Desempenho de Escolas Portuguesas

Transcrição

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
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.

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.
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
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
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
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
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
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
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
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).
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.
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).
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-
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).
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)
(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)
(Evans & Rosenbaum, 2008)
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)
(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)
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
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
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)
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
17401
Jardim infância,
Primária
1998
(Crosnoe & Cooper, 2010)
14915
(Crosnoe & Schneider, 2010)
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
(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)
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)
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,
(Gallant, 2009; Husain & Millimet, 2009
(Maerten-Rivera, Myers, Lee, & Penfield, 2010; Evans & Rosenbaum,
2008)
(Carbonaro, 2005)
(Cavanagh, Schiller, & Riegle-Crumb, 2006)
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)
(Gallant, 2009; Husain & Millimet, 2009)
(Stipek, Newton, & Chudgar, 2010)
(Maerten-Rivera, Myers, Lee, & Penfield, 2010; Evans & Rosenbaum,
2008)
(Carbonaro, 2005)
(Cottaar, 2012; Maerten-Rivera, Myers, Lee, & Penfield, 2010; Nolen,
(Carbonaro, 2005)
(Cottaar, 2012)
(Cottaar, 2012)
(Carbonaro, 2005)
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;
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)
(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)
(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;
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)
(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)
(Chiang, 2009)
(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)
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.
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).
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).
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).
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).
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).
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)
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).
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
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.
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:
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.
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
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/.
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”.
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
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.
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.
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.
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
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.
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
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 %
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).
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.
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.
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.
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
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.
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.
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
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
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.
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.
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):
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
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.
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
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.
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
[14] Regressão
[15] Equações estruturais
[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)
63
Sem classificação
[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
64
Sem classificação
[91]
[92] Modelo Rasch
[94] Estatuto socioeconómico
[95]
[96]
[97]
[99]
[100]
[101]
[102]
[103] Envolvimento da família
[104]
[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
[160] Avaliação de métodos de E/A (problem-based learning)
[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.
[181] 19 professores adaptaram um currículo de investigação orientada
em Ciência
[182] Atividades dos cientistas.
Sem classificação
65
[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
Sem classificação
66
[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
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.
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.
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.
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.
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.
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.
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
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.
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.
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
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
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.
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
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
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
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.
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.
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.
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.
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
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
144.
Lipscomb, S., Secondary school extracurricular involvement and academic
achievement: a fixed effects approach. Economics of Education Review, 2007. 26(4): p.
463-472.
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.
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.
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
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
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.
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.
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
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
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
197.
Larson, R.B., Enhancing the recall of presented material. Computers & Education, 2009.
53(4): p. 1278-1284.
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.
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
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.
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.
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
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
[17] teste t, HLM
[18] Regressão logística, Path analysis
[19] Regressão
[23] Regressão
[24] Regressão logística
[25] Regressão
[26] Regressão OLS
[27] ANOVA
[28] OLS
[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
[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)
[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
[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)
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.
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
11.
Hanushek, E.A. and L. Wossmann, Does educational tracking affect performance and
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.
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
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
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,
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
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.
87
28.
Jackson, K. and E. Bruegmann, Teaching Students and Teaching Each Other: The
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
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
32.
Maltese, A.V. and C.D. Hochbein, The Consequences of "School Improvement":
Teaching, 2012. 49(6): p. 804-830.
33.
Martinez, J.F., H. Borko, and B.M. Stecher, Measuring instructional practice in science
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
36.
Stipek, D., S. Newton, and A. Chudgar, Learning-related behaviors and literacy
2010. 25(3): p. 385-395.
37.
Tang, S., E. Dearing, and H.B. Weiss, Spanish-speaking Mexican-American families'
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
88
40.
Riegle-Crumb, C., The path through math: Course sequences and academic
