação entre a participação no contraturno com a dummy que indica atividades acadêmicas, a
ideia é separar os efeitos entre atividades didáticas e outras atividades que não se relacionam
diretamente ao currículo escolar (musicais, artísticas etc.) sobre o desempenho dos alunos.
Os coeficientes estimados desta interação são negativos e estatisticamente significantes em
todas as regressões. Percebemos, assim, que a participação no contraturno em atividades esportivas
e artísticas está correlacionada com maiores notas, enquanto a participação em atividades didáticas
20
está relacionada com desempenho mais baixo. Esse resultado é intuitivo: os estudantes que são
selecionados para participar das aulas de reforço escolar no contraturno são aqueles que
provavelmente possuem as notas mais baixas. Isto reforça a ideia de que há seleção entre os alunos
que participam do contraturno para desenvolver atividades de reforço escolar justamente por terem
maior dificuldade de aprendizado em comparação aos seus colegas.
Para tentar lidar com o problema de viés de seleção, estimamos os modelos com a amostra
construída a partir do propensity-score matching, cujos resultados são apresentados nas tabelas 7 a 9
a seguir. Novamente, observamos que os coeficientes das variáveis de controle dos estudantes
(idade, cor/raça, gênero, frequência à pré-escola) apresentam os sinais esperados. Os resultados são
qualitativamente equivalentes aos já apresentados acima.
As estimativas dos coeficientes da variável que indica se a escola pertence à rede municipal
não apontam para resultados inequívocos. Entre os alunos mais novos (4º ano), aqueles que
estudam em redes municipais apresentam maiores notas do que os que estudam em redes
estaduais. Estas diferenças só são estatisticamente significantes quando se observa a proficiência em
matemática. Já entre os alunos mais velhos (6º e 8º anos), observa-se exatamente o oposto. Estes
resultados, entretanto, não são robustos, já que as estimativas de muitos destes coeficientes não
apresentam significância estatística.
A participação no contraturno está associada a notas mais baixas em língua portuguesa e
matemática, em todas as séries avaliadas. Todos os coeficientes estimados para esta variável (em
todos os percentis) são estatisticamente significantes. Os coeficientes estimados da interação entre a
participação no contraturno com as atividades acadêmicas, também apresentam sinal negativo
(poucos são significantes). Nota-se que à medida que se evolui na distribuição de habilidades (do
percentil 10 para o 90), o valor absoluto do coeficiente da variável que indica participação no
contraturno se eleva. Em geral, isto também ocorre com o coeficiente da interação.
Ou seja, a correlação negativa entre a frequência em atividades (acadêmicas) do contraturno
é ainda mais elevada entre os melhores estudantes. Este resultado sugere que a participação em
aulas de reforço escolar são menos produtivas para os alunos com menores dificuldades de
aprendizado, o que é intuitivo. Isto porque o ingresso na jornada ampliada implica que o aluno deixe
de realizar outras atividades, como por exemplo, estudar em casa, assistir a aulas de idiomas em
escolas especializadas ou mesmo dedicar-se a atividades de lazer. Entre os alunos que apresentam as
maiores notas, o ganho de permanecer na escola no contraturno deve ser menor do que os
benefícios destas outras atividades. Isto pode explicar porque estes estudantes se beneficiariam
menos da participação na jornada ampliada.
21
Tabela 7 – Relação entre participação no contraturno e aprendizado (matching – 4º ano)
Língua Portuguesa
Percentil
Percentil
Percentil
Percentil
Percentil
10
25
50
75
90
Participação no contraturno
-3.751**
-3.291**
-5.512*** -5.966*** -9.853***
(1.838)
(1.606)
(1.616)
(1.825)
(2.583)
-0.397
-6.071**
-7.630*** -8.183***
-6.530*
Participação no contraturno x atividades
(2.769)
(2.398)
(2.417)
(2.71)
(3.831)
acadêmicas
Rede Municipal
1.288
1.469
2.144
0.696
3.979
(2.307)
(1.978)
(1.957)
(2.172)
(3.097)
Menino
-13.32
-31.766***
-12.492
-10.3
43.076*
(13.163)
(11.693)
(12.557)
(14.917)
(22.001)
Branco
62.642*** 76.121*** 68.879*** 90.934*** 112.978***
(8.965)
(7.972)
(8.372)
(9.626)
(13.378)
Idade
-3.846*** -5.437*** -5.059*** -5.429*** -5.384***
(0.795)
(0.695)
(0.702)
(0.789)
(0.956)
Frequentou pré-escola
45.171*** 41.791*** 36.250*** 36.240*** 43.810***
(10.299)
(8.965)
(9.317)
(10.508)
(14.698)
Constante
127.879*** 167.110*** 191.240*** 209.403*** 187.047***
(15.572)
(13.769)
(14.01)
(16.166)
(22.576)
Dummies de UF
Sim
Sim
Sim
Sim
Sim
Número de observações
3,627
3,627
3,627
3,627
3,627
Matemática
Percentil
Percentil
Percentil
Percentil
Percentil
10
25
50
75
90
Participação no contraturno
-4.482**
-4.617***
-3.957**
-4.252**
-7.897***
(1.975)
(1.726)
(1.865)
(1.737)
(2.417)
1.145
-4.148
-7.533***
-5.018*
3.086
Participação no contraturno x atividades
acadêmicas
(2.939)
(2.593)
(2.788)
(2.57)
(3.604)
Rede Municipal
2.401
4.170**
5.916***
7.606***
7.203***
(2.351)
(2.114)
(2.256)
(2.04)
(2.739)
Menino
-10.118
-7.299
-5.633
44.057*** 56.972**
(12.961)
(12.463)
(14.43)
(14.513)
(22.64)
Branco
57.242*** 56.538*** 62.117*** 82.132*** 122.440***
(9.601)
(8.643)
(9.66)
(9.238)
(13.489)
Idade
-0.75
-1.708**
-3.024*** -2.750*** -2.724***
(0.931)
(0.788)
(0.811)
(0.728)
(0.955)
Frequentou pré-escola
29.615*** 41.979*** 40.804*** 48.882*** 42.162***
(10.758)
(9.902)
(10.749)
(9.923)
(13.309)
Constante
118.180*** 139.995*** 174.108*** 155.143*** 169.510***
(17.332)
(15.273)
(16.163)
(15.5)
(22.517)
Dummies de UF
Sim
Sim
Sim
Sim
Sim
Número de observações
3,627
3,627
3,627
3,627
3,627
Nota: Erro-padrão entre parênteses. *** p<0,01; ** p<0,05; * p<0,10.
22
Tabela 8 – Relação entre participação no contraturno e aprendizado (matching – 6º ano)
Língua Portuguesa
Percentil 10 Percentil 25 Percentil 50 Percentil 75 Percentil 90
Participação no contraturno
-5.621***
-8.197***
-9.991***
-9.542***
-8.913***
(1.639)
(1.632)
(1.627)
(1.694)
(2.108)
-5.292**
-8.542***
-8.717***
-12.171***
-14.971***
Participação no contraturno
x atividades acadêmicas
(2.517)
(2.493)
(2.481)
(2.579)
(3.216)
Rede Municipal
-2.439
-4.187**
-3.728**
-4.402**
-3.729*
(1.768)
(1.766)
(1.732)
(1.775)
(2.219)
Menino
-87.886***
-66.193***
-60.085***
-69.951***
-69.325***
(13.333)
(14.143)
(14.452)
(15.396)
(19.802)
Branco
48.303***
59.111***
77.337***
59.563***
72.228***
(11.456)
(11.03)
(10.964)
(11.412)
(14.736)
Idade
-4.202***
-5.662***
-5.905***
-6.069***
-5.471***
(0.56)
(0.589)
(0.592)
(0.646)
(0.846)
Frequentou pré-escola
55.552***
59.596***
44.500***
34.005***
26.116*
(11.212)
(11.737)
(11.794)
(11.938)
(15.428)
Constante
178.538*** 209.629*** 237.587*** 283.767*** 319.686***
(14.869)
(14.825)
(14.798)
(15.571)
(20.247)
Dummies de UF
Sim
Sim
Sim
Sim
Sim
Número de observações
5,474
5,474
5,474
5,474
5,474
Matemática
Percentil 10 Percentil 25 Percentil 50 Percentil 75 Percentil 90
Participação no contraturno
-4.781***
-7.025***
-5.939***
-6.214***
-7.474***
(1.66)
(1.454)
(1.513)
(1.571)
(2.13)
-5.241**
-7.195***
-9.009***
-8.609***
-8.649***
Participação no contraturno
x atividades acadêmicas
(2.538)
(2.209)
(2.31)
(2.403)
(3.275)
Rede Municipal
-0.753
-1.377
-0.355
-4.974***
-4.474**
(1.803)
(1.554)
(1.611)
(1.651)
(2.221)
Menino
-38.474***
-58.963***
-57.450***
-51.669***
-30.129
(13.162)
(12.491)
(13.428)
(14.41)
(19.878)
Branco
51.680***
56.255***
73.952***
85.218***
82.707***
(10.966)
(9.674)
(10.206)
(10.799)
(15.237)
Idade
-3.195***
-3.571***
-5.078***
-5.593***
-6.695***
(0.554)
(0.504)
(0.553)
(0.626)
(0.863)
Frequentou pré-escola
34.648***
57.857***
66.222***
66.184***
75.438***
(11.621)
(10.298)
(10.969)
(11.492)
(15.061)
Constante
175.751*** 200.015*** 226.608*** 251.175*** 287.473***
(14.946)
(13.17)
(13.778)
(14.653)
(20.043)
Dummies de UF
Sim
Sim
Sim
Sim
Sim
Número de observações
5,474
5,474
5,474
5,474
5,474
Nota: Erro-padrão entre parênteses. *** p<0,01; ** p<0,05; * p<0,10.
23
Tabela 9 – Relação entre participação no contraturno e aprendizado (matching – 8º ano)
Língua Portuguesa
Percentil 10 Percentil 25 Percentil 50 Percentil 75 Percentil 90
Participação no contraturno -6.520***
-10.206***
-12.545***
-11.722***
-8.710***
(1.633)
(1.623)
(1.649)
(2.165)
(2.153)
-1.761
-0.305
-5.454*
-9.163**
-8.565**
Participação no contraturno
(3.1)
(3.052)
(3.108)
(4.049)
(4.037)
x atividades acadêmicas
Rede Municipal
0.623
-1.436
-1.924
-2.137
-1.944
(1.75)
(1.727)
(1.75)
(2.261)
(2.179)
Menino
-72.677*** -105.671*** -95.155***
-96.636*** -101.707***
(14.479)
(14.347)
(14.79)
(19.649)
(20.051)
Branco
26.061**
48.279***
48.137***
65.827***
74.117***
(10.636)
(10.581)
(10.717)
(13.983)
(13.653)
Idade
-3.553***
-4.162***
-5.629***
-5.322***
-5.228***
(0.536)
(0.542)
(0.608)
(0.887)
(0.836)
Frequentou pré-escola
3.692
24.352*
39.016***
31.787*
26.914*
(12.586)
(12.512)
(12.854)
(16.868)
(15.491)
Constante
237.802***
266.892***
303.113*** 330.108***
357.766***
(15.889)
(15.775)
(16.522)
(22.182)
(20.432)
Dummies de UF
Sim
Sim
Sim
Sim
Sim
Número de observações
4,858
4,858
4,858
4,858
4,858
Matemática
Percentil 10 Percentil 25 Percentil 50 Percentil 75 Percentil 90
Participação no contraturno -6.656***
-6.965***
-7.074***
-9.157***
-9.489***
(1.77)
(1.807)
(1.713)
(1.394)
(1.837)
-8.060**
-5.55
-8.251**
-11.673***
-7.144**
Participação no contraturno
x atividades acadêmicas
(3.359)
(3.394)
(3.222)
(2.595)
(3.43)
Rede Municipal
-5.548***
-4.255**
-2.85
-3.239**
-2.582
(1.925)
(1.934)
(1.818)
(1.468)
(1.904)
Menino
-63.756***
-68.288***
-52.557***
-35.779***
-45.190***
(15.374)
(15.975)
(15.337)
(12.637)
(16.737)
Branco
31.977***
38.499***
53.201***
55.181***
63.283***
(11.646)
(11.651)
(11.111)
(9.117)
(11.924)
Idade
-5.423***
-4.516***
-4.380***
-3.171***
-2.540***
(0.546)
(0.593)
(0.629)
(0.55)
(0.78)
Frequentou pré-escola
34.261***
52.229***
52.850***
44.145***
44.374***
(13.165)
(13.779)
(13.325)
(10.751)
(13.89)
Constante
258.852***
250.511***
261.960*** 257.857***
281.902***
(15.548)
(16.619)
(16.183)
(13.18)
(17.643)
Dummies de UF
Sim
Sim
Sim
Sim
Sim
Número de observações
4,859
4,859
4,859
4,859
4,859
Nota: Erro-padrão entre parênteses. *** p<0,01; ** p<0,05; * p<0,10.
24
Por outro lado, o fato de as escolas investirem em oferecer aulas de reforço escolar
pressupõe que os alunos com dificuldades de aprendizado beneficiem-se mais em participar destas
atividades do que de qualquer outra que possa realizar fora da escola. Mas as estimativas obtidas
aqui não corroboram esta hipótese. Isto pode sugerir que, mesmo entre os alunos com maiores
deficiências de aprendizado, a participação das atividades acadêmicas oferecidas no contraturno não
impacta positivamente a proficiência. Mais do que isto, estes alunos teriam maiores ganhos de
aprendizado se não frequentassem as aulas de reforço oferecidas pela escola (e estudassem sozinhos
em casa ou com a ajuda dos pais, irmãos mais velhos etc.). Se a escola não for capaz de fornecer
instrução diferenciada em relação ao turno regular, com materiais e técnicas pedagógicas
alternativas, esta explicação não é implausível.
Mas, ainda é possível que este resultado ainda seja fruto de viés de seleção. Em outras
palavras, as técnicas econométricas empregadas neste estudo podem não ter sido suficientes ou
capazes de selecionar grupos de alunos que participam e que não participam do contraturno, que
sejam ‘comparáveis’. Se isto for verdade, ainda persiste o problema de que, em geral, as escolas
escolhem os alunos repetentes ou com deficiências de aprendizado para frequentar as aulas de
reforço e que estamos comparando estes alunos com outros estudantes fundamentalmente
diferentes nas características (principalmente não-observáveis) que se associam fortemente ao
aprendizado.
6. Considerações Finais
Atualmente, diversas estratégias para a ampliação da jornada escolar diária vêm sendo
discutidas no Brasil, dentre as quais o aumento do número de escolas em período integral. Além do
maior tempo de permanência do aluno em sala de aula, a jornada ampliada pode ainda permitir que
os professores desenvolvam novas técnicas de ensino e ofereçam suporte aos alunos com dificuldade
de aprendizado. Entretanto, o impacto da ampliação da jornada diária sobre o aprendizado depende
das escolhas sobre as formas de utilização do tempo adicional e a adequação do currículo ministrado
no contraturno. Neste trabalho, apresentamos algumas evidências para o caso brasileiro sobre a
relação entre a participação dos estudantes de ensino fundamental em atividades de contraturno e
seu desempenho acadêmico em língua portuguesa e matemática.
Em geral, nossos resultados indicam que a participação no contraturno está relacionada com
um desempenho inferior dos alunos, tanto em língua portuguesa quanto em matemática,
principalmente quando os estudantes frequentam atividades acadêmicas, tais como aulas de reforço,
25
vis-à-vis à participação em atividades artísticas ou de recreação. Esses resultados são intuitivos: os
estudantes que são selecionados para participar das atividades acadêmicas no contratuno – aulas de
reforço escolar – são aqueles que provavelmente possuem as notas mais baixas. Entretanto, mesmo
quando tentamos lidar com o problema de viés de seleção, encontramos estimativas
qualitativamente semelhantes.
Ao estimarmos os efeitos heterogêneos da ampliação da jornada sobre o aprendizado,
percebemos que a correlação negativa entre a participação de atividades do contraturno e as notas
em exames padronizados é observada ao longo de toda a distribuição de habilidades e que os efeitos
são maiores entre os melhores alunos. Isto sugere que a participação em aulas de reforço escolar são
menos produtivas para os alunos com menores dificuldades de aprendizado, o que é intuitivo.
Entretanto, as estimativas também sugerem que os alunos com dificuldades de aprendizado
beneficiam-se menos das atividades acadêmicas do contraturno do que de qualquer outra que possa
realizar fora da escola.
De fato, se no contraturno, as escolas não forem capazes de atender os alunos com
dificuldade de aprendizado com instrução diferenciada em relação ao turno regular, com materiais e
técnicas pedagógicas alternativas, é possível que seus impactos sobre a proficiência sejam negativos.
Entretanto, estes resultados ainda podem ser viesados. Se este for o caso, estas estimativas ainda
captam as diferenças de notas entre estudantes fundamentalmente diferentes nas características
que se associam fortemente ao aprendizado – os que são e os que não são selecionados para a
jornada ampliada.
Referências Bibliográficas
ANGRIST, J. D.; PISCHKE, J.; Mostly Harmless Econometrics: An Empiricist’s Companion. Princeton
University Press, 2008.
BIONDI, R.; FELÍCIO, F. The quality of education in Brazil. INEP/MEC Texto para discussão, 2007.
BROH, B. Linking extracurricular programming to academic achievement: who benefits and why?
Sociology of Education, v. 75, n. 1, p. 69-95, 2002.
DUFLO, E.; HANNA, R. Monitoring works: getting teachers to come to school. NBER Working Paper n.
11880, 2005.
EREN, O.; MILLIMET, D. Time to learn? The organization structure of schools and student
achievement. Empirical Economics, v. 32, 2007.
JACOB, B. A.; LEFGREN, L. Remedial education and student achievement: a regression-discontinuity
analysis. The Review of Economics and Statistics, v. 86, n. 1, p. 226-244, 2004.
26
LIPSCOMB, S. Secondary school extracurricular involvement and academic achievement: a fixed
effect approach. Economics of Education Review, v. 26, p. 463-472, 2007.
MARCOTTE, D. E. Schooling and test scores: a mother-natural experiment. Economics of Education
Review, n. 26, p. 629-640, 2007.
MATSUDAIRA, J. D. Mandatory summer school and student achievement. Journal of Econometrics,
142, p. 829-850, 2008.
MILLER, R. T.; MURNANE, R. J.; WILLET, J. B. Do teacher absences impact student achievement?
Longitudinal evidence from one urban school district. Educational Evaluation and Policy Analysis, v.
30, n. 2, p. 181-200, 2007.
RICE, J. K.; CRONINGER, R. G.; ROELLKE, C. F. The effect of block scheduling high school mathematics
courses on student achievement and teachers’ use of time: implications for educational productivity.
Economics of Education Review, n. 21, p. 599-607, 2002.
27
O impacto das políticas de utilização da informática na aprendizagem dos alunos
Fernando B. Botelho+
Thomaz Gemignani*
Ricardo A. Madeira +
LuisMeloni*
Marcos A. Rangel+
Heleno Pioner+
1. Introdução
Ao longo da última década, o uso de tecnologias da informação e comunicação (TIC) tornouse generalizado, tanto na vida cotidiana dos cidadãos quanto nas atividades produtivas. É consenso
que o advento destas tecnologias tem causado profundo impacto na organização da sociedade e o
setor de educação não tem ficado imune a este movimento. As mudanças nas práticas didáticopedagógicas vão desde a substituição do quadro-negro por apresentações eletrônicas até métodos
mais arrojados de blendedlearning. Estes desenvolvimentos metodológicos na área da educação
oferecem uma oportunidade para o Brasil, um país que se defronta com enormes desafios na área, a
despeito dos progressos quantitativos observados nas duas últimas décadas.
Os desafios tornam-se ainda mais críticos quando observamos a necessidade de promover o
aprendizado dos alunos que foram incluídos no ambiente escolar nos últimos quinze anos, resultado
do processo de universalização do acesso ao ensino fundamental no Brasil. Este movimento
modificou substancialmente o perfil do alunado e trouxe demandas ainda maiores para o Estado. A
universalização do acesso acirrou o problema da diversidade do alunado dentro do sistema, que
dificulta ainda mais a tarefa de desenhar um pequeno leque de políticas para um público agora mais
diferenciado. Como resultado, há uma grande diversidade em termos de proficiência no corpo de
alunos que compõem a rede pública de ensino no Brasil.
Em parte como reflexo deste salutar movimento de inclusão observado no ensino
fundamental, observamos uma deterioração na qualidade das escolas públicas, fato que tem
colocado o Brasil em posição pouco confortável em comparação com outros países emergentes que
desfrutam de condições semelhantes às nossas. Além disso, os índices de evasão na transição para
(e durante) o ensino médio têm se mostrado persistentes, o que nos coloca ainda distantes do
+ Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo (FEA-USP);
* Doutorando da Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo (FEAUSP).
1
objetivo de universalizar o acesso ao ensino médio e formar cidadãos com habilidades necessárias
para o sucesso no mundo moderno.
O uso mais intensivo de TICs é apontado como uma possibilidade vantajosa para sanar parte
destes problemas desafiadores, na medida em que permitem a adaptação do material às
necessidades individuais de cada aluno, o que, conforme argumentamos anteriormente, coloca-se
como uma necessidade diante da heterogeneidade do alunado das redes públicas atualmente. No
entanto, há desafios a serem superados, principalmente no que diz respeito à infraestrutura física
das escolas e à formação de professores para utilizar as possibilidades abertas pelas TICs em sua
plenitude.
O objetivo desse capítulo é fornecer alguns subsídios para a eventual adoção destas políticas
no Brasil. Por um lado, apresentamos estatísticas sobre o uso de TICs por alunos e professores das
escolas na amostra da pesquisa de campo BNDES-2012. O objetivo é identificar as condições
associadas à adoção de TICs por alunos e professores, e a percepção dos mesmos sobre sua
efetividade. É importante enfatizar que as correlações eventualmente apontadas não têm
necessariamente uma interpretação causal, em razão de eventuais omissões de variáveis, comuns
nestes tipos de estudo. Apresentamos ainda algumas evidências sobre a efetividade do uso de TICs
sobre medidas de aprendizado dos alunos, discutindo suas conclusões, levando-se em conta a
limitação de um estudo não-experimental.
Assim, este capítulo será organizado da seguinte forma: após esta breve introdução ao tema,
apresentamos uma revisão da literatura relevante sobre o assunto. Em seguida, discutimos a
metodologia a ser empregada no trabalho, que se aplica aos dados colhidos no âmbito da pesquisa
de campo BNDES-2012. Na sequência apresentamos algumas estatísticas descritivas, enfatizando os
fatores correlatos ao uso de TICs pela comunidade escolar. Em seguida, são analisados os resultados
do impacto do uso de TICs sobre a aprendizagem dos alunos e discutimos os resultados encontrados
à luz dos resultados encontrados na literatura.
2. Revisão da Literatura
Se por um lado diversos estudos apontam que a questão da universalização do ensino básico
nos países em desenvolvimento deixou de ser um problema central (Banerjee et al. 2007, Firpo e De
Pieri, 2011), a baixa qualidade da educação nesses países também é um fato muito bem documento
na literatura.
Diversos estudos já mostraram que a eficiência de políticas que investem em inputs
adicionais (livros adicionais, professores assistentes etc.) tem impacto limitado no desempenho dos
2
alunos (Kramer, 2003). A partir desses resultados e da disseminação da tecnologia, tem crescido na
literatura a discussão acerca do uso de tecnologias de informação e comunicação (TICs) como
ferramenta auxiliar no ensino.
Embora algumas experiências tenham apresentado resultados positivos no que diz respeito
ao desempenho dos alunos, especialmente em países em desenvolvimento, os resultados dessas
medidas ainda são inconclusivos e seus mecanismos ainda são pouco compreendidos. O que se pode
dizer, no entanto, é que a forma como os programas são implementados parece ter bastante
influência sobre seu resultado.
Para países desenvolvidos, destaca-se o trabalho de Rouse e Krueger (2004), que avalia o
FastForWord (FFW), um conjunto de programas de computador largamente utilizado em escolas
públicas norte-americanas com o objetivo de melhorar as habilidades de linguagem e leitura dos
alunos, especialmente aqueles que têm dificuldades com habilidades básicas da língua.
Para realizar a avaliação, os autores conduziram um experimento aleatório em quatro
escolas e a aleatorização foi feita dentro de cada série de cada escola. Para que a amostra pudesse
ser comparada ao público alvo do programa, a amostra foi restrita a alunos que ficaram na porção
20% inferior do teste padronizado de leitura do estado nos dois anos anteriores.
Os resultados da avaliação encontram evidências de um aumento de 0,1 desvio padrão em
um dos testes de linguagem realizado pelos alunos. Essa evidência, no entanto, embora sustentada
pelos autores, é frágil e não é robusta a diversas especificações. Mais importante, o resultado
encontrado não se traduz em um ganho nas habilidades de leitura, medidas por provas
padronizadas.
Outro trabalho para países desenvolvidos é o de Wenglinsky (1998), um trabalho mais
amplo, que procura identificar os efeitos da inserção de computadores em escolas e na residência
dos alunos sobre diversas variáveis acadêmicas: desempenho, taxas de atraso, absenteísmo etc. É
importante notar que, ao contrário da pesquisa citada e da maioria dos estudos que serão
mencionados, a pesquisa não foi realizada a partir de um experimento aleatório e possui diversas
limitações, ressaltadas pelo próprio autor. Entre os resultados encontrados pelo autor, destacam-se
uma correlação positiva entre o número de computadores nas aulas de matemática e o desempenho
dos alunos na mesma disciplina na 4ª e 8ª série e uma correlação negativa entre a frequência de uso
do computador na escola e os resultados. Outro resultado interessante encontrado pelo autor é a
relação positiva entre a qualificação dos professores para o uso da tecnologia e o desempenho dos
alunos. Embora o autor não esteja de fato identificando uma relação causal, esses resultados podem
3
ser importantes para explicar a heterogeneidade dos resultados que serão apresentados,
especialmente para os países em desenvolvimento.
Os estudos realizados para países em desenvolvimento são, em sua maior parte,
experimentais e, como já mencionado, os resultados são inconclusivos. A forma de implementação
dos programas, no entanto, parece importar bastante para o resultado final.
Em um dos principais estudos para países em desenvolvimento, Banerjee et al. (2007)
estuda o impacto de um programa de aprendizagem assistida por computador1, no qual o foco foi
melhorar o aprendizado de matemática dos alunos.
O programa consistiu em disponibilizar aos alunos da quarta série duas horas de
computador por semana, durante as quais eles poderiam jogar jogos que envolviam a resolução de
problemas de matemática em diferentes níveis de dificuldade.
O programa foi implementado em metade das escolas municipais primárias de Vadodara, na
Índia, entre 2002 e 2003 e a amostra foi estratificada de acordo com o gênero dos alunos, nível de
instrução da escola, nota de matemática média do ano anterior e status de tratamento em relação a
um programa de contratação de professores assistentes bastante difundido na região2.
O resultado do programa foi aumentar as notas de matemática em 0,35 desvio padrão no
primeiro ano e em 0,47 no segundo ano - resultados esses homogêneos entre todos os alunos.
Outro ponto importante, a diferença entre alunos tratados e não tratados persistiu ao longo do
tempo, ainda que a magnitude da diferença tenha diminuído ao longo do tempo.
Linden (2008) também encontra efeitos positivos ao avaliar outro programa que usa
computadores como ferramenta auxiliar de ensino, o projeto GyanShala, implementado em Gujarat
na Índia. O programa em questão foi implementado a partir de duas estratégias diferentes, o que
permite ao autor identificar qual é mais eficaz para o aprendizado dos alunos. Na primeira delas, o
computador foi usado como um substituto para o currículo tradicional. Isto é, os estudantes
frequentavam as aulas por um período normal de três horas, mas durante esse período trabalhavam
em atividades no computador ao invés de trabalhar em atividades tradicionais do currículo escolar.
Na segunda, o computador foi usado como um complemento. Os alunos tinham aulas regulares de
1
Na literatura, o termo em inglês para esse tipo de programa é computer-assistedinstruction.
Durante o período de implementação do programa avaliado, outro grande programa acontecia nas escolas da
região, o Programa Balsakhi. Esse programa fornece às escolas participantes uma professora assistente,
normalmente uma mulher da comunidade local, para ajudar os alunos da terceira e quarta série que tenham
dificuldades. A estratificação em relação ao status de tratamento desse programa é importante para tornar os
grupos de tratamento e controle comparáveis, já que pode haver um importante efeito complementar entre
os dois programas.
2
4
três horas, seguindo o currículo escolar normal e em horários complementares realizavam atividades
no computador.
A avaliação foi feita a partir de um estudo experimental com uma amostra de 60 escolas
localizadas em quatro regiões distintas em Gujarat estratificada de acordo com a média normalizada
dos testes dos anos anteriores.
O resultado encontrado vai ao encontro dos demais resultados encontrados para países em
desenvolvimento de que o uso de computadores como uma ferramenta complementar tem efeito
positivo no aprendizado dos alunos - o aumento nos testes de matemática promovido pelo
programa foi de 0,28 desvio-padrão. Nos testes de línguas os resultados são estatisticamente iguais
a zero. Quando implementado como substituto das técnicas tradicionais, no entanto, o programa se
mostrou muito menos eficiente. Na realidade, o resultado foi desastroso: nesse caso o programa
resultou em uma queda de 0,57 desvio-padrão nos testes de matemática. Para os testes de línguas,
os resultados são menos robustos, mas sob algumas especificações os resultados indicam uma
redução de 0,26 desvio-padrão nos testes.
Ainda para países em desenvolvimento, outro estudo que se destaca é o de Barrera-Osorio e
Linden (2009), que avalia o programa Computadores para Educar, um programa criado em Março de
2002 na Colômbia, com o objetivo de reutilizar computadores doados pelo setor privado e instalá-los
em escolas públicas. Outra importante característica do programa é que além de reutilizar os
computadores em escolas públicas, o programa realizava capacitação dos professores para que
esses fizessem uso dos computadores na sala de aula, especialmente para o ensino de espanhol.
Esse estudo contribui para a literatura em uma dimensão diferente dos estudos citados, já
que além de mensurar o efeito do programa sobre o desempenho dos alunos, também procura
avaliar efeito dos computadores - e do treinamento associado a eles – nos métodos de ensino do
professor, e em outras variáveis de comportamento dos alunos - horas de estudo, percepção da
escola e relacionamento com seus pares. Os estudos que procuram identificar os canais pelos quais
os programas de uso de tecnologia em escola afetam o desempenho dos alunos são ainda muito
raros. Nesse sentido, esse trabalho contribui de forma importante para a literatura, ainda que os
resultados encontrados sejam frágeis.
A exemplo dos outros estudos citados, a avaliação foi feita também de forma experimental,
a partir de uma amostra de 100 escolas interessadas, que foram divididas em grupo de tratamento e
controle e estratificadas de acordo com o tipo de educação oferecida na escola. Os resultados
encontrados indicam que, embora o programa tenha aumentado o número de computadores em
cada escola e tenha tido impacto positivo sobre o uso dos computadores pelos alunos, o impacto
5
sobre os testes de matemática e espanhol dos alunos foi pequeno. Na realidade a diferença entre os
testes dos grupos de controle e de tratamento foi de cerca de 0,1 desvio-padrão tanto em
matemática quanto em português, mas em ambos os casos não é possível rejeitar a hipótese de que
a diferença entre os testes seja zero. O programa teve ainda efeito estatisticamente insignificante
sobre as demais variáveis acadêmicas, incluindo horas de estudo, percepção da escola e as relações
dos alunos com os seus pares.
A partir do resultado de pesquisas qualitativas feitas com professores e alunos, os autores
sugerem que o resultado inexpressivo se deve ao fato de tanto professores quanto alunos não terem
incorporado os computadores às suas práticas educacionais.
Embora os programas mencionados tenham encontrado impactos positivos – ou nulos - para
o uso de tecnologia em escolas em países em desenvolvimento, Angrist e Lavy (2002) não
encontraram resultados significantes ao avaliar o programa Tomorrow-98.Além da instalação de
computadores nas escolas - entre 1994 e 1996, os três primeiros anos do programa, 35.000
computadores foram instalados em 905 escolas - o programa previu um grande financiamento para
o treinamento de professores. Os recursos do programa foram distribuídos através de um processo
de candidatura. As autoridades regionais se candidatavam para os recursos mediante a
apresentação de uma lista de escolas de ensino fundamental e médio a ser informatizados,
classificadas de acordo com a avaliação dos municípios da capacidade escolas de fazer bom uso dos
computadores. Essa classificação é de fundamental importância, pois é utilizada pelos autores como
instrumento para identificação do efeito do programa.
Os autores testam a hipótese de que o fornecimento de computadores e o treinamento dos
professores sobre como usá-los podem levar os professores a utilizar mais os computadores como
técnica de ensino, o que por sua vez pode influenciar as notas dos alunos.
Os dados dos testes de matemática e hebreu são de uma amostra de 200 escolas judaicas
selecionadas aleatoriamente, das quais 122 se candidataram para o programa Tomorrow-98. Como
primeira estratégia para analisar os efeitos do programa, os autores usam mínimos quadrados
ordinários. O caráter não experimental da avaliação, no entanto, é uma limitação do estudo e os
próprios autores observam que os resultados obtidos mostram um padrão de declínio conforme
mais controles são incluídos, o que sugere que parte do resultado pode se dever a variáveis omitidas
que estão associados positivamente com os resultados dos testes e uso de computador. Com isso, os
autores usammínimos quadrados em dois estágios (2SLS) com dois diferentes instrumentos: uma
dummy para a participação no programa e uma variável de classificação de prioridade de
participação no programa.
6
De forma geral, o resultado encontrado pelos autores indica que o programa levou a um
aumento do uso dos computadores como meio educacional pelos professores, especialmente na
quarta série. Entretanto, esse aumento não se refletiu em melhora no desempenho dos alunos nos
testes. Em algumas especificações os resultados indicam até uma pequena queda no resultado nos
testes de matemática. Esse resultado, no entanto, como mencionado, não é robusto a mudanças na
especificação.
Um estudo relevante para países em desenvolvimento, que não encontra resultados
positivos, é o trabalho de Firpo e De Pieri (2011), que analisa o programa Tonomundo, que busca
equipar com laboratórios de informática as escolas públicas brasileiras localizadas em municípios
com baixo Índice de Desenvolvimento Humano (IDH) e dar suporte pedagógico aos educadores no
uso dessas tecnologias.
Esse trabalho também faz uso de uma estratégia de identificação não experimental e utiliza
dados do Censo Escolar, do Censo Populacional e algumas informações do INEP sobre o desempenho
das escolas. A informação do Censo Populacional é de especial importância metodológica, pois é a
partir daí que os autores obtêm informações sobre oIDH dos municípios, e é com essa referência
que eles constroem o grupo de controle, que corresponde a todas as escolas públicas dos municípios
semelhantes somadas às escolas públicas dos próprios municípios onde houve escolas tratadas, mas
que não foram incluídas inicialmente no programa.
A partir da criação desse grupo de controle, os autores estimam o efeito do programa sobre
escolaridade média dos professores, existência de laboratório e estrutura do entorno da escola por
meio de um estimador de diferenças em diferenças. Para avaliar o efeito do programa sobre a
proficiência dos alunos, no entanto, não é possível utilizar esse método, já que as medidas de
desempenho escolar passaram a ser calculadas para todas as escolas públicas apenas a partir de
2005. Os autores recorrem, então, ao estimador de mínimos quadrados ordinários, controlando
pelas característicasobserváveis de diversas formas, inclusive utilizandopropensity score para testar
a robustez dos resultados.
Embora os resultados indiquem que o programa teve impacto positivo sobre a ampliação do
acesso à internet e existência de laboratórios de informática e ciência nas escolas, o impacto do
programa é negativo quando a medida de interesse é a qualidade da educação, medida pela Prova
Brasil na 4ª e na 8ª série. Apesar disso, para alunos da 4ª série, esse resultado negativo fica menor
em termos absolutos ao longo do tempo, o que pode indicar que há um efeito de longo prazo
positivo, porém pequeno, entre crianças mais novas expostas às novas tecnologias de informação.
Esse mesmo fenômeno não é observado para a 8ª série.
7
De forma geral, as evidências apresentadas mostram que o uso de tecnologia nas escolas
parece ter mais efeitos sobre as habilidades de matemática do que sobre as habilidades de línguas, o
que é algo comum nas intervenções na área de educação. A magnitude do impacto dos programas
encontrado nas avaliações foi bastante heterogênea, sendo a maior delas no programa de educação
assistida implementada em Gujarat na Índia, onde o impacto estimado nos testes de matemática foi
de 0,47 desvio-padrão. Nos testes de línguas a maior variação encontrada foi de 0,1 desvio padrão
na avaliação realizada por Rouse e Krueger (2004), sobre a utilização do software FastForWord
(FFW). De maneira geral, no entanto, as evidências apresentadas para países em desenvolvimento
mostraram que os programas de uso de tecnologia não se mostraram eficientes para aumentar a
proficiência dos alunos em línguas.
