epaav20n2 Artigo recebido: 01-17/2011 Revisões recebidas: 10/08/2011 Aceito: 01/11/2011 arquivos analíticos de políticas educativas Revista acadêmica, avaliada por pares, independente, de acesso aberto, e multilíngüe Arizona State University Volume 20 Número 2 20 de janeiro 2012 ISSN 1068-2341 O nível socioeconômico dos alunos das escolas públicas e as condições de oferta de ensino nos municípios brasileiros Thiago Alves, Maria Aparecida Gouvêa e Adriana Backx Noronha Viana Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo, Brasil Citação: Alves, T., Gouvêa, M.A. Backx Noronha Viana, A. (2012) O nível socioeconômico dos alunos das escolas públicas e as condições de oferta de ensino nos municípios brasileiros. Arquivos Analíticos de Políticas Educativas, 20 (2). Recuperado [data] http://epaa.asu.edu/ojs/902 Resumo: O objetivo deste artigo é analisar o contexto socioeconômico dos alunos das escolas públicas de educação básica nos municípios brasileiros por meio de uma medida sintética, o Indicador Socioeconômico Estudantil dos Municípios (ISE-M). Igualmente, visa analisar o desempenho dos alunos nas avaliações educacionais e as condições de oferta de ensino dos municípios. O ISE-M foi gerado por meio da análise fatorial com a utilização de dados do questionário contextual da Prova Brasil 2007 de cerca de 4,1 milhões de alunos agregados em 5.553 municípios. Os resultados ratificaram a associação entre o nível socioeconômico e o desempenho educacional dos alunos, verificada em outras pesquisas. Além disso, mostraram que há relação entre o status socioeconômico e a infraestrutura aape epaa O nível socioeconômico dos alunos das escolas públicas e as condições de oferta 2 educacional disponível nos municípios, pois há evidências de que as condições de oferta de ensino são inferiores nas localidades que possuem maior proporção de alunos menos favorecidos socioeconomicamente. Palavras-chave: educação básica; educação pública; nível socioeconômico dos alunos; condições de oferta de ensino; desigualdade educacional. The socioeconomic level of public school students and the conditions for the provision of education in the Brazilian municipalities Abstract: The purpose of this article is to analyze the socioeconomic background of elementary school students from public schools in the Brazilian municipalities, through a synthetic measure, the Student Socioeconomic Index of the Municipalities (ISE-M). It also aims to analyze the achievement in educational assessments and the conditions for the provision of education in the municipalities. The ISE-M was generated through factor analysis with the use of data from the contextual questionnaire of Prova Brasil 2007 (2007 Brazil Test) held with approximately 4.1 million students in 5,553 municipalities. The results ratified the association between the socioeconomic level of students and the educational outputs observed in other studies. In addition, they showed that there is a relationship between the socioeconomic status and the educational infrastructure available in the municipalities, because there is evidence that the conditions for the provision of education are lower in places that have a higher proportion of socioeconomically disadvantaged students. Keywords: basic education; public education; socioeconomic level of students; conditions for the provision of education; educational inequality. Nivel socioeconómico de los alumnos de las escuelas públicas y condiciones de oferta educativa en los municipios brasileros Resumen: El objetivo de este trabajo es analizar el contexto socioeconómico de los alumnos de educación básica de escuelas públicas en los municipios brasileros, mediante una medida sintética, el Indicador Socioeconómico Estudiantil de los Municipios (ISE-M). Igualmente, se pretende examinar el desempeño de los alumnos en las evaluaciones educacionales y las condiciones de la oferta educativa de los municipios. El ISE-M fue construido con base en el análisis factorial de los datos del cuestionario contextual de la Prova Brasil 2007, para cerca de 4,1 millones de alumnos, agregados en 5.553 municipios. Se ratificó la asociación entre el nivel socioeconómico de los alumnos y sus resultados educativos, verificada en otras investigaciones. También se mostró que hay relación entre el status socioeconómico y la infraestructura educativa disponible en los municipios, pues hay evidencias de que las condiciones de oferta educativa son inferiores en las localidades con una mayor proporción de alumnos menos favorecidos socioeconómicamente. Palabras clave: Educación básica; educación pública; nivel socioeconómico; condiciones de oferta educativa; desigualdad educativa. Introdução Os estudos sobre educação e estratificação nos países em desenvolvimento têm apontado que fatores histórico-culturais, sociais (background educacional da família e a origem socioeconômica dos alunos), forças macroestruturais e políticas (principalmente a atuação do Estado na provisão de oportunidades educacionais sob a forma de investimento, regulação e estruturação dos sistemas educacionais), fatores escolares relacionados às condições da Arquivos Analíticos de Políticas Educativas Vol. 20, No. 2 3 oferta de ensino (infraestrutura da escola, formação e atuação de professores, material didático, duração da jornada discente, número de alunos por turma, etc.) e econômicos (impactos da educação no mercado de trabalho na mobilidade social dos indivíduos) estão associados às desigualdades educacionais e, consequentemente, à apropriação dos resultados educacionais entre os grupos sociais (Barros, Mendonça, Santos, & Quintaes, 2001; Buchmann & Hannum, 2001; White, 1982). Assim sendo, este artigo focaliza os aspectos relacionados à origem socioeconômica dos alunos e à atuação do Estado na provisão do ensino a partir de dados agregados ao nível municipal, pois parte do pressuposto que a descrição das diferenças do contexto socioeconômico da população estudantil e da infraestrutura educacional nas localidades é um processo fundamental para a formulação de políticas no âmbito de uma federação, como o Brasil, em que os municípios são os espaços de atendimento das demandas educacionais da sociedade por meio da colaboração entre as três esferas de governo1. Deste modo, as políticas educacionais devem ser pertinentes à trajetória e realidade das municipalidades como forma de garantir o direito à educação de qualidade a todos os brasileiros, considerando as diversidades regionais e locais. Do mesmo modo, o Estado deve constituir mecanismos para apontar os locais em que, por ventura, haja desequilíbrios na oferta ou nos resultados da educação para implantar ações corretivas. Neste sentido, o objetivo deste artigo é analisar o contexto socioeconômico dos alunos das escolas públicas de educação básica nos municípios brasileiros por meio de uma medida sintética, o Indicador Socioeconômico Estudantil dos Municípios (ISE-M). Igualmente, visa analisar o desempenho nas avaliações educacionais e as condições de oferta de ensino dos municípios. Inicialmente serão apresentadas algumas referências teóricas do estudo e, em seguida, os procedimentos metodológicos que proporcionaram a construção do ISE-M. Na terceira seção são analisados os diferentes agrupamentos de municípios formados a partir dos níveis do indicador proposto em contraponto ao desempenho dos alunos nas avaliações educacionais e às características das condições de oferta de ensino. Ao final, são apresentadas as considerações finais. Referencial Teórico O indicador do nível socioeconômico ou da posição que os indivíduos ocupam numa hierarquia social é um aspecto amplamente estudado pelas ciências sociais e uma tradição da sociologia americana e inglesa. As primeiras tentativas de mensurar este construto se iniciaram na década de 1920 com o trabalho de Chapin (1928) e Blishen (1958). No entanto, o trabalho de Duncan (1961) se tornou uma referência metodológica e talvez o trabalho mais influente para os estudos sociológicos contemporâneos. O indicador socioeconômico proposto pelo autor foi gerado por meio de regressão múltipla utilizando dados sobre renda e escolaridade do censo populacional dos Estados Unidos de 1950, além de uma variável externa sobre o prestígio das ocupações. A partir de então, diversos autores atualizaram, contestaram e propuseram novas medidas de status socioeconômico a partir de uma combinação de variáveis que expressam um ou mais dos seguintes aspectos: renda, nível de escolaridade, ocupação, posse de bens e 1 Como não é o foco deste trabalho aprofundar nas questões relacionadas ao federalismo educacional brasileiro, ou seja, sobre aspectos do regime de colaboração entre os governos municipal, estadual e federal para a provisão da educação previsto na Constituição Federal, uma interessante reflexão sobre o tema pode ser consultada em Oliveira & Santana (2010). O nível socioeconômico dos alunos das escolas públicas e as condições de oferta 4 acesso a itens de conforto no domicílio, estado civil ou configuração da família, qualidade da casa, status da região de moradia, comportamento social e político etc. (Alves & Soares, 2009; White, 1982). Neste sentido, Hollingshead (1975) utilizou quatro fatores (educação, gênero, ocupação e estado civil) para calcular um índice de status social a partir da combinação entre níveis de escolaridade e ocupações, além de categorias de estado civil. Já o trabalho de Stevens e Featherman (1981) propôs uma atualização do estudo de Duncan devido a mudanças nas características demográficas, econômicas e educacionais da força de trabalho da sociedade americana, principalmente no prestígio das ocupações decorrentes de mudanças na relação entre escolaridade e atributos econômicos dos indivíduos e aumento da participação das mulheres no mercado de trabalho. Os autores também buscaram superar as limitações dos dados da década de 1950 que, segundo eles, levaram Duncan a tomar decisões arbitrárias que revestiram o indicador socioeconômico inicial de certo grau de subjetividade. Uma vez que a ausência de informações relevantes sobre a ocupação pode ser um óbice para o cálculo dos indicadores socioeconômicos, Osborn (1987) utilizou uma metodologia alternativa para propor um índice da posição social das famílias a partir de dados do nível de escolaridade dos chefes da família, tipo de moradia, house tenure2, quantidade de pessoas por quarto, carro e telefone. Para os autores, as variáveis selecionadas possibilitam maior confiabilidade e sensibilidade à medida do status socioeconômico nos casos em que não é possível obter muitas informações sobre o tipo de ocupação do indivíduo. O estudo de Ganzeboom, De Graaf e Treiman (1992) também visava propor uma medida da posição social dos indivíduos, mas pretendia fazer comparações entre países. Para tanto, os autores calcularam o International Socio-Economic Index of Occupational Status (ISEI) com base no International Stardard Classification of Occupation (ISCO) por meio da comparação dos dados sobre educação, ocupação e renda de 73.901 trabalhadores do gênero masculino em 16 países. A partir dessas informações foram criadas 271 categorias de ocupações e a ocupação passou a ser considerada a variável interveniente da renda e nível de escolarização. Segundo os autores, isso permite a inferência e comparação do status social de indivíduos de diferentes países apenas com a informação da ocupação. Por esta característica, que facilita a descrição do aspecto socioeconômico em avaliações internacionais de larga escala, o ISEI tem grande aplicação em avaliações educacionais como o Programme for International Student Assessment (PISA)3. O ISEI foi atualizado e padronizado de acordo com o status ocupacional proposto pelo ISCO publicado em 19884 em Ganzeboom e Treiman (1996). Nakao e Treas (1992) e Cirino et al. (2002) também são outras referências internacionais interessantes sobre a construção de indicadores socioeconômicos. No Brasil, destacam-se os trabalhos de Pastore (1979), Scalon (1998), Januzzi (2000), Pastore e Silva (2000) e Santos (2005). 