Microsoft Word - AAPEv15n6.doc Los lectores/as pueden copiar, mostrar, y distribuir este articulo, siempre y cuando se de crédito y atribución al autor/es y a Archivos Analíticos de Políticas Educativas, se distribuya con propósitos no-comerciales, no se altere o transforme el trabajo original. Mas detalles de la licencia de Creative Commos se encuentran en http://creativecommons.org/licenses/by-nc-nd/2.5. Cualquier otro uso debe ser aprobado en conjunto por el autor/es o AAPE/EPAA. AAPE/EPAA es publicada conjuntamente por el Mary Lou Fulton College of Education at Arizona State University y el College of Education at University of South Florida y, en su versión en español y portugués, por el Observatorio Latinoamericano de Políticas Educativas (OLPED) del Laboratorio de Políticas Públicas (LPP). Los artículos que aparecen en AAPE son indexados en el Directory of Open Access Journals http://www.doaj.org y por H.W. Wilson & Co. Contribuya con comentarios y sugerencias a Fischman@asu.edu y/o pablo@lpp-uerj.net. Archivos Analíticos de Políticas Educativas Revista Académica evaluada por pares Editor: Sherman Dorn College of Education University of South Florida Editores Asociados para Español y Portugués Gustavo Fischman Arizona State University Pablo Gentili Laboratorio de Políticas Públicas Universidade do Estado do Rio de Janeiro Volumen 15 Número 6 Marzo 19, 2007 ISSN 1068–2341 Heterogeneidad en el Acceso a la Educación Media y el Trabajo Infantil Facundo Luis Crosta Universidad Nacional de Quilmes y Centro de Estudios Distributivos, Laborales y Sociales (CEDLAS)-UNLP, Argentina Citación: Crosta, Facundo Luis (2007). Heterogeneidad en el acceso a la educación media y el trabajo infantil. Archivos Analíticos de Políticas Educativas, 15 (6). Recuperado [fecha] de http://epaa.asu.edu/epaa/ Resumen: En este documento se presenta una forma novedosa de analizar los efectos del trabajo infantil sobre el acceso al sistema educativo. Los resultados muestran que el análisis integrado del logro en el sistema educativo permite identificar más adecuadamente las heterogeneidades en el acceso al mismo. Para esto se construye un índice de categorías ordenadas que permite dar cuenta de algunos de los diversos matices que puede adoptar la forma en que se relacionan los individuos con el sistema. El análisis se basa en microdatos provenientes de la Encuesta de Condiciones de Vida (ECV) de 2001 para la Argentina. Se muestra que el trabajo infantil es una variable significativa al momento de explicar porqué algunos Heterogeneidad en el Acceso a la Educación Media y el Trabajo Infantil 2 individuos no se encuentran en el nivel educativo correspondiente a su edad; además, las interacciones de la condición de ocupación con las variables edad, género y pobreza revelan que este efecto se agrava especialmente a partir de los 15 años entre los hombres pobres. Son las características observables individuales como la edad y el sexo las que marcan diferencias en las probabilidades de acceso a la educación; y por lo tanto, se convierten en instrumentos relevantes para las políticas públicas. Además, este resultado sugiere que una política de transferir la misma cantidad de dinero a todos los estudiantes que asisten al nivel medio, sin considerar su edad y género, no pareciera ser la mejor respuesta para resolver el problema de desempeño en este nivel. Se requiere de un estudio en mayor profundidad para poder evaluar la simultaneidad de las decisiones de trabajo y estudio y la relación de ellas con los recursos monetarios disponibles en el hogar. Palabras Claves: Acceso a Educación; Educación Media; Trabajo Infantil; Modelos Multinomiales Ordenados; Argentina Abstract: This paper presents an innovative way of analyzing the effects of child labor on the access to the educational system. The results show that an integrated analysis of achievement in the educational system allows for a more precise identification of the heterogeneities involved in access to such system. To this end, an index of orderly categories is built, allowing us to show some of the different ways that the relation of individuals with the system can take. The analysis is based on microdata withdrawn from the ECV 2001 for Argentina. It is shown that child work is a significant variable to explain why some individuals are not at grade level corresponding to their age. What’s more, the interactions between occupation and age, gender, and poverty reveal that this effect increases for males 15 years or older and poor. It is shown that observable individual characteristics such as age and sex are the ones that establish differences in access to the educational system, thus becoming relevant instruments for public policy. Besides, this result suggests that policy that allots the same amount of money to all secondary school students without considering age and gender does not seem to be the best answer to solve the problem of academic achievement at this level. A more in-depth study is necessary to be able to evaluate the simultaneity of decisions about work and study and their relationship with the availability of financial resources at home. Key Words: Access to Education; Secondary Education; Child Labor; Multinomial Ordered Probit Models; Argentina. Introducción1 La acumulación de capital humano, especialmente a través de la escolarización en el sistema educativo formal, suele reconocerse como elemento clave del desarrollo de un país (Hanusek, 1995; World Bank, 2001). Al mismo tiempo, numerosos estudios han evidenciado la estrecha relación 1 Este documento se realizó en el marco del proyecto “Calidad, equidad y eficacia en el acceso y en el logro de la educación secundaria de Argentina” PICT 20816 en la Universidad Nacional de Quilmes. Se agradecen los comentarios y el apoyo de Rubén Cervini. También se agradecen los comentarios de dos evaluadores anónimos. Como es usual, las expresiones vertidas en este documento corresponden exclusivamente al autor. Archivos Analíticos de Políticas Educativas Vol. 15, No. 6 3 entre educación y trabajo infantil. Ciertamente por ello, en la declaración de los “Objetivos del Milenio del año 2000”, 189 países se han comprometido no sólo a lograr la educación universal para el año 2015, sino también a eliminar el trabajo infantil (ONU, 2000). Esta necesidad de trazar objetivos e implementar políticas para eliminar el trabajo infantil se justifica por su efecto negativo sobre las posibilidades de aprendizaje y la consecuente perpetuación de la condición de pobreza (Basu y Tzannatos, 2003) debido a los bajos salarios pagados a los individuos con menor escolarización (Beegle et al., 2004). Argentina no está lejos de los niveles de escolaridad propios de los países desarrollados. De hecho, según Cossa (2000), la “proporción de personas entre 14 y 17 años que asisten al nivel medio en Argentina creció sostenidamente desde el 65% en 1975 al 89% en 1998” (p. 8). No obstante, el nivel de escolarización en el secundario, particularmente en su último tramo, está por debajo de lo deseable (Llach, 2004). Es allí donde se observa una mayor deficiencia en la inclusión y la retensión escolar (MECyT, 2004). Como respuesta a este problema, el Estado Argentino ha aplicado diversas estrategias orientadas a mejorar la retención escolar de la población de menor nivel socioeconómico. Un ejemplo es el programa de becas recién implementado para favorecer la incorporación al sistema educativo de aquellos con edad para concurrir al nivel medio, con el objetivo de “ampliar la cobertura de este sistema y garantizar la permanencia dentro del mismo y el acceso a una educación de calidad de los niños y jóvenes” (MECyT, 2004, p. 10). No obstante, todas las estrategias gubernamentales no consideran de manera explícita que las “presiones por un menor rendimiento”, principalmente en la forma de trabajo infantil, pueden ser crecientes con la edad y diferentes de acuerdo al sexo. El objetivo del presente trabajo es analizar la relación entre incorporación al mercado de trabajo y ‘acceso’ a la escuela secundaria de la población de 13 a 17 años en Argentina, con base en los microdatos de la Encuesta de Condiciones de Vida 2001 de Sistema de Información, Monitoreo y Evaluación de Programas Sociales (SIEMPRO) sopesando al mismo tiempo el efecto de otras variables individuales y del hogar de esa población. La estrategia acostumbrada en la investigación cuantitativa de los problemas de desempeño en el ciclo escolar suele utilizar diversos indicadores unidimensionales de forma aislada: inscripción, asistencia, tiempo escolar, máximo nivel educativo alcanzado, grado según edad, promoción, abandono, logro de aprendizaje, etc.2 La utilización complementaria, no integrada, de indicadores que pertenecen a ese amplio conjunto de mediciones tampoco resuelve la necesidad de reflejar de forma integrada la heterogeneidad del proceso de avance en el sistema educativo. Para superar esta limitación, en el presente trabajo se presentan un método y el resultado del análisis de una variable de “categorías ordenadas” que contempla todos los aspectos del acceso educativo, y cuyo rango va desde la exclusión total hasta la asistencia al grado con la edad “esperada”, pasando por la asistencia a la escuela y posterior abandono definitivo, y por la asistencia con desfase etario, consecuencia del ingreso tardío, repitencia o deserciones temporarias. El énfasis de la explicación de por qué un individuo no se encuentra en el lugar más elevado del ranking se coloca en la presión que genera el mercado de trabajo. Con el fin de calcular dichas probabilidades, y el cambio en ellas, se estiman modelos multinomiales ordenados. De esta forma, se pretende aportar conocimientos útiles y apropiados para el trazado de políticas sectoriales con base en una medición más apropiada del ‘acceso’ al sistema educativo. 