Desempenho de Escolas Portuguesas
Transcrição
Desempenho de Escolas Portuguesas
CIPES, Centro de Investigação de Políticas do Ensino Superior Rua 1º de Dezembro, nº 399, 4450-227 Matosinhos, Portugal Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Relatório Final Dezembro 2014 TELEFONE FAX WEB 22 939 87 90 22 939 87 99 http://www.ua.pt/cipes/ Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Ficha técnica Título: Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Autores: CIPES, Centro de Investigação de Políticas do Ensino Superior Rua 1º de dezembro, 399 4450-227 Matosinhos, Portugal Cláudia Sarrico (coordenação) Carolina Costa Isabel Machado Maria João Rosa Pedro Teixeira Margarida Cardoso Carla Sá Cristina Sousa Santos Apoios: POAT FSE - Programa Operacional de Assistência Técnica do Fundo Social Europeu Projeto Nº 000637402013 2 Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 3 Sumário O propósito deste estudo é o de identificar os principais determinantes do desempenho dos alunos nas escolas portuguesas, contribuindo assim para a discussão pública da questão da avaliação do desempenho das escolas. O projeto surge no seguimento de outros sobre a medição e gestão do desempenho das escolas secundárias portuguesas onde os determinantes do desempenho analisados foram calculados ao nível da escola e não do indivíduo. Numa primeira fase, leva-se a cabo uma revisão sistemática da literatura no sentido de identificar os fatores que explicam diferenças de desempenho entre escolas, bem como discutir as técnicas estatísticas utilizadas, com o intuito de justificar as escolhas tomadas para a construção de um modelo de avaliação do desempenho para as escolas portuguesas. Os principais resultados da revisão da literatura são os seguintes: Dos fatores que influenciam negativamente o desempenho na Leitura, destacam-se: o estatuto de minoria, a baixa escolaridade da mãe e o baixo rendimento familiar. Dos fatores que influenciam negativamente o desempenho em Matemática, destacam-se: os alunos serem oriundos de famílias monoparentais, com instabilidade familiar, de idade superior, o estatuto de minoria, a baixa escolaridade da mãe, e o baixo rendimento familiar. Numa segunda fase, utilizam-se os dados do PISA (Programme for International Student Assessment) 2012 para Portugal para fazer uma análise descritiva dos dados, relativa ao perfil dos alunos portugueses com 15 anos que participaram, em termos de: resultados académicos a Leitura e a Matemática, ano curricular, perfil socioeconómico, e tipo de escola que frequenta. Esta análise foi seguida de uma análise inferencial para a identificação dos fatores que se apresentam associados ao desempenho académico dos alunos portugueses de 15 anos. Os principais resultados da análise de dados são os seguintes: Quase 40% dos alunos de 15 anos frequenta anos curriculares abaixo do ano modal (10º ano), indiciando repetição de anos escolares; A amplitude do nível socioeconómico dos alunos é idêntica em escolas privadas e públicas. No entanto, nas escolas públicas observa-se uma maior frequência de alunos de níveis socioeconómicos mais baixos. As escolas privadas englobam duas realidades diferentes: privadas puras e privadas que prestam serviço público com contrato de associação. No entanto, não foi possível analisá-las separadamente devido à pequena dimensão da amostra de escolas privadas. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 4 O estatuto profissional dos pais dos alunos do ensino privado é claramente superior aos dos alunos do ensino público. Verifica-se ainda um número significativo de pais com baixa escolaridade. O nível de escolaridade dos pais do ensino privado é claramente superior ao do ensino público. A distribuição da variável posse de bens domésticos é idêntica para o ensino público e privado, mas com valores ligeiramente mais elevados para o ensino privado. Verifica-se uma relação estatisticamente significativa entre os fatores: género, país de naturalidade, tipo de escola (pública ou privada), nível socioeconómico, e ano curricular e o desempenho dos alunos a Leitura e Matemática. Em conjunto, estes fatores tendencialmente explicam até 40% do desempenho dos alunos a Matemática e Leitura. O ano curricular é um indicador do desempenho anterior do aluno. Verifica-se que o desempenho dos alunos é melhor para aqueles que se encontram no ano modal. Esta é, aliás, a variável, de entre as analisadas, que melhor explica o desempenho a Matemática e a Leitura. À medida que o nível socioeconómico aumenta, também aumenta o diferencial de desempenho a Matemática entre escolas privadas e públicas. A diferença no desempenho a Matemática entre rapazes e raparigas é cada vez menor à medida que aumenta o seu nível socioeconómico, mantendo-se, no entanto, o melhor desempenho médio dos rapazes. Os resultados obtidos permitem concluir o seguinte: Os resultados obtidos com os dados do PISA 2012, com o aluno como unidade estatística, são resultados idênticos aos dos modelos utilizados na avaliação externa de escolas, com a escola como unidade estatística, o que contribui para a validação dos modelos utilizados na avaliação externa de escolas. Há diferenças de desempenho entre ensino público e privado, o que levanta novamente a questão da autonomia de gestão das escolas e a sua relação com o desempenho dos alunos. O contexto socioeconómico dos alunos tem mais impacto no desempenho a Matemática. Os modelos utilizados tendencialmente ‘explicam’ até 40% do desempenho dos alunos a Leitura e Matemática. Isto quer dizer que fica ainda muito por explicar no desempenho dos alunos, e releva ainda a importância do papel da escola. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 5 Índice I. Introdução............................................................................................................................................ 11 II. Avaliação do Desempenho de Escolas: Revisão da Literatura ............................................................ 14 II.1. Principais Resultados ................................................................................................................... 14 II.1.1. Objetivos dos Estudos ........................................................................................................... 14 II.1.2. Métodos e Modelos Utilizados ............................................................................................. 17 II.1.3. Dados Utilizados.................................................................................................................... 18 II.1.4. Fatores de Desempenho Académico .................................................................................... 21 II.1.5. Principais Resultados e Conclusões dos Estudos .................................................................. 25 III. Avaliação do Desempenho de Escolas em Portugal: Revisão da Literatura ...................................... 29 IV. Análise do Desempenho das Escolas Portuguesas ............................................................................ 33 IV.1. Metodologia ............................................................................................................................... 33 IV.2. Análise Estatística ....................................................................................................................... 35 IV.3. Dados e Caracterização da Amostra ........................................................................................... 36 IV.3.1. Dados: PISA 2012 ................................................................................................................. 36 IV.3.2. Caracterização da Amostra .................................................................................................. 36 IV.4. Caracterização da Amostra Segundo o Desempenho Escolar .................................................... 40 IV.5. Resultados .................................................................................................................................. 41 IV.5.1. Fatores Explicativos do Desempenho: Análise Individual ................................................... 41 IV.5.2. Fatores Explicativos do Desempenho na Leitura e na Matemática: Análise Múltipla ........ 43 V. Conclusões .......................................................................................................................................... 47 Referências.............................................................................................................................................. 48 Anexo A - Abordagem Metodológica da Revisão da Literatura .............................................................. 55 1. Definição da Equação de Pesquisa.............................................................................................. 56 2. Pesquisa e Refinação da Pesquisa............................................................................................... 58 3. Definição dos Critérios de Exclusão e de Inclusão ...................................................................... 58 3.1. Definição dos Critérios de Exclusão dos Artigos - média da média de citações por ano.... 59 3.2. Definição dos Critérios de Inclusão dos Artigos – autores com mais citações e revistas com maior fator de impacto ................................................................................................................... 59 4. Análise dos Resumos e/ou Artigos e Categorização dos Artigos ................................................ 60 5. Leitura dos Artigos que Utilizam Técnicas Estatísticas e Elaboração de um Quadro Resumo ... 61 Anexo A1 – Quadro de Categorização dos Artigos ................................................................................. 62 Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 6 Anexo A2 - Categorização Através da Análise do Artigo......................................................................... 84 Anexo A3 – Quadro resumo da revisão da literatura ............................................................................. 91 Anexo B - Quadro Resumo da Revisão da Literatura do Caso Português ............................................. 153 Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 7 Índice de Tabelas Tabela 1 – Objetivos dos estudos agrupados de acordo com as características ............................... 15 Tabela 2 – Métodos e modelos utilizados nos estudos ................................................................... 17 Tabela 3 – Dados utilizados nos estudos ........................................................................................ 18 Tabela 4 – Resultados analisados .................................................................................................. 21 Tabela 5 – Fatores que influenciam o desempenho escolar ............................................................ 22 Tabela 6 – Fatores que influenciam o desempenho escolar em Portugal ......................................... 30 Tabela 7 – Grupos de investigação nacional ................................................................................... 31 Tabela 8 – Descrição dos níveis de competência a Matemática e Leitura no PISA 2012 ................... 35 Tabela 9 – Caracterização da amostra segundo as variáveis qualitativas ......................................... 37 Tabela 10 – Estatística descritiva da variável nível socioeconómico, global e segundo o tipo de escola ............................................................................................................................................. 37 Tabela 11 – Estatística descritiva do indicador estatuto profissional dos pais, global e segundo o tipo de escola ............................................................................................................................... 38 Tabela 12 – Estatística descritiva do indicador educação dos pais, global e segundo o tipo de escola ............................................................................................................................................. 39 Tabela 13 – Estatística descritiva do indicador posse de bens domésticos, global e segundo o tipo de escola ................................................................................................................................... 39 Tabela 14 – Distribuição do PV Leitura e Matemática segundo os níveis de competência definidos no PISA 2012 .............................................................................................................................. 40 Tabela 15 – Caracterização dos Plausible Values da Leitura e da Matemática segundo o género, naturalidade, tipo de escola e ano curricular .......................................................................... 41 Tabela 16 – Regressão linear simples relativa à Leitura e Matemática usando individualmente cada variável independente ........................................................................................................... 42 Tabela 17 – Regressão linear múltipla relativa à Leitura e Matemática ........................................... 44 Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 8 Tabela 18 – Efeito da interação do nível socioeconómico ............................................................... 45 Tabela 19 - Lógica booleana da lista de sinónimos. ........................................................................ 57 Tabela 20 - Critérios utilizados para refinar a pesquisa. .................................................................. 58 Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 9 Índice de Figuras Figura 1 – Distribuição da variável nível socioeconómico segundo o tipo de escola ......................... 38 Figura 2 – Distribuição do indicador Estatuto Profissional dos Pais segundo o tipo de escola........... 38 Figura 3 – Distribuição do indicador educação dos pais segundo o tipo de escola ........................... 39 Figura 4 – Distribuição do indicador posse de bens domésticos segundo o tipo de escola................ 40 Figura 5 – Fluxograma do processo da revisão da literatura. .......................................................... 56 Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 10 Abreviaturas As abreviaturas vão ser apresentadas na sua primeira ocorrência e aplicados ao longo do trabalho. Neste relatório são utilizadas as seguintes abreviaturas: PISA Programme for International Student Assessment PARED Highest Parental Education in Years HISEI Highest Parental Occupational Status SEI Socio-Economic Index HOMEPOS Home Possessions CULTPOSS Index of Cultural Possessions HEDRES Index of Home Educational Resources CULTPOSS Index of Cultural Possessions ESCS Economic, Social and Cultural Status PV Plausible Values CEF Cursos de Educação e Formação Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 11 I. Introdução Este projeto surge no seguimento de outros sobre medição e gestão do desempenho das escolas secundárias portuguesas (POCTI/EGE/58611/2004; FSE/CED/83520/2008), onde os determinantes do desempenho analisados foram calculados ao nível da escola e não do indivíduo (Cardoso et al., 2011; Sarrico & Rosa, 2009; Sarrico et al., 2010), bem como de atividades de transferência de conhecimento realizadas através de protocolos com a IGEC (Inspeção-geral da Educação e Ciência) e da participação em dois grupos de trabalho de avaliação de escolas do Ministério da Educação (Oliveira et al., 2006; Almeida et al., 2011). A qualidade da educação é importante para os indivíduos, na medida em que tem impactos positivos nos seus rendimentos futuros e na qualidade de vida de que poderão beneficiar. Mas os seus retornos sociais não são menos importantes. Nomeadamente, está associada à redução de crimes e conflitos e à promoção do crescimento económico. Este projeto pretende identificar os principais determinantes do desempenho dos alunos nas escolas portuguesas, contribuindo assim para a discussão pública da questão da avaliação do desempenho das escolas. O ensino básico e o ensino secundário precedem o ensino superior e como tal tem importantes implicações no capital humano à entrada no ensino superior. O desempenho no ensino não superior pode assim, também, comprometer alguns objetivos definidos para o ensino superior não só em termos de acesso e de taxas de conclusão dos cursos, mas também no que se refere ao aumento de diplomados em determinadas áreas. A relação positiva entre educação e crescimento económico tem justificado grandes investimentos em educação feitos pelos mais diversos países (OECD, 2010a; Hanushek, 2005). Mas, em muitos países, tais investimentos não se têm traduzido numa melhoria da situação económica, apesar de terem resultado num aumento da escolaridade média das populações. Isto fez com que decisores de política e investigadores se voltassem para a questão da qualidade da educação (OECD, 2010b), tendo esta recebido muita atenção nos meios de comunicação social e resultado na publicação de rankings nos jornais. Portugal não constitui exceção nesta matéria. No entanto, os rankings publicados têm-se limitado a hierarquizar escolas com base no desempenho médio dos alunos nos exames nacionais, muitas vezes ignorando a importância que o seu background socioeconómico pode ter. Acresce ainda o facto das escolas públicas não poderem selecionar os seus alunos. Recebem muitos alunos de grupos sociais desfavorecidos, facto que muitas vezes as impede de aceder aos lugares cimeiros das tabelas. No entanto, apesar da importância da família ser reconhecida na literatura, e, por vezes, um menor peso ser atribuído à escola, a investigação mais recente vem salientar a importância do papel da escola no desempenho escolar dos seus alunos (Hanushek & Woessmann, 2009; Hanushek, 2011; OCDE, 2010a). Dada a natureza hierárquica dos dados (escola, turma, aluno) pretendíamos, inicialmente, fazer uma análise do desempenho das escolas em Portugal através da utilização de modelos multinível (Jesson & Gray, 1991; Raudenbush & Bryk, 2002; Goldstein, 2010). Esta análise permitiria destrinçar entre a desigualdade dentro e entre escolas, ou seja permitiria um conhecimento mais aprofundado sobre o que a escola poderá fazer para melhorar o desempenho dos seus alunos. Este tipo de análise requer um conjunto de dados bastante detalhados, de forma a poder controlar fatores importantes para o Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 12 desempenho escolar (Clark et al., 2010). A concretização destes objetivos é facilitada pelo fato de existirem bases de dados que incluem os resultados dos exames e provas nacionais de todos os alunos em anos terminais de ciclo (4º, 6º, 9º e 12º anos). Estes dados dispõem ainda de uma dimensão longitudinal podendo as várias escolas ser observadas ao longo de vários anos. Na análise destes resultados, a dificuldade está, sobretudo, na deficiente ligação entre os resultados escolares e as variáveis que lhes poderão estar associadas. Apesar de as escolas recolherem informação sociodemográfica sobre os seus alunos, de manterem registos sobre o seu percurso académico, de existir informação sobre as características da escola, assim como sobre as características do seu corpo docente e não docente, esta informação encontra-se dispersa em diferentes bases de dados. Este projeto pretendia construir uma base de dados que incluísse informação ao nível da escola e do aluno, incluindo resultados académicos e as suas características. Este tipo de informação permitiria aprofundar a análise do desempenho do ensino secundário, e perceber o que é que a escola pode fazer para melhorar os resultados académicos dos seus alunos. Havendo os microdados descritos acima, será possível desenvolver um modelo de valor acrescentado para cada ciclo de escolaridade, que olha para o valor acrescentado da escola como o seu principal indicador de desempenho (Meyer, 1997). Cada um destes modelos será uma ferramenta valiosa não só para as atividades de avaliação externa das escolas, como para a conceção e implementação de políticas educativas adequadas neste domínio. As escolas também beneficiarão diretamente a partir do uso desses modelos, num quadro de crescente autonomia, no sentido de apoiar a conceção e adaptação de práticas de gestão de desempenho, considerando a melhoria do desempenho escolar de seus alunos. Este tipo de modelos pode contribuir para uma melhor compreensão das razões subjacentes ao mau desempenho escolar, a partir dos dados de desempenho de cada aluno (e não do desempenho médio da escola, como feito no passado). O desempenho das escolas em Portugal, como analisado em projetos anteriores, foi baseado em dados de todas as escolas portuguesas, tendo como unidade estatística a escola, e não o aluno (ver Sarrico, 2014, para um resumo). Nomeadamente, a partir do trabalho de Cardoso et al. (2011) que tem estado a ser utilizado no segundo ciclo de avaliação externa de escolas (Almeida et al., 2011), foram utilizados métodos de regressão linear na análise da influência das características dos alunos e do contexto escolar nos resultados nos exames e provas nacionais de Português e Matemática e na taxa de conclusão do ciclo de estudos. Embora o uso de dados agregados forneça informações importantes, as tendências observadas devem ser confirmadas através de uma análise mais profunda (Schoenbach & Rosamond, 2000). A utilização de uma análise multinível do desempenho escolar com dados tanto ao nível de escola como do aluno (Jesson & Gray, 1991; Raudenbush & Bryk, 2002; Goldstein, 2010), permite separar a desigualdade dentro das escolas, e entre as escolas, o que significa que deve permitir uma compreensão mais profunda do que as escolas podem fazer por si mesmas para melhorar o desempenho académico de seus alunos. No entanto, esta análise requer um conjunto mais rico de dados disponíveis para controlar os fatores importantes (Clark et al., 2010). Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 13 A escolha de quais as variáveis a utilizar ao nível da escola e ao nível do aluno é na maioria dos casos restringida pela disponibilidade de dados. No entanto, o Ministério da Educação e Ciência, via a DGEEC, recolhe informação exaustiva sobre as características dos alunos e os seus resultados escolares; sobre as características do corpo docente e não docente, e sobre os recursos escolares. No entanto, não foi possível no prazo de execução deste projeto a obtenção dos microdados necessários para levar a cabo as análises multinível e de valor acrescentado descritas acima, devido ao facto de ser necessário não só a agregação de várias bases de dados, mas também, por motivos de legislação de proteção de dados, a sua anonimização. Como alternativa, optou-se por utilizar os dados do PISA 2012 referentes a Portugal como objeto de análise. O presente relatório está estruturado em quatro capítulos. No primeiro capítulo é apresentada a revisão sistemática da literatura sobre a avaliação de desempenho de escolas, seguindo-se, no segundo capítulo, uma breve revisão da literatura sobre o desempenho de escolas portuguesas. No terceiro capítulo apresenta-se o modelo de avaliação do desempenho de escolas portuguesas, onde se verificam os fatores que influenciam o desempenho dos alunos portugueses. Finalmente, no quarto capítulo apresentam-se as principais conclusões do estudo. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 14 II. Avaliação do Desempenho de Escolas: Revisão da Literatura No presente capítulo apresentam-se os resultados de uma revisão da literatura sobre os determinantes do desempenho de escolas básicas e secundárias num contexto internacional. O principal objetivo foi identificar nos estudos reportados na literatura quais os fatores que explicam diferenças de desempenho entre escolas, bem como discutir as técnicas de medição utilizadas, com o intuito de justificar as escolhas tomadas para a construção de um modelo de avaliação do desempenho para as escolas portuguesas. Com o intuito de identificar os fatores que explicam diferenças de desempenho entre escolas e as técnicas estatísticas utilizadas, foi feita uma pesquisa da literatura relevante para esta temática na base de dados bibliográficos Web of Science, uma vez que esta é a base de dados mais reconhecida pela comunidade científica. Para este efeito foi utilizada uma abordagem metodológica para a seleção dos artigos (Anexo A – Abordagem Metodológica da Revisão da Literatura) resultando numa Leitura de 52 artigos. II.1. Principais Resultados Com base na Leitura agregada da informação do quadro do anexo A3 foi feita uma análise aos principais resultados dos 52 artigos lidos e analisados. A informação recolhida, a partir da análise feita, foi agregada de acordo com as seguintes categorias: objetivos dos estudos, métodos e modelos estatísticos utilizados, dados usados nas análises, fatores de desempenho escolar e principais resultados e conclusões dos estudos. II.1.1. Objetivos dos Estudos Os principais objetivos dos estudos analisados situam-se ao nível da investigação e análise de um conjunto diversificado de características e da sua relação com o desempenho académico de escolas ou alunos. Estas características podem ser agrupadas em características do aluno, características da família, características da escola, características do professor, características das reformas educativas, características do meio evolvente e outras características. Seguidamente apresentam-se os objetivos dos diferentes estudos, agrupados de acordo com as características em análise em cada um deles ( Tabela 1). Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 15 Tabela 1 – Objetivos dos estudos agrupados de acordo com as características Características Género Etnia Do Aluno Da família Motivação Escolarização atrasada Frequência da educação pré-escolar Perceção do ambiente escolar ou compromisso com a escola Escolha da escola Trajeto escolar Alteração de residência Estrutura familiar Nível socioeconómico da família Envolvimento da família no percurso escolar dos alunos Da escola Do professor De reformas educativas Outras Estrutura e organização da escola Tipo de escola Contexto escolar, liderança escolar e práticas escolares Classificação e qualificações dos professores Programas ou reformas educativas Taxas de insucesso, taxas de abandono escolar e taxas de transferência Resultados académicos obtidos anteriormente Fatores de nível local Referências (Crosnoe & Schneider, 2010; Husain & Millimet, 2009; Entwisle, Alexander, & Olson, 2007; Riegle-Crumb, 2006) (Hill, 2008; Muller, Riegle-Crumb, Schiller, Wilkinson, & Frank, 2010; Riegle-Crumb, 2006; Riegle-Crumb & Grodsky, 2010; Stipek, Newton, & Chudgar, 2010) (Dignath & Buttner, 2008; Nolen, 2003; Nurmi & Aunola, 2005) (McEwan & Shapiro, 2008) (Berlinski, Galiani, & Manacorda, 2008; Berlinski, Galiani, & Gertler, 2009) (Wang & Holcombe, 2010) (Cullen, Jacob, & Levitt, 2005; Cullen, Jacob, & Levitt, 2006) (Carbonaro, 2005) (Voight, Shinn, & Nation, 2012) (Cavanagh, Schiller, & Riegle-Crumb, 2006) (Attewell & Domina, 2008; Crosnoe & Cooper, 2010; Crosnoe & Schneider, 2010; Evans & Rosenbaum, 2008; Hill, 2008; Sektnan, McClelland, Acock, & Morrison, 2010; Stipek, Newton, & Chudgar, 2010) (Karbach, Gottschling, Spengler, Hegewald, & Spinath, 2013; Lee & Bowen, 2006; Tang, Dearing, & Weiss, 2012; Yamamoto, Holloway, & Suzuki, 2006) (Leana & Pil, 2006; Lee & Burkam, 2003; Nolen, 2003; Schiller & Muller, 2003) (Abdulkadiroglu, Angrist, Dynarski, Kane, & Pathak, 2011) (Opdenakker & Damme, 2007) (Clotfelter, Ladd, & Vigdor, 2010; Gallant, 2009) (Ahtola et al., 2011; Benabou, Kramarz, & Prost, 2009; Chiang, 2009; Maltese & Hochbein, 2012; Sheldon, 2007) (Rumberger & Palardy, 2005) (Callahan, 2005; Cottaar, 2012; Rhoades, Warren, Domitrovich, & Greenberg, 2011) (Clements, Reynolds, & Hickey, 2004; Goux & Maurin, 2007) Relativamente às características dos alunos existem alguns artigos analisados que apontam no sentido de que os resultados nos exames podem ser influenciados pelas características dos alunos (Maerten- Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 16 Rivera, Myers, Lee, & Penfield, 2010) de um modo geral, sem haver uma discriminação das características. Especificamente existem artigos que pretendem: Analisar a diferença entre género nos resultados académicos; (Crosnoe & Schneider, 2010; Husain & Millimet, 2009; Entwisle, Alexander, & Olson, 2007; Riegle-Crumb, 2006); Examinar os padrões de desempenho para estudantes de diferentes etnias (Hill, 2008; Muller, Riegle-Crumb, Schiller, Wilkinson, & Frank, 2010; Riegle-Crumb, 2006; Riegle-Crumb & Grodsky, 2010; Stipek, Newton, & Chudgar, 2010); Examinar as relações entre a motivação e o desempenho (Dignath & Buttner, 2008; Nolen, 2003; Nurmi & Aunola, 2005); Estimar o efeito da escolarização atrasada nos resultados dos alunos (McEwan & Shapiro, 2008); Estudar o efeito da educação pré-escolar nos resultados escolares posteriores (Berlinski, Galiani, & Manacorda, 2008; Berlinski, Galiani, & Gertler, 2009); Avaliar a perceção do aluno relativamente ao ambiente escolar ou ao seu compromisso com a escola (Wang & Holcombe, 2010); Explorar o impacto da escolha da escola nos resultados dos alunos (Cullen, Jacob, & Levitt, 2005; Cullen, Jacob, & Levitt, 2006); Analisar as relações entre o trajeto escolar e o sucesso dos alunos (Carbonaro, 2005). Relativamente às características da família, existem artigos em que os objetivos estão relacionados com a alteração de residência (Voight, Shinn, & Nation, 2012), estrutura familiar (Cavanagh, Schiller, & Riegle-Crumb, 2006), fatores socioeconómicos da família (Attewell & Domina, 2008; Crosnoe & Cooper, 2010; Crosnoe & Schneider, 2010; Evans & Rosenbaum, 2008; Hill, 2008; Sektnan, McClelland, Acock, & Morrison, 2010; Stipek, Newton, & Chudgar, 2010) e o envolvimento da família no desempenho académico (Karbach, Gottschling, Spengler, Hegewald, & Spinath, 2013; Lee & Bowen, 2006; Tang, Dearing, & Weiss, 2012; Yamamoto, Holloway, & Suzuki, 2006). Nomeadamente estes artigos pretendem: Examinar como a alteração da residência afeta os resultados (Voight, Shinn, & Nation, 2012); Investigar a associação da estrutura familiar com os percursos educacionais dos adolescentes (Cavanagh, Schiller, & Riegle-Crumb, 2006); Identificar fatores familiares que relacionam desvantagem económica e a aprendizagem da criança (Crosnoe & Cooper, 2010); Alargar o âmbito da análise das razões subjacentes para a diferença entre o rendimento e os resultados (Evans & Rosenbaum, 2008); Analisar a aprendizagem e os resultados de alfabetização em crianças de baixo rendimento (Stipek, Newton, & Chudgar, 2010); Examinar a desigualdade (estatuto socio económico) em resultados de testes e na entrada no ensino superior (Attewell & Domina, 2008); Investigar a associação entre o envolvimento da família e o desempenho académico (J. S. Lee & Bowen, 2006; Karbach, Gottschling, Spengler, Hegewald, & Spinath, 2013). De acordo com as características da escola, os estudos que estão agrupados nesta categoria pretendem: investigar se o desempenho académico é influenciado pelas características da escola (Maerten-Rivera, Myers, Lee, & Penfield, 2010; Wood, Lawrenz, Huffman, & Schultz, 2006). Em particular, pela estrutura e organização da escola (Leana & Pil, 2006; Lee & Burkam, 2003; Nolen, 2003; Schiller & Muller, 2003), tipo de escola (Abdulkadiroglu, Angrist, Dynarski, Kane, & Pathak, 2011), contexto escolar, liderança escolar e práticas escolares (Opdenakker & Damme, 2007). Os objetivos dos estudos, que pertencem ao grupo das características dos professores, consistem em examinar a relação entre as características dos professores (formação, experiência, etc.) e o desempenho dos estudantes (Clotfelter, Ladd, & Vigdor, 2010; Gallant, 2009). Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 17 Os estudos sobre as características de reformas educativas pretendem avaliar o impacto de certos programas ou a importância das reformas educativas sobre os resultados (Ahtola et al., 2011; Benabou, Kramarz, & Prost, 2009; Chiang, 2009; Maltese & Hochbein, 2012; Sheldon, 2007). II.1.2. Métodos e Modelos Utilizados Os métodos de análise estatística utilizados nos diferentes estudos podem ser divididos em três grandes grupos: análise exploratória de dados, análise inferencial e análise confirmatória. No primeiro grupo encontram-se métodos como a análise descritiva, a análise fatorial e a análise de Clusters; no segundo grupo estão os testes paramétricos e as regressões lineares e categórica; e no terceiro grupo, incluem-se as análises de trajetórias (path analysis) e os modelos de equações estruturais. Desta forma, os métodos e modelos de análise utilizados nos diversos estudos identificados são agregados de acordo com esta classificação (Tabela 2). Tabela 2 – Métodos e modelos utilizados nos estudos Métodos/técnicas Análise exploratória de dados Análise descritiva Análise factorial Análise inferencial Análise de Clusters Testes t Estatísticas qui-quadrado Regressão Modelos lineares hierárquicos - Hierarchical Linear Models (HLM) Two-level multinomial hierarchical models two-stage least squares (TSLS) Método dos mínimos quadrados - Ordinary Least Square (OLS) Modelos lineares Modelos log linear Regressão múltipla Referências (Cavanagh, Schiller, & Riegle-Crumb, 2006; Crosnoe & Cooper, 2010; Dignath & Buttner, 2008) (Wood, Lawrenz, Huffman, & Schultz, 2006) (Nurmi & Aunola, 2005) (Lee & Bowen, 2006; Lee & Burkam, 2003) (Lee & Burkam, 2003) (Clements, Reynolds, & Hickey, 2004; Gallant, 2009; V. E. Lee & Burkam, 2003; Maltese & Hochbein, 2012; Muller, RiegleCrumb, Schiller, Wilkinson, & Frank, 2010; Nolen, 2003; Riegle-Crumb, 2006; Rumberger & Palardy, 2005; Schiller & Muller, 2003) (Hill, 2008) (McEwan & Shapiro, 2008) (Abdulkadiroglu, Angrist, Dynarski, Kane, & Pathak, 2011; Berlinski, Galiani, & Gertler, 2009; Berlinski, Galiani, & Manacorda, 2008; Carbonaro, 2005; Cullen, Jacob, & Levitt, 2005; Dignath & Buttner, 2008; Entwisle, Alexander, & Olson, 2007; Gottfried, 2010; Goux & Maurin, 2007; Husain & Millimet, 2009; McEwan & Shapiro, 2008; Riegle-Crumb, 2006; Sheldon, 2007; Tang, Dearing, & Weiss, 2012). (Benabou, Kramarz, & Prost, 2009; Callahan, 2005; Crosnoe & Schneider, 2010) (Nurmi & Aunola, 2005) (Evans & Rosenbaum, 2008) Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Regressão logística Regressão multinomial Regressões hierárquicas Regressão descontínua Análise confirmatória Modelos de equações estruturais Análise factorial confirmatória Explanatory analysis Path analysis Multilevel latent growth modeling Latent growth-curve modeling (LGM) Latent class model 18 (Cavanagh et al., 2006; Muller et al., 2010; Yamamoto, Holloway, & Suzuki, 2006) (Cavanagh et al., 2006; Nurmi & Aunola, 2005) (Leana & Pil, 2006; J. S. Lee & Bowen, 2006) (Chiang, 2009) (Cottaar, 2012; Karbach, Gottschling, Spengler, Hegewald, & Spinath, 2013; Opdenakker & Damme, 2007; Rhoades, Warren, Domitrovich, & Greenberg, 2011; Sektnan, McClelland, Acock, & Morrison, 2010; Wang & Holcombe, 2010) (Leana & Pil, 2006) (Cavanagh et al., 2006) (Tang et al., 2012) (Ahtola et al., 2011) (Voight, Shinn, & Nation, 2012) (Hill, 2008) A maioria dos estudos analisados utilizam a técnica da regressão e em oito deles (Attewell & Domina, 2008; Clotfelter, Ladd, & Vigdor, 2010; Cullen, Jacob, & Levitt, 2006; Maerten-Rivera, Myers, Lee, & Penfield, 2010; Riegle-Crumb & Grodsky, 2010; Stipek, Newton, & Chudgar, 2010; Wood et al., 2006) refere-se que utilizaram a regressão, sem mencionarem o método aplicado. De entre as técnicas utilizadas nos diversos estudos em análise, a regressão é a mais comum, pelo que se propõe a sua adoção no desenvolvimento do modelo de avaliação de desempenho para as escolas portuguesas. II.1.3. Dados Utilizados Os dados utilizados nos diferentes estudos são provenientes de fontes diferentes, podendo a sua proveniência ser agrupada em várias categorias: entrevistas, questionários, exames, meta análise, dados de estudos e dados de sistemas/administrativos. A Tabela 3 sintetiza a fonte dos dados, o nº de alunos, o nº de escolas e o tipo, o ano letivo e a localidade relativas aos diferentes estudos analisados. Tabela 3 – Dados utilizados nos estudos Fonte dos dados High School Effectiveness Supplement to National Educational Longitudinal Study Nº alunos Nº escolas/Tipo Ano 3840 190 1988 Localidade Referência (Lee & Burkam, 2003) Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? National Educational Longitudinal Study Dados do National Institute of Child Health and Human Development e do estudo Early Child Care and Youth Development Chicago Longitudinal Study South Carolina Readiness Assessment e Palmetto Achievement Challenge Tests Census 1991, secretariado de infraestruturas do ministério da educação Dados do National Network of Partnership School Maryland Adolescent Development in Context Study Dados de Adolescent Health and Academic Achievement Dados de Beginning School Study Education Longitudinal Study High School Effectiveness Study Dados de sistemas/ administrativos 14199 912 1988, 1990 e 1992 1298 1539 1281 132 turmas 19 (Rumberger & Palardy, 2005) EUA (Sektnan, McClelland, Acock, & Morrison, 2010) 1999 Chicago (Clements, Reynolds, & Hickey, 2004) 2002-2004 Carolina do sul (Urbano) (Gallant, 2009) 1991 Argentina (Berlinski, Galiani, & Gertler, 2009) Estado de Ohio (Sheldon, 2007) 69 1046 23 escolas públicas (Wang & Holcombe, 2010) 7101 69 (Riegle-Crumb, 2006) 403 20 Elementary schools 4070; 3905 Baltimore 2002 (Entwisle, Alexander, & Olson, 2007) (Riegle-Crumb & Grodsky, 2010) (Hill, 2008) 8337 11 2009 Tennessee (EUA) (Urbano) (Voight, Shinn, & Nation, 2012) Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Massachusetts Comprehensive Assessment System, Massachusetts Students Information Management System Dados de Uruguayan Encuesta Continua de Hogares Dados de National School Assistance and Scholarship Board Entrevistas; Exame Entrevistas; Exame; Dados de estudos Entrevistas; Questionários 5 middle schools e 3 high schools (Berlinski, Galiani, & Manacorda, 2008) 1013081; 144047 3274 1997-2004; 2002 (McEwan & Shapiro, 2008) 17401 Jardim infância, Primária 1998 (Crosnoe & Cooper, 2010) 14915 (Crosnoe & Schneider, 2010) 88 escolas públicas 57 escolas secundárias 211 1897; 8770 Milhares 20; 68 2465 68 middle schools Meta-análises 8618 Questionários 377 13116 49 escolas primárias e 25 secundárias (22 turmas) Não identificada (Abdulkadiroglu, Angrist, Dynarski, Kane, & Pathak, 2011) Uruguai (Urbano) 38000 Exame 2002-2008 20 398 23854 2000-2002 Nordeste dos EUA Flandres, Belgica 2000-2002 Jyvaskyla, Finlândia Florida 1999-2006 2008, 2009 e 2010 335 (Nurmi & Aunola, 2005) (Chiang, 2009) (Maltese & Hochbein, 2012) (Wood, Lawrenz, Huffman, & Schultz, 2006) (Dignath & Buttner, 2008) (Nolen, 2003) (Goux & Maurin, 2007) 1991 e 2002 36 pré-escolas e 22 primárias 198 elementary schools (Yamamoto, Holloway, & Suzuki, 2006) (Leana & Pil, 2006) (Opdenakker & Damme, 2007) 2006-2007 2 cidades finlandesas Sudeste dos EUA 1987-1992 França 2002 Norte da Califórnia Estado da Carolina do Norte Chicago 60623 Públicas 1993, 1994 e 1995 97; 774 17565 994 1998/1999, 2001/2002 EUA (Ahtola et al., 2011) (Maerten-Rivera, Myers, Lee, & Penfield, 2010) (Benabou, Kramarz, & Prost, 2009) (Callahan, 2005) (Clotfelter, Ladd, & Vigdor, 2010) (Cullen, Jacob, & Levitt, 2005) (Evans & Rosenbaum, 2008) (Husain & Millimet, 2009) Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 332924 elementary e middle schools 1994/1999, 2000/2001 Filadélfia 334 341 Pré-escola pública Nordeste dos EUA 379 72 6911 7931 4217 High school 415 1995 2004 3149; 2775 26; 22 1994-1995 14434 19 High school públicas 2000 e 2001 Sudeste dos EUA (Urbano) EUA Chicago 21 (Gottfried, 2010) (Karbach, Gottschling, Spengler, Hegewald, & Spinath, 2013) (Rhoades, Warren, Domitrovich, & Greenberg, 2011) (Stipek, Newton, & Chudgar, 2010) (Tang, Dearing, & Weiss, 2012) (Carbonaro, 2005) (Attewell & Domina, 2008) (Cavanagh, Schiller, & RiegleCrumb, 2006) (Lee & Bowen, 2006) (Muller, Riegle-Crumb, Schiller, Wilkinson, & Frank, 2010) (Cullen, Jacob, & Levitt, 2006) Estes estudos são referentes a alunos que frequentam os vários níveis escolares desde o pré-escolar ao ensino secundário entre os anos de 1987 e 2010. A dimensão das amostras que foram analisadas nos diversos estudos varia entre 72 a 1 013 081 alunos. II.1.4. Fatores de Desempenho Académico Os resultados mais utilizados na avaliação do desempenho académico são os da Matemática e da Leitura, como se pode verificar na Tabela 4. Tabela 4 – Resultados analisados Disciplina Matemática Ano curricular Não há informação sobre o ano curricular 1º e 2º ano 1º e 3º ano 1º e 4º ano 5º ano 5º ao 8º ano 8º ao 10º ano 9º ano 7º ao 12º ano Referências (Abdulkadiroglu, Angrist, Dynarski, Kane, & Pathak, 2011; Berlinski, Galiani, & Gertler, 2009; Callahan, 2005; Crosnoe & Schneider, 2010; Chiang, 2009; Cottaar, 2012; Crosnoe & Cooper, 2010; Cullen, Jacob, & Levitt, 2006; Dignath & Buttner, 2008; Karbach, Gottschling, Spengler, Hegewald, & Spinath, 2013; Leana & Pil, 2006; RiegleCrumb & Grodsky, 2010; Riegle-Crumb, 2006; Schiller & Muller, 2003; Sektnan, McClelland, Acock, & Morrison, 2010; V. E. Lee & Burkam, 2003; Wang & Holcombe, 2010) (Nurmi & Aunola, 2005) (Gallant, 2009; Husain & Millimet, 2009 (McEwan & Shapiro, 2008) (Maerten-Rivera, Myers, Lee, & Penfield, 2010; Evans & Rosenbaum, 2008) (Voight, Shinn, & Nation, 2012) (Carbonaro, 2005) (Cullen, Jacob, & Levitt, 2005) (Cavanagh, Schiller, & Riegle-Crumb, 2006) Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Leitura/escrita/vocabulário Não há informação sobre o ano curricular 1º e 2 ano 1º e 3º ano 1º e 4º ano 1º, 3º e 5º ano 5º ano 5º ao 8º ano 8º ao 10º ano 9º ano Ciência/Biologia 8º ao 10º ano Física Química Ciências sociais Historia Outras 8º ao 10º ano 22 (Abdulkadiroglu, Angrist, Dynarski, Kane, & Pathak, 2011; Berlinski, Galiani, & Gertler, 2009; Callahan, 2005; Chiang, 2009; Clements, Reynolds, & Hickey, 2004; Cottaar, 2012; Crosnoe & Cooper, 2010; Cullen, Jacob, & Levitt, 2006; Dignath & Buttner, 2008; Entwisle, Alexander, & Olson, 2007; Karbach, Gottschling, Spengler, Hegewald, & Spinath, 2013; Leana & Pil, 2006; Sektnan, McClelland, Acock, & Morrison, 2010; Wang & Holcombe, 2010) (Nurmi & Aunola, 2005) (Gallant, 2009; Husain & Millimet, 2009) (McEwan & Shapiro, 2008) (Stipek, Newton, & Chudgar, 2010) (Maerten-Rivera, Myers, Lee, & Penfield, 2010; Evans & Rosenbaum, 2008) (Voight, Shinn, & Nation, 2012) (Carbonaro, 2005) (Cullen, Jacob, & Levitt, 2005) (Cottaar, 2012; Maerten-Rivera, Myers, Lee, & Penfield, 2010; Nolen, 2003; Wang & Holcombe, 2010) (Carbonaro, 2005) (Cottaar, 2012) (Cottaar, 2012) (Wang & Holcombe, 2010) (Carbonaro, 2005) (Dignath & Buttner, 2008) Assim sendo os resultados mais utilizados na avaliação do desempenho académico são os da Matemática desde do 1º ao 12º ano curricular e da Leitura do 1º ao 10º ano. Os fatores que influenciam o desempenho escolar dos alunos são diversos e podem ser separados por características: aluno, família, escola e professor (ver Tabela 5). Tabela 5 – Fatores que influenciam o desempenho escolar Característica Aluno Fator Idade Género Etnia Referências (Ahtola et al., 2011; Berlinski, Galiani, & Manacorda, 2008; Cavanagh et al., 2006; Crosnoe & Cooper, 2010; Crosnoe & Schneider, 2010; Cullen, Jacob, & Levitt, 2005; V. E. Lee & Burkam, 2003; Maltese & Hochbein, 2012; McEwan & Shapiro, 2008; Husain & Millimet, 2009; Tang, Dearing, & Weiss, 2012; Yamamoto, Holloway, & Suzuki, 2006) (Abdulkadiroglu, Angrist, Dynarski, Kane, & Pathak, 2011; Ahtola et al., 2011; Attewell & Domina, 2008; Berlinski, Galiani, & Manacorda, 2008; Callahan, 2005; Carbonaro, 2005; Cavanagh et al., 2006; Chiang, 2009; Clements, Reynolds, & Hickey, 2004; Clotfelter, Ladd, & Vigdor, 2010; Crosnoe & Cooper, 2010; Crosnoe & Schneider, 2010; Cullen, Jacob, & Levitt, 2005;Cullen, Jacob, & Levitt, 2006; Entwisle, Alexander, & Olson, 2007; Evans & Rosenbaum, 2008; Gallant, 2009; Gottfried, 2010; Husain & Millimet, 2009; Maerten-Rivera, Myers, Lee, & Penfield, 2010; Maltese & Hochbein, 2012; McEwan & Shapiro, 2008; Muller, Riegle-Crumb, Schiller, Wilkinson, & Frank, 2010; Rhoades, Warren, Domitrovich, & Greenberg, 2011; Riegle-Crumb & Grodsky, 2010; Stipek, Newton, & Chudgar, 2010; Tang, Dearing, & Weiss, 2012; V. E. Lee & Burkam, 2003; Voight, Shinn, & Nation, 2012; Wang & Holcombe, 2010; Yamamoto, Holloway, & Suzuki, 2006) (Abdulkadiroglu, Angrist, Dynarski, Kane, & Pathak, 2011; Attewell & Domina, 2008; Carbonaro, 2005; Cavanagh et al., 2006; Chiang, 2009; Clements, Reynolds, & Hickey, 2004; Clotfelter, Ladd, & Vigdor, 2010; Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Característica Fator Refeições escolares grátis ou a um preço reduzido Retenção Motivação Frequência de aulas Nº de horas semanais Distância da escola Nível de ensino Duração do jardim-de-infância e pré-escolar Altura Peso Peso ao nascimento Educação especial Família Estrutura familiar à data do nascimento (casados, solteiros) Tipo de família: monoparental, tradicional Educação dos pais Educação das mães Pais com formação superior Emprego da mãe Pais desempregados Idade da mãe à data do nascimento da criança Imigração 1ª geração Imigrante recente Inglês como 2ª língua Estatuto socioeconómico (SES) 23 Referências Crosnoe & Cooper, 2010; Crosnoe & Schneider, 2010; Cullen, Jacob, & Levitt, 2005; Cullen, Jacob, & Levitt, 2006; Entwisle, Alexander, & Olson, 2007; Evans & Rosenbaum, 2008; Gallant, 2009; Gottfried, 2010; Hill, 2008; Husain & Millimet, 2009; J. S. Lee & Bowen, 2006; Maerten-Rivera, Myers, Lee, & Penfield, 2010; Maltese & Hochbein, 2012; McEwan & Shapiro, 2008; Muller, Riegle-Crumb, Schiller, Wilkinson, & Frank, 2010; Riegle-Crumb & Grodsky, 2010; Riegle-Crumb, 2006; Rumberger & Palardy, 2005; Schiller & Muller, 2003; Sektnan, McClelland, Acock, & Morrison, 2010; Sheldon, 2007; Stipek, Newton, & Chudgar, 2010; V. E. Lee & Burkam, 2003; Voight, Shinn, & Nation, 2012; Wang & Holcombe, 2010) (Abdulkadiroglu, Angrist, Dynarski, Kane, & Pathak, 2011) (Chiang, 2009) (Clements, Reynolds, & Hickey, 2004) Cullen, Jacob, & Levitt, 2006; Entwisle, Alexander, & Olson, 2007; Gallant, 2009; Gottfried, 2010; J. S. Lee & Bowen, 2006; Leana & Pil, 2006; Maerten-Rivera, Myers, Lee, & Penfield, 2010; Maltese & Hochbein, 2012; Voight, Shinn, & Nation, 2012) (Entwisle, Alexander, & Olson, 2007; McEwan & Shapiro, 2008; Rumberger & Palardy, 2005) (Dignath & Buttner, 2008) (Cottaar, 2012; Gottfried, 2010; Sheldon, 2007) (Benabou, Kramarz, & Prost, 2009) (Gottfried, 2010) (Callahan, 2005; Voight, Shinn, & Nation, 2012) (Berlinski, Galiani, & Manacorda, 2008; Clements, Reynolds, & Hickey, 2004) (McEwan & Shapiro, 2008) (McEwan & Shapiro, 2008) (Husain & Millimet, 2009) (Abdulkadiroglu, Angrist, Dynarski, Kane, & Pathak, 2011; Cullen, Jacob, & Levitt, 2005; Cullen, Jacob, & Levitt, 2006; Gottfried, 2010; MaertenRivera, Myers, Lee, & Penfield, 2010) (Cavanagh et al., 2006) (Cavanagh et al., 2006; Cullen, Jacob, & Levitt, 2005; Cullen, Jacob, & Levitt, 2006; Crosnoe & Schneider, 2010; Goux & Maurin, 2007; McEwan & Shapiro, 2008; Schiller & Muller, 2003) (Cavanagh et al., 2006; Hill, 2008; J. S. Lee & Bowen, 2006; Karbach, Gottschling, Spengler, Hegewald, & Spinath, 2013; Muller, Riegle-Crumb, Schiller, Wilkinson, & Frank, 2010; Riegle-Crumb, 2006; Riegle-Crumb & Grodsky, 2010) (Ahtola et al., 2011; Berlinski, Galiani, & Manacorda, 2008; Evans & Rosenbaum, 2008; McEwan & Shapiro, 2008; Rhoades et al., 2011; Sektnan, McClelland, Acock, & Morrison, 2010; Tang, Dearing, & Weiss, 2012; Yamamoto, Holloway, & Suzuki, 2006) (Crosnoe & Schneider, 2010; Goux & Maurin, 2007) (Crosnoe & Cooper, 2010; Yamamoto, Holloway, & Suzuki, 2006) (Goux & Maurin, 2007) (Berlinski, Galiani, & Manacorda, 2008; Husain & Millimet, 2009) (Muller, Riegle-Crumb, Schiller, Wilkinson, & Frank, 2010; Riegle-Crumb & Grodsky, 2010) (Callahan, 2005) (Maerten-Rivera, Myers, Lee, & Penfield, 2010; Muller, Riegle-Crumb, Schiller, Wilkinson, & Frank, 2010) (Attewell & Domina, 2008; Carbonaro, 2005; Crosnoe & Cooper, 2010; Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Característica Fator Apoio social escolar Nº de livros em casa Rendimento familiar Rácio rendimento necessidades Escola Envolvimento dos pais nas atividades escolares Contexto da escola (Suburbana, Urbana, ou Rural) Localização Tipo de escola (Privada, Pública) Escola Católica, independente Tamanho da escola Tamanho da turma Professores Rácio Professor-aluno Nº de professores Proporção de professores jovens Proporção de professores não certificados Custo total da escolar por aluno Género Etnia Anos de experiência Pós graduação Tipo de certificação Práticas dos professores em sala de aula Relação professor-aluno. Salário do professor 24 Referências Crosnoe & Schneider, 2010; Cullen, Jacob, & Levitt, 2005; Entwisle, Alexander, & Olson, 2007; Gallant, 2009; Husain & Millimet, 2009; Rumberger & Palardy, 2005; Schiller & Muller, 2003; V. E. Lee & Burkam, 2003; Wang & Holcombe, 2010; Yamamoto, Holloway, & Suzuki, 2006) (Wang & Holcombe, 2010) (Husain & Millimet, 2009) (Hill, 2008; Rhoades et al., 2011; Riegle-Crumb, 2006; Riegle-Crumb & Grodsky, 2010; Stipek, Newton, & Chudgar, 2010;Yamamoto, Holloway, & Suzuki, 2006) (Evans & Rosenbaum, 2008; Sektnan, McClelland, Acock, & Morrison, 2010) (Clements, Reynolds, & Hickey, 2004; J. S. Lee & Bowen, 2006; Tang, Dearing, & Weiss, 2012) (Cavanagh et al., 2006; Crosnoe & Schneider, 2010; Muller, Riegle-Crumb, Schiller, Wilkinson, & Frank, 2010; Rumberger & Palardy, 2005; Schiller & Muller, 2003) (Crosnoe & Schneider, 2010; Muller, Riegle-Crumb, Schiller, Wilkinson, & Frank, 2010) (Berlinski, Galiani, & Manacorda, 2008; Cavanagh et al., 2006; Crosnoe & Schneider, 2010; Cullen, Jacob, & Levitt, 2005; Muller, Riegle-Crumb, Schiller, (Wilkinson, & Frank, 2010) (Crosnoe & Schneider, 2010; V. E. Lee & Burkam, 2003; Rumberger & Palardy, 2005) (Ahtola et al., 2011; Benabou, Kramarz, & Prost, 2009; Crosnoe & Schneider, 2010; V. E. Lee & Burkam, 2003; Maerten-Rivera, Myers, Lee, & Penfield, 2010; Muller, Riegle-Crumb, Schiller, Wilkinson, & Frank, 2010; Rumberger & Palardy, 2005) (Benabou, Kramarz, & Prost, 2009; Clotfelter, Ladd, & Vigdor, 2010; Maerten-Rivera, Myers, Lee, & Penfield, 2010) (Benabou, Kramarz, & Prost, 2009; Rumberger & Palardy, 2005) (Benabou, Kramarz, & Prost, 2009) (Benabou, Kramarz, & Prost, 2009) (Benabou, Kramarz, & Prost, 2009) (Chiang, 2009) (Clotfelter, Ladd, & Vigdor, 2010) (Clotfelter, Ladd, & Vigdor, 2010) (Clotfelter, Ladd, & Vigdor, 2010) (Clotfelter, Ladd, & Vigdor, 2010; Crosnoe & Cooper, 2010) (Clotfelter, Ladd, & Vigdor, 2010; Crosnoe & Cooper, 2010) (Crosnoe & Cooper, 2010) (V. E. Lee & Burkam, 2003) (Rumberger & Palardy, 2005) Os principais fatores que influenciam o desempenho escolar dos alunos relativamente às características do aluno são a idade, o género, a etnia e as refeições escolar grátis ou a um preço reduzido. Relativamente à família são o estatuto socioeconómico e a educação dos pais. Relativamente à escola, são o tipo de escola (privada ou pública) e o tamanho da escola. