Políticas Públicas Educacionais e Desempenho Escolar dos Alunos ...

Políticas Públicas Educacionais e

Desempenho Escolar dos Alunos da

Rede Pública de Ensino

Políticas Públicas Educacionais e

Desempenho Escolar dos Alunos da


AUTORES

Alexandre Chibebe NicolellaAlison Pablo de Oliveira

Amaury Patrick GremaudAna Lucia Kassouf

André Portela Fernandes de SouzaCristine Campos de Xavier Pinto

Fernando BotelhoHeleno Pioner

Luis MeloniLuiz Guilherme ScorzafaveMarcos de Almeida Rangel

Maria Isabel Accoroni TheodoroNaércio Aquino Menezes Filho

Priscilla Albuquerque TavaresReynaldo Fernandes

Ricardo MadeiraSergio Pinheiro Firpo

Thomaz GemignaniTufi Machado Soares

Vladimir Pinheiro PonczekWalter Belluzzo Junior

ORGANIZADORES

Reynaldo FernandesAndré Portela Fernandes de SouzaFernando Botelho eLuiz Guilherme Scorzafave

São PauloRibeirão Preto

2014

iv

R. Floriano Peixoto, 2444 – Alto da Boa Vista – 14025-220 Ribeirão Preto, SPTel.: (16) 3620-1251 · Fax: (16) 3621-1991

www.funpecrp.com.br – www.livrariafunpecrp.com.br – [email protected]

Os direitos dessa obra foram integralmente cedidos ao Banco Nacional de Desenvolvimento Econômico e Social - BNDES

A revisão final é de responsabilidade do autor.

Proibida a reprodução dos textos originais, mesmo parcial e por qualquer processo, sem autorização da editora e do BNDES.

Políticas Públicas Educacionais eDesempenho Escolar dos Alunos da


Dados Internacionais de Catalogação na Publicação (CIP)(Câmara Brasileira do Livro, SP, Brasil)

Políticas públicas educacionais e desempenho escolar dos alunos da rede pública de ensino /

organizadores Reynaldo Fernandes...[et al.]. --Ribeirão Preto, SP : FUNPEC-Editora, 2014.

Outros organizadores: André Portela Fernandes de Souza,Fernando Botelho e Luiz, Guilherme Scorzafave.

Vários autores.Bibliografia.

1. Alunos - Desempenho 2. Desempenho escolar 3. Educação - Brasil4. Escolas públicas - Brasil 5. Política educacional 6. Políticas públicas

7. Qualidade do ensino I. Fernandes, Reynaldo. II. Souza,André Portela Fernandes de. III. Luiz, Fernando Botelho e. IV. Scorzafave, Guilherme.

ISBN 978-85-7747-087-7

14-01415 CDD-379.81

Índices para catálogo sistemático:1. Brasil : Políticas educacionais e desempenhoescolar dos alunos da rede pública de ensino :

Educação 379.81

v

Esta pesquisa foi executada através da FIPE -Fundação Instituto de Pesquisas Econômicas,por meio de financiamento não reembolsável

com recursos do Fundo de Estruturação deProjetos (FEP) do BNDES.

O conteúdo dos capítulos é de exclusivaresponsabilidade dos autores, não refletindo,

necessariamente, a opinião do BNDES.

vii

Índice

Capítulo 1O impacto da educação infantil no desempenhodos alunos do ensino fundamental 1André Portela Fernandes de SouzaCristine Campos Xavier de Pinto

Capítulo 2A influência da redução da repetênciasobre o desempenho escolar futuro 21Reynaldo FernandesLuiz Guilherme ScorzafaveMaria Isabel Accoroni TheodoroAmaury Patrick Gremaud

Capítulo 3Sistemas de Accountability nas EscolasPúblicas Brasileiras: Identificando aEficácia das Diferentes Experiências 59Fernando B. BotelhoThomaz GemignaniRicardo A. MadeiraLuis MeloniMarcos A. RangelHeleno Pioner