É possível constatar também que a forma como os programas são implementados é
bastante relevante para o resultado final do programa sob a variável final de interesse, isso é, sobre
a proficiência do aluno. Alguns programas aqui descritos são muito semelhantes em sua concepção,
mas os resultados finais diferem bastante e isso pode ser explicado pela forma de implantação do
programa. Como foi observado por Barrera e Linden (2009), embora ainda haja muito a ser
aprendido sobre essa literatura, um resultado geral que parece possível tirar da literatura é que a
introdução da tecnologia por si só não é capaz de mudar o processo de aprendizagem, ela deve ser
acompanhada de mudanças pedagógicas. É importante lembrar a evidência – ainda que fraca –
encontrada por Wenglinsky (1998) de que existe uma importante complementariedade entre a
qualificação do professor e o uso da tecnologia.
3.Aspectos Metodológicos
Embora de extrema relevância para a elaboração de programas efetivos, a identificação do
efeito do uso de tecnologias da informação na escolasobre as variáveis de interesse, dentre elas a
proficiência dos alunos,apresenta grandes desafiosdo ponto de vista metodológico. As variáveis de
interesse (yi) do alunoie a utilização de tecnologias da informação (Tis) estão relacionados a
características observáveis (Xi) e não observáveis (Wi) do aluno. Dessa forma, a estimação de forma
ingênua, sem levar em conta esse fato, levaria a estimadores viesados.
Como ficou evidenciado pelo exposto acima, a literatura procura contornar esse fato por
meio de experimentos aleatórios. Muitas vezes, no entanto, essa alternativa não é viável,
simplesmente porque o programa que se deseja analisar não foi implementado de maneira
aleatória.
Idealmente, o que se deseja é comparar a proficiência de dois alunos idênticos em todas as
suas características, observáveis e não observáveis, com exceção do uso de cada componente de TI.
8
Desta forma, seria possível isolar o impacto deste componente de TI sobre a variável de resposta y
(proficiência ou outra variável de interesse). Ao observarmos dois alunos com as mesmas
características observáveis mas diferentes atributos latentes, não saberemos em que medida os
diferentes níveis de proficiência observados estão relacionados com o fato de utilizar tecnologias da
informação ou com as variáveis não observáveis.
Outro desafio a ser superado é o problema de simultaneidade: o aluno é mais proficiente
porque utiliza os recursos das tecnologias da informação, ou vice-versa? É possível encontrar uma
explicação plausível para ambos os casos. Por um lado, o uso de tecnologias da informação pode ter
impulsionado a proficiência do aluno. Por outro lado, alunos mais proficientes são, em geral, mais
propensos a utilizar computadores e outras tecnologias da informação. Não é possível separar as
duas histórias facilmente sem a utilização de um experimento aleatório. Uma alternativa é a
utilização de um instrumento, uma variável (ou um vetor de variáveis) Z que esteja correlacionado
com a variável de resposta y somente por meio de seu efeito no uso de TI. Ou seja, Z tem um efeito
indireto em y, que é intermediado pelo uso de TI. Neste contexto, variações em Z provocam
alterações exógenas no uso de TI, que não tem origem em y. Utilizando estas variações no uso de TI
a partir de Z, o pesquisador pode mensurar com precisão o efeito do uso de TI em y.
Outra possibilidade é usar matching,que consiste em comparar a diferença da variável de
interesse dos indivíduos tratados com o resultado de indivíduos semelhantes – baseado em um
conjunto de características observáveis - no grupo de controle. Para cada indivíduo no grupo de
tratamento, são selecionados indivíduos no grupo de controle, que são usados como contrafactual.
Para que o matching seja válido, no entanto, é necessário que exista um conjunto de características
observáveis, digamos Wi, que tornem o resultado do programa independente do tratamento.
O estimador de matching pressupõe ainda a validade de outra hipótese, um pouco mais
técnica, chamada de suporte comum. De forma intuitiva, essa hipótese pressupõe que, dado o vetor
de características observáveis Wi, a probabilidade de um indivíduo não receber o tratamentoé
sempre maior do que zero. Ainda mais intuitivamente, essa hipótese nos garante que há sempre um
indivíduo no grupo no controle para ser utilizado como comparação.
Outro elemento ainda fundamental para estudos dessa natureza – e a análise dos efeitos das
TI’s não é uma exceção – é a mensuração correta da intensidade da variável de tratamento, no caso
o uso de computadores e outras formas de tecnologia. Instrumentos que não captem com precisão
o uso de TI’s pelos alunos em suas mais diversas formas podem introduzir erros de medida em
regressores relevantes, que, por sua vez, provocam o chamado ‘viés de atenuação’. Neste caso, os
coeficientes estimados são sistematicamente menores, em valor absoluto, do que o verdadeiro
9
parâmetro de interesse. Este é uma das possíveis razões apontadas para que uma parte dos estudos
aponte para a não significância dos indicadores do uso de TI pelos alunos. O desenho adequado dos
instrumentos, com perguntas que explorem os mais diversos usos de TI em diferentes contextos,
pode reduzir substancialmente os erros de mensuração e suas consequências deletérias.
Também é importante a mensuração do uso de informática nos diversos contextos
relevantes para os alunos. Na última década, o acesso a computadores e à internet difundiu-semuito
nos domicílios brasileiros;neste contexto, mesmo os alunos de escolas públicas já possuem acesso a
algumas tecnologias da informação, ainda que seu uso não seja estruturado e voltado para a
facilitação do aprendizado. A introdução de computadores na escola pode ter o efeito de substituir o
uso dos mesmos em outros contextos ou mesmo de acentuar o uso dessas tecnologias pelos alunos
nas escolas, por eles já terem alguma familiaridade com essas. Se não levarmos em conta esta
realocação no uso do tempo dos alunos e medirmos somente o acréscimo de uso no ambiente
escolar, teremos uma estimativa de efeitos que pode subestimar ou superestimar o verdadeiro
efeito do uso de TI na proficiência dos alunos. Tal problema decorre da omissão de variáveis
relevantes, que pode ser remediado, pelo menos parcialmente, por um desenho adequado dos
instrumentos de coleta de dados.
O que é feito nesse estudo, levando em consideração o caráter não experimental do estudo
e a dificuldade de encontrar um vetor de variáveis Zquepossa ser usado como um instrumento, é
avaliar os padrões de utilização das tecnologias pelos alunos e pelos professores dentro e fora das
escolas. A partir daí é feita uma avaliação do impacto da existência de laboratório de informática nas
escolas e do uso do laboratório sobre a proficiência dos alunos. Essa avaliação é feita utilizando a
técnica de matching, jádescrita aqui.
4. Dados e Análise Empírica
Os dados foram coletados a partir de questionários da pesquisa de campo BNDES-2012,
respondidos por diretores, professores e alunos das escolas da rede pública do Estado de São Paulo.
Os questionários respondidos pelos diretores e professores continham questões sobre
conhecimento das práticas escolares, que foram utilizadas em outros estudos e infraestrutura
escolar. Já os questionários dos alunos continham perguntas sobre hábitos de estudo dos alunos,
percepção do ambiente escolar por parte deles e ainda perguntas que objetivavam captar
informações socioeconômicas do aluno.
Os dados foram ainda cruzados com os dados do Inep para obtenção do verdadeiro valor do
Ideb, entre outros dados relevantes para a análise.
10
Estatísticas descritivas
A tabela abaixo apresenta algumas estatísticas em relação à existência e utilização de
laboratório de informática por parte das escolas. Os dados foram obtidos a partir dos questionários
respondidos pelos diretores das escolas.
Tabela 1 - Existência e utilização do laboratório de informática
Sim
Não
Possui laboratório
80,49%
19,51%
Possui acompanhamento de
50,76%
49,24%
especialista no laboratório
Alunos utilizam o laboratório com os
77,32%
22,68%
professores
Frequência de uso do laboratório nas
aulas de disciplinas (vezes por semana)
Total
246
197
194
Menos de 1
1
2 ou 3
3 ou +
Total
37,5%
42,2%
15,1%
5,2%
192
Fonte: Elaboração própria
Os dados indicam que boa parte das escolas cujos diretores responderam o questionário
possui laboratório de informática (80,49%). Ainda, daquelas que possuem laboratório de
informática, cerca de 50% possuem acompanhamento de especialista em laboratório. Já o uso dos
computadores acompanhado pelos professores é mais frequente: acontece em 77,32% das escolas
que possuem laboratório.
Outro dado relevante diz respeito ao uso dos laboratórios. Em apenas 20,21% das escolas, o
laboratório é utilizado duas ou mais vezes por semana nas aulas. Nas demais, o uso ocorre no
máximo uma vez por semana.
Análise de correlações parciais
Feita a constatação de que boa parte das escolas possui laboratório de informática, cabe
ainda nos perguntarmos qual a relação entre o uso de tecnologia por parte dos professores e dos
alunos, e o desempenho da escola. Será que professores que utilizam computadores com maior
frequência estão associados a escolas com melhor desempenho? Será que alunos que possuem
computadores em casa têm um desempenho melhor?
É importante ressaltar que essa análise inicial tem caráter apenas descritivo. Como
destacado inicialmente, é possível que existam variáveis (observáveis e não observáveis) que
estejam correlacionadas tanto ao uso de tecnologia quanto às variáveis de interesse.
11
Para isso,estimamos uma relação não paramétrica entre três variáveis de interesse, no nível
da escola, que descrevem o comportamento dos professores: a proporção de professores que utiliza
e-mail para a preparação da aula, a proporção de professores que sugere o uso de computadores e a
proporção de professores que sugere o uso de internet.
Olhando primeiro para a relação entre uso de tecnologia por parte dos professores e o
desempenho médio dos alunos na escola (aqui representado pelo Ideb da escola), os resultados
reportados nas figuras de 1 a 3 indicam que escolas de melhor desempenho no Ideb possuem
professores que se utilizam mais frequentemente, para a preparação de suas aulas, de e-mails para
debater com colegas mais preparados. Além disso, os professores das escolas melhores tendem a
sugerir mais frequentemente a utilização de computadores para a elaboração de gráficos e figuras
e/ou o uso da internet como complemento das aulas regulares para seus alunos.
Figura 1 – IDEB e Proporção de professores que usam e-mail – séries iniciais EF
Figura 2- IDEB e Proporção de professores que sugerem uso de computador– séries iniciais EF
12
Figura 3- IDEB e Proporção de professores que sugerem uso de internet– séries iniciais EF
Investigamos agora a relação entre o uso de tecnologias por parte dos alunos,
especialmente fora da escola, e seu desempenho. Há uma clara relação, ainda que mais fraca do que
a relação entre o uso de tecnologia por parte dos professores e desempenho, entre o uso de
tecnologia por parte dos alunos e seu desempenho.
A figura 4 mostra que quanto maior a probabilidade do aluno possuir internet em casa,
maior seu percentual de acerto nos testes de matemática. Nas figuras de 5-7, os números de 1-5
indicam graduação de uso da tecnologia indicada no eixo, respectivamente: nunca utiliza,
raramente, mensalmente, semanalmente, diariamente. As figuras 5 e 6 indicam que a frequência de
utilização da internet para elaboração de atividades de estudo está positivamente relacionada a um
bom desempenho, exceto para os alunos que declaram utilizar a internet diariamente.
Figura 4 – Percentual de acerto em Matemática e posse de computador em casa
13
Figura 5– Percentual de acerto em Matemática e grau de uso de internet
Figura 6- Percentual de acerto em Matemática e frequência de uso da internet
É importante ainda investigar a correlação existente entre as práticas de uso de informática
por parte dos alunos dentro da escola e desempenho escolar. Investigando os dados, encontramos
uma relação positiva, com o mesmo padrão da relação das figuras anteriores, entre frequência de
uso de internet na aula e percentual de acerto no teste de matemática aplicado pelo projeto. É
importante destacar que os testes de matemática e português aplicados pelo projeto possuem boa
aderência à nota do Ideb. Os resultados podem ser vistos na Figura 7.
14
Figura 7 - Percentual de acerto em Matemática e frequência de uso da internet em aula
A figura 7 indica que a frequência de utilização da internet na aula para pesquisa de
informações está positivamente relacionada a um bom desempenho, exceto para os alunos que
usam com frequência diárias a internet na sala de aula. Esse resultado pode ser explicado levando
em consideração os resultados apresentados na figura 6. Na figura 6, constatou-se que alunos que
utilizam a internet diariamente tem um percentual de acerto nos testes de matemática inferior aos
demais alunos. Uma possível razão para isso é que os alunos que utilizam diariamente a internet,
não utilizam para fins e estudo/pesquisa, mas para fins de lazer, o que interfere negativamente no
seu desempenho. A forte correlação entre uso da internet em casa e na sala de aula pode explicar o
padrão dos resultados nas figuras 6 e 7.
Matching
São apresentados agora os resultados do matching, feito com quatro variáveis de
tratamento: a existência de laboratório de informática na escola, o fato de a escola possuir
calendário para uso do laboratório de informática, o fato de o calendário ser utilizado e o fato de os
alunos terem acompanhamento de especialista no laboratório de informática.
A tabela 2 apresenta o resultado das estimações por matching quando o tratamento é a
existência de laboratório de informática na escola. Na primeira especificação, utilizando apenas
variáveis de características demográficas dos indivíduos para controle, o efeito é positivo, indicando
um aumento de 0,16 nos testes. No entanto, quando incluímos outras variáveis - efeito fixo do
município, educação dos responsáveis e variáveis de condição econômica - o efeito se torna nulo. No
15
caso do exame de Português, se torna até negativo. Como será ressaltado, esse resultado, de certa
forma, é condizente com os resultados já encontrados na literatura.
Tabela 2 - Tratamento: existência de laboratório de informática
Percentual de acerto no teste
(1)
(2)
(3)
Matemática
0,16**
0,04
-0,01
(2,08)
(1,23)
(0,89)
Português
0,09*
(1,62)
-0,21
(0,70)
-0,04**
(2,63)
(4)
-0,01
(0,21)
-0,02*
(1,82)
Demografia
sim
sim
sim
sim
EfeitoFixo de Município
não
sim
sim
sim
Educação dos Responsáveis
não
não
sim
sim
CondiçãoEconômica
não
não
não
sim
Obs: Valor absoluto da estatística t em parênteses. * significante a 5%; ** significante a 1%
Fonte: Elaboração própria
A seguir é repetido o exercício, utilizando como variável de tratamento o fato da escola
possuir calendário para uso do laboratório de informática. Nesse caso, o efeito obtido inicialmente,
quando não há controles de educação dos responsáveis e de condição socioeconômica, é nulo –
apenas para português é positivo na primeira especificação, mas há grande viés de omissão de
variável nessa especificação. Nas especificações mais completas, no entanto, há um efeito pequeno,
porém positivo, tanto para português como para matemática.
Tabela 3 - Tratamento: possui calendário de uso do laboratório de informática
Percentual de acerto no teste
(1)
(2)
(3)
(4)
Matemática
0,08
-0,03
0,04**
0,01*
(1,40)
(0,70)
(2,42)
(1,60)
Português
0,13*
(2,75)
-0,05
(1,31)
0,02
(1,32)
0,02*
(1,72)
Demografia
sim
sim
sim
sim
EfeitoFixo de Município
não
sim
sim
sim
Educação dos Responsáveis
não
não
sim
sim
CondiçãoEconômica
não
não
não
sim
Obs: Valor absoluto da estatística t em parênteses. * significante a 5%; ** significante a 1%
Fonte: Elaboração própria
Quando o tratamento utilizado é o fato de o calendário do laboratório de informática ser
utilizado ou não, os resultados se assemelham muito aos resultados reportados anteriormente. A
diferença fundamental aqui é que o efeito na especificação mais completa para o teste de
matemática não é mais significante a 5%, mas ainda é marginalmente significante, e segue
significante a 10%.
16
Tabela 4 - Tratamento: calendário de uso do laboratório de informática é usado
Percentual de acerto no teste
(1)
(2)
(3)
(4)
Matemática
0,08
-0,01
0,03*
0,02
(1,42)
(0,31)
(1,14)
(1,54)
Português
0,13**
(2,77)
-0,03
(1,03)
0,02
(2,03)
0,02*
(1,86)
Demografia
sim
sim
sim
sim
EfeitoFixo de Município
não
sim
sim
sim
Educação dos Responsáveis
não
não
sim
sim
CondiçãoEconômica
não
não
não
sim
Obs: Valor absoluto da estatística t em parênteses. * significante a 5%; ** significante a 1%
Fonte: Elaboração própria
Finalmente, quando a variável de tratamento é a existência de um especialista
acompanhando os alunos no laboratório de informática, o efeito estimado é nulo. Nas primeiras
especificações, no entanto, os efeitos alternam entre positivo e negativo, dependendo do teste e da
especificação. Como já ressaltado, no entanto, nessas primeiras especificações há grande viés de
omissão de variáveis relevantes.
Tabela 5 - Tratamento: os alunos tem acompanhamento de especialista no laboratório de
informática
Percentual de acerto no teste
(1)
(2)
(3)
(4)
Matemática
0,09*
-0,06*
-0,02
0,01
(2,00)
(-1,73)
(1,02)
(0,25)
Português
0,06
(1,04)
-0,05*
(1,67)
-0,02
(1,19)
-0,01
(0,37)
Demografia
sim
sim
sim
sim
EfeitoFixo de Município
não
sim
sim
sim
Educação dos Responsáveis
não
não
sim
sim
CondiçãoEconômica
não
não
não
sim
Obs: Valor absoluto da estatística t em parênteses. * significante a 5%; ** significante a 1%
Fonte: Elaboração própria
5. Conclusões
O presente artigo buscou avaliar e sistematizar o uso de TICs por professores e alunos da
rede pública do ensino fundamental brasileiro. Inicialmente, o trabalho apresenta algumas
correlações parciais, com o objetivo de identificar qual a relação entre o uso de tecnologia por parte
dos professores e dos alunos, e o desempenho da escola. Os resultados indicam que escolas de
melhor desempenho no Ideb possuem professores que se utilizam mais frequentemente de e-mails
para debater com colegas mais preparados. Além disso, os professores das escolas melhores tendem
a sugerir mais frequentemente a utilização de computadores para seus alunos. Os resultados
17
também indicam uma relação, ainda que mais fraca do que a relação entre o uso de tecnologia por
parte dos professores e desempenho da escola, entre o uso de tecnologia por parte dos alunos e seu
desempenho.
A seguir, o trabalho apresenta os resultados do matching. Quatro variáveis de tratamento
foram utilizadas: a existência de laboratório de informática na escola, o fato de a escola possuir
calendário para uso do laboratório de informática, o fato de o calendário ser utilizado e o fato de os
alunos terem acompanhamento de especialista no laboratório de informática.
Quando a variável de tratamento é a existência de laboratório de informática na escola, os
resultados, na especificação mais completa, são nulos para matemática e negativos para português.
Quando a variável de tratamento é o fato de a escola possuir calendário para uso do laboratório de
informática, o efeito nas especificações mais completas é positivo, tanto para português como para
matemática. Esses resultados se mantém quando o tratamento é o fato de o calendário do
laboratório de informática ser utilizado ou não. Por fim, quando o tratamento é a existência de um
especialista acompanhando os alunos no laboratório de informática, o efeito estimado é nulo tanto
para português quanto para matemática.
De forma geral, os resultados encontrados não são incomuns na literatura. Angrist e Lavy
(2002), por exemplo, avaliaram o programa Tomorrow-98, em Israel, e encontraram que o programa
levou a um aumento do uso dos computadores como meio educacional pelos professores, mas esse
aumento não se refletiu em melhora pelos alunos nos testes. Em algumas especificações os autores
encontram até uma queda em alguns testes, fato que também acontece nesse trabalho.
No Brasil, o programa Tonomundo, avaliado por Firpo e Di Pieri (2011), mostrou impacto
positivo sobre a ampliação do acesso à internet e existência de laboratórios. Mais uma vez, no
entanto, o resultado encontrado aqui sob algumas especificações se repete: o impacto é negativo
quando a variável de interesse é a qualidade da educação, medida pela Prova Brasil na 4ª e na 8ª na
série.
A literatura tem apresentado algumas possíveis explicações para os efeitos nulos e negativos
de tecnologia em proficiência. Parte das explicações está associada ao momento em que a avaliação
de impacto é realizada. A depender do tipo e extensão da intervenção tecnológica adotada pelas
escolas o seu impacto em proficiência pode levar tempo para surtir efeito. É natural conjecturar que
seus efeitos serão verificados somente após professores e alunos se apropriarem devidamente da
nova tecnologia e das eventuais práticas didáticas inovadoras que vem a reboque. Portanto, se
avalição de impacto é executada antes deste processo natural de apropriação da tecnologia pela
escola, é natural que efeitos nulos (ou até mesmo negativos) sejam encontrados.
18
Outra parte das explicações propostas pela literatura dizem respeito à adoção de tecnologia
sem contrapartida necessária de infraestrutura física e humana para o seu sucesso. Para que a
tecnologia e as novas práticas didáticas implicadas se traduzam em ganhos de proficiência é
fundamental que além da presença de uma infraestrutura física mínima (rede de elétrica estável,
conexão de internet adequada e etc...)
professores e coordenadores sejam devidamente
capacitados para fazerem o uso adequado da nova tecnologia. Quando estas condições não estão
presentes é razoável supor que a tecnologia poderá ter efeitos deletérios na proficiência dos alunos.
Os dados que utilizamos neste artigo não nos permite identificar qual das explicações
elencadas acima estão por trás dos resultados que encontramos. Provavelmente um pouco de
ambas. Portanto, frente a importância e atualidade do tema, os resultados do presente artigo
evidenciam a importância de aprofundar os estudos acerca dessa temática com o objetivo de melhor
compreender como essas novas tecnologias podem ser mais bem utilizadas dentro do ambiente
escolar, proporcionando um salto de qualidade no processo de ensino-aprendizagem das escolas
brasileiras.
19
ReferênciasBibliográficas
ANGRIST, J. D.; LAVY, V. New Evidence on Classroom Computers and Pupil Learning. Economic
Journal, 112, p. 735-765, 2002.
BANERJEE, A.; COLE, S.; DUFLO, E.; LINDEN, L. Remedying Education: Evidence from Two Randomized
Experiments in India. The Quarterly Journal of Economics, MIT Press, v. 122. n. 3, p. 1235-1264, 2007.
BARRERA-OSORIO, F.; LINDEN, L. L. The Use and Misuse of Computers in Education: Evidence from a
Randomized Controlled Trial of a Language Arts Program. Workingpaper, Março, 2009.
BARROS, A. C. et al. Uso de computadores no Ensino Fundamental e Médio e seus resultados
empíricos: uma revisão sistemática da literatura. Revista Brasileira de Informática na Educação, v.
16, n. 1, 2008.
FIRPO, S.; DE PIERI, R. G. Avaliando o efeito da introdução de computadores em escolas públicas
brasileiras. São Paulo School of Economics , 2011.
LOWE, J. Computer-based education: Is it a panacea? Journal of Research on Technology in
Education, v. 34, n. 2, p.163–71, 2001-2002.
LINDEN, L.; BANERJEE, A.; DUFLO, E. Computer-Assisted Learning: Evidence from a Randomized
Experiment. Poverty Action Lab Paper, n. 5, Outubro, 2003.
KREMER, M. Randomized Evaluations of Educational Programs in Developing Countries: Some
Lessons, American Economic Review, American Economic Association, v. 93, n. 2, p. 102-106, May,
2003.
MALAMUD, O.; POP-ELECHES, C. Home computer use and the Development of human capital. NBER
WorkingPaper n. 15814, March, 2010.
MENEZES-FILHO,
N.
Os
Determinantes
do
Desempenho
Escolar
do
Brasil.Texto
para
DiscussãoInstitutoFuturoBrasil, n. 2, São Paulo. 2007
PARR, J.M.; FUNG, I. A Review Of The Literature On Computer-Assisted Learning, Particularly
Integrated Learning systems, And Outcomes With Respect To Literacy And Numeracy. Wellington:
Auckland uniservices limited. 2000.
ROUSE, C. E.; KRUEGER, A. B. Putting computerized instruction to the test: a randomized evaluation
of a ‘scientifically based’ reading program. Journal Economics of Education Review, v. 23, n. 4, p. 323338, 2004.
20
WENGLINSKY, H. Does it compute? The relationship between educational technology and student
achievement in mathematics. Princeton, NJ: ETS, 1998.
21
Programas de qualificação do corpo docente e sua relação com o desempenho dos
estudantes
Alexandre Chibebe Nicolella∗
Ana Lucia Kassouf+
Walter Belluzzo Junior∗
1. Introdução
No final da década de 50 os economistas perceberam a existência de relação positiva
entre capital humano e crescimento econômico de um país (Mincer, 1981). No começo dos
anos 60 o trabalho de Becker (1962) mostrou que os indivíduos tomam a decisão de investir
em educação e se capacitar com a intensão de melhorar seus rendimentos. Dessa forma, parte
da explicação da variabilidade do rendimento do trabalho poderia ser explicada pela
variabilidade do capital humano medido pela educação e pela qualificação.
Além da determinação do rendimento do trabalho, a educação pode afetar outras
dimensões do desenvolvimento dos indivíduos. Existem outros benefícios não monetários que
são advindos do maior nível educacional, tais como um maior conhecimento para uma tomada
de decisão adequada, melhoria na saúde, menor criminalidade, etc (Lochner, 2011).
Com base nessas evidências, os economistas estudaram as possibilidades de aumentar
o nível educacional de um país através da compreensão dos seus determinantes. Diversos são
os fatores que afetam o desempenho escolar dos alunos, tais como: características familiares,
características da escola, características dos colegas de sala, experiência e qualificação do
professor entre outros (Coleman, 1966; Levin, 2001; Akerhielm, 1995).
Compreender como esses insumos escolares afetam o desempenho escolar é
compreender qual a melhor política pública a ser realizada para o crescimento do nível
educacional de um país.
Um elemento importante entre os fatores que determinam a educação de um
indivíduo é o professor. Ele é responsável pela facilitação da transmissão do conhecimento e
por colaborar na formação pessoal. Portanto, sua qualidade deveria influenciar positivamente
o desempenho acadêmico dos seus alunos (Sanders e Rivers, 1996; Jordan et al, 1997; Barber e
Mourshed, 2007; Hanushek, 1992)
∗
Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto, Universidade de São Paulo
(FEA-RP/USP); + Escola Superior de Agricultura Luiz de Queiroz (ESALQ/USP)
1
A qualidade do professor possui diversas dimensões e muitas são não observáveis.
Destaca-se como importante dimensão o nível educacional e a capacitação recebida pelo
professor. Considerando a importância fundamental dos professores na educação e seguindo a
teoria de Becker(1962), professores decidiriam se educar e se qualificar para melhorarem suas
práticas pedagógicas em sala de aula e para possivelmente receberem melhores salários.
Dessa forma, o objetivo desse estudo é compreender os determinantes que levam o
professor a buscar maiores níveis de qualificação e verificar se a qualificação tem relação
positiva com o desempenho do aluno. Esses efeitos serão divididos por tipo de qualificação
recebida pelo professor e pela percepção do professor em relação a essa qualificação.
2. Revisão Bibliográfica
Nos últimos anos chegou-se a um consenso de que a educação é uma forma eficaz de
promover o progresso econômico. Dessa forma, não apenas os indivíduos, mas também as
nações passaram a buscar formas de melhorar a educação. Ao analisar esse assunto mais
profundamente é possível encontrar na literatura econômica fortes evidências de que a
escolaridade pode contribuir no progresso econômico ao aumentar a produtividade dos
trabalhadores e, consequentemente, sua renda.
Além de aumentar a renda, a educação também pode afetar fatores não monetários,
como a melhoria nos cuidados com a saúde e a queda nos índices de criminalidade. Em uma
revisão sobre os benefícios não monetários da educação, Lochner (2011) argumenta que,
entre outros motivos, a educação pode contribuir com a queda da criminalidade porque
aumenta os salários e consequentemente o custo de oportunidade do crime. Além disso, ele
mostra evidências empíricas de que há uma forte correlação negativa entre o desempenho
escolar e as medidas oficiais de criminalidade, já que em 1997, do total de encarcerados nas
prisões estaduais e federais nos EUA, 75% e 59%, respectivamente, não tinham completado o
ensino médio (Harlow 2003, apud Lochner 2011). Após controlar os dados, os efeitos da
escolaridade sobre a probabilidade de prisão nos EUA ainda permaneceram estatisticamente
significativos (Lochner e Moretti, 2004; apud Lochner, 2011).
A melhoria na saúde também é outro fator importante que pode ser consequência de
níveis mais elevados de escolaridade. Lochner (2011) argumenta que ao melhorar a tomada de
decisão das pessoas e a capacidade de adquirir e interpretar informações, a educação também
pode melhorar a saúde e reduzir os índices de mortalidade, uma vez que as pessoas buscam
ajuda médica de forma mais eficiente. Essas evidências mostram a importância que a
2
educação tem no desenvolvimento do capital humano, tornando os investimentos na
educação uma forma efetiva de melhorar a vida das pessoas.
Após verificar a importância da educação no desenvolvimento das pessoas, é preciso
analisar o que se pode fazer para melhorá-la. Neste ponto, existe uma vasta literatura
relacionada aos fatores que determinam à melhora da educação. Existem muitos fatores em
estudo que podem afetar o desempenho escolar dos alunos, entre eles, o background familiar,
o tamanho da sala de aula, a experiência e qualificação do professor, entre outros (Coleman,
1966; Levin, 2001; Akerhielm, 1995). Dada à importância crescente da educação, países em
desenvolvimento vêm gastando cada vez mais nessa área. O problema reside no fato de não se
saber ao certo qual insumo (escola, professores, livro texto, computador, biblioteca, etc.)
produz os melhores resultados, dificultando a escolha de onde investir.
Ao analisar a função de produção educacional, estudos mostram que o professor tem
um impacto significativo no desempenho do aluno. Afinal, o professor é aquela figura que está
sempre presente na sala de aula. Assim, é de se esperar que a qualidade do professor reflita a
qualidade da educação oferecida.
Existem vários estudos que apontam para a importância da qualidade do professor no
desempenho dos alunos. Ao analisar os dados do sistema educacional do Tenesse, Sanders e
Rivers (1996) encontram resultados que mostram que o desempenho dos estudantes depende
da sequência de professores que eles tiveram. Estudantes que inicialmente possuem o mesmo
nível de desempenho e habilidades, ao serem designados com professores diferentes podem
ter desempenho escolar diferentes. Essa conclusão resulta de um estudo sobre o sistema
educacional do Tenesse ao alocar professores diferentes para dois estudantes de oito anos de
idade, que inicialmente tinham desempenho semelhante. O primeiro recebeu um professor
com alto desempenho e o segundo um professor com baixo desempenho, após três anos com
esses professores o desempenho desses alunos divergiu em mais de 50 pontos percentuais.
Jordan et al (1997) encontraram resultados semelhantes mesmo utilizando uma metodologia e
uma população de estudantes diferente, neste caso o estudo foi realizado em Dallas. Os
resultados mostraram que a diferença no desempenho de alunos designados com professores
capacitados durante três anos consecutivos e aqueles designados com professores não
capacitados durante três anos consecutivos foi de 49 pontos percentuais.
Ao analisar como os melhores sistemas escolares do mundo chegaram nesta posição,
Barber e Mourshed (2007) também encontraram evidências indicando que o desempenho dos
estudantes está relacionado com a qualidade dos professores. Segundo os autores, estudos
que levam em consideração todas as evidências disponíveis sobre a eficácia dos professores
indicam que o desempenho de um aluno que tenha um professor eficiente crescerá três vezes
3
mais rápido do que o desempenho de um aluno com um professor ineficiente. Uma das
descobertas do estudo é que os melhores sistemas escolares fazem três coisas em comum: (i)
contratam as pessoas certas para se tornarem professores; (ii) transformam essas pessoas em
instrutores capacitados; (iii) garantem que cada criança seja beneficiada pela excelente
instrução oferecida.
As evidências apresentadas até agora indicam que a qualidade do professor está
fortemente relacionada ao desempenho do aluno. Entretanto, o que é essa ‘qualidade’ e como
ela pode ser mensurada? Como veremos essa não é uma tarefa fácil, afinal a qualidade do
professor pode ser composta de diversas dimensões, o que irá depender do foco analisado
pelo pesquisador.
Para Hanushek (1992), a qualidade do professor representa a sua ‘habilidade’, e,
portanto, é uma característica idiossincrática. Assim, a qualidade do professor pode diferir
porque cada professor possui habilidades diferentes e não devido apenas a atributos
mensuráveis. Para encontrar as diferenças na habilidade do professor, Hanushek (1992) estima
a diferença na média do crescimento do desempenho dos estudantes através de diferentes
professores, condicionado a outros fatores. Essa forma de estimar simplifica o trabalho de
mensurar o efeito da qualidade do professor no desempenho dos alunos já que torna
desnecessário mensurar precisamente as características dos professores. Os resultados
mostram que em um ano, a diferença estimada no desempenho dos alunos que estudam com
um bom professor quando comparada a alunos que estudam com um mau professor pode ser
maior que o equivalente a um ano de escolaridade, ou seja, alunos com bons professores
aprendem mais que alunos com professores ruins. Assim, após alguns anos de estudo esses
alunos, que inicialmente ingressaram juntos, podem estar em séries diferentes.
Glewwe et al (2011) ao fazer uma revisão de trabalhos relacionados à educação
encontram dois artigos sobre o papel da qualidade do professor no desempenho dos
estudantes1. Por ser uma variável difícil de medir, esses trabalhos criam um índice geral da
qualidade do professor, definindo a qualidade em termos de um índice da experiência do
professor, do nível de ensino e da pontuação em testes de matemática e leitura. Esses dois
artigos realizaram ao todo 14 estimações relacionando a qualidade do professor ao
desempenho dos alunos. Para seus autores, os resultados encontrados nestas estimações são
um indício de que os índices de qualidade do professor impactam positivamente no
aprendizado dos alunos.
1
Glewwe et al. (2011) revisaram 79 artigos, cujos títulos foram colocados no Apêndice II de seu trabalho.
Entretanto, como ao longo da revisão os autores não especificaram de qual artigo se referiam, não foi
possível determinar exatamente os resultados apresentados.
4
Entretanto, a qualidade do professor não foi a única variável analisada por Glewwe et
al (2011). Também se analisou separadamente as variáveis que compõem o índice de
qualidade do professor, ou seja, o nível de escolaridade, a experiência e o conhecimento do
assunto lecionado pelo professor, além da formação continuada. O estudo faz uma revisão da
literatura sobre os efeitos dessas características no desempenho dos estudantes da educação
primária e secundária em países em desenvolvimento no período de 1990 a 2010. Os trabalhos
utilizados na revisão foram divididos de acordo com o tipo de estimação realizada. Com
relação às características do professor, primeiramente foram selecionados 79 trabalhos. Ao
excluir os trabalhos que utilizaram apenas dados de cross-section e MQO, chegou-se a um
subgrupo de 43 trabalhos. Neste subgrupo, os trabalhos utilizaram métodos de estimação mais
sofisticados para resolver potenciais problemas na estimação.
Os resultados relacionados ao nível de escolaridade do professor mostram que, para o
primeiro grupo analisado, ter professores mais escolarizados aumenta o desempenho dos
estudantes. Entretanto, para o segundo grupo, uma vez que os estudos de menor rigor técnico
foram eliminados, há pouca evidência de que o nível de escolaridade dos professores tenha
qualquer impacto sobre o desempenho dos estudantes. Com relação à experiência do
professor, os resultados para o primeiro grupo não apresentam fortes evidências de que a
experiência do professor tenha um impacto positivo e significativo no desempenho dos alunos.
Entretanto, no segundo grupo essa evidência é mais forte. A variável ‘conhecimento do
assunto lecionado’ demonstra efeitos positivos tanto para o primeiro, quanto para o segundo
grupo. Para a última característica analisada os resultados para o primeiro grupo indicam que a
formação contínua dos professores parece ter um forte impacto positivo na aprendizagem dos
alunos. Entretanto, ao analisar o segundo grupo essas evidências perdem força. (Glewwe et al.,
2011).
Angrist e Lavy (2001) analisam o papel da formação continuada ao avaliar como o
treinamento de professores em escolas elementares de Jerusalém afetou o desempenho dos
alunos. Para isso, eles tentaram estimar o efeito causal do programa 30 Towns sobre o ensino
de matemática e leitura em Jerusalém. O 30 Towns foi implantado em Israel em 1995 e seu
método pedagógico foi desenvolvido em escolas nos EUA. Em Jerusalém, o programa gerou
um grande aumento no orçamento de escolas em dois bairros no Norte da cidade, que foram
gastos principalmente com o treinamento de professores. Apesar de o programa não ter sido
um experimento aleatório, a avaliação pode ser realizada porque os autores dispunham de
informações sobre os estudantes matriculados nas escolas que receberam a verba antes e
depois de o programa começar, e informações semelhantes sobre um grupo de escolas dos
bairros da cidade que não receberam a verba e que foram utilizados como grupos de controle.