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 25 II.1.5. Principais Resultados e Conclusões dos Estudos O estudo de Maerten-Rivera, Myers, Lee e Penfield (2010) destaca a importância de incluir todos os fatores relevantes num modelo para examinar o efeito único de cada um, controlando para o efeito dos outros. Assim, ao interpretar os resultados é importante notar que uma vez que um aluno pode cair em várias categorias (por exemplo, etnia negro, sexo feminino, refeições grátis/preço reduzido) pequenas diferenças somam-se e isso deve ser tomado em consideração. De seguida são apresentados os principais resultados obtidos nos estudos analisados relativamente aos fatores que influenciam o desempenho em Leitura, desempenho em Matemática, desempenho em Ciências, e desempenho geral e abandono escolar. Desempenho na Leitura Os fatores que influenciam negativamente o desempenho na Leitura são: o estatuto de minoria e a baixa escolaridade da mãe (Sektnan, McClelland, Acock, & Morrison, 2010), e o baixo rendimento familiar (Crosnoe & Cooper, 2010; Sektnan, McClelland, Acock, & Morrison, 2010). O desempenho em Leitura/escrita foi maior para os alunos que frequentam o ensino secundário em relação aos que frequentam a escola primária (Dignath & Buttner, 2008). Os meninos ficam atrás das meninas na Leitura no início do jardim-de-infância e no final do 3º ano (Husain & Millimet, 2009). As crianças com fatores de risco familiares tendem a fazer melhor do que o esperado quando têm professores com experiência de ensino dentro do seu nível de ensino, especialmente na Leitura (Crosnoe & Cooper, 2010). Ou seja, professores com experiência de ensino influenciam positivamente o desempenho em Leitura (Crosnoe & Cooper, 2010). As competências precoces de Leitura dos meninos que estão a receber subsídio de refeição são inferiores às das meninas. Entre as crianças que não têm subsídios de refeição, os meninos fazem o mesmo que as meninas. Esta diferença de género que surge ao longo dos anos do ensino é explicada em termos da taxa de retenção maior nos meninos com dificuldades económicas (Entwisle, Alexander, & Olson, 2007). Desempenho na Matemática Os fatores que influenciam negativamente o desempenho em Matemática são: os alunos serem oriundos de famílias monoparentais, com instabilidade familiar (Cavanagh, Schiller, & Riegle-Crumb, 2006), de idade superior e do sexo masculino (Cavanagh, Schiller, & Riegle-Crumb, 2006), o estatuto de minoria, baixa escolaridade da mãe e baixo rendimento familiar (Sektnan, McClelland, Acock, & Morrison, 2010). Os meninos brancos superam as meninas brancas em Matemática em praticamente toda a distribuição até o final do 3º ano de escolaridade, havendo menos evidência desta diferença para outras etnias (Husain & Millimet, 2009). Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 26 Os estudantes socioeconomicamente favorecidos persistem em Matemática com taxas de aprovação mais elevadas do que os seus pares menos favorecidos, mesmo quando eles têm os mesmos níveis de competência. Estas disparidades são maiores entre os alunos com registos anteriores de baixo nível académico porque os alunos de origens mais privilegiadas persistem no trabalho em Matemática, mesmo quando o seu desempenho anterior prevê que não (Crosnoe & Schneider, 2010). Desempenho em Ciências O estatuto socioeconómico e o inglês como segunda língua têm um maior efeito sobre os resultados em Ciências (Maerten-Rivera, Myers, Lee, & Penfield, 2010). Os resultados de Matemática e Ciências estão relacionados, bem como os de Leitura e Ciências. Os resultados de Leitura têm um efeito maior sobre o desempenho em Ciências do que em Matemática, ou seja, a capacidade verbal contribuiu mais para o resultado total em Ciências do que para a Matemática. Para responder corretamente a um teste de Ciências, os alunos devem ser capazes de compreender o que está a ser pedido e, portanto, a capacidade de Leitura é tão importante quanto, e possivelmente ainda mais importante do que, a da Matemática (Maerten-Rivera, Myers, Lee, & Penfield, 2010). Desempenho em Geral Um atraso de um ano na primeira inscrição na escola diminui a probabilidade de retenção no 1º ano e aumenta os resultados dos testes do 4º e 8º ano com maior efeito para os rapazes (McEwan & Shapiro, 2008). Se houve alteração residencial do aluno nos primeiros anos da escola, isto pode ter um efeito negativo sobre os resultados de Matemática e de Leitura no 3º ano e um efeito negativo sobre a trajetória das notas de Leitura posteriormente (Voight et al., 2012). A interrupção de rotinas e vínculos sociais durante esses anos de escolaridade pode ter um efeito negativo duradouro sobre a aprendizagem das crianças (Voight et al., 2012). Os resultados indicam consistentemente relações positivas e estatisticamente significativas entre a assiduidade dos alunos e o desempenho académico dos alunos (Gottfried, 2010). A frequência do ensino pré-escolar está associada de forma significativa a melhor desempenho (Berlinski, Galiani, & Manacorda, 2008; Berlinski et al., 2009; Clements, Reynolds, & Hickey, 2004). A expansão da educação pré-escolar pode ser um instrumento eficaz para melhorar o desempenho académico de longo prazo (Berlinski et al., 2009). A participação no ensino pré-escolar é um fator importante para o desempenho académico em geral (Clements, Reynolds, & Hickey, 2004). Os fatores que influenciam positivamente o desempenho académico são: a redução do tamanho da turma (Berlinski et al., 2009; Maerten-Rivera, Myers, Lee, & Penfield, 2010), a certificação específica de professores (licenciatura e certificação) (Clotfelter, Ladd, & Vigdor, 2010), e o nível de escolaridade dos pais (J. S. Lee & Bowen, 2006). Os fatores que influenciam negativamente o desempenho são: o estatuto socioeconómico e a baixa escolaridade materna (Sektnan, McClelland, Acock, & Morrison, 2010). Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 27 Pais mais ricos proporcionam ambientes cognitivamente mais enriquecidos, que incluem, por exemplo, o contacto com livros e oportunidades de aprendizagem informais, como as aulas de música. Estes pais também tendem a conversar mais com os seus filhos. Em média, as crianças de baixo rendimento têm mais dificuldade em regular as suas emoções e comportamentos, em comparação com os seus colegas mais ricos. O desempenho académico é uma função não só de competências cognitivas, mas também engloba componentes emocionais e comportamentais que também podem contribuir para a diferença de rendimento – resultados académicos (Evans & Rosenbaum, 2008). Os resultados das crianças estão fortemente correlacionados com os dos seus vizinhos (outros adolescentes). Há um problema de identificação, porque as pessoas com características semelhantes vivem próximas (Goux & Maurin, 2007). Mães de estatuto socioeconómico mais elevado são mais propensas a aceder a fontes formais de informação e de se envolver em casa na Leitura diária, mas menos suscetíveis em participar na escola (Yamamoto, Holloway, & Suzuki, 2006). O envolvimento dos pais na escola tem um efeito positivo no desempenho académico (J. S. Lee & Bowen, 2006; Rumberger & Palardy, 2005; Tang, Dearing, & Weiss, 2012), um efeito negativo sobre as taxas de abandono, e nenhum efeito sobre as taxas de transferência para outra escola (Rumberger & Palardy, 2005). As escolas de maior dimensão são mais eficazes na promoção da aprendizagem entre os alunos que são mais estáveis e, geralmente, de menor risco; estas escolas são menos eficazes do que as escolas de média dimensão em reter os alunos que estão mais em risco de abandono escolar ou de serem transferidos (Rumberger & Palardy, 2005). O estudo de Clotfelter, Ladd e Vigdor (2010) indica resultados inesperados, como por exemplo, existem coeficientes de correlação negativos altos relativamente ao desempenho para professores negros que ensinam estudantes brancos e professores masculinos que ensinam estudantes do sexo feminino. Abandono Escolar Os alunos são menos propensos a abandonar as escolas onde as relações entre professores e alunos são positivas; no entanto, o impacto das relações positivas depende das características organizacionais e estruturais das escolas (V. E. Lee & Burkam, 2003). Os alunos são mais propensos a abandonar a escola quanto maior ela for. Mas o tamanho da escola, por si só, pode não influenciar diretamente a probabilidade dos alunos a abandonarem. Existem outras características organizacionais que influenciam este abandono, como por exemplo a relação professor aluno, a confiança na organização, a existência de um compromisso para um objetivo comum, o contacto frequente com o aluno (V. E. Lee & Burkam, 2003). O tamanho das escolas influencia os resultados em termos de abandono: as escolas de menor dimensão (mas não demasiado pequenas) são geralmente melhores (V. E. Lee & Burkam, 2003). Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 28 Nas escolas em que a oferta educativa inclui cursos académicos (mais científicos e que visam o prosseguimento de estudos) e cursos não académicos (mais profissionalizantes) existe menor propensão ao abandono (V. E. Lee & Burkam, 2003). As escolas que são eficazes na promoção da aprendizagem dos alunos (crescimento dos resultados) não são necessariamente eficazes na redução do abandono escolar ou das taxas de transferência de escola (Rumberger & Palardy, 2005). As escolas de maior dimensão não só têm maiores taxas de abandono, como também apresentam taxas mais elevadas de aprendizagem entre os alunos que permanecem, podendo esta situação ser um reflexo das atividades que desenvolvem (Rumberger & Palardy, 2005). As escolas têm, no entanto, efeitos relativamente pequenos sobre a aprendizagem dos alunos, em comparação com as características dos estudantes (background) (Rumberger & Palardy, 2005). As escolas têm relativamente pouco impacto no abandono dos alunos, mas um forte impacto nos resultados escolares (Rumberger & Palardy, 2005). Maiores salários dos professores foram associados a menores taxas de abandono e de transferência, mas não foram associados a uma melhoria do desempenho (Rumberger & Palardy, 2005). Avaliando as escolas com base tanto nos resultados académicos, como nas taxas de abandono, pode ser insuficiente, porque as taxas de transferência ou mobilidade, mudança de escola, são ignoradas. Embora as taxas de mobilidade não sejam geralmente consideradas como um indicador relevante de desempenho escolar, elas são menos influenciadas pelos fatores aluno e família, incluindo a mobilidade residencial, do que as taxas de abandono. Isto sugere que as escolas devem ser responsáveis por todos os alunos que entram e não apenas pelos que permanecem (Rumberger & Palardy, 2005). As escolas de menor dimensão não são nem mais eficazes na promoção de resultados de alunos, nem mais eficazes na redução das taxas de abandono e transferência do que as escolas de tamanho médio. Na verdade, as maiores escolas (com mais de 1 200 estudantes) têm um nível significativamente mais alto de desempenho do aluno do que as escolas de tamanho médio, após o controlo para as diferenças de características de background de estudante, embora a magnitude da diferença seja muito pequena (Rumberger & Palardy, 2005). Existem muitos estudantes a optarem por sair da escola que lhes foi atribuída, sendo que uma possível explicação para o facto é a existência de razões não académicas para esta opção. A maioria dos estudantes que deixam a escola local frequenta uma escola com mais colegas academicamente talentosos, que vêm de bairros com características socioeconómicas mais altas. Por exemplo, é possível que essas escolas tenham níveis mais baixos de violência. Os alunos e os pais têm pouca informação sobre os inputs educacionais (por exemplo, a capacidade natural dos estudantes frequentarem uma escola em particular), mas boas informações sobre outputs educacionais (por exemplo, as pontuações médias de testes e as taxas de aprovação). Dada esta informação limitada, pode ser racional optar por escolas locais em vez de escolas com maiores níveis de outputs, embora, na realidade, o último conjunto de escolas, em média, não traga benefícios adicionais para os alunos para além das notas (Cullen, Jacob, & Levitt, 2005). Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 29 III. Avaliação do Desempenho de Escolas em Portugal: Revisão da Literatura Ao efetuar a revisão da literatura sobre o desempenho de escolas a partir de uma base de dados bibliográfica nem todos os estudos portugueses terão sido abrangidos. Neste sentido, houve a necessidade de efetuar uma revisão da literatura sobre o desempenho de escolas em Portugal para conhecer os estudos que existem. Para este efeito efetuou-se uma pesquisa pelos conceitos ‘Desempenho escolar’ e ‘Portugal’ efetuada no Google Schoolar, da qual resultou a análise de 14 artigos (Anexo B). Desta análise foram excluídos os estudos efetuados pelos investigadores pertencentes ao CIPES, centro de investigação que realiza o presente estudo. Estes apresentam-se no final desta secção. O desempenho das escolas pode ser medido através das notas dos exames nacionais. As classificações obtidas pelos estudantes nos exames nacionais do ensino secundário são utilizadas para aferir o desempenho das escolas portuguesas, devido ao peso que representam os critérios de avaliação dos alunos e o acesso ao ensino superior na sociedade (Pereira & Moreira, 2007). Para além do conceito de desempenho escolar existem outros conceitos relacionados com esta temática, como é o caso do valor acrescentado e da eficácia da escola. O conceito de valor acrescentado encontra-se estritamente relacionado com os conceitos de eficácia escolar e com a medição do efeito-escola (Portela, 2012). Calcular o valor acrescentado de uma escola significa tentar perceber que valor a escola acrescenta, através do seu trabalho, ao nível inicial de conhecimentos dos alunos que recebeu (Portela, Camanho, & Azevedo, 2007). De acordo com Mayston (2003), citado por Portela et al. (2007) os estudos de eficácia da escola em geral medem o seu ‘value added’, onde os resultados dos alunos no início e no fim de um dado ciclo de estudos são comparados, eventualmente tendo em conta outros fatores de contexto. As medidas de valor acrescentado devem ser calculadas ao nível do aluno e devem ter por base o acompanhamento dos resultados dos alunos ao longo do tempo (Portela, 2012). O cálculo do valor acrescentado apesar de ainda incipiente no nosso país, não é uma realidade nova (Portela et al., 2007). Segundo Portela (2012) existem ainda poucos estudos nacionais de cálculo do valor acrescentado das escolas, devido ao facto de haver uma grande dificuldade na obtenção de dados ao nível do aluno à escala nacional (o que é dificultado pela inexistência de um código único de aluno nas bases de dados de exames, ou um código único de escola). O desempenho das escolas interage com uma multiplicidade de fatores (Pereira, 2010). Os diferentes fatores podem ser agrupados com base nas características do aluno, da família, da escola e dos professores (ver Tabela 6). Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 30 Tabela 6 – Fatores que influenciam o desempenho escolar em Portugal Caraterística Aluno Família Fator Ano de escolaridade Idade Género Necessidades educativas especiais Frequência do jardim-de-infância Repetências Nível socioeconómico Refeições grátis e livros Riqueza Recursos educativos em casa Livros em casa Imigrante Língua estrangeira Ocupação dos pais Escolaridade dos pais Escola Professor Composição familiar (nº de irmãos e estrutura familiar) Nível cultural e financeiro da família Dimensão da escola Nº de alunos na escola Percentagem de professores com profissionalização Horas de escola por ano ou Horas de aulas regulares Nº de computadores Ligação à internet Dimensão das turmas Nº de professores Natureza das escolas (públicas ou privadas) Escola enfrenta concorrência Autonomia de recursos Nível socioeconómico e cultural médio da escola Condições de ensino e aprendizagem na escola Antiguidade Idade Qualificação Vínculo Salário médio Referências (Dias & Ferrão, 2006; Pereira, 2010) (Dias & Ferrão, 2006; Pereira, 2010) (Dias & Ferrão, 2006; Pereira, 2010; Ferrão & Goldstein, 2009) (Ferrão & Goldstein, 2009) (Ferrão & Goldstein, 2009) (Pereira, 2010; Ferrão & Goldstein, 2009; Pereira & Reis, 2012) (Dias & Ferrão, 2006) (Simões et al., 2006) (Pereira, 2010) (Pereira, 2010) (Pereira, 2010; Pereira & Reis, 2012) (Pereira, 2010) (Pereira, 2010) (Pereira, 2010)) (Dias & Ferrão, 2006; Pereira, 2010; Ferrão & Goldstein, 2009; Simões et al., 2006) (Dias & Ferrão, 2006) (Dias & Ferrão, 2006; (Pereira, 2010) (Carneiro, 2008; Pereira & Moreira, 2007) (Carneiro, 2008) (Carneiro, 2008; Pereira & Reis, 2012) (Carneiro, 2008; Pereira & Reis, 2012) ( Pereira & Reis, 2012) (Pereira, 2010; Pereira & Reis, 2012) (Pereira & Moreira, 2007; Pereira & Reis, 2012) (Pereira & Moreira, 2007) (Pereira, 2010) (Pereira, 2010) (Dias & Ferrão, 2006; (Dias & Ferrão, 2006; (Pereira & Moreira, 2007) (Pereira & Moreira, 2007) (Pereira & Moreira, 2007) (Pereira & Moreira, 2007) (Pereira & Moreira, 2007) A localização geográfica dos estudantes influencia consideravelmente as classificações, ou seja, as escolas localizadas em municípios com melhores condições económicas e níveis educacionais mais elevados atingem melhores desempenho (Pereira & Moreira, 2007). Uma elevada percentagem de escolas secundárias fora das áreas metropolitanas de Lisboa e Porto são ineficientes, e o percentual de escolas eficientes nas áreas metropolitanas (Lisboa e Porto) entre todas as escolas eficientes é maior do que o percentual de escolas eficientes das restantes escolas (Oliveira & Santos, 2005). Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 31 De acordo com as pontuações do PISA, há importantes diferenças regionais no desempenho educativo, e estas diferenças estão de acordo com as discrepâncias nas características socioeconómicas e indicadores de escolaridade entre as regiões portuguesas, sendo que as variáveis do aluno e da família explicam uma parte dessas diferenças (Pereira & Reis, 2012). A variação do número de professores por estudante é menos importante do que a variação das suas características, ou seja, a ‘qualidade’ dos professores tem mais efeito na produção do que a ‘quantidade’ (Pereira & Moreira, 2007). Quando os alunos portugueses são comparados com outros países da União Europeia, de acordo com os dados do PISA 2006, eles ocupam posições na metade inferior do ranking do desempenho no grupo de países considerados, tanto em Matemática como em Leitura. Esses resultados são, em parte, provocados por um contexto familiar desfavorável, nomeadamente no que se refere às habilitações e ocupações dos pais (Pereira, 2010). Os resultados à entrada e o número de repetências do aluno podem influenciar o desempenho escolar. Sendo os ‘resultados prévios’ requisito para o sucesso no desenvolvimento da Matemática e para além disso, quando o aluno não transitou para o grau seguinte pelo menos uma vez, os seus resultados em Matemática são mais baixos do que os seus colegas (Ferrão & Goldstein, 2009). Existem alguns investigadores nacionais, como por exemplo, Ferrão, 2009; Ferrão e Goldstein, 2009; Oliveira e Santos, 2005; Pereira e Moreira, 2007; Portela et al., 2007, 2010, 2011; Sarrico e Rosa, 2009; Sarrico et al., 2010; Romão, 2012, que estudam esta temática (Portela, 2012). Para além desses estudos podem-se destacar outros estudos, Tabela 7. Tabela 7 – Grupos de investigação nacional Grupo Banco de Portugal - Manuel Coutinho Pereira Programa AVES - Maria Conceição Portela Projeto 3EM - Maria Eugénia Ferrão Dados do PISA Plataforma BESP - Maria Conceição Portela Inspeção-geral da Educação 2000-2001 CIPES – Centro de Investigação de Políticas do Ensino Superior Estudos (Manuel Coutinho Pereira, 2010; M. C. Pereira & Moreira, 2007; M. C. Pereira & Reis, 2012) (Maria Conceição A. Silva Portela, 2012; M. C. S. Portela et al., 2007) (Mª Eugenia Ferrão, 2009; Maria Eugénia Ferrão & Goldstein, 2009; Simões et al., 2006) (Afonso & St. Aubyn, 2006; Carneiro, 2008; Dias & Ferrão, 2006) (Maria Conceição A. Silva Portela, Camanho, & Borges, 2011; M. C. A. S. Portela, Camanho, Fernandes, & Borges, 2009) (Oliveira & Santos, 2005) (Sarrico e Rosa, 2010; Sarrico et al., 2009; Cardoso et al., 2011, Sarrico et al., 2012) As instituições de ensino têm ao seu dispor a plataforma BEST (Benchmarking de Escolas Secundárias Portuguesas). Esta plataforma foi criada no âmbito de um projeto de investigação financiado pela FCT e desenvolvida em cooperação pela Universidade Católica do Porto, pelo IDMEC - pólo FEUP e pelo INEGI (Portela et al., 2009). Os indicadores de desempenho das escolas são uma ferramenta central na plataforma BESP (Portela et al., 2009). Para a construção desses indicadores usaram-se dados públicos dos resultados dos exames nacionais, disponibilizados pelo Ministério da Educação através das bases de dados dos Exames Nacionais do Ensino Secundário (ENES) e dos Exames Nacionais do Ensino Básico (ENEB) e Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 32 dados fornecidos pelos responsáveis das escolas através do preenchimento de inquéritos anuais na plataforma BESP (Portela et al., 2009). Portela et al. (2011) apresenta uma breve descrição da plataforma; para aceder à plataforma Web, consultar http://besp.mercatura.pt/pagina.php?codPagina=1. Estudos de investigadores do CIPES Sarrico e Rosa (2010) desenvolveram um modelo de medição de desempenho com uma abordagem de valor acrescentado que utilizaram num estudo exploratório com uma amostra de 19 escolas da região Centro, e os resultados obtidos foram comparados com resultados preliminares do programa de avaliação de escolas de 2007 da IGE (Inspeção-Geral da Educação). Mostraram que havia grande variabilidade no desempenho das escolas, não só ao nível dos resultados dos exames, mas sobretudo ao nível das taxas de conclusão. Não conseguiram encontrar evidência que os resultados dependessem da localização geográfica, tamanho, tipologia de escola e estabilidade da direcção. O estudo anterior foi alargado a cerca de uma centena de escolas que participaram no programa de avaliação externa da IGE em 2007 (Sarrico et al., 2009). Neste estudo compararam os resultados de um modelo de medição do desempenho quantitativo, com uma abordagem de valor acrescentado, com os resultados da avaliação externa por peritos. Mostra-se que os resultados do modelo quantitativo têm baixa correlação como os resultados da avaliação qualitativa, e que isso provavelmente se deve ao facto de os avaliadores externos terem dificuldade em avaliar em termos de valor acrescentado. De facto, os seus julgamentos correlacionam-se mais com medidas de output – resultados nos exames, tendo dificuldade de levar em consideração variáveis de contexto, tais como o nível socioeconómico dos alunos. Cardoso et al. (2011) desenvolveram modelos de medição do desempenho de escolas para o desempenho dos alunos nos exames nacionais de Português e Matemática que calculam valores esperados para o desempenho de cada escola, tendo em consideração fatores que afetam o desempenho da escola, mas que não estão sob o seu controlo. Estes modelos foram depois utilizados a partir do segundo ciclo do programa de avaliação externa de escolas da IGEC (Inspeção-Geral da Educação e Ciência) (Almeida et al., 2011), para ajuizar se o desempenho da escola está em linha, aquém ou além do esperado, dado os seus dados de contexto. Sarrico et al. (2012) levaram a cabo um estudo qualitativo com base em 12 estudos de caso de escolas com diferentes níveis de desempenho. Mostram que genericamente as escolas têm pouco desenvolvida a auto-avaliação. Focam-se sobretudo na monitorização de resultados de exames e taxas de progressão e conclusão. No entanto, têm dificuldade em o fazer sistematicamente e em compreender os fatores que contribuem para os resultados obtidos, nomeadamente destrinçar entre fatores sob o controlo da escola e fatores que não controlam, tais como o contexto socioeconómico dos alunos. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 33 IV. Análise do Desempenho das Escolas Portuguesas No presente capítulo apresenta-se a análise do desempenho dos alunos das escolas portuguesas tendo como base a revisão da literatura efetuada nos capítulos anteriores e fazendo uso dos dados do PISA 2012. IV.1. Metodologia Na avaliação do desempenho dos alunos nas escolas portugueses foram utilizados os dados do PISA (Programme for International Student Assessment) relativos a 2012. A seleção das variáveis que poderão estar associadas ao desempenho dos alunos nas escolas portuguesas foi efetuada com base na revisão da literatura efetuada. Das áreas consideradas no PISA 2012 – Matemática, Leitura e Ciências – foram selecionadas a Matemática e a Leitura para efetuar a análise do desempenho dos alunos neste estudo. Assim, a partir da informação apresentada nas Tabelas 5 e 6 (fatores que influenciam o desempenho escolar) do capítulo da revisão da literatura, foi realizada uma correspondência de forma a identificar as variáveis presentes no PISA 2012 segundo três vertentes: características do aluno, da família e da escola. Características do aluno As variáveis consideradas que caracterizam o aluno foram: género, naturalidade e ano curricular. A variável relativa à naturalidade do aluno foi transformada numa binária, ou seja naturalidade Portuguesa ou outra. Como o PISA 2012 é direcionado a alunos com sensivelmente a mesma idade, e esta é tipicamente utilizada como medida sucedânea de desempenho anterior do aluno, a variável idade foi substituída pela variável ST01Q01 – GRADE que corresponde ao ano curricular que o aluno frequenta (7º, 8º, 9º, 10º ou 11º). O ano curricular foi também transformado em variáveis binárias sendo que foram considerados três grupos: 7º/8º ano, 9º ano e 10º/11º ano, devido à dimensão reduzida de alunos em alguns anos curriculares. Características da família O PISA 2012 inclui um conjunto de variáveis relativas ao capital económico, cultural e social do aluno, que avaliam o nível de educação dos pais, a sua ocupação e o seu nível financeiro. Assim, para representar a variável Educação dos Pais, foi utilizada a variável PARED - Highest Parental Education in Years considerada no PISA 2012, e que corresponde ao nível educacional mais alto dos pais de acordo com a classificação do ISCED (International Standard Classification of Education). No caso de Portugal: Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 34 • Concluído o nível 1 do ISCED (educação primária): 6 anos; • Concluído o nível 2 do ISCED (ensino secundário inferior): 9 anos; • Concluído o nível 3B ou 3C do ISCED (ensino secundário, proporcionando acesso direto ao mercado de trabalho ou para programas ISCED 5B): 12 anos; • Concluído o nível 3A do ISCED (ensino secundário fornecendo acesso aos programas ISCED 5A e 5B) e/ou ISCED nível 4 (não superior pós-secundário): 12 anos; • Concluído o nível 5A do ISCED (nível universitário ensino superior) ou nível 6 do ISCED (programas de investigação avançada): 17 anos; • Concluído o nível 5B do ISCED (não universitário ensino superior): 15 anos. Para representar o Estatuto Profissional dos Pais, foi utilizada a variável HISEI - Highest Parental Occupational Status que se refere ao estatuto profissional mais alto dos pais. No que se refere à Posse de Bens Domésticos, foi utilizada a variável HOMEPOS - Home Possessions, que se refere ao índice de posse de bens domésticos que integra os índices de riqueza, CULTPOSS Index of Cultural Possessions e HEDRES - Index of Home Educational Resources, bem como o número de livros em casa recodificado numa variável categórica de quatro níveis (0-10 livros, 11-25 ou 26-100 livros, 101-200 ou 201-500 livros, mais de 500 livros). A variável CULTPOSS - Index of Cultural Possessions corresponde a um índice de posse cultural, nomeadamente: literatura clássica, livros de poesia e obras de arte. O outro índice de riqueza, HEDRES - Index of Home Educational Resources, é um índice de recursos educacional e pessoal que mede a existência de recursos educacionais em casa, incluindo uma mesa de trabalho e um lugar sossegado para estudar, um computador para efetuar trabalhos escolares, software educativo, livros de ajuda para o trabalho escolar, livros técnicos e um dicionário. No caso do Nível Socioeconómico, foi utilizado o indicador ESCS - Economic, Social and Cultural Status, que consiste num índice de estatuto económico, social e cultural obtido a partir de três variáveis apresentadas anteriormente: HISEI, PARED e HOMEPOS. Características das escolas Relativamente às escolas, a característica utilizada para as diferenciar foi a sua tipologia: privada, semiprivada e pública. A categoria semiprivada diz respeito a escolas privadas com financiamento público. No entanto, apenas serão consideradas as tipologias privada (incluindo as semiprivadas) e pública, pelo facto de que o número de escolas da tipologia semiprivada no PISA 2012 é muito reduzido para uma eventual análise estatística mais profunda. Avaliação do desempenho escolar O PISA 2012 avalia o desempenho escolar dos alunos em Matemática e Leitura, através de um conjunto de cinco variáveis denominadas de Plausible Values (PV). Neste sentido, selecionaram-se os cinco Plausible Values da Matemática e os cinco da Leitura - como medida para representar o desempenho escolar dos alunos portugueses com 15 anos de idade. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 35 Os Plausible Values constituem uma representação do leque de competências que um aluno poderá ter. Em vez de se estimar diretamente a competência do aluno, estima-se uma distribuição de probabilidade para cada um. Ou seja, em vez de obter uma estimativa pontual, é calculada uma amplitude de possíveis valores para um aluno, com uma probabilidade associada a cada um desses valores. Os PV são aleatórios e desenhados a partir desta distribuição para cada aluno. Os PV são assim valores imputados que se assemelham aos resultados dos testes individuais e têm aproximadamente a mesma distribuição que a característica latente medida. No PISA, o desempenho é distribuído segundo alguns níveis de competência: 6 no caso da Matemática e 7 no caso da Leitura. Cada nível possui um valor mínimo que o aluno terá de atingir tendo em conta as competências, o conhecimento e o entendimento necessários para pertencer a esse mesmo nível. Os níveis de Matemática e Leitura considerados no PISA 2012 e respetivas percentagens de alunos que atingiram cada nível apresentam-se na Tabela 8. Tabela 8 – Descrição dos níveis de competência a Matemática e Leitura no PISA 2012 Matemática Nível 6 5 4 3 2 1 Limite inferior ≥669 ≥607 ≥545 ≥482 ≥420 ≥358 % de estudantes (Média OCDE) 3,3% 12,6% 30,8% 54,5% 77,0% 92,0% Leitura Limite inferior Nível 6 5 4 3 2 1a 1b ≥698 ≥626 ≥553 ≥480 ≥407 ≥335 ≥262 % de Estudantes (Média OCDE) 1,1% 8,4% 29,5% 58,6% 82,0% 94,3% 98,7% IV.2. Análise Estatística A análise estatística das variáveis consistirá numa análise exploratória dos dados (representação gráfica e/ou cálculo de estatísticas) e numa análise inferencial (regressão linear simples e múltipla) para comparação do desempenho segundo alguns grupos e, também, para a determinação dos fatores de desempenho. Assim, numa primeira fase foi utilizada uma análise descritiva para a caracterização da amostra estudada – PISA 2012, caso Portugal. As variáveis qualitativas selecionadas foram descritas através de análises de frequências e, no que se refere às quantitativas, a análise resume-se ao cálculo das principais estatísticas descritivas: média, desvio padrão, mediana, mínimo e máximo. Numa segunda fase, e com o objetivo de analisar os fatores que poderão ter influência no desempenho dos alunos, tanto na Leitura como na Matemática, e considerando as variáveis selecionadas do aluno, da família e da escola, foram realizadas regressões lineares simples e múltiplas. Com base nalguns resultados optámos por realizar algumas regressões com interações, nomeadamente considerando o nível socioeconómico com género e tipo de escola. O software IEA IDB Analyser, versão 3.1 foi o utilizado em todas as análises que envolvam os plausible values. Este software foi desenvolvido pela IEA DPC (International Association for the Evaluation of Educational Achievement, Data Processing and Research Center) no sentido de facilitar a análise de Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 36 dados obtidos através de estudos em larga escala, como o PISA. Todas as análises do relatório que envolvem os PV referem-se a uma única variável, um PV agregado, que é identificado como o desempenho. No SPSS só era possível se a análise fosse replicada 5 vezes. Cláudia, pode acrescentar então a frase de que o software faz a análise agregando os 5 Pv’s. Para as restantes análises, que não envolvem os Plausible Values, recorreu-se ao software IBM SPSS, versão 22.0. Todos os testes estatísticos foram bilaterais. O nível de significância adotado foi de 0,05. IV.3. Dados e Caracterização da Amostra IV.3.1. Dados: PISA 2012 O PISA é um estudo sobre os conhecimentos e competências de alunos com 15 anos de idade de diversos países, realizado de três em três anos. Para a presente análise serão usados os dados relativos ao ano mais recente, 2012, ano em que participaram 65 países e cerca de 510 000 alunos. Os alunos são tipicamente avaliados em três áreas: Leitura, Matemática e Ciências, sendo dada mais atenção a uma delas em particular em cada momento de avaliação. No caso do ano de 2012, a área privilegiada foi Matemática. Neste ano, foi ainda introduzida uma nova área de avaliação, a da literacia financeira. Em Portugal participaram 5 722 alunos de uma população de 108 728 alunos de 15 anos de idade, correspondente a 195 escolas.1 Os alunos que frequentam Cursos de Educação e Formação (CEF) foram excluídos, porque se considerou tratar de alunos com características muito diferentes dos dos outros cursos, ficando a amostra constituída por 5 209 alunos. IV.3.2. Caracterização da Amostra As variáveis analisadas são de dois tipos: qualitativas e quantitativas. Em relação ao primeiro grupo as variáveis são: género, país de naturalidade, tipo de escola e ano curricular. No que se refere às variáveis quantitativas as variáveis consideradas foram: educação dos pais, estatuto profissional dos pais, posse de bens domésticos e nível socioeconómico. A amostra considerada neste estudo considera todos os alunos que estão no ensino regular, ou seja, 5 209 alunos (Tabela 9). A grande maioria destes alunos é natural de Portugal (92,8%, 4 731) e estão praticamente distribuídos de forma idêntica em termos do género. Relativamente ao tipo de escola, a maioria dos alunos que constituem a amostra frequentam uma escola pública (82,9%, 4 641). Em termos de ano curricular, cerca de 61% dos alunos frequentam o ano modal (10º Ano) e 29% o ano imediatamente anterior (9º Ano). 1 Os dados foram extraídos das bases de dados dos alunos e das escolas disponíveis em http://www.oecd.org/pisa/pisaproducts/. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 37 Tabela 9 – Caracterização da amostra segundo as variáveis qualitativas Género Feminino Masculino Total País de Naturalidade Portugal Outro País Total NR Tipo de Escola Pública Privada Total NR 7º Ano 8º Ano 9º Ano 10º Ano 11º Ano Total Ano Curricular Número 2 670 2 539 5 209 Número 4 731 404 5 135 74 Número 4 641 518 5 159 50 Número 136 458 1 617 2 986 12 5 209 % 51,0 49,0 100,0 % 92,8 7,2 100,0 14,2 % 89,1 10,9 100,0 9,6 % 2,4 8,2 28,6 60,5 0,3 100,0 Em relação ao nível socioeconómico, tal como seria de esperar, verifica-se que em média os alunos que frequentam uma escola privada são de uma origem económica, social e cultural superior aos que frequentam uma escola pública (Tabela 10). Tabela 10 – Estatística descritiva do indicador nível socioeconómico, global e segundo o tipo de escola Nível Socioeconómico Global Tipo de Escola Pública Privada Número Média 5 144 4 576 518 -0,4 -0,5 0,4 DesvioPadrão 1,2 1,1 1,2 Mínimo Máximo Mediana -3,8 -3,8 -2,7 2,7 2,7 2,7 -0,6 -0,7 0,7 Relativamente à distribuição desta variável, Figura 1, verifica-se que na escola pública existe uma maior concentração em torno dos valores “-2” e “0”, enquanto na escola privada existe uma maior concentração à volta de valores superiores, entre “1” e “2”. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Pública 38 Privada Figura 1 – Distribuição da variável nível socioeconómico segundo o tipo de escola Relativamente ao estatuto profissional dos pais, verifica-se que em média os pais dos alunos que frequentam uma escola privada apresentam um estatuto ocupacional superior aos dos que frequentam uma escola pública (Tabela 11). Tabela 11 – Estatística descritiva do indicador estatuto profissional dos pais, global e segundo o tipo de escola Indicador: Estatuto Profissional dos Pais Global Tipo de Pública Escola Privada Número Média 5 015 4 456 509 43,9 42,2 58,2 DesvioPadrão 21,6 20,8 23,1 Mínimo Máximo Mediana 11,0 11,0 11,0 89,0 89,0 89,0 37,8 36,4 60,9 De acordo com a distribuição do indicador relativo ao Estatuto Profissional dos Pais, Figura 2, verificase que na escola pública existe uma maior frequência nos valores mais baixos deste indicador do estatuto profissional mais alto dos pais. Pública Privada Figura 2 – Distribuição do indicador Estatuto Profissional dos Pais segundo o tipo de escola Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 39 Em relação ao indicador educação dos pais, verifica-se que em média os pais dos alunos que frequentam uma escola privada possuem mais anos de educação do que os que frequentam uma escola pública (Tabela 12, Figura 3). Tabela 12 – Estatística descritiva do indicador educação dos pais, global e segundo o tipo de escola Indicador: Educação dos Pais Global Tipo de Escola Pública Privada Número Média 5 110 4 543 517 11,2 10,9 13,4 DesvioPadrão 4,2 4,1 4,2 Pública Mínimo Máximo Mediana 3,0 17,0 12,0 3,0 3,0 17,0 17,0 12,0 17,0 Privada Figura 3 – Distribuição do indicador educação dos pais segundo o tipo de escola Em relação ao indicador posse de bens domésticos, verifica-se que em média os alunos que frequentam uma escola privada possuem mais recursos em casa do que os que frequentam uma escola pública (Tabela 13). Tabela 13 – Estatística descritiva do indicador posse de bens domésticos, global e segundo o tipo de escola Indicador: Posse de Bens Domésticos Global Tipo de Pública Escola Privada Número Média 5 155 4 587 518 0,2 0,1 0,7 DesvioPadrão 1,0 0,9 0,7 Mínimo Máximo Mediana -6,4 -6,4 -1,9 3,9 3,9 3,9 0,1 0,1 0,7 Relativamente à distribuição do indicador posse de bens domésticos, Figura 4, verifica-se que na escola pública existe uma maior concentração em torno do valor “0”, e que na escola privada a maior concentração está acima desse valor. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Pública 40 Privada Figura 4 – Distribuição do indicador posse de bens domésticos segundo o tipo de escola IV.4. Caracterização da Amostra Segundo o Desempenho Escolar As variáveis dependentes em análise são, como referido anteriormente, os Plausible Values (PV) relativos à Leitura e à Matemática. O desempenho a Leitura e a Matemática são as variáveis mais estudadas na literatura, e também é nestas duas disciplinas que há exames em Portugal no 9º ano, o final do do ensino básico. Em relação aos resultados da Leitura no PISA 2012, medido através do Plausible Values (PV), verificase que o nível 3 é o mais representado em Portugal, com 33,0% dos alunos. A grande maioria dos alunos portugueses encontra-se nos níveis 2 a 4, tal como na média dos países da OCDE (80,6% versus 67,1%). No entanto a proporção de alunos portugueses nos dois níveis de desempenho a Leitura mais elevados, 5 e 6, é inferior à média da proporção dos alunos da OCDE (6,3% versus 8,4%). Tabela 14 – Distribuição do PV Leitura e Matemática segundo os níveis de competência definidos no PISA 2012 Nível 6 5 4 3 2 1a 1b 0 Limite inferior ≥698 626-698 553-626 480-553 407-480 335-407 262-335 <262 Leitura % de Estudantes (Média OCDE) 1,1 7,3 21,1 29,1 23,4 12,3 4,4 1,3 % de estudantes (Base Portugal sem CEF) 0,5 5,8 21,7 33,0 25,9 10,0 2,7 0,4 Nível 6 5 4 3 2 1 0 Limite inferior ≥669 607-669 545-607 482-545 420-482 358-420 <358 Matemática % de Estudantes (Média OCDE) 3,3 9,3 18,2 23,7 22,5 15,0 8,0 % de estudantes (Base Portugal sem CEF) 2,4 9,4 19,2 24,6 23,3 13,8 5,5 Em relação aos resultados da Matemática no PISA 2012, medidos através do Plausible Values, verificase que a maior parte dos alunos (67,1%) enquadra-se nos níveis 2 a 4 tal como nos países da OCDE (64,4%, Tabela 14). A proporção de alunos portugueses com desempenho elevado a Matemática (11,8% nos níveis 5 e 6) é ligeiramente inferior à proporção de 12,6% nos países da OCDE. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 41 A Tabela 15 apresenta a caracterização dos Plausible Values da Leitura e da Matemática de um modo global, segundo o género, país de naturalidade, tipo de escola e ano curricular dos alunos. Tabela 15 – Caracterização dos Plausible Values da Leitura e da Matemática segundo o género, naturalidade, tipo de escola e ano curricular N Global Género País de Naturalidade Tipo de Escola Ano Curricular Feminino Masculino Portugal Outro País Pública Privada 7º/8º Anos 9º Ano 10º/11º Anos 5209 2 670 2 539 4 731 404 4 641 518 594 1 617 2 998 Leitura DesvioMédia Padrão 501,1 84,5 516,4 80,0 485,2 86,0 504,5 82,7 482,1 84,4 496,0 84,4 544,6 71,8 397,3 68,1 466,9 71,5 535,3 70,1 Mediana 503,7 518,8 488,3 506,3 485,3 498,2 544,9 400,6 465,9 536,3 N 5209 2 670 2 539 4 731 404 4 641 518 594 1 617 2 998 Matemática DesvioMédia Padrão 499,0 88,2 485,5 85,9 508,8 89,6 502,1 87,0 477,4 89,8 493,3 87,8 547,3 77,6 387,3 58,0 461,6 73,2 536,1 74,0 Mediana 499,1 488,5 509,5 502,1 479,9 493,6 549,3 386,4 458,0 535,0 Em termos médios, o resultado da Leitura no PISA 2012, medidos através dos Plausible Values, ronda os 501, enquadrando-se igualmente no nível 3. No que se refere ao género, verifica-se que em média as raparigas apresentam um resultado médio superior ao dos rapazes. Em termos de naturalidade, os alunos portugueses tiveram um resultado médio superior aos alunos de outra naturalidade. A comparação segundo o tipo de escola permite perceber que os alunos que frequentam uma escola privada conseguiram obter um resultado médio superior aos que frequentam uma escola pública. Em relação ao ano curricular, o resultado médio obtido pelos alunos na Leitura aumenta consoante o ano curricular que estão a frequentar. No caso da Matemática, e em termos médios, o resultado dos Plausible Values ronda os 499, enquadrando-se igualmente no nível 3. Na comparação por género, verifica-se que em média os rapazes apresentam um resultado médio superior ao das raparigas. Em termos de naturalidade, os alunos portugueses tiverem um resultado médio superior aos alunos de outra naturalidade. Em relação ao tipo de escola, esta comparação permite perceber que os alunos que frequentam uma escola privada conseguiram obter um resultado médio superior aos que frequentam uma escola pública. Relativamente ao ano curricular, o resultado médio obtido pelos alunos na Matemática aumenta consoante o ano curricular que estão a frequentar. IV.5. Resultados IV.5.1. Fatores Explicativos do Desempenho: Análise Individual Neste ponto pretende-se perceber se as variáveis selecionadas como fatores com impacto no desempenho dos alunos estão de facto associadas ao desempenho dos alunos na Leitura e na Matemática. Na Tabela 16 apresentam-se os resultados da regressão linear simples aplicada a cada uma das variáveis e para ambos os casos. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 42 Tabela 16 – Regressão linear simples relativa à Leitura e Matemática usando individualmente cada variável independente Leitura Matemática Valor p Variáveis Constante Declive R2 t-valor5 Constante Declive R2 1 Género 516,41 -31,20 0,034 -11,87*** <0,001 489,53 19,26 0,012 País de 504,52 -22,46 0,005 -4,00*** <0,001 502,13 -24,70 0,005 naturalidade2 3 Tipo de escola 495,96 48,61 0,032 6,42*** <0,001 493,29 53,98 0,036 Nível 513,20 26,04 0,138 15,66*** <0,001 512,71 30,59 0,172 Socioeconómico Estatuto Profissional dos 446,77 1,31 0,117 14,36*** <0,001 433,49 1,55 0,148 Pais Educação dos 437,50 5,86 0,089 12,62*** <0,001 424,96 6,79 0,107 Pais Posse bens 498,07 26,64 0,094 13,34*** <0,001 494,89 31,45 0,118 domésticos Ano Curricular4 Coef. t-valor5 Valor p R2 Coef. t-valor5 Valor p Constante 535,35 193,18*** <0,001 536,11 184,71*** <0,001 7º/8º Ano -138,02 -26,20*** <0,001 0,307 -148,22 -30,50*** <0,001 9º Ano -68,41 -15,07*** <0,001 -74,52 -16,69*** <0,001 1 Feminino (0); Masculino (1) 2 Portugal (0); Outro (1) 3 Pública (0); Privada (1) 4 Ano curricular transformado em variáveis dummies 5 ***estatisticamente significativa a 1%; ** estatisticamente significativa a 5%; * estatisticamente significativa a 10%. t-valor5 7,55*** Valor p <0,001 -4,38*** <0,001 6,66*** <0,001 19,36*** <0,001 18,42*** <0,001 14,61*** <0,001 16,56*** <0,001 R2 0,329 A regressão linear permitiu verificar que todas as variáveis, individualmente, estão associadas ao desempenho dos alunos quer na Leitura, quer na Matemática. No entanto, todas as variáveis apresentaram uma reduzida associação com o desempenho, ou seja menos de 20% da variação do desempenho pode ser explicado por cada uma das variáveis isoladamente (R2 varia entre 0,5% a 17,2%), com exceção do ano curricular que explica cerca 30% do desempenho (R2=30,7% na Leitura e 32,9% na Matemática). Leitura No caso da Leitura, verifica-se que em média os rapazes apresentam piores resultados que as raparigas, sendo esta diferença de cerca de 31 pontos. Os alunos naturais de Portugal apresentam em média melhores resultados do que os alunos naturais de outros países, sendo esta diferença de aproximadamente 22 pontos. Relativamente ao tipo de escola, verifica-se que os alunos que frequentam escolas privadas obtiveram em média melhores resultados na Leitura, sendo esta diferença de cerca de 49 pontos. O ano curricular está associado de forma positiva com o desempenho na Leitura, ou seja, quanto maior o ano curricular que o aluno de 15 anos frequente, maior é em média o seu resultado. O indicador relativo ao nível socioeconómico está associado de forma positiva com o desempenho dos alunos, ou seja, se o aluno tiver uma origem económica, social e cultural superior, espera-se que tenha melhores resultados ao nível do desempenho na Leitura. Pode-se ainda referir que por cada unidade a mais neste indicador, o desempenho do aluno aumenta em média 26 pontos. Os restantes 3 indicadores relativos à educação dos pais, ao estatuto profissional dos pais e à posse de bens domésticos estão associados significativamente e de forma positiva com o desempenho dos alunos na Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 43 Leitura. Assim, quanto maior o estatuto profissional dos pais melhor será, em média, o desempenho do aluno na Leitura. Por outro lado, quanto mais e melhores forem os recursos que o aluno tenha em casa, melhor será em média o seu desempenho. Por fim, no caso da educação dos pais, verifica-se que por cada ano a mais que tenham, o desempenho dos alunos aumenta em média cerca de 6 pontos. Matemática No caso da Matemática, a regressão linear permitiu igualmente verificar que todas as variáveis, individualmente, produzem um efeito significativo no desempenho dos alunos. Em relação ao género verifica-se o oposto relativamente à Leitura. No caso de Matemática, os rapazes é que apresentam em média melhores resultados que as raparigas, sendo esta diferença de cerca de 19 pontos. Assim como na Leitura, os alunos naturais de Portugal apresentam em média melhores resultados na Matemática do que os alunos naturais de outros países, sendo esta diferença de aproximadamente 25 pontos. Relativamente ao tipo de escola, verifica-se igualmente que os alunos que frequentam escolas privadas obtiveram em média melhores resultados na Matemática, sendo esta diferença de cerca de 54 pontos. Na Matemática, o ano curricular também está associado de forma positiva com o desempenho, ou seja, quanto maior o ano curricular que o aluno de 15 anos frequente, maior será em média o seu resultado. De igual forma ao caso da Leitura, a variável relativa ao nível socioeconómico está associada de forma positiva com o desempenho a Matemática dos alunos, ou seja, alunos de origem económica, social e cultural superior, apresentaram em média melhores resultados ao nível do desempenho na Matemática. Os restantes 3 indicadores em análise apresentaram um comportamento idêntico ao verificado em relação à Leitura: todos contribuíram significativamente e de forma positiva para o desempenho dos alunos na Matemática. Assim, quanto maior o estatuto profissional dos pais melhor é em média o desempenho do aluno na Matemática. Por outro lado, quanto mais e melhores os recursos que o aluno tem em casa, melhor é em média o seu desempenho. No caso da educação dos pais, medidas em anos de escolaridade, verifica-se que por cada ano a mais que tenham, o desempenho dos alunos aumenta em média cerca de 7 pontos. IV.5.2. Fatores Explicativos do Desempenho na Leitura e na Matemática: Análise Múltipla Nesta secção pretende-se avaliar o efeito isolado de cada uma das variáveis através da análise de regressão linear múltipla, ou seja após ajustar para o efeito das restantes variáveis. Uma vez que o indicador relativo ao nível socioeconómico é calculado em função da educação dos pais, do estatuto profissional dos pais e da posse de bens domésticos, foram efetuadas duas regressões múltiplas: uma utilizando o nível socioeconómico e outra utilizando os três indicadores em sua substituição. Foi ainda realizada uma regressão linear múltipla com interações para perceber se o desempenho varia entre rapazes e raparigas ou entre escolas privadas e públicas, com o nível socioeconómico. A Tabela 17 apresenta os resultados obtidos para o desempenho dos alunos a Leitura e a Matemática. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 44 Tabela 17 – Regressão linear múltipla relativa à Leitura e Matemática Constante 548,37 Leitura Coef. Estandardi zados - Género1 Variáveis Coef. t-valor5 195,95*** -26,42 -0,16 -11,32*** País de naturalidade2 -1,99 -0,01 -0,44 Tipo de escola3 17,30 0,07 3,12*** -113,81 -0,42 -22,90*** 9º Ano -56,71 -0,31 -14,04*** Nível Socioeconómico 15,59 0,22 11,41*** 7º/8º Ano Variáveis Coef. Coef. Estandardi zados t-valor5 Constante 505,49 - 107,12*** Género1 -26,64 -0,16 -11,21*** País de naturalidade2 1,38 0,004 0,29 Tipo de escola3 17,17 0,01 3,05*** -113,98 -0,41 -23,05*** -57,12 -0,31 -14,02*** 0,41 0,11 5,10*** 1,65 0,08 4,41*** 5,54 0,06 3,24*** 7º/8º Ano 9º Ano Estatuto Profissional dos Pais Educação dos Pais Posse bens domésticos Variáveis Coef. Coef. Estandardi zados t-valor5 Constante 548,83 - 188,29*** Género1 -27,61 -0,17 -10,46*** País de naturalidade2 -1,81 -0,01 -0,40 Tipo de escola3 16,18 0,06 3,13*** -114,36 -0,42 -23,17*** -56,85 -0,31 -14,07*** 16,52 0,24 8,31*** 4,12 0,02 1,21 -3,01 -0,03 -1,47 7º/8º Ano 9º Ano Nível Socioeconómico Nível Socioeconómico* Tipo de escola Nível Socioeconómico* R2 Valor p <0,001 <0,001 0,660 0,378 <0,001 <0,001 <0,001 <0,001 R2 Valor p <0,001 <0,001 0,772 0,002 <0,001 0,372 <0,001 <0,001 <0,001 0,001 R2 Valor p <0,001 <0,001 0,689 0,002 <0,001 0,378 <0,001 <0,001 0,226 0,142 Coef. 526,08 Matemática Coef. Estandard t-valor5 izados 181,51*** 24,43 0,14 11,56*** -1,50 -0,004 -0,34 14,97 0,05 2,87*** -128,74 -0,45 -26,09*** -64,65 -0,33 -16,67*** 18,14 0,25 13,95*** Coef. Coef. Estandard izados t-valor5 478,88 - 85,36*** 24,80 0,14 11,43*** 2,08 0,01 0,44 13,84 0,05 2,57** -127,20 -0,43 -25,95*** -64,72 -0,34 -16,57*** 0,57 0,15 7,16*** 1,23 0,06 3,31*** 8,08 0,09 4,85*** Coef. Coef. Estandard izados t-valor5 526,89 - 181,35*** 22,45 0,19 9,43*** -1,19 -0,004 -0,27 13,47 0,05 2,84*** -129,57 -0,45 -20,34*** -64,84 -0,33 -18,43*** 19,83 0,27 10,32*** 5,74 0,03 1,78* -5,00 -0,05 -2,47** R2 Valor p <0,001 <0,001 0,734 0,412 0,004 <0,001 <0,001 <0,001 R2 Valor p <0,001 <0,001 0,660 0,010 <0,001 0,406 <0,001 <0,001 0,001 <0,001 R2 Valor p <0,001 <0,001 0,787 0,005 <0,001 0,413 <0,001 <0,001 0,075 0,014 Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 45 Género 1 Feminino (0); Masculino (1) Portugal (0); Outro (1) 3 Pública (0); Privada (1) 4 Ano curricular transformado em variáveis dummies 5 ***estatisticamente significativa a 1%; ** estatisticamente significativa a 5%; * estatisticamente significativa a 10%. 2 No caso da regressão que inclui o nível socioeconómico, verifica-se que o país de naturalidade não é um fator explicativo do desempenho, tanto na Leitura como na Matemática, sendo que as variáveis que mais influência têm são as relativas ao ano curricular. A segunda variável com mais influência, e, neste caso, positivamente, é a do nível socioeconómico. Relativamente à regressão envolvendo os três indicadores - estatuto profissional dos pais, educação dos pais e posse dos bens domésticos - verifica-se igualmente que o país de naturalidade não ajuda a explicar o desempenho na Leitura e na Matemática. É, também neste caso, o ano curricular que mais influencia o desempenho na Leitura e Matemática. Em relação às três variáveis que representam o nível socioeconómico, verifica-se que a que se refere ao estatuto profissional dos pais tem um maior contributo do que as restantes, tanto na Leitura como na Matemática. Por último, na regressão com interações, verifica-se que no caso da Leitura as interações consideradas não são significativas. Ou seja, o efeito do nível socioeconómico no desempenho na Leitura não depende nem do género nem do tipo de escola. Na Matemática, as interações são consideradas significativas: a do nível socioeconómico com o tipo de escola a um nível de significância de 10% e a do nível socioeconómico com o género a 5%. Assim, o efeito do nível socioeconómico no desempenho a Matemática depende do tipo de escola e do género. No sentido de melhor perceber esta interação e o seu peso no desempenho a Matemática, a Tabela 18 apresenta 3 cenários do nível socioeconómico (-2,5; 0; e 2,5) para a determinação desse desempenho. Para o cálculo da percentagem da diferença do desempenho foi considerada a amplitude máxima das amplitudes obtidas em cada um dos plausible values (PV1/PV2/PV3/PV4/PV5). Tabela 18 – Efeito da interação do nível socioeconómico Nível Socioeconómico -2,5 0 2,5 Nível Socioeconómico -2,5 0 2,5 Diferença Desempenho nota escola pública/privada -0,88 13,47 27,82 Diferença Desempenho nota raparigas/rapazes 34,95 -0,15 2,22 Na Escala 0-20 -0,03 0,44 4,59 0,94 Em % 6,19 Na Escala 0-20 1,24 22,45 3,98 0,80 9,95 1,76 0,35 Em % Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 46 Assim, verifica-se que o efeito do tipo de escola no desempenho a Matemática aumenta com o nível socioeconómico em que o aluno se insere. Ou seja, as escolas privadas para um nível socioeconómico mais elevado apresentam uma diferença de quase 1 valor no desempenho (escala 0-20). No entanto, quando o nível socioeconómico é baixo, a diferença no desempenho ente escolas públicas e privadas é muito baixa. No caso do género, verifica-se que à medida que aumenta o nível socioeconómico, a diferença do desempenho a Matemática entre raparigas e rapazes é cada vez menor. Ou seja, no caso de níveis socioeconómicos mais altos, as raparigas tendem a obter um desempenho a Matemática mais próximo do dos rapazes (diferença de 0,35 na escala 0-20). No entanto, quando o nível socioeconómico é baixo, a diferença no desempenho ente raparigas e rapazes ultrapassa 1 valor (na escala 0-20). Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 47 V. Conclusões Inicialmente, partimos para este projecto com o intuito de utilizar o aluno como unidade estatística, em vez da escola (opção utilizada em trabalhos anteriores) no sentido de melhor compreender não só as diferenças de desempenho entre escolas, mas também as diferenças de desempenho dentro das escolas. Infelizmente, não foi possível durante o tempo de realização do projecto obter os dados de desempenho dos alunos das escolas portuguesas, bem como dados sobre os fatores que determinam esse desempenho, com o grau de desagregação adequado. Assim, obtiveram-se os dados do PISA 2012 para Portugal e trabalharam-se esses dados à luz da revisão da literatura internacional efectuada sobre medição do desempenho de escolas, bem como da revisão do estudos levados a cabo em Portugal. É de salientar que os modelos obtidos tendencialmente ‘explicam’ até 40% do desempenho observado das escolas a Matemática e a Leitura, valores que se aproximam dos obtidos nos modelos de medição do desempenho das escolas utilizados no programa de avaliação externa de escolas da IGEC, que também foram desenvolvidos por investigadores do CIPES. Este facto valida, de alguma forma, o exercício levado a cabo anualmente pela IGEC e que dá informação aos avaliadores externos em que medida o desempenho da escola que avaliam está em linha, aquém, ou além do que seria de esperar face a determinantes do desempenho que a escola não controla, tais como o estatuto socioeconómico dos seus alunos. É ainda de salientar que o ano curricular que o aluno frequenta, um indicador de desempenho prévio do aluno, é a variável com mais peso nos modelos obtidos. Este resultado também está em linha com os modelos utilizados pela IGEC, em que a idade do aluno, também ela indicadora de desempenho prévio, é o factor com mais peso. Os modelos desenvolvidos ajudam a ‘explicar’ as diferenças de desempenho entre escolas, e mostram que o contexto tem mais impacto no desempenho a Matemática do que na Leitura. Também mostram o papel fundamental da escola na obtenção de bons resultados, para além dos fatores que não controla, como sejam as características socioeconómicas dos alunos. O facto de o ensino privado obter melhores resultados que o ensino público, mesmo quando se leva em consideração variáveis de contexto socioeconómico dos alunos traz à discussão novamente a questão da autonomia de gestão das escolas e o seu potencial papel no desempenho dos seus alunos. A amostra de escolas de ensino privado que foi utilizada no estudo inclui escolas totalmente privadas, bem como escolas que sendo de propriedade privada têm financiamento público. A amostra era demasiado pequena para verificar se existem diferenças de desempenho entre grupos. Esta parece ser uma questão que valerá a pena explorar melhor em estudos futuros. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 48 Referências Abdulkadiroglu, A., Angrist, J. D., Dynarski, S. M., Kane, T. J., & Pathak, P. A. (2011). ACCOUNTABILITY AND FLEXIBILITY IN PUBLIC SCHOOLS: EVIDENCE FROM BOSTON'S CHARTERS AND PILOTS. Quarterly Journal of Economics, 126(2), 699-748. doi: 10.1093/qje/qjr017 Afonso, A., & St. Aubyn, M. (2006). Cross-country efficiency of secondary education provision: A semiparametric analysis with non-discretionary inputs. Economic Modelling, 23(3), 476-491. doi: http://dx.doi.org/10.1016/j.econmod.2006.02.003 Ahtola, A., Silinskas, G., Poikonen, P. L., Kontoniemi, M., Niemi, P., & Nurmi, J. E. (2011). Transition to formal schooling: Do transition practices matter for academic performance? Early Childhood Research Quarterly, 26(3), 295-302. doi: 10.1016/j.ecresq.2010.12.002 Almeida, V. (Coord.), Curado, A. P., Sarrico, C. S., Nunes, J., Azevedo, J. J., Azevedo, J. M., Duarte, M. L. & Teixeira, P. N. (2011). Propostas para um novo ciclo de avaliação externa de escolas, Relatório Final. Ministério da Educação, Lisboa. (Disponível em http://www.ige.min-edu.pt/upload/Relatorios/AEE2_GT_2011_RELATORIO_FINAL.pdf) Attewell, P., & Domina, T. (2008). Raising the bar: Curricular intensity and academic performance. Educational Evaluation and Policy Analysis, 30(1), 51-71. doi: 10.3102/0162373707313409 Benabou, R., Kramarz, F., & Prost, C. (2009). The French zones d'education prioritaire: Much ado about nothing? Economics of Education Review, 28(3), 345-356. doi: 10.1016/j.econedurev.2008.04.005 Berlinski, S., Galiani, S., & Gertler, P. (2009). The effect of pre-primary education on primary school performance. Journal of Public Economics, 93(1-2), 219-234. doi: 10.1016/j.jpubeco.2008.09.002 Berlinski, S., Galiani, S., & Manacorda, M. (2008). Giving children a better start: Preschool attendance and school-age profiles. Journal of Public Economics, 92(5-6), 1416-1440. doi: 10.1016/j.jpubeco.2007.10.007 Callahan, R. M. (2005). Tracking and high school English learners: Limiting opportunity to learn. American Educational Research Journal, 42(2), 305-328. doi: 10.3102/00028312042002305 Carbonaro, W. (2005). Tracking, students' effort, and academic achievement. Sociology of Education, 78(1), 27-49. Cardoso, M. F., Pinto, M. F., Sarrico, C. S., Rosa, M. J. (2011). Different perspectives on academic performance in Portuguese secondary schools. First Lisbon Research Workshop on Economics and Econometrics of Education, Lisbon, 7-8 Janeiro, 2011. Carneiro, P. (2008). Equality of opportunity and educational achievement in Portugal. Portuguese Economic Journal, 7(1), 17-41. doi: 10.1007/s10258-007-0023-z Cavanagh, S. E., Schiller, K. S., & Riegle-Crumb, C. (2006). Marital transitions, parenting, and schooling: Exploring the link between family-structure history and adolescents' academic status. Sociology of Education, 79(4), 329-354. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 49 Chiang, H. (2009). How accountability pressure on failing schools affects student achievement. Journal of Public Economics, 93(9-10), 1045-1057. doi: 10.1016/j.jpubeco.2009.06.002 Clark, P., Crawford, P., Steele, F. & Vignoles, A. (2010). The Choice Between Fixed and Random Effects Models: Some Considerations For Educational Research. Centre for Market and Public Organisation, Bristol Institute of Public Affairs, University of Bristol. Clements, M. A., Reynolds, A. J., & Hickey, E. (2004). Site-level predictors of children's school and social competence in the Chicago Child-Parent Centers. Early Childhood Research Quarterly, 19(2), 273-296. doi: 10.1016/j.ecresq.2004.04.005 Clotfelter, C. T., Ladd, H. F., & Vigdor, J. L. (2010). Teacher Credentials and Student Achievement in High School A Cross-Subject Analysis with Student Fixed Effects. Journal of Human Resources, 45(3), 655-681. Cottaar, A. (2012). Low (linear) teacher effect on student achievement in pre-academic physics education. Journal of Research in Science Teaching, 49(4), 465-488. doi: 10.1002/tea.21011 Crosnoe, R., & Cooper, C. E. (2010). Economically Disadvantaged Children's Transitions into Elementary School: Linking Family Processes, School Contexts, and Educational Policy. American Educational Research Journal, 47(2), 258-291. doi: 10.3102/0002831209351564 Crosnoe, R., & Schneider, B. (2010). Social Capital, Information, and Socioeconomic Disparities in Math Course Work. American Journal of Education, 117(1), 79-107. doi: 10.1086/656347 Cullen, J. B., Jacob, B. A., & Levitt, S. (2006). The effect of school choice on participants: Evidence from randomized lotteries. Econometrica, 74(5), 1191-1230. doi: 10.1111/j.1468-0262.2006.00702.x Cullen, J. B., Jacob, B. A., & Levitt, S. D. (2005). The impact of school choice on student outcomes: an analysis of the Chicago Public Schools. Journal of Public Economics, 89(5-6), 729-760. doi: 10.1016/j.jpubeco.2004.05.001 Dias, V. M., & Ferrão, M. E. (2006). Modelo Multinível do Desempenho Escolar de Alunos Socialmente Desfavorecidos em Escolas Públicas/Privadas – Aplicação aos Dados Portugueses do PISA 2000. Psicologia e Educação, V(2), 63-77. Dignath, C., & Buttner, G. (2008). Components of fostering self-regulated learning among students. A meta-analysis on intervention studies at primary and secondary school level. Metacognition and Learning, 3(3), 231-264. doi: 10.1007/s11409-008-9029-x Entwisle, D. R., Alexander, K. L., & Olson, L. S. (2007). Early schooling: The handicap of being poor and male. Sociology of Education, 80(2), 114-138. Evans, G. W., & Rosenbaum, J. (2008). Self-regulation and the income-achievement gap. Early Childhood Research Quarterly, 23(4), 504-514. doi: 10.1016/j.ecresq.2008.07.002 Ferrão, M. E. (2009). Sensivity of Value Added Model Specifications: Measuring Socio-Economic Status. Revista de Educación, 348, 137–152. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 50 Ferrão, M. E., & Goldstein, H. (2009). Adjusting for measurement error in the value added model: Evidence from Portugal. Quality and Quantity, 43, 951–963. Gallant, D. J. (2009). Predictive validity evidence for an assessment program based on the Work Sampling System in mathematics and language and literacy. Early Childhood Research Quarterly, 24(2), 133-141. doi: 10.1016/j.ecresq.2009.03.003 Goldstein, H. (2010). Multilevel statistical models, 4th edition. John Wiley & Sons, West Sussex, UK. Gottfried, M. A. (2010). Evaluating the Relationship between Student Attendance and Achievement in Urban Elementary and Middle Schools: An Instrumental Variables Approach. American Educational Research Journal, 47(2), 434-465. doi: 10.3102/0002831209350494 Goux, D., & Maurin, E. (2007). Close neighbours matter: Neighbourhood effects on early performance at school. Economic Journal, 117(523), 1193-1215. doi: 10.1111/j.1468-0297.2007.02079.x Hanushek, E. A. (2005). The Economics of school quality. German Economic Review, 6 (3), 269-286. Hanushek, E. A. & Woessmann, L. (2009). Do Better Schools Lead to More Growth? Cognitive Skills, Economic Outcomes, and Causation. vol NBER Working Paper No. 14633. National Bureau of Economic Research, Cambridge, MA. Hanushek, E. A. (2011). The economic value of higher teacher quality. Economics of Education Review. doi:10.1016/j.econedurev.2010.12.006. Hill, L. D. (2008). School strategies and the "College-Linking" process: Reconsidering the effects of high schools on college enrollment. Sociology of Education, 81(1), 53-76. Husain, M., & Millimet, D. L. (2009). The mythical 'boy crisis'? Economics of Education Review, 28(1), 38-48. doi: 10.1016/j.econedurev.2007.11.002. Jesson, D. & Gray, J. (1991). Slants on slopes: using multi-level models to investigate differential school effectiveness and its impact on pupils' examination results. School Effectiveness and School Improvement, 2 (3):230-247. Karbach, J., Gottschling, J., Spengler, M., Hegewald, K., & Spinath, F. M. (2013). Parental involvement and general cognitive ability as predictors of domain-specific academic achievement in early adolescence. Learning and Instruction, 23, 43-51. doi: 10.1016/j.learninstruc.2012.09.004 Leana, C. R., & Pil, F. K. (2006). Social capital and organizational performance: Evidence from urban public schools. Organization Science, 17(3), 353-366. doi: 10.1287/orsc.1060.0191 Lee, J. S., & Bowen, N. K. (2006). Parent involvement, cultural capital, and the achievement gap among elementary school children. American Educational Research Journal, 43(2), 193-218. doi: 10.3102/00028312043002193 Lee, V. E., & Burkam, D. T. (2003). Dropping out of high school: The role of school organization and structure. American Educational Research Journal, 40(2), 353-393. doi: 10.3102/00028312040002353 Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 51 Maerten-Rivera, J., Myers, N. D., Lee, O., & Penfield, R. (2010). Student and School Predictors of HighStakes Assessment in Science. Science Education, 94(6), 937-962. doi: 10.1002/sce.20408 Maltese, A. V., & Hochbein, C. D. (2012). The Consequences of "School Improvement": Examining the Association between Two Standardized Assessments Measuring School Improvement and Student Science Achievement. Journal of Research in Science Teaching, 49(6), 804-830. doi: 10.1002/tea.21027 Mattern, K. D., & Patterson, B. F. (2013). Test of Slope and Intercept Bias in College Admissions: A Response to Aguinis, Culpepper, and Pierce (2010). Journal of Applied Psychology, 98(1), 134-147. doi: 10.1037/a0030610 McEwan, P. J., & Shapiro, J. S. (2008). The benefits of delayed primary school enrollment Discontinuity estimates using exact birth dates. Journal of Human Resources, 43(1), 1-29. Meyer, R. H. (1997). Value-added indicators of school performance: a primer. Economics of Education Review, 16 (3): 283-301. Muller, C., Riegle-Crumb, C., Schiller, K. S., Wilkinson, L., & Frank, K. A. (2010). Race and Academic Achievement in Racially Diverse High Schools: Opportunity and Stratification. Teachers College Record, 112(4), 1038-1063. Nolen, S. B. (2003). Learning environment, motivation, and achievement in high school science. Journal of Research in Science Teaching, 40(4), 347-368. doi: 10.1002/tea.10080 Nurmi, J. E., & Aunola, K. (2005). Task-motivation during the first school years: A person-oriented approach to longitudinal data. Learning and Instruction, 15(2), 103-122. doi: 10.1016/j.learninstruc.2005.04.009 OECD (2010a). Education at a Glance 2010. OECD, Paris. OECD (2010b) Pisa 2009 Results: What makes a School Successful? Resources, Policies and Practices (Volume IV). Oliveira, M. A., & Santos, C. (2005). Assessing school efficiency in Portugal using FDH and bootstrapping. Applied Economics, 37(8), 957-968. doi: 10.1080/00036840500061095 Oliveira, P. G. (Coordenador), Clímaco, M. C., Carravilla, M. A., Sarrico, C. S., Azevedo, J. M. & Oliveira J. F. (2006). Relatório Final da Actividade do Grupo de Trabalho para a Avaliação das Escolas. Ministério da Educação, Lisboa. (Disponível em http://www.ige.min-edu.pt/upload/Relatorios/AEE_06_RELATORIO_GT.pdf) Opdenakker, M.-C., & Damme, J. V. (2007). Do school context, student composition and school leadership affect school practice and outcomes in secondary education? British Educational Research Journal, 33(2), 179-206. Pereira, M. C. (2010). Desempenho educativo e igualdade de oportunidades em Portugal e na Europa: o papel da escola e a influência da família. Boletim Económico | Banco de Portugal, 25-48. Pereira, M. C., & Moreira, S. (2007). Eficiência das escolas secundárias portuguesas: uma análise de fronteira de produção estocástica. Boletim Económico | Banco de Portugal, 101-118. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 52 Pereira, M. C., & Reis, H. (2012). Diferenças regionais no desempenho dos alunos portugueses: evidência do programa PISA da OCDE. Boletim Económico | Banco de Portugal, 59-83. Portela, M. C. A. S. (2012). O valor acrescentado nas escolas portuguesas. Paper presented at the Seminário nacional Programa AVES - O valor acrescentado das escolas: resultados do Programa AVES (2006-2011), Porto. Portela, M. C. A. S., Camanho, A. S., & Borges, D. N. (2011). BESP – benchmarking of Portuguese secondary schools. Benchmarking: An International Journal, 18(2), 240 - 260. Portela, M. C. A. S., Camanho, A. S., Fernandes, M., & Borges, D. (2009). BESP – Benchmarking de escolas secundárias Portuguesas. Paper presented at the IO 2009 – 14º Congresso da APDIO. Portela, M. C. S., Camanho, A., & Azevedo, J. (2007). Análise do valor acrescentado de escolas portuguesas. Revista portuguesa de investigação educacional, 5, 129-163. Raudenbush, S. W. & Bryk, A. S. (2002). Hierarchical linear models: Applications and data analysis methods. 2nd edn. Sage, Thousand Oaks. Rhoades, B. L., Warren, H. K., Domitrovich, C. E., & Greenberg, M. T. (2011). Examining the link between preschool social-emotional competence and first grade academic achievement: The role of attention skills. Early Childhood Research Quarterly, 26(2), 182-191. doi: 10.1016/j.ecresq.2010.07.003 Riegle-Crumb, C. (2006). The path through math: Course sequences and academic performance at the intersection of race-ethnicity and gender. American Journal of Education, 113(1), 101-122. Riegle-Crumb, C., & Grodsky, E. (2010). Racial-Ethnic Differences at the Intersection of Math Coursetaking and Achievement. Sociology of Education, 83(3), 248-270. doi: 10.1177/0038040710375689 Rumberger, R. W., & Palardy, G. J. (2005). Test scores, dropout rates, and transfer rates as alternative indicators of high school performance. American Educational Research Journal, 42(1), 3-42. doi: 10.3102/00028312042001003 Sarrico, C. S., & Rosa, M. J. (2009). Measuring and comparing the performance of Portuguese secondary schools: a confrontation between metric and practice benchmarking. International Journal of Productivity and Performance Management. 58(8), 767-786. Sarrico, C. S., Rosa, M. J., & Coelho, P. C. (2010). The Performance of Portuguese Secondary Schools. An exploratory study. Quality Assurance in education. 18(4), 286-303. Sarrico, C. S., Rosa, M. J., & Manatos, M. J. (2012). School performance management practices and school achievement. International Journal of Productivity and Performance Management, 61(3), 272289. Sarrico, C. S. (2014). Avaliação e gestão do desempenho de escolas em Portugal: O juízo, o juiz, o modelo do juiz e o julgado. In: Rodrigues, M. L. (Org). 40 Anos de Políticas de Educação em Portugal. Volume II. Almedina, Coimbra, pp 271-286. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 53 Schiller, K. S., & Muller, C. (2003). Raising the bar and equity? Effects of state high school graduation requirements and accountability policies on students' mathematics course taking. Educational Evaluation and Policy Analysis, 25(3), 299-318. doi: 10.3102/01623737025003299 Schoenbach, V. J. & Rosamond, W. D. (2000). Understanding the fundamentals of epidemiology - an evolving text. University of North Carolina, Chapel Hill. Schommer-Aikins, M., Duell, O. K., & Hutter, R. (2005). Epistemological beliefs, mathematical problemsolving beliefs, and academic performance of middle school students. Elementary School Journal, 105(3), 289-304. Sektnan, M., McClelland, M. M., Acock, A., & Morrison, F. J. (2010). Relations between early family risk, children's behavioral regulation, and academic achievement. Early Childhood Research Quarterly, 25(4), 464-479. doi: 10.1016/j.ecresq.2010.02.005 Sheldon, S. B. (2007). Improving student attendance with school, family, and community partnerships. Journal of Educational Research, 100(5), 267-275. doi: 10.3200/joer.100.5.267-275 Simões, F., Loureiro, M., Ferrão, M. E., Tavares, A., & Teles, J. (2006). Variáveis cognitivas no âmbito do Projecto 3EM: Contributos para a precisão e validade da BPRD. Psicologia e Educação, V(2), 101108. Stipek, D., Newton, S., & Chudgar, A. (2010). Learning-related behaviors and literacy achievement in elementary school-aged children. Early Childhood Research Quarterly, 25(3), 385-395. doi: 10.1016/j.ecresq.2009.12.001 Tang, S., Dearing, E., & Weiss, H. B. (2012). Spanish-speaking Mexican-American families' involvement in school-based activities and their children's literacy: The implications of having teachers who speak Spanish and English. Early Childhood Research Quarterly, 27(2), 177-187. doi: 10.1016/j.ecresq.2011.09.001 Voight, A., Shinn, M., & Nation, M. (2012). The Longitudinal Effects of Residential Mobility on the Academic Achievement of Urban Elementary and Middle School Students. Educational Researcher, 41(9), 385-392. doi: 10.3102/0013189x12442239 Wang, M. T., & Holcombe, R. (2010). Adolescents' Perceptions of School Environment, Engagement, and Academic Achievement in Middle School. American Educational Research Journal, 47(3), 633-662. doi: 10.3102/0002831209361209 Wood, N. B., Lawrenz, F., Huffman, D., & Schultz, M. (2006). Viewing the school environment through multiple lenses: In search of school-level variables tied to student achievement. Journal of Research in Science Teaching, 43(3), 237-254. doi: 10.1002/tea.20108 Yamamoto, Y., Holloway, S. D., & Suzuki, S. (2006). Maternal involvement in preschool children's education in Japan: Relation to parenting beliefs and socioeconomic status. Early Childhood Research Quarterly, 21(3), 332-346. doi: 10.1016/j.ecresq.2006.07.008 Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 54 Zijlstra, H., Wubbels, T., Brekelmans, M., & Koomen, H. M. Y. (2013). CHILD PERCEPTIONS OF TEACHER INTERPERSONAL BEHAVIOR AND ASSOCIATIONS WITH MATHEMATICS ACHIEVEMENT IN DUTCH EARLY GRADE CLASSROOMS. Elementary School Journal, 113(4), 517-540. doi: 10.1086/669618 Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 55 Anexo A - Abordagem Metodológica da Revisão da Literatura Com o intuito de identificar os fatores que explicam diferenças de desempenho entre escolas e as técnicas estatísticas utilizadas, foi feita uma pesquisa da literatura relevante para esta temática na base de dados bibliográficos Web of Science, uma vez que esta é a base de dados mais reconhecida pela comunidade científica. Os artigos selecionados foram depois objeto de um processo de revisão de literatura. A pesquisa e revisão da literatura seguiram o processo apresentado no fluxograma da Figura 5, onde se destacam as seguintes tarefas: Definição da equação de pesquisa; Pesquisa e refinamento da pesquisa; Definição dos critérios de exclusão e de inclusão; Análise dos resumos dos artigos e categorização dos artigos; Análise dos artigos cujos resumos não apontam uma categoria no resumo para os poder categorizar; Leitura dos artigos da categoria “técnicas estatísticas” e elaboração de um quadro resumo dos mesmos. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 56 Figura 5 – Fluxograma do processo da revisão da literatura. 1. Definição da Equação de Pesquisa Para construir a equação de pesquisa é necessário, numa primeira fase, identificar os conceitos associados à temática, seguindo-se a associação de sinónimos aos conceitos, para definir, finalmente, a lógica booleana entre os conceitos e respetivos sinónimos. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 57 Neste sentido, e com base no objetivo geral, destacam-se os conceitos: Conceito 1 - Desempenho escolar; Conceito 2 – Escolas básicas e secundárias. Com base no thesaurus ERIC e nas palavras-chave de alguns artigos anteriormente analisados, foi efetuada uma lista de sinónimos para cada um dos conceitos. Conceito 1 - Desempenho escolar: School effectiveness; School performance; Student achievement; Outcomes of education; Student outcomes; Student evaluation; Value added; School characteristics; School success; Education performance; Student performance; Academic achievement; Academic performance. Conceito 2 – Escolas: Secondary school; Secondary education; Primary school; Elementary school; Junior school; Middle school; High school. Com base na lista de sinónimos foi, então, construída a lógica booleana (Tabela 19). Tabela 19 - Lógica booleana da lista de sinónimos. Conceito 1 Conceito 2 Desempenho escolar Escolas School effectiveness Primary school OR OR School performance Primary education OR OR Student achievement Elementary school OR OR Outcomes of education Junior school OR OR Student outcomes Middle school OR OR Student evaluation High school AND OR OR Value added Secondary school OR OR School characteristics Secondary education OR School success OR Education performance OR Student performance OR Academic achievement OR Academic performance De acordo com a lógica booleana, a equação de pesquisa é (TS corresponde ao campo onde se efetuou a pesquisa na base de dados bibliográfica Web of Science – título, resumo e palavras-chave): Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 58 TS=("school effectiveness" OR "school performance" OR "student achievement" OR "outcomes of education" OR "student outcomes" OR "student evaluation" OR "value added" OR "school characteristics" OR "school success" OR "education performance" OR "student performance" OR "academic achievement" OR "academic performance") AND TS=("secondary school" OR "secondary education" OR "primary school" OR "elementary school" OR "junior school" OR "middle school" OR "high school"). 2. Pesquisa e Refinação da Pesquisa Com base na equação definida, foi efetuada a pesquisa na base de dados no dia 20 de setembro de 2013, tendo-se obtido 4 716 artigos, os quais foram sujeitos a um processo de refinamento de acordo com os critérios da base de dados Web of Science (Tabela 20). Tabela 20 - Critérios utilizados para refinar a pesquisa. Base de dados Anos (última década) Língua Tipo de documentos Países: USA e Europa Áreas de investigação Categorias Critérios utilizados para refinar a pesquisa Databases=SCI-EXPANDED, SSCI Timespan=2003-2013 Languages=(ENGLISH OR PORTUGUESE ) Document Types=(ARTICLE) Countries/Territories=( POLAND OR PORTUGAL OR IRELAND OR ROMANIA OR AUSTRIA OR ITALY OR SCOTLAND OR BELGIUM OR SPAIN OR CROATIA OR SWEDEN OR LUXEMBOURG OR SWITZERLAND OR CYPRUS OR CZECH REPUBLIC OR DENMARK OR MALTA OR ENGLAND OR ESTONIA OR NETHERLANDS OR FINLAND OR USA OR FRANCE OR NORTH IRELAND OR GERMANY OR NORWAY OR GREECE OR HUNGARY OR ICELAND) Research Areas=( EDUCATION EDUCATIONAL RESEARCH OR BUSINESS ECONOMICS OR SOCIAL SCIENCES OTHER TOPICS OR MATHEMATICS OR MATHEMATICAL METHODS IN SOCIAL SCIENCES ) Web of Science Categories=(EDUCATION EDUCATIONAL RESEARCH OR STATISTICS PROBABILITY OR ECONOMICS OR MANAGEMENT OR SOCIAL SCIENCES MATHEMATICAL METHODS) Nº de artigos 4 490 3 354 3 128 Em português (5) 2 965 2 330 1 063 904 A tarefa de refinamento passou por várias etapas desde a escolha da base de dados de pesquisa dentro da Web of Science, anos de publicação dos trabalhos, língua usada na escrita dos trabalhos, tipo de trabalhos, países de origem dos trabalhos, áreas de investigação e suas categorias. No final das várias iterações de refinamento obtiveram-se 904 artigos, para os quais a média de citação por artigo é 7,33, o h-index é 35 (ou seja, existem 35 artigos com 35 ou mais citações) e a média da média de citações por ano é de 1,18. 3. Definição dos Critérios de Exclusão e de Inclusão Sendo elevado o número de artigos, obtidos a partir da pesquisa inicial e dos diversos refinamentos efetuados, procedeu-se à definição de um critério de exclusão que permitisse reduzir o número de artigos objeto de análise. O critério definido baseou-se no número médio de citações por ano dos Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 59 artigos. No entanto, ao excluir os artigos menos citados, aumenta-se a probabilidade de deixar de fora da análise artigos mais recentes, uma vez que estes têm habitualmente menos citações. Assim sendo, foram igualmente definidos critérios de inclusão para permitir a introdução dos artigos de autores com mais citações e/ou publicados em revistas com mais prestígio (medido pelo seu maior fator de impacto). 3.1. Definição dos Critérios de Exclusão dos Artigos - média da média de citações por ano Relativamente aos 904 artigos resultantes da pesquisa inicial e do posterior refinamento, e tendo por base o número médio da média de citações por ano (1,18), foi decido excluir da análise todos os artigos cujo número médio da média de citações por ano fosse inferior a 1,18. Desta forma, retiveram-se para posterior análise 303 artigos, com um valor médio da média de citações por ano igual ou superior a 1,18. Como este número continuava a ser demasiado elevado para proceder uma revisão exaustiva dos artigos, o mesmo critério de exclusão voltou a ser aplicado. Assim sendo, verificou-se qual o número médio da média de citações por ano para os 303 artigos, que foi de 2,81. Optou-se, então, por excluir da análise todos os artigos com um número médio da média de citações por ano inferior a 2,81. Com este processo obtiveram-se 95 artigos com valor médio da média de citações por ano superior ou igual 2,81, os quais foram retidos para análise posterior. 3.2. Definição dos Critérios de Inclusão dos Artigos – autores com mais citações e revistas com maior fator de impacto Ao excluir artigos com um menor número médio da média de citações por ano, existe a probabilidade de deixar ficar de fora da análise artigos de autores relevantes ou publicados em revistas conceituadas, apenas porque são muito recentes. De forma a procurar ultrapassar essa debilidade do processo de exclusão, definiram-se dois critérios de inclusão de artigos: Artigos dos autores com maior número de citações entre os 904 artigos inicialmente pesquisados; Artigos publicados nas revistas com maior fator de impacto entre os 904 artigos inicialmente pesquisados. Para incluir os artigos dos autores com maior número de citações, foram identificados os 100 autores com mais artigos presentes na listagem dos 904 e, para cada um deles, foram selecionados os seus artigos. Para cada um dos autores foi depois calculado o número de artigos, o número total de citações e o número médio de citações. Dos 100 autores, a média do número total das citações é 27,55 e a média do número médio de citações é 8,95. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 60 Com base nestes dois valores foi definido o seguinte critério de inclusão: incluir os artigos dos autores com média do número total de citações maior ou igual a 28 e com média do número médio de citações maior ou igual a 9. Ao aplicar o critério de inclusão definido anteriormente, foram selecionados 26 autores, aos quais correspondem 44 novos artigos. Assim, aos 95 artigos selecionados de acordo com os critérios de exclusão definidos, foram adicionados 44 artigos, o que perfaz um total de 139. Para incluir artigos das revistas com maior fator de impacto, foram identificadas as 100 revistas com maior número de artigos nos 904 artigos pesquisados. Para cada revista foi pesquisado e introduzido o seu fator de impacto. Desta forma, foi calculada a média dos fatores de impacto das 100 revistas, o que deu um valor de 1,29. Com base neste valor foi definido o seguinte critério de inclusão: incluir artigos das revistas com fator de impacto igual ou superior a 1,29. Foram, então, selecionadas 38 revistas, que correspondem a mais 225 artigos (não havendo duplicação). Sendo este número de artigos excessivo, efetuou-se nova iteração para o processo de seleção dos artigos publicados em revistas com maior impacto. Com base nas 38 revistas selecionadas anteriormente, foi novamente calculado o valor médio dos fatores de impacto (2,15). Aplicando outra vez o critério de inclusão, selecionaram-se os artigos das revistas com fator de impacto igual ou superior a 2,15. Assim sendo, foram selecionadas 13 revistas, o que corresponde a 80 artigos. Estes 80 artigos foram, então, adicionados aos 139 artigos anteriormente selecionados, o que perfaz um total de 219 artigos para análise. 4. Análise dos Resumos e/ou Artigos e Categorização dos Artigos Para dar continuidade ao processo de pesquisa e revisão da literatura, foram, então, analisados os 219 artigos selecionados com base na Leitura do seu título e resumo. Para cada um dos artigos procurou identificar-se o tipo de técnicas de análise utilizadas, o que possibilita a sua classificação em três classes: artigos em que se utilizam técnicas estatísticas, artigos em que se utilizam outras técnicas, e artigos híbridos, em que são utilizadas várias técnicas. No entanto, no decorrer desta tarefa, verificou-se que nem sempre é possível proceder a esta classificação apenas pela Leitura do resumo, uma vez que este nem sempre contém informação para categorizar os artigos pelas técnicas usadas. Nestes casos, a classificação só pode ser feita após uma primeira análise ao artigo completo. Ou seja, nesta fase de Leitura do resumo o artigo vai ser classificado como “sem categoria”. Para além da informação sobre as técnicas de análise utilizadas, o resumo pode indicar que o estudo apenas abrange uma franja da população (como, por exemplo, imigrantes ou minorias étnicas). Sempre que isto se verificou, decidiu-se pela eliminação do artigo da análise posterior, alocando-se o Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 61 mesmo à classe “artigo excluído por abranger apenas uma franja da população”. A população portuguesa é muito homogénea do ponto de vista étnico e existem poucos estrangeiros. Assim sendo, com base na análise dos resumos, construiu-se uma tabela (ver Anexo A1) de classificação dos artigos. Desta análise resultou a categorização de 34 artigos na classe “Técnicas estatísticas”, 71 “Sem classificação” e 114 artigos excluídos nesta fase. Os 34 artigos classificados como “Técnicas estatísticas” serão objeto de análise na fase seguinte. De seguida, analisaram-se os artigos (71) que não estão categorizados de forma a serem incluídos numa das restantes categorias. Assim sendo, foi construída uma tabela de forma a identificar os artigos que utilizam métodos estatísticos, os que não foi possível encontrar o texto completo e os que são excluídos porque abrangem uma franja da população (ver Anexo A2). Desta análise resultou a categorização de 44 artigos na classe “Técnicas estatísticas”, 8 na classe “Não há PDF” (embora a posteriori tenham sido encontrados 6 destes 8), e a exclusão de 19 artigos. De acordo com as análises efetuadas aos resumos e aos artigos (Anexos A1 e A2) foram identificados 34+44+6 artigos. Estes foram depois objeto de uma análise ao texto completo. 5. Leitura dos Artigos que Utilizam Técnicas Estatísticas e Elaboração de um Quadro Resumo Para cada artigo classificado na fase anterior na categoria de estudo com técnicas estatísticas, foi efetuada a sua Leitura integral e análise de conteúdo, construindo-se um quadro resumo da revisão da literatura (ver Anexo A3). Nesse quadro pode-se encontrar a seguinte informação: referência e título do artigo; objetivo do estudo; métodos e modelos de análise utilizados; dados usados nas análises; fatores de desempenho escolar; principais resultados e conclusões dos estudos. Nesta fase foram excluídos mais 32 artigos (após a sua Leitura integral) por mais uma vez abrangerem apenas uma franja da população. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 62 Anexo A1 – Quadro de Categorização dos Artigos Com base nos 219 artigos identificados na fase anterior foi construída a tabela de classificação dos artigos em que cada coluna corresponde a uma classe: estudos estatísticos, estudos não classificados e estudos que apenas abrangem uma franja da população. Estudos estatísticos Sem classificação Abrange apenas uma franja da população [1] Regressão múltipla [2] Regressão logística e regressões multinominais [3] Multilevel latent growth modeling [4] Análise multinível [5] Modelagem de equações estruturais (crenças dos professores que podem ensinar de forma eficaz) [6] t tests, chi-square statistics, and hierarchical regressions [7] Análise multinível [8] Missing data para modelo de valor acrescentado [9] Regressões [10] Hierarchical multilevel modeling (etnia) [11] Regressão linear hierárquica (motivação dos alunos) [12] Modelos lineares hierárquicos [13] Modelos lineares hierárquicos [14] Regressão [15] Equações estruturais [16] Modelos lineares hierárquicos [17] Regressão múltipla [18] Equações estruturais [19] Regressão múltipla [20] Regressão [21] Modelo linear hierárquica (HLM) [22] Modelo linear hierárquica (HLM) [23] Structural Equation Modeling [24] Multilevel modeling approach [35] [36] [37] [38] [39] Jardim-de-infância [40] Zonas prioritárias [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] Envolvimento dos pais na escola [52] [53] [54] [55] [56] Professores mais experientes [57] [58] Menino ou menina [59] [106] Religião, imigrantes, negros [107] Experiências de quatro alunos afro-americanos [108] Crianças com asma [109] Formação de professores primários [110] Imigrantes (sendo a segunda língua o inglês) [111] Uso de drogas ilícitas [112] Participação em atividades extracurriculares [113] Fumar, beber álcool e usar marijuana e outras drogas ilícitas [114] Frequência em aulas na universidade [115] Bullying [116] Motivação e Alunos universitários [117] Projeto comunitário - Harlem Children's Zone Crianças pobres, negras [118] Programas universitários (dados em painel) [119] Perseguição (harassment) [120] Educação física, atividades físicas [121] Alunos negros e perceção dos professores [122] Desonestidade, fraude académica [123] Entrevista a 3 alunos [124] Preço da propriedade (casa) [125] Imigrantes [126] Imigrantes [127] Atividades extras curriculares [128] Uso do Website MyTeachingPartner [129] Estudantes de minorias (negros) Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 63 Estudos estatísticos Sem classificação Abrange apenas uma franja da população [25] Descriptive, correlational (PISA) [26] Quantitative analyses [27] Regression discontinuity design [28] Multilevel modeling [29] Regressão [30] Análise de Clusters [31] Multivariate latent growth curve modelling [32] Latent class analysis [33] Structural equation modeling [34] Latent growth-curve modeling (alteração de residência) [60] Envolvimento dos pais [61] [62] [63] [64] Motivação [65] Relação professor-aluno [66] [67] Características dos professores [68] [69] Género do professor e do aluno [70] race-ethnicity and gender. [71] race-ethnicity and family socioeconomic status [72] [73] Qualidade dos professores [74] [75] [76] [77] [78] [79] [80] [81] [82] [83] [84] [85] [86] Jardins-de-infância [87] [88] [89] Envolvimento dos pais (três tipos) [90] [130] Efeitos de vários tipos de educação e formação sobre a produtividade dos professores em promover o desempenho do aluno [131] Excesso de otimismo nos alunos ao fazer a transição de um ambiente académico familiarizado (ensino secundário) para um ambiente académico não familiar (ensino superior) [132] Experiência em física, alunos universitários [133] Educação especial [134] Características comportamentais dos alunos (ansiedade) [135] Ensino de professores [136] Meta análise a 41 estudos sobre o envolvimento dos pais [137] Meta análise a 22 estudos sobre a fonética [138] Literacia da Bíblia [139] Construção de mapas conceituais baseados em computador [140] Avalia os efeitos de um programa de educação que permitiu instrução adicional a alunos de baixo desempenho escolar [141] Trabalho dos adolescentes - efeitos das horas de trabalho sobre a probabilidade de abandonar a escola [142] Uso da tecnologia afeta os resultados de aprendizagem dos alunos. [143] Investiga uma prática de ensino - Peer-Led Guided Inquiry (PLGI), que combina a aprendizagem cooperativa e investigação [144] Participação em atividades extracurriculares (clubes e desporto) proporciona um retorno imediato para a aprendizagem do aluno [145] Trabalhos de casa [146] Uso de animação por computador e atividades de ilustração [147] Desempenho dos professores [148] m-learning, podcast [149] Educação dos pais tem efeitos sobre a escolha dos MBAs, mestrados e doutoramento dos filhos [150] Duração do sono [151] Práticas de ensino [152] Relação professor-aluno [153] Qualidade do ensino Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Estudos estatísticos 64 Sem classificação Abrange apenas uma franja da população [91] [92] Modelo Rasch [93] Envolvimento dos pais [94] Estatuto socioeconómico [95] [96] [97] [98] Envolvimento dos pais [99] [100] [101] [102] [103] Envolvimento da família [104] [105] Envolvimento dos pais [154] Entrada na faculdade [155] Amizades (grupo de amigos) [156] African American males [157] Implementação de uma reforma do currículo de química [158] Alunos universitários [159] Alunos universitários [160] Avaliação de métodos de E/A (problem-based learning) [161] Alunos universitários [162] Bullying [163] Aplicação de tecnologia [164] Uso de computador [165] Início da carreira docente [166] Motivação dos alunos [167] Envolvimento de pais imigrantes [168] Minorias étnicas com insucesso escolar e expectativa professor [169] Uso de computador [170] Envolvimento da família no trabalho de casa [171] Envolvimento da família no trabalho de casa [172] Motivação de alunos [173] Educação cívica [174] Atividade interdisciplinares [175] Ensino superior [176] m-learning [177] Investigar as relações entre o comportamento estratégico dos alunos durante a resolução de problemas (Structural equation modelling) [178] Pagamento aos professores, estudo de 39 países [179] Abordagem para a construção, classificação e análise de problemas quantitativos da química. [180] Ensino superior [181] 19 professores adaptaram um currículo de investigação orientada em Ciência [182] Atividades dos cientistas. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Estudos estatísticos Sem classificação 65 Abrange apenas uma franja da população [183] type of instruction (atividades) [184] Projetos curriculares, atividades de aprendizagem [185] e-Learning e m-Learning [186] hypermedia learning environments [187] Inovações no processo E/A [188] Programas de educação individualizado [189] Bolsas de estudo por mérito [190] Modelos de Value-added para a qualidade dos professores [191] Revisão sistemática 46 estudos que pertencem aos temas: desempenho do aluno, graduação, resultados pós secundário, e resposta da escola [192] Fatores que influenciam o recrutamento e retenção de professores Latino(a) [173] Aprendizagem cívica [193] language minority [194] Ambientes colaborativos de aprendizagem (CLEs) [195] Aulas experimentais [196] Prática de ensino [197] Sistema de ensino de apresentações gráficas geradas por computador [198] Inclusão digital [199] Alunos Brancos e Africano americanos [200] TICs [201] Fatores psicossocial [202] University of Michigan at Ann Arbor [203] Alunos com necessidades educativas [204] Aprendizagem online [205] TICs [206] Duração do ano letivo [207] Programas de tutoria voluntários [208] Explanações científicas dos alunos [209] Uso de videojogos Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Estudos estatísticos Sem classificação 66 Abrange apenas uma franja da população [210] Uso computer-enriched instruction [211] Aplicação da Teoria de Catástrofe para a resolução de problemas em Ciências da Educação [212] Aprendizagem ativa em laboratório [213] Uso TICs [214] Alunos com dificuldade na Leitura [215] b-learning (online video, online quizzes) [216] Laptops ubíquos, Ensino superior [217] Aprendizagem assistida por computador [218] Uso da internet [219] Preparação de professores Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 67 Desta análise resultou a categorização de 34 artigos na classe “Técnicas estatísticas”, 71 “Sem classificação” e 114 artigos excluídos nesta fase. 1. Dignath, C. and G. Buttner, Components of fostering self-regulated learning among students. A meta-analysis on intervention studies at primary and secondary school level. Metacognition and Learning, 2008. 3(3): p. 231-264. 2. Cavanagh, S.E., K.S. Schiller, and C. Riegle-Crumb, Marital transitions, parenting, and schooling: Exploring the link between family-structure history and adolescents' academic status. Sociology of Education, 2006. 79(4): p. 329-354. 3. Ahtola, A., et al., Transition to formal schooling: Do transition practices matter for academic performance? Early Childhood Research Quarterly, 2011. 26(3): p. 295-302. 4. Crosnoe, R. and C.E. Cooper, Economically Disadvantaged Children's Transitions Into Elementary School: Linking Family Processes, School Contexts, and Educational Policy. American Educational Research Journal, 2010. 47(2): p. 258-291. 5. Beard, K.S., W.K. Hoy, and A.W. Hoy, Academic optimism of individual teachers: Confirming a new construct. Teaching and Teacher Education, 2010. 26(5): p. 11361144. 6. Lee, J.S. and N.K. Bowen, Parent involvement, cultural capital, and the achievement gap among elementary school children. American Educational Research Journal, 2006. 43(2): p. 193-218. 7. Lee, V.E. and D.T. Burkam, Dropping out of high school: The role of school organization and structure. American Educational Research Journal, 2003. 40(2): p. 353-393. 8. McCaffrey, D.F. and J.R. Lockwood, MISSING DATA IN VALUE-ADDED MODELING OF TEACHER EFFECTS. Annals of Applied Statistics, 2011. 5(2A): p. 773-797. 9. McEwan, P.J. and J.S. Shapiro, The benefits of delayed primary school enrollment Discontinuity estimates using exact birth dates. Journal of Human Resources, 2008. 43(1): p. 1-29. 10. Muller, C., et al., Race and Academic Achievement in Racially Diverse High Schools: Opportunity and Stratification. Teachers College Record, 2010. 112(4): p. 1038-1063. 11. Nolen, S.B., Learning environment, motivation, and achievement in high school science. Journal of Research in Science Teaching, 2003. 40(4): p. 347-368. 12. Rumberger, R.W. and G.J. Palardy, Test scores, dropout rates, and transfer rates as alternative indicators of high school performance. American Educational Research Journal, 2005. 42(1): p. 3-42. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 68 13. Schiller, K.S. and C. Muller, Raising the bar and equity? Effects of state high school graduation requirements and accountability policies on students' mathematics course taking. Educational Evaluation and Policy Analysis, 2003. 25(3): p. 299-318. 14. Schommer-Aikins, M., O.K. Duell, and R. Hutter, Epistemological beliefs, mathematical problem-solving beliefs, and academic performance of middle school students. Elementary School Journal, 2005. 105(3): p. 289-304. 15. Sektnan, M., et al., Relations between early family risk, children's behavioral regulation, and academic achievement. Early Childhood Research Quarterly, 2010. 25(4): p. 464-479. 16. Songer, N.B., B. Kelcey, and A.W. Gotwals, How and When Does Complex Reasoning Occur? Empirically Driven Development of a Learning Progression Focused on Complex Reasoning about Biodiversity. Journal of Research in Science Teaching, 2009. 46(6): p. 610-631. 17. Tai, R.H., P.M. Sadler, and J.F. Loehr, Factors influencing success in introductory college chemistry. Journal of Research in Science Teaching, 2005. 42(9): p. 987-1012. 18. Wang, J.H.Y. and J.T. Guthrie, Modeling the effects of intrinsic motivation, extrinsic motivation, amount of reading, and past reading achievement on text comprehension between US and Chinese students. Reading Research Quarterly, 2004. 39(2): p. 162186. 19. Zijlstra, H., et al., CHILD PERCEPTIONS OF TEACHER INTERPERSONAL BEHAVIOR AND ASSOCIATIONS WITH MATHEMATICS ACHIEVEMENT IN DUTCH EARLY GRADE CLASSROOMS. Elementary School Journal, 2013. 113(4): p. 517-540. 20. Chiang, H., How accountability pressure on failing schools affects student achievement. Journal of Public Economics, 2009. 93(9-10): p. 1045-1057. 21. Blanchard, M.R., et al., Is Inquiry Possible in Light of Accountability?: A Quantitative Comparison of the Relative Effectiveness of Guided Inquiry and Verification Laboratory Instruction. Science Education, 2010. 94(4): p. 577-616. 22. Clements, M.A., A.J. Reynolds, and E. Hickey, Site-level predictors of children's school and social competence in the Chicago Child-Parent Centers. Early Childhood Research Quarterly, 2004. 19(2): p. 273-296. 23. Cottaar, A., Low (linear) teacher effect on student achievement in pre-academic physics education. Journal of Research in Science Teaching, 2012. 49(4): p. 465-488. 24. Gallant, D.J., Predictive validity evidence for an assessment program based on the Work Sampling System in mathematics and language and literacy. Early Childhood Research Quarterly, 2009. 24(2): p. 133-141. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 69 25. Gil-Flores, J., J.J. Torres-Gordillo, and V.H. Perera-Rodriguez, The role of online reader experience in explaining students' performance in digital reading. Computers & Education, 2012. 59(2): p. 653-660. 26. Gilmartin, S., et al., Gender ratios in high school science departments: The effect of percent female faculty on multiple dimensions of students' science identities. Journal of Research in Science Teaching, 2007. 44(7): p. 980-1009. 27. Lindo, J.M., N.J. Sanders, and P. Oreopoulos, Ability, Gender, and Performance Standards: Evidence from Academic Probation. American Economic Journal-Applied Economics, 2010. 2(2): p. 95-117. 28. Maerten-Rivera, J., et al., Student and School Predictors of High-Stakes Assessment in Science. Science Education, 2010. 94(6): p. 937-962. 29. Mattern, K.D. and B.F. Patterson, Test of Slope and Intercept Bias in College Admissions: A Response to Aguinis, Culpepper, and Pierce (2010). Journal of Applied Psychology, 2013. 98(1): p. 134-147. 30. Patrick, H., et al., Patterns of young children's motivation for science and teacher-child relationships. Journal of Experimental Education, 2008. 76(2): p. 121-144. 31. Peetsma, T. and I. van der Veen, Relations between the development of future time perspective in three life domains, investment in learning, and academic achievement. Learning and Instruction, 2011. 21(3): p. 481-494. 32. Quirk, M., K. Nylund-Gibson, and M. Furlong, Exploring patterns of Latino/a children's school readiness at kindergarten entry and their relations with Grade 2 achievement. Early Childhood Research Quarterly, 2013. 28(2): p. 437-449. 33. Shim, S.S., Y. Cho, and C. Wang, Classroom goal structures, social achievement goals, and adjustment in middle school. Learning and Instruction, 2013. 23: p. 69-77. 34. Voight, A., M. Shinn, and M. Nation, The Longitudinal Effects of Residential Mobility on the Academic Achievement of Urban Elementary and Middle School Students. Educational Researcher, 2012. 41(9): p. 385-392. 35. Abdulkadiroglu, A., et al., ACCOUNTABILITY AND FLEXIBILITY IN PUBLIC SCHOOLS: EVIDENCE FROM BOSTON'S CHARTERS AND PILOTS. Quarterly Journal of Economics, 2011. 126(2): p. 699-748. 36. Attewell, P. and T. Domina, Raising the bar: Curricular intensity and academic performance. Educational Evaluation and Policy Analysis, 2008. 30(1): p. 51-71. 37. Berlinski, S., S. Galiani, and P. Gertler, The effect of pre-primary education on primary school performance. Journal of Public Economics, 2009. 93(1-2): p. 219-234. 38. Berlinski, S., S. Galiani, and M. Manacorda, Giving children a better start: Preschool attendance and school-age profiles. Journal of Public Economics, 2008. 92(5-6): p. 1416-1440. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 70 39. Brock, L.L., et al., The contributions of 'hot' and 'cool' executive function to children's academic achievement, learning-related behaviors, and engagement in kindergarten. Early Childhood Research Quarterly, 2009. 24(3): p. 337-349. 40. Benabou, R., F. Kramarz, and C. Prost, The French zones d'education prioritaire: Much ado about nothing? Economics of Education Review, 2009. 28(3): p. 345-356. 41. Callahan, R.M., Tracking and high school English learners: Limiting opportunity to learn. American Educational Research Journal, 2005. 42(2): p. 305-328. 42. Carbonaro, W., Tracking, students' effort, and academic achievement. Sociology of Education, 2005. 78(1): p. 27-49. 43. Carbonaro, W., Public-private differences in achievement among kindergarten students: Differences in learning opportunities and student outcomes. American Journal of Education, 2006. 113(1): p. 31-65. 44. Carrell, S.E. and J.E. West, Does Professor Quality Matter? Evidence from Random Assignment of Students to Professors. Journal of Political Economy, 2010. 118(3): p. 409-432. 45. Clotfelter, C.T., H.F. Ladd, and J.L. Vigdor, Teacher Credentials and Student Achievement in High School A Cross-Subject Analysis with Student Fixed Effects. Journal of Human Resources, 2010. 45(3): p. 655-681. 46. Croninger, R.G., et al., Teacher qualifications and early learning: Effects of certification, degree, and experience on first-grade student achievement. Economics of Education Review, 2007. 26(3): p. 312-324. 47. Crosnoe, R. and B. Schneider, Social Capital, Information, and Socioeconomic Disparities in Math Course Work. American Journal of Education, 2010. 117(1): p. 79107. 48. Cullen, J.B., B.A. Jacob, and S. Levitt, The effect of school choice on participants: Evidence from randomized lotteries. Econometrica, 2006. 74(5): p. 1191-1230. 49. Cullen, J.B., B.A. Jacob, and S.D. Levitt, The impact of school choice on student outcomes: an analysis of the Chicago Public Schools. Journal of Public Economics, 2005. 89(5-6): p. 729-760. 50. Dee, T.S. and M.R. West, The Non-Cognitive Returns to Class Size. Educational Evaluation and Policy Analysis, 2011. 33(1): p. 23-46. 51. Domina, T., Leveling the home advantage: Assessing the effectiveness of parental involvement in elementary school. Sociology of Education, 2005. 78(3): p. 233-249. 52. Eisenberg, N., C. Valiente, and N.D. Eggum, Self-Regulation and School Readiness. Early Education and Development, 2010. 21(5): p. 681-698. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 71 53. Entwisle, D.R., K.L. Alexander, and L.S. Olson, Early schooling: The handicap of being poor and male. Sociology of Education, 2007. 80(2): p. 114-138. 54. Evans, G.W. and J. Rosenbaum, Self-regulation and the income-achievement gap. Early Childhood Research Quarterly, 2008. 23(4): p. 504-514. 55. Hanushek, E.A. and L. Wossmann, Does educational tracking affect performance and inequality? Differences-in-differences evidence across countries. Economic Journal, 2006. 116(510): p. C63-C76. 56. Hill, H.C., Mathematical knowledge of middle school teachers: Implications for the No Child Left Behind policy initiative. Educational Evaluation and Policy Analysis, 2007. 29(2): p. 95-114. 57. Hill, L.D., School strategies and the "College-Linking" process: Reconsidering the effects of high schools on college enrollment. Sociology of Education, 2008. 81(1): p. 53-76. 58. Husain, M. and D.L. Millimet, The mythical 'boy crisis'? Economics of Education Review, 2009. 28(1): p. 38-48. 59. Jacob, B.A. and L. Lefgren, What do parents value in education? An empirical investigation of parents' revealed preferences for teachers. Quarterly Journal of Economics, 2007. 122(4): p. 1603-1637. 60. Jeynes, W.H., The Salience of the Subtle Aspects of Parental Involvement and Encouraging That Involvement: Implications for School-Based Programs. Teachers College Record, 2010. 112(3): p. 747-774. 61. Leana, C.R. and F.K. Pil, Social capital and organizational performance: Evidence from urban public schools. Organization Science, 2006. 17(3): p. 353-366. 62. Lockwood, J.R. and D.F. McCaffrey, EXPLORING STUDENT-TEACHER INTERACTIONS IN LONGITUDINAL ACHIEVEMENT DATA. Education Finance and Policy, 2009. 4(4): p. 439467. 63. McClelland, M.M., A.C. Acock, and F.J. Morrison, The impact of kindergarten learningrelated skills on academic trajectories at the end of elementary school. Early Childhood Research Quarterly, 2006. 21(4): p. 471-490. 64. Nurmi, J.E. and K. Aunola, Task-motivation during the first school years: A personoriented approach to longitudinal data. Learning and Instruction, 2005. 15(2): p. 103122. 65. O'Connor, E. and K. McCartney, Examining teacher-child relationships and achievement as part of an ecological model of development. American Educational Research Journal, 2007. 44(2): p. 340-369. 66. Opdenakker, M.C. and J. Van Damme, Do school context, student composition and school leadership affect school practice and outcomes in secondary education? British Educational Research Journal, 2007. 33(2): p. 179-206. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 72 67. Palardy, G.J. and R.W. Rumberger, Teacher effectiveness in first grade: The importance of background qualifications, attitudes, and instructional practices for student learning. Educational Evaluation and Policy Analysis, 2008. 30(2): p. 111-140. 68. Perry, R.P., et al., Perceived academic control and failure in college students: A threeyear study of scholastic attainment. Research in Higher Education, 2005. 46(5): p. 535569. 69. Potvin, G., et al., Unraveling Bias From Student Evaluations of Their High School Science Teachers. Science Education, 2009. 93(5): p. 827-845. 70. Riegle-Crumb, C., The path through math: Course sequences and academic performance at the intersection of race-ethnicity and gender. American Journal of Education, 2006. 113(1): p. 101-122. 71. Riegle-Crumb, C. and E. Grodsky, Racial-Ethnic Differences at the Intersection of Math Course-taking and Achievement. Sociology of Education, 2010. 83(3): p. 248-270. 72. Rimkute, L., et al., Parents' Role in Adolescents' Educational Expectations. Scandinavian Journal of Educational Research, 2012. 56(6): p. 571-590. 73. Rimm-Kaufman, S.E. and B.K. Hamre, The Role of Psychological and Developmental Science in Efforts to Improve Teacher Quality. Teachers College Record, 2010. 112(12): p. 2988-3023. 74. Roorda, D.L., et al., The Influence of Affective Teacher-Student Relationships on Students' School Engagement and Achievement: A Meta-Analytic Approach. Review of Educational Research, 2011. 81(4): p. 493-529. 75. Rouse, C.E. and L. Barrow, School Vouchers and Student Achievement: Recent Evidence and Remaining Questions, in Annual Review of Economics2009. p. 17-42. 76. Sheldon, S.B., Improving student attendance with school, family, and community partnerships. Journal of Educational Research, 2007. 100(5): p. 267-275. 77. Silinskas, G., et al., Predictors of mothers' and fathers' teaching of reading and mathematics during kindergarten and Grade 1. Learning and Instruction, 2010. 20(1): p. 61-71. 78. Springer, M.G., et al., Team Pay for Performance: Experimental Evidence From the Round Rock Pilot Project on Team Incentives. Educational Evaluation and Policy Analysis, 2012. 34(4): p. 367-390. 79. Tai, R.H. and P.M. Sadler, Same Science for All? Interactive association of structure in learning activities and academic attainment background on college science performance in the USA. International Journal of Science Education, 2009. 31(5): p. 675-696. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 73 80. Valle, A., et al., Cognitive, motivational, and volitional dimensions of learning: An empirical test of a hypothetical model. Research in Higher Education, 2003. 44(5): p. 557-580. 81. Walker, E.N., Urban high school students' academic communities and their effects on mathematics success. American Educational Research Journal, 2006. 43(1): p. 43-73. 82. Wang, M.T. and R. Holcombe, Adolescents' Perceptions of School Environment, Engagement, and Academic Achievement in Middle School. American Educational Research Journal, 2010. 47(3): p. 633-662. 83. Wossmann, L., C. Propper, and E. Duflo, Educational production in Europe. Economic Policy, 2005(43): p. 445-504. 84. Wyse, A.E., V. Keesler, and B. Schneider, Assessing the Effects of Small School Size on Mathematics Achievement: A Propensity Score-Matching Approach. Teachers College Record, 2008. 110(9): p. 1879-1900. 85. Burris, C.C., J.P. Heubert, and H.M. Levin, Accelerating mathematics achievement using heterogeneous grouping. American Educational Research Journal, 2006. 43(1): p. 105136. 86. Galindo, C. and S.B. Sheldon, School and home connections and children's kindergarten achievement gains: The mediating role of family involvement. Early Childhood Research Quarterly, 2012. 27(1): p. 90-103. 87. Gottfried, M.A., Evaluating the Relationship Between Student Attendance and Achievement in Urban Elementary and Middle Schools: An Instrumental Variables Approach. American Educational Research Journal, 2010. 47(2): p. 434-465. 88. Goux, D. and E. Maurin, Close neighbours matter: Neighbourhood effects on early performance at school. Economic Journal, 2007. 117(523): p. 1193-1215. 89. Huntsinger, C.S. and P.E. Jose, Parental involvement in children's schooling: Different meanings in different cultures. Early Childhood Research Quarterly, 2009. 24(4): p. 398-410. 90. Jackson, K. and E. Bruegmann, Teaching Students and Teaching Each Other: The Importance of Peer Learning for Teachers. American Economic Journal-Applied Economics, 2009. 1(4): p. 85-108. 91. Johnson, C.C., J.B. Kahle, and J.D. Fargo, A study of the effect of sustained, wholeschool professional development on student achievement in science. Journal of Research in Science Teaching, 2007. 44(6): p. 775-786. 92. Johnson, P. and P. Tymms, The Emergence of a Learning Progression in Middle School Chemistry. Journal of Research in Science Teaching, 2011. 48(8): p. 849-877. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 74 93. Karbach, J., et al., Parental involvement and general cognitive ability as predictors of domain-specific academic achievement in early adolescence. Learning and Instruction, 2013. 23: p. 43-51. 94. Kieffer, M.J., Socioeconomic Status, English Proficiency, and Late-Emerging Reading Difficulties. Educational Researcher, 2010. 39(6): p. 484-486. 95. Lee, O., R. Penfield, and J. Maerten-Rivera, Effects of Fidelity of Implementation on Science Achievement Gains among English Language Learners. Journal of Research in Science Teaching, 2009. 46(7): p. 836-859. 96. Maltese, A.V. and C.D. Hochbein, The Consequences of "School Improvement": Examining the Association Between Two Standardized Assessments Measuring School Improvement and Student Science Achievement. Journal of Research in Science Teaching, 2012. 49(6): p. 804-830. 97. Martinez, J.F., H. Borko, and B.M. Stecher, Measuring instructional practice in science using classroom artifacts: lessons learned from two validation studies. Journal of Research in Science Teaching, 2012. 49(1): p. 38-67. 98. McWayne, C.M., et al., Defining family engagement among Latino Head Start parents: A mixed-methods measurement development study. Early Childhood Research Quarterly, 2013. 28(3): p. 593-607. 99. Prins, E. and B.W. Toso, Defining and measuring parenting for educational success: A Critical Discourse Analysis of the Parent Education Profile. American Educational Research Journal, 2008. 45(3): p. 555-596. 100. Rakes, C.R., et al., Methods of Instructional Improvement in Algebra: A Systematic Review and Meta-Analysis. Review of Educational Research, 2010. 80(3): p. 372-400. 101. Rhoades, B.L., et al., Examining the link between preschool social-emotional competence and first grade academic achievement: The role of attention skills. Early Childhood Research Quarterly, 2011. 26(2): p. 182-191. 102. Stipek, D., S. Newton, and A. Chudgar, Learning-related behaviors and literacy achievement in elementary school-aged children. Early Childhood Research Quarterly, 2010. 25(3): p. 385-395. 103. Tang, S., E. Dearing, and H.B. Weiss, Spanish-speaking Mexican-American families' involvement in school-based activities and their children's literacy: The implications of having teachers who speak Spanish and English. Early Childhood Research Quarterly, 2012. 27(2): p. 177-187. 104. Wood, N.B., et al., Viewing the school environment through multiple lenses: In search of school-level variables tied to student achievement. Journal of Research in Science Teaching, 2006. 43(3): p. 237-254. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 75 105. Yamamoto, Y., S.D. Holloway, and S. Suzuki, Maternal involvement in preschool children's education in Japan: Relation to parenting beliefs and socioeconomic status. Early Childhood Research Quarterly, 2006. 21(3): p. 332-346. 106. Akom, A.A., Reexamining resistance as oppositional behavior: The nation of Islam and the creation of a black achievement ideology. Sociology of Education, 2003. 76(4): p. 305-325. 107. Alexander-Snow, M., The Piney Woods School: An Exploration of the Historically Black Boarding School Experience in Shaping Student Achievement, Cultural Esteem, and Collegiate Integration. Urban Education, 2011. 46(3): p. 322-341. 108. Bartholomew, L.K., et al., Partners in school asthma management: Evaluation of a selfmanagement program for children with asthma. Journal of School Health, 2006. 76(6): p. 283-290. 109. Blomeke, S., et al., Family background, entry selectivity and opportunities to learn: What matters in primary teacher education? An international comparison of fifteen countries. Teaching and Teacher Education, 2012. 28(1): p. 44-55. 110. Callahan, R., et al., ESL Placement and Schools Effects on Immigrant Achievement. Educational Policy, 2009. 23(2): p. 355-384. 111. Chatterji, P., Illicit drug use and educational attainment. Health Economics, 2006. 15(5): p. 489-511. 112. Covay, E. and W. Carbonaro, After the Bell: Participation in Extracurricular Activities, Classroom Behavior, and Academic Achievement. Sociology of Education, 2010. 83(1): p. 20-45. 113. Cox, R.G., et al., Academic performance and substance use: Findings from a state survey of public high school students. Journal of School Health, 2007. 77(3): p. 109-115. 114. Crede, M., S.G. Roch, and U.M. Kieszczynka, Class Attendance in College: A MetaAnalytic Review of the Relationship of Class Attendance With Grades and Student Characteristics. Review of Educational Research, 2010. 80(2): p. 272-295. 115. Dake, J.A., J.H. Price, and S.K. Telljohann, The nature and extent of bullying at school. Journal of School Health, 2003. 73(5): p. 173-180. 116. de Bilde, J., M. Vansteenkiste, and W. Lens, Understanding the association between future time perspective and self-regulated learning through the lens of selfdetermination theory. Learning and Instruction, 2011. 21(3): p. 332-344. 117. Dobbie, W. and R.G. Fryer, Are High-Quality Schools Enough to Increase Achievement Among the Poor? Evidence from the Harlem Children's Zone. American Economic Journal-Applied Economics, 2011. 3(3): p. 158-187. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 76 118. Domina, T., Higher education policy as secondary school reform: Texas public high schools after Hopwood. Educational Evaluation and Policy Analysis, 2007. 29(3): p. 200217. 119. Eisenberg, M.E., D. Neumark-Sztainer, and C.L. Perry, Peer harassment, school connectedness, and academic achievement. Journal of School Health, 2003. 73(8): p. 311-316. 120. Fairclough, S. and G. Stratton, 'Physical education makes you fit and healthy'. Physical education's contribution to young people's physical activity levels. Health Education Research, 2005. 20(1): p. 14-23. 121. Ferguson, R.F., Teachers' perceptions and expectations and the Black-White test score gap. Urban Education, 2003. 38(4): p. 460-507. 122. Finn, K.V. and M.R. Frone, Academic performance and cheating: Moderating role of school identification and self-efficacy. Journal of Educational Research, 2004. 97(3): p. 115-122. 123. Gayles, J., Playing the game and paying the price: Academic resilience among three high-achieving African American males. Anthropology & Education Quarterly, 2005. 36(3): p. 250-264. 124. Gibbons, S. and S. Machin, Valuing English primary schools. Journal of Urban Economics, 2003. 53(2): p. 197-219. 125. Gould, E.D., V. Lavy, and M.D. Paserman, Immigrating to opportunity: Estimating the effect of school quality using a natural experiment on Ethiopians in Israel. Quarterly Journal of Economics, 2004. 119(2): p. 489-526. 126. Gould, E.D., V. Lavy, and M.D. Paserman, Does Immigration Affect the Long-Term Educational Outcomes of Natives? Quasi-Experimental Evidence*. Economic Journal, 2009. 119(540): p. 1243-1269. 127. Guest, A. and B. Schneider, Adolescents' extracurricular participation in context: The mediating effects of schools, communities, and identity. Sociology of Education, 2003. 76(2): p. 89-109. 128. Hamre, B.K., et al., Promoting Young Children's Social Competence through the Preschool PATHS Curriculum and MyTeachingPartner Professional Development Resources. Early Education and Development, 2012. 23(6): p. 809-832. 129. Harris, D.N. and C.D. Herrington, Accountability, standards, and the growing achievement gap: Lessons from the past half-century. American Journal of Education, 2006. 112(2): p. 209-238. 130. Harris, D.N. and T.R. Sass, Teacher training, teacher quality and student achievement. Journal of Public Economics, 2011. 95(7-8): p. 798-812. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 77 131. Haynes, T.L., et al., Reducing the academic risks of over-optimism: The longitudinal effects of attributional retraining on cognition and achievement. Research in Higher Education, 2006. 47(7): p. 755-779. 132. Hazari, Z., et al., Connecting High School Physics Experiences, Outcome Expectations, Physics Identity, and Physics Career Choice: A Gender Study. Journal of Research in Science Teaching, 2010. 47(8): p. 978-1003. 133. Hibel, J., G. Farkas, and P.L. Morgan, Who Is Placed into Special Education? Sociology of Education, 2010. 83(4): p. 312-332. 134. Hirvonen, R., et al., The role of temperament in children's affective and behavioral responses in achievement situations. Learning and Instruction, 2013. 27: p. 21-30. 135. Hoy, A.W. and R.B. Spero, Changes in teacher efficacy during the early years of teaching: A comparison of four measures. Teaching and Teacher Education, 2005. 21(4): p. 343-356. 136. Jeynes, W.H., A meta-analysis of the relation of parental involvement to urban elementary school student academic achievement. Urban Education, 2005. 40(3): p. 237-269. 137. Jeynes, W.H., A meta-analysis of the relationship between phonics instruction and minority elementary school student academic achievement. Education and Urban Society, 2008. 40(2): p. 151-166. 138. Jeynes, W.H., The Relationship Between Bible Literacy and Academic Achievement and School Behavior. Education and Urban Society, 2009. 41(4): p. 419-436. 139. Kwon, S.Y. and L. Cifuentes, The comparative effect of individually-constructed vs. collaboratively-constructed computer-based concept maps. Computers & Education, 2009. 52(2): p. 365-375. 140. Lavy, V. and A. Schlosser, Targeted remedial education for underperforming teenagers: Costs and benefits. Journal of Labor Economics, 2005. 23(4): p. 839-874. 141. Lee, J.C., When work matters: The varying impact of work intensity on high school dropout. Sociology of Education, 2007. 80(2): p. 158-178. 142. Lei, J. and Y. Zhao, Technology uses and student achievement: A longitudinal study. Computers & Education, 2007. 49(2): p. 284-296. 143. Lewis, S.E. and J.E. Lewis, Seeking effectiveness and equity in a large college chemistry course: An HLM investigation of Peer-Led Guided Inquiry. Journal of Research in Science Teaching, 2008. 45(7): p. 794-811. 144. Lipscomb, S., Secondary school extracurricular involvement and academic achievement: a fixed effects approach. Economics of Education Review, 2007. 26(4): p. 463-472. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 78 145. Magi, K., et al., The cross-lagged relations between children's academic skill development, task-avoidance, and parental beliefs about success. Learning and Instruction, 2011. 21(5): p. 664-675. 146. Marbach-Ad, G., Y. Rotbain, and R. Stavy, Using computer animation and illustration activities to improve high school students' achievement in molecular genetics. Journal of Research in Science Teaching, 2008. 45(3): p. 273-292. 147. McCaffrey, D.F., et al., THE INTERTEMPORAL VARIABILITY OF TEACHER EFFECT ESTIMATES. Education Finance and Policy, 2009. 4(4): p. 572-606. 148. McKinney, D., J.L. Dyck, and E.S. Luber, iTunes University and the classroom: Can podcasts replace Professors? Computers & Education, 2009. 52(3): p. 617-623. 149. Mullen, A.L., K.A. Goyette, and J.A. Soares, Who goes to graduate school? Social and academic correlates of educational continuation after college. Sociology of Education, 2003. 76(2): p. 143-169. 150. Noland, H., et al., Adolescents' Sleep Behaviors and Perceptions of Sleep. Journal of School Health, 2009. 79(5): p. 224-230. 151. Ottmar, E.R., et al., DOES THE RESPONSIVE CLASSROOM APPROACH AFFECT THE USE OF STANDARDS-BASED MATHEMATICS TEACHING PRACTICES? Results from a Randomized Controlled Trial. Elementary School Journal, 2013. 113(3): p. 434-457. 152. Pianta, R.C. and B.K. Hamre, Conceptualization, Measurement, and Improvement of Classroom Processes: Standardized Observation Can Leverage Capacity. Educational Researcher, 2009. 38(2): p. 109-119. 153. Podgursky, M., R. Monroe, and D. Watson, The academic quality of public school teachers: an analysis of entry and exit behavior. Economics of Education Review, 2004. 23(5): p. 507-518. 154. Riegle-Crumb, C., More Girls Go to College: Exploring the Social and Academic Factors Behind the Female Postsecondary Advantage Among Hispanic and White Students. Research in Higher Education, 2010. 51(6): p. 573-593. 155. Riegle-Crumb, C., G. Farkas, and C. Muller, The role of gender and friendship in advanced course taking. Sociology of Education, 2006. 79(3): p. 206-228. 156. Roderick, M., What's happening to the boys? Early high school experiences and school outcomes among African American male adolescents in Chicago. Urban Education, 2003. 38(5): p. 538-607. 157. Roehrig, G.H., R.A. Kruse, and A. Kern, Teacher and school characteristics and their influence on curriculum implementation. Journal of Research in Science Teaching, 2007. 44(7): p. 883-907. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 79 158. Schmitt, N., et al., Prediction of 4-Year College Student Performance Using Cognitive and Noncognitive Predictors and the Impact on Demographic Status of Admitted Students. Journal of Applied Psychology, 2009. 94(6): p. 1479-1497. 159. Schmitt, N., et al., The use of background and ability profiles to predict college student outcomes. Journal of Applied Psychology, 2007. 92(1): p. 165-179. 160. Simons, K.D. and J.D. Klein, The impact of scaffolding and student achievement levels in a problem-based learning environment. Instructional Science, 2007. 35(1): p. 41-72. 161. Sinha, R., et al., Criterion-Focused Approach to Reducing Adverse Impact in College Admissions. Applied Measurement in Education, 2011. 24(2): p. 137-161. 162. Swearer, S.M., et al., What Can Be Done About School Bullying? Linking Research to Educational Practice. Educational Researcher, 2010. 39(1): p. 38-47. 163. Tang, T.L.P. and M.J. Austin, Students' perceptions of teaching technologies, application of technologies, and academic performance. Computers & Education, 2009. 53(4): p. 1241-1255. 164. Tondeur, J., M. Valcke, and J. van Braak, A multidimensional approach to determinants of computer use in primary education: teacher and school characteristics. Journal of Computer Assisted Learning, 2008. 24(6): p. 494-506. 165. Tschannen-Moran, M. and A.W. Hoy, The differential antecedents of self-efficacy beliefs of novice and experienced teachers. Teaching and Teacher Education, 2007. 23(6): p. 944-956. 166. Turner, J.C., et al., Teacher discourse and sixth graders' reported affect and achievement behaviors in two high-mastery/high-performance mathematics classrooms. Elementary School Journal, 2003. 103(4): p. 357-382. 167. Turney, K. and G. Kao, Barriers to School Involvement: Are Immigrant Parents Disadvantaged? Journal of Educational Research, 2009. 102(4): p. 257-271. 168. van den Bergh, L., et al., The Implicit Prejudiced Attitudes of Teachers: Relations to Teacher Expectations and the Ethnic Achievement Gap. American Educational Research Journal, 2010. 47(2): p. 497-527. 169. van der Kleij, F.M., et al., Effects of feedback in a computer-based assessment for learning. Computers & Education, 2012. 58(1): p. 263-272. 170. Van Voorhis, F.L., Interactive homework in middle school: Effects on family involvement and science achievement. Journal of Educational Research, 2003. 96(6): p. 323-338. 171. Van Voorhis, F.L., Adding Families to the Homework Equation: A Longitudinal Study of Mathematics Achievement. Education and Urban Society, 2011. 43(3): p. 313-338. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 80 172. Walker, C.O. and B.A. Greene, The Relations Between Student Motivational Beliefs and Cognitive Engagement in High School. Journal of Educational Research, 2009. 102(6): p. 463-471. 173. Kahne, J.E. and S.E. Sporte, Developing citizens: The impact of civic learning opportunities on students' commitment to civic participation. American Educational Research Journal, 2008. 45(3): p. 738-766. 174. Applebee, A.N., M. Adler, and S. Flihan, Interdisciplinary curricula in middle and high school classrooms: Case studies of approaches to curriculum and instruction. American Educational Research Journal, 2007. 44(4): p. 1002-1039. 175. Cherng, H.Y.S., J.M. Calarco, and G. Kao, Along for the Ride: Best Friends' Resources and Adolescents' College Completion. American Educational Research Journal, 2013. 50(1): p. 76-106. 176. de-Marcos, L., et al., An experiment for improving students performance in secondary and tertiary education by means of m-learning auto-assessment. Computers & Education, 2010. 55(3): p. 1069-1079. 177. Dermitzaki, I., A. Leondari, and M. Goudas, Relations between young students' strategic behaviours, domain-specific self-concept, and performance in a problemsolving situation. Learning and Instruction, 2009. 19(2): p. 144-157. 178. Dolton, P., et al., If you pay peanuts do you get monkeys? A cross-country analysis of teacher pay and pupil performance. Economic Policy, 2011(65): p. 5-55. 179. Dori, Y.J. and M. Hameiri, Multidimensional analysis system for quantitative chemistry problems: Symbol, macro, micro, and process aspects. Journal of Research in Science Teaching, 2003. 40(3): p. 278-302. 180. Ewert, S., Male and Female Pathways Through Four-Year Colleges: Disruption and Sex Stratification in Higher Education. American Educational Research Journal, 2010. 47(4): p. 744-773. 181. Fogleman, J., K.L. McNeill, and J. Krajcik, Examining the Effect of Teachers' Adaptations of a Middle School Science Inquiry-Oriented Curriculum Unit on Student Learning. Journal of Research in Science Teaching, 2011. 48(2): p. 149-169. 182. Furtak, E.M., The problem with answers: An exploration of guided scientific inquiry teaching. Science Education, 2006. 90(3): p. 453-467. 183. Furtak, E.M., et al., Experimental and Quasi-Experimental Studies of Inquiry-Based Science Teaching: A Meta-Analysis. Review of Educational Research, 2012. 82(3): p. 300-329. 184. Gerard, L.F., M. Spitulnik, and M.C. Linn, Teacher Use of Evidence to Customize Inquiry Science Instruction. Journal of Research in Science Teaching, 2010. 47(9): p. 1037-1063. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 81 185. Granic, A., C. Mifsud, and M. Cukusic, Design, implementation and validation of a Europe-wide pedagogical framework for e-Learning. Computers & Education, 2009. 53(4): p. 1052-1081. 186. Greene, J.A., et al., Exploring relations among college students' prior knowledge, implicit theories of intelligence, and self-regulated learning in a hypermedia environment. Computers & Education, 2010. 55(3): p. 1027-1043. 187. Haelermans, C. and J.L.T. Blank, Is a schools' performance related to technical change? - A study on the relationship between innovations and secondary school productivity. Computers & Education, 2012. 59(3): p. 884-892. 188. Hauser-Cram, P., T.M. Durand, and M.E. Warfield, Early feelings about school and later academic outcomes of children with special needs living in poverty. Early Childhood Research Quarterly, 2007. 22(2): p. 161-172. 189. Henry, G.T., K.C. Bastian, and A.A. Smith, Scholarships to Recruit the "Best and Brightest" Into Teaching: Who Is Recruited, Where Do They Teach, How Effective Are They, and How Long Do They Stay? Educational Researcher, 2012. 41(3): p. 83-92. 190. Hill, H.C., L. Kapitula, and K. Umland, A Validity Argument Approach to Evaluating Teacher Value-Added Scores. American Educational Research Journal, 2011. 48(3): p. 794-831. 191. Holme, J.J., et al., Assessing the Effects of High School Exit Examinations. Review of Educational Research, 2010. 80(4): p. 476-526. 192. Irizarry, J. and M.L. Donaldson, Teach for America: The Latinization of U.S. Schools and the Critical Shortage of Latina/o Teachers. American Educational Research Journal, 2012. 49(1): p. 155-194. 193. Kieffer, M.J., Converging Trajectories: Reading Growth in Language Minority Learners and Their Classmates, Kindergarten to Grade 8. American Educational Research Journal, 2011. 48(5): p. 1187-1225. 194. Kollias, V., et al., Teachers' attitudes to and beliefs about web-based Collaborative Learning Environments in the context of an international implementation. Computers & Education, 2005. 45(3): p. 295-315. 195. Kutnick, P., C. Ota, and L. Berdondini, Improving the effects of group working in classrooms with young school-aged children: Facilitating attainment, interaction and classroom activity. Learning and Instruction, 2008. 18(1): p. 83-95. 196. Lakshmanan, A., et al., The Impact of Science Content and Professional Learning Communities on Science Teaching Efficacy and Standards-Based Instruction. Journal of Research in Science Teaching, 2011. 48(5): p. 534-551. 197. Larson, R.B., Enhancing the recall of presented material. Computers & Education, 2009. 53(4): p. 1278-1284. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 82 198. Li, Y. and M. Ranieri, Educational and social correlates of the digital divide for rural and urban children: A study on primary school students in a provincial city of China. Computers & Education, 2013. 60(1): p. 197-209. 199. Lleras, C., Race, Racial Concentration, and the Dynamics of Educational Inequality Across Urban and Suburban Schools. American Educational Research Journal, 2008. 45(4): p. 886-912. 200. Machin, S., S. McNally, and O. Silva, New technology in schools: Is there a payoff? Economic Journal, 2007. 117(522): p. 1145-1167. 201. Maier, M.F., V.E. Vitiello, and D.B. Greenfield, A multilevel model of child- and classroom-level psychosocial factors that support language and literacy resilience of children in Head Start. Early Childhood Research Quarterly, 2012. 27(1): p. 104-114. 202. Matz, R.L., et al., Concurrent enrollment in lecture and laboratory enhances student performance and retention. Journal of Research in Science Teaching, 2012. 49(5): p. 659-682. 203. Mutch-Jones, K., G. Puttick, and D. Minner, Lesson study for accessible science: Building expertise to improve practice in inclusive science classrooms. Journal of Research in Science Teaching, 2012. 49(8): p. 1012-1034. 204. Nam, C.W. and R.D. Zellner, The relative effects of positive interdependence and group processing on student achievement and attitude in online cooperative learning. Computers & Education, 2011. 56(3): p. 680-688. 205. Papastergiou, M., Enhancing Physical Education and Sport Science students' selfefficacy and attitudes regarding Information and Communication Technologies through a computer literacy course. Computers & Education, 2010. 54(1): p. 298-308. 206. Pischke, J.S., The impact of length of the school year on student performance and earnings: Evidence from the german short school years. Economic Journal, 2007. 117(523): p. 1216-1242. 207. Ritter, G.W., et al., The Effectiveness of Volunteer Tutoring Programs for Elementary and Middle School Students: A Meta-Analysis. Review of Educational Research, 2009. 79(1): p. 3-38. 208. Ruiz-Primo, M.A., et al., Testing One Premise of Scientific Inquiry in Science Classrooms: Examining Students' Scientific Explanations and Student Learning. Journal of Research in Science Teaching, 2010. 47(5): p. 583-608. 209. Sadler, T.D., et al., Game-Based Curricula in Biology Classes: Differential Effects Among Varying Academic Levels. Journal of Research in Science Teaching, 2013. 50(4): p. 479499. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 83 210. See, L.C., et al., Computer-enriched instruction (CEI) is better for preview material instead of review material: An example of a biostatistics chapter, the central limit theorem. Computers & Education, 2010. 