Capítulo 4A Relação entre Gastos e Educação eDesempenho Escolar nos Municípios Brasileiros:Uma Análise com dados em Painel 81Naercio Menezes FilhoAlison Pablo de Oliveira

viii

Capítulo 5A relação entre a participação em jornadaescolar ampliada e o desempenhoescolar no ensino fundamental 109 Sergio Pinheiro FirpoVladimir Pinheiro PonczekPriscilla Albuquerque Tavares

Capítulo 6O impacto das políticas de utilizaçãoda informática na aprendizagem dos alunos 137Fernando B. BotelhoThomaz GemignaniRicardo A. MadeiraLuis MeloniMarcos A. RangelHeleno Pioner

Capítulo 7Programas de qualificação do corpo docentee sua relação com o desempenho dos estudantes 157Alexandre Chibebe NicolellaAna Lucia KassoufWalter Belluzzo Junior

Capítulo 8A relação entre a adoção de métodosestruturados de ensino e o desempenhoescolar no ensino fundamental 197André Portela Fernandes de SouzaVladimir Pinheiro PonczekPriscilla Albuquerque Tavares

ix

Capítulo 9Identificação e Análise das Experiênciasde Sucesso Educacional 211Tufi Machado SoaresAmaury Patrick Gremaud

Capítulo 10Políticas Públicas em Educação:Sugestões para o Brasil 239Reynaldo FernandesAndré Portela Fernandes de Souza

xi

Introdução

Reynaldo FernandesLuiz Guilherme Scorzafave

As evidências disponíveis, no Brasil e no Mundo, são claras em apon-tar que a escolaridade é uma variável chave na determinação do progresso econômico de indivíduos e nações. Diversos estudos mostram que pessoas escolarizadas participam mais da força de trabalho e, uma vez trabalhan-do, possuem menos chance de se tornarem desempregadas. Adicional-mente, o maior nível de escolaridade produz maiores salários individuais e maiores taxas crescimento econômico para os países. Além dos aspectos econômicos, a escolaridade tem sido associada, também, a uma variedade de benefícios não-econômicos: melhor saúde, redução da criminalidade, maior coesão social, maior participação democrática etc. Assim, a educa-ção tem se constituído em um dos pilares fundamentais nas estratégias de promoção da prosperidade socioeconômica. Ela é vista como um investi-mento no futuro da coletividade e das nações e não apenas uma forma de promover o sucesso futuro de indivíduos.

Enquanto os benefícios econômicos da educação são razoavelmente bem conhecidos, a maneira pela qual a educação afeta o desempenho futu-ro dos indivíduos é ainda pouco compreendida. Nesse aspecto, a hipótese mais difundida é que, na escola, os indivíduos adquirem determinados co-nhecimentos e desenvolvem certas habilidades que possuem um alto valor social. Entretanto, determinar quais são e como medir tais conhecimentos e habilidades não é algo que possua uma resposta simples.

Em relação à medida de habilidades e conhecimentos adquiridos na es-cola, vários estudos têm utilizado a pontuação dos estudantes em testes pa-dronizados. A hipótese é que os resultados de tais testes são um bom previ-sor do desempenho futuro dos estudantes, seja no mercado de trabalho ou em outras esferas da vida em sociedade. Já existe um acúmulo de evidências de que os resultados desses exames estão positivamente correlacionados com a renda individual, a produtividade e o crescimento econômico.