5
Como as escolas públicas em Jerusalém são separadas em sistema religioso e nãoreligioso, os resultados econométricos foram discutidos separadamente para cada tipo de
escola2. De forma geral, esses resultados indicam que o treinamento do professor teve
impacto significativo no desempenho das crianças que frequentaram o ensino não-religioso.
Com relação ao ensino religioso essa constatação não foi tão clara, já que neste caso os
resultados variaram conforme as especificações do modelo estimado. Para Angrist e Lavy
(2001) esse resultado pode ter ocorrido porque nas escolas religiosas o treinamento dos
professores só teve início após o treinamento dos professores das escolas não-religiosas e,
além disso, ele foi realizado em escala menor.
Para determinar a qualidade do professor Hanushek e Rivkin (2006) argumentam que é
papel do estado estabelecer os requisitos mínimos de certificação. Isso deve ser feito para que
em nenhum estado haja estudantes sujeitos ao ensino de má qualidade. Entretanto, eles
advertem que essas certificações representam um trade-off para os gestores da educação
porque ao mesmo tempo que estes requisitos podem impedir professores maus preparados
de lecionar, eles também podem impedir que professores potencialmente bons passem nos
exames de certificação e até desencorajar as pessoas de tentar ser um professor.
Um exemplo de como o estado pode determinar o tipo de certificação ocorreu em
Nova York. O artigo de Boyd et al (2006) esboça os caminhos pelo qual um professor pode
começar a lecionar em Nova York, entre eles: (i) programas tradicionais das universidades; (ii)
avaliação individual; (iii) programas conhecidos como ‘rotas alternativas’. Nos programas
tradicionais das universidades os alunos além de cumprirem os requisitos do curso participam
de um estágio docência. A diferença deste processo com o de avaliação individual é que no
segundo caso, apesar de o aluno ter que cumprir as mesmas exigências cumpridas por um
aluno do curso tradicional, ele pode realizar seus estudos em instituições diferentes, até
mesmo em instituições de ensino a distância.
Para continuar o processo de certificação, os alunos dos programas tradicionais devem
ser aprovados em alguns exames, além de concluir um programa da universidade que é
registrado no Estado de Nova York. Apenas após cumprir todas essas etapas o candidato é
recomendado a certificação por sua faculdade ou universidade. No caso do programa de
avaliação individual, o processo de certificação segue de forma diferente. Neste caso, os
próprios alunos apresentam suas intenções de obter a certificação para o Departamento de
Estado da Educação, que após analisar o pedido do candidato determina se ele já está apto a
2
As estimações foram realizadas utilizando os métodos de regressão, diferenças-em-diferenças e
matching não-paramétrico.
6
receber a certificação ou se ele ainda deve atender outros requisitos. Somente após conseguir
a certificação é que o professor pode começar a lecionar (Boyd et al., 2006).
Os programas de ‘rotas alternativas’ surgiram para solucionar o problema da falta de
professores certificados na cidade de Nova York. Devido a escassez de professores com
preparação prévia, a cidade de Nova York contratava professores temporários para preencher
essa lacuna. Entretanto, a partir de 2003 o Estado de Nova York proibiu essa prática, o que
causou escassez de professores. Esse problema foi solucionado com a contratação dos
professores participantes dos programas de ‘rotas alternativas’ (Boyd et al., 2006).
Esses programas se assemelham aos programas tradicionais das universidades. A
principal diferença é que no programa de ‘rotas alternativas’ o aluno pode começar a trabalhar
antes de concluir os requisitos para a certificação. Isso porque o programa seleciona pessoas
competentes na área que elas desejam lecionar, mas sem experiência em sala de aula. Antes
de entrar na sala de aula essas pessoas devem fazer um treinamento de 200 horas e passar por
uma avaliação de conhecimento. Depois disso, elas recebem um certificado para lecionar por
três anos, e durante esse período devem completar os requisitos para a certificação final em
uma faculdade. Esses programas têm um custo menor para o professor porque enquanto ele
se prepara para obter a certificação ele também está trabalhando e, portanto, recebendo um
salário. O New York City Teaching Fellows, Teach for America, e o Teaching Opportunity
Program (TOP) são exemplos de programas de ‘rota alternativa’ (Boyd et al., 2006).
Boyd et al. (2006) investigam como essas mudanças na forma de ingressar na carreira
de professor afetaram o desempenho dos alunos. Os resultados do estudo mostraram que, em
certos casos, quando comparados com professores com licença temporária, os professores
que participaram do New York City Teaching Fellows e do Teach for America conseguiram
melhorar o desempenho de seus alunos. Esses resultados mudam quando comparados com o
desempenho dos alunos cujos professores participaram dos programas tradicionais das
universidades. Neste caso, o desempenho dos alunos cujos professores participavam de
programas de ‘rotas alternativas’ foi, com frequência menor. Entretanto, os autores
argumentam que em magnitude essas diferenças foram pequenas, por volta de 2% a 5% de um
desvio padrão.
Como vimos até o momento, a literatura internacional apresenta fortes evidências de
que a qualidade do professor pode melhorar o desempenho dos alunos. É de se esperar que a
qualidade do professor esteja relacionada à sua formação. Por isso é bom saber que no Brasil
existem programas do Ministério da Educação (MEC) voltados à formação de professores. No
7
site do MEC3, por exemplo, encontramos 26 programas de formação de professores divididos
nas seguintes áreas: educação básica (10); educação profissional e tecnológica (4); educação
superior (7); alfabetização e educação de jovens e adultos (1) e diversidade (4). Pode-se
verificar que boa parte desses programas estão relacionados a educação básica, 10 dos 26
programas, o que indica que o governo tem uma forte preocupação nessa área. Dois exemplos
desses programas é o Programa de Formação Inicial e Continuada, Presencial e a Distância, de
Professores para a Educação Básica (PARFOR) e Programa Institucional de Bolsa de Iniciação à
Docência (PIBID).
O PARFOR é uma ação conjunta do MEC com as Secretarias de Educação dos Estados e
Municípios e as Instituições de Educação Superior neles sediadas. A finalidade do programa é
melhorar a qualidade da formação dos professores das escolas públicas de educação básica
em todo o território nacional. Para isso o programa oferece cursos presenciais de formação
inicial aos professores da educação básica da rede pública. Já o PIBID pretende melhorar a
qualidade da formação inicial dos professores através de uma política de valorização do
magistério e de apoio aos estudantes de licenciatura plena. Para isso, um de seus objetivos é
fazer a integração entre a educação superior e a educação básica, ou seja, os alunos dos cursos
de licenciatura passam a frequentar as escolas de educação básica para se adaptarem ao seu
cotidiano e assim estarem mais preparados para assumirem o posto de professores [Ministério
da Educação].
Além desses, existem vários outros programas com o objetivo de melhorar a formação
dos professores. Entretanto, não basta apenas criar os programas, é preciso também avaliar se
eles estão realmente atingindo os objetivos traçados. Infelizmente, no Brasil ainda existem
poucos estudos avaliando o impacto da formação e/ou capacitação do professor no
desempenho dos alunos.
Um desses estudos foi realizado por Fontanive e Klein (2010), que investigaram o
efeito da participação dos professores que em 2007 faziam o Curso de Pós-Graduação lato
sensu em Avaliação Escolar, oferecido pela Fundação Cesgranrio, sobre o desempenho dos
estudantes em matemática e língua portuguesa do Ensino Fundamental da rede estadual do
Tocantins, medido por meio dos resultados do SAEB (Sistema Nacional de Avaliação da
Educação Básica) e da Prova Brasil.
O estudo ocorreu entre 2003 e 2008 e pôde ser realizado porque os pesquisadores
tinham dados sobre o desempenho dos alunos obtidos antes do início do programa (no ano de
3
Dados coletados do Portal do Ministério da Educação. O endereço pode ser encontrado nas referências
bibliográficas.
8
2001 pela Fundação Cesgranrio) e dados do desempenho após o início do programa (Prova
Brasil de 2007). Além disso, no ato da inscrição os professores que participaram do programa
de capacitação entregaram um formulário contendo informações relevantes para o
andamento da pesquisa, como sua participação anterior em programas de capacitação, o ano
de sua ocorrência e se ele utilizou às práticas aprendidas em sala de aula. Posteriormente, em
2008 esses mesmos professores responderam um formulário complementar com outras
questões de interesse da pesquisa [Fontanive e Klein (2010)].
O programa sofreu várias alterações durante a sua execução, embora o seu cerne
tenha permanecido. Ele era composto principalmente por três orientações metodológicas: (i)
mudança na dinâmica em sala de aula; (ii) criação de um novo material didático e participação
docente em oficinas de trabalho em grupo; (iii) avaliações periódicas. Essas três orientações
estão fortemente interligadas já que a primeira visa aumentar a participação dos alunos em
sala de aula com o intuito de melhorar o seu aprendizado. Para isso é que foi elaborado um
novo material didático e os docentes se envolveram em atividades de trabalho em grupo. Para
acompanhar o progresso dos alunos e ter um feedback das suas necessidades específicas os
professores aplicavam avaliações periódicas [Fontanive e Klein (2010)].
O impacto do programa de capacitação foi estimado através de regressão linear. Os
resultados mostraram que o programa teve um impacto positivo no desempenho dos alunos
cujos professores de matemática frequentemente participaram da capacitação. O programa
também teve um impacto positivo no desempenho dos alunos em língua portuguesa, mesmo
sem os professores de língua portuguesa participarem do programa. Isso porque mesmo não
participando do programa esses professores frequentemente utilizavam o seu material
didático [Fontanive e Klein (2010)].
Bauer (2011) também analisa um programa de capacitação de professores. Neste caso
a autora avalia o impacto do programa de formação continuada Letra e Vida no desempenho
dos estudantes da 1ª série do ensino fundamental, medido através do Sistema de Avaliação do
Rendimento Escolar do Estado de São Paulo (Saresp), no ano de 2007. O Letra e Vida se
originou do Programa de Formação de Alfabetizadores (PROFA), cujo desenho inicial surgiu em
1999, mas que somente em 2001 foi implementado pela Secretaria de Educação Fundamental
do MEC. O PROFA era um programa que produzia material didático tanto televisivo quanto
escrito, que era repassado para as escolas que participavam do programa.
Após a Secretaria de Educação do Estado de São Paulo incorporar o PROFA, ele passou
a se chamar Programa de Formação de Professores Alfabetizadores Letra e Vida. A grande
mudança do programa se ateve ao nome já que as suas características básicas permaneceram.
O programa foi ofertado aos professores do estado entre 2003 e 2006. Entre os seus objetivos
9
estava a melhora nos índices de alfabetização da rede estadual, não apenas quantitativa, mas
também qualitativamente [Bauer (2011)].
Os resultados do estudo mostraram que a proporção de professores que participaram
do programa não é capaz de explicar sozinha o desempenho dos estudantes, para isso é
preciso levar em consideração outras características da escola. Ao se utilizar o método de
regressão múltipla viu-se que a variável proporção de professores que participaram do
programa foi relevante quando as variáveis de formação foram controladas em nível.
Entretanto, apesar de estatisticamente significante, esse resultado foi modesto. O impacto
positivo do programa no desempenho dos alunos é corroborado quando se utiliza o método
de árvores de decisão [Bauer (2011)].
Os estudos apresentados evidenciam que o professor pode influenciar o desempenho
dos alunos. Em certos casos, a diferença entre ter um bom e ter um mau professor pode ser
grande. Entretanto, o que faz de alguém ser um bom ou um mau professor? Mais do que isso,
como preparar os professores para serem bons professores? Essas são questões que a
literatura da educação vem tentando responder já há algum tempo. Para alguns os programas
de qualificação são a resposta, mas uma dúvida ainda persiste: como implementar esses
programas de forma que os professores sejam capazes de atingir o seu potencial máximo de
ensino. Como vimos, apesar de existirem estudos sobre esse assunto eles ainda são poucos,
principalmente no Brasil. Muitas dúvidas ainda persistem que só poderão ser respondidas após
novas análises.
3. Dados
A fonte de informação utilizada nesse trabalho é primária. Foi elaborada pesquisa de
campo em todas as regiões do Brasil em 2012-2013, coletando uma amostra contendo dados
sobre alunos, escolas, professores e diretores.
Para essa pesquisa foram coletados dados relacionados a quatro grandes tópicos: i)
Escola – características da escola;
ii) Alunos – características pessoais, familiares e
desempenho; iii) Professor – realizou curso de qualificação, característica do curso, impactos
percebidos e iv) Diretor - políticas da escola, impactos percebidos.
O desempenho, as características dos alunos e as características da escola foram
coletados para utilização em todos os projetos. Para o tema aqui proposto, ou seja, para a
análise da qualificação dos professores sobre o desempenho dos alunos foram coletadas as
características dos professores e dos diretores com relação aos cursos de formação e pósgraduação.
10
A tabela 1 apresenta as 3 dimensões de coleta de informação para os professores. A
primeira busca coletar a quantidade de cursos realizados e a carga horária, quais as principais
áreas dos cursos, qual o principal motivo que levou a decisão de realizar o curso e qual foi o
mais importante. A segunda dimensão é o detalhadamente do curso mais importante que
realizou: tipo de curso, carga horária, modelo de curso e instituição responsável. A terceira
dimensão é a percepção do professor em relação ao curso que realizou em termos de suas
práticas em aula, se utiliza esse conhecimento e se auxilia na melhoria do seu desempenho
como professor.
Tabela 1 – Características dos cursos de formação dos professores que foram
coletadas na pesquisa de campo.
Professor
Curso de Formação
Característica do curso mais
Efeitos percebidos
importante:
a) Você participou de
a) A atividade de formação
a) Qual o impacto dessa
alguma atividade de
que você julgou mais
atividade de formação sobre
formação continuada
relevante versava sobre:
suas práticas de aula?
(atualização,
treinamento,
capacitação etc.) nos
últimos cinco anos?
b) Quantos treinamentos
b) Qual a carga horária da
b) Você utiliza os
você realizou nos
atividade, da qual você
conhecimentos adquiridos
últimos 5 anos?
participou, que você
nas atividades de formação
considera mais
continuada para a melhoria
relevante?
da sua prática em sala de
aula?
c) Qual atividade de
c) Quem foi o responsável
c) Qual a sua percepção sobre a
formação que você
pelo oferecimento da
importância das atividades
considera mais
formação?
de formação em geral para o
importante?
desempenho dos
professores em aula?
d) A atividade de
d) Qual foi a instituição
formação que
responsável pelo
considera mais
oferecimento desse
importante era:
curso?
Fonte: Elaboração própria
São duas as dimensões de coleta dos diretores e estão apresentadas na tabela 2. A
primeira dimensão verifica se a escola possui alguma política ou incentiva a realização de
cursos de treinamento. Especificamente, se a escola oferece ou libera os professores para
realizar cursos, se há auxílio financeiro e qual o percentual de professores que realizaram
11
curso de treinamento. A segunda dimensão é a percepção dos diretores em relação aos cursos
de formação e qual o curso mais importante para a melhoria do professor em sala de aula.
Tabela 2 – Característica das políticas escolares para formação dos professores e
efeitos percebidos pelos diretores que serão coletadas na pesquisa de campo.
Diretor
Políticas de Formação
Efeitos percebidos
a) A escola tem política de formação?
a) Qual sua percepção sobre a
importância desses cursos de
formação para o desempenho dos
professores em aula?
b) Os cursos são oferecidos pela escola ou libera
os professores para a realização?
c) Oferece algum tipo de auxilio financeiro para a
realização de cursos?
d) Qual percentual de professores que
participaram de curso de formação no último
ano?
Fonte: Elaboração própria
Com base nos dados coletados para essa pesquisa será proposta metodologia para
analisar o impacto do curso de formação para a melhoria do desempenho dos alunos.
4. Metodologia
Para a análise da qualificação do professor sobre o desempenho do aluno foram
utilizados dados cross-section coletados em pesquisa de campo, considerando duas diferentes
abordagens. A primeira foi analisar os determinantes da qualificação do professor e a segunda
o efeito de cursos de qualificação sobre o desempenho dos alunos.
4.1. Determinantes da qualificação do professor
O primeiro modelo estima os determinantes da qualificação do professor utilizando
como variável dependente, o número de cursos de formação continuada realizado, assim
como, se tem pós graduação.
Para o primeiro modelo, como a variável dependente é tipo contagem, foi utilizado o
modelo de Poisson. Assim o modelo estimado será:
E NFC|X
Onde
é o número de cursos de formação continuada que o professor realizou. A
variáveis exógenas estão representadas por:
, que é a matriz com as características dos
12
professores,
,que é a matriz com as características dos alunos da escola e
,que é a
matriz contendo característica da diretoria.
O segundo modelo a ser estimado tem como variável dependente o professor ter ou
não pós graduação. Aqui será utilizado o modelo probit em que a variável dependente é a
binária indicando se o professor realizou pós graduação:
∗
α
β
"
0' ∗
(0
) ∗ ' ∗
*0
β X
β
!
X
!
X
"
ν$ j=1, ..., n
Sendo
Onde
indica se o professor realizou algum tipo de pós graduação.
, que é a matriz com as
A variáveis exógenas estão representadas por:
características dos professores,
e
,que é a matriz com as características dos alunos da escola
,que é a matriz contendo característica da diretoria e vj ~ N(0,σ2) e é independente
identicamente distribuído.
4.2. Efeitos da qualificação do professor sobre o desempenho dos alunos
Para compreender a relação entre qualificação do professor e desempenho escolar
serão propostas duas análises. Uma considerando a quantidade de cursos de formação
continuada e a outra se o professor possui pós graduação. Assim os modelos serão:
+,
-
. /0 1 /0
′3
45
+,
-
. 67 1 67
′3
45
Onde +, indica o desempenho do aluno em língua portuguesa e matemática, 1 /0 é o
número de cursos realizados pelo professor, 1 67 se realizou curso de pós graduação e
′a
matriz contendo as características dos alunos e da direção da escola.
Os modelos serão estimados por mínimos quadrados ordinários e irão considerar
separadamente 4º, 6º e 8º anos. Além disso, será elaborada uma análise conjunta
considerando a proficiência padronizada.
5. Análise Descritiva
Antes de iniciarmos a análise dos dados faremos uma análise dos não respondentes da
pesquisa BNDES-2012. É comum que pesquisas apresentem um percentual de não
respondentes. Nesta seção nosso objetivo é traçar um perfil dos não respondentes na base
13
analisada. O número de não respondentes foi calculado considerando a não resposta das
questões relacionadas ao gênero, idade e cor do professor.
No conjunto das disciplina Língua Portuguesa e Matemática, a base de dados da
pesquisa BNDES-2012 resultou em 2020 observações. Dentre essas observações,
aproximadamente 808 são não respondentes, ou seja, 40% da base. Ao analisarmos esses não
respondentes vimos que sua grande maioria encontra-se nos seguintes estados: São Paulo
(21,53%), Ceará (13,37%), Rio Grande do Sul (12%), Minas Gerais (7,80%), Distrito Federal
(5,20%) e Paraná (5,20%). A comparação entre essas informações mostrou que São Paulo é o
estado que apresenta a maior taxa de não resposta.
A partir de agora, são analisadas as características médias dos respondentes da
pesquisa BNDES-2012. Para isso, selecionamos as seguintes variáveis: gênero, idade, cor,
escolaridade, atividade de formação continuada e região. Com essas variáveis é possível traçar
um perfil médio do professor. Os resultados são encontrados na Tabela 3.
A primeira característica analisada foi o gênero do professor. A pesquisa apresenta
uma proporção maior de professores do gênero feminino, 81,12%, em relação ao masculino,
18,88%.
A segunda característica analisada é a idade dos professores. Os dados mostram que a
maioria dos professores está nas faixas de 30 a 39 anos e de 40 a 49 anos. Além disso, temos
poucos professores com até 24 anos (1,51%). Esses dados são um indício de que não está
havendo uma renovação no quadro dos professores do ensino fundamental.
A terceira característica analisada foi a cor dos professores. Os dados mostram que a
maioria dos professores é da cor branca, seguida pelos professores de cor parda. Os
professores de cor branca e parda representam mais de 85% do total de professores.
A quarta característica analisada foi a escolaridade dos professores. A escolaridade foi
dividida em dois grupos. No primeiro grupo estão os professores que cursaram até a
graduação e no segundo estão os professores que fizeram algum tipo de pós-graduação. Para
o primeiro grupo vemos que a grande maioria dos professores cursaram o Ensino Superior
Normal ou outro (96,60% dos professores). Para o segundo grupo vemos que em sua grande
maioria (mais de 50%) os professores fizeram algum tipo de especialização com o mínimo de
360 horas. Infelizmente, os dados também mostram que a porcentagem de professores que
não fez ou não completou a pós-graduação é elevada (37,55%). Outro dado importante é o
número irrisório de professores que fizeram Mestrado e/ou Doutorado.
14
Tabela 3 –Análise dos respondentes da Pesquisa BNDES-2012.
Variável
Gênero
Definição
Proporção
Masculino
18,88%
Feminino
81,12%
Até 24 anos.
Idade
1,51%
De 25 a 29 anos.
10,23%
De 30 a 39 anos.
30,20%
De 40 a 49 anos.
38,76%
De 50 a 54 anos.
11,83%
55 anos ou mais.
Cor
7,47%
Branco (a)
51,70%
Pardo (a)
37,52%
Preto (a)
9,00%
Amarelo (a)
1,36%
Indígena
0,42%
Não sei*
Escolaridade (Até a
graduação)
Menos que o ensino médio (antigo 2º grau)
Ensino Médio (Magistério ou Outro - antigo 2º grau)
Ensino Superior Normal ou Outro
Atualização (mínimo de 180 horas)
Escolaridade (PósGraduação)
Formação Continuada
Região
Especialização (mínimo de 360 horas)
Mestrado e/ou Doutorado
0,09%
3,32%
96,60%
5,73%
54,27%
2,45%
Não fez ou não completou curso de pós-graduação
37,55%
Participou
82,21%
Não participou
17,79%
Norte
10,18%
Nordeste
22,86%
Centro-Oeste
8,30%
Sudeste
46,07%
Sul
12,59%
Fonte: Tabela elaborada pelos autores, com base nos dados da Pesquisa BNDES-2012
A quinta característica analisada foi a participação dos professores em cursos de
formação continuada. Os resultados mostram que a grande maioria dos professores afirma ter
participado de programas de formação continuada (mais de 80%).
A última característica analisada foi a distribuição geográfica desses professores. Os
dados mostram que em todos os casos mais de 40% de todos os professores estão na região
Sudeste, vindo em seguida a região Nordeste (com um pouco mais de 20% do total de
professores), Sul, Norte e Centro-Oeste.
Com base nessa pesquisa pode-se traçar um perfil do professor médio brasileiro. Os
professores são em sua maioria mulheres que estão nas faixas dos 30 a 39 anos ou 40 a 49
anos, de cor branca ou parda e possuem Ensino Normal Superior ou outro. Entre os
professores que fizeram pós-graduação, a maioria possui especialização com um mínimo de
15
360 horas. A maioria dos professores também fez cursos de Formação Continuada e mora na
região sudeste.
Em seguida, faremos uma análise dos dados da pesquisa BNDES-2012 cruzando com
diversas variáveis de interesse.
Na figura 1 apresenta-se, para cada região brasileira, o percentual de professores
distribuídos em três categorias de cursos de pós-graduação: Atualização (com o mínimo de 180
horas), Especialização (com o mínimo de 360 horas) e Mestrado e/ou Doutorado. Os
resultados mostram que a porcentagem de professores que fizeram cursos de Especialização é
maior em todas as regiões, variando de 93,30% na região nordeste a 81,88% na região sudeste.
Um diferencial de aproximadamente 11%. Parte desse diferencial pode ser explicado porque
13,92% dos professores da região sudeste fizeram cursos de Atualização, enquanto apenas
4,47% dos professores da região nordeste o fizeram. Com relação aos cursos de Mestrado e/ou
Doutorado, a maior porcentagem é de professores da região sul.
93,30%
84%
9,33%
90,12%
88,12%
81,88%
13,92%
7,41%
4,95%
4,47%
Atualização (mínimo de 180 horas)
Norte
6,67%
Especialização (mínimo de 360 horas)
Nordeste
Centro-Oeste
Sudeste
2,23% 2,47% 4,21%
6,93%
Mestrado e/ou Doutorado
Sul
Figura 1 – Professores por tipo de pós graduação e região do Brasil, BNDES, 2012
Nosso objetivo agora é saber quantas atividades de formação continuada os
professores participaram. A Figura 2 apresenta o número de atividades de formação
continuada realizada pelos professores, independentemente do número de horas. Observa-se
que 43,86% dos professores participaram de 5 ou mais atividades de formação continuada,
enquanto 17,38% participaram de duas atividades de formação continuada.
16
43,86%
17,38%
15,58%
10,49%
8,59%
4,10%
0
1
2
3
4
5 ou mais
Figura 2 – Percentual de professores por número de atividades de formação continuada
realizadas, BNDES, 2012
Esses números também mostram que mais da metade dos professores participaram de
pelo menos 4 atividades de formação continuada, o que mostra o grande interesse por parte
dos professores em se capacitar cada vez mais. Parte desse interesse pode estar relacionado
ao plano de carreira dos professores, sendo que estados e municípios utilizam capacitação
para realizar a progressão na carreira docente. Nota-se que a importância de cada curso de
qualificação para progressão na carreira é particular de cada rede de ensino.
Após analisar a quantidade de atividades de formação continuada que os professores
participaram, queremos saber qual foi a carga horária dessas atividades. A Figura 3 mostra que
35,53% das atividades tiveram mais de 80 horas, enquanto apenas 16,09% das atividades
tiveram menos de 20 horas. Os resultados também mostram que mais de 50% das atividades
tiveram mais de 40 horas.
35,53%
30,97%
17,41%
16,09%
Menos de 20 horas.
De 21 a 40 horas.
De 41 a 80 horas.
Mais de 80 horas.
Figura 3 – Percentual de professores por carga horária das atividades de formação
continuada considerada mais relevante, BNDES, 2012
A figura 4 apresenta o percentual de professores que realizaram formação continuada
por gênero. Observa-se que as mulheres realizam mais atividade de formação continuada
(83.16%) se comparado aos homens (74.78%). Um diferencial de quase 9 pontos percentuais.
17
83,16%
74,78%
25,22%
16,84%
Masculino
Feminino
Participou
Não Participou
Figura 4 – Participação dos professores em atividade de formação continuada, por
gênero.
As atividades de formação continuada por idade são apresentadas na figura 5.
Observa-se que os professores mais jovens, até 29 anos, possuem um maior percentual de não
participantes em atividade de formação continuada do que participantes. Comportamento
semelhante ocorre para os professores mais velhos, maiores do que 50 anos. Para os
professores entre 30 e 49 anos, a taxa de participação em atividades de formação continuada
é maior do que a taxa de não participação. Dos professores que participaram de atividades,
70% estão nessa faixa e dos professores que não participaram 60% estão nessa faixa etária.
39,29%
37,38%
31,51%
23,83%
14,02%
14,02%
11,13%
9,98%
6,83%
1,26%
7,94%
2,80%
Até 24 anos.
De 25 a 29 anos.
De 30 a 39 anos.
Participou
De 40 a 49 anos.
De 50 a 54 anos.
55 anos ou mais.
Não participou
Figura 5 – Distribuição dos participantes e não participantes em atividades de formação
continuada por faixa etária, pesquisa BNDES, 2012.
18
95,8%
91,92%
90,83%
78,79%
75,46%
24,54%
21,21%
9,17%
Norte
8,08%
Nordeste
Centro-Oeste
Participou
4,2%
Sudeste
Sul
Não participou
Figura 6 – Percentual de participação em atividades de formação continuada por região do
Brasil, pesquisa BNDES, 2012
A região Sul foi a que apresentou a maior participação dos professores em atividades
de formação continuada, chegando a quase 96%, conforme apresentado na figura 6. Em
seguida estão as regiões com maior taxa de participação em cursos: Centro-Oeste com 92% e
Norte com 91%. As regiões com menores taxas de participação de professores foram a Sudeste
com 75.5% e a Nordeste com 79%.
72,72%
25,71%
1,57%
Quase sempre
Eventualmente
Quase nunca ou nunca
Figura 7 – Frequência com que usa o conhecimento adquirido com a formação continuada
em sala de aula, pesquisa BNDES, 2012
A seguir, analisaremos a frequência com que o conhecimento adquirido nas atividades
de formação continuada é utilizado. A figura 7 mostra que 72,72% dos professores que
participaram de atividades de formação continuada quase sempre utilizam o conhecimento
adquirido, enquanto 25,71% dos professores afirmam que eventualmente utilizam o
conhecimento adquirido e apenas 1,57% dos professores não o utilizam.
19
71,16%
18,21%
5,58%
1,89%
3,16%
Alteração da forma de dar aula completamente.
Ampliação do conhecimento sobre a matéria.
Aquisição de novos instrumentos, técnicas ou estratégias pedagógicas.
Melhora no relacionamento com os alunos.
Outra.
Figura 8 – Impacto das atividades de formação sobre as práticas de aula, BNDES, 2012
O efeito da atividade de formação continuada sobre a prática dos professores em sala
de aula pode ser vista na figura 8. Podemos ver que a maioria dos professores, ou 71,16%
afirmou que a atividade de formação continuada os ajudou na aquisição de novos
instrumentos, técnicas ou estratégias pedagógicas, enquanto 18,21% dos professores
responderam que a atividade de formação continuada serviu para ampliarem o seu
conhecimento sobre a matéria lecionada. Por outro lado, uma pequena porcentagem dos
professores achou que essas atividades alteraram a sua forma de dar aula ou melhoraram o
relacionamento do professor com o aluno.
O efeito das atividades de formação sobre as práticas de aula depende do conteúdo do
curso de formação. Pode ser que os cursos sejam mais voltados a elevar o conhecimento
teórico do professor no preparo de aulas, na utilização de computadores e de programas de
computadores específicos, por exemplo, mas esse aprendizado ainda não alterou a forma
como o professor leciona.
Conforme pode ser observado na figura 9, quase 80% dos professores consideram que
as atividades de formação continuada contribuíram muito para a melhoria do seu desempenho
em sala de aula. Pouquíssimos professores acharam que essas atividades não contribuíram
(0,35%). Aqueles que acharam que a contribuição foi mediana chegaram a quase 18% e os que
acharam que contribuíram pouco foi de aproximadamente 2%. De forma geral, os professores
consideram que as atividades ajudam a melhorar seu desempenho em sala de aula.
20
21
79,67%
17,69%
2,29%
0,35%
Contrubui muito para a melhoria.
Contribui medianamente para a melhoria.
Contribui pouco para a melhoria.
Não contribui.
Figura 9 – Percepção do professor sobe a importância das atividades de formação
para a melhora do desempenho em sala, pesquisa BNDES, 2012
6. Análise dos resultados econométricos
6.1. Base de dados para os modelos econométricos
Para elaborar os modelos econométricos foram criadas duas bases de dados distintas.
A primeira base de dados foi utilizada para analisar os determinantes do professor realizar
cursos de formação continuada e pós graduação. Como o foco para esse modelo é o professor,
esse virou a unidade de análise.
Foram associados aos dados dos professores os dados do diretor da escola. Dessa
forma, professores que são da mesma escola compartilham a mesma informação sobre o
diretor.
Com relação às características dos alunos foram utilizados os dados médios dos alunos
da escola. Por exemplo, para um determinado professor tem-se a proficiência média dos
alunos de quarto, sexto e oitavo ano daquela escola, assim como a proporção de alunos
brancos, a proporção de alunos do gênero masculino, a proporção de alunos que repetiram o
ano nessa escola, etc. Como no caso dos diretores, professores da mesma escola
compartilham as mesmas características médias dos alunos.
A segunda base de dados foi utilizada para analisar os determinantes do desempenho
dos alunos em língua portuguesa e matemática, principalmente o efeito da pós graduação e da
formação continuada. Como nesse caso o foco é o aluno, essa será a unidade de análise nessa
base de dados.
De forma similar a base dos professores, foi associado a cada aluno as características
do diretor da escola. Assim, cada um dos alunos de uma determinada escola compartilham as
características do seu diretor.
Com relação aos professores, foi associado a cada aluno as características médias dos
professores da escola. Cada aluno de uma determinada escola compartilha a característica
22
média do professor. Por exemplo, um determinado aluno tem associado a ele a proporção de
professores brancos na escola, a proporção de professores que fizeram formação continuada,
a proporção de professores que fizeram pós graduação etc. Portanto, cada aluno da escola,
independentemente se ele for de 4º, 6º ou 8º ano irá compartilhar a mesma informação
média da escola com relação as características dos professores. Não foi possível separar os
professores por séries.
Observa-se que o tamanho da base utilizada nas regressões depende da taxa de
resposta e dos missing das variáveis utilizadas, no caso da base dos professores, a taxa de
resposta ficou ao redor de 60% (de 2020 questionários enviados) e o tamanho da base oscilou
entre 434 e 752 observações dependendo dos missing nas variáveis utilizadas. Com relação a
base de aluno o tamanho da base oscilou entre 3171 e 12621 observações. Nesse caso, além
dos problemas da taxa de resposta e missing, o modelo utilizado também foi importante para
determinar o tamanho da base, pois foram feitos modelos específicos para 4o, 6º e 8º anos.
Para todos os modelos apresentados foram utilizados desvio padrões com cluster nas escolas.
6.2. Os determinantes do número de cursos de formação continuada realizados
O objetivo desse primeiro modelo é compreender os motivos que levam o professor a
fazer diversos cursos de formação continuada. A variável dependente é de contagem sendo
igual a 0, 1, 2, 3, 4, 5, isto é, 0 se não realizou nenhum curso nos últimos cinco anos ou 1 curso,
2 cursos, 3 cursos, 4 cursos e 5 ou mais cursos.
Foi adotada uma especificação econométrica capaz de lidar com essa forma de dados e
optou-se pelo modelo de Poisson com a seguinte especificação:
E NFC|X
Sendo NFC o número de cursos de formação continuada realizados e
X
é a matriz com as seguintes características dos professores: geênero, se possui
menos de 30 anos, se leciona no contra-turno, se é branco, se utiliza o conhecimento da
formação continuada em aula, se conhece o IDEB da escola;
X
!
é a matriz com as seguintes características dos alunos: proporção de alunos que
já abandonaram a escola, proporção de alunos cujos pais participam de reunião na escola,
proporção de alunos que possuem computador em casa;
X
"
é a matriz com as seguintes características do diretor: se há liberação de recursos
para formação continuada, se é diretor da escola a mais de 5 anos e os alunos utilizam
laboratórios nas disciplinas.
23
Dois problemas comuns na regressão de Poisson é a superdispersão, pois esse modelo
considera que a esperança é igual a variância e possui problemas com excesso de zeros, pois
em geral a Poisson prevê menos zero do que o existente. Como os dados possuem poucos
zeros e a variância dos dados está próxima a média, acredita-se que esse modelo esteja
apropriado. Os resultados para o modelo estão apresentados na tabela 4.
Tabela 4 – Determinantes do número de cursos de formação continuada realizados pelos
professores do ensino fundamental, pesquisa BNDES 2012.
Variáveis
Professor
Homem
Menos de 30 anos
Variável dependente -Número de cursos de formação continuada
Características do
Características do
Características do
Características do
professor - Poisson
professor e do aluno professor, aluno e
professor, aluno e
IRR
Poisson IRR
diretor - Poisson IRR
diretor - OLS
0.8942**
0.89613**
0.9303
(-2.48)
(-2.34)
(-1.39)
-0.2176
(-1.23)
0.9104
0.9032
0.99121
-0.0157
(-1.4)
(-1.44)
(-0.12)
(-0.06)
Leciona no contraturno
1.036755
1.0373
1.059
0.2027
(1.01)
(1)
(1.28)
(1.21)
Branco
1.068***
1.059
1.103**
0.3443**
(1.84)
(1.58)
(2.13)
(2.09)
Utiliza Formação em Aula
1.1911***
1.207***
1.236***
0.7450***
(3.98)
(4.2)
(3.36)
(3.51)
Sabe o IDEB da escola
1.1877***
1.178***
1.199***
0.617***
(3.43)
(3.43)
(2.72)
(2.86)
0.7371
0.505***
-2.58***
(-1.35)
(-2.63)
(-2.75)
1.187
1.1068
0.3631
(0.85)
(0.47)
(0.48)
1.018
1.314
0.986
(0.12)
(1.56)
(1.6)
1.188***
0.646***
Aluno
Proporção de alunos que abandoram a escola
Proporção de alunos que pais participam de
reunião
Proporção de alunos que possuem
computador
Diretor
Liberacão de recursos para formação
continuada
(3.95)
(4.01)
É diretor da escola a mais de cinco anos
0.97912
-0.0905
(-0.5)
(-0.57)
Os alunos utilizam laboratórios
0.9746
-0.1051
(-0.52)
(-0.59)
1.753**
(2.58)
Binárias regionais
Wald Chi2
Observações
sim
80.18
750
sim
98.18
729
sim
95.13
442
sim
7.68
442
Obs:Erro padrão robusto com cluster por escolas; ***significante a 1%; **significante a 5% e *significante a 10%
Na primeira coluna de resultados está o modelo de Poisson somente com variáveis dos
professores, a segunda com variáveis dos professores e alunos, a terceira com variáveis dos
professores, alunos e diretores. Na última coluna apresenta-se a mesma especificação anterior
com professor, aluno e diretor, mas estimando por mínimos quadrados ordinários para
24
comparação e verificação da robustez dos resultados. Outro ponto importante a ser observado
é que o número de observações cai bastante do primeiro para os dois últimos modelos, saindo
de 750 para 442.
