A EVASÃO ESCOLAR NO ENSINO FUNDAMENTAL E SUA ASSOCIAÇÃO COM A POBREZA
Resumo
Na literatura internacional tem havido um consenso que a falta de acesso à escola, a evasão e a repetência constituem três grandes problemas enfrentados pelos sistemas educacionais contemporâneos. São problemas que atingem, sobretudo, as primeiras séries do ensino fundamental, principalmente nas escolas dos países menos desenvolvidos. No Brasil, o problema do acesso à escola, nesse nível de ensino, está prestes a ser solucionado. Contudo, o país ainda tem taxas de repetência e de evasão que estão entre as mais altas do mundo. Esse artigo visa a identificação e análise dos determinantes da probabilidade de ocorrência de um desses eventos: a evasão escolar. Foram utilizadas bases de dados longitudinais (fruto de uma parceria firmada entre o Cedeplar e o INEP), além do Censo Escolar de 1999. O método utilizado foi o dos modelos hierárquicos logísticos longitudinais. A coorte de alunos foi acompanhada desde sua matrícula na 4ª série em 1999 até 2003, quando deveria concluir a 8ª série. São alunos matriculados em algumas escolas situadas em alguns estados das regiões Norte, Nordeste e Centro-Oeste. Ou seja, regiões brasileiras que apresentam os piores indicadores educacionais. Através dos modelos estimados, verificou-se que os fatores relacionados à escola têm pequeno impacto sobre a evasão. Ao contrário, o background familiar, mensurado pelo nível socioeconômico, teve um papel mais significativo. Esse resultado condiz com uma conclusão presente no Relatório da Unesco (2008). Segundo o Relatório, mesmo as boas escolas, se localizadas nos países em desenvolvimento, são incapazes de reter o aluno na escola, caso ele esteja submetido a uma situação de extrema pobreza. Os resultados obtidos permitem inferir que a saída do aluno do sistema escolar está fortemente associada à sua inserção no mercado de trabalho, evidenciando a necessidade de políticas públicas de combate à pobreza e, consequentemente, de políticas educacionais que favoreçam a permanência do aluno na escola. Mais especificamente, permanência com promoção nas sucessivas séries.
Downloads
Referências
BRYK, A. S., RAUDENBUSH, S. W. Hierarchical linear models: applications and data analysis methods. 2.ed. Newbury Park, California: Sage, 2002. 485p.
CENTRO DE DESENVOLVIMENTO E PLANEJAMENTO REGIONAL - CEDEPLAR.
Avaliação de Desempenho-fatores associados. Relatório entregue ao INEP, 2005.
COSTA RIBEIRO, S. A educação e a inserção do Brasil na modernidade. Cadernos de
Pesquisa, Local de publicação, n. 84, p. 63-82, fev. 1993.
FLETCHER, P. As dimensões transversal e longitudinal do Modelo Profluxo. Ministério da
Educação e Cultura, 1997, mimeo.
FLETCHER, P.R; RIBEIRO, S.C. Modelling Education System Performance with
Demographic Data: An Introduction to the Profluxo Model. Brasília: [s.n.], março 1989. GOLDSTEIN, H. Multilevel Statistical Models. 2nd edition. London: Edward Arnold, 1995.
HANUSHEK, E. A., GOMES-NETO, J. B., HARBISON, R. W. Efficiency-enhancing investments in school quality. In: BIRDSALL, N.; SABOT, R. H. (Eds.). Opportunity forgone: education in Brazil. Washington, DC.: Inter-American development Bank,1996. p.385-424.
HANUSHEK, E. A. . Conclusions and Controversies about the effectiveness of school resources. Economic Policy Review, Federal Reserve Bank of New York, vol.4, (1), p. 11-28, March.1998a.
HANUSHEK, E. A.; KAIN, J.F.; MARKMAN, J.M.; RIVKIN, S.G. Does peer ability affect student achievement?, National Bureau of Economic Research , 2001.