Com o objetivo de avaliar o impacto de políticas públicas educa-cionais selecionadas no desempenho escolar dos alunos da rede públi-ca do ensino, o Banco Nacional de Desenvolvimento Econômico e Social (BNDES) lançou chamada pública para financiar uma pesquisa científica nessa direção. Este livro apresenta os resultados do projeto selecionado na referida chamada pública. Para responder a quase todas as perguntas

xii

colocadas pelo BNDES na chamada pública, foram utilizados os resulta-dos de uma pesquisa de campo realizada durante o segundo semestre de 2012 junto a alunos de 4º, 6º e 8º ano de escolas públicas de todo o Bra-sil. Foram amostrados mais de 35 mil estudantes destas séries em cerca de 300 escolas. Os alunos responderam a uma avaliação de conhecimen-tos de Língua Portuguesa e Matemática, cujos resultados estão medi-dos na mesma escala do SAEB. Um questionário também foi aplicado a diretores e professores. O destaque da pesquisa é o conjunto inovador de questões utilizado, que permitiu uma investigação inédita acerca das diversas políticas públicas estudadas ao longo desse projeto, detalhadas a seguir. Assim, questões inexistentes nos questionários das avaliações externas tradicionais, detalhando aspectos sobre jornada escolar amplia-da, uso de métodos estruturados, utilização de tecnologias de informa-ção e comunicação, realização de formação por parte dos professores, percepção de sobre os sistemas de responsabilização, foram utilizadas como matéria-prima para quase todos os capítulos do livro, permitindo uma visão inovadora sobre a educação brasileira.

Desde o estudo pioneiro de Coleman e seus colaboradores, sabe-se que variáveis relacionadas à família possuem muito mais poder preditivo sobre o desempenho dos alunos do que variáveis relacionadas à esco-la que os alunos frequentam. Entretanto, estudos recentes mostram que grande parte das desvantagens dos alunos de famílias economicamente desfavorecidas se deve ao desenvolvimento cognitivo e emocional desses estudantes nos primeiros seis anos de vida. Assim, o primeiro capítulo do presente livro trata de como a questão da educação infantil afeta o desempenho escolar futuro dos alunos.

O capítulo 2 trata de um tema bastante polêmico referente às polí-ticas educacionais: as medidas de combate à repetência escolar. O país possui uma das maiores taxas de repetência escolar observadas no mundo, ainda que elas tenham sido substancialmente reduzidas desde o início dos anos 90. Com base no diagnóstico de que as elevadas taxas de repetência constituíam-se no principal problema da educação fundamental brasilei-ra, uma série de intervenções públicas foi adotada no sistema público de ensino. Entre essas medidas podemos destacar a expansão de classes de aceleração e programas de progressão continuada em diversas redes de ensino público estaduais e municipais. Até hoje, no entanto, essas medidas têm sido fruto de controvérsias. Nesse capítulo, investigou-se o impacto dessas medidas sobre diversos resultados educacionais futuros como, por exemplo, a evasão escolar durante a adolescência e juventude, faixa etária na qual continuamos experimentando altas taxas de evasão escolar, apesar de alguma melhoria nos últimos anos.

xiii

A accountability educacional é o objeto tratado no capítulo 3. A par-tir dos anos 90 as políticas de accountability educacional ganham força no mundo inteiro e avaliações de programas pioneiros mostram que eles contri-buíram para elevar o desempenho dos alunos nos exames padronizados. No Brasil, a realização da Prova Brasil e a divulgação do IDEB são políticas nessa direção. O referido capítulo procura avaliar como tem sido a assimilação de práticas dessa natureza (em particular do IDEB) dentro dos muros da escola.

O capítulo 4 trata de uma questão que há algum tempo vem sendo indagada por diversos pesquisadores da área educacional: existe uma rela-ção positiva entre gastos em educação e qualidade de ensino? Os autores do capítulo fazem uma revisão da literatura pertinente e mostram que as evidências são mistas, algumas pesquisas encontram uma relação positiva e significativa entre os gastos e desempenho escolar, ao passo que outras não encontram significância estatística na relação. E mais, eles conduzem um novo estudo para o Brasil, relacionado o gasto por aluno e a qualidade da educação entre os municípios brasileiros.