Com relação às características dos professores, observa-se que os homens possuem
uma chance menor de realizar formação continuada, assim o efeito de ser homem diminui o
valor esperado de realizar cursos de formação continuada em 11%. Esse resultado ocorre nos
dois primeiros modelos, sem a presença dos dados dos diretores. Observa-se que a inclusão
dos dados dos diretores reduz consideravelmente a amostra de 752 para 444 devido aos
valores missing, o que pode ter causado a não significância na última especificação.
A idade do professor e se ele leciona no contra-turno não apresentou resultados
significativos. Entretanto, o fato do professor ser branco aumenta em 10% o valor esperado do
número de cursos de formação continuada.
Se o professor utiliza o conhecimento que ele adquiriu em cursos de formação
continuada, isso faz com que haja um aumento de 24% no valor esperado de cursos de
formação continuada. Assim, ter a percepção de utilização do conhecimento adquirido parece
gerar um bom estímulo a continuar se aperfeiçoando.
Outra variável que se mostrou importante para explicar a formação continuada é o
conhecimento do professor em relação ao IDEB da escola. Aqueles professores que conhecem
o IDEB possuem aumento de 20% no valor esperado de realização de curso de formação
continuada. Mostra que aqueles professores que estão mais conectados ao desempenho da
escola e se preocupam a ponto de saber o IDEB da escola, sentem-se mais estimulados e
realizam mais cursos de formação continuada.
Com relação às características dos alunos, professores que trabalham em escolas que
possuem altas taxas de abandono de alunos, tem diminuição de 50% no valor esperado de
realizar cursos. Provavelmente, ambientes com alunos mais interessados podem estimular o
professor a se aperfeiçoar e buscar mais cursos de formação continuada. Outras duas variáveis
dos alunos analisadas foram a proporção de alunos cujos pais frequentam as reuniões
escolares e a proporção de alunos que possuem computador em casa. Apesar de ambas
mostrarem aumento na chance do professor realizar mais cursos de formação continuada,
ambas mostraram-se estatisticamente não significativas.
Por fim, outra variável importante para entender o número de cursos de formação
continuada realizada pelo professor é a se o diretor libera recursos. Os resultados mostram
que em escolas onde o diretor libera esses recursos tem aumento no valor esperado de
realização de cursos pelos professores em 19% com relação aos professores das escolas onde o
diretor não oferece esses recursos.
25
6.3. Os determinantes da realização de cursos de pós graduação
Nessa seção serão analisados os determinantes da realização de pós graduação em
educação pelos professores do ensino fundamental. Entende-se por pós graduação os cursos
de atualização, especialização, mestrado e doutorado, ou seja, cursos com mais de 180 horas.
Para a análise foi utilizado o modelo de resposta binária, probit e foi utilizada a seguinte
especificação:
PG∗
α
β X
β
!
X
!
β
"
X
0' ∗
(0
) ∗ ' ∗
*0
"
ν$ j=1, ..., n
Sendo PG se o professor realizou algum tipo de pós graduação em educação,
X
é a matriz com as seguintes características dos professores: gênero, se possui
menos de 30 anos, se leciona no contra-turno, se é branco, se utiliza o conhecimento da
formação continuada em aula, se conhece o IDEB da escola;
X
!
é a matriz com as seguintes características dos alunos: proporção de alunos que já
abandonaram a escola, proporção de alunos cujos pais participam de reunião na escola,
proporção de alunos que possuem computador em casa;
X
"
é a matriz com as seguintes características do diretor: se há liberação de recursos
para formação continuada, se é diretor da escola há mais de 5 anos e os alunos utilizam
laboratórios nas disciplinas.
Os efeitos marginais do modelo probit estão na tabela 5, sendo a primeira coluna de
resultados o modelo contendo somente os dados dos professores, a segunda os dados dos
professores e alunos e a terceira professores, alunos e diretor. A última coluna apresenta o
modelo linear para comparação e análise de robustez.
Diferentemente dos resultados para número de cursos de formação continuada, o fato
de o professor ser homem não afetou significativamente a decisão de fazer pós graduação.
Entretanto, professores com menos de 30 anos de idade têm menor probabilidade de fazer
pós graduação, chegando a quase 0,24 pontos percentuais a menos.
Professores brancos, que lecionam no contra-turno ou que sabem o IDEB da escola
não mostraram-se significativos para explicar a decisão de fazer pós graduação, mas se o
professores utilizam seus conhecimentos em aula, isso aumenta em 0,15 pontos percentuais a
probabilidade de o professor realizar um curso de pós graduação.
26
Tabela 5 – Determinantes da realização de pós-graduação em educação pelos professores do
ensino fundamental, pesquisa BNDES 2012
Variable
Professor
Homem
Variável dependente - Realizou Pós Graduação em Educação
Características do
Características do
Características do
professor, aluno e
professor e do aluno professor, aluno e
diretor -Efeito Marginal
Efeito Marginal Probit
diretor - Linear
Probit
Características do
professor - Efeito
Marginal Probit
-0.0653
-0.0729
-0.089
(-1.27)
(-1.38)
(-1.27)
(-1.19)
Menos de 30 anos
-0.153**
-0.1605**
-0.2441***
-0.2253**
(-2.05)
(-2.06)
(-2.61)
(-2.54)
Leciona no contraturno
-0.0226
-0.0047
-0.0191
-0.02015
(-0.48)
(-0.1)
(-0.35)
(-0.39)
Branco
0.0363
0.01257
0.01067
0.006135
Utiliza Formação em Aula
Sabe o IDEB da escola
-0.081
(0.84)
(0.27)
(0.18)
(0.11)
0.065
0.09285*
0.1541**
0.14117**
(1.29)
(1.79)
(2.34)
(2.31)
0.0227
0.01215
0.0507
0.0524
(0.45)
(0.24)
(0.77)
(0.79)
-0.774*
-0.886*
-0.8733
(-1.81)
(-1.68)
(-1.58)
0.0588
-0.0692
-0.0623
(0.25)
(-0.23)
(-0.2)
0.0538
-0.094
-0.1217
(0.29)
(-0.43)
(-0.6)
-0.1001*
-0.099*
Aluno
Proporção de alunos que abandoram a escola
Proporção de alunos que pais participam de
reunião
Proporção de alunos que possuem
computador
Diretor
Liberacão de recursos para formação continuada
(-1.72)
(-1.8)
É diretor da escola a mais de cinco anos
-0.0501
-0.0419
(-0.84)
(-0.74)
Os alunos utilizam laboratórios
0.1054
0.1031
(1.54)
Constante
(1.6)
0.8844**
(2.34)
Binárias Regionais
Wald Chi2
Observações
Observações = 0
Sim
20.99
729
233
Sim
26.10
708
230
Sim
34.93
434
135
Sim
434
135
Obs:Erro padrão robusto com cluster por escolas; ***significante a 1%; **significante a 5% e *significante a 10%
Com relação aos alunos, se a escola possui alta proporção de alunos que abandonaram
a escola, o efeito sobre a decisão de fazer pós graduação tem uma queda de 0,89 pontos
percentuais. O fato de os pais participarem de reuniões e se os alunos possuem computador
em casa não apresentaram efeitos significativos sobre a decisão de o professor fazer pós
graduação.
Diferentemente do número de cursos de formação continuada, se o diretor financia
esse tipo de curso, há uma queda na decisão de fazer pós graduação. Assim, financiar cursos
de formação continuada reduz em 0,1 pontos percentuais a probabilidade de fazer pós
graduação. Dessa forma, diretores que estimulam cursos de formação continuada podem de
maneira indireta tornar a realização de pós graduação mais custosa relativamente.
27
6.4. Os determinantes do desempenho escolar dos alunos – 4o ano
Os resultados dessa e das próximas seções utilizam a base de dados dos alunos, em
que as variáveis dependentes são proficiência em língua portuguesa e em matemática. Para
analisar os determinantes do desempenho dos alunos será utilizado o modelo linear com a
seguinte especificação:
D
α
β X
β
!
X
!
β
"
X
"
ν$ j=1, ..., n
Sendo D o desempenho do aluno em língua portuguesa ou em matemática medido
pelas proficiências,
X
é a matriz com as seguintes características dos professores nas escolas: proporção
de professores na escola que possui pós graduação e proporção de professores que realizou
mais que 4 cursos de formação continuada. Optou-se por esse corte pois quase a totalidade
dos professores possui algum curso de formação continuada e aproximadamente 50% deles
possui mais de 4 cursos. Outra observação é que cada aluno da escola tem associado a ele as
características médias dos professores dessa escola, independente das séries em que lecionam
esses professores.
A matriz X
!
possui as seguintes características dos alunos: homem, frequentou a pré-
escola, já repetiu de ano, participa das atividades de contra-turno, branco, possui computador
em casa, mora com a mãe, a mãe possui faculdade, tem mais de 3 irmãos, entrou com mais de
7 anos na escola, já abandonou a escola, os pais participam de reunião na escola;
X
"
é a matriz com as seguintes características do diretor: se é diretor da escola a
mais de 5 anos e os alunos utilizam laboratórios nas disciplinas.
Para analisarmos o efeito causal dos cursos de qualificação realizados por professores
sobre o desempenho dos alunos, idealmente precisaríamos de um experimento aleatório em
que professores seriam selecionados aleatoriamente para realizarem curso de capacitação e
outros não realizariam o curso. Em seguida analisaríamos o desempenho de alunos dos
professores que foram sorteados e que realizaram esses cursos versus o desempenho de
alunos de professores que não realizaram o curso de capacitação ou que não foram sorteados.
Ao se utilizar um experimento aleatório, o efeito do curso de capacitação é isolado dos demais
possíveis efeitos.
Como a pesquisa BNDES-2012 é observacional não é possível construir um
experimento. Os métodos para análise de efeitos causais em estudos observacionais, em geral
aplicam-se a programas específicos e não a situações em que há grande diversidade de
programas. Duas possíveis alternativas seria a utilização de dados em painel que podem retirar
28
o efeito de variáveis não observadas fixas no tempo ou o uso de variáveis instrumentais. Como
a pesquisa foi realizada em um corte de tempo e não encontramos um exemplo de variável
instrumental na literatura para esse caso, desse modo as análises apenas investigam as
relações entre as variáveis e não o efeito causal. A tabela 6 apresenta os resultados da
regressão linear múltipla para os alunos do 4º ano do ensino fundamental, tanto para língua
portuguesa como para matemática.
Tabela 6 – Determinantes do desempenho em língua portuguesa e matemática dos alunos
do 4º ano do ensino fundamental, pesquisa BNDES 2012
Variáveis
Professor
Pós em educação
Variável dependente -Proficiência - OLS
Língua Portuguesa
Matemática
Valor Proficiência - 4a Valor Proficiência - 4a Valor Proficiência - 4a Valor Proficiência - 4a
Série
Série
Série
Série
9.071**
13.27846***
(2.02)
(2.68)
Possui mais de 4 cursos de formação
continuada
Aluno
Masculino
Frequentou pré escola
Repetiu de ano
-3.05113
-4.265649
(-0.77)
(-0.91)
-4.33***
-4.097***
2.122003*
(-3.27)
(-2.95)
(1.78)
2.427311*
(1.92)
0.685
1.085
3.197533**
3.908131**
(0.42)
(0.66)
(2.08)
(2.5)
-13.673***
-13.946***
-10.80754***
-11.00693***
(-8.74)
(-8.91)
(-6.06)
(-6.04)
Participa do contraturno
-5.43***
-5.925***
-4.616198***
-4.934451***
(-3.63)
(-3.96)
(-3.11)
(-3.33)
Branco
3.145**
3.285**
1.934624
2.109602
(2.23)
(2.27)
(1.29)
(1.35)
Tem computador
3.267**
3.6298**
2.343468
3.056021**
(2.28)
(2.54)
(1.59)
(2.12)
Mora com a mãe
7.516***
7.757***
5.32452***
5.173329**
(3.51)
(3.57)
(2.62)
(2.46)
Mãe possui faculdade
1.008
0.8991
1.930705
1.63529
(0.41)
(0.36)
(0.79)
(0.68)
Tem mais de 3 irmãos
-5.95***
-5.938***
-4.087679***
-4.244385***
(-3.99)
(-3.87)
(-2.87)
(-2.88)
Entrou com mais de 7 anos na escola
-11.673***
-12.46***
-9.66873***
-10.51066***
(-5.9)
(-6.23)
(-5.44)
(-5.89)
Já abandonou a escola
-11.53***
-11.465***
-10.97801***
-11.39736***
(-6.52)
(-6.42)
(-6.63)
(-7.01)
Pais participam de reunião
14.23***
14.58***
12.83095***
13.63237***
(9.28)
(9.38)
(9.59)
(10.25)
7.2437***
6.727***
7.443019***
7.137546***
(2.89)
(2.66)
(2.89)
(2.74)
3.261
3.420271
4.740072*
4.722026
Diretor
É diretor a mais de 5 anos
Alunos utilizam laboratórios
Constante
Binárias regionais
F
R2
Observações
(1.13)
(1.14)
(1.66)
(1.59)
148.27***
157.33***
147.2941***
160.2677***
(23.3)
(32.12)
(21.8)
(36.72)
sim
36.97
0.2231
3171
sim
39.58
0.2176
3144
sim
18.82
0.1916
3171
sim
20.17
0.184
3144
Obs:Erro padrão robusto com cluster por escolas; ***significante a 1%; **significante a 5% e *significante a 10%
29
As duas primeiras colunas de resultados estão associadas à língua portuguesa e as duas
últimas à proficiência em matemática. Escolas que possuem maior proporção de professores
que realizam pós graduação possuem alunos com melhor proficiência, tanto em língua
portuguesa como em matemática. Além disso, esse efeito é maior para matemática do que
para língua portuguesa.
Entretanto, o fato de escolas possuírem alta proporção de professores com mais de 4
cursos de formação continuada não está associado a um melhor desempenho dos alunos em
ambas as matérias. Esse resultado não era esperado, já que o curso de formação deveria dar
subsídios aos professores para aperfeiçoarem o conteúdo das aulas, aumentarem seus
conhecimentos e didática e assim melhorar o desempenho dos alunos nos testes de
proficiência. Entretanto, para obter um resultado positivo e impactante, a qualidade do curso
e o empenho dos professores para tornar o conteúdo das aulas de fácil entendimento e que
motive os alunos a aprender são essenciais para uma realidade em que crianças e jovens
utilizam frequentemente, fora da escola, computadores, vídeo games, celulares, redes sociais
e muitos outros recursos iterativos, coloridos e em 3D. Para conseguir que essas crianças e
jovens sintam-se motivados na sala de aula e tenham interesse em aprender é um desafio e
requer recursos modernos e inovadores. Os cursos de capacitação disponíveis provavelmente
ainda não fornecem o recurso necessário para obter esse impacto, mesmo porque as
mudanças são recentes e são poucos ou inexistentes os estudos na área pedagógica
mostrando o que realmente melhora o desempenho dos alunos. Ademais, apesar de mais de
70% dos professores terem declarado que utilizam o conteúdo aprendido nos cursos de
capacitação nas salas de aula e que adquiriram novos instrumentos e técnicas pedagógicas
com os cursos, menos de 2% declararam ter alterado a forma de dar aula. Assim, parece que
não alterar a forma de lecionar é um sinalizador de que as novas técnicas adquiridas não estão
sendo passadas aos alunos e, portanto, os cursos estão sendo insuficientes para causar
alteração no aprendizado dos alunos.
Com relação as características dos alunos observa-se que meninos desempenham
melhor em matemática e as meninas desempenham melhor em língua portuguesa. O fato de
ser homem diminui em mais de 4 pontos a proficiência em língua portuguesa e aumenta em
mais de 2 pontos a proficiência em matemática. Ademais, alunos brancos estão associados a
melhor desempenho em língua portuguesa (pouco mais de 3 pontos). Entretanto, esse
resultado apesar de positivo não se mostra significativo para a proficiência em matemática.
30
Frequentar a pré-escola mostrou-se positivamente associado ao desempenho em
matemática e não em português. Frequentar a pré-escola aumenta de 3,2 a 4 pontos a
proficiência no 4º ano.
Alunos que repetiram de ano, que já abandonaram a escola pelo menos uma vez, que
entraram com mais de 7 anos na escola ou que participam do contra-turno tem associação
negativa com o desempenho. Alunos que repetiram o ano possuem entre 10 e 14 pontos a
menos na escala de proficiência, aqueles que abandonaram possuem ao redor de 11 pontos a
menos, se entraram tarde entre 9,5 e 12 pontos a menos e aqueles que participam do contraturno de 4,5 a 6 pontos a menos.
Alunos que moram com a mãe, que possuem computador em casa ou cujos pais
participam de reunião possuem maior probabilidade de obter notas melhores no teste de
proficiência. Assim, alunos que moram com a mãe obtêm 5 a 7,5 pontos a mais nas provas de
proficiência do que os alunos que não moram. Se possuírem computador aumenta entre 3 e
3,5 a proficiência e se os pais participam de reuniões da escola esse efeito é de 13 a 14 pontos
na escala de proficiência. Entretanto, alunos de famílias com mais de 3 irmãos possuem
desempenho médio menor do que famílias menores. Portanto, a presença e o envolvimento
dos pais são importantes para o melhor desempenho dos alunos, bem como os recursos
disponibilizados pela família.
Com relação ao diretor, escolas que possuem diretores com mais de 5 anos de
experiência tem alunos com melhor desempenho nos testes de proficiência. Dessa forma,
escolas com diretores com mais de 5 anos nessa função possuem alunos com 7 a 7,5 pontos a
mais na escala de proficiência. Se o diretor declara que utiliza laboratórios nas aulas da sua
escola, isso tem efeito somente em uma das equações de matemática.
6.5. Os determinantes do desempenho escolar dos alunos – 6o ano
Os modelos dessa seção são iguais aos desenvolvidos na seção anterior, entretanto
aplicado aos alunos do sexto ano. A tabela 7 apresenta os resultados dos determinantes da
proficiência para língua portuguesa e matemática para os alunos do 6o ano do ensino
fundamental.
Para esses alunos, o fato de a escola possuir alta proporção de professores com pósgraduação ou com mais de 4 cursos de formação continuada não foi estatisticamente
significativo para explicar o desempenho dos alunos. Nos quatro modelos, as variáveis que
indicam a qualificação média da escola foram não significativas.
31
Da mesma forma que anteriormente, ser homem diminui em mais de 6 pontos a
proficiência em língua portuguesa e aumenta em quase 6 pontos a proficiência em
matemática. Alunos brancos estão associados a melhor desempenho em língua portuguesa e
matemática, entre 3,3 a 4,3 pontos. Para alunos do 4º ano em matemática esse resultado não
é claro.
Além disso, alunos que frequentaram a pré-escola apresentaram melhor desempenho
em matemática e em língua portuguesa, entre 5,5 e 6 pontos na escala de proficiência. Para os
alunos do quarto ano observa-se o mesmo resultado para matemática.
De forma semelhante aos alunos de 4º ano, alunos que repetiram de ano, que já
abandonaram a escola pelo menos uma vez, que entraram com mais de 7 anos na escola ou
que participaram do contra-turno tem associação negativa com o desempenho. Para alunos
que repetiram, o coeficiente está entre 16 e 17 pontos a menos na escala de proficiência, para
aqueles que abandonaram, entre 8,5 e 13 pontos a menos, entrar mais tarde na escola entre
4,5 e 6 pontos a menos e para aqueles que participaram do contra-turno de 8 a 10,5 pontos a
menos.
Alunos que possuem computador em casa ou cujos pais participam de reuniões
possuem maior probabilidade de obter notas melhores no teste de proficiência, entre 5 e 7,5 e
de 17 a 18,7 a mais de pontuação no teste de proficiência. De maneira um pouco distinta do 4º
ano, morar com a mãe não produz efeito sobre a proficiência e a mãe possuir faculdade é
importante para entender a proficiência em matemática. Outra variável importante foi o
número de irmãos, assim, alunos que possuem mais de 3 irmãos possuem menor
desempenho, tanto em matemática como em língua portuguesa.
Tabela 7 – Determinantes do desempenho em língua portuguesa e matemática dos alunos
do 6º ano do ensino fundamental, pesquisa BNDES 2012
32
Variáveis
Professor
Pós em educação
Variável dependente -Proficiência - OLS
Língua Portuguesa
Matemática
Valor Proficiência - 6a Valor Proficiência - 6a Valor Proficiência - 6a Valor Proficiência - 6a
Série
Série
Série
Série
6.097875
-0.364
(1.29)
(-0.08)
Possui mais de 4 cursos de formação
continuada
Aluno
Masculino
0.7054
-3.191
(0.17)
(-0.81)
-6.0082***
-6.103***
5.875***
(-4.95)
(-5.04)
(5.43)
5.812***
(5.38)
Frequentou pré escola
5.5826***
5.5944***
6.261***
6.172***
(3.7)
(3.72)
(4.98)
(4.91)
Repetiu de ano
-15.901***
-15.898***
-16.939***
-16.87***
(-10.89)
(-10.99)
(-12.55)
(-12.44)
Participa do contraturno
-10.453***
-10.535***
-7.9771***
-7.896***
(-7.46)
(-7.42)
(-6.5)
(-6.5)
Branco
3.4350**
3.291**
4.3787***
4.269***
(2.34)
(2.25)
(3.42)
(3.33)
Tem computador
7.1487***
7.005***
5.32***
5.243***
(4.59)
(4.51)
(3.63)
(3.57)
Mora com a mãe
0.3098
0.1778
0.7523
0.5935
(0.17)
(0.1)
(0.43)
(0.34)
Mãe possui faculdade
0.3611
0.2857
3.660**
3.695**
(0.18)
(0.14)
(1.99)
(2.03)
Tem mais de 3 irmãos
-7.768***
-7.858***
-5.461***
-5.592***
Entrou com mais de 7 anos na escola
(-5.79)
(-5.83)
(-4.81)
(-4.93)
-4.587**
-4.7646**
-5.718***
-5.901***
(-2.36)
(-2.48)
(-3.29)
(-3.43)
Já abandonou a escola
-13.229***
-13.315***
-8.525***
-8.734***
(-6.16)
(-6.24)
(-4.58)
(-4.71)
Pais participam de reunião
18.7305***
18.741***
17.579***
17.554***
(12.48)
(12.49)
(13.18)
(13.23)
2.935
3.1312
0.876
0.8947
(1.28)
(1.35)
(0.4)
(0.41)
Alunos utilizam laboratórios
6.0332**
6.3798**
10.202***
10.442***
(2.24)
(2.38)
(4.3)
(4.36)
Constante
181.81***
184.467***
182.055***
183.354***
(35.38)
(41.13)
(29.38)
(36.7)
sim
43.15
0.1977
4861
sim
42.36
0.1978
4878
sim
30.26
0.2036
4861
sim
31.21
0.2049
4878
Diretor
É diretor a mais de 5 anos
Binárias regionais
F
R2
Observações
Obs:Erro padrão robusto com cluster por escolas; ***significante a 1%; **significante a 5% e *significante a 10%
Com relação ao diretor, a sua experiência não foi importante para explicar a
proficiência, mas o fato de os alunos utilizarem o laboratório afetou positivamente e
significativamente o desempenho dos alunos entre 6 e 10,5 pontos na proficiência. Esse
resultado foi distinto do obtido para o 4º ano.
33
6.6. Os determinantes do desempenho escolar dos alunos – 8º ano
Os resultados dos determinantes da proficiência dos alunos do 8º ano estão na tabela
8, sendo as duas primeiras colunas para os testes de língua portuguesa e as duas últimas
colunas para os testes de matemática.
Tabela 8 – Determinantes do desempenho em língua portuguesa e matemática dos alunos
do 8º ano do ensino fundamental, pesquisa BNDES 2012
Variáveis
Professor
Pós em educação
Variável dependente -Proficiência - OLS
Língua Portuguesa
Matemática
Valor Proficiência - 8a Valor Proficiência - 8a Valor Proficiência - 8a Valor Proficiência - 8a
Série
Série
Série
Série
4.951
5.1793
(0.97)
(1.06)
Possui mais de 4 cursos de formação
continuada
Aluno
Masculino
Frequentou pré escola
-4.2088
-3.254
(-1.01)
(-0.86)
-11.953***
-11.899***
3.4967***
(-10.48)
(-10.35)
(2.85)
3.6598***
(2.96)
6.874***
6.971***
5.5991***
5.466***
(5.03)
(5.08)
(4.71)
(4.58)
Repetiu de ano
-14.712***
-14.804***
-13.324***
-13.37***
(-10.04)
(-10.25)
(-9.96)
(-10.07)
Participa do contraturno
-9.6298***
-9.607***
-8.129***
-8.077***
(-6.86)
(-6.83)
(-6.49)
(-6.48)
Branco
5.3129***
5.358***
5.720***
5.5928***
(3.97)
(4.03)
(4.66)
(4.59)
Tem computador
6.74***
6.6565***
3.8035***
4.0427***
(4.44)
(4.47)
(2.95)
(3.13)
Mora com a mãe
1.173
1.724
0.54311
1.0763
(0.58)
(0.87)
(0.33)
(0.67)
Mãe possui faculdade
-1.573
-1.916
-4.3629**
-4.3796**
(-0.72)
(-0.85)
(-2.04)
(-2.05)
Tem mais de 3 irmãos
-6.312***
-6.2345***
-5.239***
-5.195***
Entrou com mais de 7 anos na escola
(-4.36)
(-4.32)
(-4.43)
(-4.32)
-3.98**
-4.0403**
-3.152*
-3.317*
(-2.11)
(-2.15)
(-1.85)
(-1.95)
Já abandonou a escola
-8.597***
-8.686***
-12.707***
-13.292***
(-3.24)
(-3.3)
(-5.6)
(-5.82)
Pais participam de reunião
13.747***
13.649***
12.153***
12.086***
(9.38)
(9.3)
(8.01)
(7.95)
2.306
2.25435
2.7497
2.5969
(0.97)
(0.96)
(1.22)
(1.17)
2.854
3.1516
4.5062*
4.8734**
Diretor
É diretor a mais de 5 anos
Alunos utilizam laboratórios
Constante
Binárias regionais
F
R2
Observações
(1.02)
(1.16)
(1.84)
(2.06)
199.158***
203.822***
201.774***
13.462**
(25.95)
(33.46)
(26.26)
(2.26)
sim
sim
sim
sim
30.88
31.59
35.87
36.82
0.1563
0.1572
0.1397
0.1415
4574
4598
4575
4599
Obs:Erro padrão robusto com cluster por escolas; ***significante a 1%; **significante a 5% e *significante a 10%
34
Os resultados obtidos são muito semelhantes aos do 6º ano. Escolas que possuem alta
proporção de professores com pós-graduação ou com mais de 4 cursos de formação
continuada não foram fatores importantes para explicar o diferencial de desempenho para os
alunos de 8º ano.
Os meninos continuam apresentando menor desempenho em língua portuguesa
(menos 12 pontos) e maior desempenho em matemática (3,5 pontos). Alunos brancos estão
associados a melhor desempenho em língua portuguesa e matemática, ao redor de 5,5 pontos
a mais. Ademais, frequentar a pré-escola melhora o desempenho em matemática e em língua
portuguesa, entre 5,5 e 7 pontos na escala de proficiência.
Novamente, a repetência (13,7 a 14,8 pontos), o abandono (8,5 a 13 pontos), a
entrada tardia (3 a 4 pontos) e a participação no contra-turno (8 a 9,5 pontos) estão associados
ao menor desempenho do aluno.
Ter pais participantes da vida escolar do aluno, isto é, indo às reuniões e tendo
recursos em casa, como computadores para os alunos realizarem suas atividades, impactam
positivamente o desempenho, entre 12 e 13,7 e entre 4 e 7 pontos, respectivamente.
Entretanto, famílias grandes com mais de 3 irmãos, estão associadas a menor desempenho, ao
redor de 5 e 6 pontos.
Com relação ao diretor, novamente a sua experiência não foi importante para explicar
a proficiência e se o diretor declara que os alunos utilizam o laboratório, afetou positivamente
e significativamente (10%) somente os alunos de matemática.
6.7. Os determinantes do desempenho escolar dos alunos – padronizado todas as
séries
Nessa seção foi utilizado o mesmo modelo anterior, entretanto os valores da
proficiência foram padronizados. Dessa forma, obteve-se os desvios em relação a média
padronizados pelo desvio padrão para cada aluno, ou seja:
,
Onde
,
;, < =
+
é a proficiência padronizada do aluno i, ;, é a proficiência obtida pelo
aluno i, = é a proficiência média por ano (4º, 6º ou 8º) e +
é o desvio padrão por ano.
Com esses resultados foi possível analisar todos os alunos independentemente da série que
estão cursando no momento da pesquisa. Com essa modificação na variável dependente,
espera-se que os coeficientes obtidos sejam consideravelmente menores, pois se trabalha com
a média dos desvios e não com a média da proficiência.
35
Observa-se que o número de observações sobe consideravelmente (mais de 12.000) e
como os dados de professores e diretores estão por escola, a análise conjunta de todos os
alunos parece mais indicada.
Os resultados dos determinantes da proficiência padronizada para todos os alunos são
apresentados na tabela 9. As primeiras duas colunas apresentam os resultados para língua
portuguesa e as últimas duas colunas apresentam os resultados para matemática,
incorporando todas as três séries analisadas.
Com base nesses resultados, observa-se que escolas que possuem alta proporção de
professores que fizeram pós-graduação tem efeito positivo e significativo no desempenho
médio do alunos em 0,16 pontos na nota padronizada. Entretanto, escolas que possuem alta
proporção de professores com mais de 4 cursos de formação continuada não apresentam
médias distintas de outras escolas.
De forma consistente com os resultados anteriores os meninos possuem menor
desempenho em língua portuguesa (-0,17) e maior em matemática (0,1). Se o aluno se
declarar branco ele possui em média maior nota (0,1 pontos proficiência padronizada). A
frequência a pré-escola também é importante para explicar o maior desempenho do aluno
(entre 0,1 e 0,12)
A repetência, o abandono, a entrada tardia e a participação no contra-turno estão
sistematicamente e consistentemente relacionados ao baixo desempenho de alunos. Assim
repetir impacta em -0,35, abandonar pelo menos uma vez -0,25, entrar com mais de 7 anos em
-015 e participar do contra-turno entre -0.16 e -0.20. Aparentemente, as dificuldade e
desinteresse dos alunos e a incapacidade de a escola lidar com esses alunos estão impondo um
menor desempenho. As atividades de contra-turno surgem como uma alternativa para a
escola lidar com os alunos com maior dificuldade, nota-se que essas estão sistematicamente
associadas ao menor desempenho.
A participação da família na educação mostra-se bastante eficiente para melhorar o
desempenho do aluno. Alunos que moram com a mãe e cujos pais participam de reuniões
possuem melhor desempenho, com valores entre 0,05 e 0,34 pontos na proficiência
padronizada. A estrutura domiciliar para o estudo do aluno parece importante, pois aqueles
que possuem computador em casa obtêm de 0,10 a 0,12 pontos a mais do que os que não
possuem.
36
Tabela 9 – Determinantes do desempenho padronizado em língua portuguesa e matemática
dos alunos de 4º , 6º e 8o anos do ensino fundamental, pesquisa BNDES 2012
Variáveis
Professor
Pós em educação
Variável dependente -Proficiência - OLS
Língua Portuguesa
Matemática
Proficiência
Proficiência
Proficiência
Proficiência
padronizada - todas
padronizada - todas
padronizada - todas
padronizada - todas
0.1661**
0.1631*
(2.04)
(1.92)
Possui mais de 4 cursos de formação
continuada
Aluno
Masculino
-0.027159
-0.060
(-0.39)
(-0.85)
-0.1787***
-0.1777***
0.0992***
(-10.12)
(-9.96)
(6.15)
0.1014***
(6.24)
Frequentou pré escola
0.0989***
0.1017***
0.123***
0.124***
(4.76)
(4.95)
(6.83)
(6.9)
Repetiu de ano
-0.3609***
-0.364***
-0.3582***
-0.3608***
(-15.86)
(-16.41)
(-15.99)
(-16.28)
Participa do contraturno
-0.1939***
-0.1962***
-0.1647***
-0.1647***
(-10.03)
(-10.03)
(-8.77)
(-8.75)
Branco
0.0963***
0.0971***
0.1112***
0.1098***
(5.06)
(5.09)
(5.9)
(5.85)
Tem computador
0.1276***
0.1273***
0.0933***
0.0972***
(5.72)
(5.77)
(4.18)
(4.4)
Mora com a mãe
0.0596**
0.0645**
0.0493*
0.0515*
(2.17)
(2.36)
(1.87)
(1.96)
Mãe possui faculdade
0.0113
0.00815
0.0215
0.0217
(0.35)
(0.25)
(0.69)
(0.7)
Tem mais de 3 irmãos
-0.1545***
-0.1546***
-0.123***
-0.124***
(-7.7)
(-7.65)
(-6.51)
(-6.49)
Entrou com mais de 7 anos na escola
-0.1523***
-0.158***
-0.142***
-0.149***
(-5.47)
(-5.76)
(-5.46)
(-5.76)
Já abandonou a escola
-0.247***
-0.245***
-0.2422***
-0.246***
(-9.08)
(-9.04)
(-9.13)
(-9.47)
Pais participam de reunião
0.3392***
0.3404***
0.332***
0.3345***
(15.84)
(15.91)
(15.52)
(15.81)
0.0891**
0.0884**
0.0749*
0.0739*
(2.11)
(2.07)
(1.75)
(1.72)
0.0936*
0.1014**
0.1535***
0.161***
Diretor
É diretor a mais de 5 anos
Alunos utilizam laboratórios
Constante
Binárias regionais
F
R2
Observações
(1.91)
(2.05)
(3.36)
(3.44)
-0.4733***
-0.355***
-0.736***
-0.60***
(-4.82)
(-4.44)
(-6.88)
(-7.05)
sim
69.58
0.1769
12606
sim
68.52
0.1759
12620
sim
54.11
0.1660
12607
sim
56.04
0.1662
12621
Por fim, diretor com maior experiência está associado a alunos com melhor
desempenho, ou seja, para aqueles diretores que estão exercendo a atividade por mais de 5
anos, o desempenho médio dos alunos é de aproximadamente 0,08 pontos maior. E para
aqueles diretores que declararam ter laboratório para aulas práticas, o desempenho médio
dos alunos foi de 0,1 a 0,15 pontos na proficiência padronizada.
37
7. Conclusões
Esse estudou objetivou compreender os determinantes da busca por aperfeiçoamento
feita pelo professor e qual o efeito desse sobre o desempenho dos alunos. Dessa forma, duas
análises distintas e complementares foram elaboradas.
Na primeira, com o banco de dados para professores, foi analisado os determinantes
do número de cursos de formação continuada realizada pelo professor nos últimos cinco anos,
utilizando o modelo Poisson para dados em contagem. Também foi analisado os
determinantes da realização de cursos de pós graduação em educação utilizando-se do
modelo Probit de escolhas binárias.
A segunda considerou a base de dados para alunos e foi analisado, via mínimos
quadrados ordinários, os determinantes do desempenho dos alunos. Especificamente, o efeito
da pós graduação e dos cursos de formação continuada sobre o desempenho.
Os resultados da primeira análise para os professores mostram que homens fazem
menos cursos de formação continuada, mas não ha diferença em relação a mulher na decisão
de realizar pós-graduação. Professores brancos realizam mais cursos de formação, mas não
tem efeito significativo sobre a realização de cursos de pós-graduação. Outra importante
característica do professor é a idade, onde professores mais velhos tem maior probabilidade
de realizarem cursos de pós graduação mas não é importante para explicar o número de
cursos de formação continuada.
A percepção de utilização do conhecimento adquirido pelo professor em sala de aula
foi importante para explicar a realização de cursos de formação continuada e de pósgraduação. Aparentemente, o professor se sente estimulado pela utilização do conhecimento
em sala e, dessa forma, realiza mais cursos de formação continuada e de pós graduação. Outra
variável que está associada ao envolvimento do professor é se conhece o IDEB da escola que
leciona, aqueles que conhecem acabam fazendo mais cursos de formação continuada, apesar
de não ter efeito sobre a pós graduação.
Em contraponto, escolas que possuem alto índice de abandono, desestimulam os
professores a realização de cursos de formação continuada e pós graduação, assim existe uma
associação negativa entre aperfeiçoamento do professor e a proporção de alunos que
abandonaram na escola.
Por fim, se o diretor libera recursos para formação continuada há estimulo para os
professores realizarem mais cursos de formação continuada, entretanto essa liberação afetou
negativamente a realização de pós graduação. Provavelmente essas duas modalidades de
cursos estão competindo pelo tempo do professor e se há estímulo claro a uma delas a outra
38
fica relativamente mais cara de ser realizada. Além disso, cursos de pós graduação são mais
extensos em termos de horas do que os cursos de formação continuada.