HANUSHEK, E.A., LAVY, V., HITOMI, K. Do Students Care About School Quality? Determinants of Dropout Behavior in Developing Countries (December 2006). NBER Working Paper No. W12737 Available at SSRN: http://ssrn.com/abstract=948650
HANUSHEK, E.A., LUQUE, J.A. Efficiency and Equity in Schools around the World. NBER Working Papers 8949, National Bureau of Economic Research. Cambridge, 2002.
HEYNEMAN, S. P., LOXLEY, W. A. The effect of primary school quality on academic achievement across twenty-nine high- and low – income countries. American Journal Sociology, v.88, n.6, p.1162-1194, May. 1983.
HOX, J. Multilevel analysis: Techniques and Applications. London: Lawrence Erlbaum
Associates, Publishers, 2002.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Censo Demográfico de
2000: documentação dos microdados da amostra. 2.ed. Rio de Janeiro: IBGE, 2003. (Disponível em CD-ROM).
INSTITUTO NACIONAL DE ESTUDOS E PESQUISAS EDUCACIONAIS – INEP. Geografia da educação brasileira. Brasília: INEP.2000. 144p.
KLEIN, R. Produção e utilização de indicadores educacionais: metodologia de cálculo de indicadores do fluxo escolar da educação básica. [S.l]: Inep/MEC, 1995, mimeo.
KRUEGER, A. B. Reassessing the view that american schools are broken. Economic Policy
Review, Federal Bank of New York, vol.4 (1), p.29-46, March.1998.
KRUEGER, A. B. Experimental estimates of education production functions. The Quarterly
Journal of Economics, v.114, n.2, p.497-532, May. 1999.
LAZEAR, E.P. Educational production. Quartely Journal of Economics, v.116(3), p.777-
803, 2001.
LEE, V. E.; BRYK, A. S. A multilevel model of the social distribution of high school achievement. Sociology of Education, v.62, p.172-192, 1989.
MACEDO, G.A. Fatores Associados ao Rendimento Escolar de Alunos da 5a série (2000) - uma abordagem do valor adicionado e da heterogeneidade. 2004. 124f. Dissertação (Mestrado em Demografia) – Centro de Desenvolvimento e Planejamento Regional, Universidade Federal de Minas Gerais. Belo Horizonte, 2004.
PEREIRA, D.R.M. Fatores associados ao desempenho escolar nas disciplinas de matemática e de português no ensino fundamental: uma perspectiva longitudinal. 2006. 104 f. Tese (Doutorado em Demografia) – Centro de Desenvolvimento e Planejamento Regional, Universidade Federal de Minas Gerais, Belo Horizonte, 2006.
PESQUISA NACIONAL POR AMOSTRA DE DOMICÍLIOS. Síntese de indicadores 2006.
Rio de Janeiro, 2007.
RASBASH, J et al. A user’s guide to MLwiN. Centre for Multilevel Modelling. Institute of
Education. University of London. v.2.1. Jul.2002.
RAUDENBUSH, S. e BRYK, A. Hierarchical Linear Models Applications and Data
Analysis Methods. New York: Sage Publications Inc, 2002.
RIOS-NETO, E.L.G; CÉSAR, C. C.; RIANI, J.L.R. Estratificação educacional e progressão escolar por série no Brasil. Pesquisa e Planejamento Econômico, Rio de Janeiro, v.32, n.3, p.395-415, Dez. 2002.
SNIJDERS, T.; BOSKER, R. Multilevel Analysis: An Introduction to Basic and Advanced
Multilevel Modelling. New York : Sage, 1999.
SOUZA, D.T. Teacher professional development and the argument of incompetence: the case of in-service elementary teacher education in São Paulo-Brazil. Tese (PHD). Institute of Education – University of London, 2001.
UNESCO. Organização das Nações Unidas para a Educação, a Ciência e a Cultura. Education for all by 2015: will we make it? EFA global monitoring report, EPT 2008.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Esta licença permite que outros(as) façam download do trabalho e o compartilhe desde que atribuam crédito ao autor(a), mas sem que possam alterá-lo de nenhuma forma ou utilizá-lo para fins comerciais.
.png)
.png){kind=logo}
.png){kind=logo}