2 Informa os aspectos econômicos da opção de moradia da família no que se refere à locação, forma de aquisição ou propriedade do imóvel. Esta variável geralmente é utilizada em pesquisas sociais como indicador de renda e riqueza da família. 3 Programa internacional de avaliação comparada organizado pela Organisation for Economic Co- operation and Development (OECD) que abrange três habilidades: leitura, matemática e ciências. O teste é aplicado a estudantes de 15 anos (idade que coincide com o final do período da escolarização básica compulsória em grande parte dos países) dos países membros da OECD (29 países desenvolvidos e o México) e outros, como o Brasil, que participam como convidado. Na edição de 2009, o PISA contou com 66 países participantes. 4 A versão mais atual da ISCO foi publicada pela International Labor Organization, em 2008. Arquivos Analíticos de Políticas Educativas Vol. 20, No. 2 5 O trabalho de Pastore e Silva (2000), por exemplo, propôs um Índice de Status Socioeconômico (ISS) a partir dos dados sobre renda total e anos de estudo coletados pela Pesquisa Nacional por Amostra de Domicílio (PNAD) em 1996. O ISS de cada ocupação é a média dos valores das variáveis utilizadas apresentado numa escala de 0 a 100. Dessa forma, as ocupações com características gerais semelhantes e ISS com valores próximos são agrupadas e formam seis estratos5. Por este procedimento, segundo os autores, é possível inferir a posição social do indivíduo com base no estrato ocupacional a que pertence. De maneira geral, como observa Sirin (2005), o nível de escolaridade, a ocupação e o nível de renda são as variáveis mais recorrentes nas propostas de medidas socioeconômicas, embora não haja consenso quanto às melhores variáveis e procedimentos metodológicos para descrever tal construto. Por isso, como será descrito na seção seguinte, o indicador proposto neste trabalho baseou-se na observação indireta do nível de escolaridade e renda das famílias dos alunos. De todo modo, as medidas que evidenciam a posição social dos indivíduos e das famílias nas sociedades se tornaram muito relevantes nas pesquisas sociais e, especialmente, nas avaliações educacionais (Alves & Soares, 2009), sobretudo a partir da década de 1960, diante do grande número de estudos que apontaram evidências de que o fator socioeconômico explica grande parte do desempenho educacional (Bowles & Gintis, 1976; Coleman, 1966; Hanushek, 1979, 1986; Jencks et al., 1972; Lee, 2000; Madaus, Airasian, & Kellaghan, 1980; Mosteller & Moynihan, 1972; Plowden & Britain, 1967; Rutter, Maughan, Mortimore, & Ouston, 1979; Soares, 2004; Soares & Andrade, 2006; White, 1982; Willms, 1992). Apesar de a associação entre estes fatores ser uma realidade em diversos países do mundo, inclusive nos desenvolvidos (Reardon & Robinson, 2008), no Brasil, a despeito dos avanços no sentido de ampliar o acesso à educação desde 1970 (Oliveira, 2007), persistem os traços sociais da trajetória histórica do sistema educacional brasileiro altamente seletivo e excludente, marcado pela intensa desigualdade entre a minoria rica e a maioria pobre e pelos inúmeros problemas sociais que retroalimentam o ciclo de exclusão educacional dos mais desfavorecidos (Cury, 2008). Para dar números às evidências de desigualdades educacionais entre os indivíduos dos diferentes níveis socioeconômicos no contexto brasileiro, a Figura 1, com dados da população em idade economicamente ativa, entre 25 anos6 e 64 anos (estimada em 94,7 milhões de pessoas) levantados pela PNAD em 2008, mostra a desigualdade educacional fomentada pela desigualdade socioeconômica. 5 Os estratos ocupacionais vão de baixo-inferior (formado por trabalhadores rurais não qualificados), passando por níveis intermediários como baixo-superior, médio-inferior, médio-médio e médio- superior até alto (composto por profissionais de nível superior e grandes proprietários). 6 As estatísticas educacionais internacionais consideram a idade de 24 anos como referência para a conclusão da formação em nível superior. O nível socioeconômico dos alunos das escolas públicas e as condições de oferta 6 Figura 1. Escolaridade e nível socioeconômico da população entre 25 e 64 anos Informações sumarizadas a partir dos microdados da PNAD 2008 Inicialmente, o gráfico de área à esquerda na Figura 1 mostra quão complexa é a efetivação do direito à educação no Brasil, ao evidenciar que, no final da primeira década do século XXI, 46,1% da população economicamente ativa não tem instrução formal (segundo a PNAD 2008, 10,4% dessa população não frequentou a escola) ou nem concluiu o ensino fundamental7 (35,7%, concluiu apenas as séries iniciais do ensino fundamental). O gráfico à esquerda mostra que menos de um terço (28,2%) concluiu somente o ensino médio e apenas 10,9% concluiu a formação em nível superior8. Na mesma figura, o gráfico de barras, à direita, evidencia a relação entre desigualdade socioeconômica e desigualdade educacional no país. Uma vez que “é no mercado de trabalho e no emprego remunerado que a escolarização atua sobre a distribuição de renda para amenizar ou acirrar as desigualdades econômicas e sociais” (Brooke & Soares, 2008, p.18), a renda per capita domiciliar foi tomada como parâmetro para analisar a renda das famílias. Em seguida, foram confrontados o nível de formação e a renda dos 20% mais pobres e dos 20% mais ricos9. Ao analisar o nível de escolarização destes grupos, o gráfico à direita mostra que: (a) 76,3% da população mais pobre não estudou ou não concluiu o ensino fundamental, contra apenas 19% entre os mais ricos; (b) 7 Esse dado é ainda mais surpreendente se for considerado o fato de que o ensino fundamental é obrigatório para a população de 7 a 14 anos desde a Constituição de 1967. Em 2009, a Emenda Constitucional 59 modificou o texto da Constituição vigente e ampliou o ensino obrigatório para a faixa etária de 4 a 17 anos. 8 Um levantamento com dados de 2007 sobre o nível de escolarização da população adulta (entre 25 e 64 anos) de 36 países – sendo 30 membros da OECD (29 países desenvolvidos e o México) e seis países não-membros (entre eles o Brasil) – revela que, em média, 30% da população dos países da OECD cursaram o ensino superior. Merecem destaque: Canadá (48%), Nova Zelândia (41%), Japão (41%) e Estados Unidos (40%). O Brasil figura em último lugar na lista geral que inclui os países não-membros, atrás inclusive do México (16%) e Chile (13%) (OECD, 2010). 9 Segundo a PNAD 2008, os 20% mais pobres da população têm renda per capita domiciliar de até R$ 150 por mês, enquanto os 20% mais ricos têm renda acima de R$ 801. Entre os 10% mais ricos e os 10% mais pobres a distância da renda é de 15 vezes. Estes dados justificam a condição do Brasil de membro do grupo dos países mais desiguais do mundo (Sen & Kliksberg, 2010). 76,3% 12,4% 10,4% 0,9% 19,0% 10,6% 37,8% 32,6% Não estudou ou primário Ensino Fundamental Ensino Médio Ensino superior 20% ma is RICOS 20% ma is POBRES Escolaridade da população Escolaridade por nível socioeconômico Não estudou ou primário; 46,1% Ensino Fundamental; 14,8% Ensino Médio; 28,2% Ensino superior; 10,9% Arquivos Analíticos de Políticas Educativas Vol. 20, No. 2 7 10,4% concluiu o ensino médio entre os mais pobres, enquanto quase 37,8% o fez entre os mais ricos; e (c) menos de 1% concluiu a formação em nível superior enquanto 32,6% entre aqueles com as maiores rendas per capita domiciliar finalizaram este nível de formação. Igualmente, os dados da PNAD mostram que, apesar do avanço, o atual sistema educacional brasileiro, em certa medida, guarda algumas características do sistema existente no final do século XIX em que, como afirma Cury (2008), a educação servia à pequena elite letrada e economicamente dominante. Isso porque, apesar de o grupo que percebe renda per capita domiciliar superior a R$ 800 por mês representar apenas 25% do total da população na faixa etária analisada, 76,3% das pessoas que concluíram o ensino superior faz parte dele. Isso torna evidente que a chance de um brasileiro oriundo das camadas mais pobres ter acesso à formação em nível superior é significativamente menor10. Apesar das evidências sobre a existência de forte relação entre o status socioeconômico e desempenho educacional mostradas pelos dados brasileiros e pelas pesquisas em diversos países, é importante frisar que as conclusões nem sempre são utilizadas para apoiar o trabalho das escolas e reforçar a importância das políticas educacionais para amenizar as desigualdades sociais. Por isso, de acordo com a concepção do papel da escola emanada de suas conclusões, as pesquisas sobre este tema podem ser divididas em dois grupos. O primeiro iniciou-se com o trabalho de Coleman (1966) e teve suas conclusões ratificadas por Mosteller e Moynihan (1972), Jencks et al.