Os resultados da segunda análise, sobre desempenho dos aluno, apontam que a
proporção de professores com pós-graduação na escola afeta positivamente a proficiência,
apesar desse resultado não se manter em todas as séries analisadas. Entretanto, as escolas
com alta proporção de professores com quatro ou mais cursos de formação continuada não
apresentaram resultado significativo para explicar o desempenho dos alunos.
Com relação às características dos aluno, observa-se que meninos desempenham
sistematicamente melhor em matemática e pior em língua portuguesa. Além disso, alunos que
frequentaram a pré-escola ou são brancos possuem melhor desempenho médio. As
características prévias do aluno também são importantes, aqueles que participam do contraturno, que repetiram ou que já abandonaram possuem desempenho médio menor em termos
de proficiência.
A família possui papel de destaque para explicar o desempenho, alunos que moram
com a mãe, que possuem menos de 3 irmãos ou os pais participam de reuniões apresentam
desempenho médio maior.
Por fim, diretores com mais tempo de experiência ou que declaram que utilizam
laboratórios nas aulas da sua escola apresentaram relação positiva com o desempenho dos
alunos.
Dessa forma, percebe-se que o ambiente escolar, incluindo desde a característica dos
alunos até a gestão do diretor, pode estimular o docente a se aperfeiçoar e esse
aperfeiçoamento pode afetar positivamente o desempenho do aluno.
Referências Bibliográficas
AKERHIELM, K. Does Class Size Matter? Economics of Education Review, v. 14, n. 3, p. 229-241,
1995.
ANGRIST, J. D.; LAVY, V. Does teacher training affect pupil learning? Evidence from matched
comparisons in Jerusalem public schools. Jornal of Labor Economics, v. 19, n. 2, 2001.
BAUER, A. Avaliação de impacto de formação docente em serviço: o programa Letra e Vida.
2011. 131 f. Tese (Doutorado) – Faculdade de Educação, Universidade de São Paulo, São Paulo,
2011.
BARBER, M.; MOURSHED, M. How the world’s best performing school systems come out on
top. Mckinsey & Company, 2007.
BECKER, G. Investment in Human Capital: Theoretical Analysis. Journal of Political
Economy.v.70, n. 5(2), 1962
39
BOYD, D.; PAM, G.; LANKFORD, H.; LOEB, S.; WYCKOFF, J. How changes in entry requirements
alter the teacher workforce and affect student achievement. Education Finance and Policy 1, n.
2 (Spring): p. 176-216, 2006.
BOYD, D.; LANKFORD, H.; ROCKOFF, J. E.; LOEB, S.; WYCKOFF, J. The Narrowing Gap in New
York City Teacher Qualifications and Its Implications for Student Achievement in High-Poverty
Schools. Journal of Policy Analysis and Management 27, n. 4 (Fall): 793 -818, 2008.
COLEMAN, J.S. et al. Equality of educational opportunity. Washington: U.S. Government
Printing Office, 1966.
FONTANIVE, N. S.; KLEIN, R. O Efeito da Capacitação Docente no Desempenho dos Alunos:
Uma Contribuição para a Formulação de Novas Políticas Públicas de Melhoria da Qualidade da
Educação Básica. Revista Iberoamericana de Evaluación Educativa. v. 3, n. 3, 2010.
GLEWWE, P.W.; HANUSHEK, E.A.; HUMPAGE, S.D.; RAVINA, R. School Resources and
Educational Outcomes in Developing Countries: A Review of the Literature from 1990 to 2010.
NBER Working Papers, n.17554, National Bureau of Economic Research, 2011.
HANUSHEK, E.A. The trade-off between child quantity and quality. Journal of Political
Economy, Vol. 100, n. 1, pp. 84-117, Fev., 1992.
HANUSHEK, E.A.; RIVKIN, S.G. The Teacher Quality. In: HANUSHEK, E. A.; WELCH, F.(Org.).
Handbook of the Economics of Education, v. 2, ed. Elsevier, 2006.
JORDAN, H. R.; MENDRO, R.L.; WEERASINGHE, D. Teacher Effects on Longitudinal Student
Achievement. A Preliminary Report on Research on Teacher Effectiveness Presented at the
CREATE Annual Meeting, Indianapolis, July 1997.
KANE, T.J.; ROCKOFF, J.E.; ESTAIGER, D.O., What does certification tell us about teacher
effectiveness? Evidence from New York City. Economics of Education Review 27, n. 6, p. 615631, Dez. 2008.
LEVIN, J. For whom the reductions count: A quantile regression analysis of class size and peer
effects on scholastic achievement. Empirical Economics, v.26, p. 221-246, 2001.
LOCHNER, L. Non-Production Benefits of Estimation: Crime, Health, and Good Citizenship,
National Bureau of Economic Research, 2011.
MINCER, J. Human Capital and Economic Growth. National Bureau of Economic Research, n.
803, 1981.
SANDERS W.L.; RIVERS, J.C. Cumulative and Residual Effects of Teachers on Future Student
Academic Achievement. Research Progress Report, 1996.
Site MEC:
http://portal.mec.gov.br/index.php?option=com_content&view=article&id=15944:programasdo-mec-voltados-a-formacao-de-professores
40
A relação entre a adoção de métodos estruturados de ensino e o desempenho escolar no ensino
fundamental
André Portela Fernandes de Souza+
Vladimir Pinheiro Ponczek+
Priscilla Albuquerque Tavares+
1. Introdução
Nos últimos 15 anos, o debate educacional no Brasil tem se concentrado em discutir políticas
que visem à melhoria do aprendizado. Uma destas estratégias, iniciada na década de 1990, foi a
descentralização do sistema educacional – caracterizada pela transferência da gestão das escolas de
ensino básico dos Estados para os municípios. Como parte deste processo, os municípios adquiriram
autonomia para estabelecer o currículo escolar, respeitando normas federais, bem como para
escolher o material didático-pedagógico adotado nas escolas das redes municipais. Isto inclui a
possibilidade de contratação de serviços educacionais de organizações privadas.
Nesse caso são firmados acordos com essas instituições privadas, contratadas para
desenvolver e fornecer o material didático usado pelos alunos e o material pedagógico para os
professores, de forma a padronizar e sistematizar as aulas, além de treinamentos para os
professores. Nos últimos dez anos, no estado de São Paulo, cerca de um terço dos municípios
contrataram instituições privadas que forneceram o que se convencionou chamar de métodos
estruturados de ensino.
A experiência brasileira trouxe uma novidade: o desenvolvimento de um mercado privado de
métodos estruturados de ensino em resposta à demanda do setor público. Embora não haja
competição entre as escolas públicas municipais, existe uma competição entre instituições privadas
para desenvolver e fornecer métodos estruturados para os sistemas públicos municipais de ensino. O
uso de sistemas privados em escolas públicas não é propriamente novo. Nos Estados Unidos, por
exemplo, existem as chamadas charter schools, que se tornaram populares entre os formuladores de
política por juntar os benefícios da competição privada sem comprometer o controle e supervisão do
governo. Estas escolas incluem tanto elementos públicos quanto privados. Embora elas tenham
autonomia para se desenvolverem de forma independente e tomar decisões, elas ainda dependem
do financiamento público e o estado tem responsabilidade sobre seu desempenho.
+
Escola de Economia de São Paulo da Fundação Getulio Vargas (EESP/FGV).
1
Da forma parecida com as charter schools, as escolas em municípios que adotam métodos
estruturados são financiadas e supervisionadas pelo setor público, mas são administradas de forma
privada no que diz respeito a decisões pedagógicas e de conteúdo curricular. No entanto, sua
extensão é maior que a das charter schools, já que a adoção de métodos estruturados é válida para
todas as escolas daquele município que faz esta opção. Nesse sentido, não existe uma competição
entre escolas públicas regulares e escolas públicas que adotam métodos estruturados dentro de um
município. Por outro lado, a adoção de métodos estruturados pode ser considerada mais restritiva
que as charter schools em termos da capacidade de tomar decisões, uma vez que a primeira tem
autonomia para decidir apenas sobre o conteúdo curricular e questões pedagógicas. Decisões a
respeito da alocação de recursos humanos (como contratações, demissões e transferências de
professores e diretores) permanecem nas mãos das autoridades públicas dos municípios.
No Brasil, a adoção de material didático privado é mais frequente em redes municipais.
Entretanto, as redes estaduais também vêm estabelecendo estratégias para a unificação do currículo
e a implantação de materiais estruturados, como subsídio aos professores para o planejamento,
preparo e condução das aulas. O caso da rede estadual de São Paulo ilustra uma destas experiências.
Em 2007, foi criado o Programa São Paulo Faz Escola, com o objetivo de implantar o currículo
pedagógico único para todas as escolas da rede. Para concretizar a unificação do currículo, a
estratégia foi adotar material apostilado para os alunos e um material único para os professores, que
organiza e indica o conteúdo a ser ministrado em cada aula e sugere estratégias de ensinoaprendizagem, bem como a adoção de materiais complementares. O programa ainda conta com
treinamento de professores para o uso do material, por meio de cursos à distância.
Neste sentido, o material didático oferecido pelas redes estaduais também se caracteriza
como método estruturado, uma vez que, além de estruturar os conteúdos curriculares e as
atividades pedagógicas por meio de materiais didáticos destinados a alunos e professores, ainda
oferece capacitação e assessoria pedagógica ao corpo docente e permite a supervisão do
cumprimento do currículo pelos gestores.
Em princípio, os efeitos do uso de métodos estruturados sobre o aprendizado não são
inequívocos. A ideia por trás do uso deste tipo de material é estruturar o conteúdo que deve ser
absorvido pelos alunos. No entanto, muito críticos ao seu uso argumentam que os professores
acabam tendo pouca liberdade sobre o currículo, além de terem sua habilidade de ensinar
comprometida. Além disso, embora os materiais apresentem tentativas inovadoras de ensino, isso
não significa que estas são de fato utilizadas pelos professores, já que para isso é necessário que eles
disponham de tempo e disposição para assimilar aquele conteúdo e utilizá-lo em suas aulas, o que
nem sempre se observa na prática.
2
O conteúdo ensinado pelos professores está fortemente relacionado ao entendimento
destes do material, às suas crenças sobre o que é realmente relevante, à sua percepção do que seus
alunos conseguem assimilar e, finalmente, à visão dos professores sobre o contexto escolar, o que
faz com que o currículo seja em grande parte moldado pelos próprios professores, ou seja, nem tudo
o que está no material proposto é realmente passado em sala de aula. Por outro lado, os materiais
didáticos podem ser úteis se conseguirem ajudar os professores a programar melhor o
desenvolvimento do conteúdo ao longo do ano letivo e a antecipar como as atividades propostas
podem se desenvolver (possíveis respostas de alunos, exemplos de possíveis problemas que podem
acontecer durante a realização das atividades, entre outros).
Sendo assim, conhecer os impactos da utilização de sistemas de ensino torna-se uma
questão empírica. O objetivo deste estudo é fornecer evidências sobre a relação entre a adoção de
métodos estruturados de ensino e o desempenho escolar no ensino fundamental, em escolas
públicas. O texto se organiza da seguinte forma: a próxima seção apresenta uma breve revisão da
literatura; a seção 3 discute os dados e a metodologia utilizados e apresenta estatísticas descritivas; a
seção 4 mostra e discute os resultados e a seção 5 tece considerações finais.
2. Revisão Bibliográfica
As evidências internacionais do impacto dos insumos escolares sobre o desempenho dos
alunos, especialmente em relação a materiais pedagógicos são ambíguas. Lockheed e Hanushek
(1987) mostram que a provisão de livros texto era, em média, o programa mais custo-efetivo em
comparação ao treinamento de professores, rádio interativa, escolas técnicas, tutoria e aprendizado
cooperativo em países em desenvolvimento.
O Banco Mundial relata estudos similares. Nas Filipinas a provisão de material combinada à
parceria entre pais e professores teve um impacto positivo sobre o desempenho e contribuiu para a
redução da evasão escolar, sendo mais custo-efetiva que a provisão de livros-texto exclusivamente.
Na Nicarágua, a experiência da adoção de um programa de provisão de livros-texto que incluía o
monitoramento de seu uso em sala de aula teve um efeito positivo sobre o desempenho dos alunos
em termos de nota, mas mostrou-se menos efetiva que um programa de rádio educativa. Glewee,
Kremer e Moulin (2007) mostram que a provisão de livros-texto no Quênia teve impacto positivo
sobre o desempenho dos alunos, mas apenas daqueles que já eram os melhores.
O impacto do treinamento de professores em serviço sobre o desempenho dos alunos
também é ambíguo. Angrist and Lavy (2001) mostram que o treinamento de professores em serviço
em Jerusalém aumentou as notas em provas dos alunos do ensino básico de escolas públicas e foi
3
mais custo-efetivo que reduzir o tamanho das turmas ou aumentar a carga horária de aulas. Por
outro lado, Jacob e Lefgren (2004) não encontraram impacto de aumentos marginais no
desempenho que sejam fruto do treinamento de professores em serviço no sistema público de
ensino de Chicago.
Esses resultados nos levam a crer que políticas combinadas são mais efetivas que as isoladas.
Este é justamente o ponto central dos métodos estruturados, que englobam a organização curricular,
a provisão de materiais pedagógicos e o treinamento de professores.
Para o caso brasileiro, há poucas evidências sobre a eficácia deste tipo de política. O trabalho
de Leme et. al. (2012) realiza o esforço de coletar as informações das redes municipais paulistas
sobre a adoção de métodos estruturados. Os autores estimam a relação entre o uso destes materiais
(combinado com treinamento e assessoria didático-pedagógica a professores) e o desempenho dos
alunos do ensino fundamental (5º e 9º anos) nos exames de língua portuguesa e matemática da
Prova Brasil. Os resultados apontam que as redes municipais que adotaram métodos estruturados
depois de 2005 obtiveram maiores ganhos de proficiência entre 2005 e 2007 na Prova Brasil,
comparativamente às redes que não possuem estes recursos. Entretanto, não é possível tomar este
resultado como impacto causal da adoção de métodos estruturados, uma vez que pode haver
seleção das redes que optam por contratar estes serviços educacionais privados.
3. Dados, Estatísticas Descritivas e Metodologia
Neste capítulo, o estudo da relação entre a adoção de métodos estruturados e o
desempenho escolar é realizado a partir da utilização dos microdados coletados pela pesquisa de
campo que faz parte do âmbito do Projeto BNDES – Impacto de Políticas Públicas Educacionais
Selecionadas no Desempenho Escolar de Alunos da Rede Pública de Ensino.
A pesquisa, que foi a campo no segundo semestre de 2012, incluiu a realização de testes de
proficiência nas disciplinas de língua portuguesa e matemática a 35.903 estudantes do ensino
fundamental (11.536 no 4º ano; 12.429 do 6º ano e 11.938 do 8º ano) em 300 escolas. Também
foram aplicados questionários aos diretores, professores e alunos. Além de coletar informações
socioeconômicas, estes instrumentos investigam aspectos relacionados a diferentes políticas
educacionais, dentre as quais a presença de métodos estruturados.
Do total de 300 escolas, 26 (9%) afirmam adotarem ou já terem adotado métodos
estruturados. A maioria delas (216 escolas – 72%) afirma nunca ter utilizado este tipo de
metodologia de ensino. Para 58 escolas (19%) esta informação não está disponível (gráfico 01). Do
4
total de alunos incluídos na pesquisa, menos de 10% estudam em escolas que possuem sistemas de
ensino: são 8% no 4º ano do ensino fundamental; 7% no 6º ano e 8% no 8º ano (gráfico 2).
Gráfico 1 – Distribuição das escolas, segundo a adoção de métodos estruturados
216
(72%)
80%
70%
60%
50%
40%
30%
58
(19%)
20%
26
(9%)
10%
0%
Adotam
Não adotam
Não responderam
Fonte: Pesquisa BNDES-2012 (Questionário do Diretor). Elaboração própria.
Com relação ao tempo de utilização do método estruturado, nove escolas (35%) adotam
métodos estruturados há cinco anos ou mais. O restante delas distribui-se quase uniformemente no
tempo de utilização de um a quatro anos (gráfico 3). Das 26 escolas que possuem métodos
estruturados, apenas uma afirma ter havido interrupções no uso do sistema de ensino, desde sua
implantação. Nesta escola, o método foi adotado há cinco anos ou mais. Assim, o tempo de adoção
do método se iguala ao tempo de uso do material em todas as escolas da amostra.
Gráfico 2 – Distribuição dos alunos expostos aos sistemas de ensino
10%
9%
960
(8%)
8%
840
(7%)
936
(8%)
7%
6%
5%
4%
3%
2%
1%
0%
4º ano
6º ano
8º ano
Fonte: Pesquisa BNDES (Questionário do Diretor e Microdados do Exame). Elaboração própria.
5
Gráfico 3 – Distribuição das escolas, segundo o tempo de uso dos sistemas de ensino
9
(35%)
40%
35%
30%
5
(19%)
25%
20%
3
(12%)
15%
4
(15%)
3
(12%)
2
(8%)
10%
5%
0%
Fonte: Pesquisa BNDES-2012 (Questionário do Diretor). Elaboração própria.
Dentre as 26 as escolas que afirmam adotar métodos estruturados, quase todas dizem
utilizar os materiais para o ensino de língua portuguesa (25) e matemática (24). Na maioria das
escolas, o material dos sistemas de ensino também é utilizado em outras disciplinas, tais como
Geografia (19 escolas), História (20 escolas) e Ciências (21 escolas). Além disso, quase todas as
escolas que adotam sistemas de ensino utilizam o material nas séries finais de cada ciclo do ensino
fundamental. Das 15 escolas que oferecem o ciclo 01, todas utilizam o material no 5º ano. Já das 12
escolas que oferecem o ciclo 02, 11 utilizam o material no 9º ano. Quase todas estendem o uso do
material para as demais séries – 1º ao 4º ano e 6º ao 8º ano (gráfico 4).
Gráfico 4 – Número de escolas, segundo o uso de material estruturado por série
30
30
25
25
20
20
15 escolas
15
10
15
13
14
12 escolas
15
14
10
13
5
11
10
10
11
7º ano
8º ano
9º ano
5
0
0
1º ano
2º ano
3º ano
4º ano
5º ano
6º ano
Fonte: Pesquisa BNDES (Questionário do Diretor). Elaboração própria.
6
A pesquisa também investigou qual é o sistema adotado pelas escolas. Para as finalidades
desta pesquisa, esta informação é de suma importância, pois ajuda a identificar quais escolas adotam
sistemas de ensino públicos ou privados.
A tabela 1 apresenta a distribuição das escolas, segundo a adoção de métodos estruturados e
o sistema de ensino que possuem. Do total das 26 escolas que adotam métodos estruturados, só é
possível afirmar que o sistema de ensino trata-se de método estruturado privado em duas escolas
que afirmam utilizar os materiais ‘SABE’ e ‘SAME’. Estas escolas localizam-se, respectivamente, em
Ribeirão Claro (Paraná) e em Santana de Parnaíba (São Paulo). Uma das escolas que adotam métodos
estruturados não respondeu qual é o tipo de sistema de ensino adotado. As demais 23 escolas
afirmam adotar ‘Outros’ métodos.
Tabela 1 – Distribuição das escolas, segundo a adoção de métodos
estruturados e tipo de sistema de ensino utilizado
Adotam
Não adotam
NAME-COC
0
0
SABE
1
0
SAME
1
0
OPET
0
0
Expoente
0
0
Outros
23
16
Não responderam
1
258
Fonte: Pesquisa BNDES-2012 (Questionário do Diretor). Elaboração própria.
É possível que estes ‘Outros’ sistemas de ensino se refiram aos materiais fornecidos pelas
secretarias de educação das redes públicas. Entre as 23 escolas que afirmam adotar métodos
estruturados de ‘Outros’ sistemas de ensino, 12 são escolas estaduais. Destas, nove estão localizadas
no Estado de São Paulo e afirmam adotar o método há 4 anos (3 escolas) ou há 5 anos ou mais (6
escolas). Sendo assim, é possível sugerir que estas unidades escolares possuem métodos
estruturados, já que a rede estadual de São Paulo adotou o Programa São Paulo Faz Escola em 2007.
As outras três escolas estaduais localizam-se nos Estados do Amazonas (Coari), Ceará (capital) e Pará
(capital).
As demais 11 escolas que dizem adotar métodos estruturados de ‘Outros’ sistemas de ensino
são municipais e estão distribuídas em diferentes Unidades da Federação: uma no Amazonas
(Manaus), uma na Bahia (Salvador), uma no Mato Grosso (Alto Taquari), três no Rio de Janeiro
(capital) e cinco em São Paulo (capital). Destas, quatro escolas afirmam que o material é fornecido
pelo governo e não é privado. Estas se localizam no Rio de Janeiro ou em São Paulo. De fato, as redes
municipais de São Paulo e do Rio de Janeiro fornecem material pedagógico, nos moldes de sistemas
de ensino estruturados.
7
Curiosamente, 16 escolas afirmam não adotar métodos estruturados, mas dizem utilizar
‘Outros’ sistemas de ensino. Seis destas escolas pertencem às redes estaduais da Bahia, Mato Grosso
do Sul, Rio de Janeiro, Rio Grande do Norte, Rio Grande do Sul e São Paulo. As outras dez localizamse em redes municipais de Rio Branco (Acre – 1 escola), Manaus (Amazonas – 1 escola), Fortaleza
(Ceará – 3 escolas), Paracuru (Ceará – 1 escola), Uberlândia (Minas Gerais – 1 escola), Barcarena
(Pará – 1 escola), Natal (Rio Grande do Norte – 1 escola), Cedro de São João (Sergipe – 1 escola). Com
exceção das escolas das redes estaduais do Rio de Janeiro e de São Paulo, não é possível afirmar que
esta informação reflita de fato a adoção de sistemas de ensino estruturados.
Na próxima seção, são apresentadas estimativas da relação entre a adoção de métodos
estruturados e a proficiência dos alunos do ensino fundamental. Esta relação é medida pelo modelo
de regressão descrito abaixo:
em que:
yis é a nota do aluno i na escola s;
MEis é a variável que indica se a escola possui métodos estruturados;
MEPis é a variável que indica se a escola possui métodos estruturados privados
Rs é uma variável que indica se a escola pertence à rede municipal;
Xis é um vetor de características dos alunos.
εis inclui características não-observáveis dos alunos e das escolas.
São estimadas regressões separadamente para cada série (4º, 6º e 8º ano do ensino
fundamental) e para cada disciplina (língua portuguesa e matemática). O vetor de características dos
alunos inclui a idade, dummies para a cor branca, menino e ter frequentado pré-escola. As
regressões ainda incluem dummies para as Unidades da Federação.
Diante da descrição acima, fica claro que a identificação das escolas que adotam e não
adotam métodos estruturados nesta base de dados não é muito simples. Sendo assim, nestes
modelos, optou-se por incluir na amostra como grupo de tratamento as escolas que afirmam adotar
métodos estruturados, independente do tipo de sistema adotado, e como grupo de controle as
escolas que afirmam não adotar métodos estruturados e que não respondem a nenhuma outra
questão relacionada ao tema. Assim, as 16 escolas que dizem adotar ‘Outros’ métodos, a despeito de
afirmarem não possuir métodos estruturados foram excluídas da amostra. A variável que indica se o
8
material adotado é proveniente de sistemas privados assume valor 1 para as duas escolas que
afirmam empregar os sistemas SAME e SABE.
4. Resultados
As tabelas 2 a 4 a seguir apresentam os resultados das regressões descritas acima,
respectivamente para o 4º, o 6º e o 8º ano do ensino fundamental.
Tabela 2 – Estimativas (4º ano do ensino fundamental)
Língua Portuguesa
Matemática
Método estruturado
10,855***
10,537***
13,093***
13,014***
(1,765)
(1,981)
(1,710)
(1,933)
Método estruturado
privado
21,788***
12,913**
18,638***
7,808
(5,424)
(5,551)
(5,256)
(5,418)
Rede Municipal
2,424*
3,074**
(1,417)
(1,383)
Menino
-5,185***
2,006*
(1,206)
(1,177)
Branco
5,542***
4,799***
(1,272)
(1,242)
Idade
-4,711***
-3,457***
(0,637)
(0,621)
Frequentou pré-escola
4,668***
4,684***
(1,295)
(1,264)
Constante
176,579*** 211,900*** 185,203*** 197,449***
(0,588)
(14,944)
(0,570)
(14,586)
Dummies de UF
Não
Sim
Não
Sim
Número de observações
6,056
4,359
6,056
4,359
Nota: Erro-padrão entre parênteses. *** p<0,01; ** p<0,05; * p<0,10.
9
Tabela 3 – Estimativas (6º ano do ensino fundamental)
Língua Portuguesa
Matemática
Método estruturado
8,752***
3,485*
10,567***
5,330***
(1,714)
(1,843)
(1,622)
(1,742)
Método estruturado
privado
-1,868
0,345
-3,347
-1,551
(6,555)
(6,554)
(6,202)
(6,196)
Rede Municipal
1,331
4,080***
(1,153)
(1,090)
Menino
-9,348***
4,364***
(0,965)
(0,913)
Branco
7,286***
7,680***
(1,066)
(1,007)
Idade
-5,102***
-5,404***
(0,425)
(0,401)
Frequentou pré-escola
9,396***
8,820***
(1,102)
(1,042)
Constante
200,346*** 238,877*** 212,704*** 245,435***
(0,495)
(8,550)
(0,468)
(8,083)
Dummies de UF
Não
Sim
Não
Sim
Número de observações
8,666
7,327
8,666
7,327
Nota: Erro-padrão entre parênteses. *** p<0,01; ** p<0,05; * p<0,10.
Tabela 4 – Estimativas (8º ano do ensino fundamental)
Língua Portuguesa
Matemática
Método estruturado
0,516
-2,874*
0,77
-0,964
(1,604)
(1,743)
(1,467)
(1,598)
Método estruturado
privado
-4,585
-4,205
5,415
1,933
(5,322)
(5,226)
(4,866)
(4,791)
Rede Municipal
0,531
-1,509
(1,191)
(1,092)
Menino
-12,773***
3,139***
0,984
0,902
Branco
8,327***
7,911***
(1,077)
0,987
Idade
-4,165***
-4,131***
0,421
0,386
Frequentou pré-escola
10,091***
7,519***
(1,172)
(1,074)
Constante
219,435*** 250,137*** 228,206*** 260,528***
0,509
(11,196)
0,465
(10,265)
Dummies de UF
Não
Sim
Não
Sim
Número de observações
8,115
7,041
8,116
7,042
Nota: Erro-padrão entre parênteses. *** p<0,01; ** p<0,05; * p<0,10.
10
Em todas as séries, a dummy que indica o gênero masculino é estatisticamente significante e
associa-se negativamente à proficiência em língua portuguesa e positivamente à proficiência em
matemática, resultado padrão encontrado na literatura. Outro resultado padrão também observado
nestas estimativas refere-se à dummy de cor ou raça, que indica correlação positiva entre a cor
branca e as notas nos exames padronizados. A idade – que reflete uma medida de atraso escolar –
associa-se negativamente ao resultado dos testes: quanto mais velho for o estudante, menor é sua
nota em língua portuguesa e matemática em qualquer série avaliada. Os coeficientes destas duas
variáveis mostram-se estatisticamente significantes em todas as regressões. Quanto à variável que
indica o momento de entrada dos estudantes na escola, os resultados encontrados mostram
associação positiva e estatisticamente significante entre a frequência à pré-escola e as notas. Este
padrão é encontrado nas regressões para língua portuguesa e matemática, em todas as séries.
A dummy que aponta se o aluno estuda em uma escola da rede municipal quase sempre
apresenta coeficiente estimado positivo (a exceção é encontrada na regressão para o 8º ano do
ensino fundamental, em matemática), indicando que estudantes das redes municipais possuem
notas mais elevadas do que os alunos das redes estaduais. Apenas nas regressões para o 4º ano e
para o 6º ano em matemática, as estimativas são estatisticamente significantes.
A variável que indica se o aluno estuda em uma escola que adota métodos estruturados de
ensino possui coeficiente positivo e estatisticamente significante nas regressões para língua
portuguesa e matemática no 4º e no 6º ano do ensino fundamental. No 8º ano, os resultados não
são robustos e o único coeficiente estatisticamente diferente de zero é negativo (regressão para
língua portuguesa, com controles). Assim, nesta base de dados, encontra-se relação positiva entre a
adoção de sistemas de ensino e as notas dos estudantes em testes padronizados, no 4º e 6º anos do
ensino fundamental. O mesmo não se pode dizer em relação ao 8º ano.
A comparação dos coeficientes das variáveis ‘métodos estruturados’ e ‘métodos
estruturados privados’ mostra a diferença de notas entre alunos que estudam em escolas com
sistemas de ensino públicos e privados. As estimativas encontradas neste estudo não permitem
afirmar inequivocamente que existam diferenças, em termo de ganhos de aprendizado, entre
métodos provenientes do governo ou de sistemas de ensino do setor privado. Isto porque o
coeficiente da dummy para métodos estruturados privados é positivo e estatisticamente diferente de
zero apenas nas regressões para o 4º ano (com exceção do modelo para matemática, com adição de
controles). Nos demais modelos, os coeficientes estimados não apresentam significância estatística.
11
É preciso ressaltar que os resultados apresentados neste estudo apontam apenas para as
possíveis relações existentes entre o fato de o aluno estudar em uma escola que adota algum
sistema de ensino, seja ele público ou privado, e suas notas em exames padronizados de proficiência.
Os resultados devem ser interpretados com cautela. Não podemos concluir que a diferença de notas
estimada seja fruto da adoção de sistemas de ensino. Em outras palavras, não podemos reivindicar
que o fato de as escolas adotarem sistemas de ensino cause o aumento observado nas notas. A
principal explicação para isto reside na existência de alguns atributos das redes e das escolas que, em
princípio, podem estar correlacionados com a decisão da escola ou rede de implantar métodos
estruturados e, ao mesmo tempo, estar correlacionado com o desempenho dos alunos. No entanto,
uma vez que não conseguimos observar estas características, mesmo que de forma imprecisa (via
proxies, por exemplo), não somos capazes de controla-las. Além disso, não somos capazes de utilizar
técnicas econométricas mais sofisticadas, que dariam conta de lidar com o problema de viés de
seleção, uma vez que estamos restritos pela natureza dos dados e pelo reduzido número de
observações - escolas que adotam métodos estruturados.
5. Estudos de caso
Nesta seção, apresentamos o estudo dos dois casos de escolas que afirmam adotar sistemas
de ensino privados (SAME e SABE), presentes no banco de dados da pesquisa de campo do Projeto
BNDES – Impacto de Políticas Públicas Educacionais Selecionadas no Desempenho Escolar de Alunos
da Rede Pública de Ensino.
A escola que adota o sistema SAME localiza-se em Santana de Parnaíba (São Paulo), pertence
à rede municipal e oferece o primeiro e o segundo ciclos do ensino fundamental. Nos exames de
língua portuguesa e matemática aplicados no âmbito da pesquisa, 384 alunos realizaram as provas
(96 do 4º ano, 144 do 6º ano e 144 do 8º ano). Nesta escola, o diretor é do sexo masculino e possui
ensino superior. O regime escolar é seriado e não organizado em ciclos. Além disso, a escola oferece
atividades de contraturno ou jornada ampliada. Já a escola que emprega o sistema SABE pertence à
rede municipal de Ribeirão Claro (Paraná) e oferece o primeiro ciclo do ensino fundamental. Esta
escola é bem menor, sendo que 48 alunos do 4º ano participaram das provas aplicadas pela
pesquisa. Esta escola é dirigida por uma mulher, que também possui ensino superior. Nesta escola,
está implantado o regime de ciclos e não há atividades realizadas no contraturno.
Estas escolas adotam métodos estruturados há quatro anos e desde que o implantaram, não
houve interrupções em seu uso. O material do sistema de ensino é utilizado em todas as séries, nas
aulas de Língua Portuguesa, Matemática, Ciências, Geografia e História. Há uma boa percepção
12
quanto à adoção de métodos estruturados nas escolas, no sentido de reduzir a dificuldade de sua
gestão (opinião do diretor), elevar a qualidade do ensino (opinião dos professores) e melhorar o
aprendizado dos alunos (opinião dos pais dos estudantes).
4º ano
6º ano
8º ano
Tabela 5 – Notas de língua portuguesa, segundo a adoção
de métodos estruturados e o tipo de sistema
Não
Adotam
SAME
SABE
Outros
adotam
189,5
175,4
197,5
236,1
183,3
208,9
200,1
207,2
209,1
219,6
219,4
215,4
219,9
Fonte: Pesquisa BNDES-2012 (Microdados dos exames). Elaboração própria.
Entre as escolas que empregam sistemas de ensino, as notas médias em língua portuguesa
são mais elevadas do que entre as demais escolas, principalmente no 4º e no 6º ano do ensino
fundamental. No 4º ano, as notas médias de língua portuguesa nas escolas que adotam sistemas
privados são maiores do que as observadas nas escolas que utilizam outros métodos. Já no 6º e no 8º
ano, ocorre o inverso: as médias nesta disciplina são menores na escola que utiliza o sistema SAME
do que nas outras escolas que empregam métodos estruturados (tabela 5).
4º ano
6º ano
8º ano
Tabela 6 – Notas de matemática, segundo a adoção
de métodos estruturados e o tipo de sistema
Não
Adotam
SAME
SABE
adotam
200,1
184,3
200,4
254,7
223,1
212,4
219,9
229,4
228,1
234,4
Outros
192,8
223,3
228,9
Fonte: Pesquisa BNDES-2012 (Microdados dos exames). Elaboração própria.
Na disciplina de matemática, também são observadas notas médias mais elevadas entre as
unidades escolares que adotam sistemas de ensino, especialmente no 4º e no 6º ano do ensino
fundamental. No 4º ano, as escolas que usam métodos privados possuem médias em matemática
mais elevadas do que nas escolas que utilizam outros métodos. O mesmo ocorre no 8º ano, em que a
escola que adota o sistema SAME possui nota média nesta disciplina do que nas demais escolas.
Entretanto, no 6º ano ocorre o inverso (tabela 6).
6. Considerações Finais
A adoção de sistemas de ensino por escolas públicas vem crescendo no Brasil. Em princípio,
os efeitos do uso de métodos estruturados sobre o aprendizado dos alunos não são inequívocos. O
13
uso destes métodos pode auxiliar as escolas a estruturar e organizar o currículo, além de ajudar os
professores na preparação e desenvolvimento das aulas, com propostas pedagógicas mais
inovadoras. Por outro lado, a eficácia da utilização destes materiais depende da aceitação e da
adaptação dos professores ao conteúdo e práticas pedagógicas propostos. Assim, conhecer os
impactos da utilização de sistemas de ensino torna-se uma questão empírica. Este estudo teve como
principal objetivo fornecer evidências sobre a relação entre a adoção de métodos estruturados de
ensino e o desempenho escolar no ensino fundamental, em escolas públicas.
Os resultados indicam uma relação positiva entre a adoção de sistemas de ensino e as notas
dos estudantes em testes padronizados, no 4º e 6º anos do ensino fundamental. O mesmo não se
pode dizer em relação ao 8º ano. Além disso, as estimativas encontradas neste estudo não permitem
afirmar inequivocamente que existam diferenças, em termo de ganhos de aprendizado, entre
métodos provenientes do governo ou de sistemas de ensino do setor privado. Estes resultados
devem ser interpretados com cautela. Não é possível inferir que a diferença de notas encontrada seja
causada pela adoção de sistemas de ensino, já que deve haver diversas características das redes e
das escolas que podem, ao mesmo tempo, correlacionar-se com a decisão de implantar métodos
estruturados e com o aprendizado dos estudantes. Entretanto, não somos capazes de observar estes
atributos e, portanto, de controla-los. Ademais, a natureza dos dados e o baixo número de
observações (escolas que adotam métodos estruturados), não nos permitem empregar técnicas
econométricas mais sofisticadas, que lidem com os possíveis problemas de viés de seleção.
Referências Bibliográficas
ANGRIST, J.; LAVY, D. V. Does Teacher Training Affect Pupil Learning? Evidence from Matched
Comparisons in Jerusalem Public Schools. Journal of Labor Economics, v. 19, n. 2, p. 343-369, 2001.
GLEWWE. P.; KREMER, M.; MOULIN, S. Many Children Left Behind? Textbooks and Test Scores in
Kenya. NBER Working Paper Series WP n. 13300, 2007.
JACOB, B.; LEFGREN, L. The Impact of Teacher Training on Student Achievement: Quasi-Experimental
Evidence from School Reform Efforts in Chicago. Journal of Human Resources, v. 39, n. 1, 2004.
LEME, M. C.; LOUZANO, P.; PONCZEK, V.; DE SOUZA, A. P. F. The Impact of Structured Teaching
Methods on the Quality of Education in Brazil. Economics of Education Review, v. 31, p. 850-860,
2012.