2 Orazem y Gunnarsson (2003) presentan una recopilación sobre el uso de estas y otras medidas como indicadores del logro educativo relevante para el caso de trabajo infantil. Heterogeneidad en el Acceso a la Educación Media y el Trabajo Infantil 4 En la segunda sección se discute la literatura relacionada con la medición de la escolaridad y el trabajo en el grupo etario de interés, y se presentan conceptualmente los indicadores utilizados. En la tercera sección se analizan algunas tendencias recientes del nivel medio en Argentina y se comentan las principales acciones públicas de retención e inclusión. En la cuarta sección se exponen los modelos teóricos y econométricos utilizados para estudiar el problema. En la quinta sección se informa acerca de algunos aspectos metodológicos del estudio, cuyos resultados son analizados a continuación. Finalmente, la última sección presenta una síntesis del trabajo a modo de cierre y conclusiones. Trabajo Infantil y Educación Durante los años 90 resurge el interés por la problemática del trabajo infantil, tanto entre el público general como entre los políticos y los organismos internacionales3. Esta preocupación tiene su correlato con el desarrollo teórico, en especial a partir de los trabajos de Basu y Van (1998) y Basu (1999), y con un aumento muy importante del número de investigaciones y ensayos. En la revista World Bank Economic Review (2003) se encuentra una síntesis de los resultados de diversas líneas de investigación. A continuación se reseñan sólo aquellos particularmente relevantes para el objetivo del trabajo. Se han utilizado dos estrategias de medición de los logros educativos para estimar el efecto del trabajo fuera del hogar. Un enfoque reciente destaca el efecto del trabajo infantil sobre el rendimiento académico medido a través de pruebas estandarizadas. En general, estas investigaciones encuentran que el trabajo infantil está asociado con la disminución del rendimiento escolar. Por ejemplo, Post y Pong (2000) para los EE UU y un panel de 22 países, analizan la relación entre el trabajo remunerado fuera del hogar y el rendimiento académico en Matemática y Ciencia en el 8° grado. Los autores concluyen que el empleo infantil durante la adolescencia tiene efectos negativos sobre los rendimientos en ambas disciplinas, incluso después de considerar el rendimiento previo. Akabayashi y Psacharopoulos (1999) encuentran que en Tanzania, según la evaluación de los padres, las horas trabajadas reducen entre un 4% y 6% las habilidades en lectura (poder leer el diario) y matemáticas (realizar cálculos) de los niños de 7 a 14 años. Dichas habilidades son estimuladas por las horas de estudio y la asistencia a la escuela. Orazem y Gunnarsson (2003) analizan los efectos del trabajo fuera del hogar sobre el logro educativo, medido por puntajes obtenidos en pruebas de ciencias y matemática en 10 países latinoamericanos. Los autores encontraron que este tipo de trabajo afecta negativamente los logros en ambas asignaturas, reduciendo los resultados en un 10% en matemática y hasta en un 15% en ciencias. Recientemente, Ray y Lancaster (2005) usando una muestra con datos de 7 países4, evaluaron el efecto de las horas trabajadas por los niños de 12 a 14 años sobre la asistencia y el rendimiento escolar, encontrando que los niños que trabajan tienen mayores dificultades para leer y escribir (Camboya y Namibia) y una mayor tasa de fracasos académicos (Portugal). En Argentina, Cervini (2005) encuentra que el trabajo fuera del hogar está asociado con un menor rendimiento en pruebas de matemática de los niños de 12 a 14 años en el 7° grado. Si bien el uso de los resultados de exámenes estándar permite medir el grado en que se han incorporado ciertas habilidades, al ser aplicados sólo sobre los estudiantes que permanecen en el 3 En 1990 se realiza el Congreso de la Niñez de Nueva York; en 1995 el Congreso Mundial del Desarrollo Social en Copenhague; y en 1999 la OIT adopta la Convención 182 de las peores formas de trabajo infantil. 4 Los países son Belice, Camboya, Namibia, Panamá, Filipinas, Portugal y Sri Lanka. Archivos Analíticos de Políticas Educativas Vol. 15, No. 6 5 sistema educativo, estos resultados no reflejan los efectos totales del trabajo infantil sobre la escolarización. Además, algunos productos no académicos de la escolarización, como socialización, cambios culturales, etc. no se reflejan adecuadamente en el tipo de indicadores estandarizados (Glewwe, 2002; Knowles y Behrman, 2005). En este sentido, la escolarización—entendida como el tipo de relación con el sistema educativo—aún cuando presenta una mirada más amplia y difusa, permitiría incluir a aquellos individuos que ya no se encuentran en el sistema. La medida más básica de escolarización es la inscripción o asistencia al sistema educativo. Algunos estudios en Argentina (Gasparini, 1998; Sosa y Marchionni, 1999) analizan este indicador, pero no consideran de manera explícita la condición de ocupación5. Chile, Sapelli y Torche (2004) evalúan la asistencia a la escuela secundaria entre los individuos de 14 a 17 años como un decisión conjunta con la de trabajar. Los resultados muestran que la edad afecta negativamente la asistencia a la escuela y positivamente a la decisión de trabajar; además, existe una relación positiva, no lineal, del ingreso sólo con la decisión de trabajar. Esta estrategia es útil para ciertos fines pero no permite visualizar algunas características del proceso educativo. Un problema particular es que se considera que todos los asistentes a la escuela tienen el mismo grado de acceso, sin atender a la relación que existe entre la edad observada y la esperada para el grado al que asisten los estudiantes. De esta manera, al asumir que el acceso es homogéneo, no se reflejan otros aspectos relevantes para el proceso de acumulación de capital humano como la repitencia y la entrada tardía (Barro y Lee, 2000). En contraposición, el indicador “años de educación” es una medida de logro educativo que puede captar la heterogeneidad en los logros, independientemente de cual sea la relación del individuo con el sistema educativo en un momento puntual. Psacharopoulos (1997) analiza la relación entre los años de escolarización y la decisión de trabajar en la población de hasta 18 años de Bolivia y Venezuela, encontrando que la brecha de escolarización entre los que trabajan y los que no, es creciente con la edad. Además, este autor encontró que el niño que trabaja en Bolivia reduce en un año su escolaridad, aumentando su probabilidad de repitencia en un 10%; en cambio en Venezuela, el niño que trabaja tiene casi dos años menos de escolarización. Sin embargo, el principal problema de este indicador es que refleja adecuadamente los procesos educativos finalizados, no así los que están en desarrollo. La tasa de extraedad es un indicador que permite ajustar los años efectivos de educación respecto de los años posibles, y por lo tanto, refleja la repitencia y el inicio tardío. Patrinos y Psacharopoulos (1995) analizan de forma separada los determinantes del trabajo infantil y de diversas medidas de extraedad para los niños de 12 a 19 años que se autodefinen como empleados. En este caso, las variables que determinan que el niño trabaje reducen la asistencia escolar e incrementan la probabilidad de repetir. Por ejemplo, a medida que la familia dispone de menor ingreso, disminuye la probabilidad que el niño asista a la escuela, lo cual implica que éste se atrase, repita el grado o posponga el inicio de cursos, aumentando la probabilidad de que trabaje. Patrinos y Psacharopoulos (1997) analizan la relación que existe entre la extraedad y la realización de tareas remuneradas en la población de 7 a 18 años en Perú. Los autores encuentran que si bien para el conjunto de población la mayor extraedad observada es entre aquellos que reciben una remuneración, ésta no es estadísticamente significativa respecto de los que no trabajan6. 5 Probablemente esto se deba a que dichos estudios utilizan una fuente de información, la Encuesta Permanente de Hogares, que no permite identificar las condiciones laborales de los niños menores de 15 años. En Ministerio de Trabajo, Empleo y Seguridad Social (2002) se puede encontrar una discusión de las fuentes de información disponibles en Argentina para medir el trabajo infantil. 