(1972), Bowles e Gintis (1976) e Madaus et al. (1980), entre outros. Estes estudos, realizados em países desenvolvidos, disseminaram por algum tempo a ideia de que “as escolas não fazem diferença”. Essa concepção ganhou força e ainda é disseminada por alguns estudos mais recentes em economia da educação sobre produtividade ou função produção da educação que visam mensurar o impacto do aumento dos insumos educacionais (inputs) nos resultados escolares (outputs) avaliados pelas notas nos testes de larga escala (Hanushek, 1979; 1986). Estes estudos concluíram que as condições socioeconômicas explicam quase toda variação do desempenho e que as variáveis escolares (condições do prédio e dependências disponíveis para o ensino, equipamentos, nível de formação e treinamento dos professores, número de alunos por turma, organização do trabalho da escola, bem como aspectos relacionados à gestão e liderança etc.) têm pequena capacidade de influenciar nos resultados educacionais. Obviamente estas conclusões podem ter consequências graves para o funcionamento dos sistemas públicos de ensino. Em primeiro lugar porque fragilizam a função da escola diante do suposto “determinismo quase inevitável” do fator socioeconômico sobre o futuro educacional das crianças e jovens. Em segundo, porque sugerem que maior investimento financeiro nas escolas não tem efeito sobre a qualidade do ensino, o que aplicado aos países em desenvolvimento em que parte das escolas tem condições de oferta (prédio, material didático, equipamento, jornada diária de aulas, relação aluno por turma etc.) inadequadas e/ou insuficientes e a carreira docente é pouco atrativa (devido aos baixos salários e falta de condições de trabalho) pode colaborar para a manutenção dos problemas educacionais cujas soluções dependem de maior aporte de recursos financeiros para o setor. O segundo grupo teve a pesquisa de Rutter et al. (1979) como marco inicial na tentativa de contestar as conclusões dos autores da primeira corrente de pensamento e mostrar que “as escolas fazem diferença”. Juntamente com Mortimore, Sammons, Stoll, Lewis, e Ecob (1988), Willms (1992) e Lee (2000) e uma série de outras pesquisas, estes 10 Segundo a PNAD 2008, apenas 1,2% da população entre 25 a 64 anos que concluiu o ensino superior no Brasil faz parte do grupo que percebe 20% das menores rendas per capita domiciliar. O nível socioeconômico dos alunos das escolas públicas e as condições de oferta 8 autores concordam que a origem socioeconômica dos alunos exerce forte influência no desempenho educacional, entretanto, verificam que o contexto onde ocorre o aprendizado também é relevante. Estes trabalhos contestam a magnitude da influência do fator socioeconômico verificada pelas pesquisas correlatas às de Coleman e fazem críticas metodológicas àquela linha de pesquisa, cujas principais são: (a) considerar somente as habilidades cognitivas medidas pelos testes como resultados educacionais; (b) a suposição de linearidade na relação entre inputs e outputs educacionais ao invés de buscar compreender o processo educacional; (c) as variáveis selecionadas para operacionalizar as análises; e (d) a utilização de variáveis independentes correlacionadas entre si (multicolinearidade). Por outro lado, como apontam as revisões de Fuller (1987) e Fuller e Clarke (1994), inúmeros estudos realizados em países em desenvolvimento mostram que a infraestrutura e os fatores relacionados à escola têm efeito significativo no desempenho dos alunos. Desta forma, estes estudos iniciaram um novo pensamento baseado na análise da variação percentual da proficiência dos alunos, e não somente na relação entrada-saída da escola. Alguns estudos mostram, inclusive, que para os alunos de origem socioeconômica privilegiada as condições de oferta da escola podem ter menor influência, mas para aqueles cuja origem é desfavorecida, uma escola com melhor infraestrutura educacional pode implicar uma variação expressiva de seu desempenho cognitivo, contribuindo para a superação do atraso escolar decorrente da origem social a que foram submetidos (Soares, 2004). Em resumo, estes estudos concluem que o trabalho da escola é capaz de amenizar as diferenças e ajudar a corrigir os rumos econômicos e sociais dos menos favorecidos através de oportunidades educacionais transformadoras. Aspectos Metodológicos Com vistas aos objetivos deste estudo, foi realizada uma pesquisa quantitativa descritiva que utilizou dados secundários das avaliações e levantamentos do Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP), especificamente a Prova Brasil e o Censo Escolar do ano de 2007. No que se refere à Prova Brasil, foram utilizados dados de quase 4,1 milhões de alunos das escolas municipais e estaduais coletados por meio de um questionário contextual11. Estes dados foram agregados por município (unidade territorial). Vale lembrar que 5.553 municípios e 48.713 escolas públicas urbanas participaram da avaliação, o que representa quase a totalidade dos municípios e 89% das escolas de ensino fundamental do Brasil. O Censo Escolar, por sua vez, forneceu informações sobre as condições de oferta de ensino das escolas públicas no que se refere à formação dos professores e de alguns itens da infraestrutura das escolas (existência de biblioteca, laboratório de informática e quadra de esporte). Em concordância com os estudos apresentados na seção anterior, que têm utilizado as medidas de status socioeconômico para descrever a posição dos indivíduos na pirâmide social a partir dos fatores renda, ocupação e educação, o cálculo do ISE-M partiu do pressuposto de que é possível revelar o nível socioeconômico das famílias dos alunos descrevendo o acesso ou posse de fatores que caracterizam riqueza, poder e status social. 11 Os questionários completos aplicados aos alunos do 5º ano e 9º ano são idênticos nas questões utilizadas para gerar o indicador socioeconômico proposto neste artigo e estão disponíveis em http://www.inep.gov.br/salas/download/prova_brasil/Questionarios_2007/questionarios_4.doc e http://www.inep.gov.br/salas/download/prova_brasil/Questionarios_2007/questionarios_8.doc Arquivos Analíticos de Políticas Educativas Vol. 20, No. 2 9 Neste sentido, a fonte de dados utilizada neste estudo oferece certa limitação, uma vez que os dados permitem fazê-lo apenas de forma indireta, ou seja, pela descrição do contexto econômico e social das famílias dos alunos realizada por meio de informações sobre os bens e serviços aos quais as famílias têm acesso (tais como eletrodomésticos, carro, computador, internet, serviços de empregada doméstica etc.) além da formação educacional dos pais. Por isso, inicialmente foram selecionadas 14 questões do questionário contextual que constituíram as 15 variáveis pré-selecionadas para compor o referido indicador (veja a Tabela 1). Tabela 1. (Continua) Questões do questionário contextual da Prova Brasil utilizadas e variáveis geradas para a construção do ISE-M Questão do questionário contextual Variável gerada Na sua casa tem televisão em cores? V1 Televisão [A ] Sim, uma; [B ] Sim, duas; [ C ] Sim, três ou mais; [D ] Não tem Na sua casa tem rádio? V2 Rádio [A ] Sim, um; [B ] Sim, dois; [ C ] Sim, três ou mais; [D ] Não tem Na sua casa tem videocassete ou DVD? V3 Videocassete ou DVD [A ] Sim; [B] Não Na sua casa tem geladeira? V4 Geladeira [A ] Sim, uma; [B ] Duas ou mais; [ C ] Não tem Na sua casa tem freezer separado da geladeira? V5 Freezer [A ] Sim; [B ] Não; [C] Não sei Na sua casa tem máquina de lavar roupa? (não é tanquinho) V6 Máquina de lavar roupa [A ] Sim; [B] Não Na sua casa tem aspirador de pó? V7 Aspirador de pó [A ] Sim; [B] Não Na sua casa tem carro? V8 Carro [A ] Sim, um; [B ] Sim, dois; [ C ] Sim, três ou mais; [D ] Não tem Na sua casa tem banheiro? V9 Banheiro [A ] Sim, um; [B ] Sim, dois; [ C ] Sim, três; [D ] Sim, mais de três; [E] Não tem Na sua casa trabalha alguma empregada doméstica? V10 Empregada doméstica [A ] Sim, uma diarista, uma ou duas vezes por semana; [B ] Sim, uma, todos os dias úteis; [C ] Sim, duas ou mais, todos os dias úteis; [D] Não Na sua casa tem computador? V11 Computador [A ] Sim, com internet; [B ] Sim, sem internet; [ C ] Não V12 Internet Além dos livros escolares, quantos livros você tem em sua casa? V13 Livros [A ] 1 a 20 livros; [B ] 21 a 100 livros; [ C ] Mais de 100 livros; [D ] Nenhum ________________________________________________________________________ O nível socioeconômico dos alunos das escolas públicas e as condições de oferta 10 Tabela 1. Questões do questionário contextual da Prova Brasil utilizadas e variáveis geradas para a construção do ISE-M Questão do questionário contextual Variável gerada Até que série sua mãe ou mulher responsável por você estudou? V14 Escolaridade da mãe [A ] Nunca estudou ou não completou a 4a série; [B ] Completou a 4a série, mas não completou a 8a série; [ C ] Completou a 8a série, mas não completou o Ensino médio; [D ] Completou o Ensino médio, mas não completou a faculdade; [E] completou a faculdade; [F] Não sei Até que série seu pai ou homem responsável por você estudou? V15 Escolaridade do pai [A ] Nunca estudou ou não completou a 4a série; [B ] Completou a 4a série, mas não completou a 8a série; [ C ] Completou a 8a série, mas não completou o Ensino médio; [D ] Completou o Ensino médio, mas não completou a faculdade; [E] completou a faculdade; [F] Não sei Nota: O texto das questões selecionadas para compor o ISE-M foi retirado dos questionários da Prova Brasil aplicados aos alunos e disponíveis em http://www.inep.gov.br/salas/download/prova_brasil /Questionarios_ 2007/questionarios_4.doc e http://www.inep.gov.br/salas/download/prova_brasil/ Questionarios_2007/ questionarios_8.doc Como o cálculo do indicador municipal foi realizado por meio da Análise Fatorial, os dados originalmente coletados por aluno foram agregados ao nível do município. Para isso, inicialmente foi realizado um processo de agregação dos dados que consistiu no cálculo das frequências absolutas e, em seguida, as frequências relativas das respostas em cada item das questões selecionadas do questionário. O passo seguinte foi obter as variáveis métricas. Então, foi calculada a média ponderada das respostas do conjunto de alunos de cada município em cada questão ou a proporção de alunos que tem acesso aos itens selecionados. No caso das variáveis V1, V2, V4, V8, V9, V10, V13 (veja a Tabela 1), foram atribuídos pesos para a quantidade de bens que as famílias dos alunos possuem para calcular a média ponderada. Esta foi uma estratégia para considerar a quantidade de itens, partindo do pressuposto que as famílias que têm duas TVs ou dois carros têm maior poder econômico do que outras que só possuem uma unidade de cada item. Este procedimento é semelhante ao utilizado pelo Critério Brasil12. Após o cálculo da média ponderada, como as variáveis apresentaram valores em escalas diferentes, houve uma padronização para todas ficarem em uma escala de zero a um. Para as questões que descreviam apenas a existência ou ausência dos itens (variáveis V3, V5, V6, V7, V11 e V12 da Tabela 1), foi utilizada a proporção dos alunos do município que têm acesso aos itens. As variáveis V14 e V15 apresentadas na Tabela 1 foram obtidas por um procedimento um pouco diferente, uma vez que, para aumentar o poder de discriminação entres os municípios, foi considerada apenas a formação das mães e dos pais em nível médio e superior. Assim, estas variáveis informam a proporção de mães ou pais que concluíram estas etapas de escolarização. 