LOCKHEED, M.; HANUSHEK, E. Improving the Efficiency of Education in Developing Countries: Review
of the Evidence. Discussion Paper Education and Training Series. The World Bank, 1987.
14
Identificação e Análise das Experiências de Sucesso Educacional
Tufi Machado Soares∗
Amaury Patrick Gremaud+
1. Introdução
Um elemento chave na pesquisa sobre eficácia escolar é o seu foco longitudinal (cf. Ferrão
& Couto, 2013). No entanto, existe no Brasil uma carência de estudos longitudinais, e as medidas de
desempenho dos alunos acabam sendo obtidas em estudos transversais, particularmente, por meio
das avaliações em larga escala como a Prova Brasil. Nesse contexto, para compensar essa limitação, o
presente estudo procura avaliar as medidas de proficiências em anos escolares não avaliados
habitualmente nas avaliações em larga escala tradicionais. Por outro lado, a identificação de escolas
que apresentam bons resultados educacionais,vis a vis o perfil socioeconômico e cultural familiar de
seu aluno, é possível por meio do emprego de modelos com estruturas hierarquizadas.
Dois estudosforam realizados neste trabalho. No primeiro, emprega-se uma metodologia
que considera o efeito da condição socioeconômica nos resultados dos alunos (que será apresentada
na seção 2.2), no qual as escolas são divididas em três grupos: 40 de maiores valores agregados, 40
de menores valores agregados, e as demais.Procura-se, então, identificar e analisar as variáveis
escolares que se diferenciam entre os dois grupos de escolas de maiores e menores valores
agregados. O objetivoé tentar explicar as experiências de maior sucesso educacional em comparação
com as de menor sucesso. São usadas, para isso, as bases de dados do projeto BNDES, do Censo
Escolar e da Prova Brasil. No segundo estudo, por meio de modelos lineares hierárquicos é analisada
a associação das variáveis relacionadas ao Clima Escolar das escolas, medidas através dos
instrumentos aplicados aos professores na Prova Brasil, com as proficiências dos alunos medidas nos
testes do projeto BNDES.Em ambos os estudos o foco é obter as associações entre as variáveis
escolares e as proficiências cognitivas dos alunos.
O trabalho se organiza da seguinte forma. Na seção 2 são apresentados os Indicadores e
as variáveis usadas nos estudos, os modelos e métodos analíticos incluindo os utilizados na
construção dos indicadores e na análise de associação das variáveis com os resultados dos alunos.
Nas seções 3 e 4 são apresentados os resultados encontrados para os estudos I e II.
∗
Universidade Federal de Juiz de Fora; + Faculdade de Economia, Administração e Contabilidade de
Ribeirão Preto – Universidade de São Paulo (FEA-RP/USP)
1
2. Métodos e Técnicas de Análise
2.1 Indicadores e Variáveis Utilizadas nos Estudos
Os estudos utilizaram os dados coletados no projeto BNDES, mas também dados do censo
escolar de 2012 e os dados da Prova Brasil de 2011. A seguir são apresentados os indicadores e as
variáveis empregadas nas análises.
•
Indicador deRecursos em Infraestrutura(CENSO ESCOLAR)
A base do Censo Escolar (2012) é composta, entre outros, por 43 itens que caracterizam a
infraestrutura da escola, entre eles, por exemplo, o que avalia se a escola possui sala de professores,
banheiro adaptado, recursos didáticos - como retroprojetor, DVD, acesso a internet banda larga, etc.
Uma listagem completa dos itens usados na construção desse indicador se encontra no ANEXO 2. Um
indicador de Recursos em Infraestrutura das escolas foi construídoutilizando-seessas bases de
respostas. Esse indicador foi produzido por meio de modelos da TRI de dois parâmetros e modelos
para respostas graduadasutilizando-se o software Parscale (cf.Muraki& Bock, 1995) – ver ANEXO V.
AsAnálises da dimensionalidade e da consistência interna do indicador foram realizadas por meio de
técnicas de análise fatorial para dados dicotômicos utilizando-se o software Testfact (cf.Wilson et al,
1998)– ver anexo IV para maiores detalhes. Uma descrição sucinta dessas técnicas empregadas é
apresentada nos anexos de IV a VI.
•
Indicadores do Clima Escolar (PROVA BRASIL)
As bases de dados da PROVA BRASIL (2011) forneceram os dados para construção
deindicadores ligados a algumas dimensões do Clima Escolar. Especificamente, foram utilizadas as
respostas dos professores às questões de 46 a 82. Foram utilizadas técnicas de análise fatorial para
dados ordinais, utilizando-se o software LISREL,com o objetivo de se analisar a dimensionalidade e a
consistência interna dos indicadores das dimensões do Clima Escolar avaliadas.
Quadro 1 – Constructos (Prova Brasil)
Constructos
Atribuição do baixo aprendizado às causas exógenas, intrínsecas à
escola
Atribuição do baixo aprendizado às causas exógenas, extrínsecas à
escola
Percepção do incentivo do diretor
Percepção de Coesão e trabalho em equipe
Percepção de Carência de recursos pedagógicos e financeiros
Absenteísmo de professores e alunos
Empenho do Professor de Língua Portuguesa
Empenho do Professor de Matemática
2
As medidas dos indicadores foram obtidas por meio de modelos de respostas graduadas
da TRI utilizando-se o software PARSCALE. O Quadro 01 contém a relação dos constructos obtidos
através das bases da PROVA BRASIL. Uma apresentação detalhada desses indicadores edos itens
utilizados na sua construção pode ser encontrada no ANEXO I.
•
Características da Escola Medidas no Projeto BNDES
Finalmente, a partir das bases de respostas dos alunos no projeto BNDES foram
obtidasalgumas variáveis de escola e construído um indicador de posse de recursos de informática,
cuja metodologia de construção seguiu os mesmos passos descritos na produção dos demais
indicadores. O Quadro 02 contém a relação das variáveis de escola medidas através dos
instrumentos do projeto BNDES utilizadas neste trabalho.
Quadro 2 – Variiáveis de Escola–Projeto BNDES
Variáveis
Percentual médio de escolas que oferece Atividades complementares na escola ou 2° turno (Q35)
Percentual médio de alunos que participa de atividades do contraturno (Q36)
Percentual médio de alunos que frequentam Aulas de Reforço no contraturno (Q38)
Percentual médio de alunos que participam de algum Esporte no contraturno
Percentual médio de alunos que frequentam aulas de Artes no contraturno
Percentual médio de alunos que frequentam aulas de Música no contraturno
Percentual médio de alunos que praticam algum tipo de Recreação
Percentual de alunos que praticam Outras atividades no contraturno
Percentual médio de alunos que prefeririam estudar em outra escola pública do mesmo município (Q42)
Percentual médio de alunos que alegam que suas escolas oferecem prêmios para os alunos se os
resultados da prova Brasil forem bons (Q46)
Percentual médio de alunos que alegam que seus professores ensinam “truques” e/ou “macetes” para
fazer a Prova Brasil (Q47)
Indicador de posse de recursos de Informática
2.2Cálculo dovalor agregado das escolas
Sabe-se, historicamente, que a proficiência do aluno está fortemente relacionada às
condições socioeconômicas familiares. Essa variável tem sido muito utilizada como uma variável de
controle em estudos de análise contextual. Dada à dificuldade de se inquirir o aluno diretamente
sobre a renda de sua família, foram formuladas questões que avaliavam itens de conforto (geladeira,
máquina de lavar, entre outros) eitens associados aos hábitos de caráter cultural (computadores e
livros). A partir desses itens e por meio de modelos da Teoria da Resposta ao Item – TRI(ver anexo V),
3
foi construído um indicador da condição socioeconômica dos alunos, ISE.Esse indicador reflete de
forma mais fidedigna as condições socioeconômicas e culturais dos alunos do que qualquer outro
indicador externo utilizado para classificar segmentos sociais, já que ele foi extraído da própria
população a qual se pretende estudar.
Utilizando-se de Modelos Lineares Hierárquicos (ver o anexo VI) foi possível realizar o
cálculo do valor esperado para cada aluno em ambas as disciplinas avaliadas, com base em seu ISE e
o ISE médio de sua escola. O modelo empregado é apresentado a seguir:
Yij = π 0 j + π 1 ISEij + ε ij
π 0 j = γ 0 + γ 1 ISE j + u0 j
No modelo com estrutura hierárquica apresentado acima i representa o aluno e j a sua
escola, assim, Yij representa a proficiência do aluno i na escola j, ISEij representa o índice
socioeconômico do aluno i na escola j –usado aqui, também, como uma Proxy de uma proficiência
prévia (baseline) do aluno, ISE j representa o índice socioeconômico médio da escola j, π 0 j
representa a proficiência média agregada pela escola j aos seus alunos, π1 representa o efeito da
condição socioeconômica do aluno. Note-se que, a proficiência média agregada pela escola j aos seus
alunos é representada na segunda equação da estrutura hierárquica, onde γ 0 representa a média
de proficiência agregada por todas as escolas, γ 1 representa o efeito da condição socioeconômica
medida da escola e, finalmente, u0 j representa o resíduo da proficiência agregada pela escola não
explicada pela condição socioeconômica dos alunos. Portanto, descontando-se o efeito da condição
socioeconômica dos alunos, u0 j pode ser interpretado como a parcela da proficiência agregada ao
alunopela escola.
Obtendo-se da equação acima a proficiência estimada para cada aluno, considera-se, neste
trabalho, que o valor agregado do aluno em determinada disciplina e determinado ano escolar é
igual à diferença entre a Proficiência Observada e a estimada pelo modelo. Os cálculos foram feitos
utilizando-se o software HLM for Windows 2001, versão 5.04, (cf. Stephen Raudenbush, Anthony
Bryk e Richard Congdon, 2000). Assim, para cada escola, foram calculadas seis medidas de valor
agregado, para cada um dos três anos escolares avaliados (4º, 6º e 8º) e cada uma das disciplinas:
Língua Portuguesa e Matemática.
4
Cada uma dessas medidas foi ranqueada da seguinte forma: o menor valor recebeu o
posto igual a 1, o segundo menor o valor 2 e assim por diante, até o total de escolas da amostra.
Assim, para cada escola, obtiveram-seseis diferentes postos. Finalmente, a medida final de valor
agregado da escola foi a média dos seus 6 postos. Selecionou-se, então, as 40 escolas de menores
valores agregados (denominadas, aqui, genericamente, de escolas com Baixo Valor Agregado) e as 40
de maiores valores(denominadas de escolas de Alto Valor Agregado). A análise das diferenças entre
essas escolas é o principal objetivo do trabalho.
3. Estudo I: Análise das diferenças entre as escolas de baixo e alto valor agregado
A fim de se avaliar se há diferenças estatisticamente significativas entre os dois grupos
maisextremos (o de maior e o de menor valor agregado) foram empregadosTeste t de Student, caso
os dados sejam normalmente distribuídos, e a Prova U de Mann-Whitney, caso contrário. Os
resultados são apresentados na tabela 01a seguir. As variáveis e indicadores apresentados em
negrito são as que apresentam diferenças significativas para os dois grupos.
Os resultados indicam que as variáveis associadas à existência de contraturno são muito
similares nos dois grupos analisados (de Baixo Valor Agregado e Alto Valor Agregado), exceto para os
percentuais de alunos que freqüentam aulas de reforço e aulas de música, em ambos os casos com
percentuais maiores para os alunos que pertencem a escolas ao grupo de baixo valor agregado. É
razoável supor que, provavelmente, o percentual de alunos em aulas de reforço seja maior naquelas
escolas com maior incidência de alunos com baixa proficiência, o que torna esse resultado o
esperado. Por outro lado, não há uma explicação a priori para o fato de o percentual de alunos que
assistem às aulas de música ser maior no grupo de escolas de baixo valor agregado – necessitando,
portanto, uma investigação mais detalhada. De qualquer forma, os resultados indicam que não há
grandes diferenças entre os dois grupos no que se refere à participação no contraturno, o que sugere
que os modelos de escola em tempo integral, ou outros modelos de extensão da jornada escolar,
estão produzindo muito pouco efeito nas proficiências dos alunos e na superação das desigualdades
dentro das escolas e entre as escolas.
É natural que o percentual de alunos que desejam mudar de escola seja maior nas escolas de
menor valor agregado, isso é um indicativo de que parte dos alunos percebe corretamente a
qualidade de sua escola.
Muito interessante é o resultado que indica que as escolas de mais baixo valor agregado
tendem a oferecer mais prêmios para os alunos se saírem bem nas avaliações em larga escala.
5
Provavelmente, isso indica que esse tipo de artifício torna-se dispensável ou menos necessário em
escolas que estão no grupo de mais alto valor agregado.
Tabela 1- Comparação das diversas variáveis ao longo dos grupos de valor agregado
Classificação das escolas
p-valor da
diferença
Variáveis/Indicadores
Baixo Valor
Agregado
Alto Valor
Agregado
Percentual médio de escolas que oferece Atividades
complementares na escola ou 2° turno (Q35)
53,01 (10,91)
49,8 (0,24)
0,504
Percentual médio de alunos que participam de atividades do
contraturno (Q36)
56,67 (15,1)
50,4 (0,2)
0,109
a
Percentual médio de alunos que frequentam Aulas de
Reforço no contraturno (Q38)
22,09 (10,29)
17,8 (0,15)
0,011
a
Percentual médio de alunos que participam de algum Esporte
no contraturno
36,27 (10,21)
40,5 (0,18)
0,115
a
Percentual médio de alunos que frequentam aulas de Artes
no contraturno
10,99 (6,98)
8,8 (0,07)
0,126
a
Percentual médio de alunos que frequentam aulas de
Música no contraturno
8,46 (4,33)
6,2 (0,05)
0,010
a
Percentual médio de alunos que praticam algum tipo de
Recreação
5,68 (4,52)
9,5 (0,18)
0,867
a
Percentual de alunos que praticam Outras atividades no
contraturno
16,51 (6,11)
17,2 (0,13)
0,691
a
Percentual médio de alunos que prefeririam estudar em
outra escola pública do mesmo município (Q42)
38,96 (9,81)
22,7 (0,11)
<0,001
a
Percentual médio de alunos que afirmam que suas escolas
oferecem prêmios para os alunos se os resultados da prova
Brasil forem bons (Q46)
27,86 (14,17)
17,7 (0,15)
<0,001
a
Percentual médio de alunos que alegam que seus professores
ensinam truques e/ou “macetes” para fazer a Prova Brasil
(Q47)
33,33 (11,46)
31,4 (0,17)
0,510
a
Indicador de posse de bens relacionados à Informática
0,04 (1,11)
-0,05 (1,24)
0,729
b
Indicador geral de Infraestrutura da escola (Censo Escolar)
-0,39 (1,44)
0,13 (0,65)
0,044
b
0,29 (0,94)
-0,42 (0,8)
<0,001
Atribuição do baixo aprendizado a causas exógenas ao
professor e extrínseca à escola (Prova Brasil)
0,31 (0,74)
-0,5 (1,22)
0,001
b
Percepção do incentivo do diretor (Prova Brasil)
0,17 (1,01)
0,33 (0,91)
0,469
b
Percepção de Coesão e trabalho em equipe (Prova Brasil)
0,01 (0,87)
0,18 (0,97)
0,412
b
Percepção de Carência de recursos pedagógicos e financeiros
(Prova Brasil)
0,16 (0,92)
-0,38 (0,95)
0,012
b
Absenteísmo de professores e alunos (Prova Brasil)
0,09 (0,7)
-0,58 (0,95)
0,001
b
Empenho do Professor de Língua Portuguesa (Prova Brasil)
-0,11 (0,82)
0,29 (1,03)
0,060
b
Empenho do Professor de Matemática (Prova Brasil)
-0,06 (1,08)
0,18 (0,89)
0,284
b
Projeto BNDES
a
PROVA BRASIL
Atribuição do baixo aprendizado a causas exógenas ao
professor e intrínsecas à escola (Prova Brasil)
a-Prova U de Mann-Whitney; b-Teste t de student
6
b
A diferença das médias do indicador de infraestrutura, construído a partir dos dados do
censo escolar, e cerca de 50% do desvio padrão do indicador, mostra claramente que as escolas de
mais alto valor agregado possuem uma infraestrutura bem superior as de mais baixo valor agregado.
Esse resultado, não se reflete quando o aspecto da infraestrutura avaliado é o de recursos de
informática. Nesse caso, as médias desse indicador nos dois grupos são muito similares.
Chama a atenção o fato de que nas escolas de mais baixo valor agregado as médias dos
indicadores que avaliam o grau com que os professores atribuem a causas externas a ele (intrínsecas
ou extrínsecas à escola) como responsáveis pelo baixo desempenho dos alunos são substancialmente
mais altas do que as observadas nas escolas de mais alto valor agregado. Ou seja, os professores das
escolas de mais baixo valor agregado tendem a justificar o baixo aprendizado dos alunos a problemas
sociais, falta de recursos e salários, ao baixo nível cultural dos pais dos alunos, a falta de aptidão e
esforço dos alunos, com muito mais intensidade do que os professores das escolas de alto valor
agregado. Esses resultados parecem indicar que o trabalho do professor é fundamental na explicação
das diferenças nos resultados dos alunos e que há grandes diferenças nesse trabalho entre as escolas
de baixo e alto valor agregado.Assim, tudo indica que os professores das escolas de mais alto valor
agregado sabem como promover melhor o aprendizado de seus alunos, seja qual for o perfil (de mais
alta ou mais baixa condição econômica), e, provavelmente, trabalham mais intensamente e
adequadamente nesse sentido. Os níveis de absenteísmo também são muito diferentes entre as
escolas de baixo e de alto valor agregado o que reforça a interpretação de que os professores são
muito mais dedicados nas escolas de alto valor agregado.
4. ESTUDO II:Análise Multinível para o clima escolar
Neste estudo foram analisados os efeitos dos indicadores de clima escolar obtidos das
bases de dados da PROVA BRASIL nas proficiências dos alunos avaliados no projeto BNDES.
4.1 Análise do Modelo Nulo (Partição da Variabilidade das Proficiências)
O modelo nulo permite analisar o percentual da variabilidade devido às características
individuais dos alunos e das escolas. Nota-se que, em geral, nos primeiros anos escolares do ensino
fundamental o efeito da escola é maiordo que nos anos finais; por outro lado o efeito da escola é
maior também na explicação das proficiências em Matemática do que em Língua Portuguesa.
7
Tabela 2 - Modelos Nulos
Ano 4
Língua
Matemática
Portuguesa
Escola
Aluno
Total
30%
70%
100%
33%
67%
100%
Ano 6
Língua
Matemática
Portuguesa
16%
84%
100%
22%
78%
100%
Ano 8
Língua
Matemática
Portuguesa
14%
86%
100%
16%
84%
100%
Fonte: Elaboração própria
A variabilidade da proficiência explicada ao nível do aluno aumenta de 70% a 86% em
Língua Portuguesa e de 67% a 84% em Matemática no decorrer dos anos escolares.
Consequentemente, a variabilidade da proficiência entre as escolas decai de 30% a 14% em Língua
Portuguesa e de 33% a 16% em Matemática. Ou seja, há muito mais variabilidade entre os
resultados das escolas no 1º segmento do ensino fundamental.
Esse resultado indica que é mais fácil para os gestores intervirem nos anos iniciais e/ou
que a intervenção tem se dado com maior êxito nos anos iniciais do Ensino Fundamental em alguns
sistemas do que nos anos finais. O maior efeito escola na proficiência em Matemática já foi relatado
em outros estudos e está associado ao fato de que o aprendizado em Matemática é mais
dependente dos processos escolares do que o aprendizado em Língua Portuguesa. De qualquer
forma, todos os resultados indicam grande variabilidade entre os resultados das escolas, mesmo para
os anos finais do ensino fundamental; deve-se sempre observar que o presente estudo refere-se
somente às escolas públicas brasileiras.
4.2 Análise dos Modelos com variáveis de controle e variáveis de Clima Escolar
Nos modelos produzidos para verificar o efeito das variáveis de clima escolar, utilizou-se
como controle uma medida da condição socioeconômica (ISE) dos alunos participantes do projeto
BNDES, uma variável indicadora da Raça/Cor (“Negro”) dos alunos, uma medida da defasagem idade
série e o gênero (“Masculino”). Essas variáveis de controle foram consideradas nos modelos tanto no
nível dos alunos quanto no nível das escolas, desde que estatisticamente significativas. As variáveis
de Clima Escolar foram consideradas apenas no nível da escola, o mesmo acontecendo com a
variável de Recursos em Infraestrutura. As tabelas de 03 a 08apresentam os coeficientes fixos dos
modelospara todos os anos escolares avaliados e para as duas disciplinas, sendo que apenas os
efeitos estatisticamente significativos são apresentados. Por outro lado, todos os efeitos aleatórios
considerados para o intercepto do modelo foram significativos para níveis de significância inferiores
a 0.001.
8
Tabela3 - Resultados para4° ano– Língua Portuguesa
Efeito Fixo
Coeficiente
p-valor
Intercepto γ 00
185,00
<0,001
Percentual de Alunos “Negros” na Escola γ01
-27,17
0,019
Defasagem Média na Escola γ02
-22,73
0,050
ISE Médio na Escola γ03
6,34
<0,001
Atribuição do baixo aprendizado a causas
intrínsecas a escola γ04
-4,12
<0,001
Atribuição do baixo aprendizado a causas
extrínsecas a escola γ05
-3,62
0,010
Absenteísmo de professores e alunos γ06
-2,81
0,025
Empenho do Professor de Língua Portuguesa γ07
3,73
0,001
Infraestrutura da Escola γ08
3,09
0,020
Intercepto γ10
-7,09
<0,001
Intercepto γ20
-4,12
<0,001
Intercepto β0
Cor/Raça “Negra” β1
Gênero Masculino β2
Fonte: Elaboração própria
Note-se que os resultados da literatura (ver, por exemplo, Soares (2005)),já apontam que
as proficiências dos alunos estão fortemente associadas às variáveis de controle aqui utilizadas: ISE,
Raça/Cor (“Negro”), Defasagem idade/série, e gênero (Masculino). É interessante observar que após
muitos anos e muitas políticas educacionais o quadro não se modificou e, em alguns casos, as
desigualdades pioraram. Interessantes são as diferenças de desempenho entre meninos e meninas:
aumentaram-se as diferenças em língua portuguesa em todos os anos escolares, já são significativas
as diferenças em matemática em favor das meninas nos anos escolares iniciais e diminuíram-se
consideravelmente as diferenças nos anos finais do ensino fundamental em favor dos meninos. A
escola pública está produzindo cada vez mais desigualdade entre os resultados de meninos e
meninas. Por outro lado os negros continuam em franca desvantagem educacional em relação a
brancos e pardos, mesmo quando descontado o efeito da condição econômica.
9
Tabela 4 - Resultados para 4° ano - Matemática
Efeito Fixo
Coeficiente
p-valor
Intercepto γ 00
191,64
<0,001
Percentual de Alunos “Negros” na Escola γ01
-27,39
0,035
Defasagem Média na Escola γ02
-26,50
0,013
ISE Médio na Escola γ03
5,22
0,001
Atribuição do baixo aprendizado a causas
intrínsecas a escola γ04
-4,40
<0,001
Atribuição do baixo aprendizado a causas
extrínsecas a escola γ05
-3,25
0,050
Absenteísmo de professores e alunos γ06
-4,37
0,002
Infraestrutura da Escola γ07
2,73
0,032
Intercepto γ10
-5,70
<0,001
Intercepto γ20
-1,46
0,024
Intercepto β0
Cor/Raça “Negra” β1
Gênero Masculino β2
Fonte: Elaboração própria
Tabela 5– Resultados para 6° ano – Língua Portuguesa
Efeito Fixo
Coeficiente
p-valor
Intercepto γ 00
228,16
<0,001
Percentual de Gênero Masculino na Escola
γ01
-42,05
0,001
ISE Médio na Escola γ02
9,44
<0,001
Coesão e trabalho em equipe γ03
2,29
0,011
Absenteísmo de professores e alunos γ04
-2,42
0,011
Intercepto γ10
-7,62
<0,001
Intercepto γ20
-7,46
<0,001
Intercepto γ30
-12,82
<0,001
Intercepto β0
Cor/Raça “Negra” β1
Gênero Masculino β2
Defasagem β3
37,84
e
Fonte: Elaboração própria
10
Tabela 6 – Resultados para o 6° ano - Matemática
Efeito Fixo
Coeficiente
p-valor
Intercepto γ 00
220,86
<0,001
Percentual de Alunos “Negros” na Escola
γ01
-37,30
0,001
ISE Médio na Escola γ02
8,59
<0,001
Atribuição do baixo aprendizado a causas
intrínsecas a escola γ03
-2,82
0,002
Absenteísmo de professores e alunos γ04
-3,14
0,007
Intercepto γ10
-6,96
<0,001
Intercepto γ20
4,63
<0,001
Intercepto γ30
-13,56
<0,001
Intercepto γ40
0,94
0,011
Intercepto β0
Cor/Raça “Negra” β1
Gênero Masculino β2
Defasagem β3
ISE β4
34,93
e
Fonte: Elaboração própria
Tabela 7 – Resultados para o 8° ano – Língua Portuguesa
Efeito Fixo
Coeficiente
p-valor
228,76
<0,001
ISE Médio na Escola γ01
8,21
<0,001
Intercepto γ10
-7,90
<0,001
Intercepto γ20
-10,95
<0,001
Intercepto γ30
-9,23
<0,001
Intercepto β0
Intercepto γ 00
Cor/Raça “Negra” β1
Gênero Masculino β2
Defasagem β3
37,84
e
Fonte: Elaboração própria
11
Tabela 8 - Resultados para o 8° ano - Matemática
Efeito Fixo
Coeficiente
p-valor
228,76
<0,001
ISE Médio na Escola γ01
8,21
<0,001
Atribuição do baixo aprendizado a
causas extrínsecas a escola γ02
-2,06
0,027
Intercepto γ10
-8,10
<0,001
Intercepto γ20
2,17
0,006
Intercepto γ30
-8,69
<0,001
Intercepto β0
Intercepto γ 00
Cor/Raça “Negra” β1
Gênero Masculino β2
Defasagem β3
37,84
e
Fonte: Elaboração própria
Os resultados corroboram parte da análise produzida na seção 4 (Estudo I) e, verifica-se
que quanto mais os professores atribuem a causas externas a ele (intrínsecas ou extrínsecas à escola)
como sendo causas responsáveis pelo baixo desempenho dos alunos, menor é a proficiência do
aluno. Da mesma forma, maiores níveis de absenteísmo estão associados a menores níveis de
proficiências. Note-se que o efeito dessas variáveis é bastante relevante, tendo em vista que se
supõe que os erros de medidas associados a elas sejam apreciáveis, o que tenderia a reduzir as
correlações medidas nos modelos.
5. Conclusão
Os estudos, apesar de metodologicamente diferentes, são congruentes e complementares.
Duas conclusões principais emergem naturalmente de toda análise produzida. A primeira é de que as
características do professor são cruciais na explicação dos níveis de proficiências. E a despeito da
quase homogeneidade salarial desses professores, existem substanciais diferenças nos resultados
apresentados entre as escolas. As parcelas dessasdiferenças nos resultados que podem ser atribuídas
às escolas são mais pronunciadas nos primeiros anos do ensino fundamental do que nos anos finais,
e outros estudos mostram que continuam diminuindo ao longo do ensino médio. Provavelmente, as
políticas educacionais até agora implantadas, ou se destinam em sua maioria para o primeiro
segmento do ensino fundamental, ou apresentam efeito mais expressivo para essa etapa escolar. Há,
naturalmente, duas direções de investigação do funcionamento dos processos escolares do segundo
segmento do ensino fundamental e do ensino médio, uma com foco no professor, e uma com foco
no aluno, não esquecendo a interação desses dois atores. Há, claramente, uma diferença de perfil
12
entre o professor dos primeiros anos do ensino fundamental e o do professor do segundo segmento,
o que remete a novas abordagens para as políticas educacionais que não sejam meras repetições ou
adaptações das políticas destinadas ao primeiro segmento – não se pode ver o aluno e o professor
do segundo segmento do ensino fundamental da mesma forma como se vê o aluno e o professor do
primeiro segmento. Não é de se admirar que a transição do primeiro para o segundo segmento traga
alguma crise e é preciso pensar um processo e uma organização escolar que amorteça os efeitos
dessa transição. Uma solução possível é de que já no 5º ano do ensino fundamental, o aluno tenha
dois professores – matemática e ciências naturais e outro de língua portuguesa e ciências humanas, e
no 6º ano não mais do que três ou quatro professores diferentes. De qualquer forma é preciso
construir modelos de transição e avaliar seus efeitos.
O segundo resultado central do estudo diz respeito ao efeito do contraturno e a ampliação
de jornada. Levando em consideração os custos necessários para implantação de um modelo de
escola integral é preciso estudar e projetar alternativas que tragam resultados mais expressivos. Os
estudos sugerem que é preciso adaptar a ampliação da jornada ao perfil à necessidade dos alunos
muito mais do que às crenças e desejos dos teóricos, professores e, ou, gestores educacionais. Sem
dúvida, tem-se uma oportunidade para diminuir as diferenças de oportunidades entre os alunos das
escolas, mas é preciso oferecer a todos não uma mesma proposta, mas propostas polivalentes que
em parte sejamdestinadas a suprir as deficiências não superadas na jornada habitual, mas também
vá ao encontro de aspirações dos alunos e, por que não, traga-lhe novos desafios para uma
sociedade plural, multicultural, e cada vez mais exigente. Muito mais do que aulas expositivas e
tradicionais, já contempladas na jornada habitual,e para além da reposição dos conteúdos não
apreendidos, necessários para aqueles com atraso no aprendizado, oficinas e atividades centradas
nos alunos, supervisionadas diretamente ou não, talvez sejam mais indicadas para a ampliação da
jornada.
Os resultados clarificam um ponto importante, escolas de alto valor agregado possuem
recursos mínimos necessários de infraestrutura para garantir o seu funcionamento. No entanto, não
parece que o que diferenciam os resultados sejam as tecnologias mais modernas baseadas em
recursos intensivos de informática e multimídia. Boa parte das escolas não está ainda preparada para
receber esse aporte de recursos, quer seja pelas suas instalações deficientes, quer seja pelo grau de
preparo de seus professores para lidar com elas, isso deve ser um processo gradual e, por outro lado,
precisa-se ter garantias de que os recursos mínimos de infraestrutura, tanto os pedagógicos quando
os administrativos, estejam disponíveis à todas escolas. Creio que o monitoramento, por meio dos
dados do censo escolar, pode orientar facilmente os gestores em ações nesse sentido – pois, afinal, o
13
uso de um indicador como o que foi construído neste trabalho pode facilmente ser usado com essa
finalidade.
Referências Bibliográficas
ANDRADE, D. F.; TAVARES, H. R.; VALLE, R. C. Teoria da Resposta ao Item:Conceitos e Aplicações.
Associação Brasileira de Estatística, São Paulo, 2001.
BIRNBAUM, A. Some LatentTraitsModelsandTheir Use in Inferring na Examinee’sAbility. In: LORD, F. M.;
NOVICK M. R. (Org.).Statistical Theories of Mental Test Scores, Massachusetts: ed. Addison-Wesley,
1968,p. 397-472.
BRYK, S. A.; RAUDENBUSH, W. Hierarchical Linear Models. Sage Publications, Inc., Newbury Park,
California, 1992.
FERRÃO, M. E.; COUTO, A. C. The use of a school value-added model for educational improvement: a
case study from the Portuguese primary education system, School Effectiveness and School
Improvement: An International Journal of Research, Policy and Practice, 2013.
GOLDSTEIN, H.Multilevel Statistical Models. 2. ed. New York: John Wiley & Sons, 1995.
HAMBLETON, R. K.; SWANINATHAN, H.; ROGERS, H. Fundamentals of Item Response Theory. Sage
Publications, Inc., Newbury Park, California, 1991.
HOX, J. Multilevel Analysis of regression and Structural equation models. In:JOOP H. (Org.).Hierarchical
models of Survey Data.Michigan: 54thSummer Institute, 2001.
LORD, F.M. Applications of item response theory to practical testing problems. Hillsdale: Lawrence
Erlbaum, New York, 1980.
RAUDENBUSH, S. et al. HLM5 - Hierarchical Linear and Nonlinear Modeling. Illinois: Scientific
Software International, Inc. Lincolnwood, 2000.
SAMEJIMA, F. Estimation Latent Ability Using a Response Pattern of Graded Scores.
PsychometricMonograph, n. 17, 1969.
SOARES, T.Utilização da Teoria da Resposta ao Item na Produção de Indicadores Sócio-Econômicos.
Pesquisa Operacional, n. 1, 2005.
SOARES, T. Modelo de Três Níveis Hierárquicos Para a Proficiência dos Alunos da 4ª Série Avaliados no
Teste de Língua Portuguesa do Simave/PROEB – 2002. Revista Brasileira de Educação, v. 29, p. 73-87,
2005.
TIMM, H.AppliedMultivariateAnalysis. New York: Springer Text in Statistics, Springer Verlag, 2002.
WILSON, D. T.; WOOD, R.; GIBBONS, R. Testfact: Test Socring, and Item Factor Analysis. Scientific
Software International, Inc. Lincolnwood, Illinois, 1998.
14
APÊNDICE
APÊNDICEI - Fatores Extraídos dos questionários aplicados aos professores na Prova Brasil
Análise dos possíveis problemas de aprendizagem.
Nos instrumentos aplicados aos professores na PROVA Brasil, com o objetivo de se avaliar as
possíveis causas dos problemas de aprendizagem dos alunos da(s) série(s) avaliadas, os professores
responderam em escala de “concordo” ou “discordo” a assertivas do tipo: “Ocorrem devido ao baixo
salário dos professores, que gera insatisfação e desestímulo para a atividade docente.”, “São
decorrentes do meio em que o aluno vive.”. Após a aplicação da análise fatorial foram identificados
dois fatores predominantes denominados de: “Atribuição do baixo aprendizado à causas exógenas
ao professor e intrínsecas a escola” e “Atribuição do baixo aprendizado à causas exógenas ao
professor e extrínsecas a escola”.
Atribuição do baixo aprendizado às causas exógenas ao Professor e Intrínsecas a escola.
Esse fator trata sobre problemas na aprendizagem dos alunos que são originados por causas
na escola, como carência de infraestrutura, poucas oportunidades de desenvolvimento intelectual do
aluno, conteúdos curriculares não adequados ou não cumpridos, bem como sobrecarga e
desestímulo dos docentes.
Atribuição do baixo aprendizado às causas exógenas ao Professor e intrínsecasà escola
Assertivas
46. Ocorrem na escola devido à carência de infraestrutura física e/ou pedagógica.
47. São decorrentes do ambiente de insegurança física da escola.
48. Ocorrem na escola por oferecer poucas oportunidades de desenvolvimento das
capacidades intelectuais do aluno.
49. Estão relacionados aos conteúdos curriculares, que são inadequados às
necessidades dos alunos.
50. Estão relacionados ao não-cumprimento do conteúdo curricular.
51. Relacionam-se à sobrecarga de trabalho do(as) professores(as), dificultando o
planejamento e o preparo das aulas.
52. Ocorrem devido ao baixo salário dos professores, que gera insatisfação e
desestímulo para a atividade docente.
Carga
0,749
0,700
0,720
0,548
0,552
0,601
0,595
Atribuição do baixo aprendizado às causas exógenas ao Professor e extrínsecasà escola
Já este fator trataria de causas externas à escola para os problemas de aprendizagem dos
alunos, como o meio em que vive, falta de assistência e déficit cultural da família, e também razões
pessoais dos alunos como sua baixa autoestima e aptidão, bem como desinteresse e indisciplina.
15
Atribuição do baixo aprendizado a causas exógenas ao Professor e extrínsecas a escola
Assertiva
53. São decorrentes do meio em que o aluno vive.
54. São decorrentes do nível cultural dos pais dos alunos.
55. Estão relacionadas à falta de assistência e acompanhamento da família
nos deveres de casa e pesquisas dos alunos.
56. Ocorrem devido à falta de aptidão e habilidades do aluno.
57. Estão vinculados à baixa auto-estima dos alunos.
58. Ocorrem devido ao desinteresse e falta de esforço do aluno.
59. São decorrentes da indisciplina dos alunos em sala de aula.
Carga
0,679
0,636
0,785
0,422
0,519
0,676
0,480
Percepção do incentivo do diretor
Com o objetivo de se aferir a percepção do incentivo do diretor pelo professor, os
professores foramperguntados sobreo seu grau de concordância/discordância a algumas assertivas
sobre o comportamento do diretor da escola em diferentes situações, como motivaçãoao trabalho e
a atividades especiais, o foco na aprendizagem, administração ou manutenção da escola. Essas
assertivas deveriam ser respondidas em uma escala de Likert de cinco pontos, variando de
“Concordo totalmente” a “Discordo totalmente”. Após a análise fatorial identificou-se uma dimensão
predominante denominada de: “Percepção do incentivo do diretor”.
Este fator mede o quanto o diretor da escola motiva o trabalho e atividades especiais, foca
em aspectos de aprendizagem, administração ou manutenção da escola, e deixa transparecer
confiança. Também mede a percepção do respeito pelo diretor do professor.