55(1): p. 285-291. 211. Stamovlasis, D. and G. Tsaparlis, Applying Catastrophe Theory to an InformationProcessing Model of Problem Solving in Science Education. Science Education, 2012. 96(3): p. 392-410. 212. Taraban, R., et al., Effects of active-learning experiences on achievement, attitudes, and behaviors in high school biology. Journal of Research in Science Teaching, 2007. 44(7): p. 960-979. 213. Tomte, C. and O.E. Hatlevik, Gender-differences in Self-efficacy ICT related to various ICT-user profiles in Finland and Norway. How do self-efficacy, gender and ICT-user profiles relate to findings from PISA 2006. Computers & Education, 2011. 57(1): p. 1416-1424. 214. Wanzek, J., et al., Extensive Reading Interventions for Students With Reading Difficulties After Grade 3. Review of Educational Research, 2013. 83(2): p. 163-195. 215. Wieling, M.B. and W.H.A. Hofman, The impact of online video lecture recordings and automated feedback on student performance. Computers & Education, 2010. 54(4): p. 992-998. 216. Wurst, C., C. Smarkola, and M.A. Gaffney, Ubiquitous laptop usage in higher education: Effects on student achievement, student satisfaction, and constructivist measures in honors and traditional classrooms. Computers & Education, 2008. 51(4): p. 1766-1783. 217. Yang, Y.H., et al., Computers and the academic performance of elementary school-aged girls in China's poor communities. Computers & Education, 2013. 60(1): p. 335-346. 218. Zhao, L., et al., Internet inequality: The relationship between high school students' Internet use in different locations and their Internet self-efficacy. Computers & Education, 2010. 55(4): p. 1405-1423. 219. Adamson, S.L., et al., Reformed undergraduate instruction and its subsequent impact on secondary school teaching practice and student achievement. Journal of Research in Science Teaching, 2003. 40(10): p. 939-957. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 84 Anexo A2 - Categorização Através da Análise do Artigo Com base nos 71 artigos, identificados na classe sem classificação do quadro de categorização dos artigos - Anexo I, foi construída a seguinte tabela de forma a identificar os artigos que utilizam métodos estatísticos, os que não foi possível encontrar o texto completo e os que são excluídos porque abrangem uma franja da população. Métodos estatísticos [1] OLS [2] OLS [3] Estatísticas descritivas, OLS [4] Dados em painel, Modelo linear [5] Estatísticas descritivas e modelos de regressão linear [6] Regressão (race and socioeconomic status) [7] Análise multivariada [8] Regressão [9] Regressão [10] Estatísticas descritivas e de regressão múltipla [11] Regressão [12] OLS [13] Estatísticas descritivas e regressão [14] Análise de Clusters, multinominal regressão, ANCOVA [15] Equações estruturais [16] Regressão múltipla [17] teste t, HLM [18] Regressão logística, Path analysis [19] Regressão [20] Regressão múltipla [21] Equações estruturais [22] Equações estruturais [23] Regressão [24] Regressão logística [25] Regressão [26] Regressão OLS [27] ANOVA [28] OLS [29] Regressão múltipla [30] Equações estruturais [31] HLM [32] HLM [33] Análise factorial exploratória [34] Análise factorial exploratória, modelo LaRossa [35] Equação estrutural [36] Regressão [37] path analysis, regressão [38] Regressão [39] Regressão Logística, teste t e análise qui-quadrado [40] Regressão múltipla [41] OLS Não há PDF [45] [46] Ok Regressão [47] Ok [48] Ok [49] Ok [50] [51] [52] Ok School Vouchers Excluídos [53] Qualidade dos professores [54] Preferências dos pais para a educação dos filhos (estatísticas descritivas e modelo estrutural) [55] Qualidade da relação professor-aluno (estatísticas descritivas, regressão) [56] Ensino superior [57] Universidade [58] Dificuldades na aprendizagem a Álgebra [59] Critical discourse analysis, perfil dos pais [60] Revisão sistemática da literatura sobre métodos de instrução em Álgebra [61] Qualificação e experiência de professores (Estatísticas descritivas, HLM) [62] Modelo Heurístico [63] Transcrição de entrevistas [64] Análise Rasch [65] Jardim-de-infância [66] Envolvimento dos pais [67] Envolvimento dos pais [68] Jardim-de-infância (Análise qui-quadrado e HLM) [69] Jardim-de-infância (latent growth curve analyses, Full Information Maximum Likelihood (FIML) - method of handling missing data) [70] Jardim-de-infância (Estatística descritivas, Regressão múltipla) [71] Envolvimento dos pais, jardim-de-infância (HLM) Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Métodos estatísticos [42] Modelo multivariado [43] Modelo linear generalizado hierárquico (HGLM) [44] Regressão Não há PDF 85 Excluídos 1. Abdulkadiroglu, A., et al., ACCOUNTABILITY AND FLEXIBILITY IN PUBLIC SCHOOLS: EVIDENCE FROM BOSTON'S CHARTERS AND PILOTS. Quarterly Journal of Economics, 2011. 126(2): p. 699-748. 2. Berlinski, S., S. Galiani, and P. Gertler, The effect of pre-primary education on primary school performance. Journal of Public Economics, 2009. 93(1-2): p. 219-234. 3. Berlinski, S., S. Galiani, and M. Manacorda, Giving children a better start: Preschool attendance and school-age profiles. Journal of Public Economics, 2008. 92(5-6): p. 1416-1440. 4. Benabou, R., F. Kramarz, and C. Prost, The French zones d'education prioritaire: Much ado about nothing? Economics of Education Review, 2009. 28(3): p. 345-356. 5. Callahan, R.M., Tracking and high school English learners: Limiting opportunity to learn. American Educational Research Journal, 2005. 42(2): p. 305-328. 6. Clotfelter, C.T., H.F. Ladd, and J.L. Vigdor, Teacher Credentials and Student Achievement in High School A Cross-Subject Analysis with Student Fixed Effects. Journal of Human Resources, 2010. 45(3): p. 655-681. 7. Crosnoe, R. and B. Schneider, Social Capital, Information, and Socioeconomic Disparities in Math Course Work. American Journal of Education, 2010. 117(1): p. 79107. 8. Cullen, J.B., B.A. Jacob, and S. Levitt, The effect of school choice on participants: Evidence from randomized lotteries. Econometrica, 2006. 74(5): p. 1191-1230. 9. Cullen, J.B., B.A. Jacob, and S.D. Levitt, The impact of school choice on student outcomes: an analysis of the Chicago Public Schools. Journal of Public Economics, 2005. 89(5-6): p. 729-760. 10. Evans, G.W. and J. Rosenbaum, Self-regulation and the income-achievement gap. Early Childhood Research Quarterly, 2008. 23(4): p. 504-514. 11. Hanushek, E.A. and L. Wossmann, Does educational tracking affect performance and inequality? Differences-in-differences evidence across countries. Economic Journal, 2006. 116(510): p. C63-C76. 12. Husain, M. and D.L. Millimet, The mythical 'boy crisis'? Economics of Education Review, 2009. 28(1): p. 38-48. 13. Leana, C.R. and F.K. Pil, Social capital and organizational performance: Evidence from urban public schools. Organization Science, 2006. 17(3): p. 353-366. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 86 14. Nurmi, J.E. and K. Aunola, Task-motivation during the first school years: A personoriented approach to longitudinal data. Learning and Instruction, 2005. 15(2): p. 103122. 15. Opdenakker, M.C. and J. Van Damme, Do school context, student composition and school leadership affect school practice and outcomes in secondary education? British Educational Research Journal, 2007. 33(2): p. 179-206. 16. Potvin, G., et al., Unraveling Bias from Student Evaluations of Their High School Science Teachers. Science Education, 2009. 93(5): p. 827-845. 17. Palardy, G.J. and R.W. Rumberger, Teacher effectiveness in first grade: The importance of background qualifications, attitudes, and instructional practices for student learning. Educational Evaluation and Policy Analysis, 2008. 30(2): p. 111-140. 18. Rimkute, L., et al., Parents' Role in Adolescents' Educational Expectations. Scandinavian Journal of Educational Research, 2012. 56(6): p. 571-590. 19. Roorda, D.L., et al., The Influence of Affective Teacher-Student Relationships on Students' School Engagement and Achievement: A Meta-Analytic Approach. Review of Educational Research, 2011. 81(4): p. 493-529. 20. Sheldon, S.B., Improving student attendance with school, family, and community partnerships. Journal of Educational Research, 2007. 100(5): p. 267-275. 21. Valle, A., et al., Cognitive, motivational, and volitional dimensions of learning: An empirical test of a hypothetical model. Research in Higher Education, 2003. 44(5): p. 557-580. 22. Wang, M.T. and R. Holcombe, Adolescents' Perceptions of School Environment, Engagement, and Academic Achievement in Middle School. American Educational Research Journal, 2010. 47(3): p. 633-662. 23. Wossmann, L., C. Propper, and E. Duflo, Educational production in Europe. Economic Policy, 2005(43): p. 445-504. 24. Burris, C.C., J.P. Heubert, and H.M. Levin, Accelerating mathematics achievement using heterogeneous grouping. American Educational Research Journal, 2006. 43(1): p. 105136. 25. Gottfried, M.A., Evaluating the Relationship between Student Attendance and Achievement in Urban Elementary and Middle Schools: An Instrumental Variables Approach. American Educational Research Journal, 2010. 47(2): p. 434-465. 26. Goux, D. and E. Maurin, Close neighbours matter: Neighbourhood effects on early performance at school. Economic Journal, 2007. 117(523): p. 1193-1215. 27. Huntsinger, C.S. and P.E. Jose, Parental involvement in children's schooling: Different meanings in different cultures. Early Childhood Research Quarterly, 2009. 24(4): p. 398-410. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 87 28. Jackson, K. and E. Bruegmann, Teaching Students and Teaching Each Other: The Importance of Peer Learning for Teachers. American Economic Journal-Applied Economics, 2009. 1(4): p. 85-108. 29. Johnson, C.C., J.B. Kahle, and J.D. Fargo, A study of the effect of sustained, wholeschool professional development on student achievement in science. Journal of Research in Science Teaching, 2007. 44(6): p. 775-786. 30. Karbach, J., et al., Parental involvement and general cognitive ability as predictors of domain-specific academic achievement in early adolescence. Learning and Instruction, 2013. 23: p. 43-51. 31. Lee, O., R. Penfield, and J. Maerten-Rivera, Effects of Fidelity of Implementation on Science Achievement Gains among English Language Learners. Journal of Research in Science Teaching, 2009. 46(7): p. 836-859. 32. Maltese, A.V. and C.D. Hochbein, The Consequences of "School Improvement": Examining the Association Between Two Standardized Assessments Measuring School Improvement and Student Science Achievement. Journal of Research in Science Teaching, 2012. 49(6): p. 804-830. 33. Martinez, J.F., H. Borko, and B.M. Stecher, Measuring instructional practice in science using classroom artifacts: lessons learned from two validation studies. Journal of Research in Science Teaching, 2012. 49(1): p. 38-67. 34. McWayne, C.M., et al., Defining family engagement among Latino Head Start parents: A mixed-methods measurement development study. Early Childhood Research Quarterly, 2013. 28(3): p. 593-607. 35. Rhoades, B.L., et al., Examining the link between preschool social-emotional competence and first grade academic achievement: The role of attention skills. Early Childhood Research Quarterly, 2011. 26(2): p. 182-191. 36. Stipek, D., S. Newton, and A. Chudgar, Learning-related behaviors and literacy achievement in elementary school-aged children. Early Childhood Research Quarterly, 2010. 25(3): p. 385-395. 37. Tang, S., E. Dearing, and H.B. Weiss, Spanish-speaking Mexican-American families' involvement in school-based activities and their children's literacy: The implications of having teachers who speak Spanish and English. Early Childhood Research Quarterly, 2012. 27(2): p. 177-187. 38. Wood, N.B., et al., Viewing the school environment through multiple lenses: In search of school-level variables tied to student achievement. Journal of Research in Science Teaching, 2006. 43(3): p. 237-254. 39. Yamamoto, Y., S.D. Holloway, and S. Suzuki, Maternal involvement in preschool children's education in Japan: Relation to parenting beliefs and socioeconomic status. Early Childhood Research Quarterly, 2006. 21(3): p. 332-346. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 88 40. Riegle-Crumb, C., The path through math: Course sequences and academic performance at the intersection of race-ethnicity and gender. American Journal of Education, 2006. 113(1): p. 101-122. 41. Carbonaro, W., Tracking, students' effort, and academic achievement. Sociology of Education, 2005. 78(1): p. 27-49. 42. Entwisle, D.R., K.L. Alexander, and L.S. Olson, Early schooling: The handicap of being poor and male. Sociology of Education, 2007. 80(2): p. 114-138. 43. Hill, L.D., School strategies and the "College-Linking" process: Reconsidering the effects of high schools on college enrollment. Sociology of Education, 2008. 81(1): p. 53-76. 44. Riegle-Crumb, C. and E. Grodsky, Racial-Ethnic Differences at the Intersection of Math Course-taking and Achievement. Sociology of Education, 2010. 83(3): p. 248-270. 45. Attewell, P. and T. Domina, Raising the bar: Curricular intensity and academic performance. Educational Evaluation and Policy Analysis, 2008. 30(1): p. 51-71. 46. Dee, T.S. and M.R. West, The Non-Cognitive Returns to Class Size. Educational Evaluation and Policy Analysis, 2011. 33(1): p. 23-46. 47. Hill, H.C., Mathematical knowledge of middle school teachers: Implications for the No Child Left Behind policy initiative. Educational Evaluation and Policy Analysis, 2007. 29(2): p. 95-114. 48. Lockwood, J.R. and D.F. McCaffrey, EXPLORING STUDENT-TEACHER INTERACTIONS IN LONGITUDINAL ACHIEVEMENT DATA. Education Finance and Policy, 2009. 4(4): p. 439467. 49. Springer, M.G., et al., Team Pay for Performance: Experimental Evidence from the Round Rock Pilot Project on Team Incentives. Educational Evaluation and Policy Analysis, 2012. 34(4): p. 367-390. 50. Wyse, A.E., V. Keesler, and B. Schneider, Assessing the Effects of Small School Size on Mathematics Achievement: A Propensity Score-Matching Approach. Teachers College Record, 2008. 110(9): p. 1879-1900. 51. Rimm-Kaufman, S.E. and B.K. Hamre, The Role of Psychological and Developmental Science in Efforts to Improve Teacher Quality. Teachers College Record, 2010. 112(12): p. 2988-3023. 52. Rouse, C.E. and L. Barrow, School Vouchers and Student Achievement: Recent Evidence and Remaining Questions, in Annual Review of Economics2009. p. 17-42. 53. Carrell, S.E. and J.E. West, Does Professor Quality Matter? Evidence from Random Assignment of Students to Professors. Journal of Political Economy, 2010. 118(3): p. 409-432. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 89 54. Jacob, B.A. and L. Lefgren, What do parents value in education? An empirical investigation of parents' revealed preferences for teachers. Quarterly Journal of Economics, 2007. 122(4): p. 1603-1637. 55. O'Connor, E. and K. McCartney, Examining teacher-child relationships and achievement as part of an ecological model of development. American Educational Research Journal, 2007. 44(2): p. 340-369. 56. Perry, R.P., et al., Perceived academic control and failure in college students: A threeyear study of scholastic attainment. Research in Higher Education, 2005. 46(5): p. 535569. 57. Tai, R.H. and P.M. Sadler, Same Science for All? Interactive association of structure in learning activities and academic attainment background on college science performance in the USA. International Journal of Science Education, 2009. 31(5): p. 675-696. 58. Kieffer, M.J., Socioeconomic Status, English Proficiency, and Late-Emerging Reading Difficulties. Educational Researcher, 2010. 39(6): p. 484-486. 59. Prins, E. and B.W. Toso, Defining and measuring parenting for educational success: A Critical Discourse Analysis of the Parent Education Profile. American Educational Research Journal, 2008. 45(3): p. 555-596. 60. Rakes, C.R., et al., Methods of Instructional Improvement in Algebra: A Systematic Review and Meta-Analysis. Review of Educational Research, 2010. 80(3): p. 372-400. 61. Croninger, R.G., et al., Teacher qualifications and early learning: Effects of certification, degree, and experience on first-grade student achievement. Economics of Education Review, 2007. 26(3): p. 312-324. 62. Eisenberg, N., C. Valiente, and N.D. Eggum, Self-Regulation and School Readiness. Early Education and Development, 2010. 21(5): p. 681-698. 63. Walker, E.N., Urban high school students' academic communities and their effects on mathematics success. American Educational Research Journal, 2006. 43(1): p. 43-73. 64. Johnson, P. and P. Tymms, The Emergence of a Learning Progression in Middle School Chemistry. Journal of Research in Science Teaching, 2011. 48(8): p. 849-877. 65. Carbonaro, W., Public-private differences in achievement among kindergarten students: Differences in learning opportunities and student outcomes. American Journal of Education, 2006. 113(1): p. 31-65. 66. Domina, T., Leveling the home advantage: Assessing the effectiveness of parental involvement in elementary school. Sociology of Education, 2005. 78(3): p. 233-249. 67. Jeynes, W.H., The Salience of the Subtle Aspects of Parental Involvement and Encouraging That Involvement: Implications for School-Based Programs. Teachers College Record, 2010. 112(3): p. 747-774. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 90 68. Brock, L.L., et al., The contributions of 'hot' and 'cool' executive function to children's academic achievement, learning-related behaviors, and engagement in kindergarten. Early Childhood Research Quarterly, 2009. 24(3): p. 337-349. 69. McClelland, M.M., A.C. Acock, and F.J. Morrison, The impact of kindergarten learningrelated skills on academic trajectories at the end of elementary school. Early Childhood Research Quarterly, 2006. 21(4): p. 471-490. 70. Silinskas, G., et al., Predictors of mothers' and fathers' teaching of reading and mathematics during kindergarten and Grade 1. Learning and Instruction, 2010. 20(1): p. 61-71. 71. Galindo, C. and S.B. Sheldon, School and home connections and children's kindergarten achievement gains: The mediating role of family involvement. Early Childhood Research Quarterly, 2012. 27(1): p. 90-103. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 91 Anexo A3 – Quadro resumo da revisão da literatura De acordo com os artigos (84) identificados nos anexos A1 e A2, foram efetuadas a leitura integral e a análise de conteúdo de cada artigo, de forma a construir o seguinte quadro resumo da revisão da literatura. Esse quadro está estruturado, para cada artigo, com base na seguinte informação: referência e título do artigo; objetivo(s) do estudo; métodos e modelos de análise utilizados; dados usados nas análises; variáveis/fatores de desempenho escolar; principais resultados e conclusões dos estudos. Referência e título do artigo 1 - (Dignath & Buttner, 2008) Components of fostering selfregulated learning among students. A meta-analysis on intervention studies at primary and secondary school level. 2 - (Cavanagh, Schiller, & RiegleCrumb, 2006) Marital transitions, parenting, and schooling: Exploring the link between family-structure history and adolescents' Objetivo(s) do estudo Investigar o impacto de várias características de formação nos resultados de formação, em relação ao desempenho académico, uso de estratégia e motivação dos alunos. Objetivo geral: examinar se o aspeto dinâmico da vida vinculada - Linked lives (relação paifilho) existe e, em caso afirmativo, explorar as razões pelas quais existe. Quatro objetivos Métodos e modelos de análise utilizados Análise descritiva Análise inferencial Regressão múltipla OLS Dados usados nas análises Análises descritivas Para os dois primeiros objetivos (criação de medidas que representem a história do estado civil dos pais e os status académico dos adolescentes em matemática no início e no final do High 4217 adolescentes Os dados são: Add Health - uma amostra nacionalmente representativa de adolescentes que estavam em 1995, nos níveis 7-12 -estudo transcrição AHAA Meta análise a 74 estudos (49 de escolas primárias e 25 de escolas secundárias que corresponde a uma amostra de 8 618 alunos; Utilizam uma métrica comum baseada em três categorias. Variáveis/fatores de desempenho escolar Desempenho académico: matemática, leitura/escrita, outros; Uso estratégico; Motivação; Principais resultados e conclusões dos estudos -Resultados a matemática: academic status in the ninth grade; academic status at the end of high school -História da estrutura familiar: instabilidade familiar; estrutura familiar no nascimento (casados, solteiros); tipo de família; -Explanatory factor: comportamento dos pais; Modelo 1 -os adolescentes de famílias menos estáveis eram um pouco menos propensos a completar Álgebra I, no 9ºano do que os outros, mas esta associação não foi significativa; -os adolescentes nascidos em famílias monoparentais têm menos 25% de probabilidade de completar Álgebra I, no 9ºano em comparação com aqueles que nasceram em famílias com dois pais biológicos; -os adolescentes mais velhos e os rapazes eram menos propensos a completar Álgebra I, no 9º ano; O desempenho em Matemática dos alunos foi maior para os alunos da escola primária, enquanto na leitura/escrita acabou por ser superior no ensino secundário. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo academic status. Objetivo(s) do estudo específicos: -construir medidas históricas da estrutura familiar que reflita o número de transições familiares que as crianças viveram desde o seu nascimento até ao início da adolescência, bem como a estrutura da família no nascimento; -identificar pontos de transição-chave nos percursos educacionais de adolescentes que reflitam a colocação dos adolescentes em cursos de matemática; -investigar a associação dinâmica entre a história da estrutura familiar e os percursos educacionais dos adolescentes. -explorar os vários mecanismos Métodos e modelos de análise utilizados school). Regressão - Para o terceiro objetivo (associar a história da estrutura familiar com os resultados académicos): -regressão logística (academic status in the ninth grade) -regressão multinomial (academic status at the end of high school) Análise explicativa Explanatory analyses - Para o quarto objetivo (examinar os mecanismos que explicam as relações entre a história da estrutura familiar com o academic status no final do high school). Dados usados nas análises 92 Variáveis/fatores de desempenho escolar ajuste e aspirações dos adolescentes; -Características individuais: Idade; género; etnia; educação dos pais; -Contexto da escola: urbanicity (Suburban, Urban, ou Rural); Tipo de escola (Privada, pública) Principais resultados e conclusões dos estudos -os adolescentes cujos pais tinham pelo menos alguma formação universitária eram mais propensos a completar Álgebra I; - os adolescentes que frequentaram escolas privadas tiveram maior probabilidade de completar Álgebra I, no 9ºano, do que os que frequentaram as escolas públicas; -a instabilidade da família é um fator significativo na compreensão do estatuto académico dos alunos no final do ensino secundário; -a uma maior instabilidade familiar corresponde uma menor probabilidade de ser graduado em Álgebra II ou a um elevado abandono escolar. Em particular, por cada unidade a mais na instabilidade familiar, há uma uma redução de 16% na probabilidade de ser graduado em Álgebra II; -a estrutura familiar existente ao nascimento do aluno também influencia o estatuto académico no final do ensino secundário; -as variáveis de controlo: idade, sexo e escolaridade dos pais continuaram a distinguir os percursos académicos dos alunos no final do ensino secundário. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo 3 - (Ahtola et al., 2011) Transition to formal schooling: Do transition practices matter for academic performance? 4 - (Crosnoe & Cooper, 2010) Economically Disadvantaged Children's Transitions Into Elementary School: Linking Family Processes, School Contexts, and Educational Policy. Objetivo(s) do estudo subjacentes a esta associação longitudinal. Examinar se as práticas de transição implementadas no ensino pré-escolar e ensino primário contribuem para o desenvolvimento escolar das crianças durante o primeiro ano da escola primária; Examinar a relação entre as competências das crianças com as práticas de transição. Aplicar um quadro teórico de acordo com a literatura (modelo de socialização familiar) à aprendizagem da criança durante um período crítico, expandindo esse quadro de forma a incorporar forças de seleção de crianças de diferentes tipos de 93 Métodos e modelos de análise utilizados Dados usados nas análises Variáveis/fatores de desempenho escolar Principais resultados e conclusões dos estudos Multilevel latent growth modeling Participantes: 398 crianças que transitaram de 36 préescolas para 22 escolas primárias de duas cidades finlandesas. -Género da criança (menino) -Idade da criança na préescola no dia 1 de março de 2007 (em mês) -Escolaridade das Mães -Tamanho da escola primária -Competências académicas da criança analisadas em 2 fases: na primavera, na préescola; na primavera no grau 1; -Número de práticas de transição; -Práticas implementadas. Os resultados mostraram que um dos meios de promover o sucesso da transição entre escolas é melhorar as relações entre a criança, família, préescola e ensino básico, utilizando práticas de transição apropriadas. Estatísticas descritivas Mixed procedure SAS Multilevel modeling (Singer, 1998) Entrevistas aos pais e funcionários da escola; Testes diagnósticos às crianças. N=17 401. - Desempenho académico: teste a matemática e leitura no jardim-de-infância e no 1º ano; - Desvantagem económica da família; - Fatores de socialização familiar: relações familiares (conflitos conjugais, aconchego dos Pais); adaptação familiar (depressão dos pais, stress dos pais, problemas externos As crianças tiveram ganhos menores nos testes de matemática e leitura entre o jardim-de-infância e o primeiro ano tendo em conta cada variável de desvantagem económica da família (especialmente a combinação de baixa escolaridade dos pais, pobreza da família, e uma terceira dimensão de desvantagem). A lacuna económica foi maior para a leitura, e mais relacionada a fatores de socialização da família em matemática. As crianças com fatores de risco familiares tendem a fazer melhor do que o esperado quando tiveram professores com experiência de ensino dentro do seu nível de ensino, especialmente para a leitura. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Objetivo(s) do estudo famílias e escolas, bem como tendo em conta características políticoorganizacionais que possam amortecer os riscos familiares. Especificamente, este estudo baseia-se no Cohort Early Childhood Longitudinal StudyKindergarten (ECLS-K) de forma a identificar fatores familiares que influenciam a ligação entre a desvantagem económica e a aprendizagem da criança no início da escola, assim como as características do professor que condicionam esses fatores. Métodos e modelos de análise utilizados Dados usados nas análises 94 Variáveis/fatores de desempenho escolar à criança, problemas internos à criança); comportamento dos pais (atividades culturais, materiais cognitivamente estimulantes, atividades organizadas, atividades de aprendizagem em casa, envolvimento dos pais na escola, disciplina física, regras e rotinas); - Qualificação dos professores: nível de escolaridade (mestrado), tipo de certificação, certificação elementar, Grade Tenure, School tenure, horas de preparação pagas) - Práticas dos professores em sala de aula (instrução fonética, instrução de toda a linguagem, instrução de operações com números, instrução da mecânica matemática, tempo de instrução de leitura) - Outros fatores da criança/família: -privação de material (instabilidade residencial, cuidados médicos inadequados, insegurança alimentar, meses de Principais resultados e conclusões dos estudos Este buffer observado para educadores de infância, no entanto, não persistiu após as crianças deixaram o 1º ano e tendo tido vários professores. O rendimento pobre tem um papel mais importante na aprendizagem precoce quando agrupado com outros elementos da estratificação social e económica, é por si só relevante para a política em grande escala. Para a definição de risco económico, deve-se incluir outro tipo de informação, tais como, a educação dos pais. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Objetivo(s) do estudo Métodos e modelos de análise utilizados Dados usados nas análises 5 - (Beard, Hoy, & Hoy, 2010) -Evidenciar a noção de otimismo académico para os indivíduos, isto é, conceptualizar o otimismo académico e confirmar a validade fatorial do constructo ao nível individual do professor; -Analisar os fundamentos teóricos e a medição de otimismo académico do professor e explorar algumas correlações estruturais e pessoais de otimismo académico. Analisar o nível e Análise factorial confirmatória usando modelos de equações estruturais 260 professores que lecionam no ensino primário de 14 escolas do estado Ohio (EUA). Estas escolas são rurais, urbanas ou suburbanas. Testes t; 415 crianças de uma amostra Academic optimism of individual teachers: Confirming a new construct. 6 - (J. S. Lee & 95 Variáveis/fatores de desempenho escolar problemas financeiros), idade, sexo (feminino), etnia, estatuto de imigração (1ª/2ª geração), mãe empregada a tempo inteiro, mãe empregada a tempo parcial, mãe não empregada, sem mãe em casa, tipo de cuidado da criança no pré-jardim-deinfância. Ênfase académica; Confiança nos Pais e Alunos; Eficácia de Professores. Principais resultados e conclusões dos estudos - Variáveis demográficas: Os pais com diferentes características demográficas /*Excluído, não fala em desempenho Apenas medem o otimismo académico supondo que isso influencia o desempenho*/ Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Bowen, 2006) Parent involvement, cultural capital, and the achievement gap among elementary school children. 7 - (V. E. Lee & Burkam, 2003) Dropping out of high school: The role of school organization and structure. Objetivo(s) do estudo impacto de cinco tipos de envolvimento dos pais no desempenho escolar de crianças da escola primária por etnia, pobreza e escolaridade dos pais. Explorar se as escolas (High schools), através das suas estruturas e organização, poderão influenciar as decisões dos alunos no sentido de não abandonar a escola. Métodos e modelos de análise utilizados Estatísticas quiquadrado; Regressões hierárquicas. Dados usados nas análises Métodos multiníveis: HLM; Testes t ANOVA 3 840 estudantes de 190 escolas urbanas e suburbanas do High School Effectiveness Supplement do National Educational Longitudinal Study de 1988. representativa de 497 alunos do 3º ao 5º de uma comunidade na fronteira com um grande centro urbano no sudeste dos Estados Unidos. Os dados foram recolhidos na primavera de 2004, como parte de um estudo destinado a determinar as propriedades psicométricas da Elementary School Sucess Profile (Bowen, 2006; Bowen, Bowen, & Woolley, 2004). 96 Variáveis/fatores de desempenho escolar etnia (Africo americano, hispânicos/Latino e Americano Europeu), participação no programa de refeições escolares grátis ou a preço reduzido, nível educacional dos pais; - Envolvimento dos pais: envolvimento na escola, discussões educacionais, ajuda nos trabalhos de casa, gestão de tempo, expectativas educacionais. - Variável dummy: participação no programa de refeições escolares grátis; -Variáveis dummy: africo americano e hispanic/Latino tendo como grupo de referência o Americano Europeu. - Variáveis ao nível do aluno: Feminino, Asiático, Hispânico, Negro, SES (medida standarizada composta pelo estatuto socioeconómico incluindo a educação os pais, prestígio ocupacional dos pais e rendimento), idade superior a 16 anos, Principais resultados e conclusões dos estudos apresentaram diferentes tipos de envolvimento, e os tipos de envolvimento demonstrados pelos pais dos grupos dominantes tiveram a mais forte associação com o desempenho. A etnia e a participação nas refeições escolar foram variáveis significativamente associadas com o desempenho, para além dos efeitos de envolvimento dos pais (Modelo 3). Verificaram-se efeitos positivos do nível de escolaridade dos pais no desempenho (Modelo 1), no entanto, parecia ser mediado pelo envolvimento dos pais (modelos 2 e 3). O envolvimento dos pais na escola foi igualmente associado com o desempenho escolar mais elevado entre todos os membros da amostra. A desvantagem cultural vivida pelos pais, que são Africano-americanos, hispânicos/latinos, de baixos rendimentos, ou com menor escolaridade em relação ao envolvimento na escola parece ocorrer através de barreiras enfrentadas por esses pais no que diz respeito a estar presente na escola, em vez de ser apenas por terem menos benefícios quando eles são de facto capazes de estar presente na escola. Nas escolas que oferecem cursos académicos e, principalmente, alguns cursos não académicos, os alunos são menos propensos a abandonar. Os alunos são menos propensos a abandonar a escolas onde as relações entre professores e alunos são positivas, no entanto, o impacto das relações positivas depende das características organizacionais e estruturais das escolas. Os alunos são mais propensos a abandonar a escola Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo 8 - (McCaffrey & Lockwood, 2011) MISSING DATA IN VALUE-ADDED MODELING OF TEACHER EFFECTS. 9 - (McEwan & Shapiro, 2008) The benefits of delayed primary school enrollment Discontinuity estimates using Objetivo(s) do estudo Métodos e modelos de análise utilizados Dados usados nas análises 97 Variáveis/fatores de desempenho escolar resultados de matemática do 10º ano, nota média de matemática do 9º e 10º. - Variáveis ao nível da escola: média SES, minoria (40% ou mais estudantes de minorias), média dos resultados do 8º, média de matemática GPA do 9º, oferta/não da escola de cálculo, escola Católica, escola independente, tamanho da escola (pequeno: até 600, médio: de 601 a 1500, grande: de 1501 a 2500 e muito grande: mais de 2500 alunos), relação professoraluno. Principais resultados e conclusões dos estudos Retenção no 1ºano; Anos de escolaridade da mãe; Género Feminino; Altura; Peso; Resultados de matemática no 4ºano; Resultados de língua no Um atraso de um ano na primeira inscrição diminui a probabilidade de retenção no 1º grau em cerca de dois pontos percentuais e aumenta os resultados dos testes do 4º e 8º ano em 0,3 ou mais desvios-padrão, com maior efeito para os rapazes. quanto maior ela for. Mas o tamanho da escola per si pode não influenciar diretamente a probabilidade dos alunos abandonarem a escola. Existem outras características organizacionais que influenciam, em particular, a relação professor e aluno, confiança organizacional, compromisso dos membros para um objetivo comum e contato frequente. Estes resultados são muito consistentes com outros estudos que demonstram que o tamanho de escolas secundárias influencia os resultados escolares e que escolas menores (mas não demasiado pequenas) são geralmente melhores. /* Excluído, modelos para tratar missing data*/ Estimar o efeito da escolarização atrasada nos resultados dos alunos, utilizando dados administrativos sobre os estudantes chilenos que incluem Regressão OLS, two-stage least squares (TSLS). Oito inquéritos anuais (19972004) de alunos do 1ºano, recolhidos pela National School Assistance and Scholarship Board (JUNAEB), agência governamental responsável por um programa de alimentação Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo exact birth dates. Objetivo(s) do estudo 10 - (Muller, RiegleCrumb, Schiller, Wilkinson, & Frank, Investigar se as escolas (High schools) oferecem igualdade Métodos e modelos de análise utilizados datas exatas de nascimento. HLM; Regressão logística. Dados usados nas análises escolar. Nos dois primeiros meses de cada ano letivo, a agência avalia cada aluno do 1ºano de todos os organismos públicos e da maioria das escolas privadas. Os professores do 1ºano informam os dados sobre a data exata de nascimento do aluno, peso, altura, sexo, anos de escolaridade da mãe, e um número único de identificação semelhante ao número de Segurança Social dos EUA. Corresponde a 1 013 081 alunos de 3 274 escolas Acrescentaram os dados dos censos dos estudantes do 4ºano, recolhidos em novembro de 2002 pelo Nacional System of educational Quality Measurement (SIMCE), uma unidade do Ministério da Educação. Corresponde a 144 047 alunos. 2 amostras (usadas em separado): -26 escolas com 3 149 alunos 98 Variáveis/fatores de desempenho escolar 4ºano; Idade da 1ºinscrição. Principais resultados e conclusões dos estudos Variáveis dependentes - grade point average (GPA) of all senior-year courses; As escolas variam na medida em que Africoamericanos e latinos estão sub-representados em aulas de matemática avançada do 2º ano. Este padrão Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo 2010) Race and Academic Achievement in Racially Diverse High Schools: Opportunity and Stratification. 11 - (Nolen, 2003) Learning environment, Objetivo(s) do estudo Métodos e modelos de análise utilizados de oportunidades educacionais para alunos de grupos raciais e etnicamente diferentes. Estimar se e como a estrutura de oportunidades limita o nível de desempenho alcançado pelos estudantes africo americanos e latinos até o final do ensino. Examinar as relações entre as motivações individuais, as estratégias de Dados usados nas análises Africo americanos, brancos, Asiáticos; -22 escolas com 2 775 alunos Latinos, brancos, Asiáticos. HLM Questionário 377 alunos com idade média de 15 anos de 22 turmas; Recolha efetuada em dois 99 Variáveis/fatores de desempenho escolar 4-year college (incluí alunos que se formaram no High school, que participaram ou se formaram em 2-year college e estudantes que começaram em 4-year college e os que abandonaram. Variáveis independentes -Variáveis ao nível da escola: Indicador para medir a subrepresentação de alunos africo-americanos e latinos em disciplinas de matemática avançada; Proporção de pais com ensino superior; Lcoal da escola (urbana, suburbana e rural); Tamanho da escola: Tipo de escola: Privada e Pública; -Variáveis individuais: género feminino; áfrico americano; latino; educação dos pais; espanhol falado em casa; aunos do 1º ano; aluno do 2º do curso de matemática. Orientação para a tarefa (outono, primavera); Ego Orientação (outono, primavera); Principais resultados e conclusões dos estudos de desigualdade racial nas escolas está associado a grupos minoritários do nível senior-year e matrículas em 4-year em instituições pós secundárias. As escolas podem desempenhar um papel ativo na criação de oportunidades de mobilidade social ou na exacerbação de desigualdades sociais, dependendo de como eles são estruturados. É importante considerar a estratificação racial dentro das escolas como um mecanismo de desigualdade de oportunidades educacionais. As perceções partilhadas do ambiente da sala de aula desempenham um papel significativo nos resultados dos alunos a ciências e na satisfação com a aprendizagem em ciências. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo motivation, and achievement in high school science. Objetivo(s) do estudo 12 - (Rumberger & Palardy, 2005) Investigar as relações entre os diversos indicadores de desempenho do ensino secundário: resultados dos testes, taxas de abandono escolar, taxas de transferência e taxas de desgaste. Test scores, dropout rates, and transfer rates as alternative indicators of high school performance. Métodos e modelos de análise utilizados aprendizagem e os resultados, e ao mesmo tempo, considerando a influência dos aspetos do ambiente da sala de aula sobre essas variáveis. Dados usados nas análises momentos: no início (outono) e no fim (primavera). Modelos lineares hierárquicos. Dados em painel Amostra: 14 199 estudantes que participaram nos questionários National Educational Longitydinal Study (NELS) de 1988 Dados de 1988, 1990 e 1992. 100 Variáveis/fatores de desempenho escolar Abandonar o trabalho (outono, primavera); Valor da estratégia profunda (outono, primavera); Foco na aprendizagem, em Ciência; Foco na Ability-Meritocracy; Ambiente Cooperativo; Compreensão de leitura (TAP); Satisfação com a aprendizagem; Resultado em Ciência (IMS). Características da família: -SES (indicador socioeconómico) -Família não tradicional -Mobilidade familiar (entre o 10º e 12º anos) Características dos alunos: variáveis binárias para a etnia (Asiático, Negro, Hispânico, Nativo Americano); Componente escolar e social: - Notas - Retenção entre o 1º e 8º ano - Mudança de Escola entre o 1º e 8º ano -Aspirações universitárias no 8º ano -Mau comportamento Principais resultados e conclusões dos estudos As escolas são eficazes na promoção da aprendizagem dos alunos (crescimento dos resultados) e não são necessariamente eficazes na redução do abandono escolar ou das taxas de transição. As grandes escolas não só têm maiores taxas de abandono, como também têm taxas mais elevadas de aprendizagem entre os alunos que permanecem, podendo ser um reflexo das atividades. As escolas têm relativamente um efeito pequeno na aprendizagem dos alunos, em comparação com as características do estudante. As características dos estudantes influenciam metade da variabilidade das taxas de abandono escolar, mas apenas cerca de um terço da variabilidade na aprendizagem dos alunos e quase nenhuma variabilidade nas taxas de transição. Uma interpretação deste resultado é que as escolas têm relativamente pouco impacto sobre as taxas de abandono em relação aos resultados dos alunos. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Objetivo(s) do estudo Métodos e modelos de análise utilizados Dados usados nas análises 101 Variáveis/fatores de desempenho escolar -GPA no nível 6-8 Características da escola: - Tipo de escola: católica, Pública, Magnet - Tamanho da escola: pequena, grande, extra grande -Localização da escola: urbana, rural; Recursos da escola: -salário do professor; -rácio Professor-aluno; Processos da escola: -Qualidade do ensino; -Eficácia do professor; -Expectativas dos professores; - Perceção dos docentes relativamete à liderança e à colaboração entre professores; -envolvimentos dos pais; - Ambiente académico: média de horas gastas em trabalhos de casa; e, édia do número de cursos de preparação; -Ambiente social: proporção de alunos que se sentem inseguros; número de Interrupções na aula -Ambiente disciplinar: proporção de alunos que Principais resultados e conclusões dos estudos Apenas dois fatores tiveram efeitos significativos sobre as medidas de desempenho, que são: proporção de alunos de famílias não tradicionais e média dos resultados dos alunos do 8ºano. Maiores salários dos professores foram associados a menor taxas de abandono, transição e insuceso, mas não foram associados a um crescimento elevado do desempenho. As variáveis de recursos apresentam efeitos mais fortes sobre as taxas de transição do que no crescimento dos resultados ou nas taxas de abandono escolar, o que pode sugerir que esses fatores influenciam os estudantes e os pais na tomada de decisão de mudar de escola, mesmo que não existam efeitos aparentes sobre a aprendizagem do aluno. O envolvimento dos pais teve um efeito positivo sobre o crescimento dos resultados, um efeito negativo sobre as taxas de abandono, e nenhum efeito sobre a transição e taxas de insucesso. Interrupções na turma e perceções dos alunos sobre a disciplina foram associados a menor taxas de progresso e de insucesso, mas não teve efeitos significativos no aumento dos resultados ou nas taxas de abandono. As escolas católicas tinham significativamente menor taxas de abandono, mas tiveram maior taxa de transição e de insucesso. As pequenas escolas não são nem mais eficazes na melhoria de resultados nem mais eficazes na redução das taxas de abandono e transição do que as escolas de tamanho médio. Na verdade, as maiores escolas (com mais de 1 200 estudantes) têm um nível Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo 13 - (Schiller & Muller, 2003) Raising the bar and Objetivo(s) do estudo Explorar a associação entre o trabalho do curso dos alunos a matemática e os Métodos e modelos de análise utilizados HLM (hierarchical linear modeling) Dados usados nas análises 2 conjuntos de dados para fornecer: - Informação longitudinal do contexto social e percurso 102 Variáveis/fatores de desempenho escolar consideram a política disciplinar é justa. Variáveis ao nível do aluno: - Estatuto socioeconómico (SES) - Etnia (Latino, Áfrico- Principais resultados e conclusões dos estudos significativamente mais alto de crescimento no desempenho do aluno do que as escolas de tamanho médio, após o controlo para as diferenças de características de background dos estudantes, embora a magnitude da diferença tenha sido muito pequena. No entanto, as escolas maiores também apresentaram maiores taxas de abandono e de transição. Isto sugere que, enquanto as escolas de maior dimensão são mais eficazes na melhoria da aprendizagem entre os alunos que são mais estáveis e, geralmente, de menor risco, elas são menos eficazes do que as escolas médias em reter os alunos que estão mais em risco de abandono escolar ou de serem transferidos. As escolas secundárias têm relativamente pouca influência sobre as taxas de abandono em comparação com os resultados dos alunos. Além disso, mesmo avaliando escolas com base tanto nos resultados como nas taxas de abandono pode ser insuficiente, porque as taxas de transição ou mobilidade são ignoradas. Embora as taxas de mobilidade não sejam geralmente consideradas como um indicador relevante de desempenho escolar, descobrimos que são menos influenciadas pelos fatores aluno e família, incluindo a mobilidade residencial, do que as taxas de abandono. Isto sugere que as escolas devem ser responsáveis por todos os alunos que entram e não apenas pelos que permanecem. Os requisitos de graduação e políticas de prestação de contas do estado tiveram efeitos pequenos, mas estatisticamente significativos no caso dos alunos do curso de matemática da escola secundária, tanto sobre Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo equity? Effects of state high school graduation requirements and accountability policies on students' mathematics course taking. 14 - (SchommerAikins, Duell, & Hutter, 2005) Epistemological beliefs, mathematical problem-solving beliefs, and academic performance of middle school Objetivo(s) do estudo requisitos de graduação das escolas secundárias de cada estado e avaliação ou responsabilidade política. Avaliar o impacto de maiores requisitos de de graduação e analisar como é que relação entre a colocação de novos alunos no curso de matemática e a persistência dos alunos nesta disciplina variou entre os estados com diferentes políticas. /*Excluído, Não PDF*/ Métodos e modelos de análise utilizados Dados usados nas análises académico do aluno - Informação sobre as políticas de avaliação e de prestação de contas dos estados. 