Os capítulos 5, 6 e 7 avaliam o impacto de três medidas educacionais amplamente defendidas como importantes alternativas para melhorar a educação. A primeira delas procura compreender como tem sido adotada no Brasil a jornada ampliada e discutem que o impacto da ampliação da jornada diária sobre o aprendizado depende das escolhas sobre as formas de utilização do tempo adicional e a adequação do currículo ministrado no contraturno. A segunda medida se refere ao uso de tecnologias de informa-ção e comunicação (TICs), abordagem que vem ganhando popularidade nos últimos anos como ferramenta de auxílio ao processo de ensino, mas com pouca avaliação de sua eficácia no Brasil. E o terceiro tipo de medida se trata de uma das políticas mais utilizadas por redes de ensino na tentativa de me-lhorar a qualidade do ensino: programas de qualificação do corpo docente. Nesse capítulo, se buscou avaliar os fatores que determinam a realização desses cursos por parte dos professores e, em seguida, discute-se que tipo de formação continuada possui impacto sobre o desempenho dos alunos.

Uma peculiaridade da educação pública no Brasil é a expansão da ado-ção dos chamados “métodos estruturados de ensino”. A partir da década de 90 diversas redes municipais de ensino, especialmente em São Paulo, passa-ram afirmar firmar contratos com instituições privadas para o fornecimento de material didático para os alunos e de material pedagógico e treinamento para os professores. Mais recentemente, redes públicas de ensino como, por exemplo, a rede estadual de São Paulo, passaram a elaborar seu próprio ma-terial de ensino estruturado. O impacto da adoção de métodos estruturados de ensino sobre o desempenho escolar em redes públicas de ensino funda-mental é o tema investigado no capítulo 8.

xiv

O capítulo 9 tem por objetivo identificar escolas que apresentam alto valor agregado e escolas que apresentam baixo valor agregado. Uma vez identificadas, o estudo compara esses dois grupos de escolas, na tentativa de detectar padrões que poderiam explicar a diferença de desempenho en-tre elas e sugerir eventuais políticas que pudessem diminuir essa assimetria.

Por fim, o capítulo 10 tem por objetivo propor caminhos que poderiam ser adotados para o aprimoramento da educação no Brasil. O interesse recai em medidas de políticas públicas que poderiam ser adotadas por diferentes esferas de governo (federal, estadual e municipal).

1 Capítulo 1

O impacto da educação infantilno desempenho dos

alunos do ensino fundamental

André Portela Fernandes de Souza *

Cristine Campos de Xavier Pinto *

1. Introdução

Ao longo da última década, houve um esforço crescente na literatura de educação para tentar determinar qual é a melhor maneira de realizar investimentos na área. Sendo os recursos disponíveis limitados, devem ser feitas escolhas a respeito de que tipo de educação priorizar. No Brasil, por exemplo, a parcela de recursos destinada à educação infantil é peque-na frente ao total disponível. Diversos trabalhos, no entanto, servem de argumento contrário a esta alocação. Estudos baseados em neurociência mostram que a educação infantil é fundamental para que sejam desenvol-vidas algumas habilidades.

O Banco Mundial relata no Brasil casos de programas informais de desenvolvimento da primeira infância, como o PROAPE (Programa de Ali-mentação à Pré-Escola), com intervenções de saúde, alimentação e edu-cação, que resultaram em elevação no aproveitamento escolar. Neste tra-balho é mencionada uma pesquisa do IPEA, baseada em dados de 1997, em que se conclui que o investimento público para o desenvolvimento da primeira infância é desigual, sendo destinado em sua grande parte para famílias mais ricas.

Corroborando o trabalho do Banco Mundial (2010), o levantamento do Grupo de Trabalho instituído pela Portaria Interministerial nº 3.219 (2006), com base nos microdados da PNAD 2004, mostra como as classes mais po-bres da população são as que menos se beneficiam do sistema de ensino infantil. Esses resultados sugerem que podemos ter no país um modelo de pré-escola perverso em termos de diminuição da desigualdade social, uma vez que ao privarmos as crianças mais pobres do acesso às creches e às pré-escolas, se retira delas a possibilidade de desenvolverem habilidades na idade correta, o que lhes impediria de prosseguir nos próximos ciclos escola-res em igualdade de condições.