Percepção do incentivo do diretor
Assertiva
60. O(a) diretor(a) me anima e me motiva para o trabalho.
61. Tenho plena confiança no(a) diretor(a) como profissional.
62. O(a) diretor(a) consegue que os professores se comprometam com a escola.
63. O(a) diretor(a) estimula as atividades inovadoras.
64. O(a) diretor(a) dá atenção especial a aspectos relacionados com a aprendizagem
dos alunos.
65. O(a) diretor(a) dá atenção especial a aspectos relacionados com as normas
administrativas.
66. O(a) diretor(a) dá atenção especial a aspectos relacionados com a manutenção
da escola.
67. Sinto-me respeitado(a) pelo(a) diretor(a).
68. Respeito o(a) diretor(a).
74. O diretor, os professores e os demais membros da equipe da escola colaboram
para fazer esta escola funcionar bem.
16
Carga
0,917
0,969
0,827
0,894
0,911
0,726
0,743
0,715
0,463
0,511
Coesão e trabalho em equipe
A fim de se aferir a percepção do trabalho em equipe pelo professor, foi questionado quanto
ao seu grau de concordância/discordância a algumas assertivas sobre a participação do professor em
relação a atividades em equipe, comportamento dos colegas em relação as suas idéias. Essas
assertivas foram respondidas em uma escala de Likert de cinco pontos, variando de “Concordo
totalmente” a “Discordo totalmente”. Após a análise fatorial identificou-se uma dimensão
predominante denominada de: “Coesão e trabalho em equipe”.
Esse fator analisa atitudes pessoais do docente no âmbito escolar, como participar de
decisões importantes, considerar e ter suas ideias consideradas, bem como uma avaliação do corpo
de professores pelos próprios docentes.
Coesão e trabalho em equipe
Assertiva
69. Participo das decisões relacionadas com o meu trabalho.
70. A equipe de professores leva em consideração minhas ideias.
71. Eu levo em consideração as ideias de outros colegas.
72. O ensino que a escola oferece aos alunos é muito influenciado pela troca
de ideias entre os professores.
73. Os professores desta escola procuram coordenar o conteúdo das
disciplinas entre as diferentes séries.
Carga
0,556
0,895
0,968
0,684
0,599
Problemas que ocorrem nas escolas
A fim de se identificar as principais fontes de problemas na escola na percepção dos
professores foram questionados se ocorreram determinados tipos de problemas como “Alto índice
de faltas por parte dos alunos”.Após a realização da análise fatorial identificou-se dois fatores
denominados: “Carência de recursos pedagógicos e financeiros” e “Absenteísmo de professores e
alunos”.
Carência de recurso pedagógicos e financeiros
Assertiva
75. Insuficiência de recursos financeiros?
78. Carência de pessoal de apoio pedagógico (coordenador, supervisor,
orientador educacional)?
79. Falta de recursos pedagógicos?
Carga
0,760
0,519
0,919
Este fator avalia a percepção dos professores em relação à falta de certos recursos
necessários à escola. Tais como recursos financeiros, pedagógicos entre outros.
17
Absenteísmo de professores e alunos
Assertiva
76. Inexistência de professores para algumas disciplinas ou séries?
77. Carência de pessoal administrativo?
80. Alto índice de faltas por parte dos professores?
81. Alto índice de faltas por parte dos alunos?
82. Problemas disciplinares causados pelos alunos?
Carga
0,661
0,349
0,867
0,627
0,538
Este fator avalia a percepção dos professores quanto à administração e organização na
escola, causas do absenteísmo e ausência de diversos atores escolares, como professores e alunos.
Empenho do professor
Foi questionado o quanto o professor desenvolve determinadas práticas pedagógicas como
“Experimentar diferentes modos de resolver um problema ou efetuar um cálculo”. O professor
deveria responder a estas questões segundo uma escala deLikert de 5 pontos: “semanalmente”,
“algumas vezes por mês”, “uma vez por mês”, “uma vez por bimestre” e “nunca”.
Após a análise fatorial foi possível construir duas medidas: “Empenho do Professor de Língua
Portuguesa” e “Empenho do Professor de Matemática”.
Empenho do Professor de Língua Portuguesa
Assertiva
133. Copiar textos do livro didático ou do quadro negro ou lousa.
134. Promover discussões a partir de textos de jornais e revistas.
135.Fazer exercícios sobre a gramática relacionados com textos de jornais ou revistas.
136.Ler, discutir com colegas e escrever textos relacionados com o desenvolvimento
de projeto temático
137. Ler contos, crônicas, poesias ou romances.
138. Conversas sobre contos, crônicas, poesias ou romances.
139. Utilizar contos, crônicas, poesias ou romances para exercitar aspectos da
gramática.
140. Fixar os nomes de conceitos gramaticais e linguísticos.
141. Discutir um texto, explorando as diferenças entre fatos e opiniões.
Carga
0,768
0,550
0,807
0,419
0,300
0,290
0,448
0,486
0,391
Este fator evidencia o empenho dos professores quando fazem uso de certos argumentos
para deixarem suas aulas mais informativas, como promover discussões sobre certos assuntos
estudados, fazer exercícios sobre gramática, entre outros.
18
Empenho do Professor de Matemática
Assertiva
142. Fazer exercícios para fixar procedimentos e regras.
143. Lidar com situações problemas que exigem raciocínios diferentes e mais complexos
que a maioria dos exemplos usuais.
144.Falar sobre suas soluções, discutindo os caminhos usados para encontrá-las.
145. Gravar as regras que permitem obter as repostas certas dos cálculos e problemas.
146. Lidar com temas que aparecem em jornais e/ou revistas, discutindo a relação dos
temas com a matemática.
147. Interpretar resultados numéricos obtidos para dar uma resposta adequada ao
problema.
148. Lidar com situações que lhes sejam familiares e que apresentem temas de interesse
dos alunos.
149. Experimentar diferentes modos de resolver um problema ou de efetuar um cálculo.
150. Aprimorar a precisão e a velocidade de execução de cálculos.
151. Experimentar diferentes ações (coletar informações, recortar, analisar, explorar,
discutir, manipular, etc.) para resolver problemas.
Carga
0,108
0,452
0,424
0,267
0,997
0,533
0,532
0,506
0,462
0,601
Este fator mede as práticas pedagógicas aplicadas pelos professores nas salas de aula, como
falar sobre as soluções dos exercícios, discutindo os caminhos usados para encontrá-las, ou lidar com
temas que aparecem em jornais e/ou revistas, discutindo a relação dos temas com a matemática.
19
APÊNDICE II – Variáveis que compõe o Indicador de Infraestrutura
A medida de infraestrutura foi extraída da base do Censo Escolar 2012, composta com base
em mais de 40 itens de posse. Tais itens avaliam se a escola possui sala de professores, banheiro
adaptado, materiais didáticos como retroprojetor, DVD, acesso à internet banda larga, entre outros
itens.
Item de Posse
Item 1 - Sala de Diretoria
Item 2 - Sala de Professor
Item 3 - Laboratório de Informática
Item 4 - Laboratório de Ciências
Item 5 - Sala de Atendimento Especial
Item 6 - Quadra de Esportes Coberta
Item 7 - Quadra de Esportes Descoberta
Item 8 - Cozinha
Item 9 - Biblioteca
Item 10 - Sala de Leitura
Item 11 - Parque Infantil
Item 12 - Sanitário Fora do Prédio
Item 13 - Sanitário Dentro do Prédio
Item 14 - Sanitário Ei
Item 15 - Sanitário Pne
Item 16 - Dependências Pne
Item 17 - Secretaria
Item 18 - Banheiro com Chuveiro
Item 19 - Refeitório
Item 20 - Despensa
Item 21 - Almoxarifado
Item 22 - Auditório
Item 23 - Pátio Coberto
Item 24 - Pátio Descoberto
Item 25 - Alojamento para Aluno
Item 26 - Alojamento para Professor
Item 27 - Área Verde
Item 28 - Lavanderia
Item 29 - Dependências - Outras
Item 30 - Equipamento - Tv
Item 31 - Equipamento - Videocassete
Item 32 - Equipamento - Dvd
Item 33 - Equipamento - Parabólica
Item 34 - Equipamento - Copiadora
Item 35 - Equipamento - Retroprojetor
Item 36 - Equipamento - Impressora
Item 37 - Equipamento - Som
Item 38 - Equipamento - Multimidia
Item 39 - Equipamento - Fax
Item 40 - Equipamento - Foto
Item 41 - Computadores
Item 42 - Internet
Item 43 - Banda Larga
Carga
0,927
0,903
0,832
0,72
0,63
0,758
0,646
0,729
0,77
0,624
0,612
0,053
0,909
0,569
0,741
0,718
0,871
0,712
0,74
0,735
0,794
0,704
0,731
0,712
0,408
0,231
0,66
0,538
0,68
0,96
0,736
0,973
0,607
0,858
0,838
0,975
0,887
0,871
0,804
0,873
0,817
0,503
0,156
20
APÊNDICE III – Variáveis que Compõe o Indicador de utilização e Recurso de Informática – Projeto
BNDES
A partir de 15 questões inseridas no instrumento aplicado aos alunos no Projeto BNDES foi
produzido um indicador de recursos e utilização de informática. Essas questões estão apresentadas
no quadro abaixo com as suas respectivas cargas fatoriais.
Assertivas
48. Internet (download de materiais com lições, atividades estruturadas e textos)
49. Internet (assistindo vídeos de aulas)
50. E-mail e mensagens instantâneas para comunicação com colegas mais preparados
51. Computador na edição de textos
52. Computador para elaboração de gráficos e figuras
53. Internet (exibição de vídeos ou músicas)
54. Internet (uso interativo de materiais com lições e atividades estruturadas)
55. Edição de textos sobre assuntos discutidos em classe
56. Elaboração de gráficos e figuras sobre assuntos discutidos em classe
57. Internet para pesquisar informações sobre o tema da aula
58. Internet para busca e visualização de vídeos ou músicas
59. Internet para uso interativo de materiais com lições e atividades estruturadas de
matemática e língua portuguesa
60. Edição de textos sobre assuntos discutidos em classe
61. Elaboração de gráficos e figuras sobre assuntos discutidos em classe
62. Internet para pesquisar livremente informações sobre o tema da aula
21
Carga
0,563
0,585
0,538
0,634
0,655
0,547
0,682
0,729
0,731
0,702
0,577
0,724
0,763
0,801
0,722
APÊNDICE IV - Análise Fatorial (Consistência interna dos indicadores)
O primeiro passo na construção dosIndicadores foi o da análise da correlação bisserial
(Lord, 1980) para cada uma das variáveis binárias acima e a correlação polisserial (ibidem) para as
variáveis politômicas. A correlação bisserial é uma medida clássica da capacidade de discriminação
do item, representando o grau de correlação que cada item binário tem com o escore bruto
calculado com todos os itens. Foi utilizado o softwareTestfact® (Wilson et al, 1998) e o software
Parscale®, e todas as variáveis que apresentaram coeficiente estimado para a correlação
bisserial/polisserial inferior a 0,40 são excluídas do cálculo do indicador.
Em seguida, uma análise da dimensionalidade associada às demais questões foi produzida
utilizando-semétodos de análise fatorial restrita (Timm, 2002) por meio das matrizes de correlação
Tetracórica(Wilson, Wood e Gibbons, 1998) realizadas com o uso do software TESTFACT® (no caso de
indicadores obtidos por meio de variáveis dicotômica) e por meio das matrizes de correlação
Policóricarealizadas com o uso do software LISREL® (no caso de indicadores obtidos por meio de
variáveis politômicas ordinais). Para a obtenção das cargas dos modelos de análise fatorial utilizou-se
o método de extração por componentes principais a partir da matriz de correlação apropriada das
variáveis, produzindo, em seguida, uma solução a partir do método de rotação VARIMAX. Para uma
verificação da adequação da análise fatorial foi utilizada a medida KMO (Kaiser-Meyer-Olkin), que
apresentou valores estimados acima de 0.85, indicando uma adequação muito satisfatória dos
indicadores obtidos.
Osindicadores foram, então, construídos usando-se o software BILOG-MG®, no caso de
variáveis dicotômicas e o software PARSCALE, no caso de variáveis politômicas, por meio de modelos
da Teoria da Resposta ao Item (Hambleton, Swaminathan& Rogers, 1991; Andrade, Tavares& Valle,
2001; Lord, 1980) apresentados nas próximas seções.
22
APÊNDICE V – Modelos da Teoria da Resposta ao Item (TRI)
i)
Modelo Logístico de Dois Parâmetros (unidimensional).
Esse modelo, proposto por Birnbaum (1968) pressupõe a relação monótona entre o valor
do constructo latente (a condição socioeconômica, por exemplo) do indivíduo e a sua probabilidade
de escolha por uma das duas alternativas segundo uma função de distribuição logística,
parametrizada por coeficientes que representam determinadas características do item. Assim,
admita que Y seja uma variável aleatória dicotômica assumindo os valores 0 ou 1. No caso específico
de um instrumento de posses de bens, o valor 0 está associado a não possuir o bem e o valor 1 a
possuir o bem por parte da família do aluno. O modelo de dois parâmetros expressa, então, a relação
entre a variável latente θ e a resposta dada ao item da seguinte forma:
Pi (Y = 1; θ , a i , b i ) =
e D a i (θ − b i )
(1)
1 + e D a i (θ − b i )
onde o índice i
representa o item; ai é denominado parâmetro de discriminação do item; bi é denominado de
parâmetro de dificuldade do item. D é um fator de escala, constante, e normalmente igual a 1,7,
usado para aproximar a curva logística da distribuição normal. Esse fator de escala vai permitir
que os valores de θ dos indivíduos sejam estimados com valores muito próximos para os dois
tipos de modelos. Como se pode notar, o parâmetro bi representa o ponto na escala da variável
latente θ, para o qual há 50% de chance de escolha da resposta representada por Y=1 pelo
indivíduo. É fácil observar que se (1) for derivada em relação à θ, a função resultante atinge seu
máximo em θ = bi com um valor diretamente proporcional a ai (0.425 ai). Portanto, quanto maior
for o valor do parâmetro ai, mais sensível torna-se o modelo a variações na habilidade em torno
de seu ponto de dificuldade. Isto é, maiores valores para o parâmetro ai produzirão maior
capacidade de distinção entre dois indivíduos com habilidades diferentes no nível da escala em
torno do nível de dificuldade do item. Por isso ele é conhecido como parâmetro de discriminação
do item. Na figura 1, apresenta-se a denominada curva característica de um item, isto é, a
representação dos valores, sob forma de gráfico, de um particular modelo θ, enfatizando as
propriedades de seus parâmetros:
23
ii)
Modelo Logístico Para Respostas Graduadas
O modelo de respostas graduadas é uma generalização do modelo de dois parâmetros
para o caso de mais de duas categorias ordenadas de respostas. Para sua formulação admita,
inicialmente, que o indivíduo possa alcançar os seguintes níveis, tendo em vista as suas respostas
atribuídas ao item i, η i = η 0 ,η1 ,L ,η mi . Admita, ainda, que tendo alcançado o nível ηl ele tenha
também alcançado os níveis η j para j ‹ l . Assim, considere a classe de eventos N = {( η0 ), ( η0 , η1 ),...,
( η0 , η1 ,..., ηmi )} onde Nl = ( η0 ,η1 ,...,ηl ) é o evento que representa o fato de o indivíduo ter
alcançado o nível ηl . A resposta dada ao instrumento será classificada segundo a escala ordinal
Ki = 0, 1,..., mi onde Ki = l , representa que o indivíduo alcançou o nível ηl e não alcançou os níveis
η j , j ≥ l .Samejima (1969) propõe o seguinte modelo:
Pi (K = l; θ ) =
1
1+ e
− Dai (θ −bi + cl )
−
1
1+ e
− Dai (θ −bi + cl +1 )
onde C0 = ∞ e, bi ,l = bi − Cl é a dificuldade de se alcançar pelo menos o nível l no item i. O
seguinte exemplo ilustra uma aplicação de modelos para respostas graduadas. O modelo abaixo foi o
obtido para uma questão que perguntava sobre o número de televisores que a família de um aluno
possuía (as possibilidades de respostas eram as seguintes: nenhum, 1 televisor, 2 ou mais). Para esse
tipo de item, a probabilidade de escolha de cada resposta pode ser modelada através dos modelos
de respostas graduadas. O seguinte modelo foi obtido (ai = 0.767, bi = -0.300, C0 =∞, C1 = 1.535, C2 = 1.535) e a probabilidade de cada resposta está representada no gráfico abaixo:
24
Note-se que a probabilidade de não ter televisor é mais elevada nas famílias de escores
socioeconômicos mais baixos, decaindo com o aumento da condição socioeconômica. A
probabilidade de a família ter apenas um televisor é mais elevada nas famílias com escores medianos
e a probabilidade de se ter dois ou mais televisores é característico de famílias mais abastadas. É
importante observar que:
a
ai ( θ− bi + cl )= i  s θ− ( sbi − t )+ ( cl − t ) 
s
( s ≠ 0)
o que, naturalmente, conduz a um problema de indentificabilidade dos parâmetros se não forem
admitidas restrições adicionais. Assim, admite-se que
C1 + ⋅⋅⋅ + Cmi
mi
= cte (0.0, tipicamente) o que
resolve o problema de identificabilidade nesses casos. Por último, deve-se notar que o modelo de
respostas graduadas se reduz ao modelo de dois parâmetros quando mi = 1.
25
APÊNDICE VI- Modelos Hierárquicos
Os sistemas escolares são um exemplo típico de estrutura hierárquica, pois os alunos
estão agrupados em turmas, as turmas agrupadas em escolas, as escolas em uma determinada
localidade, e assim por diante.
O modelo multinível ( Goldstein, 1995) também chamado de modelo hierárquico
(Bryk&Raudenbush, 1992), leva em consideração a estrutura de agrupamento dos dados.
Concretamente, isso se reflete na especificação do modelo multinível da seguinte forma: para o
modelo de regressão clássico o intercepto e o coeficiente de inclinação são parâmetros fixos,
enquanto que para o modelo multinível o intercepto e o coeficiente de inclinação são considerados
parâmetros aleatórios, dependentes da influência do nível hierárquico mais alto.
As análises que consideram em seus modelos a estrutura de agrupamento dos dados têm
várias vantagens: (i) se baseiam em modelos mais flexíveis e estruturados que utilizam melhor a
informação presente na amostra; fornecem, ainda, uma equação para cada escola, por exemplo, o
que permite análises individuais para cada grupo;(ii) o uso da informação do agrupamento dos dados
possibilita formular e testar hipóteses relativas a efeitos entre os níveis e(iii) permite a partição da
variabilidade da variável resposta nos diversos níveis.
Os modelos de regressão multiníveltêm por objetivo descrever, através de um modelo
estatístico, a relação entre variáveis explicativas e independentes, representadas genericamente por x,
e uma variável dependente y(ou mais de uma, no caso de modelos multivariados). Neste trabalho só
são considerados modelos com dois níveis hierárquicos. Assim, considere-se que, genericamente, uma
amostra aleatória de dados tenha sido coletada a partir de uma estrutura em dois níveis, estando as
unidades do 1o nível (alunos) agrupadas segundo as unidades do 2o nível (escola). Cada aluno é
representado pelo índice i e o índice j representa cada unidade de escola. Suponha que x represente
uma variável de aluno e w uma variável de escola. O modelo multinível, então, terá a seguinte
expressão geral:
yij= β0j + β1j xij + eij
(1)
β0j = γ00+ γ01 wj+ u0j(2)
β1j = γ10+ γ11 wj+ u1j
(3)
Substituindo (2) e (3) em (1) obtém-se:
yij= γ00+γ10 xij+ γ01 wj+ γ11 wjxij+ u1j xij+ u0j + eij(4)
No modelo acima, os coeficientes apresentam a seguinte interpretação:
yij representa a proficiência do i-ésimo aluno da j-ésima escola;
β0j é o intercepto geral do modelo, sendo definido como variável aleatória;
26
β1j é o coeficiente de inclinação associado à variável x, querepresenta o impacto da variável explicativa
no desempenho do aluno e pode ser especificado como de efeito fixo ou como de efeito aleatório;
γ00, γ01,γ10, γ11, são parâmetros fixos a serem estimados;
u0j é o denominador de efeito individual da escola, que é a componente de erro aleatório do nível 2
associada ao intercepto; pressupõe-se ter distribuição normal com média zero e variância σu02;
u1j é a componente de erro aleatório do nível de escola associada ao coeficiente de inclinação;
pressupõe-se ter distribuição normal com média zero e variância σu12;
eij é a componente de erro aleatório associado ao aluno, representa o resíduo da medida do
rendimento do aluno não explicado pelo modelo; pressupõe-se ter distribuição normal com média zero
e variância σe2;
σu02, σu12 e, σe2 são denominados de componentes de variância do modelo.
Por hipótese, admite-se que o erro e, de nível de aluno, seja independente dos erros de
nível de escola. Note-se ainda que β01 wj representa o impacto da variável explicativa de nível de escola
no rendimento do aluno e β11 wjxij representa o termo de interação entre as duas variáveis explicativas
(de turma e escola).
Na equação de regressão anterior poderão ser incluídas outras variáveis explicativas de
nível de turma e também de nível de escola. A estrutura para o modelo resultante é análoga àquela
apresentada através das equações de (1) a (4).A extensão do modelo multinível para outras variáveis
permite obter o impacto das novas variáveis no rendimento escolar bem como obter outros termos de
interação, alcançando uma maior diminuição da variabilidade total e consequente aumento da
capacidade de explicação da variável dependente pelo modelo resultante. Além disso, é possível
analisar como as diversas variáveis interagem e como seus impactos sobre a variável dependente se
comportam na presença das outras variáveis.
Segundo Goldstein (1995), um indicador do grau de agrupamento da população em estudo
é o coeficiente de “intra-correlação”. Para o modelo multinível especificado, o que se mede com o
coeficiente de intra-correlação é a proporção da variância total do resultado dos alunos que é devida às
características das escolas. A forma mais simples para se obter o coeficiente de intra-correlação é a
seguinte: primeiramente constrói-se um modelo multinível sem variáveis explicativas, também
chamado de modelo nulo, que tem apenas três termos: β0 , u0j e eij, de tal forma que a variância total
para a variável dependente nesse modelo é dada apenas por σu0
2
+σe2. O coeficiente de intra-
correlação, então, é calculado pela fórmula:
ρ=
σ u20
σ e2 + σ u20
27
(5)
Esse coeficiente toma valores no intervalo [0,1] e, quanto maior o seu valor, maior a proporção da
variância que é devida ao segundo nível. Seu cálculo é usado para justificar o emprego de um modelo
multinível ao invés de um modelo de regressão clássico.
Neste trabalho, a estimação dos coeficientes fixos é realizada através do método de
mínimos quadrados generalizados (Bryk&Raudenbush, 1992) e a estimação das componentes de
variância é realizada através dos métodos de máxima verossimilhança plena e máxima verossimilhança
restrita (ibidem). Para tanto, foi utilizado o software HLM5(Raudenbushet al, 2000). A medida de
ajuste do modelo utilizada foi a chamada estatística de deviance, definida por:
D = - 2 LOG (L),
onde L é o valor da função de verossimilhança (maximizada segundo os valores dos parâmetros do
modelo)
nos valores observados
da variável dependente
e
das
variáveis
explicativas
(Bryk&Raudenbush, 1992).
O processo mais utilizado na construção de um modelo hierárquico é do tipo “Bottom-up”,
isto é, parte-se do modelo nulo e vai-se incluindo as variáveis segundo uma heurística específica, que se
baseia na verificação da significância dos coeficientes (parâmetros fixos e aleatórios) para cada modelo.
Pode-se utilizar a estatística deviance, que é uma medida do grau de ajustamento dos dados ao modelo
construído, para produzir um critério de escolha entre dois modelos aninhados. Isto é, utiliza-se a
deviance para comparar um modelo mais simples com um modelo mais geral. Normalmente, os
modelos com a deviancemais baixa são melhores, no entanto, para testar se a diferença entre as
deviances de dois modelos é significativa ou não, emprega-se o teste de significância χ2 com o número
de graus de liberdade igual à diferença de parâmetros entre os dois modelos. Outro critério empregado
para inclusão ou não de variáveis no modelo foi o critério AIC (Akaike, 1974 apudHox, 2001). Este
critério é utilizado para comparar modelos diferentes (normalmente aninhados) e é calculado a partir
do valor da deviance adicionado a um fator que penaliza o número de parâmetros estimados. Segundo
a sugestão de Hox (2001), este critério pode ser empregado para se decidir entre dois modelos
hierárquicos. O critério AIC é dado por:
AIC = d + 2q
onded é a devianceeq é o número de parâmetros estimados no modelo.
A vantagem do AIC em relação ao teste do χ2 para testar a diferença entre as deviances é
que no critério AIC não é necessário estipular um nível de significância, o que é sempre um critério
subjetivo. Nesse trabalho, ambos os métodos foram empregados e não houve conflito entre os
resultados.
28
Essa heurística utilizada visa à construção de um melhor modelo multinível. No entanto,
essa abordagem não é a única possível, mas pretende-se que, com o seu emprego, possa se alcançar
um modelo suficientemente informativo para os fins. O processo é, portanto, iterativo e, em cada
passo, uma variável (do nível de turma ou escola) é introduzida ou não no modelo, de acordo com os
critérios descritos acima. Eventualmente uma variável anteriormente introduzida pode ser excluída a
partir do momento que outra “mais explicativa” seja introduzida. As possíveis interações entre as
variáveis são testadas ao final do processo a partir daquelas variáveis que estão no modelo e outras
que não se encontram no modelo.
29
Políticas Públicas em Educação: Sugestões para o Brasil
Reynaldo Fernandes+
André Portela Fernandes de Souza*
1. Introdução
O papel fundamental da educação sobre o desenvolvimento de indivíduos e nações tem
sido amplamente reconhecido. Assim, os estudos sobre os impactos de diversas políticas públicas
em educação têm ganhado importância na literatura acadêmica de diferentes áreas do
conhecimento (economia, demografia, sociologia, psicologia etc.). De modo geral, a discussão
atual sobre políticas públicas em educação tem sido concentrada em três grandes eixos, que são:
I.
Políticas voltadas à primeira infância: quantidade e qualidade de creches e pré-escolas,
programas de orientação das mães etc.;
II.
Políticas que visam alterar a estrutura de incentivos dos agentes envolvidos no processo
educacional: pais, alunos, professores e dirigentes;
III.
Políticas que buscam dotar as escolas com certos insumos e processos educacionais
considerados chaves para o aprendizado: formação do professor, tamanho das turmas,
métodos de recuperar alunos com deficiência, uso adequado do tempo em sala de aula
etc.
Desde o estudo pioneiro de Coleman e seus colaboradores, sabe-se que variáveis
relacionadas à família possuem muito mais poder preditivo sobre o desempenho dos alunos do
que variáveis relacionadas à escola que os alunos frequentam (Coleman et al., 1966). Estudos
recentes, no entanto, mostram que grande parte das desvantagens dos alunos de famílias
economicamente desfavorecidas se deve ao desenvolvimento cognitivo e emocional desses
estudantes nos primeiros seis anos de vida. E mais, existem pesquisas sobre diversos programas
de intervenção para idade pré-escolar voltados para crianças desfavorecidas que mostram
resultados extremamente animadores (por exemplo, Cunha et. al (2006)). De modo geral, o
desempenho das crianças na escola melhora, tanto em termos de notas quanto em termos de
redução da repetência. Há evidências, também, que crianças que passam por esses programas são
menos propensas a adotar comportamentos violentos.
Uma preocupação sobre o uso desses resultados na orientação de políticas deriva do fato
que eles decorrem de estudos experimentais muito especiais. De modo geral, são programas de
alta qualidade e, portanto, muito dispendiosos. A dúvida diz respeito à viabilidade de generalizálos em uma política pública massificada. Isso tem provocado uma série de discussões sobre que
políticas de primeira infância seriam mais eficientes: creches ou programas de orientação das
mães? Investir em ampliar as vagas em creches ou melhorar a qualidade das creches existentes?
O segundo eixo de políticas educacionais trata a escola como “caixa preta”, no sentido que
não discute a eficiência de insumos e processos educacionais específicos. A idéia é que, dado os
recursos existentes, um sistema correto de incentivos faria com que os agentes envolvidos se
mobilizariam para obter o melhor resultado possível. As políticas consideradas nesse segundo eixo
dizem respeito a melhor forma de organizar o sistema educacional do país, dos estados e dos
municípios. Nessa linha podemos destacar as políticas de accountability educacional, pagamento
por mérito, voucher e escolas charter.
Por exemplo, a partir dos anos 90 as políticas de accountability educacional ganham força
no mundo inteiro e avaliações de programas pioneiros mostram que eles contribuíram para elevar
o desempenho dos alunos nos exames padronizados1. Esses programas enfatizam o aprendizado
dos alunos; consideram professores, diretores e gestores como co-responsáveis pelos resultados
dos estudantes; e dão publicidade aos resultados dos testes por unidade de accountability
(sistemas educacionais, escolas e, em alguns casos, até por professores individuais). O programa
pode conter, ou não, prêmios e punições atrelados aos resultados dos alunos.
Por fim, o eixo três trata de uma série insumos e processos educacionais que seria
importante enfatizar para se obter uma melhoria da qualidade do ensino nas escolas: reduzir o
tamanho das turmas, aumentar a jornada escolar, melhorar a carreira dos professores, utilizar
tecnologias modernas no processo de ensino-aprendizagem etc. Trata-se de avaliar a eficácia dos
elementos que compõem a função de produção educacional.
Tendo como base as pesquisas recentes sobre o impacto de diferentes políticas públicas
em educação sobre o desempenho dos estudantes, o objetivo do presente capítulo é o de propor
caminhos que poderiam ser adotados para o aprimoramento da educação no Brasil. Nosso
+ Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto, Universidade de São Paulo
(FEA-RP/USP); * Escola de Economia de São Paulo da Fundação Getulio Vargas (EESP/FGV)
interesse recai em medidas de políticas públicas nos três eixos acima descrito e que poderiam ser
adotadas por diferentes esferas de governo (federal, estadual e municipal).
De modo geral, estamos interessados em políticas que afetam a qualidade das escolas de
ensino fundamental. A única exceção refere-se às políticas relacionadas a creches e pré-escolas.
Como mencionado, o impacto de intervenções na primeira infância podem ter um impacto
significativo no desempenho dos alunos, quando esses alcançarem o ensino fundamental. Ainda
que não diretamente relacionadas à qualidade das escolas de ensino fundamental, intervenções
sobre creches e pré-escola estão sob o campo de ação das autoridades educacionais.
2. Políticas Voltadas para o Desenvolvimento da Primeira Infância
Hoje em dia existe um acumulo de evidências empíricas que indicam que vários resultados
econômicos das pessoas adultas como o estoque do capital humano, produtividade, salários, etc.,
dependem primordialmente de fatores associados à primeira infância. Muitas habilidades
cognitivas e não-cognitivas que são importantes para a vida adulta são desenvolvidas nos
primeiros anos de vida da pessoa. Por exemplo, Cunha et al. (2006) apresenta resultados de
pesquisas que documentam o desenvolvimento cognitivo de uma amostra crianças americanas.
Eles mostram que as crianças de famílias com diferentes níveis de renda não apresentam
diferencial de desenvolvimento cognitivo ao nascer, mas este diferencial passa a ser significativo a
partir dos primeiros seis anos de vida. Surpreendentemente, o diferencial cognitivo, favorável às
crianças de famílias com maior renda, observado aos seis anos de idade, permanece praticamente
inalterado até a adolescência. Evidências como estas sugerem que investimentos na infância têm
impactos duradouros e que intervenções apropriadas na infância podem mitigar ou mesmo
compensar condições iniciais desfavoráveis. Com efeito, Cunha et al. (2006) sintetiza uma série de
resultados de diversos estudos em contextos internacionais sobre intervenções educacionais na
infância com resultados positivos no longo prazo. Crianças em condições socioeconômicas menos
favorecidas e que passaram por atividades na primeira infância ou pré-escolares apresentam
melhores indicadores de bem-estar como educação, salário, condições de vida, comportamentos
de risco, entre outros, em comparação às crianças também em condições menos favorecidas, mas
que não foram estimuladas por intervenções apropriadas na primeira infância. Cunha e Heckman
(2007) argumentam que a boa formação do capital humano ao longo do ciclo de vida depende de
1
Ver, por exemplo, Hanushek e Raymond (2005) e Dee e Jacob (2009).
investimentos corretos em certas habilidades quando elas podem ser mais bem adquiridas. Muitas
habilidades cognitivas e não-cognitivas são mais eficientemente desenvolvidas na infância e são
importantes para a obtenção de outras habilidades quando adulto. Investimentos adequados na
fase de primeira infância e pré-escola são instrumentos relevantes para o desenvolvimento dessas
habilidades quando crianças. Ademais, essas habilidades adquiridas na infância facilitam ou
mesmo permitem a aquisição de novas habilidades posteriormente.
Já existem algumas evidências sobre o impacto de intervenções na primeira infância sobre
o desenvolvimento cognitivo das crianças no Brasil. Os estudos se concentram sobre os impactos
da frequência à creche e pré-escola. Em geral, os resultados corroboram aqueles encontrados na
literatura internacional. As frequências à creche e à pré-escola estão associadas a resultados
favoráveis ao bem-estar do individuo na vida adulta. Como uma primeira aproximação, Curi e
Menezes-Filho (2006), utilizando os dados da Pesquisa de Padrão de Vida do IBGE (PPV/IBGE) e
SAEB 2003, encontram uma associação positiva entre a frequência tanto à creche quanto à préescola e as probabilidades de conclusão do ensino médio e do ensino superior. Também
encontram associação positiva entre a pré-escola e a renda do indivíduo quando adulto.
Há também evidências de impactos positivos da creche e pré-escola sobre o
desenvolvimento cognitivo da criança. Utilizando diferentes bases de dados e modelos
econométricos, os estudos encontram efeitos positivos da creche e da pré-escola sobre o
aprendizado de Português e Matemática entre os alunos do quinto ano do ensino fundamental em
comparação àqueles que não frequentaram creche ou pré-escola (Souza (2010), Pinto et. al.
(2011) e Pinto e Souza(2014)).
Contudo, alguns estudos apontam para o fato de que a qualidade da creche e pré-escola é
fundamental para o bom êxito do impacto positivo sobre o desenvolvimento infantil. Barros et al.
(2010), através de um estudo experimental no Rio de Janeiro, mostra que existe uma
heterogeneidade muito grande de qualidade de creches e que as creches de boa qualidade
impactam positivamente sobre o desenvolvimento mental e social das crianças. As creches de
baixa qualidade não apresentam efeitos positivos. Os resultados de Souza (2010) sugerem que
pré-escolas com turmas menores têm melhores resultados na proficiência do ensino fundamental
que pré-escolas com turmas maiores.
Por fim, Pinto e Souza (2014) mostram que o impacto de creche e pré-escola sobre a
proficiência no ensino fundamental se dá através de dois canais. Por um lado, a frequência à
creche e à pré-escola impacta diretamente o aprendizado através do desenvolvimento de
habilidades de concentração, hábitos de estudo, etc. Por outro lado, ela reduz o atraso escolar no
ensino fundamental que por sua vez impacta o aprendizado já que isto permite ao aluno
permanecer na série em idade correta. Os resultados indicam que o primeiro canal é o mais
importante, embora haja uma pequena parcela do efeito que ocorre via menor repetência. De
qualquer forma, é possível estabelecer uma complementariedade entre educação infantil e ensino
fundamental.
Com base nessa literatura nacional e internacional e, tendo em conta o estágio atual de
gastos e cobertura da educação infantil no Brasil, algumas sugestões de politicas públicas parecem
pertinentes:
•
É importante investir na educação durante os primeiros anos da criança. Este
investimento é eficaz e eficiente, dados os graus de complementariedade da
obtenção de habilidades cognitivas e não-cognitivas que existem ao longo do ciclo
de vida de aquisição do capital humano;
•
Este investimento deve permitir políticas integradas e flexíveis de atendimento às
famílias com crianças, conforme suas diferentes situações e necessidades. Em
alguns casos, acesso à boa creche é importante. Em outros, visitas regulares às
famílias de técnicos de saúde e educação sejam mais requeridas;
•
Para aquelas localidades onde a cobertura de creche e pré-escola é baixa, permitir
a expansão ao acesso de creches e pré-escolas de boa qualidade é importante.
Para aquelas localidades onde a cobertura é praticamente universal, a melhoria da
qualidade das creches e pré-escolas é prioritário;
•
Para tanto, é necessário estabelecer mecanismos de regulação que assegurem a
qualidade dos atendentes e professores, a proporção adequada entre adultos e
crianças, equipamentos, livros e materiais; ou seja, da adoção de sistemas de
monitoramento da qualidade do ensino infantil;
•
Também é necessário desenvolver programas de capacitação e certificação de
educadores de primeira infância que levem em conta os conhecimentos científicos
sobre os fatores que promovem o desenvolvimento infantil, com ênfase em
aspectos não-cognitivos, que são características que possuem grande plasticidade
durante a infância.