6 No obstante, cuando el análisis se realiza exclusivamente para la población indígena esa distancia sí resulta significativa. Heterogeneidad en el Acceso a la Educación Media y el Trabajo Infantil 6 Algunos trabajos más recientes analizan la extraedad con relación a la cantidad de horas trabajadas, tratando de reflejar los efectos negativos de la intensidad de la actividad no escolar. Akabayashi y Psacharopoulos (1999) encuentran que los factores que predicen el trabajo infantil también predicen un aumento en la probabilidad de repitencia7 entre los niños de 7 a 14 años. Rosati y Rossi (2003) encontraron que para los niños entre 5 y 14 años en Pakistán y Nicaragua, el solo hecho de trabajar al menos una hora, reduce la probabilidad de que éstos asistan al grado escolar asignado de acuerdo a su edad. Sedlacek et al. (2005) encontraron que en Brasil, Ecuador, Nicaragua y Perú existe una relación directa entre el tiempo que los niños de 10 a 14 años destinan a tareas por las cuales obtienen ingresos monetarios (se excluye el trabajo hogareño ya que no genera ingresos) y la probabilidad de disminuir el avance en el sistema educativo: una reducción del 10% en la probabilidad de trabajar disminuye un 12% la probabilidad de retrasarse. Ray y Lancaster (2005) también evalúan cómo se relacionan las horas trabajadas con la extraedad en niños de 12 a 14 años en Belice, Camboya, Panamá y Sri Lanka. En todos los casos, con excepción de Sri Lanka, un aumento en las horas trabajadas deriva en un aumento de la extraedad. En el caso de Sri Lanka, los resultados indican que un número reducido de horas de trabajo resulta beneficioso para los estudiantes, sin embargo, después de cierto umbral8, se torna perjudicial. Sin embargo, este indicador es también limitado ya que no toma en cuenta que las personas que no asisten a la escuela, pero que en algún momento lo hicieron, se distinguen de aquellas que nunca han asistido. Posiblemente, las primeras poseen un stock de capital humano “educativo” superior al de las segundas. Por ello, los efectos del trabajo deben considerarse separadamente para el acceso, la progresión y el logro educativo (Bhalotra y Tzannatos, 2003). En este trabajo se propone un enfoque integral de la relación del individuo con el sistema educativo a través de un indicador de heterogeneidad en el ‘acceso’ educativo, diseñado como un ‘ranking’. Así, el “mejor acceso” corresponde a los estudiantes que acceden a la escuela sin extraedad. En segunda posición se ubican aquellos que acceden pero con rezago etario, a continuación se ubican los estudiantes que no acceden, pero que en algún momento lo hicieron, y en la última posición se encuentran aquellos que pese a estar en condiciones de acceder nunca lo hicieron. Este indicador de acceso se aplica a la población habilitada para progresar en el nivel educativo medio, es decir, los niños y jóvenes que han finalizado el ciclo que precede. Por otra parte, de acuerdo con el Convenio 138 de la OIT, existe trabajo infantil cuando el niño realiza actividades que perjudican su “normal desarrollo” (OIT, 1973). El Convenio 138 de la OIT define tres edades y situaciones críticas para la identificación del trabajo infantil: (a) persona menor de 18 años que trabaja en actividades peligrosas o con riesgo para la salud (Artículo 3); (b) edad mínima legal de 14 ó 15 años para quienes están involucrados en trabajo a tiempo completo (Artículo 2); y (c) se pueden realizar tareas livianas fuera del hogar, a manera de entrenamiento, a partir de los 12-13 años (Artículo 6). Adicionalmente, el Convenio 182 en el artículo 2 define al niño como a “toda persona menor de 18 años” (OIT, 1999)9. En este trabajo se utilizará una variable binaria que refleja si la persona, en edad de escuela secundaria, realiza o no tareas típicamente laborales con cierto grado de rutina. Esta definición sigue el criterio tradicional para identificar si un individuo se encuentra ocupado (Basu, 1999)10. 7 Y también en la reducción en el acceso. 8 Este umbral es de 18,8 hs semanales para los varones y de 14,2 hs semanales para las mujeres. 9 Cigno et al. (2002) argumentan que el límite de edad para definir si el trabajo es infantil o no, debiera ser aquel en que usualmente se culmina la educación secundaria. 10 En Anker (2000), Grimsrud (2001) y SIMPOC (2004) se encuentra una discusión sobre la forma de medir el trabajo infantil. Archivos Analíticos de Políticas Educativas Vol. 15, No. 6 7 El Nivel Medio en Argentina En el año 1992, el gobierno nacional finaliza el proceso de transferencia de los servicios educativos a las provincias11. Como resultado de este proceso, el gobierno nacional articula las acciones entre las provincias y compensa los problemas de financiamiento, mientras que cada provincia establece libremente las características de su sistema educativo. Desde la promulgación de la Ley Federal de Educación (LFE) Nº 24.195 del año 1993, el sistema educativo argentino quedó estructurado de la siguiente manera: Educación Inicial, constituida por el jardín maternal (3 y 4 años) y el jardín de infantes (5 años); Educación General Básica, con carácter obligatorio (de 6 a 14 años) y organizada en tres ciclos; y Educación Polimodal (15 años en delante), de tres años de duración como mínimo. No todas las provincias se adhirieron a esta ley; hasta el año 2000, sólo 6 provincias habían implementado total y masivamente la LFE (Buenos Aires, Córdoba, La Pampa, San Juan, San Luis y Tierra del Fuego), 13 se encontraban en procesos de casos piloto o con una escala limitada (Catamarca, Corrientes Chaco, Chubut ,Entre Ríos, Formosa, Jujuy, Misiones, Neuquén, Salta, Santa Fe, Santiago del Estero, y Tucumán), mientras que otras 5 se encontraban en proceso de decisión (Ciudad de Buenos Aires, La Rioja, Mendoza, Río Negro y Santa Cruz). Como resultado de esta reforma se produce un aumento significativo en las tasas de escolarización. El sistema educativo argentino se caracteriza por una elevada tasa de asistencia en el nivel básico (primaria)—es decir, niños entre 6 y 12 años—la cual alcanza casi el 100%. Ver Figura 1. Por otro lado, como se observa en la Figura 1, la tasa de escolarización en el nivel medio recientemente ha superado el 90%. La brecha entre ambas tasas ha descendido desde 19.6% en 1992 hasta 7.1% en el año 2003. Estas mejoras se deben principalmente a un aumento del 22.6% en la asistencia para los estudiantes de menores ingresos entre 1992 y 2001 (CEDLAS, 2005)12. No obstante, este aumento en la inclusión educativa se ve opacado por la elevada tasa de no finalización del nivel (Tenti Fanfani, 2003), resultado de la persistencia en la repitencia, la sobreedad y la deserción (Feijoó, 2002). Este proceso de inclusión debe ser matizado con una lectura de tipo global sobre el sistema. En este sentido, es necesario dar cuenta que el reconocer que el “sistema educativo no es más que un agregado institucional fragmentado donde es difícil reconocer sentidos compartidos” (Tiramonti, 2003), implica realizar una relectura del comentado proceso de inclusión al nivel medio. Es decir, surgen dinámicas a través de las cuales “el sistema educativo lo que ha hecho es responder a la exigencia de masificación a partir de una inclusión en fragmentos diferentes” (Tiramonti, 2005). En este contexto, surge la necesidad de realizar intervenciones desde el sector público para compensar las “desigualdades socioeconómicas que impiden a muchos jóvenes avanzar en sus estudios” (Filmus y Moragues, 2003, p. 55) o mejorar las condiciones de educabilidad (López, 2005). En este sentido, el gobierno de la Argentina realiza diversas acciones puntuales para elevar la retención y la inclusión en el nivel medio. Un ejemplo lo constituye el “Programa Nacional de Becas Estudiantiles” que otorga becas a alumnos entre 13 y 19 años en riesgo de abandono escolar, que por lo general se encuentran cursando el octavo y noveno año de EGB3 o el Polimodal (o nivel 11 La organización política–institucional de Argentina tiene tres niveles: un gobierno local (los municipios), otro regional (las provincias) y el gobierno nacional. 12 Estas estadísticas, pese a que son de uso habitual en Argentina, deben ser consideradas con precaución, ya que refieren exclusivamente a aglomerados urbanos de una muestra que hasta el año 1998 incluía a 14 de ellos, para expandirse posteriormente a 29. Heterogeneidad en el Acceso a la Educación Media y el Trabajo Infantil 8 medio, según corresponda). Las becas consisten en un monto fijo para cada hogar, con la posibilidad de un ajuste por cada niño adicional. Como contraprestación se exige asistir a la escuela y lograr un rendimiento académico mínimo. Esta política se acompaña con la transferencia de útiles escolares y mejoras edilicias para las escuelas con mayores necesidades. 0.75 0.80 0.85 0.90 0.95 1.00 1 9 9 2 1 9 9 3 1 9 9 4 1 9 9 5 1 9 9 6 1 9 9 7 1 9 9 8 1 9 9 9 2 0 0 0 2 0 0 1 Año T a s a d e a s is t e n c ia Tasa de asistencia entre 13 y 17 años Tasa de asistencia entre 6 y 12 años Figura 1. Evolución de la tasa de asistencia por tramos de edad Nota. Fuente: Elaboración propia sobre la base de CEDLAS (2005). Recientemente también se ha implementado el “Programa Nacional de Inclusión Educativa”, cuyo objetivo es lograr la inclusión de las personas entre 11 y 18 años que nunca ingresaron o que abandonaron el sistema escolar. Este programa también utiliza la doble estrategia de entregar becas a los individuos y financiamiento a los planteles educativos. Se destaca que ambos programas de becas, el de permanencia y el de inclusión, entregan en la actualidad el mismo monto ($400 anuales). Marco Teórico13 El marco teórico que se presenta a continuación tiene como objetivo principal destacar las variables que están en juego cuando las familias toman la decisión de trabajo-educación, más que reflejar exactamente el mecanismo decisorio. En ese sentido, este marco permite tanto la interpretación de los resultados como la identificación de sus limitaciones. Las decisiones que atañen a los estudiantes en estos rangos de edad son realizadas principalmente por los padres, razón por la cual nuestro marco teórico trata de estilizar cómo los padres toman decisiones de escolarización y trabajo por sus hijos14, bajo el supuesto que dichas 13 Esta sección se basa en Rosati y Rossi (2001), con la excepción que se detalla el modelo para reflejar tres estrategias posibles: a) sólo estudiar, b) estudiar y trabajar y c) sólo trabajar. 