12 O Critério Brasil é calculado a partir da atribuição de pontos à quantidade de bens (TV, rádio, banheiro, carro, empregada, aspirador, máquina de lavar, vídeo/DVD, geladeira e freezer) que os indivíduos possuem, além de considerar o nível de instrução do chefe da família. Para cada bem possuído há uma pontuação e as sete classes econômicas resultantes são definidas pela soma dos pontos (Pereira, 2004). Arquivos Analíticos de Políticas Educativas Vol. 20, No. 2 11 Como foi observada uma quantidade considerável de respostas dos questionários inválidas (em branco ou marcação errada) ou marcação da alternativa “não sei” (que para a finalidade do ISE-M também não foi considerada), houve uma redução do número de respostas válidas. Para não se correr o risco de subestimar ou superestimar os valores do indicador em decorrência desta redução, só obtiveram o ISE-M os municípios com pelo menos 20 respostas válidas em cada questão do questionário. Ao término da seleção e preparação das variáveis métricas por município, o indicador foi calculado por meio da análise fatorial utilizando os procedimentos indicados por Fachel (1976). Segundo a autora, indicadores podem ser obtidos pelo cálculo da média ponderada entre as cargas fatoriais e o percentual da variância explicada nos respectivos fatores. Os fatores resultantes da análise foram extraídos pelo método de componentes principais13. Também foi utilizado o método varimax14 de rotação dos fatores. Por estes procedimentos, cada município participante da Prova Brasil 2007 obteve um valor no ISE-M padronizado em uma escala de zero a um. A partir dos indicadores os municípios foram classificados em cinco níveis. No primeiro estão as localidades cujos alunos conjuntamente são os 20% menos favorecidos socioeconomicamente do país. Os demais níveis evoluem em quintos da amostra de forma que no último nível sejam agrupados 20% dos municípios cujos alunos são mais favorecidos do ponto de vista socioeconômico. Análise Dos Resultados O cálculo do ISE-M teve início com a análise descritiva das 15 variáveis apresentadas na Tabela 1. Devido à limitação temporal dos indicadores do nível socioeconômico gerado por meio de descritores de bens e serviços (porque alguns itens inicialmente acessíveis apenas às classes mais favorecidas, com o passar do tempo, se popularizaram, como alertam Alves e Soares (2009), foi calculado o coeficiente de variação para verificar as variáveis que mais discriminam a população de alunos entre os municípios. Verificou-se que variáveis como televisão, geladeira, banheiro e livros possuem coeficiente de variação abaixo de 20%, ou seja, são itens comuns tanto a municípios com alunos “mais pobres” ou “mais ricos”, e, portanto, foram retiradas da análise fatorial. Em seguida, foi verificada a existência de altas correlações entre as variáveis, que é um dos pressupostos da análise fatorial (veja a matriz de correlação no Apêndice A). A variável “empregada doméstica” foi retirada do modelo que gerou o ISE-M por apresentar baixas correlações. Após estas verificações, a análise fatorial com as 10 variáveis restantes foi bem sucedida e apresentou resultados bastante satisfatórios, como mostram os indicadores no Apêndice B. O ISE-M foi apresentado numa escala padronizada com valores padronizados de zero a um para 5.460 municípios15. O valor médio do indicador foi de 0,36, sendo que 50% dos municípios obtiveram valores até 0,33. O ISE- M igual a um foi atribuído ao município de Águas de São Pedro-SP, uma vez que o conjunto de alunos das escolas públicas apresentou características que o definiram como o município 13 Modelo de solução fatorial no qual os fatores encontrados contêm parte da variância total verificada na matriz fatorial (Hair, 2005). Uma vez que o objetivo era sintetizar o contexto socioeconômico dos alunos em um indicador, este modelo foi adotado por permitir explicar maior parte da variância dos dados originais com um menor número de fatores. 14 Método de rotação dos eixos de referência dos fatores que facilita a interpretação dos mesmos, uma vez que minimiza o número de variáveis que têm altas cargas fatoriais em um fator. 15 93 municípios não obtiveram score no ISE-M porque apresentaram pequeno número de questionários (<20) com respostas válidas. O nível socioeconômico dos alunos das escolas públicas e as condições de oferta 12 com o melhor nível socioeconômico entre os estudantes da educação básica do país.16. A Tabela 1 mostra as características gerais dos municípios em cada nível do ISE-M formado pelo 20º, 40º, 60º e 80º percentil do indicador17. Inicialmente, a fim de evitar equívocos na leitura da Tabela 2, é preciso considerar que as variáveis V1, V2, V4, V8, V9, V10, V13 são médias ponderadas do número de bens que os alunos possuem em suas casas e que as variáveis V3, V5, V6, V7, V11, V12, V14 e V15 representam a proporção de alunos que têm acesso aos bens, serviços ou níveis de escolaridade em cada município. A tabela ratifica que as cinco variáveis retiradas da análise fatorial (TV, geladeira, banheiro, empregada doméstica e livros) têm valores muito próximos nos cinco níveis do indicador. De qualquer forma, há itens mais popularizados em todos os estratos sociais como rádio e vídeo cassete/DVD e outros cujos alunos das escolas públicas têm acesso mais limitado, como freezer, máquina de lavar, aspirador de pó, carro, computador e internet18. Outro aspecto que vale ressaltar é o baixo nível de escolaridade dos pais dos estudantes: apenas 13% dos pais e 19% das mães (em média) dos municípios do primeiro nível e 31% de ambos no quinto nível concluíram o ensino médio ou superior. Estes dados são tão preocupantes quanto àqueles apresentados na Figura 1 sobre a escolaridade da população adulta no Brasil retratado pela PNAD 2008 e, de certa forma, evidenciam o mesmo fenômeno: a baixa escolaridade da população adulta brasileira. O maior problema neste ponto é quanto à transmissão intergeracional da condição educacional das famílias apontado em estudos como Barros et al. (2001) e Silva e Hasenbalg (2000). Isso indica que, se as políticas educacionais não forem direcionadas para reverter este quadro nos municípios em que os pais, em maior proporção, não conseguiram lograr êxito na carreira escolar, estas localidades tenderão a permanecer num ciclo de baixa escolarização entre as gerações. Estes números reforçam a relevância das políticas de fortalecimento da educação da população adulta, as quais, no Brasil, sempre assumiram um caráter secundário. 16 A lista completa dos valores do ISE-M obtidos pelos 5.460 municípios pode ser solicitada por e- mail aos autores. 17 Os municípios foram grupados em cinco níveis. Os cinco níveis foram assim definidos: 1º nível <= 0,19; 2º nível > 0,19 e <=0,27; 3º nível > 0,27 e <=0,39; 4º nível > 0,39 e <= 0,52; e 5º nível > 0,59. 18 O teste F descritivo informou que as variáveis que mais diferenciaram os cinco níveis do ISE-M foram, respectivamente: computador, internet, carro, máquina de lavar, aspirador de pó, rádio, escolaridade do pai, freezer, vídeo/DVD e escolaridade da mãe. Arquivos Analíticos de Políticas Educativas Vol. 20, No. 2 13 Tabela 2. (Continua) Características dos municípios nos níveis do ISE-M (desvio-padrão entre parênteses) Nível do ISE-Ma Variável Menos favorecido 2o nível 3o nível 4o nível Mais favorecido V1-Televisão 0,37 0,41 0,45 0,49 0,57 (0,04) (0,04) (0,05) (0,05) (0,06) V2-Rádio 0,35 0,36 0,41 0,47 0,54 (0,06) (0,06) (0,07) (0,05) (0,06) V3-Videocassete ou DVD 0,53 0,62 0,67 0,71 0,78 (0,11) (0,10) (0,11) 0,11) (0,10) V4-Geladeira 0,40 0,44 0,49 0,53 0,55 (0,05) 0,04) 0,03) (0,02) (0,02) V5-Freezer 0,13 0,17 0,26 0,34 0,46 (0,05) (0,08) (0,14) (0,18) (0,22) V6-Máquina de lavar 0,18 0,30 0,50 0,64 0,81 (0,09) (0,14) (0,19) (0,17) (0,13) V7-Aspirador de pó 0,03 0,04 0,06 0,12 0,26 (0,02) (0,02) 0,03) (0,05) (0,12) V8-Carro 0,06 0,09 0,14 0,20 0,26 (0,02) (0,03) (0,05) (0,04) (0,05) V9-Banheiro 0,28 0,30 0,31 0,33 0,35 (0,02) (0,02) (0,02) (0,02) (0,03) V10-Empregada doméstica 0,06 0,07 0,07 0,06 0,07 (0,02) (0,02) (0,02) (0,02) (0,03) V11-Computador 0,06 0,11 0,19 0,27 0,41 (0,03) (0,03) (0,05) (0,05) (0,08) V12-Internet 0,03 0,06 0,10 0,16 0,27 (0,02) (0,02) (0,04) (0,05) (0,08) V13-Livros 0,38 0,40 0,39 0,38 0,40 (0,04) (0,04) (0,06) (0,05) (0,04) V14-Escolaridade da mãe 0,19 0,24 0,27 0,28 0,31 (0,07) (0,07) (0,09) 0,08) (0,08) V15-Escolaridade do pai 0,13 0,19 0,23 0,27 0,31 (0,05) (0,06) (0,08) (0,08) (0,09) Nota: (a) Os cinco níveis do ISE-M foram definidos numa escala de 0 (zero) a 1 da seguinte forma: 1º nível (menos favorecido) <= 0,19; 2º nível > 0,19 e <=0,27; 3º nível > 0,27 e <=0,39; 4º nível > 0,39 e <= 0,52; e 5º nível (mais favorecido) > 0,59 Ainda no sentido de contextualizar os resultados do ISE-M, verificou-se que há forte associação entre o ISE-M e o Produto Interno Bruto (PIB) per capita dos municípios. Veja a Tabela 3. O nível socioeconômico dos alunos das escolas públicas e as condições de oferta 14 Tabela 3. Percentual de municípios nas faixas de PIB per capita e níveis do ISE-M Nível PIB per capita dos municípios (em R$) N Nível do ISE-Ma Menos favorecido 2o nível 3o nível 4o nível Mais favorecido até 3.368 1.103 61,5 33,4 5,1 0,1 - maior que 3.368 até 5.488 1.093 31,3 40,9 22,4 4,9 0,5 maior que 5.488 até 8.563 1.093 5,0 18,0 36,6 29,6 10,8 maior que 8.563 até 12.318 1.089 1,1 4,3 23,4 36,4 34,8 maior que 12.318 1.082 0,6 3,0 12,6 29,4 54,5 Nota: (a) Os cinco níveis do ISE-M foram definidos numa escala de 0 (zero) a 1 da seguinte forma: 1º nível (menos favorecido) <= 0,19; 2º nível > 0,19 e <=0,27; 3º nível > 0,27 e <=0,39; 4º nível > 0,39 e <= 0,52; e 5º nível (mais favorecido) > 0,59 A Tabela 3 mostra que a maior parte dos municípios do primeiro nível do ISE-M (61,5%) tem PIB per capita de até R$ 3.36819 e que a proporção dos municípios nos níveis do PIB e do ISE-M aumenta de forma associada até que 54,5% dos municípios do melhor nível socioeconômico sejam localizados no maior patamar do PIB per capita. Esta associação é evidenciada pelo coeficiente de contingência modificado20 igual a 0,742. Por outro lado, quando foi analisada a associação entre o status socioeconômico dos alunos e o porte dos municípios verificou-se um coeficiente de contingência modificado de 0,335, o que denota uma associação moderada entre as variáveis. A Tabela 4 mostra que entre os municípios de até 50 mil habitantes, que representam quase 90% dos municípios brasileiros, há uma distribuição mais ou menos homogênea entre os cinco níveis formados pelos ISE-M. Contudo, é notório que os municípios de maior porte se concentram nos melhores níveis e se afastam dos piores níveis do indicador. 19 Vale lembrar que a média do PIB per capita dos municípios brasileiros em 2007 era de R$ 9.236. 