No Brasil, enquanto a questão da pré-escola ainda mereça cuidados, o atendimento em
creches parece ser mais urgente. As principais cidades brasileiras apresentam problemas sérios de
insuficiência de oferta de creches públicas (ou conveniadas). Assim, a expansão das vagas em
creche torna-se uma das prioridades para a política educacional no país.
Ainda que necessária, a expansão de vagas em creches não é suficiente. Do ponto de vista
da educação, não basta que as mães disponham de um lugar para deixar seus filhos para poderem
trabalhar. É preciso garantir que essas creches contribuam para o desenvolvimento cognitivo e
socioemocional das crianças. Nesse sentido, é preciso assegurar que elas possuam um padrão
mínimo de qualidade. Creches de má qualidade não cumprem a função de reduzir a desvantagem,
em termos de capacidade de aprendizado, que as crianças advindas de famílias desfavorecidas
enfrentam já na idade correspondente ao início do ensino fundamental.
Nesse ponto é fundamental que haja uma avaliação das creches que ofertam vagas
públicas, sejam elas do próprio setor público ou conveniadas. Não se defende aqui uma avaliação
baseada em testes aplicados às crianças, nos moldes das avaliações existentes no ensino
fundamental, mas uma avaliação das condições de oferta, a exemplo do que ocorre no ensino
superior. É preciso avaliar a infraestrutura, a qualificação dos profissionais e, principalmente, o
programa de atividades socioeducacionais.
Vale ressaltar que, em várias cidades, uma parcela expressiva das vagas oferecidas se dá
em instituições privadas conveniadas. Ainda que se promova uma expansão de creches públicas,
parece pouco realista a hipótese que, ao menos no curto prazo, todas as prefeituras possam abrir
mão de convênios com instituições privadas para o oferecimento de vagas em creches. Assim, um
programa de avaliação dessas creches parece indispensável.
Por fim, é importante ressaltar que já existem iniciativas no país de programas cujo
objetivo é a orientação das mães. Evidentemente, programas voltados à orientação das mães não
se contrapõem ao oferecimento de creches de qualidade. Eles são complementares. Também é
verdade que não podemos pensar as creches como substitutas dos pais. Os programas voltados à
primeira infância mais bem sucedidos são justamente aqueles que conciliam atividades na escola
com o envolvimento dos pais no processo educacional das crianças.
Enquanto a oferta de programas de atendimento à primeira infância tiver o município
como principal executor, o apoio do governo federal e dos governos estaduais será de suma
importância em seu financiamento.
3. Políticas Voltadas para a Organização do Sistema Educacional
O atual desenho do sistema brasileiro de educação básica, cujos contornos foram
fortemente influenciados pela Constituição Federal de 1988, pode ser pensado como tendo um
tripé de sustentação.2 Esse tripé seria formado por:
I.
Descentralização na oferta dos serviços educacionais – A oferta de educação básica está a
cargo de Estados e Municípios. Atualmente a educação infantil é de responsabilidade dos
Municípios e o ensino médio de responsabilidade dos Estados. Já a educação
fundamental é compartilhada entre Estados e Municípios.3
II.
Critérios de financiamento definidos pela Federação – Determinação de vinculação
orçamentária para cada uma das esferas de governo e critérios de distribuição dos
recursos, dentro dos estados, de acordo com as matrículas.
III.
Avaliação centralizada – Um sistema de avaliação que permita a comparação entre
unidades da Federação, entre redes de ensino e entre escolas.
Ainda que esse desenho possa ser aperfeiçoado e melhorado ele apresenta aspectos
interessantes e que deveriam ser preservados. É importante destacar que o atual sistema foi
construído ao longo de décadas e deveria ser o ponto de partida para qualquer política pública de
educação. O papel do formulador de políticas deveria ser o de avaliar a situação atual; identificar
os resultados considerados insatisfatórios; identificar suas possíveis causas; e propor mudanças
que levem em conta os custos e os benefícios da intervenção. A avaliação da política deveria
comparar os estados pós e pré-intervenção, segundo algum critério de melhoria pré-definido. Essa
perspectiva, entre outras coisas, ressalta os custos de transição. Uma coisa é desenhar um sistema
público de educação quando ele não existe, outra é pensar em uma reforma para um sistema já
maduro.
As principais vantagens da descentralização estão no seu potencial de gerar inovações, na
medida em que mais alternativas de políticas são testadas, e de permitir um melhor tratamento
2
Ver Fernandes (2011).
A União possui um papel complementar nessa esfera: o de fornecer assistência técnica e financeira aos
Estados e Municípios; o de definir as diretrizes curriculares nacionais e o de regular a formação de
professores. A regulação do ensino superior, que inclui as escolas de formação de professores, está sob
responsabilidade do Governo Federal.
3
para as diversidades locais. No entanto, para que essas vantagens potenciais se materializem,
algumas pré-condições são necessárias. Primeiro, é preciso identificar e difundir as experiências
de sucesso. Segundo, é necessário produzir informações que possibilitem a população local julgar
a qualidade da educação oferecida e cobrar os gestores e governantes por melhorias. Por fim, é
preciso dotar o poder local com recursos e capacidade técnica para gerir suas escolas. Os critérios
de financiamento definidos pela Federação e a avaliação centralizada são elementos importantes
na busca de se estabelecer tais pré-condições.
A constituição de 1988 estabeleceu que Estados e Municípios destinassem um mínimo de
25% de suas receitas de impostos e transferências à educação. Para o governo Federal esse
percentual foi de 18%.4 Tais vinculações tem garantido um volume minimamente razoável de
recursos para o setor. Como mostram Menezes-Filho e Oliveira (2014) em artigo neste projeto, o
Brasil não possui um comparativamente baixo gasto em educação. Esse gasto, como proporção
do PIB, está acima da maioria dos países participantes do PISA. Isso, no entanto, não impede que
haja redes de ensino muito carentes de recursos.
O Fundo de Manutenção e Desenvolvimento da Educação Básica e de Valorização dos
Profissionais da Educação (Fundeb) tem a finalidade de proporcionar um mínimo de recursos para
todas as redes de ensino. O Fundeb consiste em um fundo de financiamento estadual, onde o
estado e seus municípios contribuem com 20% da arrecadação de impostos e transferências e a
distribuição dos recursos, entre estado e municípios, é feita de acordo com o número de
matrículas. É estabelecido um valor mínimo por aluno, cabendo a União um aporte
complementar de recursos para Estados que não atingem esse valor mínimo. Esse desenho, ainda
que sujeito a aprimoramentos, produz uma maior equidade no sistema e, assim, responde a uma
das principais críticas da descentralização em um país com desigualdades regionais: a de que
crianças que nascem em regiões pobres estariam condenadas a frequentar escolas igualmente
pobres.
Ainda que recursos sejam importantes, eles não garantem uma boa educação. Uma
determinada rede pode ter recursos suficientes, mas desperdiçá-los. Um elemento importante no
combate à ineficiência na utilização de recursos é a disponibilidade de informações mais objetivas
sobre a qualidade do ensino nas escolas e redes. A existência de um sistema centralizado de
4
A partir de 1994, com o Fundo Social de Emergência e posterior Desvinculação das Receitas da União (DRU),
o percentual de vinculação para o Governo Federal passou a ser de 14%.
avaliação - ao fornecer indicadores de desempeno dos estudantes que sejam comparáveis entre
unidades da Federação, redes de ensino e escolas – cumpre essa função.
A divulgação dos resultados da Prova Brasil e do IDEB – por escolas, redes de ensino e
unidades da Federação – aumentou o grau de accountability no sistema educacional brasileiro.
Tais informações possibilitam ao público local realizar uma maior cobrança de governantes e
gestores do sistema por melhorias no ensino e auxiliam os pais na hora de escolher a escola para
seus filhos. Além disso, esse sistema permite a identificação de boas experiências e de situações
que merecem maior atenção do poder público.
Uma crítica que se faz a esse sistema é que os indicadores considerados não refletem
apenas a qualidade das escolas ou das redes de ensino, mas também as condições
socioeconômicas e a bagagem cultural dos estudantes. Tal crítica se baseia na hipótese de que o
público interessado é incapaz de extrair o “sinal de qualidade” de uma determinada escola ou
rede de ensino por, por exemplo, compará-la com escolas ou redes de ensino que possuam
público similar. Ela desconsidera que pode ser mais fácil para o público relacionado à escola (pais
de alunos, professores e diretores) estabelecer o parâmetro correto de comparação do que para
qualquer analista distante dessa realidade.5 De qualquer modo, as evidências existentes indicam
que a introdução de programas de accountability baseados em resultados dos estudantes em
exames padronizados tende a elevar a proficiência dos estudantes nesses exames.6
No caso do Brasil, Botelho et al. (2014), em artigo neste volume, mostram que a grande
maioria dos professores e, praticamente, a totalidade dos diretores da escola conhecem e sabem
posicionar o IDEB da escola em relação às demais escolas do município. Além disso, o
conhecimento do IDEB da escola por parte dos alunos está intimamente ligado ao desejo dos
mesmos em mudar para uma escola melhor. Assim, alguns dos requisitos necessários para a
efetivação da política parece se verificar no Brasil: a informação está chegando aos tomadores de
decisão e eles a entendem como uma medida de qualidade da escola.
No entanto, o sistema pode ser aprimorado. Mesmo porque, alguns de seus aspectos não
parecem estar em coerência com a lógica subjacente ao desenho acima delineado. Um elemento
chave no Fundeb é o de aumentar a possibilidade de escolhas para o público. Ele aumenta a
5
Esse problema, no entanto, tende a ser mais grave quando prêmios e sanções são automaticamente
atrelados aos indicadores de accountability.
6
Enquanto parte dessa melhoria pode ser devida a uma “inflação de notas” (aumento da pontuação nos
exames sem melhora no aprendizado), as evidências apontam que parte do aumento das notas reflete uma
concorrência entre a rede estadual e a rede municipal de educação em um dado município. Se,
por exemplo, a rede municipal oferece uma educação de melhor qualidade que a rede estadual
ela deveria ser estimulada a aumentar suas matrículas e, conseqüentemente, obter os recursos
correspondentes. Assim, não parece fazer sentido o Fundeb não contemplar as matrículas de
ensino médio para as redes municipais e as matrículas da primeira fase do ensino fundamental
para as redes estaduais. Deste modo, redesenhar o Fundeb para que estados e municípios possam
oferecer ensino fundamental e médio seria uma medida que aumentaria a coerência do sistema.7
Na mesma direção, seria importante que o sistema de accountability tivesse como
referência estados e municípios, ao invés de redes de ensino estaduais e municipais. O secretário
de educação do município (estado) e o prefeito (governador) deveriam ser responsabilizados pela
qualidade de educação oferecida no município (estado) e não pela qualidade de educação
oferecida pela rede municipal (estadual).8 Por exemplo, se a rede municipal oferece uma boa
qualidade de ensino, mas atende a uma parte muito pequena dos alunos do município e a maior
parte dos alunos se encontra em escolas estaduais de má qualidade, o prefeito e o secretário
municipal de educação não deveriam ser elogiados pelo trabalho realizado na área. Ao contrário,
deveriam ser cobrados a aumentar a rede de ensino municipal. Aliás, fornecer recursos para tal
expansão é uma das principais funções do Fundeb. Portanto, seria importante que o Ministério da
Educação reforçasse esse entendimento em suas ações, como, por exemplo, aquelas relacionadas
ao PAR (Plano de Ações Articuladas) e às divulgações de resultados de avaliações.
Outra forma de aumentar a possibilidade de escolhas para o público seria permitir a
participação de escolas conveniadas no Fundeb. Isso já acontece para as creches e poderia ser
expandido para escolas de ensino fundamental e médio. Assim, escolas conveniadas seriam, para
todos os efeitos, contadas como escolas públicas regulares. Para isso elas deveriam ser
regulamentadas. Por exemplo, seriam consideradas escolas conveniadas escolas geridas
privadamente, mas que: a) fossem totalmente financiadas pelo poder público, sendo
impossibilitadas de cobrar mensalidades; b) fossem autorizadas pelo conselho municipal ou
estadual de educação; c) fossem impedidas de selecionar alunos por desempenho; d) fossem
melhora da qualidade das escolas. Para um survey recente sobre a literatura de school accountability, ver
Figlio e Loeb (2011).
7
No caso da educação infantil a questão é um pouco mais complicada, uma vez que não existe avaliação em
larga escala para essa etapa de ensino.
8
Se cada esfera de governo é responsabilizada apenas pelo desempenho dos alunos de sua rede, caberia
indagar quem seria responsabilizado pelos estudantes fora da escola.
submetidas a todas as avaliações em larga escala as quais as escolas públicas regulares participam;
e) etc.
Ainda em relação às avaliações, seria importante expandir a Prova Brasil para o 9º ano do
Ensino Fundamental para incluir ciências da natureza e humanidades. O sinal que o IDEB fornece
às escolas é claro: priorize suas ações para que os alunos obtenham os conhecimentos e
habilidades exigidas pela Prova Brasil e cuidem para que os alunos caminhem no sistema sem
repetências. Para a primeira fase do ensino fundamental não parece haver problemas. Grande
parte dos educadores, acredito, concordaria que nessa etapa do ensino as disciplinas de língua
portuguesa e matemática são as fundamentais.
No entanto, avaliar as escolas na segunda fase do ensino fundamental e no ensino médio
com base apenas em língua portuguesa e matemática é, reconhecidamente, insuficiente. Para o
ensino médio, o Exame Nacional de Ensino Médio (ENEM) poderia cumprir esse papel. Então,
restaria expandir a Prova Brasil para a segunda fase do ensino fundamental.
A política de accountability acima discutida pode ser denominada de soft accountability,
em que não há sanções ou premiações diretamente atreladas aos alunos e/ou agentes escolares
pelo desempenho nas avaliações externas. Uma alternativa de política de responsabilização são
aquelas de hard accountability. Nesse tipo de política, é desenhado algum mecanismo de
incentivo que pune (ou premia) os sistemas escolares de acordo com objetivos pré-definidos. Esse
tipo de política é bem mais polêmica, sendo que a literatura internacional encontra evidência
inconclusiva acerca do efeito desse tipo de política. Por exemplo, a introdução de sistema de
pagamento de bônus aumentou o grau de esforço docente e o desempenho dos alunos em Israel
(Lavy, 2009), Kenya (Glewwe, Ilias e Kremer, 2010) e India (Muralidharan and Sundararaman,
2011). Já nos Estados Unidos, enquanto Figlio and Kenny (2007) e Jinnai (2012) encontram relação
positiva sobre o desempenho dos estudantes, Goodman e Turner (2013) e Fryer (2011) não
encontram esse efeito.
No Brasil, as redes estaduais são quem têm se destacado na adoção desses mecanismos,
dado que um conhecimento das peculiaridades de cada rede é importante para o desenho e bom
funcionamento dessas políticas. Há poucos trabalhos procurando avaliar essas políticas, muito em
razão de os programas serem relativamente recentes. Destaca-se o trabalho de Oshiro e
Scorzafave (2011) que encontram efeito positivo da bonificação para alunos de 5º ano da rede
estadual paulista, mas não encontram efeito para alunos do 9º ano. Já Ferraz e Bruns (2012) e
Guerra e Foguel (2011), encontram alguma evidência positiva dos sistemas de bônus
pernambucano e paulista, respectivamente.
Cabe uma ressalva importante de que a eficácia desse tipo de política está muito ligada ao
desenho do sistema de incentivo. Assim, dizer que o sistema de bônus é bom ou ruim não seria
adequado, pois a depender do desenho (tamanho do incentivo, benefício baseado apenas no
desempenho individual do professor ou coletivo, etc.) os resultados podem apresentar grande
variação. De qualquer modo, parece mais razoável que a decisão sobre a implantação ou não de
um sistema de hard accountability seja deixada para as redes estaduais e municipais de ensino,
não cabendo ao governo federal qualquer iniciativa nessa direção.
Uma decisão importante a ser tomada pelas redes municipais e estaduais de ensino diz
respeito às políticas de combate a repetência. Na década de 90 várias redes municipais e
estaduais de ensino adotaram medidas para reduzir as exigências para aprovação. A implantação
de sistemas de ciclos, onde a reprovação só é permitida nas séries finais do ciclo, se
generalizaram. O objetivo era combater as elevadas taxas de repetência observadas na educação
brasileira. Fernandes et al. (2014), em artigo neste volume, mostram que tais políticas parecem
ter tido o impacto almejado. A taxa média de promoção escolar na primeira fase do ensino
fundamental cresceu de 62,78% em 1995 para 77,34% em 2005.
Apesar disso, a avaliação sobre tais políticas, entre políticos e especialistas em educação,
está muito distante de um consenso. Seus defensores alegam que a repetência escolar em nada
contribuía para o desenvolvimento acadêmico dos reprovados. Ela não promoveria melhor
aprendizado, além de fomentar a evasão escolar. Já os críticos alegam que combater a repetência
por, simplesmente, reduzir os padrões de aprovação constituía-se em uma fraude. Promover o
aluno sem o que o mesmo tenha obtido um mínimo de aprendizado não poderia ser visto como
algo em favor desse aluno. Apesar do acalorado debate sobre o assunto, o fato é que estudos
sistemáticos, procurando avaliar o impacto causal dessas políticas, são, praticamente,
inexistentes no Brasil.
Fernandes et al. (2014) analisam o impacto dessas políticas sobre o desempenho
educacional futuro, com especial atenção para a evasão do ensino médio. Sabe-se que o atraso
escolar é o melhor previsor da evasão escolar. Por exemplo, Gremaud et al. (2011) mostram que,
para São Paulo, os alunos sem defasagem idade-série tendem a ingressar no ensino médio,
independentemente de suas características socioeconômicas e do desempenho obtido no SARESP
ao final do ensino fundamental. A dificuldade é estabelecer se tal relação é causal, pois alunos
propensos a evadir podem ter maior probabilidade de repetências. Nesse sentido, Fernandes et al.
(2014) adotaram uma estratégia para tentar identificar a relação de causalidade entre as políticas
de redução das exigências de aprovação e a evasão escolar. Eles concluem que, na idade de 18
anos, os critérios mais brandos para aprovação na 1ª fase do ensino fundamental implicaram em
maior taxa de conclusão e menor evasão escolar no ensino médio, além de maio taxa de ingresso
no ensino superior.9
No momento que as políticas de ciclos vêm sendo bastante questionadas e mesmo
revertidas em algumas redes de ensino é importante ter em mente que o aumento da reprovação
pode elevar a evasão escolar no ensino médio. A política de reprovação zero pode não ser a ideal,
mas retornar aos padrões de reprovação do início dos anos 90 seria, sem sombra de dúvidas, uma
alternativa muito pior.
4. Políticas de Indução de Insumos e Processos Educacionais Específicos
Identificar os insumos e processos educacionais que contribuem para a melhoria da
qualidade da educação tem sido objeto de estudo da assim chamada “função de produção
educacional”. Entretanto, antes de nos atermos a certos insumos e processos educacionais
específicos, vale destacar uma questão mais ampla nessa linha de investigação e que vem sendo
indagada por muitos pesquisadores da área, a saber: existe uma relação positiva entre gastos em
educação e qualidade de ensino?
Se perguntarmos para pesquisadores e formuladores de políticas públicas na área de
educação se recursos financeiros são importantes para termos uma educação de qualidade, as
respostas, em sua maioria, seriam, provavelmente, afirmativas. Isso porque não se pode fazer uma
boa escola sem recursos (bons professores, material didático adequado etc.) e porque as medidas
propostas para melhorarmos a educação costumam ser dispendiosas. Entretanto, a relação
empírica entre gastos por aluno e qualidade da educação não tem sido facilmente observada em
estudos que buscam investigar tal relação.
Menezes-Filho e Oliveira (2014) exploram essa questão. Eles fazem uma revisão da
literatura pertinente e mostram que as evidências são mistas, algumas pesquisas encontram uma
relação positiva e significativa entre os gastos e desempenho escolar, ao passo que outras não
9
Um aumento de 1 p.p. na taxa de promoção escolar na primeira fase do ensino fundamental reduz em
0,47 p.p. na taxa de evasão do ensino médio até os 18 anos de idade.
encontram significância estatística na relação. E mais, eles conduzem um novo estudo para o Brasil,
relacionado o gasto por aluno e a qualidade da educação entre os municípios brasileiros. O
resultado obtido é que não existe uma relação positiva entre gasto e qualidade da educação.
Seria possível levantarmos várias hipóteses do porque da dificuldade de encontrarmos
uma relação positiva entre gastos e qualidade da educação. Uma primeira abordagem para
investigarmos tal relação é a de obtermos a correlação entre gastos por aluno e desempenho
escolar entre unidades educacionais (escolas, redes de ensino, municípios etc.), controlando por
outros fatores associados a gastos e desempenho que possam variar entre as unidades. A dúvida
que sempre fica de tal abordagem é se todas as variáveis relevantes foram, de fato, controladas e,
assim, os resultados obtidos não são enviesados. Uma segunda estratégia, utilizada por MenezesFilho e Oliveira (2014), consiste em avaliar a correlação entre variação de gastos e variação da
qualidade. Ou seja, procura-se verificar se após um aumento dos gastos por aluno tendemos a
observar uma melhora na qualidade da educação. O problema aqui é que o impacto da variação
dos gastos sobre a qualidade da educação pode levar tempo e esse tipo de estudo tende a
observar apenas os impactos de curto prazo.
Admita, por exemplo, que um determinado município eleve substancialmente os gastos
com educação em virtude de uma nova política salarial para os professores. Com um salário mais
elevado, a função de professor torna-se mais atrativa e a oferta de professores de qualidade tende
a crescer. Entretanto, até que mais professores de qualidade sejam formados, contratados e
substituam os antigos professores pode levar um tempo considerável e a estratégia de identificar
o impacto dos gastos sobre a qualidade da educação baseada em variações de curto prazo entre
gastos e desempenho educacional não teria como capturar o impacto da medida.
De qualquer forma, estudos como de Menezes-Filho e Oliveira (2014) são um alerta para
aqueles que simplesmente defendem um aumento de gastos como forma de melhorarmos a
educação do país. Ele nos mostra que os resultados podem não aparecer tão cedo, se é que eles
venham a aparecer. Apostar simplesmente numa política de elevação de gastos como forma de
melhorar a educação pode ser uma aposta extremamente arriscada.
Identificar os insumos e processos escolares mais associados à qualidade das escolas seria,
sem dúvida, de grande valia no processo de elaboração da política educacional. Nesse sentido, as
pesquisas empíricas sistematizadas, buscando relacionar insumos e processos escolares com o
desempenho dos estudantes, são abundantes na literatura especializada. O problema é que não
tem sido fácil identificar políticas baseadas em insumos e processos educacionais cujos resultados
sejam inquestionavelmente positivos, no sentido de produzirem um melhor aprendizado aos
estudantes.10
Dois exemplos de programas amplamente avaliados e sem clara comprovação de sucesso
são aqueles relacionados ao uso de informática nas escolas e à qualificação do corpo docente
(educação continuada). De modo geral, os resultados das avaliações desses programas são mistos:
positivos, negativos ou não estatisticamente significativos.
No âmbito deste projeto, Botelho et al. (2014) analisam o impacto do uso de tecnologias
de informação e comunicação (TICs) na aprendizagem dos alunos e não encontram evidências de
impactos positivos. Por sua vez, Nicolella et al. (2014) avaliam o impacto dos programas de
qualificação do corpo docente sobre o desempenho dos estudantes. Os resultados apontam que
enquanto a realização de programas de pós-graduação por parte dos professores contribui
positivamente para a aprendizagem dos alunos, a participação dos professores em cursos de
atualização (formação continuada) não apresentaram resultados significativos para explicar o
desempenho dos alunos.
Em estudo recente, Dobbie e Fryer (2011) retomam a questão sobre insumos e processos
educacionais que tornariam as escolas mais efetivas. A vantagem do estudo está no conjunto sem
paralelo de dados que eles levantam para 35 escolas charter da cidade de Nova York. Escolas
charter, apesar de administradas por instituições privadas, possuem recursos e alunos similares
aos das escolas públicas e, por serem independentes, possuem uma maior variação no sistema de
gestão. Tais características permitem que os autores consigam avançar além do que usualmente é
feito na literatura especializada.
O estudo confirma que as medidas tradicionalmente coletadas (e.g. tamanho da classe,
gasto por aluno, fração de professores com certificação ou titulação mais avançada) não são
correlacionadas com a efetividade da escola (medida pelo valor adicionado da escola ao
desempenho de seus estudantes em testes externos). No entanto, ele conclui que um índice
formado por cinco medidas educacionais é capaz de explicar, aproximadamente, metade da
variação encontrada na efetividade das escolas consideradas. Essas medidas educacionais são: i)
retorno freqüente aos professores acerca de seu desempenho; ii) uso de dados para guiar a
instrução; iii) alta dose de tutoria; iv) tempo de instrução elevado e v) altas expectativas em
relação aos alunos.
10
Ver, por exemplo, Hanushek (2003).
Assim, as escolas efetivas tendem a ter objetivos claros e extremamente focados no
desempenho acadêmico de seus estudantes. O desempenho é freqüentemente aferido por
aplicação de testes e seus resultados são utilizados para orientar o programa de ensino. As
expectativas quanto ao aprendizado dos alunos tendem a ser altas e os professores são
freqüentemente informados acerca da avaliação que a direção da escola faz do seu trabalho. Os
alunos com dificuldades recebem tutoria de até quatro vezes por semana e em pequenos grupos.
Por fim, as escolas efetivas tendem a ter maior tempo de instrução (mais dias letivos e/ou maior
jornada diária). Embora incomum em estudos quantitativos, os resultados apresentados Dobbie e
Fryer (2011) corroboram os resultados obtidos por inúmeras pesquisas qualitativas realizadas nos
últimos quarenta anos.
No âmbito deste projeto, Firpo et al. (2014) avaliam o impacto da jornada expandida
(atividades acadêmicas e não acadêmicas no contraturno) sobre o desempenho dos estudantes.
No entanto, os resultados encontrados não confirmam os achados de Dobbie e Fryer (2011). Os
resultados indicaram que a participação no contraturno está relacionada com um desempenho
inferior dos alunos, tanto em língua portuguesa quanto em matemática, principalmente quando
os estudantes freqüentam atividades acadêmicas, tais como aulas de reforço, vis-à-vis à
participação em atividades artísticas ou de recreação.
É possível que Firpo et al. (2014) não tenham conseguido lidar com o potencial viés de
participação nas atividades do contraturno: as escolas que oferecem contraturno possuem pior
desempenho e, dentro das escolas, os que participam dessas atividades possuem pior
desempenho. No entanto, esse resultado é corroborado por Soares e Gremaud (2014), que
compararam escolas com alto e baixo valor agregado. Eles concluem que as variáveis associadas à
existência de contraturno são muito similares nos dois grupos analisados (de Baixo Valor Agregado
e Alto Valor Agregado), exceto para os percentuais de alunos que freqüentam aulas de reforço e
aulas de música, em ambos os casos com percentuais maiores para os alunos que pertencem a
escolas ao grupo de baixo valor agregado.
Na mesma linha que Dobbie e Fryer (2011), Soares e Gremaud (2014) encontram que os
professores das escolas com alto valor agregado possuem melhores expectativas de seus alunos,
atribuem menos peso às causas externas no desempenho da escola e acreditam que fazem
diferença para o aprendizado dos alunos. Eles encontram ainda que em escolas com alto valor
agregado, o absenteísmo dos professores é menor, a dedicação dos docentes é maior e a
infraestrutura da escola é melhor, embora não esteja associada a itens sofisticados ou modernos.
Uma peculiaridade da educação pública no Brasil é a expansão da adoção dos chamados
“métodos estruturados de ensino”. A partir da década de 90 diversas redes municipais de ensino,
especialmente em São Paulo, passaram afirmar firmar contratos com instituições privadas para o
fornecimento de material didático para os alunos e de material pedagógico e treinamento para os
professores. Isso com o objetivo de padronizar e sistematizar as aulas. Nos últimos dez anos, no
estado de São Paulo, cerca de um terço dos municípios contrataram instituições privadas que
forneceram o que se convencionou chamar de “métodos estruturados de ensino”.
Com a
divulgação da Prova Brasil a partir de 2005, observou-se que muitos dos municípios com
resultados excepcionais contratavam tais serviços. Mais recentemente, redes públicas de ensino
(como, por exemplo, a rede estadual de São Paulo) passaram a elaborar seu próprio material de
ensino estruturado.
Souza et al. (2014) analisam o impacto da adoção de métodos estruturados de ensino
sobre o desempenho escolar em redes públicas de ensino fundamental. Corroborando trabalho
anterior, eles encontram uma relação positiva entre a adoção de sistemas de ensino e as notas dos
estudantes em testes padronizados, no 4º e 6º anos do ensino fundamental. Infelizmente, não foi
possível distinguir métodos estruturados de ensino contratados de instituições privadas ou
elaborados pelas próprias redes de ensino. Ainda que seja necessária cautela na interpretação
desses resultados, a introdução de métodos estruturados de ensino vem se mostrando uma
alternativa atraente, especialmente em redes com maior carência de professores qualificados.
5. Considerações Finais
As evidências dos elevados retornos individuais proporcionados pela educação são
abundantes em todo o mundo. E, nesse caso, o Brasil não se constitui em uma exceção. No
entanto, o desempenho educacional apresentado pelos alunos brasileiros é ainda bastante inferior
aos países desenvolvidos e mesmo de alguns países em desenvolvimento. Isso tem levantado a
seguinte questão: como melhorar a educação no Brasil?
Como vimos, as variáveis relacionadas à família possuem muito mais poder preditivo sobre
o desempenho dos alunos do que variáveis relacionadas às escolas que os alunos freqüentam, mas
grande parte das desvantagens dos alunos de famílias economicamente desfavorecidas se deve ao
desenvolvimento cognitivo e emocional desses estudantes nos primeiros seis anos de vida. Assim,
os investimentos na educação das crianças de famílias socialmente desfavorecidas durante os
primeiros anos da criança devem ser prioritários. Para isso, não basta garantir a oferta de creches.
É preciso garantir a qualidade das mesmas. E mais, programas que possuem as mães como foco
podem ser mais eficientes.
Vimos também que o sistema brasileiro de educação básica, ainda que possa ser
aperfeiçoado e melhorado, apresenta aspectos interessantes e que deveriam ser preservados. Ele
foi construído ao longo de décadas e deveria ser o ponto de partida para qualquer política pública
de educação. Nesse sentido, a proposta aqui defendida é a de reforçar a lógica do sistema:
aumentar a concorrência entre as esferas de governo, permissão para que escolas conveniadas
participem do FUNDEB, aprofundar o sistema de accountability e aprimorar as avaliações.
Por fim, vimos que a literatura é menos otimista quando o assunto é selecionar insumos e
processos educacionais que, indubitavelmente, contribuem para a melhora da educação. Mesmo
assim, algumas práticas parecem recomendáveis: a) retorno freqüente aos professores acerca de
seu desempenho; b) uso de dados para guiar a instrução; c) alta dose de tutoria; e d) tempo de
instrução elevado. Também foi destacado que a adoção de métodos estruturados de ensino pode
contribuir para melhoria do ensino, especialmente em áreas onde a oferta professores
qualificados é muito escassa.
Referências Bibliográficas
BARROS, R.P.; CARVALHO, M.; FRANCO, S.; MENDONÇA, R.; DE PÁDUA, E.; ROSALEM, A.;
TSUKADA, R. A Importância da Qualidade da Creche para a Eficácia na Promoção do
Desenvolvimento Infantil. In ARAUJO, A. (ed.) Aprendizagem Infantil. Uma Abordagem da
Neurociência, Economia e Psicologia Cognitiva. Rio de Janeiro: Academia Brasileira de
Ciências, 2010.
BOTELHO, F.; GEMIGNANI, T.; MADEIRA, R.; MELONI, L. RANGEL, M.; PIONER, H. Sistemas de
Accountability nas Escolas Públicas Brasileiras: Identificando a Eficácia das Diferentes
Experiências, 2014a.
BOTELHO, F.; GEMIGNANI, T.; MADEIRA, R.; MELONI, L. RANGEL, M.; PIONER, H. O impacto das
políticas de utilização da informática na aprendizagem dos alunos, 2014b
COLEMAN, J. S. et al. Equality of Educational Opportunity. Washington, 1966.
CUNHA, F. e HECKMAN, J. The Technology of Skill Formation. American Economic Review, v. 97, n.2,
p. 31-47, 2007.
CUNHA, F. et al. Interpreting the Evidence on Life Cycle Skill Formation. In HANUSHEK E. e WELCH,
F. The Handbook of Economics of Education., Volume 1, Amsterdam, Elsevier, p. 697-812,
2006.
CURI, A.; MENEZES-FILHO, N. Os efeitos da pré-escola sobre salários, escolaridade e proficiência.
Insper Working Papers Series, n. 57, 2006.
DEE, T.; JACOB, B. The Impact of no Child Left Behind on Student Achievement. Working Paper
No.15531, NBER, 2009.
DOBBIE, W; FREYER, R. G. Getting Beneath the Veil of Effective Schools: Evidence from New York
City. Working Paper No.17632, NBER. 2011.
FERNANDES, R. As Avaliações e os Desafios do Ensino Médio. In E. BACHA, E. e SCHWARTZMAN, S.
(Eds.). Brasil: A Nova Agenda Social. Rio de Janeiro, LTC, p. 276-284, 2011.
FERNANDES, R.; GREMAUD, A; SCORZAFAVE, L.; THEODORO, M. A Influência da Redução da
Repetência sobre o Desempenho Escolar Futuro, 2014
FERRAZ, C; BRUNS, B. Incentives to Teach: The Effects of Pay-for-Performance in Education,
mimeo, 2012.
FIGLIO, D. N.; KENNY, L.W. Individual Teacher Incentives and Student Performance. Journal of
Public Economics, v.91, p.901–914, 2007.
FIGLIO, D.; LOEB, S. School Accountability. In HANUSHEK, E., MACHIN, S. e WOESSMANN, L. (Eds)
Handbook of the Economics of Education, Volume 3, North-Holland, p. 383-421, 2011.
FIRPO, S.; PONCZEK, V.; TAVARES, P. A relação entre a participação em jornada escolar ampliada e
o desempenho escolar no ensino fundamental, 2014.
FRYER, R. Teacher Incentives and Student Achievement: Evidence from New York City Public
Schools. Working Paper No. 16850, NBER, 2011.
GLEWWE, P., ILIAS, N. e KREMER, M. Teacher Incentives. Working Paper No. 9671, NBER, 2003.
GOODMAN, S. e TURNER, L. The Design of Teacher Incentive Pay and Educational Outcomes:
Evidence from the New York City Bonus Program. Journal of Labor Economics, v. 31, n. 2, p.
409-420, 2013.
GUERRA, F; FOGUEL, M. Multitasking in Different Political Economy Contexts: Evidence from a
Performance-Pay Reform in Brazil, mimeo, 2011.
HANUSHEK, E. A. The Failure of Input-based Schooling Policies. The Economic Journal, v. 113, n.
485, p. F64-F98, 2003.
HANUSHEK, E. A. e RAYMOND, M. Does school accountability lead to improved student
performance? Journal of Policy Analysis & Management, v. 24, n, 2: 297-327, 2005.
JINNAI, Y. The Impact of Teacher Performance Pay on Student Achievement: A Regression
Discontinuity Approach. Working Paper, 2012.
LAVY, V. Performance Pay and Teachers’ Effort, Productivity, and Grading Ethics. American
Economic Review, v. 99. n.5. p.1979–2011, 2009.
MENEZES-FILHO, N.; OLIVEIRA, A. A Relação entre Gastos e Educação e Desempenho Escolar nos
Municípios Brasileiros: Uma Análise com dados em Painel, 2014.
MURALIDHARAN, K; SUNDARARAMAN, V. Teacher Performance Pay: Experimental Evidence from
India. Working Paper No. 15323, NBER, 2009.
NICOLELLA, A.; KASSOUF, A.; BELLUZZO, W. Programas de qualificação do corpo docente e sua
relação com o desempenho dos estudantes, 2014.
PINTO, C.; RODRIGUES, C.; SANTOS, D. The impact of daycare attendance on Math test scores for
a cohort of 4th graders in Brazil. C-Micro Working Papers Series 10/2011.
PINTO, C.; SOUZA, A. O Impacto da Educação Infantil no Desempenho dos Alunos do Ensino
Fundamental, 2014
SOARES, T.; GREMAUD, A. A Identificação e Análise das Experiências de Sucesso Educacional, 2014.
SOUZA, A. Impactos da Pré-escola no Brasil. In ARAUJO, A. (ed.) Aprendizagem Infantil. Uma
Abordagem da Neurociência, Economia e Psicologia Cognitiva. Rio de Janeiro: Academia
Brasileira de Ciências, 2010.
SOUZA, A.; PONCZEK, V.; TAVARES, P. A relação entre a adoção de métodos estruturados de ensino
e o desempenho escolar no ensino fundamental, 2014.