* Escola de Economia de São Paulo da Fundação Getulio Vargas (EESP/FGV).

CAPITULO

1

Capítulo 1 2

No que tange à educação infantil, outra grande preocupação entre pais e educadores de hoje é como as leis que impõem uma idade mínima para a entrada na escola podem afetar o desempenho acadêmico dos alunos. Esse debate está ganhando destaque no Brasil, com a entrada na pré-escola antes dos 6 anos de idade. Nos Estados Unidos, por exemplo, diversos es-tados vêm atrasando a idade com que as crianças entram na pré-escola. A literatura ainda precisa avançar muito na apuração desse efeito, mas existe evidência de que os alunos que entram mais cedo na sala têm probabilida-de maior de completar o ensino médio. Esse efeito é verificado também nas séries finais do ensino fundamental e nas iniciais do ensino médio, isto é, um aluno que entra na escola mais cedo tem maior probabilidade de com-pletar a 6ª e a 8ª séries, e também as séries do ensino médio. Além disso, esse efeito é crescente ao longo das séries, sendo maior na última série do ensino médio. Mas essa vantagem é tão pequena que, por ora, parece insu-ficiente tecer alguma recomendação a partir dela. Além disso, esse ganho não é o mesmo para todos os grupos sociais. As minorias (negros e alunos pobres) tendem a se beneficiar mais de uma entrada precoce na pré-escola e acabam apresentando probabilidade maior de conclusão do ensino mé-dio. Uma das explicações para esse efeito positivo da idade de entrada na taxa de conclusão é que os alunos que entram mais cedo na escola, mesmo que possuam desempenho acadêmico pior, têm maior motivação para per-manecer na escola e, apesar das dificuldades, tendem a não abandoná-la. Outra explicação é que os alunos que entram mais cedo na escola são ex-postos de forma mais lenta ao conhecimento das séries iniciais e têm mais tempo para assimilá-lo; assim, chegam com maior nível de conhecimento nas demais séries, o que facilita a assimilação do conteúdo.

Este estudo pretende estimar o efeito da pré-escola e da creche sobre a proficiência dos alunos, separando este efeito em dois componentes, um efeito direto e um indireto. O efeito direto é o efeito da educação infantil na proficiência em determinada série, enquanto o efeito indireto se refere ao efeito da pré-escola e da creche via repetência. Durante a pré-escola, o aluno se torna mais familiarizado com o ambiente escolar, e desenvolve habilidades como cooperação e atenção, importantes para a permanência da mesmo na escola. Estas habilidades desenvolvidas na educação infantil ajudam o processo de aprendizado nas séries subsequentes e, consequen-temente, influenciam a probabilidade de um aluno repetir em uma série subsequente. Como repetência também afeta a proficiência dos alunos nos anos futuros na escola, a pré-escola tem um impacto indireto na pro-ficiência via repetência. Usando os dados coletados ao longo da pesquisa BNDES-2012 para alunos no 4º, 6º e 8º anos, professores e diretores em 300 escolas brasileiras, encontramos que educação infantil tem um efeito

3 Capítulo 1

positivo e significativo sobre desempenho escolar e este efeito se dá quase todo de forma direta.

O capítulo está organizado em três seções, além desta introdução. Na seção subsequente, apresentamos a revisão de literatura. Na terceira seção, são analisadas as estatísticas descritivas da base de dados. Na quarta seção, descrevemos a metodologia empregada e, na última seção, apresentamos os resultados e principais conclusões.