14 Si bien las decisiones demográficas de los hogares son relevantes para el análisis de trabajo y educación por los niños, Rosati y Rossi (2003), Rosati y Tzannatos (2006) o Deb y Rosati (2004), se ha preferido mantener sencilla la presentación de este marco conceptual a los fines de no perder de vista el objetivo principal del trabajo. Se destaca que en el análisis empírico esta situación es considerada siguiendo la estrategia de Patrinos y Psacharopoulos (1997). Archivos Analíticos de Políticas Educativas Vol. 15, No. 6 9 decisiones se basan en la preocupación por el futuro de los niños. Una suposición general muy arraigada es que los padres transfieren insumo futuro a sus hijos por medio de la acumulación de capital humano concretizado a través de la escuela. La cantidad mínima de horas (he) que los niños concurren a la escuela es fija y suele ser homogénea entre individuos15. En cambio, el trabajo de los niños suele estar relacionado con su hogar (porque se realiza en casa o con algún familiar) o con tareas en el mercado de trabajo; por lo cual, la cantidad de horas dedicadas a trabajar (hL) puede considerarse variable. La informalidad de las tareas laborales infantiles (domésticas o en el mercado) permite suponer que concurrir a la escuela no implica perder horas de trabajo, mientras que por el contrario, trabajar sí afecta la tasa de acumulación de capital humano por la reducción en el tiempo disponible para realizar tareas escolares, descansar, etc. De esta manera, el proceso por el cual los niños acumulan capital humano puede ser analizado por medio de la siguiente función: H=H (he, hL) (ecuación 1), la cual se caracteriza por la disminución de hL (cantidad de horas destinadas a trabajar) y el aumento del tiempo destinado a la escuela (he) 16. Además se supone que en ningún caso los individuos desacumulan capital humano. Los padres seleccionan la cantidad de horas de trabajo de los niños teniendo en cuenta las siguientes variables: consumo corriente de los miembros del hogar (Cc), consumo futuro de los niños (Cf) y el ocio corriente (Lc). Esto es: U*(hL)=max U (Cc; Cf; Lc) (ecuación 2) hL Cuando los padres envían sus hijos a la escuela y también al trabajo, el consumo presente se expresa de la siguiente manera: CceL =y+w* hL – q (ecuación 3), donde “y” es el ingreso de los padres (exógeno), “w” es la retribución horaria para los niños y “q” es el costo de la educación. En este caso, el consumo futuro de los niños dependerá de su acumulación de capital humano (ecuación 1) y su dotación inicial (exógena) de habilidades “K.” CfeL =K+H (he, hL) (ecuación 3). Los padres también asignan valor al ocio o tiempo de descanso de sus hijos, lo cual es expresado con la siguiente función: LeL=1- he -hL (ecuación 4). Hay dos casos extremos que deben ser analizados: a) padres no envían sus hijos a la escuela, en cuyo caso, la función de acumulación de capital humano y ocio de los niños se da de la siguiente manera: CcL =y+w* hL (ecuación 2’) H=0 (ecuación 1’) CfL =K (ecuación 3’) LL=1-hL (ecuación 4’), y b) padres no envían sus hijos a trabajar, convirtiendo las ecuaciones 1 a 4 de la siguiente manera: Cce =y- q (ecuación 2”) H=H (he) (ecuación 1”) 15 Pese a que puede haber casos especiales de horarios extendidos, doble turno u horarios parciales, este supuesto refleja adecuadamente el funcionamiento general del horario escolar del sistema educativo argentino. 16 Es posible que la acumulación de capital humano también se pueda dar por el entrenamiento laboral, pero se supone que el efecto neto de esta situación es negativo con relación al proceso de acumulación resultante de la educación en el sistema formal. Heterogeneidad en el Acceso a la Educación Media y el Trabajo Infantil 10 Cfe =K+H (he) (ecuación 3”) L=1- he (ecuación 4”) Se pueden comparar los niveles de consumo presente y futuro y el ocio de los casos extremos con el caso intermedio. Cuando el niño sólo trabaja, aumenta el consumo presente respecto del caso previo a costa de una reducción del consumo futuro y el ocio. Mientras que cuando el niño sólo estudia, desciende el consumo presente por los ingresos no ganados por los niños, pero aumenta el consumo futuro y el ocio. La decisión de los padres se enfoca en elegir aquella estrategia que les permita lograr la mayor utilidad posible. Esto implica que elegirán la cantidad de horas de trabajo para sus niños en función de las siguientes ecuaciones: Max [U*e, (hL); U*eL, (hL); U*L, (hL)] (ecuación 7), en donde, U*e, (hL)=max U (y- q; K+H (he); 1- he ;X) (ecuación 8) hL U*eL, (hL)=max U (y-w* hL –q; K+H (he, hL); 1- he -hL; X) (ecuación 9) hL U*L, (hL)]=maxU (y-w* hL; K; 1- hL; X) (ecuación 10), en donde “X” es un vector que refleja hL características del hogar como educación de los padres, características de la localidad de residencia, etc. Los padres comparan la utilidad en cada uno de los estados (ecuaciones 8 a 10) y seleccionan la combinación de horas de educación y trabajo que generen el mayor bienestar para sus hijos. De esta manera, es posible conformar, en determinado momento, tres estrategias posibles y cuatro estados resultantes de acceso17: a) el individuo se dedica exclusivamente a estudiar, resultando que el nivel en que se encuentra es acorde con el que se espera; b) el individuo se dedica a estudiar y a trabajar. En este caso el esfuerzo laboral conlleva a una disminución del rendimiento educativo y, dado el stock de habilidades innatas, deriva en el desacople entre edad y nivel educativo, es decir, el estudiante se rezaga; c) el individuo se dedica con mayor intensidad a trabajar, y por tanto, no asiste a la escuela. Dentro de este grupo, es posible que en el proceso dinámico de decisiones algunos individuos nunca ingresen al sistema, mientras que otros, habiendo ingresado previamente, se vean forzados a retirarse por cambios en las condiciones. Conjeturamos que el abandono escolar sigue un proceso como el siguiente: el estudiante ingresa a la escuela, luego se rezaga, y finalmente, la familia decide que deje de estudiar. El análisis de estática comparada de este modelo muestra que cuando aumenta el ingreso de los padres, aumenta la probabilidad que el niño trabaje menos horas (Axioma de lujosidad de Basu y Van, 1998). Al comparar las ecuaciones 2, 2’ y 2’’ queda claro el incentivo de los padres en no enviar a sus niños a la escuela, efecto que se compensa con la preocupación de los padres por el bienestar futuro de sus niños dado por el consumo futuro (ecuaciones 3, 3’ y 3’’). En el mismo sentido, cuanto mayor sea el costo de concurrir a la escuela respecto de los ingresos de los padres, mayor es la probabilidad de que el niño realice actividades extraescolares. La edad también opera de manera similar: en la medida que un individuo de mayor edad puede realizar un mayor esfuerzo18, los ingresos potenciales perdidos son superiores. Así, para el hogar, en términos de consumo presente, el incremento de la edad es equivalente a un incremento en los costos de la escuela. 17 Bajo el supuesto que los niños poseen una distribución uniforme de habilidades para adquirir conocimiento, es decir, de desempeñarse adecuadamente en el sistema educativo. 18 Es altamente probable que en el tipo de tareas que puede desarrollar un niño, el esfuerzo físico se relacione directamente con la productividad. Archivos Analíticos de Políticas Educativas Vol. 15, No. 6 11 Metodología y Datos Marco econométrico Supóngase que Ui* es la brecha de utilidades entre cada una de los estados resultantes de las alternativas disponibles para el individuo i (ecuación 7) y que viene dada por: Ui*= Xi b+ ei (ecuación 11), donde Xi es el vector de N características observables del individuo i y de su grupo familiar, y b es el vector de los N parámetros de la función de utilidad; ei es una medida resumen de las perturbaciones o características no observables que afectan la utilidad del individuo i. Por lo expuesto anteriormente, la información a disposición del analista para cada individuo i es el estado de acceso al que lo llevó el proceso histórico de decisión del hogar. Con esta información se construye un índice de heterogeneidad en el acceso (HA), en forma de ranking. Este índice subsume información sobre la utilidad no observable: cuando la utilidad del logro educativo se incrementa, el individuo tiende a estar en un nivel de mayor concordancia respecto de su edad. Es decir: HAi=j si µj-1 F 0 0 LR 628495.3 665839.94 702273.14 558384.11 86502.66 Prob > LR: 0.00 0.00 0.00 0.00 0.00 R-squared (1) 0.1713 0.1815 0.1914 0.1776 0.1981 0.2608 0.2847 Adj R-squared 0.2561 0.28 (1) Pseudo R2 en los modelos multinomiales ordenados *El modelo básico es el único que no incluye efectos regionales OLS Todos Logit Ordenado Figura 5. Estimación de la probabilidad de mejorar el acceso. De estos modelos se pueden extraer otros resultados también relevantes. En primer término, como era de esperar, se observa que a medida que aumenta la edad disminuye la probabilidad de alcanzar mayores posiciones en el ranking, es decir, de lograr un acceso de mejor calidad. Una situación similar se presenta con relación al género: las mujeres tienden a tener una mayor calidad de acceso. Estas circunstancias surgen de considerar que el coeficiente de cada variable adopta un valor Heterogeneidad en el Acceso a la Educación Media y el Trabajo Infantil 24 negativo. Este resultado pareciera