103 Variáveis/fatores de desempenho escolar americano, Branco) - Género Masculino - Se Vive com os pais (ambos) - Nota de matemática no ensino básico - Nota no 8ºano de matemática - Localização da escola: Urbana ou rural Variáveis ao nível das políticas do estado: - Requisitos de conclusão do ensino secundário - A amplitude de teste - Consequências para os alunos -Consequências para as escolas Principais resultados e conclusões dos estudos os tipos e número de disciplinas e na estratificação da classe social e de etnia. O aumento da responsabilização das escolas na realização do teste era a única estratégia que parecia aumentar a oportunidade dos alunos melhorarem na aprendizagem da matemática no ensino secundário, mas especialmente para estudantes de grupos minoritários e aqueles que fizeram cursos de preparação como os alunos de 1º ano. Requisitos de graduação do ensino secundário por estado tiveram efeitos mistos na colocação e diferenças na candidatura tendo em conta a origem social do aluno. Os estudantes de estados com maiores requisitos de graduação tendem a entrar no curso de matemática do ensino secundário num nível superior. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo students. 15 - (Sektnan, McClelland, Acock, & Morrison, 2010) Relations between early family risk, children's behavioral regulation, and academic achievement. 16 - (Songer, Kelcey, & Gotwals, 2009) How and When Does Complex Reasoning Occur? Empirically Driven Development of a Learning 104 Objetivo(s) do estudo Métodos e modelos de análise utilizados Dados usados nas análises Variáveis/fatores de desempenho escolar Principais resultados e conclusões dos estudos Analisar as relações entre os fatores de risco familiares, o controlo comportamental durante a transição para a escolaridade formal (obrigatória) (entre o Jardim de infância e os 54 meses), e os resultados escolares no 1ºano. Modelo de equações estruturais. 1 298 crianças e famílias Dados do National Institute of Child Health and Human Development (NICHD) estudo de Early Child Care and Youth Development. - Educação da mãe - Rácio rendimento/necesidades - Etnia: hispânico, negro, branco - Sintomas depressivos maternos - Resultados do 1ºano na leitura, matemática e vocabulário Vários fatores de risco familiares influenciam o desempenho académico do 1º ano e destaca a importância do controlo comportamental para o sucesso escolar precoce. O estatuto de minoria, baixa escolaridade da mãe e baixo rendimento familiar tiveram efeitos negativos e significativos sobre os resultados na leitura, matemática e vocabulário. Longos períodos de sintomas depressivos maternos tiveram um efeito indireto, negativo e pequeno, mas significativo no desempenho através do controlo comportamental. Efeitos modestos, indiretos e negativos também foram encontrados tendo em conta o estatuto de minoria e a baixa escolaridade materna através de um controlo comportamental errado originando resultados inferiores no 1ºano. O controlo do comportamento em 54 meses e no jardim-de-infância contribuíram significativamente para os resultados depois de controlar os efeitos de fatores de risco familiar e serviu para impulsionar o desempenho académico das crianças. Descrever um estudo empírico, que consiste num processo em cinco etapas para desenvolver a aprendizagem em 3 anos com foco no pensamento /*Excluído, Atividades E/A*/ Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Progression Focused on Complex Reasoning about Biodiversity. 17 - (Tai, Sadler, & Loehr, 2005) Factors influencing success in introductory college chemistry. 18 - (J. H. Y. Wang & Guthrie, 2004) Modeling the effects of intrinsic motivation, extrinsic motivation, amount of reading, and past reading achievement on text comprehension between US and Chinese students 19 - (Zijlstra, Wubbels, Brekelmans, & Objetivo(s) do estudo Métodos e modelos de análise utilizados Dados usados nas análises 105 Variáveis/fatores de desempenho escolar Principais resultados e conclusões dos estudos complexo sobre a biodiversidade. Analisar a relação entre as experiências pedagógicas em química no ensino secundário e o desempenho na introdução da química na faculdade considerando as diferenças educacionais e demográficas. Analisar em que medida os processos motivacionais (Motivação intrínseca e extrínseca) facilitam a compreensão de textos e o possível papel da cultura nessa relação. /*Excluído, Não PDF*/ /*Excluído, Ensino Superior*/ /* Excluído, não fala em desempenho, apenas medem a motivação intrínseca e extrínseca que influencia a compreensão do texto Modelo estrutural*/ Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Koomen, 2013) CHILD PERCEPTIONS OF TEACHER INTERPERSONAL BEHAVIOR AND ASSOCIATIONS WITH MATHEMATICS ACHIEVEMENT IN DUTCH EARLY GRADE CLASSROOMS. 20 - (Chiang, 2009) How accountability pressure on failing schools affects student achievement 106 Objetivo(s) do estudo Métodos e modelos de análise utilizados Dados usados nas análises Variáveis/fatores de desempenho escolar Principais resultados e conclusões dos estudos Avaliar a importância relativa das reformas educativas e comportamento de jogo na geração de ganhos de pontuação do teste por escolas ameaçadas. Estimar os efeitos de médio prazo sobre as notas dos alunos que frequentaram uma escola básica ameaçada. Regressão descontínua Testes de leitura, matemática e escrita – Florida Comprehensive Assessment Test (FCAT) Custo total da escola por aluno Negro, hispanic Feminino Refeições grátis/preço reduzido Resultados de leitura Resultados de matemática Baixos valores de leitura Baixos valores de matemática Média da escola por ano (4º, 5º e 6º) Cidade grande A ameaça de sanções sobre as escolas de baixo desempenho pode elevar as notas dos alunos num curto prazo, sendo estas melhorias devido à manipulação do sistema. A ameaça de sanções dos sistemas de responsabilização da escola constitui um poderoso incentivo para as escolas de baixo desempenho para aumentar os resultados dos testes, mas existe o potencial de ganhos observados na pontuação de testes resultando na manipulação não-educacional das condições de teste. Duas abordagens indicam que os ganhos nos resultados com ameaças de sanções são suscetíveis de resultar em reformas orientadas para o ensino. A melhoria inicial dos alunos nas notas de matemática que frequentarem escolas ameaçadas em grande parte persiste por pelo menos 1 a 2 anos após a sua entrada no ensino médio. A entrada de uma escola no estatuto de ameaça Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo 21 - (Blanchard et al., 2010) Is Inquiry Possible in Light of Accountability?: A Quantitative Comparison of the Relative Effectiveness of Guided Inquiry and Verification Laboratory Instruction. 22 - (Clements, Reynolds, & Hickey, 2004) Site-level predictors of children's school and social competence in the Chicago ChildParent Centers. Objetivo(s) do estudo Métodos e modelos de análise utilizados Verificar se o ensino utilizado (baseado na pesquisa ou em laboratório) influencia os resultados dos alunos Experiência Analisar a influência do indivíduo e fatores de nível local dos Centros de ChildParent de Chicago Chicago Child-Parent Centers (CPC) do programa educacional nos quatro resultados de competência para HLM Dois modelos: -modelo do programa incluiu abordagem do ensino, localização e envolvimento dos pais; -modelo da escola incluiu a percentagem de Dados usados nas análises 107 Variáveis/fatores de desempenho escolar Principais resultados e conclusões dos estudos aumenta os seus gastos com inputs e atividades tematicamente relacionadas com a reforma curricular e pedagógica. Ambos os fenómenos teriam sido pouco prováveis de ocorrer se as escolas ameaçadas basearam-se principalmente em estratégias de jogo para aumentar os resultados dos testes. /* Excluído, ensino em laboratório, métodos E/A*/ 1 539 jovens de grupos minoritários do Chicago Longitudinal Study (1999) Fatores de nível individual: etnia, género, estatuto de risco, duração do jardim-deinfância e pré-escolar e serviços follow-on Fatores de nível local: Abordagens de ensino na préescola, localização, envolvimento dos pais, alunos com refeições grátis ou a preço reduzido, A participação na pré-escola era mais importante do que qualquer um dos fatores de localização. Os níveis de rendimento mais baixo dentro de uma área de frequência escolar foram associados a escolas mais pobres e resultados sociais. A nível local, o envolvimento dos pais prevê os resultados escolares, quer precocemente quer mais tarde. Abordagem de ensino não foi considerado um fator de programa significativo. A localização e a estabilidade da família não eram tipicamente preditivas de resultados da criança. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Objetivo(s) do estudo 1539 jovens de grupos minoritários do Estudo Longitudinal de Chicago. 23 - (Cottaar, 2012) Low (linear) teacher effect on student achievement in preacademic physics education. Investigar o efeito da educação em ciências físicas no desempenho dos alunos num estudo quantitativo em larga escala dos estudantes do ensino preacademic high school na Holanda Métodos e modelos de análise utilizados famílias de baixo rendimento e a percentagem de famílias que são residencialmente estáveis. Modelagem de Equações Estruturais Dados usados nas análises 108 Variáveis/fatores de desempenho escolar estabilidade familiar Resultados: leitura no 8ºano, vocabulário no jardim-deinfância, conclusão do ensino secundário, delinquência juvenil Resultados em física Capacidade geral: Notas de exames finais de matemática, química, holandês e inglês; Média das notas de Ciência na escola middle school (matemática, física, química, biologia e tecnologia); Frequência de aulas Quantidade de trabalho Principais resultados e conclusões dos estudos A participação na pré-escola CPC associa-se de forma significativa ao melhor desempenho em todos os resultados, mesmo depois de fatores a nível local medirem as influências do ambiente e outros fatores da família. Raramente foram detetados vínculos entre a participação no programa, delinquência juvenil, e conclusão do ensino secundário para programas públicos de grande escala, como o CPC. O estatuto de escola de baixo rendimento é o preditor do nível local mais consistente de resultados da criança e contribuiu para a variação significativa das competências de análise de vocabulário no jardim-deinfância, nos resultados de leitura no 8ºano, na delinquência juvenil, e na conclusão do ensino secundário. O envolvimento dos pais foi o preditor mais importante dos resultados relacionados com a escola precocemente e mais tarde. Com exceção dos resultados de leitura do 8ºano, o foco de ensino, localização local, e estabilidade da família não foram associados a resultados da criança. Verificou-se um efeito grande da capacidade geral dos alunos e um efeito notavelmente menor dos restantes parâmetros sobre o desempenho. Simpatia percebida e a centralidade dos professores têm um efeito significativo sobre o interesse de seus alunos. A simpatia do professor correlaciona-se com a qualidade do trabalho dos alunos e a centralidade do professor com a sua quantidade de trabalho. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Objetivo(s) do estudo Métodos e modelos de análise utilizados Dados usados nas análises 24 - (Gallant, 2009) Investigar a natureza preditiva do ratings de professores da South Carolina Readiness Assessment (SCRA), uma avaliação do desempenho do currículo integrado, para o desempenho posterior dos alunos sobre os critériosreferenciados nos testes Palmetto Achievement Challenge Tests (PACT). Explorar a relação entre as experiências extracurriculares online dos alunos e o seu desempenho no Programa Internacional de Avaliação de Alunos (PISA), concentrandose especificamente sobre a competência dos alunos em leitura digital. HLM 1 281 crianças do ensino básico de 132 salas de aula num distrito escolar urbano em South Carolina; Os alunos foram avaliados usando o South Carolina Readiness Assessment, em linguagem e alfabetização e raciocínio matemático no 1ºano, e depois foi aplicado os Palmetto Achievement Challenge Tests em artes, língua inglesa e matemática no 3ºano. Predictive validity evidence for an assessment program based on the Work Sampling System in mathematics and language and literacy. 25 - (Gil-Flores, Torres-Gordillo, & Perera-Rodriguez, 2012) The role of online reader experience in explaining students' performance in digital reading. 109 Variáveis/fatores de desempenho escolar Qualidade do trabalho Características percebidas do professor de física. Género Etnia (branco, não branco) Plano de educação individual Estatuto socioeconómico (refeições grátis /baixo custo, refeições custo total) Avaliação raciocínio matemático Avaliação na língua e literacia Testes em matemática Testes em arte da língua inglesa Principais resultados e conclusões dos estudos Associações positivas moderadas entre os resultados de língua inglesa e matemática do SCRA e do PACT; Controlando as variáveis demográficas dos alunos, as pontuações dos domínios do 1ºano foram consideradas como preditores positivos e estatisticamente significativos dos resultados de matemática e língua. /* Excluído, experiencias extracurricular online, uso de TICs*/ Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo 26 - (Gilmartin, Denson, Li, Bryant, & Aschbacher, 2007) Gender ratios in high school science departments: The effect of percent female faculty on multiple dimensions of students' science identities. Objetivo(s) do estudo Analisar como as características da escola estão ligadas à visão da ciência e engenharia e às ambições dos alunos que estão subrepresentados nos campos da ciência e da engenharia; Explorar as relações entre os aspetos da identidade dos alunos de ciência, bem como a representação das mulheres entre os professores de ciências do ensino médio; Explorar se e como uma maior proporção de mulheres entre os professores de ciências do ensino secundário poderia atenuar o número desproporcional de mulheres que optam por sair da ciência e da engenharia antes de entrar na faculdade. Métodos e modelos de análise utilizados HLM /* Excluído, não fala sobre o desempenho*/ Dados usados nas análises 1 168 alunos do 10º ano de 5 escolas High school de Southern California 110 Variáveis/fatores de desempenho escolar Nível do aluno: Género Socioeconómico Etnia Grade point average (GPA) – pontuação média Orientação familiar em ciências Nível da escola: Percentagem do sexo feminino na Faculdade de Ciências Principais resultados e conclusões dos estudos A percentagem de mulheres da faculdade de ciência não tem um efeito sobre uma série de medidas de ciência, tanto para estudantes do sexo masculino e feminino, incluindo as formas em que eles compreendam a prática científica, a ciência do autoconceito, e o seu interesse em cursos universitários relacionadas com a ciência. Mesmo de forma mais ampla, este estudo considera como uma maior percentagem de professores de ciências do sexo feminino no campus pode expandir sentido de conexão de todos os estudantes para o empreendimento científico e criar um ambiente científico abrangente que promove mais resultados equitativos. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo 27 - (Lindo, Sanders, & Oreopoulos, 2010) Ability, Gender, and Performance Standards: Evidence from Academic Probation. 28 - (MaertenRivera, Myers, Lee, & Penfield, 2010) Student and School Predictors of HighStakes Assessment in Science. Objetivo(s) do estudo 111 Métodos e modelos de análise utilizados Dados usados nas análises Variáveis/fatores de desempenho escolar Principais resultados e conclusões dos estudos Regressão 23 854 alunos do 5º ano de 198 escolas de grandes distritos escolares Resultados em ciências do 5ºano Variáveis ao so nível do aluno: Género Etnia negra Etnia hispanico Refeições grátis/ reduzido preço Inglês como segunda língua Educação especial Resultados de leitura Resultados de matemática Resultados em ciência Variáveis nível da escola: Percentagem de professores iniciantes Tamanho da escola Tamanho da turma Percentagem de meninas no 5ºano Percentagem de alunos negros no 5ºano Os efeitos de género, etnia e Educação especial (ESE) sobre os resultados de ciência eram pequenos, enquanto, ESE teve um efeito mais substancial e inglês como segunda língua (ESOL) teve o maior efeito sobre os resultados de ciência. Houve uma diminuição de cerca de 23 pontos nos resultados de ciência para alunos ESOL comparado com alunos não-ESOL. Os resultados destacam a importância de incluir todos os fatores relevantes num modelo para examinar o efeito único de cada um, controlando para o efeito os outros. Ao interpretar os resultados, é importante notar que uma vez que um aluno vai cair em várias categorias (por exemplo, negro, sexo feminino, refeições grátis/ preço reduzido) pequenas diferenças se somam. Os resultados de matemática e ciência estão relacionadas e os de leitura e ciência estão relacionados. O resultado de leitura teve um efeito maior sobre o desempenho de ciência do que em matemática, ou seja, a capacidade verbal contribuiu mais para o resultado total de ciência do que para a capacidade de matemática. Para responder /* Excluído, Ensino Superior*/ Investigar se as pontuações dos alunos nos testes de high-stakes ciência foram influenciados por características dos alunos, resultados de leitura e matemática, e características da escola. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo 29 - (Mattern & Objetivo(s) do estudo /*Excluído, Não Métodos e modelos de análise utilizados Dados usados nas análises 112 Variáveis/fatores de desempenho escolar Percentagens de alunos hispânicos no 5ºano Percentagem de alunos com refeições grátis / preço reduzido no 5ºano Percentagem de alunos com inglês em segunda língua no 5ºano Percentagem de alunos em educação especial no 5ºano Resultados agregados de leitura dos alunos do 5ºano Resultados agregados de matemática dos alunos do 5ºano Principais resultados e conclusões dos estudos corretamente a um teste de ciências, os alunos devem ser capazes de compreender o que está a ser pedido e, portanto, a capacidade de leitura é tão importante quanto e possivelmente ainda mais importante do que a matemática. A interação entre ESOL e resultado de leitura foi significativa, enquanto a interação entre ESOL e resultado de matemática não foi significativa. Mesmo que o efeito da interação entre ESOL e resultado de leitura é pequeno, a relação entre a leitura e resultado de ciência é mais fraca para os alunos ESOL do que para os alunos não- ESOL. Os resultados a nível escolar mostraram que os efeitos de alguns indicadores foram consistentes, independentemente da escola que os alunos frequentam. Os preditores que não mostraram variação entre as escolas foram: sexo, etnia e refeição gatis / preço reduzido. Em contraste, os efeitos de ESOL, ESE e resultados de leitura e matemática variaram entre escolas. Por exemplo, algumas escolas tiveram uma diferença menor entre alunos ESOL e não-ESOL do que outras, sugerindo que pode haver características das escolas que podem ajudar a resolver as necessidades de aprendizagem dos alunos ESOL de forma mais eficaz do que os outros. Os resultados ao nível escolar indicam que o tamanho da turma, género agregado e o resultado de leitura agregado foram preditores significativos da média dos resultados de ciência da escola. Pequenas turmas estão associadas a desempenho académico superior. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Patterson, 2013) Test of Slope and Intercept Bias in College Admissions: A Response to Aguinis, Culpepper, and Pierce (2010). 30 - (Patrick, Mantzicopoulos, Samarapungavan, & French, 2008) Patterns of young children's motivation for science and teacher-child relationships. 31 - (Peetsma & van der Veen, 2011) Relations between the development of future time perspective in three life domains, investment in learning, and academic achievement. Objetivo(s) do estudo 113 Métodos e modelos de análise utilizados Dados usados nas análises Variáveis/fatores de desempenho escolar Principais resultados e conclusões dos estudos multivariate latent growth curve modelling 584 alunos do 1ºano e 584 do 2ºano do ensino profissional (lower vocational education) na Holanda. /* Excluído, Perspetiva futura dos alunos influencia o desempenho escolar*/ Perspetiva de tempo futuro influencia o desenvolvimento do rendimento escolar através do crescimento no investimento na aprendizagem. Perspetiva temporal a longo prazo no tempo de lazer tiveram um efeito negativo sobre o desenvolvimento do investimento na aprendizagem, ao passo que os efeitos da perspetiva temporal de longo prazo na vida escolar e profissional, bem como nas relações sociais, foram positivos. PDF*/ /* Excluído, Perfil de motivação para ciências no jardim de infância*/ Recolher dados sobre o processo de desenvolvimento da perspetiva de tempo em três diferentes domínios da vida (percurso escolar e profissional, relações sociais e tempo de lazer); Relacionar o desenvolvimento das perspetivas de tempo Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo 32 - (Quirk, NylundGibson, & Furlong, 2013) Exploring patterns of Latino/a children's school readiness at kindergarten entry and their relations with Grade 2 achievement. 33 - (Shim, Cho, & Wang, 2013) Classroom goal structures, social achievement goals, and adjustment in middle school. Objetivo(s) do estudo futuro em três domínios da vida (ou seja, na escola e na carreira profissional, as relações sociais e tempo de lazer) e as mudanças dos alunos no investimento na aprendizagem e no desempenho académico. Analisar o perfil das crianças Latinas na preparação para a escola; Analisar as relações entre os perfis (das crianças Latinas na preparação para a escola) e o sucesso escolar Construir e testar um modelo que representa os processos, no qual as metas de realização social medem os efeitos das classroom goal structures sobre o envolvimento Métodos e modelos de análise utilizados 114 Dados usados nas análises Variáveis/fatores de desempenho escolar 373 alunos do ensino “médio” /* Excluído, envolvimento social dos alunos*/ /* Excluído, jardim de infância*/ Structural equation modeling Principais resultados e conclusões dos estudos Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo 34 - (Voight, Shinn, & Nation, 2012) The Longitudinal Effects of Residential Mobility on the Academic Achievement of Urban Elementary and Middle School Students. 35 (Abdulkadiroglu, Angrist, Dynarski, Kane, & Pathak, 2011) ACCOUNTABILITY AND FLEXIBILITY IN PUBLIC SCHOOLS: EVIDENCE FROM BOSTON'S CHARTERS AND PILOTS. Objetivo(s) do estudo académico dos alunos do ensino “médio” e adaptação social. Analisar como a alteração de residência afeta os resultados de matemática e de leitura no 3º e até ao 8ºano dos alunos de escolas urbanas (elementary e middle). Avaliar os efeitos causais da frequência nas charter school em alternativa às escolas piloto no desempenho do aluno. 115 Métodos e modelos de análise utilizados Dados usados nas análises Variáveis/fatores de desempenho escolar Principais resultados e conclusões dos estudos latent growth-curve modeling (LGM) 2 modelos LGM, um para matemática e outro para leitura; Modelo longitudinal onde os níveis de ensino foram transformados em tempo. 8 337 alunos (5º ao 8º ano) de 11 escolas em 2009; Dados administrativos das escolas numa zona urbana grande no Tennessee. Nível de ensino; Género; Etnia; Mobilidade residencial; Refeições grátis; Refeições a preço reduzido; Resultados a matemática; Resultados de leitura. OLS Base de dados de Massachusetts Comprehensive Assessment System (2002-2008); Informação do Massachusetts Students Information Mangement System; Amostra das Charter schools em Boston é composta por 5 middle schools e 3 high schools Resultados de matemática e de língua inglesa dos 3-8º e 10º ano; Etnia; Sexo; Refeições grátis ou a preço reduzido; Educação especial; Competência limitadas em inglês; Residência; Escola atual. Se aconteceu uma mudança de residência nos primeiros anos da escola básica, esta tem um efeito negativo sobre os resultados de matemática e de leitura no 3ºano e um efeito negativo sobre o percurso das notas de leitura, posteriormente. O percurso dos resultados de matemática ao longo do tempo vai mais ou menos em paralelo com os seus pares menos móveis, com declínios temporários associados a movimentos posteriores, enquanto que para o percurso da leitura há um declive mais acentuado. A interrupção de rotinas e vínculos sociais durante esses anos de formação pode ter um efeito negativo duradouro sobre a aprendizagem das crianças. Estimativas Lottery-based do impacto da frequência em charter sobre o desempenho do aluno em Boston mostram ganhos de pontuação para os alunos no ensino middle e high. Em contraste, para alunos de escolas piloto, os ganhos são pequenos e, principalmente, insignificantes, às vezes até negativos. Embora não possamos dizer com certeza porque é que os efeitos das escolas charter e piloto são tão diferentes. A relação aluno-professor é menor em escolas charter. O corpo docente das charter schools é mais jovem. Estas diferenças podem ser devido a acordos coletivos de trabalho que fazem com que seja relativamente caro, para as escolas-piloto, ampliarem as horas de formação, e que favorecem o professor com mais Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo 36 - (Berlinski, Galiani, & Gertler, 2009) The effect of preprimary education on primary school performance. 37 - (Berlinski, Galiani, & Manacorda, 2008) Giving children a better start: Preschool attendance and school-age profiles. Objetivo(s) do estudo Métodos e modelos de análise utilizados Dados usados nas análises 116 Variáveis/fatores de desempenho escolar Investigar o efeito da educação pré-escolar no desempenho escolar primário posterior, na Argentina. Regressão OLS -Operativo nacional de avaliação educativa do Ministério da Educação da Argentina -Census 1991 -Secretariado de infraestruturas do ministério da educação Resultados de matemática e espanhol Anos (1995-2000) Nível da escola primária (testes no 3º, 6º e 7º) Município (417) Província (24) Estudar o efeito da educação pré-escolar nos resultados escolares posteriores das crianças. OLS Micro dados de Uruguayan Encuesta Continua de Hogares (ECH) - é um inquérito ao agregado familiar efetuado todos os anos pelo Instituto Nacional de Estatística, que abrange cerca de 18 mil famílias por ano em áreas urbanas do Anos de educação préescolar; Frequência 1º, 2º ou 3º anos do pré-escolar; Anos do ensino primário e secundário concluído; Escola pública; Idade; Ano de nascimento (grupo) Principais resultados e conclusões dos estudos antiguidade no que se refere à eficácia da sala de aula. Os ganhos estimados são ainda maiores na matemática (cerca de 0.4σ) e são mais do que suficientes para eliminar o fosso racial em matemática, durante a frequência dos alunos no ensino médio. As charter schools têm boas referências uma vez que que os pais as acham atraentes considerando-as as mais eficazes. Um ano de escola pré-primária aumenta os resultados nos testes do 3ºano em cerca de 8% (em termos médios) ou 23% em termos de desvio padrão da distribuição dos resultados dos testes. A frequência escolar na pré-escola afeta positivamente o autocontrolo do aluno no 3ºano medido pelo comportamento, tais como a atenção, o esforço, a participação na aula e a disciplina. A redução do tamanho da turma para 10 alunos aumenta a pontuação dos testes de 0.10σ para 0.35σ da distribuição da pontuação dos testes a nível individual. A expansão da educação pré-escolar é um instrumento eficaz para melhorar o desempenho académico de longo prazo. Efeito positivo significativo da pré-escola sobre o número de anos de escolaridade concluídos desde idades muito precoces. Na idade de 12 anos mostram uma vantagem em termos de ensino concluído na ordem de 0,50 anos. Conforme o tempo passa, a diferença de conclusão entre as crianças que frequentaram o pré-escolar e os que não frequentaram aumenta. Aos 15 anos, as crianças que frequentaram o pré Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Objetivo(s) do estudo Métodos e modelos de análise utilizados Dados usados nas análises Uruguai. 38 - (Benabou, Kramarz, & Prost, 2009) The French zones d'education prioritaire: Much ado about nothing? -avaliar o impacto do estatuto das ZEP (Zones d'Education Prioritaire) nos recursos e a sua utilização e as principais características dos estabelecimentos, tais como o tamanho das turmas, matrículas escolares, qualificação dos professores e experiência, e mobilidade dos estudantes; -estimar o impacto do programa das ZEP em quatro medidas de desempenho do aluno: a obtenção de, pelo menos, um diploma no final da escolaridade, atingir o Modelo linear – regressão Dados recolhidos pelo ministério da educação de França; Ficheiros administrativos do FSE (Fichiers Standards Enrichis) do Ministério da Educação constitui a principal fonte de dados ao nível de escola; Dados de 1987-1992. 117 Variáveis/fatores de desempenho escolar desde 1986 a 1998; Sexo; Idade da mãe no nascimento da criança; Anos de escolaridade da mãe; Localidade onde a criança vive. Número de alunos; Número de alunos por turma; Números de professores; Números de professores por aluno; Número de horas semanais por aluno; Proporção de professores jovens; Proporção de professores não certificados; Principais resultados e conclusões dos estudos escolar acumularam mais de 0,79 anos de escolaridade em relação aos outros. Pela idade dos 15 anos as crianças que frequentavam a pré-escola são 27 pp mais propensos a estar na escola. As crianças que não frequentaram a pré escola são mais propensas em abandonar a escola em comparação com as outras. Aproximadamente 10% de todos os alunos no ensino primário e escolas secundárias pertencia a uma ZEP, e em 1990, os recursos extras somaram um extra de 5% nas despesas por aluno. Durante o período de amostragem, cerca de metade desses recursos foram utilizados para bónus aos professores e a outra metade para horas extras de ensino. O decréscimo resultante no tamanho da turma era muito pequeno e muito progressivo. O efeito do estatuto da ZEP foi negativo para os professores. Apesar do bónus e incentivos oferecidos, o corpo docente não viu nenhuma melhoria na qualificação. Além disso, o estatuto da ZEP levou a uma diminuição do número de alunos. A ZEP não teve nenhum efeito percetível sobre qualquer uma das medidas de desempenho académico. As escolas “pobres” enfrentam mais dificuldades com intervenções semelhantes, especialmente quando os orçamentos envolvidos não são claramente conhecidos (neste caso, pelo público ou pela própria autoridade de educação), e quando poderosos interesses profissionais e políticos então em jogo. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo 39 - (Callahan, 2005) Tracking and high school English learners: Limiting opportunity to learn. 40 - (Clotfelter, Objetivo(s) do estudo 8ºano, atingir o 10 º ano e sucesso no Baccalauréat (exame nacional no final do ensino secundário) Investigar os efeitos de track placement e de capacidades em Inglês no resultado académico de estudantes no secundário, tendo em conta a escolaridade prévia dos alunos e o período de frequência em escolas dos EUA. Analisar a relação 118 Métodos e modelos de análise utilizados Dados usados nas análises Variáveis/fatores de desempenho escolar Principais resultados e conclusões dos estudos Regressão linear para cada resultado académico. Dados recolhidos numa escola rural no norte da Califórnia, onde o investigador já havia trabalhado como professor Amostra: 335 alunos Ano 2002. A track placement é um melhor preditor de desempenho académico dos estudantes de inglês do que a capacidade em Inglês, destacando a importância de um ensino de qualidade para alunos de inglês. Regressão Dados dos testes de fim de Resultados GPA; Resultados SAT9 de leitura; Resultados SAT9 de matemática; Resultados CAHSEE de Linguagem; Resultados CAHSEE de matemática; Track placement; Nível de capacidade em língua inglesa; Feminino; Grau; Imigrante Recente; Escolaridade prévia limitada; Track placement é definida como sendo a proporção de aulas de transcrição de um estudante que atendeu aos requisitos de entrada na faculdade. Este rácio fornece uma estimativa geral da exposição dos alunos a conteúdos académicos rigorosos e sua oportunidade de aprender. Características do professor: As credenciais dos professores, especialmente de Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Ladd, & Vigdor, 2010) Teacher Credentials and Student Achievement in High School A CrossSubject Analysis with Student Fixed Effects. 41 - (Crosnoe & Schneider, 2010)´ Social Capital, Information, and Socioeconomic Disparities in Math Course Work Objetivo(s) do estudo Métodos e modelos de análise utilizados entre as credenciais de professores e o desempenho dos estudantes no ensino secundário. Identificar os segmentos da população da escola secundária em que a sua interação provavelmente produz as maiores disparidades socioeconómicas no Dados usados nas análises curso do estado da Carolina do Norte. Regressão linear Dados National Education Longitudinal Study (NELS) Entrevista aos pais, professores e administradores escolares: 14 915 alunos. 119 Variáveis/fatores de desempenho escolar Género; Etnia; Credenciais dos professores: Anos de experiência ; Pós-Graduação; Instituição de graduação; Resultado dos testes efetuados pelo Professor (matemática, biologia, Economics, Legal and Political system –ELP, Inglês); Tipo de licença; Certificação; Estatuto do Conselho Nacional de Certificação; Características da sala de aula: Percentagem de nãobrancos; Resultados médios dos pares; Percentagem de masculino; Turma avançada; Tamanho da turma. Resultados de matemática; Estatuto socioeconómico da família; Fatores académicos: Resultado do teste de matemática (8 º ano); Inscrição Álgebra I (8 º ano); Nível inicial Matemática; Créditos de matemática até Principais resultados e conclusões dos estudos licença e certificação, afeta o desempenho dos alunos de forma sistemática. A certificação específica, especialmente em matemática e Inglês, gera maior desempenho do aluno. Durante os primeiros anos de ensino, os professores de Lateral entry são, em média, menos eficazes do que os professores com licenças regulares. A distribuição desigual de credenciais do professor por etnia e condição socioeconómica dos alunos do ensino secundário contribui para o resultado de lacunas; Resultados inesperados: grandes coeficientes negativos para professores negros que ensinam a estudantes brancos e professores masculinos que ensinam estudantes do sexo feminino. Os estudantes socioeconomicamente favorecidos prosseguem na matemática do ensino secundário com notas mais elevadas do que os seus pares menos favorecidos, mesmo quando estes têm as mesmas bases iniciais e níveis de competência. Estas disparidades são maiores entre os alunos com registos anteriores de baixo nível académico, porque os alunos de origens mais privilegiadas prosseguem no trabalho a matemática, mesmo quando o seu desempenho Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Objetivo(s) do estudo curso de matemática para meninas e meninos americanos. -avaliar se o aumento do apoio para a tomada de decisão nesses segmentos académicos pode reduzir essas disparidades e as relações. Métodos e modelos de análise utilizados Dados usados nas análises 120 Variáveis/fatores de desempenho escolar ao final do ensino secundário; Fatores de informação: Discussão do Pai no trabalho do curso (8 º ano); Discussão do Pai no trabalho do curso (10ºano); Não consultores para trabalho de curso (8 º ano); Não consultores para trabalho de curso (10º) Estímulo do Professor na matemática (10º) Fatores sociodemográficos: Sexo (feminino); Idade (anos); Não Latino branco; Africano americano; Latino; Asiático Americano; Outra etnia; Dois pais na família; Família monoparental; stepfamily; Outra estrutura; SES da família; Fatores do ensino middle: Escola pública; Escola católica; Escola particular não católica; Escola Sub urbana; Escola urbana; Escola rural; Escola na Região Nordeste; Escola na região Norte central; Escola região Sul; Escola região Ocidente; Proporção de pais com formação superior na escola (8 º ano); Principais resultados e conclusões dos estudos anterior prevê que não. Entre os alunos com um desempenho a matemática baixo no ensino middle, os das famílias socioeconomicamente desfavorecidas parecem beneficiar dos consultores para a tomada de decisões de trabalho de modo que estes preparam o terreno com os seus pares socioeconomicamente favorecidos. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Objetivo(s) do estudo Métodos e modelos de análise utilizados Dados usados nas análises 42 - (Cullen, Jacob, & Levitt, 2006) -Avaliar o impacto sobre os participantes -Explorar randomized loteries que determinam a Regressão Escolas públicas de Chicago High school Anos 2000 e 2001 Dados admistrativos 14 434 alunos de 19 escolas The effect of school choice on 121 Variáveis/fatores de desempenho escolar Fatores do ensino secundário: Política de agrupamento; capacidade para a matemática; Grau de movimentação entre faixas; Não oferece Aulas de matemática; Não oferece Professores de matemática; Tamanho da escola; Influência do Conselheiro sobre a colocação no curso; Influência do professor na colocação no curso; Influência dos pais sobre a colocação no curso; Influência da Pontuação no teste de sobre a colocação no curso; Escola pública; Escola católica; Escola particular não católica; Escola Sub urbana; Escola urbana; Escola Rural; Escola região Nordeste; Escola região Norte central; Escola região Sul; Escola região Ocidente; Proporção de pais com formação superior na escola (10ºano). Alunos: Etnia (branco, negro, hispanico) Sexo (masculino) % Resultados do 8ºano de Principais resultados e conclusões dos estudos A escolha da escola tornou-se uma estratégia cada vez mais importante para melhorar o desempenho académico. Em comparação com os alunos que perdem as loteries, os alunos que frequentam as escolas secundárias são Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo participants: Evidence from randomized lotteries Objetivo(s) do estudo 43 - (Cullen, Jacob, & Levitt, 2005) Explorar o impacto da escolha da escola nos resultados dos alunos, no contexto de inscrições abertas dentro das escolas públicas de Chicago (CPS). The impact of school choice on student outcomes: an analysis of the Chicago Public Schools. Métodos e modelos de análise utilizados Dados usados nas análises admissão no ensino secundário nas escolas públicas de Chicago. Ordinary least squares regressions 60 623 alunos. Três grupos de alunos do CPS: os que entram para o 9 º ano pela 1ª vez no Outono de 1993, 1994, e 1995 122 Variáveis/fatores de desempenho escolar matemática % Resultados do 8ºano de leitura Almoço grátis Recebe educação especial; Já recebeu educação bilíngue; Vive com um pai biológico; Taxa de pobreza; Fração de formandos do ensino secundário. Caraterísticas do aluno: -pontuação no teste do 8º ano de matemática -pontuação no teste do 8º ano de leitura -Completou o 10 º ano -Completou o 11 º ano -Graduados em 4 anos -masculino -preto -hispanico -Idade em setembro no 9º ano -Aluno da educação especial em 8ºano - Vive com um ou ambos os pais -Índice de estatuto social Características da região: -Pontuação média do 8ºano em matemática e leitura entre os pares na região Principais resultados e conclusões dos estudos melhores em várias dimensões, incluindo a realização de pares e os níveis de desempenho. Há pouca evidência de que “ganhar na loteria” oferece qualquer benefício sistemático através de uma ampla variedade de medidas académicas tradicionais. Cerca de metade dos alunos optam por sair da sua escola para frequentar uma escola diferente, e esses alunos são muito mais prováveis do que aqueles que permanecem nas suas escolas designadas para se formarem. Para determinar a origem deste benefício aparente, comparam os resultados através (i) dos alunos semelhantes com acesso diferenciado nas opções escolares e (ii) dos viajantes e não viajantes dentro da mesma escola. Os resultados sugerem que, exceto para os alunos que escolhem cursos profissionais, os benefícios transversais observados são provavelmente falsos. As Escolas Públicas de Chicago têm implementado um sistema de escolha da escola em que mais de metade dos alunos optam por sair da escola atribuída para frequentar outra escola pública de Chicago. Embora os estudantes que optam por estas escolas são mais propensos a ingressar em cursos de pós-graduação do que os estudantes equivalentes que frequentam uma escola do bairro, em que a principal explicação para essa correlação é que aqueles que optam por sair possuem valores superiores ao longo das dimensões Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Objetivo(s) do estudo Métodos e modelos de análise utilizados Dados usados nas análises 123 Variáveis/fatores de desempenho escolar -Pontuação média do 8ºano entre os pares na área de atendimento -População -% Idade escolar -% Hispanicos -% Preto -Renda familiar média -% Abaixo da linha de pobreza -Média de anos de educação -% Profissionais -%Famílias chefiadas por mulheres -%proprietários -% vive na mesma casa desde 1985 -Índice composto Crime -taxa de desemprego Características da escola: Tipo de escola frequentada Frequência na escola da área Academia de Carreira Escola high-achieving Escola regular. Principais resultados e conclusões dos estudos não observáveis, como o nível de motivação e envolvimento dos pais. A exceção notável a esta constatação é academia de carreira, que parece proporcionar melhoria real nas taxas de graduação. Este resultado é consistente com a evidência experimental recente sobre os impactos positivos de academias de carreira entre os jovens de alto risco. Existem muitos estudantes a optaram por sair da escola que lhes foi atribuída, uma possível explicação é que há razões não académicas para esta opção. A maioria dos estudantes que deixam a escola local, frequentam uma escola com mais colegas academicamente talentosos que vêm de bairros com características socio económicas mais altas. É possível que essas escolas tenham níveis mais baixos de violência, por exemplo. Alternativamente, pode simplesmente ser o caso de que os alunos e os seus pais não medem com precisão a função de produção de educação. Os Alunos e pais têm pouca informação sobre os inputs educacionais (por exemplo, a capacidade bruta dos estudantes frequentaram uma escola particular), mas boas informações sobre outputs educacionais (por exemplo, as pontuações médias de testes e as taxas de graduação). Dada esta informação limitada, pode ser racional optar por escolas locais para frequentar tendo maiores níveis de outputs, embora, na realidade, o último conjunto de escolas, em média, não conferem benefícios adicionais para aqueles que frequentam. Os resultados têm implicações políticas importantes. Com a exceção de academias de carreira, encontramos que a escolha sistémica dentro de uma escola pública Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo 44 - (Evans & Rosenbaum, 2008) Self-regulation and the incomeachievement gap. Objetivo(s) do estudo Alargar o âmbito da análise das razões subjacentes para a diferença entre o rendimento e os resultados. Métodos e modelos de análise utilizados Regressão múltipla Dados usados nas análises Estudo 1: 97 alunos de escolas de ensino médio Estudo 2: 774 adolescentes no 5ºano 124 Variáveis/fatores de desempenho escolar Estudo 1: Rendimento para as necessidades nos 3-5 anos Auto-regulação nos 3-5 anos Notas de inglês nos graus 7-8 Notas de matemática nos 78º anos Educação materna Sexo Estatuto Parental Etnia Estudo 2: Rendimento para as necessidades Auto-regulação nos 54 meses Desenvolvimento cognitivo nos 15 meses Desenvolvimento cognitivo no 5ºano Educação escolar materna em anos Principais resultados e conclusões dos estudos de distrito não parece beneficiar aqueles que participam. Isso lança dúvidas sobre a influência da forma de escolha para melhorar os resultados educacionais, ou para servir como uma forma eficiente de disciplina para as escolas de bairro de baixa qualidade. Uma vez que frequentar a academia de carreira leva a uma maior realização, seria adequado ter uma maior atenção nesse aspeto pois poderia melhorar a compreensão dos aspetos do ambiente de aprendizagem que são importantes para alunos em risco. A diferença de desempenho relacionada com o rendimento entre as crianças foi parcialmente explicada pelos investimentos parentais. Pais mais ricos proporcionam ambientes mais cognitivamente enriquecidos (por exemplo, livros, oportunidades de aprendizagem informais, como as aulas de música) e conversam mais com seus filhos em relação aos pais de baixo rendimento. No entanto o investimento parental apenas é parcialmente responsável pela diferença de rendimento – realização (income – achievement). Em média, as crianças de baixo rendimento têm mais dificuldade em regular as suas emoções e comportamentos, em comparação com os seus colegas mais ricos. O Desempenho académico é uma função não só de competências cognitivas, mas também engloba componentes emocionais e comportamentais que também poderiam contribuir para a diferença de rendimento - realização. No Estudo 1, o rendimento familiar entre rural, brancos de 9 anos de idade está relacionada de forma positiva com o atraso de competências. No Estudo 2, o rendimento Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo 45 - (Hanushek & Wossmann, 2006) Does educational tracking affect performance and inequality? Differences-indifferences evidence across countries. 46 - (Husain & Millimet, 2009) The mythical 'boy crisis'? Objetivo(s) do estudo Métodos e modelos de análise utilizados Dados usados nas análises 125 Variáveis/fatores de desempenho escolar Sexo Estatuto Parental Etnia Estimar os efeitos de diferenças institucionais face à heterogeneidade do país, que empregam uma abordagem internacional diferente. Regressão Testes: PISA 2003 PIRLS – Progress in International Reading literacy study TIMSS – Trends in International Mathematics and Science Study /* Excluído, os casos (observações) são os pais (18 pais) */ Analisar as diferenças no contexto da matemática e da leitura durante a escola primária. (A imprensa colocou a ideia de que o sistema educacional dos EUA está a passar por uma "crise de Regressão OLS 17 565 alunos de 994 escolas dos EUA Dados longitudinais (cinco) Outono e primavera no jardim-de-infância (19981999) Outono e primavera no 1º ano (1999-2000) e na primavera no 3ºano (20012002) Resultados de item de teoria de resposta (IRT – item response theory) para matemática e leitura Idade dos alunos, Peso ao nascer da criança Situação socioeconómica Número de livros em casa da criança Idade da mãe ao nascimento Principais resultados e conclusões dos estudos familiar durante a primeira infância (de 2 para 3 anos), e no caso de uma amostra nacional etnicamente diversa, prevê o desenvolvimento cognitivo no 5ºano, controlando os níveis anteriores de desenvolvimento cognitivo aos 15 meses. Estass evidências também se verificaram no Estudo 2, que o rendimento -> autoregulação -> caminho de realização opera independentemente do investimento parental. As análises de ambos os conjuntos de dados também incluem vários índices de características familiares (por exemplo, a educação materna, etnia, estatuto monoparentais). Os resultados sugerem que o rastreamento precoce aumenta a desigualdade educacional. Embora menos clara, existe também uma tendência para a separação precoce para reduzir a média do desempenho. Os meninos brancos superam meninas brancas em matemática em praticamente toda a distribuição até ao final do 3ºano; há menos evidências para outras Etnias. Os meninos ficam atrás das meninas na leitura no início do jardim-de-infância e no final do 3ºano em todas as Etnias, mas apenas os meninos com resultados menores perdem terreno ao longo dos primeiros 4 anos. Os meninos ganham terreno entre o 1º e 3ºano. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo 47 - (Leana & Pil, 2006) Social capital and organizational performance: Evidence from urban public schools Objetivo(s) do estudo menino", onde os meninos estão perdendo terreno para as meninas em várias dimensões.) Avaliar a validade da "A crise menino" nas escolas primárias dos EUA através da análise da diferença entre género na matemática e na leitura. Analisar o capital social e a sua relação com o desempenho ao nível organizacional. Métodos e modelos de análise utilizados Dados usados nas análises Relatórios ECLS-K (Early Childhood Longitudinal StudyKindergarten) Analise factorial confirmatória; Regressão hierárquica. 95 escolas públicas urbanas do nordeste dos EUA (59 elementares e 36 secundarias) – 88 escolas completaram o estudo -38 000 alunos e 5 200 funcionários Entre 2000 e 2002 Entrevista semi-estruturada Questionários Respostas de 2 167 professores 5 130 pais de alunos Dados: diretores, professores, pais e alunos. 126 Variáveis/fatores de desempenho escolar do primeiro filho Indicador se a mãe da criança recebeu benefícios do WIC durante a gravidez Sexo Branco Negro Hispanico Principais resultados e conclusões dos estudos -Percentual de alunos no programa subsidiado de almoço -experiência do Professor na área (em anos) -O capital social interno -O capital social externo -tempo total gasto nos 5 dias da semana (minutos) Qualidade de instrução % de alunos que satisfazem ou excedem os padrões do estado nos resultados de matemática em 1999-2000 % de alunos que satisfazem ou excedem os padrões do estado nos resultados de leitura em 1999-2000 % de alunos que satisfazem Tanto o capital social interno (relações entre os professores) e o capital social externo (as relações entre o capital e as partes interessadas externas) prevêm o desempenho dos alunos na matemática e leitura. Sendo também um preditor importante para a qualidade do ensino. Estes efeitos foram mantidos ao longo do tempo para os resultados da leitura, fornecendo suporte para uma relação causal entre o capital social e desempenho. Existem evidências do impacto do capital social no desempenho dos alunos na matemática, mas não é mediado pela qualidade do ensino fornecido pelos professores. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Objetivo(s) do estudo Métodos e modelos de análise utilizados Dados usados nas análises 48 - (Nurmi & Aunola, 2005) Investigar o padrão motivacional dos alunos do ensino primário em termos do valor que colocam na matemática, leitura e escrita, respetivamente, e na medida em que esses padrões estão associados com o desempenho académico e relacionados com o auto conceito de capacidade. Análise de Cluster Modelos log linear 211 crianças de 6 e 7 anos de idade (de escolas primárias de Jyvaskyla, Finlândia) foram avaliados duas vezes durante o 1ºano (Outubro de 2000 e Abril de 2001), e duas vezes durante 2º (Outubro de 2001 e Março de 2002), em leitura e matemática. A análise de agrupamentopor-estados para dados longitudinais, identificou quatro grupos de crianças: aquelas que colocaram um valor alto em todas as três disciplinas, ou seja, matemática, escrita e leitura; Task-motivation during the first school years: A person-oriented approach to longitudinal data Regressão multinominal 127 Variáveis/fatores de desempenho escolar ou excedem os padrões do estado nos resultados de matemática em 2000-2001 % de alunos que satisfazem ou excedem os padrões do estado nos resultados de leitura em 2000-2001 % de alunos que satisfazem ou excedem os padrões do estado nos resultados de matemática em 2001-2002 % de alunos que satisfazem ou excedem os padrões do estado nos resultados de leitura em 2001-2002 -Interesse para a matemática -Interesse pela leitura -Interesse para a escrita -Desempenho em Matemática -Competência em leitura -Auto-conceito de capacidade matemática -Auto-conceito de capacidade de leitura Principais resultados e conclusões dos estudos Uma diminuição na capacidade matemática está associada ao mover-se para o “grupo de baixa motivação matemática”. Uma diminuição na capacidade de leitura está relacionado com a mudança para um grupo de “alta motivação matemática". As crianças que estavam no grupo “baixa motivação matemática” no Tempo 2 apresentaram menor progresso no desempenho de matemática do que os dos outros grupos. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo 49 - (Opdenakker & Damme, 2007) Do school context, student composition and school leadership affect school practice and outcomes in secondary education? 50 - (Potvin, Hazari, Tai, & Sadler, 2009) Unraveling Bias From Student Evaluations of Their High School Science Teachers 51 - (Palardy & Rumberger, 2008) Teacher effectiveness in first grade: The Objetivo(s) do estudo Métodos e modelos de análise utilizados Analisar as relações entre as características da população estudantil das escolas, contexto escolar, liderança escolar, práticas escolares e resultados escolares. Modelo Opdenakker SEM – structural equation modelling Avaliar os professores de biologia, química e física através dos alunos e de acordo com o sexo do estudante e do professor. /* Excluído, Avaliação de professores*/ Analisar a importância do efeito de três características do professor: qualificações do professor, atitudes e HLM (3-nível) Dados usados nas análises aqueles que valorizavam matemática; aqueles que mostraram pouco interesse em matemática; e, aqueles que demonstraram um baixo interesse pela leitura e escrita. -Inquéritos aos alunos e professores; -Questionário aos líderes da escola Estatísticas gerais da escola; 57 escolas secundárias na Flandres (Belgica) 128 Variáveis/fatores de desempenho escolar Principais resultados e conclusões dos estudos Composição da escola; -Prática da escola; -Características do contexto; A prática da escola é influenciada pela composição da escola e contexto da escola. As professoras têm uma classificação significativamente menor do que os professores do sexo masculino pelos estudantes do sexo masculino nas três disciplinas. Dados do Estudo “Early Childhood Longitudinal Study” (ECLS) 20 000 crianças do infantário de 1 000 escolas públicas e privadas /* Excluído, utiliza dados de jardim de infância*/ Em comparação com as práticas de ensino, a qualificação de base tem uma associação menos robusta com os ganhos nos resultados. Estes resultados sugerem que o No Child Left Behind Act, que filtra os professores com base nas suas qualificações, é insuficiente para garantir que as aulas Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo importance of background qualifications, attitudes, and instructional practices for student learning 52 - (Rimkute, Hirvonen, Tolvanen, Aunola, & Nurmi, 2012) Parents' Role in Adolescents' Educational Expectations 53 - (Roorda, Koomen, Spilt, & Oort, 2011) The Influence of Affective TeacherStudent Relationships on Students' School Engagement and Achievement: A Meta-Analytic Approach Objetivo(s) do estudo Métodos e modelos de análise utilizados práticas de ensino com os resultados de leitura e de matemática no 1ºano. Analisar a medida em que as expectativas das mães e dos pais na educação futura dos seus descendentes, o seu nível de educação e o desempenho académico prevêm as expectativas educacionais dos adolescentes. Investigar as associações entre as qualidades afetivas da relação professoraluno e o compromisso escolar dos alunos e resultados. Dados usados nas análises 129 Variáveis/fatores de desempenho escolar 3 496 alunos do 1ºano, 887 turmas e 253 escolas. Principais resultados e conclusões dos estudos são ministradas por professores que são eficazes em melhorar o desempenho do aluno. Para alcançar esse objetivo, a política educacional precisa de ser direcionada para melhorar os aspetos de ensino, tais como práticas pedagógicas e atitudes de professores. Path analysis 230 adolescentes foram avaliados duas vezes no 7º e 9ºano (203 ambos, 27 apenas no 7ºano, 34 apenas no 9ºano) Os pais (220 mães e 191 pais) também preencheram questionários nos mesmos períodos de tempo. /* Excluído, Expectativas dos adolescentes*/ Meta analise 92 artigos que descreve 99 estudos que incluem alunos da pré-escola até ao ensino secundário Total de 129 423 alunos. /* Excluído, meta analise, relação professor-aluno*/ As altas expectativas dos pais sobre a educação futura previu grandes expectativas educacionais entre os adolescentes, sendo que os resultados foram mais semelhantes no 9º ano do que no 7ºano. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo 54 - (Sheldon, 2007) Improving student attendance with school, family, and community partnerships 55 - (Valle et al., 2003) Cognitive, motivational, and volitional dimensions of learning: An empirical test of a hypothetical model 56 - (M. T. Wang & Objetivo(s) do estudo 130 Métodos e modelos de análise utilizados OLS Regressão Dados usados nas análises -Contrastar empiricamente um modelo hipotético desenvolvido a partir dos pressupostos fundamentais de modelos atuais de aprendizagem autoregulada Análise de equação estrutural 614 alunos universitários Variáveis/fatores de desempenho escolar Variável dependente: Frequência diária dos alunos Variáveis independentes: Estatuto de Título I (escolas que recebem financiamento) % De alunos brancos Mais de 3 anos em NNPS Frequência dos 2000alunos Qualidade global do programa de parceria Organização do programa de Parceria Divulgação do programa Parceria /* Excluído, Ensino superior*/ Examinar as relações SEM Estudo Maryland Adolescent Resultados académicos do Comparar a frequência dos alunos nas escolas de ensino básico que desenvolveram programas NNPS durante o ano 20002001 com as que não implementaram o programa. Questionário UPDATE feito por National Network of Partnership Schoosl (NNPS) 69 escolas e 69 NNPS (do estado de Ohio) Programa NNPS - as escolas recebem ferramentas e diretrizes para o estabelecimento, manutenção e melhoria dos programas de parceria da escola com a comunidade (famílias) Principais resultados e conclusões dos estudos Nas escolas em que implementaram o programa, a frequência dos alunos melhorou, em média, 0,5%, enquanto nas escolas de comparação, as taxas de frequência dos alunos diminuiu ligeiramente. A predisposição dos alunos para sentirem-se responsáveis pelos resultados de seu comportamento académico (atribuição interna) está relacionada com a autoimagem positiva (autoconceito académico), sendo ambas as condições importantes para o desenvolvimento da motivação orientada para a aprendizagem (objetivos de aprendizagem). Tudo isso envolve a seleção e uso de estratégias de processamento de informação (estratégias de aprendizagem), o que leva os alunos a assumirem responsabilidade com altos níveis de persistência, perseverança e tenacidade, de modo a atingir as metas definidas pela orientação motivacional de aprendizagem. Esta persistência e esforço para atingir os objetivos propostos tem por sua vez um efeito positivo e significativo sobre o desempenho académico. A perceção das dimensões distintas do ambiente Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Holcombe, 2010) Adolescents' Perceptions of School Environment, Engagement, and Academic Achievement in Middle School 57 - (Wossmann, Propper, & Duflo, 2005) Educational production in Europe 58 - (Burris, Heubert, & Levin, 2006) Objetivo(s) do estudo Métodos e modelos de análise utilizados entre as perceções de ambiente escolar, compromisso escolar e desempenho académico dos alunos do ensino médio. Estimar os custos que acompanham os benefícios da redução do tamanho das turmas em termos de aumento de desempenho dos alunos. Analisar os efeitos da prestação de um currículo de matemática Dados usados nas análises Development in Context Study (MADIC) 1.046 alunos. 23 escolas públicas Função de produção – econometria Amostras representativas de estudantes do ensino médio em 15 países da Europa Ocidental. /* Excluído, Curriculo*/ Um projeto quasiexperimental foi utilizado para avaliar a conclusão posterior de cursos 131 Variáveis/fatores de desempenho escolar 8ºano (GPA: Inglês, matemática, ciências e ciências sociais): Sexo; Etnia; SES (ocupação dos pais e rendimento anual familiar); desempenho académico prévio (7ºano); Perceções dos alunos do ambiente escolar: Estrutura meta de desempenho escolar; Estrutura meta domínio Escola; Suporte de autonomia; Promoção da discussão; Apoio social Professor; Compromisso da Escola: Participação da escola; Identificação da escola; Estratégia de uso de autoregulação /* Excluído, estimação de custos para decisão politica*/ Principais resultados e conclusões dos estudos escolar do 7ºano contribuem diferencialmente para os três tipos de envolvimento da escola no 8ºano. A perceção de ambiente escolar dos alunos influenciou o seu desempenho académico, direta e indiretamente, através dos três tipos de envolvimento escola (Participação, identificação e estratégia de uso de autorregulação). As perceções dos alunos sobre as características da escola no 7ºano influenciaram a sua participação na escola, a identificação com a escola e uso de estratégias de autorregulação no 8ºano, por sua vez, influenciaram o desempenho académico no 8ºano. O tamanho das turmas é uma característica particularmente importante do processo de produção educacional, pois pode ser facilmente manipulado pelos decisores políticos. A probabilidade de conclusão dos cursos de matemática avançada aumentou significativamente e acentuadamente em todos os grupos, incluindo estudantes de minorias, estudantes de baixo nível Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Accelerating mathematics achievement using heterogeneous grouping 59 - (Gottfried, 2010) Evaluating the Relationship Between Student Attendance and Achievement in Urban Elementary and Middle Schools: An Instrumental Variables Approach 60 - (Goux & Maurin, 2007) Close neighbours matter: Neighbourhood effects on early performance at Objetivo(s) do estudo acelerado em turmas do ensino secundário de forma heterogénea agrupados num distrito escolar suburbano. Fornecer uma visão sobre a relação entre a ‘presença /frequência’ individual e desempenho do aluno. Identificar o impacto causal das características dos vizinhos próximos sobre os resultados das crianças. Métodos e modelos de análise utilizados Dados usados nas análises 132 Variáveis/fatores de desempenho escolar avançados de matemática do ensino médio, bem como o desempenho académico. OLS regressão Escolas elementary e middle do Distrito Escolar de Filadélfia nos anos letivos 1994/1995 e 2000/2001 332 924 alunos. OLS regressão 12 vagas de questionários French labour Force Survey (LFS) entres os anos de 1991 e 2002 Inquiridos com idade de 15 anos Total de 13 116 alunos. Principais resultados e conclusões dos estudos socioeconómico, e estudantes de todos os níveis de escolaridade. Resultados académicos: GPA Medidas de frequência: Total de dias presente; Distância da escola (em milhas) Características dos alunos (%): sexo, branco, preto, Latino, asiático, outro, educação especial, almoço grátis, Aluno de língua inglesa, problema de comportamento Características de vizinhança do aluno: percentagem de branco, percentagem abaixo da pobreza, Taxa de desocupação de domicílios, Log da renda média. Características médias de outras famílias que vivem no redor: proporção de famílias monoparentais, proporção de famílias com 3 ou mais crianças, proporção de trabalhadores não-franceses ou desempregados entre os Os resultados indicam consistentemente relações positivas e estatisticamente significativas entre a frequência dos alunos e o desempenho académico dos alunos do ensino básico e middle. Os resultados de um adolescente no final do ensino junior high-school são fortemente influenciados pelo desempenho dos seus vizinhos (outros adolescentes). Os resultados das crianças estão fortemente correlacionados com os de seus vizinhos. Há um problema de identificação, porque as pessoas com características semelhantes vivem próximas. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo school Objetivo(s) do estudo 61 - (Huntsinger & Jose, 2009) Parental involvement in children's schooling: Different meanings in different cultures 62 - (Jackson & Bruegmann, 2009) Teaching Students and Teaching Each Other: The Importance of Peer Learning for Teachers 63 - (Johnson, Kahle, & Fargo, 2007) A study of the effect of sustained, wholeschool professional development on student achievement in Métodos e modelos de análise utilizados Dados usados nas análises /* Excluído, envolvimento dos pais na escola*/ Mostrar que os alunos de um professor têm maiores ganhos nos resultados em matemática e leitura, quando eles têm colegas mais eficazes. Explorar a relação, se existir, entre a participação sustentada dos professores (Wholeschool) no desenvolvimento colaborativo profissional na escola e os resultados de /* Excluído, formação de professores*/ 133 Variáveis/fatores de desempenho escolar adultos nessas famílias, proporção de abandono do ensino médio e proporção de graduados do ensino superior. Três tipos de envolvimento de pais: comunicação, voluntariado na escola e aprendizagem em casa foram explorados em duas culturas nos EUA. Dados longitudinais de professor e aluno de escolas básicas. Estudo longitudinal de 3 anos; Onze professores de Glendale Middle School participaram na iniciativa Discovery Model Schools Initiative; Desempenho dos alunos foi avaliado através do teste Discovery Inquiry Test em ciências. Principais resultados e conclusões dos estudos Os pais chineses imigrantes e pais europeus americanos das crianças refletem diferentes tradições nas relações com a vida académica dos seus filhos. Os pais americanos europeus são mais voluntários nas escolas, enquanto que os pais americanos chineses concentram-se mais no ensino sistemático dos seus filhos em casa. Os alunos têm maiores ganhos nos resultados do teste, quando os professores experimentam as melhores características observáveis dos seus colegas. /* Excluído, programas de formação de professores*/ Estudantes de professores em Glendale Middle School superaram significativamente os alunos na escola controlo. Os resultados deste estudo revelaram um impacto positivo que os programas de desenvolvimento profissional de colaboração têm sobre o desempenho do aluno, indicando que programas desta natureza poderiam ser um meio de reduzir ou eliminar lacunas nos resultados em ciência. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo science 64 - (Karbach, Gottschling, Spengler, Hegewald, & Spinath, 2013) Parental involvement and general cognitive ability as predictors of domain-specific academic achievement in early adolescence 65 - (O. Lee, Penfield, & Maerten-Rivera, 2009) Effects of Fidelity of Implementation on Science Achievement Gains among English Objetivo(s) do estudo estudantes em ciência. Investigar a validade incremental do envolvimento dos pais sobre GCA na predição do desempenho académico dentro dos domínios da matemática e da linguagem. Examinar quatro dimensões de envolvimento parental percebido: a autonomia de apoio comportamental, responsabilidade emocional, estrutura e controlo orientado para os resultados. Analisar o efeito da fidelização da implementação (FOI) sobre os resultados na ciência de estudantes do 3ºano e estudantes com alfabetização limitada em Inglês. 134 Métodos e modelos de análise utilizados Dados usados nas análises Variáveis/fatores de desempenho escolar Principais resultados e conclusões dos estudos Equação estrutural /*envolvimento dos pais*/ Numerosos estudos demonstraram que a capacidade cognitiva geral (GCA) é um indicador confiável do desempenho académico. Além disso, o envolvimento dos pais no desenvolvimento escolar dos seus filhos é de grande importância no início da adolescência. 334 adolescentes (média de idade = 12,4 , DP = 0,9 , amplitude = 10-14 anos ) Resultados de matemática; Resultados de alemão; Capacidade cognitivas; Educação dos pais; Suporte à Autonomia; Responsabilidade emocional; Controlo orientado aos resultados; Estrutura. GCA foi o mais forte preditor de sucesso para o desempenho académico em ambos os domínios. Embora o apoio de autonomia e a responsabilidade emocional não tinham valor preditivo sobre GCA, altos níveis de controlo orientados aos resultados e estrutura eram prejudiciais para o sucesso académico. Estes resultados fornecem novas evidências para a importância do envolvimento dos pais nos resultados dos seus filhos na escola, mesmo depois do mais poderoso preditor de sucesso académico ser contabilizado. Modelos multinível Questionário sobre a perceção dos professores O estudo foi realizado no contexto de uma intervenção de desenvolvimento profissional com professores do ensino básico para promover os resultados de ciência de alunos ELL nas escolas urbanas. /* Excluído, intervenção de desenvolvimento profissional com professores*/ Nenhuma das medidas de liberdade de informação, utilizando auto-relatos dos professores ou observações em sala de aula tiveram efeitos significativos sobre os ganhos de desempenho. Os resultados são discutidos em termos de questões sobre o conceito e medição de FOI em intervenções educativas. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Language Learners 66 - (Maltese & Hochbein, 2012) The Consequences of "School Improvement": Examining the Association Between Two Standardized Assessments Measuring School Improvement and Student Science Achievement 67 - (Martinez, Borko, & Stecher, 2012) Measuring instructional 135 Objetivo(s) do estudo Métodos e modelos de análise utilizados Dados usados nas análises Variáveis/fatores de desempenho escolar Principais resultados e conclusões dos estudos Explorar a relação entre o esforço de melhoria da escola e o desempenho dos alunos em ciência e, assim, explorar a interseção da reforma escolar e políticas STEM (Science, technology, engineering, and Mathematics). Preocupações sobre a capacidade dos estudantes americanos para competir no mercado de trabalho global chamou a atenção dos políticos para a necessidade de melhoria do desempenho escolar e do desempenho dos alunos em STEM. Investigar as características de formas de ensino com base num instrumento feito por um professor (Scoop HLM analise Foram utilizados dados do nível de escola no estado padronizando os resultados dos testes em Inglês e matemática; Três conjuntos consecutivos de dados, que incluem milhares de estudantes do ensino secundário que participaram no 12 º ano em 2008, 2009 e 2010. % minorias; % de refeições grátis e preço reduzido; Variáveis demográficas: Idade, Género, Etnia Resultados ISTEP (10ºano), exames SAT e ACT Os estudantes que frequentam escolas classificadas como as melhores, através de testes padronizados por estado, geralmente não têm os melhores resultados em exames para a faculdade em ciência, matemática e Inglês. Em 2010, os alunos de escolas classificadas como as melhores em testes de Inglês tiveram uma avaliação de quase metade de um ponto mais baixo do que os seus pares de escolas piores em ambos os exames ACT de ciências e matemática. /* Excluído, praticas de instrução*/ Analise factorial exploratória 49 professores de 25 escolas (9 da Califórnia, 14 Colorado) Os instrumentos que combinam portfolios e autorrelatos são uma referência para a medição do ensino de ciências. Instrumentos baseados em portfolios podem evidenciar características de ensino não tão aparentes, mesmo através da observação direta em sala de aula, Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo practice in science using classroom artifacts: lessons learned from two validation studies Objetivo(s) do estudo 68 - (McWayne, Melzi, Schick, Kennedy, & Mundt, 2013) Compreender como os pais definem os seus papéis no envolvimento e apoio nas experiências educacionais dos seus filhos. Análise factorial /* Excluído, envolvimentos dos pais*/ Analisar a associação entre a emoção do Modelo de equações estrutural. Defining family engagement among Latino Head Start parents: A mixedmethods measurement development study 69 - (Rhoades, Warren, Métodos e modelos de análise utilizados Dados usados nas análises 136 Variáveis/fatores de desempenho escolar Notebook), que combina características de portfolios e de autorelato. 113 pais de 14 programas Head Start de uma grande cidade do nordeste participaram do primeiro estudo, no qual foram identificados od domínios de envolvimento familiar e foram construídos itens específicos para captar os comportamentos do envolvimento familiar. 650 membros Head Start participaram no segundo estudo que avalia a validade do constructo com 65 itens, resultando em duas versões: O envolvimento dos pais de famílias de origens latinas (PEFL-Inglês) e Participação Educativa de Famílias Latinas (PEFL-espanhol). 341 crianças de programas da pré-escola pública de um Principais resultados e conclusões dos estudos além disso, o processo de recolha e reflexão sobre os portfólios podem ter valor para o desenvolvimento profissional. No entanto, o seu valor potencial e respetiva aplicabilidade em maior escala dependem de uma análise cuidada da relação entre o instrumento e o modelo de ensino, a utilização prevista das medidas, bem como os aspetos da prática em sala de aula mais passíveis de obter uma pontuação fiável através de portfolios. Quatro dimensões teóricas de envolvimento familiar entre famílias latinas foram identificadas empiricamente. A medida foi validada através do relatório do professor sobre o envolvimento da família e do relatório dos pais sobre a satisfação com as suas experiências em Head Start. -Características sóciodemográficas: sexo, A atenção durante a infância é um mediador importante desta associação, mesmo depois de Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Domitrovich, & Greenberg, 2011) Examining the link between preschool social-emotional competence and first grade academic achievement: The role of attention skills 70 - (Stipek, Newton, & Chudgar, 2010) Learning-related behaviors and literacy achievement in elementary schoolaged children 71 - (Tang, Dearing, & Weiss, 2012) Spanish-speaking Mexican-American families' involvement in school-based activities and their children's literacy: Objetivo(s) do estudo Métodos e modelos de análise utilizados conhecimento do préescolar, competências de atenção no jardimde-infância e competência académica do 1ºano numa amostra de crianças. Investigar as associações entre os comportamentos das crianças relacionados com a aprendizagem e resultados de alfabetização numa amostra etnicamente diversa de crianças de baixo rendimento em todo o ensino básico. Investigar a associação entre o envolvimento da família em atividades escolares e literacia das crianças no seu idioma preferido (Inglês ou Espanhol), durante a escola básica. Dados usados nas análises distrito urbano do nordeste dos EUA durante 3 anos. 137 Variáveis/fatores de desempenho escolar escolaridade da mãe, rendimento familiar; - vocabulário receptivo; -emoção do conhecimento; -competências de atenção; -competências académicas. Principais resultados e conclusões dos estudos considerar os efeitos da escolaridade materna, rendimento familiar e idade das crianças, sexo e vocabulário receptivo. Os resultados fornecem apoio adicional para a implementação právia de currículos que focam tanto o desenvolvimento social e emocional, bem como o desenvolvimento da atenção como uma estratégia para melhorar o futuro sucesso académico de crianças pequenas. Regressão 379 crianças Estudo longitudinal (1º, 3º e 5º anos) Resultados de literacia; Comportamento relacionado com a aprendizagem; Rendimento familiar; Sexo; Etnia. Existe consistência ao longo do tempo nos comportamentos relacionados com a aprendizagem e as competências de literacia. Comportamentos relacionados com a aprendizagem do ano anterior aos resultados de literacia no ano subsequente em que foi avaliado, mas a literacia não prevê comportamentos relacionados com a aprendizagem anterior. /* Excluído, envolvimento da família*/ Regressão OLS (path analysis) 72 crianças de famílias de língua espanhola mexicanoamericanas. Género; Idade; Educação da mãe; Envolvimento da família em atividades escolares (no jardim de infância e no 3ºano); Literacia (no jardim de infância e no 3ºano); Professores de bilíngue. O envolvimento da família nas atividades baseadas na escola aumentou para crianças que apresentaram problemas de alfabetização precoce. A taxa de crescimento foi maior para as crianças que sempre tiveram professores bilíngue do que para as crianças que não tiveram. Por sua vez, o aumento da participação da família previu melhores competências de literacia no 3ºano, especialmente para as crianças que começaram cedo. Famílias de língua espanhola demonstraram aumento Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo The implications of having teachers who speak Spanish and English 72 - (Wood, Lawrenz, Huffman, & Schultz, 2006) Viewing the school environment through multiple lenses: In search of school-level variables tied to student achievement 73 - (Yamamoto, Holloway, & Suzuki, Objetivo(s) do estudo Identificar as variáveis ao nível de escola que podem ser controladas e afetar o desempenho do aluno, especialmente tendo em conta que, a maioria do esforço da reforma escolar não conseguiu afetar significativamente o desempenho do aluno. Identificar quatro constructos teóricos, três conjuntos exclusivos de fatores empíricos (um conjunto para cada grupo: os alunos, professores e diretores), e sete temas experimentais que descrevem o ambiente de ensino médio. Analisar a relação entre as crenças Métodos e modelos de análise utilizados Dados usados nas análises 138 Variáveis/fatores de desempenho escolar Análise factorial Regressão 68 escolas do ensino médio 165 professores 2465 alunos 3 inquéritos (alunos, professores e diretores) Diretores: 73 itens (iniciais) Influências profissionais; Tomada de decisão envolvendo professores; Colaboração entre professores sobre conteúdos; Diretor como líder curricular Professores: (72 itens) Colaboração e envolvimento dos professores; Currículo, instrução e desenvolvimento profissional; Tomada de decisão que envolvem professores Alunos (46 itens) Currículo e ensino; Atitude dos alunos para a ciência com os seus professores. /*envolvimento dos pais*/ 108 mães Japonesas com crianças de 5 ou 6 anos de Estatuto socioeconómico: Educação da mãe; Principais resultados e conclusões dos estudos no envolvimento da escola entre o jardim-de-infância e o 3ºano, se os seus filhos demonstraram baixa alfabetização no jardim de infância na sua língua preferida. Nenhuma das variáveis mostram quaisquer relações preditivas com os resultados, o que sugere que as políticas federais atuais, como NCLB, são inadequadas e improváveis para a melhoria no ensino de ciências nos EUA. Os alunos, professores e diretores têm diferentes perceções sobre o ambiente escolar, o que sugere uma investigação mais aprofundada sobre a cultura estudantil no sentido de determinar as alterações adequadas que possam levar a melhorias reais nos resultados. Mães com maior SES têm mais probabilidade em aceder a fontes formais de informação e de se Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo 2006) Maternal involvement in preschool children's education in Japan: Relation to parenting beliefs and socioeconomic status 74 - (Riegle-Crumb, 2006) The path through math: Course sequences and academic performance at the intersection of raceethnicity and gender 75 - (Carbonaro, 2005) Tracking, students' effort, and academic achievement Objetivo(s) do estudo maternas e SES familiar em três dimensões do envolvimento dos pais no Japão: estratégias de seleção pré-escolar, compromisso de leitura em casa, e envolvimento em atividades no préescolar. Analisar os padrões de matemática do ensino secundário para estudantes de diferentes etnias e género. Analisar as relações entre o esforço, percurso, e o sucesso dos alunos. Métodos e modelos de análise utilizados Regressão logística Dados usados nas análises HLM Standard ordinary least squares regression OLS regressão 139 Variáveis/fatores de desempenho escolar rendimento familiar; Variáveis de controlo: Género, idade, emprego da mãe Principais resultados e conclusões dos estudos 7 101 alunos de 69 escolas Dados de Adolescent Health and Academic Achievement (AHAA) Africo Americano Latino Asiático Nível de educação dos pais Rendimentos familiares Posição inicial curso de matemática: Algebra I, Desempenho académico. Dados dos 8º ao 10º ano 6 911 alunos Feminino Branco Negro Hispanico Asiático Estatuto socioeconómico (SES) Em comparação com os homens brancos, os afroamericanos do sexo masculino e latinos receberam retornos mais baixos ao frequentar Álgebra I durante o primeiro ano, atingindo assim níveis inferiores no curso de matemática quando iniciam no mesmo nível. Este padrão não é explicado pelo desempenho académico, e, além disso, os afro-americanos do sexo masculino recebem menos benefícios nos níveis altos de matemática. Retornos mais baixos não são observados para estudantes de grupos minoritários do sexo feminino, o que sugere que é necessário um maior atenção na desigualdade racial-étnica em matemática entre os estudantes do sexo masculino. Os alunos com percursos superiores exercem substancialmente mais esforço do que os alunos em percursos inferiores. Essas diferenças de esforço são em grande parte explicada pelos resultados anteriores, bem como as experiências dos alunos nas suas aulas. O esforço dos alunos está fortemente relacionado com a sua aprendizagem. Finalmente, o efeito do esforço dos idade Entrevista e questionário envolver em casa na leitura diária, mas são menos suscetíveis de participar na escola. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo 76 - (Entwisle, Alexander, & Olson, 2007) Early schooling: The handicap of being poor and male 77 - (L. D. Hill, 2008) School strategies and the "CollegeLinking" process: Reconsidering the effects of high Objetivo(s) do estudo Métodos e modelos de análise utilizados Dados usados nas análises Compreender a origem das diferenças de género que favorecem as meninas nos resultados de competência na leitura OLS regressão Dados em panel do estudo Beginning School Study (BSS) de Baltimore 20 escolas básicas da cidade Baltimore 403 alunos da mesma idade Analisar a relação entre as estratégias que as escolas utilizam para facilitar a transição para a faculdade e os resultados no pós /* Excluído, Ensino superior*/ Latent class model Two-level multionomial hierarchical models Dados do estudo High Scholl Effectiveness Studys (HSES) 140 Variáveis/fatores de desempenho escolar Resultados do 8ºano: Matemática; Leitura; Ciência; História Resultados do 10ºano: Matemática Trajeto (matemática): Honors; Académico; Geral; Vocacional Esforço dos alunos: escala de esforço 8ºano; escala de esforço 10ºano matemática; escala de esforço 10ºano inglês; escala de esforço 10ºano historia; escala de esforço 10ºano ciência; Género Etnia Estatuto socioeconómico Suporte psicológico dos pais Resultados de leitura no final do 1ºano Comportamento na sala de aula no 2ºano e no 4ºano Retenção entre o 1º e 5º ano Subsídio de alimentação Etnia; Nível mais elevado dos pais; Rendimento dos pais; Resultados académicos; Recursos de planeamento para a faculdade baseados na família; Principais resultados e conclusões dos estudos estudantes na aprendizagem é praticamente o mesmo, independentemente do percurso em que o aluno é colocado. Esforço é um importante preditor de sucesso, mas o esforço não representa uma grande proporção do efeito do percurso sobre os ganhos nos resultados. As competências precoces de leitura dos meninos que estão a receber subsídio de refeição - aqueles que estão em desvantagem - são inferiores às das meninas. Entre as crianças que não têm subsídios de refeição, os resultados são os mesmos. Esta diferença de género que surge ao longo dos anos do ensino básico é explicado pelo facto de que a taxa de retenção é maior nos meninos mais carentes. A análise identificou três estratégias distintas "de ligação à faculdade": tradicional, clearinghouse, brokering. Os resultados revelaram que as estratégias que as escolas utilizam para ajudar os alunos a transitar no processo de ligação à faculdade influenciam a matrícula na faculdade. Eles sugerem que as escolas que funcionam principalmente como Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo schools on college enrollment 78 - (Riegle-Crumb & Grodsky, 2010) Racial-Ethnic Differences at the Intersection of Math Course-taking and Achievement 79 - (Lockwood & McCaffrey, 2009) EXPLORING STUDENT-TEACHER INTERACTIONS IN LONGITUDINAL ACHIEVEMENT DATA Objetivo(s) do estudo secundário dos alunos; Analisar se as estratégias escolares influenciam os resultados para alunos de diferentes origens raciais/étnicas e sócio económicas. Determinar se a composição racial/étnica das escolas contribui mais para explicar a diferença entre minoria e maioria dos estudantes num curso de matemática nas escolas secundárias Desenvolver um modelo que permita medir o efeito da relação individual professor-aluno, e aplicar o modelo usando um conjunto de dados longitudinais no Métodos e modelos de análise utilizados Dados usados nas análises Modelos de regressão Dados do Estudo Education Longitudinal Study de 2002 (ELS) 4 070 alunos no nível avançado em matemática 3 905 alunos no nível não avançado em matemática Value-added modeling (VAM) /* Excluído, Eficácia dos professores, Desempenho dos professores*/ 3 conjuntos de dados longitudinais de resultados (3 diferentes grandes distritos de escolas urbanas A, B e C) Distrito A – 9 200 alunos do 1º ao 5ºano, matemática e leitura para esta análise focaram-se nos professores do 3 ao 5ºano; 141 Variáveis/fatores de desempenho escolar Matrícula na faculdade. Principais resultados e conclusões dos estudos Resultados de testes de matemática 12ºano; Feminino; Branco, Negro, hispânico; 1ª geração de imigrantes; Curso; Nível de educação dos pais; Rendimento da família; Média à matemática; Resultado de teste de matemática 10ºano; Percentagem de minoria na escola. A diferença nos resultados de matemática é mais pronunciada entre os alunos que estudam nas aulas de matemática do ensino secundário mais exigentes, como o pré-cálculo e cálculo. Foi ainda explorado o papel da situação socioeconómica da família e a composição escolar para explicar esse padrão. Na matemática, os jovens latino-americanos de famílias de baixo rendimento e os jovens africanos americanos de escolas segregadas têm pior resultados em termos de redução défice em comparação com os seus pares brancos. um clearinghouse de recursos, em que as normas organizacionais limitam o seu papel como agentes no processo de vinculação à faculdade, promovem a variação racial/ étnica sendo significativa nos resultados dos alunos. Usando várias fontes de dados longitudinais, encontram evidências de que essas interações são de magnitudes relativamente consistentes, mas modestas em diferentes contextos; o efeito da interação representa uma variação de 10% em todos os alunos. No entanto, na prática as interações dependem da heterogeneidade dos grupos de estudantes que são ensinados por professores diferentes. Usando estimativas empíricas da heterogeneidade dos Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Objetivo(s) do estudo Métodos e modelos de análise utilizados sentido de examinar a natureza e magnitude dos efeitos da interação professoraluno. 80 - (Attewell & Domina, 2008) Raising the bar: Curricular intensity and academic performance 81 - (H. C. Hill, 2007) Mathematical knowledge of middle school teachers: Implications for the No Child Left Behind policy initiative Analisar a desigualdade no acesso a um currículo avançado na escola secundária e nas consequências da intensidade curricular nos resultados dos testes e na entrada da faculdade. Explorar o conhecimento matemático para o ensino e a relação entre esse conhecimento e a preparação dos professores, tipo de certificação, experiência de ensino, e estatuto de pobreza dos seus Dados usados nas análises 142 Variáveis/fatores de desempenho escolar Distrito B – 3 400 alunos do 5º ao 8ºano, matemática, ciências e leitura para esta analise focaram-se nos professores de matemática do 7º e 8ºano Distrito C; No total 12 grupos de professores. Modelo de regressão 7 931 alunos /* Excluído, Desempenho de professores no ensino de matemática*/ Amostra nacionalmente representativa de professores (EUA) Análise descritiva Análise factorial Currículo académico intensivo; Resultados académicos; Variáveis demográficas: Género, Etnia, Estatuto socioeconómico. Principais resultados e conclusões dos estudos professores em todos os alunos, vemos que as interações são responsáveis por cerca de 3-4% da variação total em diferentes classes, com valores um pouco maiores na matemática do ensino médio. O modelo especifica as interações entre os efeitos de professores e pontuações previstas dos alunos num teste, estimando os efeitos médios dos professores individualmente em termos de interação, indicando se os professores são diferencialmente eficazes com alunos de diferentes pontuações previstas. As desigualdades na intensidade curricular são explicadas principalmente pelos efeitos do estatuto sócio económico dos estudantes que operam dentro das escolas, em vez entre as escolas. Existem efeitos positivos significativos em ter um currículo mais intenso nos resultados dos testes no 12º ano e na probabilidade entrar e de concluir a faculdade. Os professores com mais conhecimento matemático, certificação específica na área e experiência docente no ensino secundário tendem a possuir níveis mais elevados de conhecimento específico matemático para o ensino. No entanto os professores com forte conhecimento matemático para o ensino são, como os que têm credenciais e preparação, distribuídos de forma desigual em toda a população de estudantes norte-americanos. Especificamente, os alunos mais ricos são mais propensos a encontrar os professores com mais experiência. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo 82 - (Springer et al., 2012) Team Pay for Performance: Experimental Evidence From the Round Rock Pilot Project on Team Incentives 83 - (Dee & West, 2011) The Non-Cognitive Returns to Class Size 84 - (Rouse & Barrow, 2009) School Vouchers and Student Achievement: Recent Evidence and Remaining Questions Objetivo(s) do estudo alunos. Analisar um programa em que os prémios foram entregues a equipas de professores do ensino médio com base na sua contribuição global para ganhos de pontuação no teste de estudante. Estimar como o tamanho das turmas afeta certas competências nãocognitivas no ensino médio. Analisar as evidências empíricas sobre o impacto dos vouchers de educação sobre o desempenho dos alunos e discutir brevemente as evidências de outras formas de escolha da Métodos e modelos de análise utilizados Dados usados nas análises /* Excluído, projecto experimental, programas de incentivo para os professores, com base nos resultados dos seus alunos*/ /*Excluído, competências não cognitivas*/ /* Excluído, vouchers de educação*/ 143 Variáveis/fatores de desempenho escolar Principais resultados e conclusões dos estudos Não foram encontrados efeitos significativos sobre o desempenho dos alunos ou sobre as atitudes e práticas dos professores. A falta de efeitos ao nível da equipa neste estudo é consistente com outras experiências recentes que estudaram os efeitos a curto prazo de prémios para o desempenho individual ou desempenho de toda a escola. Dados do estudo National Education Longitudinal Study of 1988 Turmas menores no 8ºano estão associadas a melhorias em várias medidas de compromisso da escola, com tamanhos de efeito que vão desde 0,050,09 e menores efeitos persistentes 2 anos depois. Padrões de seleção em características observadas sugerem que estes resultados identificam com precisão (ou possivelmente subestimam) os efeitos causais de turmas menores. Dado o impacto no rendimento estimado destas competências nãocognitivas, a taxa interna de retorno implícita de uma redução do tamanho da turma do 8ºano é de 4,6% do total, mas 7,9% em escolas urbanas. Encontraram-se ganhos pequenos de resultados para os alunos a quem foram oferecidos os vouchers, a maioria dos quais não são estatisticamente diferentes de zero. Além disso, existe pouca evidência quanto ao potencial das escolas públicas em conseguirem responder ao aumento da pressão competitiva gerada pelos vouchers; o que sugere que se deva ser cauteloso quanto às grandes melhorias que resultariam de um sistema de vouchers mais Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência e título do artigo Objetivo(s) do estudo escola. Métodos e modelos de análise utilizados Dados usados nas análises 144 Variáveis/fatores de desempenho escolar Principais resultados e conclusões dos estudos abrangente. As evidências de outras formas de escolha da escola também é consistente com esta conclusão. Muitas perguntas permanecem sem resposta, inclusivé se os vouchers têm impactos a longo prazo sobre os resultados, tais como as taxas de graduação, matrícula na faculdade, ou até mesmo nos futuros salários, e se pode, no entanto, fornecer uma alternativa neutra em termos de custo para o sistema atual de oferta de educação pública ao nível do ensino básico e secundário. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 145 Abdulkadiroglu, A., Angrist, J. D., Dynarski, S. M., Kane, T. J., & Pathak, P. A. (2011). ACCOUNTABILITY AND FLEXIBILITY IN PUBLIC SCHOOLS: EVIDENCE FROM BOSTON'S CHARTERS AND PILOTS. Quarterly Journal of Economics, 126(2), 699-748. doi: 10.1093/qje/qjr017 Ahtola, A., Silinskas, G., Poikonen, P. L., Kontoniemi, M., Niemi, P., & Nurmi, J. E. (2011). Transition to formal schooling: Do transition practices matter for academic performance? Early Childhood Research Quarterly, 26(3), 295-302. doi: 10.1016/j.ecresq.2010.12.002 Attewell, P., & Domina, T. (2008). Raising the bar: Curricular intensity and academic performance. Educational Evaluation and Policy Analysis, 30(1), 51-71. doi: 10.3102/0162373707313409 Beard, K. S., Hoy, W. K., & Hoy, A. W. (2010). Academic optimism of individual teachers: Confirming a new construct. Teaching and Teacher Education, 26(5), 1136-1144. doi: 10.1016/j.tate.2010.02.003 Benabou, R., Kramarz, F., & Prost, C. (2009). The French zones d'education prioritaire: Much ado about nothing? Economics of Education Review, 28(3), 345-356. doi: 10.1016/j.econedurev.2008.04.005 Berlinski, S., Galiani, S., & Gertler, P. (2009). The effect of pre-primary education on primary school performance. Journal of Public Economics, 93(1-2), 219-234. doi: 10.1016/j.jpubeco.2008.09.002 Berlinski, S., Galiani, S., & Manacorda, M. (2008). Giving children a better start: Preschool attendance and school-age profiles. Journal of Public Economics, 92(5-6), 1416-1440. doi: 10.1016/j.jpubeco.2007.10.007 Blanchard, M. R., Southerland, S. A., Osborne, J. W., Sampson, V. D., Annetta, L. A., & Granger, E. M. (2010). Is Inquiry Possible in Light of Accountability?: A Quantitative Comparison of the Relative Effectiveness of Guided Inquiry and Verification Laboratory Instruction. Science Education, 94(4), 577-616. doi: 10.1002/sce.20390 Burris, C. C., Heubert, J. P., & Levin, H. M. (2006). Accelerating mathematics achievement using heterogeneous grouping. American Educational Research Journal, 43(1), 105-136. Callahan, R. M. (2005). Tracking and high school English learners: Limiting opportunity to learn. American Educational Research Journal, 42(2), 305-328. doi: 10.3102/00028312042002305 Carbonaro, W. (2005). Tracking, students' effort, and academic achievement. Sociology of Education, 78(1), 27-49. Cavanagh, S. E., Schiller, K. S., & Riegle-Crumb, C. (2006). Marital transitions, parenting, and schooling: Exploring the link between family-structure history and adolescents' academic status. Sociology of Education, 79(4), 329-354. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 146 Chiang, H. (2009). How accountability pressure on failing schools affects student achievement. Journal of Public Economics, 93(9-10), 1045-1057. doi: 10.1016/j.jpubeco.2009.06.002 Clements, M. A., Reynolds, A. J., & Hickey, E. (2004). Site-level predictors of children's school and social competence in the Chicago Child-Parent Centers. Early Childhood Research Quarterly, 19(2), 273-296. doi: 10.1016/j.ecresq.2004.04.005 Clotfelter, C. T., Ladd, H. F., & Vigdor, J. L. (2010). Teacher Credentials and Student Achievement in High School A Cross-Subject Analysis with Student Fixed Effects. Journal of Human Resources, 45(3), 655-681. Cottaar, A. (2012). Low (linear) teacher effect on student achievement in pre-academic physics education. Journal of Research in Science Teaching, 49(4), 465-488. doi: 10.1002/tea.21011 Crosnoe, R., & Cooper, C. E. (2010). Economically Disadvantaged Children's Transitions Into Elementary School: Linking Family Processes, School Contexts, and Educational Policy. American Educational Research Journal, 47(2), 258-291. doi: 10.3102/0002831209351564 Crosnoe, R., & Schneider, B. (2010). Social Capital, Information, and Socioeconomic Disparities in Math Course Work. American Journal of Education, 117(1), 79-107. doi: 10.1086/656347 Cullen, J. B., Jacob, B. A., & Levitt, S. (2006). The effect of school choice on participants: Evidence from randomized lotteries. Econometrica, 74(5), 1191-1230. doi: 10.1111/j.1468-0262.2006.00702.x Cullen, J. B., Jacob, B. A., & Levitt, S. D. (2005). The impact of school choice on student outcomes: an analysis of the Chicago Public Schools. Journal of Public Economics, 89(56), 729-760. doi: 10.1016/j.jpubeco.2004.05.001 Dee, T. S., & West, M. R. (2011). The Non-Cognitive Returns to Class Size. Educational Evaluation and Policy Analysis, 33(1), 23-46. doi: 10.3102/0162373710392370 Dignath, C., & Buttner, G. (2008). Components of fostering self-regulated learning among students. A meta-analysis on intervention studies at primary and secondary school level. Metacognition and Learning, 3(3), 231-264. doi: 10.1007/s11409-008-9029-x Entwisle, D. R., Alexander, K. L., & Olson, L. S. (2007). Early schooling: The handicap of being poor and male. Sociology of Education, 80(2), 114-138. Evans, G. W., & Rosenbaum, J. (2008). Self-regulation and the income-achievement gap. Early Childhood Research Quarterly, 23(4), 504-514. doi: 10.1016/j.ecresq.2008.07.002 Gallant, D. J. (2009). Predictive validity evidence for an assessment program based on the Work Sampling System in mathematics and language and literacy. Early Childhood Research Quarterly, 24(2), 133-141. doi: 10.1016/j.ecresq.2009.03.003 Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 147 Gil-Flores, J., Torres-Gordillo, J. J., & Perera-Rodriguez, V. H. (2012). The role of online reader experience in explaining students' performance in digital reading. Computers & Education, 59(2), 653-660. doi: 10.1016/j.compedu.2012.03.014 Gilmartin, S., Denson, N., Li, E., Bryant, A., & Aschbacher, P. (2007). Gender ratios in high school science departments: The effect of percent female faculty on multiple dimensions of students' science identities. Journal of Research in Science Teaching, 44(7), 980-1009. doi: 10.1002/tea.20179 Gottfried, M. A. (2010). Evaluating the Relationship Between Student Attendance and Achievement in Urban Elementary and Middle Schools: An Instrumental Variables Approach. American Educational Research Journal, 47(2), 434-465. doi: 10.3102/0002831209350494 Goux, D., & Maurin, E. (2007). Close neighbours matter: Neighbourhood effects on early performance at school. Economic Journal, 117(523), 1193-1215. doi: 10.1111/j.14680297.2007.02079.x Hanushek, E. A., & Wossmann, L. (2006). Does educational tracking affect performance and inequality? Differences-in-differences evidence across countries. Economic Journal, 116(510), C63-C76. doi: 10.1111/j.1468-0297.2006.01076.x Hill, H. C. (2007). Mathematical knowledge of middle school teachers: Implications for the No Child Left Behind policy initiative. Educational Evaluation and Policy Analysis, 29(2), 95114. doi: 10.3102/0162373707301711 Hill, L. D. (2008). School strategies and the "College-Linking" process: Reconsidering the effects of high schools on college enrollment. Sociology of Education, 81(1), 53-76. Huntsinger, C. S., & Jose, P. E. (2009). Parental involvement in children's schooling: Different meanings in different cultures. Early Childhood Research Quarterly, 24(4), 398-410. doi: 10.1016/j.ecresq.2009.07.006 Husain, M., & Millimet, D. L. (2009). The mythical 'boy crisis'? Economics of Education Review, 28(1), 38-48. doi: 10.1016/j.econedurev.2007.11.002 Jackson, K., & Bruegmann, E. (2009). Teaching Students and Teaching Each Other: The Importance of Peer Learning for Teachers. American Economic Journal-Applied Economics, 1(4), 85-108. doi: 10.1257/app.1.4.85 Johnson, C. C., Kahle, J. B., & Fargo, J. D. (2007). A study of the effect of sustained, wholeschool professional development on student achievement in science. Journal of Research in Science Teaching, 44(6), 775-786. doi: 10.1002/tea.20149 Karbach, J., Gottschling, J., Spengler, M., Hegewald, K., & Spinath, F. M. (2013). Parental involvement and general cognitive ability as predictors of domain-specific academic achievement in early adolescence. Learning and Instruction, 23, 43-51. doi: 10.1016/j.learninstruc.2012.09.004 Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 148 Leana, C. R., & Pil, F. K. (2006). Social capital and organizational performance: Evidence from urban public schools. Organization Science, 17(3), 353-366. doi: 10.1287/orsc.1060.0191 Lee, J. S., & Bowen, N. K. (2006). Parent involvement, cultural capital, and the achievement gap among elementary school children. American Educational Research Journal, 43(2), 193-218. doi: 10.3102/00028312043002193 Lee, O., Penfield, R., & Maerten-Rivera, J. (2009). Effects of Fidelity of Implementation on Science Achievement Gains among English Language Learners. Journal of Research in Science Teaching, 46(7), 836-859. doi: 10.1002/tea.20335 Lee, V. E., & Burkam, D. T. (2003). Dropping out of high school: The role of school organization and structure. American Educational Research Journal, 40(2), 353-393. doi: 10.3102/00028312040002353 Lindo, J. M., Sanders, N. J., & Oreopoulos, P. (2010). Ability, Gender, and Performance Standards: Evidence from Academic Probation. American Economic Journal-Applied Economics, 2(2), 95-117. doi: 10.1257/app.2.2.95 Lockwood, J. R., & McCaffrey, D. F. (2009). EXPLORING STUDENT-TEACHER INTERACTIONS IN LONGITUDINAL ACHIEVEMENT DATA. Education Finance and Policy, 4(4), 439-467. doi: 10.1162/edfp.2009.4.4.439 Maerten-Rivera, J., Myers, N. D., Lee, O., & Penfield, R. (2010). Student and School Predictors of High-Stakes Assessment in Science. Science Education, 94(6), 937-962. doi: 10.1002/sce.20408 Maltese, A. V., & Hochbein, C. D. (2012). The Consequences of "School Improvement": Examining the Association Between Two Standardized Assessments Measuring School Improvement and Student Science Achievement. Journal of Research in Science Teaching, 49(6), 804-830. doi: 10.1002/tea.21027 Martinez, J. F., Borko, H., & Stecher, B. M. (2012). Measuring instructional practice in science using classroom artifacts: lessons learned from two validation studies. Journal of Research in Science Teaching, 49(1), 38-67. doi: 10.1002/tea.20447 Mattern, K. D., & Patterson, B. F. (2013). Test of Slope and Intercept Bias in College Admissions: A Response to Aguinis, Culpepper, and Pierce (2010). Journal of Applied Psychology, 98(1), 134-147. doi: 10.1037/a0030610 McCaffrey, D. F., & Lockwood, J. R. (2011). MISSING DATA IN VALUE-ADDED MODELING OF TEACHER EFFECTS. Annals of Applied Statistics, 5(2A), 773-797. doi: 10.1214/10aoas405 McEwan, P. J., & Shapiro, J. S. (2008). The benefits of delayed primary school enrollment Discontinuity estimates using exact birth dates. Journal of Human Resources, 43(1), 129. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 149 McWayne, C. M., Melzi, G., Schick, A. R., Kennedy, J. L., & Mundt, K. (2013). Defining family engagement among Latino Head Start parents: A mixed-methods measurement development study. Early Childhood Research Quarterly, 28(3), 593-607. doi: 10.1016/j.ecresq.2013.03.008 Muller, C., Riegle-Crumb, C., Schiller, K. S., Wilkinson, L., & Frank, K. A. (2010). Race and Academic Achievement in Racially Diverse High Schools: Opportunity and Stratification. Teachers College Record, 112(4), 1038-1063. Nolen, S. B. (2003). Learning environment, motivation, and achievement in high school science. Journal of Research in Science Teaching, 40(4), 347-368. doi: 10.1002/tea.10080 Nurmi, J. E., & Aunola, K. (2005). Task-motivation during the first school years: A personoriented approach to longitudinal data. Learning and Instruction, 15(2), 103-122. doi: 10.1016/j.learninstruc.2005.04.009 Opdenakker, M.-C., & Damme, J. V. (2007). Do school context, student composition and school leadership affect school practice and outcomes in secondary education? British Educational Research Journal, 33(2), 179-206. Palardy, G. J., & Rumberger, R. W. (2008). Teacher effectiveness in first grade: The importance of background qualifications, attitudes, and instructional practices for student learning. Educational Evaluation and Policy Analysis, 30(2), 111-140. doi: 10.3102/0162373708317680 Patrick, H., Mantzicopoulos, P., Samarapungavan, A., & French, B. F. (2008). Patterns of young children's motivation for science and teacher-child relationships. Journal of Experimental Education, 76(2), 121-144. doi: 10.3200/jexe.76.2.121-144 Peetsma, T., & van der Veen, I. (2011). Relations between the development of future time perspective in three life domains, investment in learning, and academic achievement. Learning and Instruction, 21(3), 481-494. doi: 10.1016/j.learninstruc.2010.08.001 Potvin, G., Hazari, Z., Tai, R. H., & Sadler, P. M. (2009). Unraveling Bias From Student Evaluations of Their High School Science Teachers. Science Education, 93(5), 827-845. doi: 10.1002/sce.20332 Quirk, M., Nylund-Gibson, K., & Furlong, M. (2013). Exploring patterns of Latino/a children's school readiness at kindergarten entry and their relations with Grade 2 achievement. Early Childhood Research Quarterly, 28(2), 437-449. doi: 10.1016/j.ecresq.2012.11.002 Rhoades, B. L., Warren, H. K., Domitrovich, C. E., & Greenberg, M. T. (2011). Examining the link between preschool social-emotional competence and first grade academic achievement: The role of attention skills. Early Childhood Research Quarterly, 26(2), 182-191. doi: 10.1016/j.ecresq.2010.07.003 Riegle-Crumb, C. (2006). The path through math: Course sequences and academic performance at the intersection of race-ethnicity and gender. American Journal of Education, 113(1), 101-122. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 150 Riegle-Crumb, C., & Grodsky, E. (2010). Racial-Ethnic Differences at the Intersection of Math Course-taking and Achievement. Sociology of Education, 83(3), 248-270. doi: 10.1177/0038040710375689 Rimkute, L., Hirvonen, R., Tolvanen, A., Aunola, K., & Nurmi, J. E. (2012). Parents' Role in Adolescents' Educational Expectations. Scandinavian Journal of Educational Research, 56(6), 571-590. doi: 10.1080/00313831.2011.621133 Roorda, D. L., Koomen, H. M. Y., Spilt, J. L., & Oort, F. J. (2011). The Influence of Affective Teacher-Student Relationships on Students' School Engagement and Achievement: A Meta-Analytic Approach. Review of Educational Research, 81(4), 493-529. doi: 10.3102/0034654311421793 Rouse, C. E., & Barrow, L. (2009). School Vouchers and Student Achievement: Recent Evidence and Remaining Questions Annual Review of Economics (Vol. 1, pp. 17-42). Rumberger, R. W., & Palardy, G. J. (2005). Test scores, dropout rates, and transfer rates as alternative indicators of high school performance. American Educational Research Journal, 42(1), 3-42. doi: 10.3102/00028312042001003 Schiller, K. S., & Muller, C. (2003). Raising the bar and equity? Effects of state high school graduation requirements and accountability policies on students' mathematics course taking. Educational Evaluation and Policy Analysis, 25(3), 299-318. doi: 10.3102/01623737025003299 Schommer-Aikins, M., Duell, O. K., & Hutter, R. (2005). Epistemological beliefs, mathematical problem-solving beliefs, and academic performance of middle school students. Elementary School Journal, 105(3), 289-304. Sektnan, M., McClelland, M. M., Acock, A., & Morrison, F. J. (2010). Relations between early family risk, children's behavioral regulation, and academic achievement. Early Childhood Research Quarterly, 25(4), 464-479. doi: 10.1016/j.ecresq.2010.02.005 Sheldon, S. B. (2007). Improving student attendance with school, family, and community partnerships. Journal of Educational Research, 100(5), 267-275. doi: 10.3200/joer.100.5.267-275 Shim, S. S., Cho, Y., & Wang, C. (2013). Classroom goal structures, social achievement goals, and adjustment in middle school. Learning and Instruction, 23, 69-77. doi: 10.1016/j.learninstruc.2012.05.008 Songer, N. B., Kelcey, B., & Gotwals, A. W. (2009). How and When Does Complex Reasoning Occur? Empirically Driven Development of a Learning Progression Focused on Complex Reasoning about Biodiversity. Journal of Research in Science Teaching, 46(6), 610-631. doi: 10.1002/tea.20313 Springer, M. G., Pane, J. F., Le, V. N., McCaffrey, D. F., Burns, S. F., Hamilton, L. S., & Stecher, B. (2012). Team Pay for Performance: Experimental Evidence From the Round Rock Pilot Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 151 Project on Team Incentives. Educational Evaluation and Policy Analysis, 34(4), 367-390. doi: 10.3102/0162373712439094 Stipek, D., Newton, S., & Chudgar, A. (2010). Learning-related behaviors and literacy achievement in elementary school-aged children. Early Childhood Research Quarterly, 25(3), 385-395. doi: 10.1016/j.ecresq.2009.12.001 Tai, R. H., Sadler, P. M., & Loehr, J. F. (2005). Factors influencing success in introductory college chemistry. Journal of Research in Science Teaching, 42(9), 987-1012. doi: 10.1002/tea.20082 Tang, S., Dearing, E., & Weiss, H. B. (2012). Spanish-speaking Mexican-American families' involvement in school-based activities and their children's literacy: The implications of having teachers who speak Spanish and English. Early Childhood Research Quarterly, 27(2), 177-187. doi: 10.1016/j.ecresq.2011.09.001 Valle, A., Cabanach, R. G., Nunez, J. C., Gonzalez-Pienda, J., Rodriiguez, S., & Pineiro, I. (2003). Cognitive, motivational, and volitional dimensions of learning: An empirical test of a hypothetical model. Research in Higher Education, 44(5), 557-580. doi: 10.1023/a:1025443325499 Voight, A., Shinn, M., & Nation, M. (2012). The Longitudinal Effects of Residential Mobility on the Academic Achievement of Urban Elementary and Middle School Students. Educational Researcher, 41(9), 385-392. doi: 10.3102/0013189x12442239 Wang, J. H. Y., & Guthrie, J. T. (2004). Modeling the effects of intrinsic motivation, extrinsic motivation, amount of reading, and past reading achievement on text comprehension between US and Chinese students. Reading Research Quarterly, 39(2), 162-186. doi: 10.1598/rrq.39.2.2 Wang, M. T., & Holcombe, R. (2010). Adolescents' Perceptions of School Environment, Engagement, and Academic Achievement in Middle School. American Educational Research Journal, 47(3), 633-662. doi: 10.3102/0002831209361209 Wood, N. B., Lawrenz, F., Huffman, D., & Schultz, M. (2006). Viewing the school environment through multiple lenses: In search of school-level variables tied to student achievement. Journal of Research in Science Teaching, 43(3), 237-254. doi: 10.1002/tea.20108 Wossmann, L., Propper, C., & Duflo, E. (2005). Educational production in Europe. Economic Policy(43), 445-504. Yamamoto, Y., Holloway, S. D., & Suzuki, S. (2006). Maternal involvement in preschool children's education in Japan: Relation to parenting beliefs and socioeconomic status. Early Childhood Research Quarterly, 21(3), 332-346. doi: 10.1016/j.ecresq.2006.07.008 Zijlstra, H., Wubbels, T., Brekelmans, M., & Koomen, H. M. Y. (2013). CHILD PERCEPTIONS OF TEACHER INTERPERSONAL BEHAVIOR AND ASSOCIATIONS WITH MATHEMATICS Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 152 ACHIEVEMENT IN DUTCH EARLY GRADE CLASSROOMS. Elementary School Journal, 113(4), 517-540. doi: 10.1086/669618 Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 153 Anexo B - Quadro Resumo da Revisão da Literatura do Caso Português De acordo com os 14 artigos identificados na pesquisa, foi efetuada a Leitura integral e análise de conteúdo de cada artigo, de forma a construir o seguinte quadro resumo da revisão da literatura. Esse quadro está estruturado, para cada artigo, com base na seguinte informação: Referência e título do artigo; Objetivo(s) do estudo; Métodos e modelos de análise utilizados; Variáveis/fatores de desempenho escolar; Dados usados nas análises; Contribuição e notas relativas aos estudos; Principais resultados e conclusões dos estudos. Adiciona-se ainda estudos levados a cabo por investigadores do CIPES. Referência /título artigo 1 (M. C. Pereira & Moreira, 2007) Eficiência das escolas secundárias portuguesas: uma análise de fronteira de produção estocástica Objetivo(s) Métodos Variáveis/fatores Realizar uma análise mais aprofundada do desempenho das escolas portuguesas, empregando a metodologia da fronteira de produção estocástica no estudo dos seus determinantes e, mais geralmente, da eficiência na utilização dos recursos pelas escolas. Fronteiras estocásticas Indicador de produção das escolas Média das classificações nos exames do 12ºano, por escola, para o ano letivo de 2004-2005 Nº de estudantes, Nº de turmas e nº prof Natureza das escolas (públicas ou privadas) Características dos prof: antiguidade, idade, qualificação, vínculo, salario médio Dados Contribuição/Notas Resultados/Conclusões As classificações obtidas pelos estudantes nos exames nacionais do ensino secundário são utilizadas para aferir o desempenho das escolas portuguesas que lecionam o ensino secundário. Devido ao peso que representa os critérios de avaliação dos alunos e o acesso ao ensino superior. Com base nos resultados, apresentou-se uma proposta de ranking de eficiência das escolas secundárias portuguesas. A “qualidade” dos professores tem mais efeito na produção do que a “quantidade”. A variação do número de professores por estudante é menos importante do que a variação das suas características, aproximadas neste estudo pela idade média do corpo docente. Existe uma influência considerável da localização geográfica nas classificações dos estudantes. Escolas localizadas em municípios com melhores condições económicas e níveis educacionais mais elevados atingem comparativamente melhor desempenho. Refere alguns estudos realizados: -Clements (1999) e Afonso e St. Aubyn (2005) apresentam rankings de países da OCDE. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência /título artigo 2 (M. C. Pereira & Reis, 2012) Diferenças regionais no desempenho dos alunos portugueses: evidência do programa PISA da OCDE. Objetivo(s) Estuda as diferenças regionais no nível e desigualdade do desempenho escolas em Portugal Métodos Análise descritiva Variáveis/fatores Varáveis da família, dos estudantes e da escola. Divisão regional: NUTS3 28 regiões mas foi agrupado e formaram 12 regiões Media nos testes de Matemática e Leitura Variáveis explicativas: Indicador de repetência Indicador de recursos escolares tamanho das turmas, rácio professor-aluno, recursos materiais (computador e ligação à internet) Recursos educativos Regressores: género, 154 Dados Base de dados do PISA 2009 6298 alunos de 214 escolas Portuguesas Contribuição/Notas Resultados/Conclusões -Oliveira e Santos (2005) aplica o FDH a dados detalhados para uma pequena amostra de escolas secundárias públicas, medindo a produção pela taxa de aproveitamento escolar. -Carneiro (2006) com a regressão dos mínimos quadrados seguida de decomposição da variância - investiga a ligação entre o aproveitamento dos estudantes e variáveis relativas à escola e à família, explorando a base de dados do PISA 2000 da OCDE. /*Este estudo foi apresentado na Conference on Economic Development in Portugal e tb publicado em (Carneiro, 2008) */ Há importantes diferenças regionais no desempenho educativo medido pelas pontuações do PISA, e o seu padrão parece corresponder, em termos gerais, ao que decorre das pontuações nos exames nacionais. Uma análise descritiva indica que tais diferenças estão de acordo com as discrepâncias nas características socioeconómicas e indicadores de escolaridade entre as regiões portuguesas. Como seria de esperar, as variáveis do aluno e da família explicam uma parte dos diferenciais não-condicionados. Em particular, as regiões com níveis de desempenho intermédios ou baixos são penalizadas por uma composição socioeconómica desfavorável, uma maior Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência /título artigo Objetivo(s) Métodos Variáveis/fatores repetência, ano de escolaridade e características socioeconómicas Variáveis família: nº de livros em casa 155 Dados Contribuição/Notas Resultados/Conclusões proporção de repetentes e uma prevalência de alunos no 9º ano ou graus inferiores (em detrimento do 10º ano). Mantendo estas variáveis constantes, há um esbatimento das diferenças iniciais e da significância estatística das mesmas, embora a posição de partida das várias regiões não se altere substancialmente. As escolas desempenham um papel importante na explicação das diferenças territoriais no sucesso escolar. Desta forma, quando se tomam em consideração as variáveis observadas da escola, os diferenciais estreitam-se e existem alterações significativas nas posições relativas das regiões. O papel desempenhado pelas escolas sugere que existe margem para intervenções de política a fi m de melhorar a sua contribuição nas regiões com pior desempenho. Em particular, o reforço da autonomia das escolas na alocação de recursos, da participação e responsabilização dos professores e do envolvimento dos pais parecem ser áreas frutíferas de intervenção. A importância de fatores regionais puros parece limitada, embora haja indícios de alguma influência de disparidades regionais relativamente à forma como a educação é valorizada. A análise da desigualdade no desempenho Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência /título artigo 3 (Manuel Coutinho Pereira, 2010) Desempenho educativo e igualdade de oportunidades em Portugal e na Europa: o papel da escola e a influência da família Objetivo(s) reunir evidência empírica sobre estas questões para Portugal e para vários países da União Europeia, com base nos dados disponibilizados pelo Programme for International Student Assessment (PISA) da OCDE de 2006. Métodos Análise descritiva Função de produção da educação ver exemplo: (Hanushek, 1979) (Todd e Wolphin, 2003) Variáveis/fatores Características do estudante: ano de escolaridade, idade, género; Contexto familiar: riqueza, recursos educativos em casa, livros em casa, imigrante, língua estrangeira, ocupação dos pais, escolaridade dos pais; Características da escola: dimensão da escola, proporção de alunas, localização, proporção de repetentes, escola enfrenta concorrência, autonomia de recursos, Recursos escolares: dimensão 156 Dados Contribuição/Notas Dado que os alunos estão agrupados por escolas, é importante verificar se a variabilidade do desempenho é um fenómeno entre escolas ou intraescolas. Em Portugal, os alunos das escolas privadas provêm de famílias mais favorecidas do que os seus colegas das escolas públicas, o Resultados/Conclusões intra-região e entre-regiões também revela alguma heterogeneidade territorial, a qual parece ter principalmente origem nos alunos e nas famílias. Existe alguma evidência de que as escolas tenderão a agravar a desigualdade no desempenho nas regiões mais desenvolvidas, e o oposto nas regiões menos desenvolvidas. Entre outros fatores, estes resultados podem estar relacionados com uma maior oferta de escolas, no primeiro caso, e com o impacto de programas que visam apoiar os estudantes provenientes de zonas socialmente problemáticas, no segundo. Os alunos portugueses ocupam consistentemente posições na metade inferior do ranking do desempenho no grupo de países considerados, tanto em Matemática e como em Leitura. Tais resultados são em parte provocados por um contexto familiar desfavorável, nomeadamente no que se refere às habilitações e ocupações dos pais. Na função de produção de educação para Portugal, à semelhança do acontece para ambos os grupos de países de referência, as variáveis socioeconómicas são os principais determinantes do desempenho, enquanto os recursos escolares têm uma contribuição pouco importante (exceto as horas de aulas normais). Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência /título artigo Objetivo(s) Métodos Variáveis/fatores das turmas, rácio aluno/professor 157 Dados Contribuição/Notas Resultados/Conclusões que é visível no indicador de riqueza, e particularmente nos escalões superiores das habilitações e profissão dos pais. As variáveis socioeconómicas têm, no entanto, contributos mais fracos em Portugal do que, em particular, nos países de alto desempenho. Isto deverá ser explicado pelo menor envolvimento dos pais na vida escolar dos seus fi lhos e um papel mais equalizador do sistema de ensino relativamente ao sucesso escolar das crianças provenientes de diferentes estratos sociais. Algumas das variáveis na função de produção educação para Portugal, nomeadamente, a localização das escolas e a sua natureza pública ou privada aparecem, uma vez controlando extensivamente para o contexto familiar, com menor impacto do que em estudos anteriores. Não existe uma relação óbvia entre o nível e a dispersão do desempenho nos diferentes países, sendo níveis altos e baixos compatíveis com diferentes graus de dispersão. A desigualdade social é uma importante fonte de variabilidade no desempenho, principalmente nos países cujos sistemas educativos têm mecanismos de seleção precoce dos alunos. Esta característica também introduz uma diferenciação importante no desempenho entre as escolas, devido a efeitos de triagem dos alunos de acordo com o contexto familiar e as suas capacidades. As escolas em Portugal são maiores, localizadas em localidades relativamente mais pequenas e têm uma maior proporção de repetentes do que as escolas em ambos os grupos de referência Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência /título artigo 4 (Maria Conceição A. Silva Portela, 2012) O valor acrescentado nas escolas portuguesas. Objetivo(s) Métodos Técnicas de fronteira não paramétricas Variáveis/fatores Classificações à entrada Para 3ºciclo: 7ºano Português, Matemática, Historia, Ciência Naturais Secundário e profissional: 10ºano - Português, Matemática Classificações à saída Para 3ºciclo: 9ºano Português, Matemática, Historia, Ciência Naturais Secundário e profissional: 12ºano - Português, Matemática 158 Dados Programa AVES Contribuição/Notas Resultados/Conclusões Cálculo do valor acrescentado (VA) das escolas tem sido uma das várias formas, e a privilegiada nos últimos anos, para medir eficácia escolar. No cálculo do VA procura-se conhecer a contribuição da escola para o progresso dos seus alunos, ajustando para o impacto de factores fora do controle da escola que também determinam o progresso dos alunos. Portugal tem uma grande dispersão nos indicadores do contexto familiar, mas, dado um gradiente socioeconómico mais plano, esta é relativamente menos transmitida aos resultados nos testes, cuja variância está próxima da média no conjunto dos países considerados. Apesar dos esforços de alguns investigadores nacionais (e.g. Ferrão 2009; Ferrão e Goldstein, 2009; Oliveira e Santos, 2005; Pereira e Moreira, 2007; Portela et al. 2007, 2010, 2011; Sarrico e Rosa 2009; Sarrico et al. 2010; Romão, 2012 (TESE), existem ainda poucos estudos nacionais de cálculo do VA das escolas, e nenhum relativamente ao valor acrescentado dos professores. Em parte, isso deve-se à grande dificuldade na obtenção de dados ao nível do aluno à escala nacional (o que é dificultado pela inexistência de um código único de aluno nas bases de dados de exames, ou um código único de escola). Por outro lado, dados sobre o contexto socioeconómico do aluno são muitos difíceis de obter. O conceito de VA encontra-se estritamente relacionado com os conceitos de eficácia escolar e com a http://besp.mercatura.pt/pagina.php?codPa gina=1 Plataforma de benchmarking de escolas, onde as escolas secundarias nacionais podem ser comparadas entre si, numa grande panóplia de indicadores, muitos dos Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência /título artigo Objetivo(s) Métodos Variáveis/fatores 159 Dados Contribuição/Notas Resultados/Conclusões medição do efeitoescola quais baseados em dados de domínio público. Nesta plataforma existe ainda a possibilidade das escolas consultarem medidas de desempenho agregado (que tentam aproximar o cálculo de uma medida de VA, mas tal é feito ao nível da escola e não do aluno o que representa uma limitação importante na medida obtida) que constituem uma alternativa interessante aos rankings de escolas não contextualizados apresentados anualmente nos meios de comunicação social. as medidas de VA devem ser calculadas ao nível do aluno, devem ter por base o acompanhamento dos resultados dos alunos ao longo do tempo Os métodos que se têm privilegiado na literatura para calcular o VA são os métodos de regressão multinível onde se reconhece a estrutura hierárquica dos dados no contexto educacional e se permite o uso, no mesmo modelo, de variáveis de nível do aluno e da escola. 5 (Maria Eugénia Ferrão & Goldstein, 2009) Adjusting for measurement error in the value added Avaliar o impacto do conjunto diferente de ajuste ou controlo de variáveis sobre as estimativas de valor acrescentado escola; Avaliar o impacto do 3 types of variance component models: null models, TVA – Tradicional Value Added, TVA model with extra-school variables Género, Educação dos pais Necessidades educativas especiais Jardim-de-infância Repetências Projeto 3EM – Eficácia Escolar no Ensino da Matemática Região da Cova da Beira (NUT III) 1º, 3º, 5º., 7º, 8º Dos artigos referidos anteriormente, não tenho acesso ao: -Portela & Camanho (2010). Analysis of complementary methodologies for the estimation of school value added. Journal of the Operational Research Society 61: 1122– 1132. Do ponto de vista educacional, todos os modelos deixaram claro que a importância do prior achievement como requisito para o sucesso na Matemática. Além disso, quando o aluno não progrediu para o nível seguinte pelo menos uma vez, os seus resultados em Matemática são mais baixos do que os seus Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência /título artigo model: Evidence from Portugal. Objetivo(s) Métodos Variáveis/fatores 6 (Simões, Loureiro, Ferrão, Tavares, & Teles, 2006) Apresentar os resultados de uma investigação efetuada Testes psicológicos Análise factorial Raciocínio numérico Raciocínio abstrato Raciocínio verbal Raciocínio espacial Testar as hipóteses (i) alunos de estratos sociais desfavorecidos têm melhor desempenho escolar em escolas privadas com financiamento público do que em escolas públicas; (ii) alunos de estratos Modelos de regressão multinível aos dados portuguese do PISA 2000 Matemática Variáveis do aluno: Sexo Nível de ensino que frequenta Idade Nível socioeconómico Nível educacional dos pais Composição familiar (nº de irmãos e estrutura familiar) Nível cultural e financeiro da família erro de medição nas estimativas VA Variáveis cognitivas no âmbito do Projeto 3EM: Contributos para a precisão e validade da BPRD 7 (Dias & Ferrão, 2006) Modelo Multinível do Desempenho Escolar de Alunos Socialmente Desfavorecidos em Escolas Públicas/Privadas – 160 Dados anos Estudo longitudinal 2005/6, 2006/7, 2007/8 No âmbito do Projeto 3EM 535 alunos dos 7º e 8º anos do Distrito de Castelo Branco. De 13 agrupamentos da Beira Interior Trata-se de um estudo de precisão e validade da Bateria de Provas de Raciocínio Diferencial (BPRD) PISA 2000 2545 alunos em 149 escolas Contribuição/Notas Resultados/Conclusões colegas. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência /título artigo Aplicação aos Dados Portugueses do PISA 2000. Objetivo(s) Métodos sociais desfavorecidos têm melhor desempenho escolar em escolas públicas do que em escolas privadas sem financiamento público. Variáveis/fatores Variáveis socioeconómicas: refeições grátis e livros; educação dos pais Sensivity of Value Added Model Specifications: Measuring SocioEconomic Status Análise do valor acrescentado de escolas portuguesas. Comparar dois métodos de cálculo do valor acrescentado numa amostra de escolas Portuguesas (Data Envelopment Analysis (DEA) e o método usado pelo Department for Education and Skills (DfES) no Reino Unido) Dados Contribuição/Notas Resultados/Conclusões De acordo com Mayston (2003) os estudos de eficácia da escola em geral medem o seu ‘value added’ (onde os resultados dos alunos no início e no fim de um dado ciclo de estudos são comparados, eventualmente tendo em conta outros fatores de contexto), enquanto os estudos As medidas de valor acrescentado consideradas neste artigo apenas enquadram os resultados dos alunos tendo em conta o seu desempenho à entrada de cada ciclo de estudos. No futuro, pretendese desenvolver medidas de valor acrescentado mais sofisticadas, de forma a ter em conta outros fatores, tais como o nível sociocultural dos alunos que, embora não estejam sob o controlo das escolas, afetam o seu desempenho. Seria também interessante avaliar o desempenho das escolas ao longo do tempo, de forma a identificar situações de melhoria do seu desempenho. Variáveis da escola: Nível socioeconómico e cultural médio da escola Percentagem de raparigas Localização da escola Condições de ensino e aprendizagem na escola 8 (Mª Eugenia Ferrão, 2009) 9 (M. C. S. Portela, Camanho, & Azevedo, 2007) 161 DEA; método DfES Níveis de resultados à entrada Projeto 3EM – Eficácia Escolar no Ensino da Matemática Região da Cova da Beira (NUT III) 1º, 3º. 5º., 7º e 8º anos Ano letivo 2005/6 Programa AVES 35 escolas Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência /título artigo Objetivo(s) Métodos Variáveis/fatores 162 Dados Contribuição/Notas Resultados/Conclusões de eficiência das escolas medem ‘value for money’, onde os recursos utilizados pela escola, como despesas por aluno ou número de professores, são considerados na explicação dos resultados da escola. Calcular o valor acrescentado de uma escola significa tentar perceber que valor a escola acrescenta, através do seu trabalho, ao nível inicial de conhecimentos dos alunos que recebeu. O cálculo do valor acrescentado, apesar de ainda incipiente no nosso país, não é uma realidade nova. 10 (M. C. A. S. Portela, Camanho, Fernandes, & Borges, 2009) Plataforma BEST (Benchmarking de Escolas Secundárias Portuguesas) foi criado no âmbito de um Os Indicadores de desempenho das escolas são uma ferramenta A implementação futura de medidas agregadas de desempenho da escola (através do DEA) será um passo importante na produção de rankings contextualizados Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência /título artigo BESP – Benchmarking de escolas secundárias Portuguesas. Objetivo(s) Métodos 163 Variáveis/fatores Dados projeto de investigação financiado pela FCT, e desenvolvido em cooperação pela Universidade Católica do Porto, pelo IDMEC - pólo FEUP e pelo INEGI. central na plataforma BESP. O conjunto de indicadores foi definido apenas para os cursos científico humanísticos e para os cursos profissionais do ensino secundário, pois os restantes cursos têm dimensão residual no conjunto das escolas nacionais (ver OTES/GEPE, 2008). Para a construção dos indicadores usaram-se duas fontes de dados: dados públicos dos resultados dos exames nacionais, disponibilizados pelo Ministério da Educação através das bases Contribuição/Notas Resultados/Conclusões das escolas onde se permitirá às escolas e aos encarregados de educação definirem os critérios que mais valorizam na avaliação das escolas Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência /título artigo Objetivo(s) Métodos Variáveis/fatores 164 Dados Contribuição/Notas Resultados/Conclusões de dados ENES (Exames Nacionais do Ensino Secundário) e ENEB (Exames Nacionais do Ensino Básico), e dados fornecidos pelos responsáveis das escolas através do preenchimento de inquéritos anuais na plataforma BESP. 11 (Maria Conceição A. Silva Portela, Camanho, & Borges, 2011) BESP – benchmarking of Portuguese secondary schools. 12 (Oliveira & Santos, 2005) Assessing school efficiency in ilustrar a implementação de uma plataforma baseada na web que integra o benchmarking e DEA para escolas secundárias portuguesas. /*trabalho semelhante ao anterior*/ Mas já implementaram o DEA investigar a eficiência do Ensino Secundário em Portugal, ao nível da escola. nonparametric technique: Free Disposable Hull (FDH) Este artigo descreve a plataforma BESP com algum detalhe, mostrando as principais funcionalidades disponíveis. /*Como se pode verificar na própria plataforma Web*/ Variáveis: desempenho dos alunos; (educação, ensino e aprendizagem; ambiente educacional); 42 escolas publicas portuguesas com ensino secundario no Os resultados de eficiência indicam que uma elevada percentagem de escolas secundárias fora das áreas metropolitanas de Lisboa e do Porto são ineficientes, necessitam de pelo menos um aumento de 10% em todas as Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência /título artigo Portugal using FDH and bootstrapping. Objetivo(s) 13 (Afonso & St. Aubyn, 2006) Procedimento semiparamétrico em duas fases. 1ª fase: DEA 2ªFase: regressão Cross-country efficiency of secondary education provision: A semi-parametric analysis with nondiscretionary inputs. 14 (Carneiro, 2008) Equality of opportunity and educational achievement in Portugal. Métodos 165 Variáveis/fatores Dados organização e gestão) aluno lectivo 1999/2000 Dados recolhido da Inspecção Geral da Educação (IGE) PISA 2003 25 países Desempenho dos alunos Nº de alunos por professores, horas por ano na escola Riqueza e educação dos pais DEA DEA/Tobit Examinar o papel da educação como fonte de desigualdade. Estudos de investigadores do CIPES 15 (Sarrico & Rosa, Medir e comparar o Coleman report Nº de alunos na escola Horas de escola por ano Contribuição/Notas Resultados/Conclusões taxas de sucesso para se tornar eficiente. Os resultados da primeira fase que implica ineficiências podem ser muito elevados. Em média, os países poderiam ter aumentado os seus resultados de 11,6%, utilizando os mesmos recursos. O facto de que um país é visto como distante da fronteira de eficiência não é necessariamente um resultado de ineficiência gerada dentro do sistema de educação. A segunda fase mostra que o PIB per capita e o nível de escolaridade dos pais são altamente correlacionado com output pontuação-um ambiente mais rico e mais culto são condições importantes para um melhor desempenho dos alunos. Dados PISA 2000 Regressão Nº de computadores / tamanho da escola Tamanho da escola/ nº de professores Proporção de professores com grau ‘pedagógico’ Data envelopment Resultados a português e Dados de 33 Grande variabilidade no desempenho das Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 166 Referência /título artigo 2010) Objetivo(s) Métodos Variáveis/fatores Dados desempenho de escolas secundárias portuguesas analysis escolas secundárias da região centro recolhidas por questionário 16 (Sarrico et al., 2009) Discussão de métodos para medir e comparar o desempenho de escolas portuguesas, confrontando os resultados de benchmarking métrico com benchmarking das práticas. Data envelopment analysis Matemática no 9º ano Escolaridade dos pais Percentagem de alunos com apoio social escolar Ratio alunos-professor Número médio de anos dos professores na escola tamanho da escola percentagem de alunos com apoio social escolar escolaridade dos pais percentagem de alunos em cursos que visam o prosseguimento de estudos percentagem de alunos com um computador em casa percentagem de alunos com ligação à internet em casa média de idade dos professores da escola percentagem de professores do quadro ratio alunos-professor ratio alunos-não docentes resultados nos exames do 9º ano a Matemática e português classificação médias dos quatro exames com mais alunos no 12º ano taxas de conclusão no 9º e 12º anos 100 escolas avaliadas no programa de avaliação externa de escolas da IGE 2007 Contribuição/Notas Resultados/Conclusões escolas, não só ao nível dos resultados dos exames, mas sobretudo ao nível das taxas de conclusão. Não conseguiram encontrar evidência que os resultados dependem-se da localização geográfica, tamanho, tipologia de escola e estabilidade da direcção. Mostra-se que os resultados do modelo quantitativo têm baixa correlação como os resultados da avaliação qualitativa, e que isso provavelmente se deve ao facto de os avaliadores externos terem dificuldade em avaliar em termos de valor acrescentado. De facto, os seus julgamentos correlacionam-se mais com medidas de output – resultados nos exames, tendo dificuldade de levar em consideração variáveis de contexto, tais como o nível socioeconómico dos alunos. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? Referência /título artigo 17 (Cardoso et al., 2011) 18 (Sarrico et al., 2012) 167 Objetivo(s) Métodos Variáveis/fatores Dados Medir o desempenho das escolas em termos de resultados nos exames nacionais e taxas de progressão e conclusão Regressão número de estudantes da escola sexo características sócioeconómicas dos alunos características do pessoal docente e não docente Todas as escolas secundárias em Portugal no ano lectivo 2009/10 Melhor compreender as práticas de gestão do desempenho das escolas e como elas se relacionam com o desempenho escolar Data envelopment analysis e estudos de caso qualitativos de 12 escolas Práticas de gestão do desempenho Os dados sobre os inputs escolares referem-se ao ano académico de 2009/2010, os dados sobre os resultados escolares referem-se ao ano lectivo de 2008/09. Resultados quantitativos de Sarrico et al. (2009) e resultados de análise de conteúdo de entrevistas a responsáveis das 12 escolas. Contribuição/Notas Resultados/Conclusões O desempenho das escolas varia de forma substancial, mesmo levando em consideração o contexto socioeconómico dos alunos. Mostram que genericamente as escolas tem pouco desenvolvida a auto-avaliação. Focam-se sobretudo na monitorização de resultados de exames e taxas de progressão e conclusão. No entanto, têm dificuldade de o fazer sistematicamente e de compreender os fatores que contribuem para os resultados obtidos, nomeadamente destrinçar entre fatores sob o controlo da escola e fatores que não controlam, tais como o contexto socioeconómico dos alunos. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 168 Afonso, A., & St. Aubyn, M. (2006). Cross-country efficiency of secondary education provision: A semi-parametric analysis with non-discretionary inputs. Economic Modelling, 23(3), 476-491. doi: http://dx.doi.org/10.1016/j.econmod.2006.02.003 Cardoso, M. F., Pinto, M. F., Sarrico, C. S., Rosa, M. J. (2011). Different perspectives on academic performance in Portuguese secondary schools. First Lisbon Research Workshop on Economics and Econometrics of Education, Lisbon, 7-8 Janeiro, 2011. Carneiro, P. (2008). Equality of opportunity and educational achievement in Portugal. Portuguese Economic Journal, 7(1), 17-41. doi: 10.1007/s10258-007-0023-z Dias, V. M., & Ferrão, M. E. (2006). Modelo Multinível do Desempenho Escolar de Alunos Socialmente Desfavorecidos em Escolas Públicas/Privadas – Aplicação aos Dados Portugueses do PISA 2000. Psicologia e Educação, V(2), 63-77. Ferrão, M. E. (2009). Sensivity of Value Added Model Specifications: Measuring SocioEconomic Status. Revista de Educación, 348, 137–152. Ferrão, M. E., & Goldstein, H. (2009). Adjusting for measurement error in the value added model: Evidence from Portugal. Quality and Quantity, 43, 951–963. Oliveira, M. A., & Santos, C. (2005). Assessing school efficiency in Portugal using FDH and bootstrapping. Applied Economics, 37(8), 957-968. doi: 10.1080/00036840500061095 Pereira, M. C. (2010). Desempenho educativo e igualdade de oportunidades em Portugal e na Europa: o papel da escola e a influência da família. Boletim Económico | Banco de Portugal, 25-48. Pereira, M. C., & Moreira, S. (2007). Eficiência das escolas secundárias portuguesas: uma análise de fronteira de produção estocástica. Boletim Económico | Banco de Portugal, 101-118. Pereira, M. C., & Reis, H. (2012). Diferenças regionais no desempenho dos alunos portugueses: evidência do programa PISA da OCDE. Boletim Económico | Banco de Portugal, 59-83. Portela, M. C. A. S. (2012). O valor acrescentado nas escolas portuguesas. Paper presented at the Seminário nacional Programa AVES - O valor acrescentado das escolas: resultados do Programa AVES (2006-2011), Porto. Portela, M. C. A. S., Camanho, A. S., & Borges, D. N. (2011). BESP – benchmarking of Portuguese secondary schools. Benchmarking: An International Journal, 18(2), 240 260. Portela, M. C. A. S., Camanho, A. S., Fernandes, M., & Borges, D. (2009). BESP – Benchmarking de escolas secundárias Portuguesas. Paper presented at the IO 2009 – 14º Congresso da APDIO. Portela, M. C. S., Camanho, A., & Azevedo, J. (2007). Análise do valor acrescentado de escolas portuguesas. Revista portuguesa de investigação educacional, 5, 129-163. Desempenho de Escolas Portuguesas – Que Fatores Fazem a Diferença? 169 Sarrico CS (2010) Perceived performance versus measured performance of Portuguese schools. Paper presented at the 14th International Research Society for Public Management Conference, Bern, Switzerland, 7 - 9 April 2010 Sarrico CS, Rosa MJ, Coelho IP (2010) The performance of Portuguese secondary schools: an exploratory study. Quality Assurance in Education 18 (4): 286-303. doi:10.1108/09684881011079143 Sarrico CS, Rosa MJ (2009) Measuring and comparing the performance of Portuguese secondary schools - A confrontation between metric and practice benchmarking. International Journal of Productivity and Performance Management 58 (8): 767-786. Simões, F., Loureiro, M., Ferrão, M. E., Tavares, A., & Teles, J. (2006). Variáveis cognitivas no âmbito do Projecto 3EM: Contributos para a precisão e validade da BPRD. Psicologia e Educação, V(2), 101-108.
Documentos relacionados
401 escala de envolvimento dos alunos na escola: primeiros
Scale” (SES), de Lam & Jimerson (2008). A amostra envolveu 260 alunos de diferentes idades (X=13.78), do ensino básico (7º, 8,º e 9º anos), de 8 escolas de diferentes regiões do país (Aveiro, Lisbo...
Leia mais