20 Segundo Barbetta (2007), o coeficiente de contingência modificado (C*) é uma forma alternativa de medir a associação entre duas variáveis categóricas usualmente medida pelo coeficiente de contingência (C), uma vez que o valor expresso pelo C é de difícil interpretação por depender da dimensão da tabela de contingência. O C*, por sua vez, é sempre apresentado entre um intervalo de 0 (zero) a 1 (um), onde 1 indica associação perfeita e 0 independência entre as variáveis. O coeficiente é calculado por C* , onde: k é o menor entre o número de linhas e colunas da tabela de contingência; X2 é o valor do qui-quadrado; e o n é o número de observações. Arquivos Analíticos de Políticas Educativas Vol. 20, No. 2 15 Tabela 4. Porcentagem de municípios de cada porte (pelo tamanho da população) nos níveis do ISE-M População N Nível do ISE-Ma Menos favorecido 2o nível 3o nível 4o nível Mais favorecido até 5.000 1239 17,2 16,4 24,1 25,6 16,8 5.001 - 10.000 1260 24,1 18,7 21,3 19,8 16,2 10.001 - 20.000 1401 25,8 22,7 18,1 19,6 13,8 20.001 - 50.000 993 19,4 25,5 17,6 16,2 21,2 50.001 - 100.000 314 6,4 21,7 17,5 16,6 37,9 acima de 100.000 253 0,8 5,5 16,6 15,0 62,1 Nota: (a) Os cinco níveis do ISE-M foram definidos numa escala de 0 (zero) a 1 da seguinte forma: 1º nível (menos favorecido) <= 0,19; 2º nível > 0,19 e <=0,27; 3º nível > 0,27 e <=0,39; 4º nível > 0,39 e <= 0,52; e 5º nível (mais favorecido) > 0,59 S t a t u s socioeconômico e desempenho nas avaliações educacionais Os resultados do ISE-M foram analisados em contraponto com o desempenho dos municípios no Índice de Desenvolvimento da Educação Básica (IDEB)21 em 2007 no 5º e 9º ano do ensino fundamental nas redes municipais e estaduais. Verificou-se por meio de regressão linear que há associação significativa entre o desempenho nos testes e o nível socioeconômico dos alunos nos municípios. O coeficiente de explicação (R2) da regressão informou ainda que 47,5% da variação total da nota do IDEB do 5º ano das escolas municipais é explicada pelo fator socioeconômico. Da mesma forma que 34,8% da variação do IDEB do 5º ano das escolas estaduais, 39,3% do 9º ano das escolas municipais e 31,3% do 9º ano das escolas estaduais são explicados pelo ISE-M (Figura 2). Esta associação mostra que, em inúmeros municípios brasileiros, a apropriação dos resultados educacionais (ao menos nas dimensões expressas pelo índice utilizado) é estratificada de acordo com a posição social dos indivíduos, pois, em geral, quanto mais pobre é a população de estudantes, pior é o desempenho educacional do município. Outros estudos poderão verificar os reflexos deste quadro nos indicadores sociais e econômicos das localidades, uma vez que ele tende a intensificar as diferenças regionais no país (favorecendo a co-existência de centros desenvolvidos e áreas socioeconomicamente degradadas), tornando ainda mais complexas a garantia do direito à educação de qualidade a todas as crianças e jovens e as relações federativas brasileiras e, consequentemente, um óbice ao desenvolvimento do país como um todo. 21 O cálculo da pontuação do IDEB considera o desempenho dos alunos na Prova Brasil e a taxa de aprovação calculada a partir dos dados do Censo Escolar. A metodologia de cálculo do IDEB pode ser acessada em http://www.inep.gov.br/download/Ideb/Nota_Tecnica_n1_concepcaoIDEB.pdf. O nível socioeconômico dos alunos das escolas públicas e as condições de oferta 16 Figura 2. Análise de dispersão entre IDEB e ISE-M Vale ressaltar que as diferenças na magnitude da associação entre as variáveis apresentadas na figura 2 entre as escolas das redes municipal e estadual podem ser explicadas, em parte, pela diferença das condições de oferta de ensino destas redes. Isso porque, conforme mostram alguns estudos, entre eles Alves e Passador (2011), a rede municipal, em geral, é a que possui piores condições de oferta, o que potencializa a relação entre as variáveis analisadas nas escolas cuja maior parte dos alunos têm origem socioeconômica desfavorecida e lhes oferecem menos recursos, se comparada às demais. Assim, como não foram percebidas diferenças expressivas no perfil dos alunos das redes estaduais e municipais durante a análise dos dados, acredita-se que a diferença na magnitude da associação apontada na figura 2 não possa ser explicada, em grande parte, pela diferença do perfil do alunado destas redes, uma vez que, em geral, no Brasil, um perfil socioeconômico mais favorecido é percebido, considerando o perfil geral das redes, nos alunos das escolas da rede federal (em que há processos seletivos para admissão – os “vestibulinhos”) e na rede privada (devido à cobrança de mensalidade). De toda maneira, como a comparação entre o nível socioeconômicos dos alunos entre as redes extrapola os objetivos deste artigo, trata-se de um aspecto que merece investigação em trabalho específico. No mesmo sentido, a Tabela 5 mostra como se distribuem os municípios avaliados entre os níveis formados pelo 20º, 40º, 60º e 80º percentil do indicador e do IDEB de cada ano e rede de ensino. Também por esta análise fica evidente que os municípios com a Arquivos Analíticos de Políticas Educativas Vol. 20, No. 2 17 população estudantil mais favorecida, em sua maioria, galgam os melhores níveis de desempenho nas avaliações educacionais, conforme indica o coeficiente de contingência modificado igual a 0,67, 0,60, 0,62 e 0,57, respectivamente, entre o ISE-M e o IDEB do 5º ano das escolas municipais, 5º ano das escolas estaduais, 9º ano das escolas municipais e 9º ano das escolas estaduais. As evidências desta associação com dados agregados ao nível do município são corroboradas por pesquisas realizadas ao nível do aluno tais como, Coleman (1966), Mosteller e Moynihan (1972), Jencks et al. (1972), Bowles e Gintis (1976), Madaus et al. (1980), Rutter et al. (1979), Mortimore et al. (1988), Willms (1992), Lee (2000), Hanushek (1979; 1986), Alves e Soares (2009), Soares (2004), Soares e Andrade (2006), entre outras. Tabela 5 Distribuição percentual dos municípios entre os níveis do IDEB e ISE-M IDEB (ano / rede) Desempenhoa Nível do ISE-Mb Menos favorecido 2o nível 3o nível 4o nível Mais favorecido IDEB 5o ano: municipal Menor 46,8 36,9 14,0 2,3 0,1 2o nível 34,3 35,7 21,6 5,7 2,7 3o nível 12,4 16,5 28,9 27,1 15,1 4o nível 2,2 7,2 23,5 36,6 30,5 Maior 0,7 3,1 14,9 31,2 50,0 IDEB 5o ano: estadual Menor 38,3 36,3 20,9 4,0 0,5 2o nível 27,4 33,2 23,5 11,8 4,1 3o nível 13,4 23,8 26,9 21,1 14,8 4o nível 8,3 11,7 20,1 26,7 33,3 Maior 2,0 6,0 18,2 22,4 51,3 IDEB 9o ano: municipal Menor 49,9 36,2 10,3 2,4 1,1 2o nível 42,8 34,6 14,8 4,3 3,5 3o nível 29,4 25,1 19,1 14,8 11,6 4o nível 10,7 13,4 23,6 23,8 28,5 Maior 4,2 5,0 17,1 25,7 48,1 IDEB 9o ano: estadual Menor 35,2 37,1 17,7 6,7 3,3 2o nível 22,1 26,7 24,3 15,5 11,5 3o nível 14,4 16,3 26,9 25,4 17,0 4o nível 4,2 9,8 20,8 33,1 32,0 Maior 2,2 4,1 16,0 29,5 48,2 Nota: (a) Os níveis de desempenho médio dos municípios no IDEB, em uma escala de 0 a 10, são: 1º nível (menor desempenho) <= 3,2; 2º nível > 3,2 e <=3,8; 3º nível > 3,8 e <=4,3; 4º nível > 4,3 e <= 4,8; e 5º nível (maior desempenho) > 4,8. (b) Os cinco níveis do ISE-M foram definidos numa escala de 0 (zero) a 1 da seguinte forma: 1º nível (menos favorecido) <= 0,19; 2º nível > 0,19 e <=0,27; 3º nível > 0,27 e <=0,39; 4º nível > 0,39 e <= 0,52; e 5º nível (mais favorecido) > 0,59 O nível socioeconômico dos alunos das escolas públicas e as condições de oferta 18 O ISE-M e a infraestrutura educacional dos municípios Uma vez verificada a associação entre nível socioeconômico e desempenho acadêmico nos municípios brasileiros, neste ponto pretende-se investigar o contexto socioeconômico dos alunos em contraponto à infraestrutura educacional dos municípios. Para tanto, foram utilizados itens que descrevem, em parte, as condições de oferta do ensino tais como a existência de biblioteca, laboratórios de informática, acesso à internet e formação dos professores nas escolas públicas de cada município. Deste modo, o foco da discussão neste ponto é a igualdade de oportunidades educacionais oferecidas pelos municípios e a expectativa é de, em alguma medida, lançar luz sobre a seguinte questão subjacente: os municípios têm as mesmas condições de oferta de ensino independente do nível socioeconômico da população estudantil? A Tabela 6 mostra a proporção média da presença dos itens destacados nos municípios classificados nos cinco níveis do ISE-M . Tabela 6. Proporção média de escolas públicas nos municípios classificados por nível socioeconômico que possuem os itens de condições de oferta analisados (desvio-padrão entre parênteses) Itens de condição de oferta Nível do ISE-Ma Menos favorecido 2o nível 3o nível 4o nível Mais favorecido Universo Laboratório de informática 18,5 21,5 29,0 37,9 41,2 29,6 (18,6) (18,6) (21,1) (22,6) (21,3) (22,3) Biblioteca 32,3 40,3 51,7 56,9 60,3 48,3 (24,0) (25,8) (23,6) (23,2) (22,1) (26,0) Quadra de esporte 20,7 25,3 37,7 48,0 48,9 36,1 (20,0) (20,8) (23,6) (23,1) (20,7) (24,5) Professores c/ formação superior 43,2 48,8 65,2 76,6 76,9 62,1 (21,9) (23,6) (20,4) (13,8) (13,2) (23,6) Professores c/ formação superior e licenciatura 39,0 44,5 59,7 71,3 72,1 57,3 (20,8) (22,5) (20,0) (14,3) (13,1) (23,0) Nota: (a) Os cinco níveis do ISE-M foram definidos numa escala de 0 (zero) a 1 da seguinte forma: 1º nível (menos favorecido) <= 0,19; 2º nível > 0,19 e <=0,27; 3º nível > 0,27 e <=0,39; 4º nível > 0,39 e <= 0,52; e 5º nível (mais favorecido) > 0,59 No que se refere aos laboratórios de informática, a tabela mostra que, em média, menos de um terço (29,6%) das escolas de ensino fundamental dos municípios brasileiros têm esta dependência escolar que permite acesso aos recursos da tecnologia da informação. Mostra também que este nível de acesso não é homogêneo entre todos os municípios, uma vez que pode cair para 18,5% para os municípios que têm os alunos mais carentes e aumentar para 41,2% nos municípios cujos estudantes têm melhores condições socioeconômicas. Igualmente, as diferenças são percebidas nos demais itens. Quanto à existência de bibliotecas, quase uma a cada duas escolas tem bibliotecas nos municípios (em média). Porém, apenas 32,3% das escolas nos municípios mais pobres e mais de 60% nos mais ricos têm bibliotecas. Também é quase duas vezes maior a possibilidade de encontrar quadras de Arquivos Analíticos de Políticas Educativas Vol. 20, No. 2 19 esporte nas escolas dos municípios mais ricos (48,9%) do que nos municípios mais pobres (20,7%). A proporção média do país neste item é de 36,1%. Da mesma forma, verificou-se que 62,1% dos professores em cada município possuem formação em nível superior e 57,3% em licenciatura. No entanto, há grande variabilidade nesta proporção. Neste sentido, a tabela mostra que 43,2% dos professores têm formação superior e 39% concluiu a formação superior em licenciatura nos municípios cujos alunos são mais pobres e que quase 76,9% e 72,1% têm os respectivos níveis de formação nos municípios cuja população estudantil tem maior status socioeconômico. O índice de correlação de 0,54 também evidencia a associação entre nível de formação docente e nível socioeconômico do município, o que indica o quanto pode ser danoso o baixo desempenho escolar e as condições de ensino inadequadas para a formação dos profissionais que devem atuar no mercado de trabalho em cada localidade, a começar por aquele cuja função é formar os demais. A Tabela 7 é formada por tabelas de contingências elaboradas por meio do 20º, 40º, 60º e 80º percentil do ISE-M e da proporção de escolas em cada município que possuem os itens de condições de ensino analisados na tabela anterior. Seu intuito é verificar se há associação entre a infraestrutura educacional e o nível socioeconômico dos alunos e, em caso afirmativo, em que magnitude. Foi verificada uma associação moderada e significativa para as cinco variáveis analisadas22. Neste