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.
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
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.
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.
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
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
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
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.
do artigo
academic status.
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
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).
92
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)
-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.
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.
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
desempenho escolar
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.
do artigo
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
94
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
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.
do artigo
Métodos e modelos
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
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.
- Variáveis demográficas:
Os pais com diferentes características demográficas
/*Excluído, não fala em desempenho
Apenas medem o otimismo académico supondo que
isso influencia o desempenho*/
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.
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
Estatísticas quiquadrado;
Regressões
hierárquicas.
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
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,
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
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
Métodos e modelos
97
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.
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
do artigo
exact birth dates.
10 - (Muller, RiegleCrumb, Schiller,
Wilkinson, & Frank,
Investigar se as
escolas (High schools)
oferecem igualdade
Métodos e modelos
datas exatas de
nascimento.
HLM;
Regressão logística.
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
desempenho escolar
4ºano;
Idade da 1ºinscrição.
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
do artigo
2010)
Race and Academic
Achievement in
Racially Diverse
High Schools:
Opportunity and
Stratification.
11 - (Nolen, 2003)
Learning
environment,
Métodos e modelos
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
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
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);
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.
do artigo
motivation, and
achievement in high
school science.
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
aprendizagem e os
resultados, e ao
mesmo tempo,
considerando a
influência dos aspetos
do ambiente da sala
de aula sobre essas
variáveis.
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
desempenho escolar
Abandonar o trabalho
Valor da estratégia profunda
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
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.
do artigo
Métodos e modelos
101
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
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
do artigo
13 - (Schiller &
Muller, 2003)
Raising the bar and
Explorar a associação
entre o trabalho do
curso dos alunos a
matemática e os
Métodos e modelos
HLM (hierarchical
linear modeling)
2 conjuntos de dados para
fornecer:
- Informação longitudinal do
contexto social e percurso
102
desempenho escolar
consideram a política
disciplinar é justa.
Variáveis ao nível do aluno:
- Estatuto socioeconómico
(SES)
- Etnia (Latino, Áfrico-
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
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
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
académico do aluno
- Informação sobre as
políticas de avaliação e de
prestação de contas dos
estados.
103
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
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.
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
Métodos e modelos
desempenho escolar
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*/
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, &
Métodos e modelos
105
desempenho escolar
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*/
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
Métodos e modelos
desempenho escolar
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
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.
Métodos e modelos
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
107
desempenho escolar
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.
do artigo
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
famílias de baixo
rendimento e a
percentagem de
famílias que são
residencialmente
estáveis.
Modelagem de
Equações Estruturais
108
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
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.
do artigo
Métodos e modelos
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
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
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*/
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.
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
HLM
/* Excluído, não fala
sobre o
desempenho*/
1 168 alunos do 10º ano de 5
escolas High school de
Southern California
110
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
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.
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.
111
Métodos e modelos
desempenho escolar
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.
do artigo
29 - (Mattern &
/*Excluído, Não
Métodos e modelos
112
desempenho escolar
Percentagens de alunos
hispânicos no 5ºano
Percentagem de alunos com
refeições grátis / preço
reduzido no 5ºano
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
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.
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.
113
Métodos e modelos
desempenho escolar
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
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.
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;
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
114
desempenho escolar
373 alunos do ensino
“médio”
/* Excluído, envolvimento
social dos alunos*/
/* Excluído, jardim
de infância*/
Structural equation
modeling
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.
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
desempenho escolar
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
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.
Métodos e modelos
116
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)
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
do artigo
Métodos e modelos
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
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;
jovens;
não certificados;
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.
do artigo
39 - (Callahan,
2005)
Tracking and high
school English
learners: Limiting
opportunity to
learn.
40 - (Clotfelter,
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.
118
Métodos e modelos
desempenho escolar
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
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
Métodos e modelos
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
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
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
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
do artigo
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
120
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);
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.
do artigo
Métodos e modelos
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
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
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
do artigo
participants:
Evidence from
randomized
lotteries
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
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
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
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
do artigo
Métodos e modelos
123
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
Tipo de escola frequentada
Frequência na escola da área
Academia de Carreira
Escola high-achieving
Escola regular.
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
do artigo
44 - (Evans &
Rosenbaum, 2008)
Self-regulation and
the incomeachievement gap.
Alargar o âmbito da
análise das razões
subjacentes para a
diferença entre o
rendimento e os
resultados.
Métodos e modelos
Estudo 1:
97 alunos de escolas de
ensino médio
Estudo 2:
774 adolescentes no 5ºano
124
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
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
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'?
Métodos e modelos
125
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
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
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.
do artigo
47 - (Leana & Pil,
2006)
Social capital and
organizational
performance:
Evidence from
urban public schools
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
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
desempenho escolar
do primeiro filho
Indicador se a mãe da criança