contradecir parcialmente los resultados usuales, pero en realidad destaca la relevancia del enfoque adoptado en este trabajo. De acuerdo con la literatura, se puede afirmar que las mujeres tienden a acceder menos que los hombres, sin embargo, los resultados indican29 que a igualdad de condiciones, aquellas tienden a lograr una mayor calidad de acceso. Dada la significatividad de esta hipótesis y dado que es muy probable que cada categoría del ranking se relacione de manera diferente con esta variable, se sugiere un estudio más detallado. Otro determinante relevante de la condición de acceso y trabajo es la situación socioeconómica del hogar. El signo negativo del coeficiente asociado a la variable pobre confirma el “axioma de lujosidad” (Basu & Van, 1998): cuando el individuo es pobre se ve reducida su capacidad de lograr acceso de mejor calidad. Un análisis detallado de este axioma implicaría replicar el mismo comportamiento a lo largo de toda la distribución de ingresos, lo cual excede el objetivo de este trabajo. Además, la cantidad de años de escolaridad del jefe del hogar (j_aedu), indicaría que mayor “capital cultural” y un mejor clima educativo—por tanto, una mayor preferencia por la educación— afectan favorablemente la calidad en el acceso30. El conjunto de variables que destacan el efecto de las condiciones demográficas del hogar se comporta de acuerdo a lo esperado. Tanto la cantidad de niños que potencialmente necesitarían cuidados en el hogar (menores) como el tamaño del hogar (miembros) tienen efectos significativos y de signo negativo. Por tanto, a mayor número de niños a cuidar en el hogar y/o a mayor tamaño del hogar, peor será la calidad en el acceso. Las características de “jefe del hogar” también actúan de la forma esperada. El signo positivo de n_jefe refleja que en la medida que el hogar está “más completo”, mejor es la calidad de acceso de los niños. Finalmente, las columnas (iv) y (v) en la Figura 5 presentan, respectivamente, los resultados de estimar un modelo exclusivamente para aquellos que no trabajan y otro para los que trabajan. Tanto el test de Brant31 como el test de verosimilitud de separación de muestras32 sugieren realizar esta estimación para cada grupo (véase Tabla 7). El análisis de los coeficientes en términos relativos entre ambos modelos tiene la dificultad usual de los modelos categóricos. No obstante, los signos de los coeficientes son los mismos en todos los casos y en el mismo sentido que para el caso general. 29 Los resultados se pueden corroborar en la Tabla 2, en donde se observa que las mujeres predominan entre los que acceden a término, y los hombres predominan en el resto de categorías. 30 Al igual que en el caso del axioma de lujosidad, el estudio de esta dimensión es bastante más complejo, ya que debiera incorporarse dimensiones como el género de los jefes de hogar, el clima educativo general del hogar, etc. 31 Este test evalúa si los valores de los coeficientes de las variables explicativas son constantes entre categorías. Esto es, por ejemplo, si es el mismo efecto marginal por edad para los individuos que nunca accedieron, los que abandonaron, los que se rezagaron y los que se encuentran a término. 32 La ecuación respectiva para este test es la siguiente: 2{abs[log-likelihoodmodelo completo – loglikelihoodmodelo reducido]}, que se distribuye como 2 ! , cuyos grados de libertad vienen dados por la diferencia entre el número de parámetros estimados en el modelo completo (bajo la hipótesis alternativa) y el número de parámetros estimados en el modelo reducido (la hipótesis nula). Las hipótesis son: H0= no se requiere separar la muestra y H1= se requiere separar la muestra. Detalles técnicos pueden encontrarse en Greene (1997) y una aplicación al caso de trabajo infantil puede encontrarse en Akabayashi y Psacharopoulos (1999) o en Blunch y Verner (2000). Archivos Analíticos de Políticas Educativas Vol. 15, No. 6 25 Análisis de las probabilidades estimadas33 Para evaluar correctamente los resultados de los modelos estimados previamente es necesario comparar las magnitudes de las probabilidades estimadas y observar sus cambios. En la Tabla 8 se computan estadísticas descriptivas de las probabilidades que surgen de estimar los modelos (iii)-(v) de la Figura 5. En la Tabla 8 se puede observar que la probabilidad de estar en el nivel adecuado según la edad es superior entre los individuos que no trabajan (0.64) que entre los que trabajan (0.55). Los individuos que trabajan tienen una menor probabilidad de estar rezagados (0.23) y una mayor probabilidad de haber accedido y abandonado (0.14), o de nunca haber accedido (0.09). Estos resultados permiten confirmar la existencia de una tendencia según la cual los individuos que trabajan tienden a retirarse del sistema previo paso por el rezago. Adicionalmente, se constata que las probabilidades estimadas para las situaciones de abandono y rezago tienen menor variabilidad que las restantes situaciones. Tabla 7 Test de Brant y de verosimilitud de separación de muestras Test de Brant Test de Verosimilitud chi2 p>chi2 LR chi2(1) Prob > chi2 All 250.38 0.000 Edad 24.13 0.000 Edad2 25.29 0.000 195166.56 0.0000 Hombre 11.04 0.004 54238.19 0.0000 Pobres 0.78 0.676 Menores 2.44 0.295 Miembros 0.89 0.640 n_jefe 2.15 0.341 j_aedu 0.55 0.759 Trabaja 34.46 0.000 36433.20 0.0000 Una forma usual de analizar los modelos de probabilidades es a través del cambio de las probabilidades estimadas cuando se modifican algunas características de los individuos. De acuerdo con lo expuesto anteriormente en la ecuación 15, en los modelos no lineales el signo del cambio marginal no necesariamente coincide con el del coeficiente estimado y es posible que el efecto marginal cambie de signo cuando cambia la variable independiente. Un ejercicio posible es analizar los cambios evaluando todas las variables en las medias. El resultado de este ejercicio se puede observar en la Tabla 9, donde se computa el efecto marginal para las variables continuas y el cambio en las probabilidades para las variables discretas. Todas las variables 33 En esta sección se utilizan los comandos disponibles en la suite spost de Freese y Long la cual se puede encontrar en http://www.indiana.edu/~jslsoc/spost.htm. En http://www.stata.com/meeting/1nasug/freese.pdf es posible encontrar una demostración de los autores sobre las posibilidades de análisis que incorpora esta suite. Heterogeneidad en el Acceso a la Educación Media y el Trabajo Infantil 26 individuales afectan negativamente el acceso a término, siendo la edad y la condición de ocupación las de mayor importancia. Entre las variables del hogar se destaca el efecto positivo de la cantidad de jefes de familia, mientras que el resto de las variables (condición de pobreza, tamaño y composición, y el clima educativo) muestran el efecto esperado, pero con una intensidad menor. Así, por ejemplo, un año de edad adicional disminuye grandemente la probabilidad de acceder a término y eleva con intensidad similar la de estar rezagado; la probabilidad de los hombres de “estar a término” es un 7.7% inferior al de las mujeres. La variable pobre opera en sentido similar, a mayor pobreza, menor oportunidad de acceder a término. También se observa que cuando un individuo decide trabajar, la probabilidad de que acceda a término disminuye en un 24.4%, mientras que la probabilidad de rezagarse aumenta en un 16.6%. Tabla 8 Estimación de la probabilidad condicional Media Mínima Máximo Rango Todos Nunca accedió 0.04 0.00 0.84 0.84 Abandonó 0.07 0.00 0.28 0.28 Rezagado 0.26 0.00 0.47 0.47 Accede a término 0.63 0.01 1.00 0.99 Individuos que no trabajan Nunca accedió 0.04 0.00 0.57 0.57 Abandonó 0.06 0.00 0.27 0.27 Rezagado 0.27 0.00 0.49 0.49 Accede a término 0.64 0.03 1.00 0.97 Individuos que trabajan Nunca accedió 0.09 0.00 0.96 0.96 Abandonó 0.14 0.00 0.35 0.35 Rezagado 0.23 0.00 0.36 0.36 Accede a término 0.55 0.00 1.00 0.99 Tabla 9 Estimación de los efectos marginales en las medias Nunca accedió Abandonó Rezagado Accede a término Edad Efecto Marg. 0.1368 0.2619 1.2669 -1.6656 Edad2 Efecto Marg. -0.0041 -0.0078 -0.0379 0.0498 Hombre 0->1 0.0064 0.0122 0.0585 -0.0771 Pobres 0->1 0.0074 0.0140 0.0670 -0.0884 Menores Efecto Marg. 0.0007 0.0014 0.0069 -0.0091 Miembros Efecto Marg. 0.0025 0.0048 0.0230 -0.0303 n_jefe Efecto Marg. -0.0107 -0.0204 -0.0989 0.1300 j_aedu Efecto Marg. -0.0025 -0.0048 -0.0234 0.0308 Trabaja 0->1 0.0281 0.0498 0.1658 -0.2437 Si bien este análisis presenta algunos resultados interesantes, en las secciones previas se ha visto que las respuestas de los individuos son variables según la edad, el sexo y la condición ocupacional. Por otro lado, el axioma de lujosidad, previamente evaluado de forma parcial, plantea Archivos Analíticos de Políticas Educativas Vol. 15, No. 6 27 que las decisiones de trabajo y educación difieren según la condición de pobreza. En la primera fila de la Tabla 10 se reproducen las diferencias en las probabilidades asociadas a los individuos promedio que se diferencian únicamente por la condición de tener o no un trabajo. En las dos filas siguientes se puede ver que el efecto sobre el acceso a término es menor entre las mujeres; es decir, las mujeres se ven menos afectadas en sus logros respecto de los hombres. No obstante, la comparación de las probabilidades estimadas en cada caso muestra que las mujeres tienden a mantenerse en el sistema a término y los hombres tienden a abandonar. Como se ha dicho anteriormente, la situación de rezago está asociada