sentido é possível observar na Tabela 7 que em 68,3% dos municípios que no máximo 10% das escolas têm laboratório de informática foram classificados entre os mais pobres (primeiro e segundo níveis do ISE-M), enquanto 63,7% dos municípios em que mais de 50% das escolas têm laboratório então entre os mais ricos (quarto e quinto níveis do ISE-M). A associação também é evidente quando se trata das bibliotecas, uma vez que nos municípios em que no máximo uma a cada quatro escolas (até 25%) tem este importante espaço de estimulo à leitura, 73,3% são os mais pobres e entre aqueles que a biblioteca está disponível em mais de 67% das escolas (pelo menos em quase três a cada quatro escolas), 61,2% dos municípios estão entre os mais ricos. Em se tratando de quadras de esporte, este espaço fundamental para o lazer, prática de educação física e desenvolvimento de habilidades sociais, nos municípios em que este item está disponível em no máximo 14% das escolas, 74,2% deles são os mais pobres e onde está disponível em mais de 56% das escolas, 66,2% dos municípios são os mais ricos. Entretanto, a maior magnitude de associação foi verificada entre as variáveis que descrevem a proporção de professores graduados em cada município e o ISE-M. Nesta análise, 81,4% dos municípios que possuem até 41% dos professores com formação superior pertencem ao primeiro e segundo nível do ISE-M, enquanto 73,9% dos municípios em que mais de 83% dos professores têm formação superior pertencem aos dois últimos níveis do ISE-M. Igualmente, 81,4% dos municípios em que até 36% dos professores têm formação em licenciatura estão classificados entre os mais pobres e 73,2% daqueles em que mais de 78% dos professores têm licenciatura, a população estudantil pertence aos estratos mais favorecidos. 22 Os coeficientes de contingência modificados entre laboratório de informática, biblioteca, quadra de esporte e professores com formação superior e professores graduados em cursos de licenciatura e o nível socioeconômico da população estudantil foram, respectivamente, 0,43, 0,45, 0,51, 0,58 e 0,57. O nível socioeconômico dos alunos das escolas públicas e as condições de oferta 20 Tabela 7. Distribuição percentual dos municípios entre os níveis das condições de oferta e do ISE-M Itens de condição de oferta Proporçãoa Nível do ISE-Mb Menos favorecido 2o nível 3o nível 4o nível Mais favorecido Laboratório de informática <= 10 38,8 29,5 16,8 9,5 5,4 > 10 <= 22 24,6 27,7 23,4 13,5 10,7 > 22 <= 33 17,4 19,0 21,1 21,3 21,3 > 33 <= 50 11,9 15,3 20,7 24,4 27,8 > 50 8,6 9,5 18,3 30,3 33,4 Biblioteca <= 25 42,2 31,1 12,9 8,5 5,2 > 25 <= 40 23,0 22,9 22,2 17,8 14,1 > 40 <= 50 16,2 17,8 23,2 22,2 20,6 > 50 <= 67 9,7 14,4 22,8 25,2 27,9 > 67 6,6 12,6 19,6 27,5 33,7 Quadra de esporte <= 14 41,8 32,4 15,2 6,1 4,5 > 14 <= 29 27,0 28,9 22,0 12,7 9,3 > 29 <= 40 17,5 19,9 23,8 19,5 19,3 > 40 <= 56 8,9 11,1 18,0 29,0 32,9 > 56 4,9 7,9 21,0 32,6 33,6 Professores c/ formação superior <= 41 45,4 36,0 14,5 2,1 2,0 > 41 <= 61 29,8 27,8 21,4 11,3 9,7 > 61 <= 74 16,3 21,7 22,1 18,5 21,5 > 74 <= 83 5,9 9,1 23,6 32,4 29,1 > 83 2,6 5,2 18,4 36,0 37,9 Professores c/ formação superior e licenciatura <= 36 45,7 35,7 14,9 2,2 1,5 > 36 <= 56 30,1 27,0 21,7 11,3 9,8 > 56 <= 68 15,1 21,7 22,2 20,5 20,4 > 68 <= 78 6,1 9,6 22,7 30,0 31,6 > 78 2,7 5,7 18,4 36,2 37,0 Nota: (a) Os níveis de condições de oferta foram definidos pelo 20º, 40º, 60º e 80º percentil de cada variável. (b) Os cinco níveis do ISE-M foram definidos numa escala de 0 (zero) a 1 da seguinte forma: 1º nível (menos favorecido) <= 0,19; 2º nível > 0,19 e <=0,27; 3º nível > 0,27 e <=0,39; 4º nível > 0,39 e <= 0,52; e 5º nível (mais favorecido) > 0,59 Finalmente, utilizou-se a análise de cluster para identificar os municípios que possuem contextos educacionais semelhantes. Para isso foram utilizadas as variáveis descritoras do nível socioeconômico (ISE-M), do desempenho nas avaliações educacionais (IDEB23) e das 23 Foi utilizado, preferencialmente, o IDEB municipal calculado a partir do desempenho dos alunos do 5º ano das escolas municipais, uma vez que este indicador estava disponível para 91,3% das escolas. Foi utilizado o IDEB do 5º anos das escolas estaduais dos municípios que não obtiveram o indicador para a rede municipal. Arquivos Analíticos de Políticas Educativas Vol. 20, No. 2 21 condições de oferta de ensino. Como resultado, os 5.460 municípios analisados foram classificados em três grupos. Veja as características dos agrupamentos por meio da média e do desvio padrão das variáveis na Tabela 8. Tabela 8 Perfil do contexto educacional dos municípios (desvio-padrão entre parênteses) Perfil dos municípios Contexto Educacional Superior Intermediário Inferior Universo Número de municípios 1.534 2.003 1.923 5.460 Percentual de municípios 28,1 36,7 35,2 100,0 PIB per capita (em R$) 14.137 10.000 4.469 9.214 (13.275) (9.532) (6.700) (10.658) ISE-M 0,53 0,38 0,20 0,36 (0,14) (0,13) (0,07) (0,17) IDEB 4,77 4,18 3,10 3,97 (0,67) (0,65) (0,50) (0,91) Laboratório de informáticaa 50,8 25,6 17,0 29,6 (21,6) (15,8) (15,8) (22,3) Bibliotecaa 69,0 50,9 29,1 48,3 (21,1) (20,6) (20,0) (26,0) Quadra de esportea 59,4 35,2 18,5 36,1 (20,4) (18,6) (16,6) (24,5) Docentes com formação superiora 78,8 71,9 38,6 62,1 (13,1) (12,9) (20,1) (23,6) Docentes com formação superior e licenciaturaa 73,5 66,5 34,8 57,3 (13,4) (13,4) (19,0) (23,0) Nota: (a) valores percentuais O primeiro grupo reuniu 1.534 municípios (28% da amostra) que possuem um contexto educacional superior, considerando a realidade dos demais municípios brasileiros. Estes municípios têm economia mais dinâmica e por isso o PIB per capita médio chega a R$ 14.137. Seus estudantes têm melhor nível socioeconômico (ISE-M médio=0,53) e alcançaram os melhores índices nas avaliações educacionais (média do IDEB igual a 4,77). Além disso, possuem infraestrutura educacional consideravelmente superior aos municípios dos demais grupos. O segundo grupo é o maior e reúne 2.003 municípios (37% dos municípios analisados). Como mostra a Tabela 8, este grupo apresenta características intermediárias que o diferenciam nitidamente dos demais. Entretanto, ao analisar as características do terceiro grupo, verificou-se que um a cada três municípios brasileiros (35%) vivem num cenário educacional preocupante (embora os demais não estejam em condições ideais). O nível socioeconômico dos alunos das escolas públicas e as condições de oferta 22 Figura 3. Localização geográfica e classificação do contexto educacional dos municípios brasileiros Arquivos Analíticos de Políticas Educativas Vol. 20, No. 2 23 As populações destas 1.923 localidades percebem um PIB per capita de apenas R$ 4.469, portanto bem distante do PIB per capita médio nacional dos municípios de R$ 9.214. Além disso, têm maior proporção de alunos de origem socioeconômica desfavorecida (ISE- M médio de 0,20, sendo que 86% estão nos níveis um e dois do ISE-M); possuem os piores resultados no IDEB (escore médio de 3,10) e condições de ensino insuficiente, uma vez que, em média, apenas 17% das escolas desses municípios possuem laboratório de informática, 29% bibliotecas, 19% quadra de esporte, 39% dos professores possuem formação em nível superior e 35% licenciatura. Os resultados da análise de cluster apresentados no mapa, constante na Figura 3, apontam a localização geográfica das diferentes realidades educacionais brasileiras. A imagem do mapa também mostra que as diferentes realidades estão associadas às grandes regiões político-administrativas brasileiras, uma vez que 92,1% dos municípios com pior contexto educacional estão localizados nas regiões norte e nordeste e 92,2% do agrupamento que possui o melhor contexto educacional é formado por municípios do Sul e Sudeste. O grupo intermediário é composto por 7,2% dos municípios do Norte, 12,9% do Nordeste, 15,9% do Centro-Oeste, 42,9% do Sudeste e 21% do Sul. Analisando cada região em particular, pode-se verificar que há um contexto predominante em cada uma delas: 61,9% dos municípios do Norte e 84,6% do Nordeste têm contexto inferior; 69,2% das localidades da região Centro-Oeste são intermediárias; 52% dos municípios do Sudeste são intermediários e 43% superiores; e 62,2% dos municípios do Sul possuem contexto educacional superior. Considerações Finais Este artigo analisou as condições de oferta de ensino, o desempenho nas avaliações educacionais e o contexto socioeconômico dos alunos nos municípios brasileiros. Acredita- se que a análise dos aspectos abordados no nível municipal é relevante devido ao papel que este ente federativo assumiu na oferta da educação pública a partir da promulgação da Constituição Federal de 1988 e das estratégias de descentralização das políticas públicas sociais ocorridas na década de 1990, processo que ocorreu em diversos setores de atuação do Estado (Arretche, 2000; Souza, 2005). Diante dos dados do IBGE que mostram as profundas diferenças no nível de escolarização alcançado pelos brasileiros em idade economicamente ativa pertencentes a níveis socioeconômicos distintos (Figura 1) e das evidências verificadas em diversas pesquisas de que o desempenho educacional está fortemente associado à origem socioeconômica dos alunos, foi proposta uma medida socioeconômica para a população estudantil agregada por município (o ISE-M) a fim de oferecer um indicador para sinalizar onde estão os alunos mais vulneráveis socioeconomicamente e que, portanto, têm maior probabilidade de não obterem os resultados educacionais esperados, mantendo assim o ciclo intergeracional de baixa escolarização e, consequentemente, baixo desenvolvimento econômico, político e social. Os resultados mostraram que o indicador está fortemente correlacionado ao PIB per capita dos municípios e que os alunos dos municípios com maior contingente populacional (acima 50 mil habitantes) apresentam maior nível socioeconômico. Além disso, o resultado da análise de regressão mostrou que o desempenho dos municípios no IDEB e o nível socioeconômico dos alunos estão significativamente associados (a origem dos alunos chega a explicar quase 50% da variação total da nota do IDEB do 5º ano das escolas municipais). O nível socioeconômico dos alunos das escolas públicas e as condições de oferta 24 As análises também apresentaram evidências de que há associação entre o nível socioeconômico e a infraestrutura educacional dos municípios. Isso sugere que, dependendo do município em que uma criança ou jovem brasileiro seja matriculado, há maior ou menor probabilidade de encontrar insumos educacionais básicos para um ensino de qualidade como biblioteca e laboratórios de ensino ou professor com formação em nível superior. As evidências de associação entre IDEB e ISE-M (Figura 2 e Tabela 5) e entre ISE-M e condições de oferta (Tabelas 6, 7 e 8 e Figura 3) estão na direção do que concluiu Soares (2004) ao descrever o desempenho cognitivo dos estudantes no SAEB. O autor verificou que há grandes disparidades no desempenho entre os alunos de níveis socioeconômicos e