recebeu benefícios do WIC
durante a gravidez
Sexo
Branco
Negro
Hispanico
-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
leitura em 1999-2000
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.
do artigo
Métodos e modelos
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
desempenho escolar
-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
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.
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
Métodos e modelos
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)
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
desempenho escolar
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
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
Métodos e modelos
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.
129
desempenho escolar
3 496 alunos do 1ºano, 887
turmas e 253 escolas.
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.
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 &
130
Métodos e modelos
OLS Regressão
-Contrastar
empiricamente um
modelo hipotético
desenvolvido a partir
dos pressupostos
fundamentais de
modelos atuais de
aprendizagem autoregulada
Análise de equação
estrutural
614 alunos universitários
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)
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
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)
Métodos e modelos
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
Development in Context
Study (MADIC)
1.046 alunos.
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
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*/
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
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
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
132
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.
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.
do artigo
school
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
/* 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
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.
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.
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
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
desempenho escolar
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.
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
Métodos e modelos
desempenho escolar
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,
do artigo
practice in science
using classroom
artifacts: lessons
learned from two
validation studies
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
136
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
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
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:
Métodos e modelos
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.
distrito urbano do nordeste
dos EUA durante 3 anos.
137
desempenho escolar
escolaridade da mãe,
rendimento familiar;
- vocabulário receptivo;
-emoção do conhecimento;
-competências de atenção;
-competências académicas.
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
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,
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.
entre as crenças
Métodos e modelos
138
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;
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
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
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.
entre o esforço,
percurso, e o sucesso
dos alunos.
Métodos e modelos
Regressão logística
HLM
Standard ordinary
least squares
regression
OLS regressão
139
desempenho escolar
rendimento familiar;
Variáveis de controlo:
Género, idade, emprego da
mãe
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
(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.
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
Métodos e modelos
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
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
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
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;
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
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
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
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
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
desempenho escolar
Matrícula na faculdade.
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
do artigo
Métodos e modelos
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
142
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.
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.
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
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
/* 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
desempenho escolar
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
do artigo
escola.
Métodos e modelos
144
desempenho escolar
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.
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.
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
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
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
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
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
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
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
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 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":
Teaching, 49(6), 804-830. doi: 10.1002/tea.21027
Martinez, J. F., Borko, H., & Stecher, B. M. (2012). Measuring instructional practice in science
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.
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
Education, 113(1), 101-122.
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
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
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
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'
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,
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
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
152
ACHIEVEMENT IN DUTCH EARLY GRADE CLASSROOMS. Elementary School Journal,
113(4), 517-540. doi: 10.1086/669618
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
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.
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
-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
artigo
Objetivo(s)
Métodos
Variáveis/fatores
repetência, ano de
escolaridade e características
socioeconómicas
Variáveis família: nº de livros
em casa
155
Dados
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
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;
dimensão da escola,
proporção de alunas,
localização, proporção de
repetentes, escola enfrenta
concorrência, autonomia de
recursos,
Recursos escolares: dimensão
156
Dados
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
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).
artigo
Objetivo(s)
Métodos
Variáveis/fatores
das turmas, rácio
aluno/professor
157
Dados
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
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
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
artigo
Objetivo(s)
Métodos
Variáveis/fatores
159
Dados
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
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
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
colegas.
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
De acordo com
Mayston (2003) os
estudos de eficácia da
escola em geral
medem o seu ‘value
added’ (onde os
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
artigo
Objetivo(s)
Métodos
Variáveis/fatores
162
Dados
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
artigo
BESP –
Benchmarking de
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
das escolas onde se permitirá às escolas e
aos encarregados de educação definirem os
critérios que mais valorizam na avaliação das
escolas
artigo
Objetivo(s)
Métodos
Variáveis/fatores
164
Dados
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
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
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
com grau ‘pedagógico’
Data envelopment
Resultados a português e
Dados de 33
Grande variabilidade no desempenho das
166
artigo
2010)
Objetivo(s)
Métodos
Variáveis/fatores
Dados
desempenho de
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
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
um computador em casa
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
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.
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.
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.
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.
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.

Desempenho de Escolas Portuguesas

Transcrição

Documentos relacionados

FALL RIVER PUBLIC SCHOOLS

401 escala de envolvimento dos alunos na escola: primeiros

Curriculum Vitae

datas importantes

bem-vindos de volta à comunidade da tisbury school 2009

CV em Português

Envie um grupo de sua Igreja para fazer um Curso Intensivo de

CONTEXTOS FAMILIARES E SUCESSO EDUCATIVO

here - PRME

Iwakurakita Shougakkou - iwakura.ed.jp`s HomePage