a un posterior abandono, por lo que el efecto del trabajo entre los sexos se diferencia solamente en términos dinámicos, pero no en su resultante. Analizar con detalle este tema escapa a los objetivos de este trabajo34. No obstante, dado que posiblemente estos grupos no sean homogéneos a su interior, se debe tomar este resultado como una hipótesis de investigación futura35. Tabla 10 Estimación del efecto marginal de trabajar para características puntuales de sexo y edad Cambio en la probabilidad por trabajar Nunca accedió Abandonó Rezagado Accede a término Todos 0.0281 0.0498 0.1658 -0.2437 Mujeres 0.0237 0.0433 0.1671 -0,2341 Varones 0.0334 0.0570 0.1597 -0.2501 13 años 0.0000 0.0000 0.0000 0.0000 14 años 0.0000 0.0000 0.0001 -0.0001 15 años 0.0081 0.0165 0.1134 -0.1380 16 años 0.0487 -0.0320 -0.0145 -0.0022 17 años 0.0000 0.0000 0.0000 0.0000 Efectos marginales El análisis de los efectos marginales de la condición de trabajar separados por edad, permite comprender mejor a qué se debe la magnitud de los cambios en los promedios comentados previamente. En el rango de los 13 y 14 años, un año adicional no afecta las decisiones tomadas por los individuos, los cuales suelen ir a la escuela en término. Es a partir de los 15 años cuando la edad comienza a ejercer presiones sobre los individuos, reduciendo la probabilidad de estar a término. Esta situación se agrava a los 16 años, que es cuando los individuos tienden a retirarse del sistema. A los 17 años se vuelve a la situación previa, donde se observa que las decisiones vuelven a ser estables. En la Tabla 11 se presentan los resultados que surgen de considerar el efecto de trabajar cuando se combinan las variables edad y sexo. Claramente, el primer resultado es que para ambos géneros se cumplen las dinámicas comentadas anteriormente respecto de la edad. Luego se observa que la diferencia en la intensidad de esos efectos, según el género, no parece ser sustancial. De esta manera, a los efectos dinámicos comentados previamente, se suma que el problema de disminución en los 34 El análisis de los efectos del trabajo en el rezago requiere de microdatos en panel, los cuales no están disponibles para este caso. 35 Estos ejercicios permiten comprender la importancia de trabajar con categorías múltiples para analizar este tipo de datos. El hecho de utilizar variables binarias para analizar las características del acceso al sistema educativo oscurecería los efectos sobre el acceso por el rezago y en el no acceso sobre la distinción entre los que abandonaron y los que nunca accedieron. Heterogeneidad en el Acceso a la Educación Media y el Trabajo Infantil 28 logros adquiere valores significativos recién a los 15 años, rango de edad en el cual pareciera que las políticas gubernamentales están operando. La condición socioeconómica es un elemento reconocido como un determinante tanto del logro académico como de la condición de ocupación. En la Tabla 12 se presentan las estimaciones del efecto marginal de trabajar cuando el individuo es pobre y cuando no lo es. Claramente, los pobres se ven afectados con mayor gravedad en sus logros que los no pobres. Mientras que entre estos últimos la probabilidad de rezagarse tiende a elevarse, entre los pobres lo que aumenta es la probabilidad de abandonar el sistema. Tabla 11 Estimación del efecto marginal de trabajar, por variables sexo y edad Cambio en la probabilidad por trabajar Nunca accedió Abandonó Rezagado Accede a término Mujeres 13 años 0.0000 0.0000 0.0000 0.0000 14 años 0.0000 0.0000 0.0001 -0.0001 15 años 0.0068 0.0140 0.1013 -0.1221 16 años 0.0570 -0.0372 -0.0172 -0.0027 17 años 0.0000 0.0000 0.0000 0.0000 Hombres 13 años 0.0000 0.0000 0.0000 0.0000 14 años 0.0000 0.0000 0.0001 -0.0001 15 años 0.0098 0.0196 0.1259 -0.1552 16 años 0.0412 -0.0272 -0.0121 -0.0019 17 años 0.0000 0.0000 0.0000 0.0000 Tabla 12 Estimación del efecto marginal de trabajar por situación de pobreza Cambio en la probabilidad por trabajar Nunca accedió Abandonó Rezagado Accede a término No pobres 0.0233 0.0426 0.1669 -0.2328 Pobres 0.0344 0.0583 0.1581 -0,2509 Mujeres no pobres 0.0196 0.0368 0.1638 -0.2202 Mujeres pobres 0.0291 0.0512 0.1650 -0.2453 Hombres no pobres 0.0277 0.0492 0.1661 -0.2430 Hombres pobres 0.0407 0.0661 0.1459 -0.2528 En este caso, sí aparece una distinción relevante entre géneros, ya que la probabilidad de “acceder a término” de las mujeres no pobres se ve menos afectada que la del resto. Las mujeres no pobres tienden a abandonar la escuela en menor número que los hombres no pobres y las mujeres pobres. De todos los grupos, son los hombres pobres quienes se ven más perjudicados por ir a trabajar. Este grupo observa un menor aumento en la probabilidad de rezagarse y un mayor aumento en la probabilidad de abandonar. Esto se debe a que en la dinámica laboral comentada respecto de la edad, los hombres pobres de 15 años que pasan a trabajar son los que más elevan su probabilidad de abandonar, para luego reducirse a los 16 años (véase Tabla 13). Archivos Analíticos de Políticas Educativas Vol. 15, No. 6 29 Los datos de la Tabla 13 permiten comprender parcialmente los resultados previos respecto de las diferencias en género. Los hombres pobres, frente al hecho de tener que trabajar, se rezagan menos y tienden a abandonar la escuela en mayor número que las mujeres. Los hombres no pobres se comportan de manera similar a las mujeres pobres y no pobres. Estos desempeños deben ser considerados ejes centrales para el diseño de políticas que pretendan lograr la universalización del acceso a la escuela y los mejores logros educativos posibles36, ya que sugieren que frente al hecho de tener que trabajar existen condiciones variables según edad, sexo y condición de pobreza que afectan los resultados educativos. Si bien las políticas en la Argentina suelen tener en cuenta la situación socioeconómica del hogar, es importante notar la necesidad de una mayor investigación sobre su interacción con el género y la edad del niño. Tabla 13 Estimación del efecto marginal de trabajar por situación de pobreza, género y edad Cambio en la probabilidad por trabajar Cambio en la probabilidad por trabajar Edad Nunca accedió Abandonó Rezagado Accede a término Nunca accedió Abandonó Rezagado Accede a término Mujeres no pobres Hombres no pobres 13 años 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 14 años 0.0000 0.0000 0.0000 -0.0001 0.0000 0.0000 0.0001 -0.0001 15 años 0.0056 0.0116 0.0884 -0.1055 0.0080 0.0163 0.1124 -0.1367 16 años 0.0677 -0.0437 -0.0208 -0.0032 0.0493 -0.0324 -0.0147 -0.0023 17 años 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 Mujeres pobres Hombres pobres 13 años 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 14 años 0.0000 0.0000 0.0001 -0.0001 0.0000 0.0000 0.0001 -0.0001 15 años 0.0084 0.0171 0.1160 -0.1415 0.0121 0.0238 0.1400 -0.1759 16 años 0.0471 -0.0310 -0.0140 0.0021 0.0338 -0.0224 -0.0098 -0.0015 17 años 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 De esta manera, se pueden extraer dos conclusiones principales de esta sección. La primera es que, basados en el problema empírico, podemos acotar que los individuos que trabajan tienen trayectorias diferentes según sea su sexo y condición de pobreza; el ejemplo más claro lo encontramos entre los hombres pobres. En términos de edad, las trayectorias son siempre similares, pero se destaca la existencia de un problema significativo a partir de los 15 años, el cual podría estar acumulándose desde los años previos. La segunda conclusión, referida al aspecto metodológico, es que este trabajo realiza un aporte a la forma en que debiera investigarse el problema de acceso al sistema educativo. El enfoque adoptado (uso de una variable multicategorías) permite observar dinámicas que otras metodologías no muestran. A Modo de Síntesis y Conclusiones En este estudio se ha presentado una forma novedosa de analizar los efectos del trabajo infantil sobre el acceso al sistema educativo, utilizando microdatos provenientes de la ECV de 2001 en Argentina. Para ello se ha construido un índice de categorías ordenadas que permite dar cuenta de 36 El término “posible” aquí refiere a que no debieran existir diferencias en el acceso escolar y el logro académico originadas por causas no aceptables como diferencias de ingresos, género o edad, pero sí en aspectos aceptables (como esfuerzo, etc). Para una discusión entre diferencias por causas deseables y no deseables véase Gasparini (2002). Heterogeneidad en el Acceso a la Educación Media y el Trabajo Infantil 30 algunos de los diversos matices que puede adoptar la forma en que se relacionan los individuos con el sistema educativo. Los resultados muestran que un análisis integrado de la progresión y el logro en el sistema educativo permiten una mejor identificación de las heterogeneidades en el acceso al mismo. En la literatura reciente existe una preocupación constante por medir los efectos negativos que tiene el trabajo infantil sobre los resultados educativos. A primera vista, las tasas de acceso relativamente elevadas y la política de inclusión de los últimos años en la Argentina motivarían a pensar que dichos efectos podrían ser poco significativos en este país. No obstante, se ha demostrado que al utilizar una variable de categorías ordenadas se captan mejor las heterogeneidades relativas al acceso educativo: la probabilidad de acceder a término entre los individuos que trabajan es un 24.4% menor respecto de los individuos que no trabajan. Los estudiantes que trabajan tienen una