regiões geográficas diferentes e que o sistema educacional brasileiro não contribui para equalizar as desigualdades educacionais porque oferece escolas piores (ou seja, com condições de ensino inferiores) aos alunos com pior desempenho que, em grande parte, são os mais pobres. Os dados agregados por municípios aqui apresentados permitem as mesmas conclusões: localidades cujos alunos são mais pobres têm pior desempenho nas avaliações educacionais e que esta situação é reforçada ou mantida por perceberem condições de ensino/aprendizagem inferiores. Por fim, verificou-se que 28% dos 5.460 dos municípios brasileiros investigados possuem um contexto educacional superior aos demais (embora não ideal) quando analisados conjuntamente o desempenho nas avaliações educacionais, o status socioeconômico dos alunos e as condições de oferta das redes públicas de ensino. Todavia, 35% deles possuem características associadas à realidade de países que estão “muito atrás” do Brasil, sobretudo do ponto de vista econômico, “na corrida” pelo desenvolvimento econômico e social. O quadro de condições de oferta de ensino deficitário apresentado por este grupo de localidades não sinaliza para uma situação em que a educação pode fazer a diferença e diminuir as distâncias econômicas e sociais entre os estratos sociais por meio de oportunidades educacionais transformadoras. Assim, espera-se que indicadores como o ISE-M colabore para sinalizar as diferentes realidades educacionais brasileiras no complexo contexto federativo de um país com grande dimensão territorial, trajetórias históricas regionais distintas e profundas diferenças sociais, a fim de que sejam implementadas ações que reduzam a grande diferença entre o direito à educação dos ricos e pobres e que, dessa forma, o país rume, verdadeiramente, para a construção de uma sociedade mais justa. Referências Alves, M. T. G., & Soares, J. F. (2009). Medidas de nível socioeconômico em pesquisas sociais: Uma aplicação aos dados de uma pesquisa educacional. Opinião Pública, 15(1), 1-30. Alves, T., Passador, C. S. (2011). Educação pública no Brasil: Condições de oferta, nível socioeconômico dos alunos e avaliação. São Paulo: Annablume, 2011. Arretche, M. T. S. (2000). Estado federativo e políticas sociais: Determinantes da descentralização. Rio de Janeiro/São Paulo: Revan/FAPESP. Barbetta, P. A. (2007). Estatística aplicada às Ciências Sociais (7a ed.). Florianópolis: Editora da UFSC. Barros, R. P., Mendonça, R., Santos, D. D., & Quintaes, G. (2001). Determinantes do desempenho educacional no Brasil. Texto para discusssão No. 834. Rio de Janeiro: Instituto de Pesquisa Econômica Aplicada. Blishen, B. (1958). The construction and use of an occupational class scale. Canadian Journal of Economics and Political Science, 24(4), 519-531. Arquivos Analíticos de Políticas Educativas Vol. 20, No. 2 25 Bowles, S., & Gintis, H. (1976). Schooling in capitalist America: Educational reform and the contradictions of economic life. Florence: Routledge. Brooke, N., & Soares, J. F. (2008). Pesquisa em eficácia escolar: Origem e trajetórias. Belo Horizonte: Editora UFMG. Buchmann, C., & Hannum, E. (2001). Education and stratification in developing countries: A review of theories and research. Annual Review of Sociology, 27, 77-102. Chapin, F. (1928). A quantitative scale for rating the home and social environment of middle class families in an urban community: A first approximation to the measurement of socio-economic status. Journal of Educational Psychology, 19(2), 99-111. Cirino, P., Chin, C., Sevcik, R., Wolf, M., Lovett, M., & Morris, R. (2002). Measuring socioeconomic status. Assessment, 9(2), 145-155. Coleman, J. (1966). Equality of educational opportunity. Washington: US Government Pritting Office. Cury, C. R. J. (2008). A educação escolar, a exclusão e seus destinatários. Educação em Revista, (48), 205-222. Duncan, O. (1961). A socioeconomic index for all occupations Occupations. In A. J. Reiss Jr. (Ed.). Occupations and social status (pp. 139-161). New York: Free Press. Fachel, J. M. G. (1976). Análise Fatorial. Dissertação de Mestrado, Universidade de São Paulo, São Paulo. Fuller, B. (1987). What school factors raise achievement in the Third World? Review of educational research, 57(3), 255-292. Fuller, B., & Clarke, P. (1994). Raising school effects while ignoring culture? Local conditions and the influence of classroom tools, rules, and pedagogy. Review of Educational Research, 64(1), 119-157. Ganzeboom, H. B. G., De Graaf, P. M., & Treiman, D. J. (1992). A standard international socio-economic index of occupational status. Social Science Research, 21(1), 1-56. Ganzeboom, H. B. G., & Treiman, D. J. (1996). Internationally comparable measures of occupational status for the 1988 International Standard Classification of Occupations. Social Science Research, 25(3), 201-239. Hair, J. F., Anderson, R. E., Tatham, R.L., Black, W.C. (2005). Análise multivariada de dados. Porto Alegre: Bookman. Hanushek, E. A. (1979). Conceptual and empirical issues in the estimation of educational production functions. Journal of human Resources, 14(3), 351-388. Hanushek, E. A. (1986). The economics of schooling: Production and efficiency in public schools. Journal of Economic Literature, 24(3), 1141-1177. Hollingshead, A. B. (1975). Four factor index of social status.Unpublished manuscript, Department of Sociology, Yale University, New Haven. Retrieved from http://www.yale- university.com/sociology/faculty/docs/hollingshead_socStat4factor.pdf Jannuzzi, P. M. (2000). Status socioeconômico das ocupações brasileiras: Índices aproximativos para 1980, 1991 e anos de 1990. Revista Brasileira de Estatística, 61(216), 47-74. Jencks, C., Smith, M., Acland, H., Bane, M. J., Cohen, D., Gintis, H., Heyns, B., Michelson, S. (1972). Inequality: A reassessment of the effect of family and schooling in America. New York: Basic Books. Lee, V. E. (2000). Using hierarchical linear modeling to study social contexts: The case of school effects. Educational Psychologist, 35(2), 125-141. O nível socioeconômico dos alunos das escolas públicas e as condições de oferta 26 Madaus, G. F., Airasian, P. W., & Kellaghan, T. (1980). School effectiveness: A reassessment of the evidence. New York: McGraw-Hill. Mortimore, P., Sammons, P., Stoll, L., Lewis, D., & Ecob, R. (1988). School Matters. Berkeley: University of California Press. Mosteller, F., & Moynihan, D. P. (1972). On Equality of Educational Opportunity. New York: Vintage Books. Nakao, K., & Treas, J. (1992). The 1989 socioeconomic index of occupations: Construction from the 1989 occupational prestige scores (General Social Survey Methodological Report No. 74). Retrivied from University of Chicago, National Opinion Research Center website: http://publicdata.norc.org:41000/gss/DOCUMENTS/REPORTS/Methodological _Reports/MR074.pdf Organisation for Economic Co-operation and Development. (2010) Indicator A1: To what level have adults studied? Education at a Glance 2010: OECD indicators. Retrivied from http://dx.doi.org/10.1787/888932310092. Oliveira, R. P. (2007). Da universalização do ensino fundamental ao desafio da qualidade: Uma análise histórica. Educação e Sociedade, 28(100), 661-690. Oliveira, R. P., & Santana, W. (2010). Educação e federalismo no Brasil: Combater as desigualdades, garantir a diversidade. Brasília: UNESCO. Osborn, A. F. (1987). Assessing the socio-economic status of families. Sociology, 21(3), 429- 448. Pastore, J. (1979). Desigualdade e mobilidade social no Brasil. São Paulo: EDUSP. Pastore, J., & Silva, N. V. (2000). Mobilidade social no Brasil. São Paulo: Makron Books. Pereira, V. R. (2004). Métodos alternativos no critério Brasil para construção de indicadores socioeconômicos: Teoria da resposta ao item. Dissertação de Mestrado, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro. Plowden, B., & Britain, G. (1967). Children and their primary schools: Research and surveys. London: Her Majesty's Stationery Office. Reardon, S. F., & Robinson, J. P. (2008). Patterns and trends in racial/ethnic and socioeconomic academic achievement gaps. In H. F. Ladd & E. B. Fiske (Eds.), Handbook of research in education finance and policy (pp. 497-516). New York: Routledge. Rutter, M., Maughan, B., Mortimore, P., & Ouston, J. (1979). Fifteen thousand hours: Secondary schools and their effects on children. Boston: Harvard University Press. Santos, J. A. F. (2005). Uma classificação socioeconômica para o Brasil. Revista Brasileira de Ciências Sociais, 20(58), 27-45. Scalon, M. C. (1998). Mapeando estratos: Critérios para escolha de uma classificação. Dados, 41(2), 337-375. Sen, A., & Kliksberg, B. (2010). As pessoas em primeiro lugar: A ética do desenvolvimento e os problemas do mundo globalizado. São Paulo: Companhia das Letras. Silva, N., & Hasenbalg, C. (2000). Tendências da desigualdade educacional no Brasil. Dados, 43(3), 423-445. Sirin, S. R. (2005). Socioeconomic status and academic achievement: A meta-analytic review of research. Review of Educational Research, 75(3), 417-453. Soares, J. F. (2004). Qualidade e equidade na educação básica brasileira: A evidência do SAEB-2001. Education Policy Analysis Archives, 12(38), 1-28. Soares, J. F., & Andrade, R. J. D. (2006). Nível socioeconômico, qualidade e equidade das escolas de Belo Horizonte. Ensaio: Avaliação e Políticas Públicas em Educação, 14(50), 107-125. Arquivos Analíticos de Políticas Educativas Vol. 20, No. 2 27 Souza, C. (2005). Sistema brasileiro de governança local: Inovações institucionais e sustentabilidade. In C. Lubambo, D. B. Coêlho & M. A. Melo (Eds.), Desenho institucional e participação política: Experiências no Brasil contemporâneo. Petrópolis: Vozes. Stevens, G., & Featherman, D. L. (1981). A revised socioeconomic index of occupational status. Social Science Research, 10(4), 364-395. White, K. R. (1982). The relation between socioeconomic status and academic achievement. Psychological Bulletin, 91(3), 461-481. Willms, J. D. (1992). Monitoring school performance: A guide for educators. London: Falmer. O nível socioeconômico dos alunos das escolas públicas e as condições de oferta 28 Apêndice A Tabela A1. Matriz de correlação Variável V2 V3 V5 V6 V7 V8 V10 V11 V12 V14 V15 V2-Rádio 1,00 ,41 ,54 ,63 ,68 ,78 -,08 ,73 ,66 ,12 ,30 V3-Video / DVD ,41 1,00 ,05 ,34 ,49 ,41 -,01 ,62 ,62 ,39 ,60 V5-Freezer ,54 ,05 1,00 ,75 ,52 ,67 ,11 ,53 ,44 ,17 ,18 V6-Máquina de lavar ,63 ,34 ,75 1,00 ,66 ,76 ,10 ,76 ,70 ,32 ,42 V7-Aspirador de pó ,68 ,49 ,52 ,66 1,00 ,73 -,02 ,79 ,76 ,22 ,41 V8-Carro ,78 ,41 ,67 ,76 ,73 1,00 ,01 ,84 ,75 ,27 ,40 V10-Empregada doméstica -,08 -,01 ,11 ,10 -,02 ,01 1,00 ,08 ,09 ,32 ,19 V11-Computador ,73 ,62 ,53 ,76 ,79 ,84 ,08 1,00 ,95 ,43 ,60 V12-Internet ,66 ,62 ,44 ,70 ,76 ,75 ,09 ,95 1,00 ,44 ,62 V14-Escolaridade da mãe ,12 ,39 ,17 ,32 ,22 ,27 ,32 ,43 ,44 1,00 ,77 V15-Escolaridade do pai ,30 ,60 ,18 ,42 ,41 ,40 ,19 ,60 ,62 ,77 1,00 Arquivos Analíticos de Políticas Educativas Vol. 20, No. 2 29 Apêndice B Resultados da análise