menor probabilidad de estar rezagados y una mayor probabilidad de haber accedido al sistema educativo para posteriormente abandonar la escuela o de nunca haber asistido. De esta manera es posible obtener una idea de cierta trayectoria según la cual los individuos que trabajan tienden a retirarse del sistema previo paso por el rezago, especialmente a partir de los 15 años. Además, se ha discutido que estos comportamientos se modifican según el género y la condición de pobreza de los individuos: los hombres pobres se rezagan menos y tienden a abandonar la escuela en mayor número que las mujeres, mientras que los hombres no pobres se comportan de manera similar a las mujeres pobres y no pobres. Si bien las políticas educativas suelen tomar en cuenta la situación socioeconómica del hogar, es importante hacer notar la necesidad de realizar más investigación sobre su interacción con el género del niño. Estos resultados vuelven a sugerir la necesidad de que en el diseño de una política de retensión debe tomarse en cuenta que a mayor edad, mayor es la probabilidad que un individuo no logre mantenerse a término en el nivel medio Este efecto aumenta entre los hombres, los pobres y particularmente entre estas dos variables, los que trabajan. En ese sentido, nuestros resultados sugieren que una estrategia de transferir sumas fijas, independientes de la edad, género y condición socioeconómica, no parece ser la mejor respuesta para minimizar los problemas de desempeño académico. Esta conclusión no debe extenderse más allá de este punto debido a que no se ha resuelto la cuestión de la decisión familiar de rezagar a un individuo o enviarlo a trabajar debido a sus limitadas habilidades académicas. Sin embargo, su validez se extiende tanto para los que trabajan como para los que no lo hacen El segundo aporte de este trabajo refiere a la forma en que debiera investigarse el problema de acceso al sistema educativo. El adoptar nuestro enfoque de utilizar una variable multicategorías nos permitió observar dinámicas que otras metodologías no muestran. Si bien se han implementado políticas reconociendo este problema, en general, las mismas no consideran de manera diferencial las diversas características del acceso escolar. Esto es, no reconocen que un individuo que abandonó el sistema educativo requiere un esfuerzo diferente para ser incluido nuevamente del que aquel que se ha rezagado y es preciso sostener. El aporte de este trabajo a la política pública es haber constatado que algunas características observables individuales establecen diferencias en las probabilidades de acceso y, por lo tanto, se convierten en criterios relevantes en el diseño y ejecución de política educativa. Referencias Akabayashi, H. & Psacharopoulos, G. (1999). The Trade-off Between Child Labor and Human Capital: A Tanzanian Case. Journal of Development Studies, 35 (5), pp. 120-140. Archivos Analíticos de Políticas Educativas Vol. 15, No. 6 31 Anker, R. (2000). The economics of child labour: A framework for measurement. International Labour Review, 139 (3). Barro, R & Lee, J. (April, 2000). International Data on Educational Attainment: Updates and Implications. CID Working Paper Nº 42. Basu, K & Van, P. (1998). The economics of child labor. American Economic Review, 88 (3), pp. 412- 427. Basu, K. & Tzannatos, Z. (2003). The Global Child Labor Problem: What Do We Know and What Can We Do? The World Bank Economic Review, 17 (2). Basu, K. (1999). Child Labor: Cause, Consequence, and Cure with Remarks on International Labor Standards. Journal of Economic Literature, 37 (3), pp. 1083-1119. Beegle, K., Dehejia, R. & Gatti, R. (December, 2004). Why should we care about child labor? The education, labor market, and health consequences of child labor. National Bureau of Economic Research Working Paper Series (Working Paper Nº10980). Bhalotra, S. & Tzannatos, Z. (September, 2003). Child Labor what have we learnt? Social Protection Discussion Paper Series (Report No. 27872). World Bank. Recuperado de http://www- wds.worldbank.org/external/default/main?pagePK=64193027&piPK=64187937&theSiteP K=523679&menuPK=64187510&searchMenuPK=64187283&theSitePK=523679&entityI D=000090341_20040218155225&searchMenuPK=64187283&theSitePK=523679 Blunch Niels, H. & Verner, D. (2000). Revisiting the Link Between Poverty and Child Labor: The Ghanaian Experience. World Bank. Washington, D.C. Cartwright, K. & Patrinos, H. (1999). Child Labor in Urban Bolivia. En C. Grootaert and H. A. Patrinos (Eds.), The Policy Analysis of Child Labor: A Comparative Study. New York: St. Martin’s Press. CEDLAS (2005). Monitoring Socio-Economic Conditions in Argentina. World Bank Washington, D.C. Cervini, R. (2005). Trabajo infantil urbano y logro en matemáticas de la educación básica. Un modelo de dos niveles. Revista Mexicana de Investigación Educativa, 10 (25). Cigno, A., Rosati, F. & Tzannatos, Z. (2002). Child labor handbook. Social Protection Working Paper Nº 206 World Bank. Washington, D.C. Corbetta, S. & Roisman, V. (2001). Relevamiento: La escuela secundaria desde la perspectiva de los jóvenes con trayectorias escolares inconclusas. Ciudad Autónoma de Buenos Aires, Dirección General de Planeamiento, Secretaría de Educación del GCBA. Cossa, R. (Junio, 2000). Determinants of Schooling Attainment in Argentina: An Empirical Analysis with Extensions to Policy Evaluation. Documento de Trabajo de la Fundación Gobierno y Sociedad Buenos Aires, CEDI. Deb, P. & Rosati, F. (2002). Determinants of child labour and school attendance: The role of household unobservables. Understanding Children Work. Working Paper. Disponible en www.ucw-project.org. Deb, P.& Rosati, F. (2004). “Estimating the Effect of Fertility Decisions on Child Labor and Schooling”. Undestandig Children Work Working Paper www.ucw-project.org. Emerson, P. M. & Souza, A. P. (2003). Is There a Child Labor Trap? Intergenerational Persistence of Child Labor in Brazil. Economic Development and Cultural Change, 51 (2), pp. 375-98 University of Chicago Press, Feijoó, M. (2002). Argentina: Equidad social y educación en los años ’90. IIPE-UNESCO. Freese, J. & Long, S. (2006). Post-estimation commands for regression models for categorical & count outcomes. Recuperado en Enero 2006 de Heterogeneidad en el Acceso a la Educación Media y el Trabajo Infantil 32 Filmus, D. & Mariana M. (2003). ¿Para qué universalizar la educación media? En E.T. Fanfani (Comp.), Educación media para todos. Los desafíos de la democratización del acceso. Fundación OSDE-UNESCO-IIPE, Editorial Altamira Gasparini, L. (Noviembre, 1998). Acceso a la educación y la salud en la provincia de Buenos Aires. Cuaderno de Economía N°45. La Plata, Argentina. Gasparini, L. (2002). On the measurement of unfairness: an application to high school attendance in Argentina. Social Choice and Welfare, 19, pp. 795-810. Greene, W. H. (1997). Econometric Analysis. NY University, USA. Psacharopoulos, G. (1997). Child Labor versus Educational Attainment: Some Evidence from Latin America. Journal of Population Economics, 10 (4), pp. 377-386. Glewwe, P. (2002). Schools and Skills in Developing Countries: Education policies and socioeconomic outcomes. Journal of Economic Literature, 40 (2), pp. 436-482. Greene, W. (1997). Econometric Analysis. New York: Prentice Hall. Grimsrud, B. (October, 2001). Measuring and Analyzing Child Labor: Methodological Issues. Social Protection Discussion Paper Series N° 0123. World Bank. Washington, D.C. Grootaert, C. & Kanbur, R. (1995). Child Labor: A Review. Background paper for the 1995 World Development Report on labor, World Bank. Washington, D.C. Grootaert C. y Patrinos, H. (Eds.). (1999). Policy Analysis of Child Labor: A Comparative Study, New York: St. Martin’s Press, Hanusek, E. (1995). Interpreting recent research on schooling in Developing Countries World. Bank Research Observer, 10 (2), pp. 227-246. Heady, C. (2003). The Effect of Child Labor on Learning Achievement. World Development, 31, pp. 385–398. International Labour Organization (2002). A Future Without Child Labour. Geneva: International Labour Office. International Labour Organization (2003). Investing in Every Child: An Economic Study of the Costs and Benefits of Eliminating Child Labour. Geneva: International Labour Office. Jensen, P. & Nielsen, H. S. (1997). Child Labor or School Attendance? Evidence from Zambia. Journal of Population Economics, 10 (4), pp. 407-424. Judengloben, M. I., Arrieta, M. E. & Falcone, J. (2003). Brechas Educativas y Sociales: un problema viejo y vigente. Mimeo Ministerio de Educación, Ciencia y Tecnología. Knowles, J. & Behrman, J. (January, 2005). The Economic Returns to Investing in Youth in Developing Countries: A Review of the Literature. World Bank, HNP Discussion Paper. Long, S. (1997). Regression models for categorical and limited dependent variables. Advance Quantitative techniques in the Social Sciences Series 7 SAGE Publications. López, N. (2001). Variable de ajuste. El lugar de los adolescentes frente a la vulnerabilidad de sus familias. Documento preparado para UNICEF-Argentina. López, N. (2005). Equidad educativa y desigualdad social. Desafíos de la educación. IIPE-UNESCO, Buenos Aires. Llach, J. (Julio, 2004). Escuelas ricas para los pobres. Discurso de Incorporación a la Academia Nacional de Educación, Ministerio de Educación, Ciencia y Tecnología (MECyT) (2005). Programa Nacional de Inclusión Educativa TODOS A ESTUDIAR. Lineamientos Generales. Recuperado de Buenos Aires, Argentina Ministerio de Trabajo Empleo y