fatorial • KMOa: 0,875 • Total de Variância Explicadab: 76,61% • Fator 1 = V2, V5, V6, V7, V8, V11, V12 (variância explicada = 47,17%) • Fator 2 = V3, V14, V15 (variância explicada = 29,44%) Notas: (a) Kaiser–Meyer–Olkin, medida que confronta as correlações totais entre pares de variáveis com as correlações residuais entre os pares. (b) Soma das variâncias explicadas por todos os fatores. Tabela B1. Estatísticas da análise fatorial Variável MSAa Comunalidadeb V2-Rádio ,937 ,723 V3-Video/DVD ,904 ,616 V5-Freezer ,814 ,673 V6-Máquina de lavar ,910 ,763 V7-Aspirador de pó ,971 ,725 V8-Carro ,915 ,854 V11-Computador ,843 ,917 V12-Internet ,865 ,852 V14-Escolaridade da mãe ,720 ,693 V15-Escolaridade do pai ,806 ,852 Notas: (a) Measures of Sampling Adequacy, equivalente a medidas individuais de adequação da amostra para cada variável. (b) Medida referente à soma dos quadrados das cargas fatoriais para cada variável que representa a porcentagem da variância de cada variável captada pelos fatores em conjunto. O nível socioeconômico dos alunos das escolas públicas e as condições de oferta 30 Sobre os Autores: Thiago Alves Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo (FEA/USP), Brasil Email: thiagoalves@usp.br É bacharel em Administração pela Pontifícia Universidade Católica de Goiás, mestre em Administração pela Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto da Universidade de São Paulo e doutorando em Administração pela FEA/USP. É servidor da carreira de gestores governamentais do Governo de Goiás. Realiza pesquisas sobre administração dos sistemas públicos de educação básica com ênfase nas políticas de financiamento, inclusão, equidade e qualidade. Tem experiência em análises estatísticas utilizando microdados de grandes bases de dados educacionais e demográficas. Maria Aparecida Gouvêa Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo (FEA/USP), Brasil Email: magouvea@usp.br É bacharel e mestra em Estatística pelo Instituto de Matemática e Estatística da Universidade de São Paulo. Doutora em Administração pela FEA/USP e professora Livre-Docente da área de Métodos Quantitativos e Informática do Departamento de Administração da FEA/USP. Adriana Backx Noronha Viana Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo (FEA/USP), Brasil Email: backx@usp.br É pprofessora associada da FEA/USP. Graduada em Matemática - Licenciatura pela Universidade de São Paulo, mestre em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo e doutora em Engenharia Elétrica pela Universidade Estadual de Campinas. Principal área de atuação: métodos quantitativos aplicados ao processo de decisão em problemas de administração. Arquivos Analíticos de Políticas Educativas Vol. 20, No. 2 31 O nível socioeconômico dos alunos das escolas públicas e as condições de oferta 32 arquivos analíticos de políticas educativas Revista acadêmica avaliada por pares Volume 20 Número 2 janeiro 20, 2012 ISSN 1068-2341 O Copyright e retido pelo/a o autor/a (ou primeiro co-autor) que outorga o direito da primeira publicação à revista Arquivos Analíticos de Políticas Educativas. Más informação da licença de Creative Commons encontram-se em http://creativecommons.org/licenses/by-nc-nd/2.5. Qualquer outro uso deve ser aprovado em conjunto pelo/s autor/es e por AAPE/EPAA. AAPE/EPAA é publicada por Mary Lou Fulton Institute Teachers College da Arizona State University . Os textos publicados em AAPE são indexados por CIRC (Clasificación Integrada de Revistas Científicas, Espanha) DIALNET (Espanha),Directory of Open Access Journals, EBSCO Education Research Complete, ERIC, H.W. WILSON & Co, QUALIS A2 (Brasil), Redalyc (Meexico), SCImago Journal Rank; SCOPUS, SOCOLAR (China). Contribua com comentários e sugestões a http://epaa.info/wordpress/ Arquivos Analíticos de Políticas Educativas Vol. 20, No. 2 33 arquivos analíticos de políticas educativas conselho editorial Editor: Gustavo E. Fischman (Arizona State University) Editores Associados: Rosa Maria Bueno Fisher e Luis A. Gandin (Universidade Federal do Rio Grande do Sul) Dalila Andrade de Oliveira Universidade Federal de Minas Gerais, Brasil Jefferson Mainardes Universidade Estadual de Ponta Grossa, Brasil Paulo Carrano Universidade Federal Fluminense, Brasil Luciano Mendes de Faria Filho Universidade Federal de Minas Gerais, Brasil Alicia Maria Catalano de Bonamino Pontificia Universidade Católica-Rio, Brasil Lia Raquel Moreira Oliveira Universidade do Minho, Portugal Fabiana de Amorim Marcello Universidade Luterana do Brasil, Canoas, Brasil Belmira Oliveira Bueno Universidade de São Paulo, Brasil Alexandre Fernandez Vaz Universidade Federal de Santa Catarina, Brasil António Teodoro Universidade Lusófona, Portugal Gaudêncio Frigotto Universidade do Estado do Rio de Janeiro, Brasil Pia L. Wong California State University Sacramento, U.S.A Alfredo M Gomes Universidade Federal de Pernambuco, Brasil Sandra Regina Sales Universidade Federal Rural do Rio de Janeiro, Brasil Petronilha Beatriz Gonçalves e Silva Universidade Federal de São Carlos, Brasil Elba Siqueira Sá Barreto Fundação Carlos Chagas, Brasil Nadja Herman Pontificia Universidade Católica – Rio Grande do Sul, Brasil Manuela Terrasêca Universidade do Porto, Portugal José Machado Pais Instituto de Ciências Sociais da Universidade de Lisboa, Portugal Robert Verhine Universidade Federal da Bahia, Brasil Wenceslao Machado de Oliveira Jr. Universidade Estadual de Campinas, Brasil Antônio A. S. Zuin Universidade Federal de São Carlos, Brasil O nível socioeconômico dos alunos das escolas públicas e as condições de oferta 34 archivos analíticos de políticas educativas consejo editorial Editor: Gustavo E. Fischman (Arizona State University) Editores. Asociados Alejandro Canales (UNAM) y Jesús Romero Morante (Universidad de Cantabria) Armando Alcántara Santuario Instituto de Investigaciones sobre la Universidad y la Educación, UNAM México Fanni Muñoz Pontificia Universidad Católica de Perú Claudio Almonacid Universidad Metropolitana de Ciencias de la Educación, Chile Imanol Ordorika Instituto de Investigaciones Economicas – UNAM, México Pilar Arnaiz Sánchez Universidad de Murcia, España Maria Cristina Parra Sandoval Universidad de Zulia, Venezuela Xavier Besalú Costa Universitat de Girona, España Miguel A. Pereyra Universidad de Granada, España Jose Joaquin Brunner Universidad Diego Portales, Chile Monica Pini Universidad Nacional de San Martín, Argentina Damián Canales Sánchez Instituto Nacional para la Evaluación de la Educación, México Paula Razquin UNESCO, Francia María Caridad García Universidad Católica del Norte, Chile Ignacio Rivas Flores Universidad de Málaga, España Raimundo Cuesta Fernández IES Fray Luis de León, España Daniel Schugurensky Universidad de Toronto- Ontario Institute of Studies in Education, Canadá Marco Antonio Delgado Fuentes Universidad Iberoamericana, México Orlando Pulido Chaves Universidad Pedagógica Nacional, Colombia Inés Dussel FLACSO, Argentina José Gregorio Rodríguez Universidad Nacional de Colombia Rafael Feito Alonso Universidad Complutense de Madrid, España Miriam Rodríguez Vargas Universidad Autónoma de Tamaulipas, México Pedro Flores Crespo Universidad Iberoamericana, México Mario Rueda Beltrán Instituto de Investigaciones sobre la Universidad y la Educación, UNAM México Verónica García Martínez Universidad Juárez Autónoma de Tabasco, México José Luis San Fabián Maroto Universidad de Oviedo, España Francisco F. García Pérez Universidad de Sevilla, España Yengny Marisol Silva Laya Universidad Iberoamericana, México Edna Luna Serrano Universidad Autónoma de Baja California, México Aida Terrón Bañuelos Universidad de Oviedo, España Alma Maldonado Departamento de Investigaciones Educativas, Centro de Investigación y de Estudios Avanzados, México Jurjo Torres Santomé Universidad de la Coruña, España Alejandro Márquez Jiménez Instituto de Investigaciones sobre la Universidad y la Educación, UNAM México Antoni Verger Planells University of Amsterdam, Holanda José Felipe Martínez Fernández University of California Los Angeles, USA Mario Yapu Universidad Para la Investigación Estratégica, Bolivia Arquivos Analíticos de Políticas Educativas Vol. 20, No. 2 35 education policy analysis archives editorial board Editor Gustavo E. Fischman (Arizona State University) Associate Editors: David R. Garcia (ASU), Stephen Lawton (ASU), Henirich Mintrop (UC Berkeley) & Jeanne M. Powers (ASU) Jessica Allen University of Colorado, Boulder Christopher Lubienski University of Illinois, Urbana-Champaign Gary Anderson New York University Sarah Lubienski University of Illinois, Urbana- Champaign Michael W. Apple University of Wisconsin, Madison Samuel R. Lucas University of California, Berkeley Angela Arzubiaga Arizona State University Maria Martinez-Coslo University of Texas, Arlington David C. Berliner Arizona State University William Mathis University of Colorado, Boulder Robert Bickel Marshall University Tristan McCowan Institute of Education, London Henry Braun Boston College Eric Camburn University of Wisconsin, Madison Michele S. Moses University of Colorado, Boulder Wendy C. Chi* University of Colorado, Boulder Julianne Moss University of Melbourne Casey Cobb University of Connecticut Sharon Nichols University of Texas, San Antonio Arnold Danzig Arizona State University Noga O'Connor University of Iowa Antonia Darder University of Illinois, Urbana- Champaign João Paraskveva University of Massachusetts, Dartmouth Linda Darling-Hammond Stanford University Laurence Parker University of Illinois, Urbana- Champaign Chad d'Entremont Strategies for Children Susan L. Robertson Bristol University John Diamond Harvard University John Rogers University of California, Los Angeles Tara Donahue Learning Point Associates A. G. Rud Purdue University Sherman Dorn University of South Florida Felicia C. Sanders The Pennsylvania State University Christopher Joseph Frey Bowling Green State University Janelle Scott University of California, Berkeley Melissa Lynn Freeman* Adams State College Kimberly Scott Arizona State University Amy Garrett Dikkers University of Minnesota Dorothy Shipps Baruch College/CUNY Gene V Glass Arizona State University Maria Teresa Tatto Michigan State University Ronald Glass University of California, Santa Cruz Larisa Warhol University of Connecticut Harvey Goldstein Bristol University Cally Waite Social Science Research Council Jacob P. K. Gross Indiana University John Weathers University of Colorado, Colorado Springs Eric M. Haas WestEd Kevin Welner University of Colorado, Boulder Kimberly Joy Howard* University of Southern California Ed Wiley University of Colorado, Boulder Aimee Howley Ohio University Terrence G. Wiley Arizona State University Craig Howley Ohio University John Willinsky Stanford University Steve Klees University of Maryland Kyo Yamashiro University of California, Los Angeles Jaekyung Lee SUNY Buffalo * Members of the New Scholars Board O nível socioeconômico dos alunos das escolas públicas e as condições de oferta 36 aape epaa