Seguridad Social. (2002). Actualización diagnóstica del trabajo infantil en la Argentina. Programa Internacional para la erradicación del trabajo infantil. Buenos Aires, Argentina Archivos Analíticos de Políticas Educativas Vol. 15, No. 6 33 Montes, N. (2004). Adolescentes y jóvenes en contexto. El marco cercano: la familia y el marco amplio: los otros. En G. Tiramonti (Comp.), La trama de la desigualdad educativa. Mutaciones recientes en la escuela media. Buenos Aires: Ediciones Manantial. Organización Internacional del Trabajo (OIT) (1973). C138 Convenio sobre la edad mínima. Ginebra, Suiza. Recuperado de http://www.ilo.org/ilolex/spanish/convdisp1.htm Organización Internacional del Trabajo (OIT) (1999). C182 Convenio sobre las peores formas de trabajo infantil. Ginebra, Suiza. Recuperado de http://www.ilo.org/ilolex/spanish/convdisp1.htm Organización Internacional del Trabajo (OIT). (1996). Child Labor: Targeting the Intolerable. International Labor Organization, Geneva. Organización de las Naciones Unidas (ONU) (Septiembre, 2000). Declaración del Milenio, A/RES/55/2, Orazem, P. & Gunnarsson, V. (Octubre, 2003). Child labour, school attendance and academic performance: A review. ILO Working Paper. Patrinos, H. & Psacharopoulos, G. (1997). Family Size, Schooling and Child Labor in Peru––An Empirical Analysis. Journal of Population Economics, 10 (4), pp. 387– 405. Patrinos, H. & Psacharopoulos, G. (1995). Educational Performance and Child Labor in Paraguay. International Journal of Educational Development, 15(1), pp. 47-60. Post, D. & Pong, S. (2000). Employment during middle school: The effects on academic achievement in the US and abroad. Educational Evaluation and Policy Analysis, 22 (3), pp. 273- 298. Psacharopoulos, G. & Patrinos, H. (2002). Returns to Investment in Education: A Further Update. World Bank Working Paper Series, Nº. 2881. Washington D.C. Ravallion, M. & Wodon, Q. (2000). Does Child Labor Displace Schooling? Evidence on Behavioural Responses to an Enrollment Subsidy. The Economic Journal 110, C158-75. Ray, R. (2000). Child Labor, Child Schooling and their interactions with adult labor: empirical evidence for Peru and Pakistan. The World Bank Economic Review, 14 (2), pp. 347-67. Ray, R. & Lancaster, G. (2005). Does Child Labour Affect School Attendance and School Performance? Multi Country Evidence on SIMPOC Data. International Labour Review, 144 (2). Rosati, F. & Rossi, M. (2003). Children's working hours, school enrolment and human capital accumulation: Evidence from Pakistan and Nicaragua. The World Bank Economic Review, 17 (2). Rosati, F. & Tzannatos, Z (2006). Child Labor in Vietnam. Pacific Economic review, 11 (1), pp. 1-31 doi:10.1111/j.1468-0106.2006.00296.x Sapelli, C. & Torche, A. (2004). Deserción Escolar y Trabajo Juvenil: ¿Dos Caras de Una Misma Decisión? Cuadernos de Economía [online]. 41 (123), pp. 173-198. Recuperado de http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0717- 68212004012300001&lng=es&nrm=iso. Sedlacek, G., Duryea, S., Ilahi, N. & Sasaki, M. (2005). Child labour, schooling, and poverty in Latin America. En Orazem et al., Child Labor in Latin America. Washington, D. C.: World Bank. Sosa, W. & Marchionni, M. (1999). Household structure, gender, and the economic determinants of school attendance in Argentina. Reunión Anual de la AAEP, Rosario. Statistical Information and Monitoring Programme on Child Labour (SIMPOC) (2004). Manual for child labour data analysis and statistical reports. International Labour Office. International Programme on the Elimination of Child Labour. Geneva. Sudharshan, C. & Skyt Nielsen, H. (1999). Child Labor and Schooling in Africa: A Comparative Study. World Bank Social Protection Discussion Paper Nº9916. Washington, D.C., World Bank, Symposium on Child Labor (2003) The World Bank Economic Review, 17 (2). Heterogeneidad en el Acceso a la Educación Media y el Trabajo Infantil 34 Tenti Fanfani, E. (2003). La educación media en Argentina: desafíos de la universalización. En E. T. Fanfani (Comp.), Educación media para todos. Los desafíos de la democratización del acceso. Fundación OSDE-UNESCO-IIPE. Editorial Altamira Tiramonti, G. (2003). Una nueva cartografía de sentidos para la escuela. Revista Todavía Nº5 Fundación OSDE Tiramonti, G. (2005). La nueva configuración fragmentada del sistema educativo. Mimeo FLACSO. Recuperado de http://www.flacso.org.ar/areasyproyectos/areas/ae/imagenes/ponencia_gt.pdf World Bank (2001).World Development Report 2000/2001: Attacking poverty. Washington DC World Bank. World Bank Economic Review. (2003). Volume 17, Issue 2, pp. 145-314. Oxford: Oxford University Press. Datos biográficos del autor: Facundo Luis Crosta es Candidato a Doctor en Economía por la Universidad Nacional de La Plata. Actualmente es profesor de Crecimiento Económico de la Universidad Nacional de Quilmas (UNQ) e investigador del Centro de Estudios Distributivos, Laborales y Sociales (CEDLAS) de la UNLP y del proyecto “Calidad, equidad y eficacia en el acceso y en el logro de la educación secundaria de Argentina” PICT 20816 en la UNQ. También es Profesor de la Maestría de Salud Facultad de Ciencias Económicas de la Universidad Nacional de la Plata “Modulo Evaluación de Programas Sociales” y consultor del Ministerio de Economía y Producción de la Nación en temas sociales y de gasto público. Sus investigaciones se centran en el desarrollo y aplicación de metodologías para el estudio de temas sociales, en particular aquellos relacionados con el acceso a los servicios brindados por el sector público. La correspondencia relacionada con este artículo debe dirigirse a Facundo Luis Crosta, Universidad Nacional de Quilmas y Centro de Estudios Distributivos, Laborales y Sociales (CEDLAS) de la Universidad Nacional de La Plata, Argentina. E-mail: falucro@yahoo.com Archivos Analíticos de Políticas Educativas Vol. 15, No. 6 35 A A P E Comité Editorial Editores: Gustavo E. Fischman, Arizona State University Pablo Gentili, Universidade do Estado do Rio de Janeiro Asistentes editoriales: Rafael O. Serrano (ASU–UCA) & Lucia Terra (UBC) Hugo Aboites UAM-Xochimilco, México Armando Alcántara Santuario CESU, México Claudio Almonacid Avila UMCE, Chile Dalila Andrade de Oliveira UFMG, Brasil Alejandra Birgin FLACSO-UBA, Argentina Sigfredo Chiroque IPP, Perú Mariano Fernández Enguita Universidad de Salamanca. España Gaudêncio Frigotto UERJ, Brasil Roberto Leher UFRJ, Brasil Nilma Lino Gomes UFMG, Brasil Pia Lindquist Wong CSUS, USA María Loreto Egaña PIIE, Chile Alma Maldonado University of Arizona, USA José Felipe Martínez Fernández UCLA, USA Imanol Ordorika IIE-UNAM, México Vanilda Paiva UERJ, Brasil Miguel A. Pereyra Universidad de Granada, España Mónica Pini UNSAM, Argentina Romualdo Portella de Oliveira Universidade de São Paulo, Brasil Paula Razquin UNESCO, Francia José Ignacio Rivas Flores Universidad de Málaga, España Diana Rhoten SSRC, USA José Gimeno Sacristán Universidad de Valencia, España Daniel Schugurensky UT-OISE Canadá Susan Street CIESAS Occidente, México Nelly P. Stromquist USC, USA Daniel Suárez LPP-UBA, Argentina Antonio Teodoro Universidade Lusófona, Lisboa Jurjo Torres Santomé Universidad de la Coruña, España Lílian do Valle UERJ, Brasil Heterogeneidad en el Acceso a la Educación Media y el Trabajo Infantil 36 E P A A Editorial Board Editor: Sherman Dorn University of South Florida Production Assistant: Chris Murrell, Arizona State University Michael W. Apple University of Wisconsin David C. Berliner Arizona State University Greg Camilli Rutgers University Linda Darling-Hammond Stanford University Mark E. Fetler California Commission on Teacher Credentialing Gustavo E. Fischman Arizona State Univeristy Richard Garlikov Birmingham, Alabama Gene V. Glass Arizona State University Thomas F. Green Syracuse University Aimee Howley Ohio University Craig B. Howley Appalachia Educational Laboratory William Hunter University of Ontario Institute of Technology Patricia Fey Jarvis Seattle, Washington Daniel Kallós Umeå University Benjamin Levin University of Manitoba Thomas Mauhs-Pugh Green Mountain College Les McLean University of Toronto Heinrich Mintrop University of California, Los Angeles Michele Moses University of Colorado Gary Orfield Harvard University Anthony G. Rud Jr. Purdue University Jay Paredes Scribner University of Missouri Michael Scriven University of Auckland Lorrie A. Shepard University of Colorado, Boulder Robert E. Stake University of Illinois—UC Kevin Welner University of Colorado, Boulder Terrence G. Wiley Arizona State University John Willinsky University of British Columbia Archivos Analíticos de Políticas Educativas Vol. 15, No. 6 37 E P A A English-language Graduate-Student Editorial Board Noga Admon New York University Jessica Allen University of Colorado Cheryl Aman University of British Columbia Anne Black University of Connecticut Marisa Cannata Michigan State University Chad d'Entremont Teachers College Columbia University Carol Da Silva Harvard University Tara Donahue Michigan State University Camille Farrington University of Illinois Chicago Chris Frey Indiana University Amy Garrett Dikkers University of Minnesota Misty Ginicola Yale University Jake Gross Indiana University Hee Kyung Hong Loyola University Chicago Jennifer Lloyd University of British Columbia Heather Lord Yale University Shereeza Mohammed Florida Atlantic University Ben Superfine University of Michigan John Weathers University of Pennsylvania Kyo Yamashiro University of California Los Angeles