2. Revisão da Literatura

Diversos estudos mostram a importância da educação infantil para o desenvolvimento das habilidades cognitivas e não-cognitivas dos alunos. Knudsen et al. (2006) fazem uma revisão da literatura sobre o assunto e con-cluem que as habilidades humanas são adquiridas através de uma sequência de “períodos sensíveis”, os quais seriam épocas em que o desenvolvimento de certos circuitos neurais estariam mais plásticos, ou seja, os seres huma-nos possuiriam uma sequência hierárquica de momentos ótimos em suas vidas para receber influências do ambiente. As competências cognitivas, linguísticas, sociais e emocionais são fortemente formadas pelas primeiras experiências de vida da criança em desenvolvimento, e todas contribuem significativamente para o sucesso profissional desse futuro adulto. Há indí-cios de que tentativas de remediar a falta de estímulos em uma determinada etapa (que prejudica ou inibe o desenvolvimento) com estímulos posteriores em outra etapa são muito custosas e produzem resultados pouco expressi-vos, sendo assim ineficientes.

Cunha e Heckman (2007) propõem um modelo em que investimentos em etapas diferentes do ciclo de vida de uma criança podem produzir retor-nos diferentes. Essa abordagem permite interpretar que há períodos ótimos para que certas habilidades de uma criança sejam desenvolvidas. A partir dessa premissa, os autores definem dois períodos fundamentais para o de-senvolvimento de uma criança. O primeiro é o chamado “período sensível”, em que investimentos para a produção de certas habilidades são mais produ-tivos. E, o segundo é o “período crítico”, época única da vida de uma criança em que certas habilidades podem ser desenvolvidas. A interpretação do de-senvolvimento de habilidades segundo uma tecnologia de múltiplos estágios faz imaginarmos que os investimentos efetuados em um estágio permitem uma autoprodutividade, uma vez que as habilidades adquiridas amplificam os efeitos de outras habilidades. Ademais, essa tecnologia é complementar, pois habilidades pré-adquiridas facilitam a assimilação de outras habilidades em etapas futuras, elevando a produtividade dos investimentos nos estágio

Capítulo 1 4

subsequentes. Como os autores colocam, essa abordagem é fundamental para a definição de políticas públicas, já que os investimentos para o desen-volvimento de habilidades em adolescentes carentes tenderiam a ser muito menos produtivos do que os investimentos na educação de crianças em épo-ca de pré-escola.

Os efeitos de alguns programas de intervenção na primeira infância são comprovados por vários trabalhos e diversas análises de custo-benefí-cio. Barnett (2008) comenta que diferentes programas apresentaram efei-tos positivos sobre o aprendizado, mas o tamanho e a persistência destes resultados dependem do tipo de programa adotado. Os principais resulta-dos encontrados foram que os participantes dos programas voltados para o desenvolvimento infantil tiveram notas maiores em exames de proficiência, concluíram o ensino médio em maior proporção e obtiveram menores índi-ces de atraso escolar e de envolvimento com crime e delinquência. Crianças que vivem em ambientes socioeconômicos piores se beneficiam mais desse tipo de programa.

Chetty et al. (2011) procuram investigar os efeitos da qualidade da educação infantil sobre diversos aspectos da vida adulta dos indivíduos, como educação, rendimento e padrão de vida nos Estados Unidos. Os au-tores mostram que a qualidade da educação infantil está fortemente corre-lacionada com a renda que o indivíduo recebe aos 27 anos, com a escolha de frequentar ou não uma universidade, a ter uma casa própria e a quanto poupar para a aposentadoria. Os principais resultados são que alunos de turmas menores de educação infantil têm maior probabilidade de ir para a universidade e de ter melhor desempenho; alunos que tiveram professores mais experientes nesta fase tem maior rendimento e, apesar de o efeito sobre as notas de alunos que frequentaram turmas de educação infantil de melhor qualidade diminuir com o tempo, o efeito sobre habilidades não cognitivas é persistente.

Dynarski et al. (2011) tem objetivos semelhantes e encontram que alu-nos de turmas menores na educação infantil tem uma probabilidade maior de ir para a universidade (em 2,7 pontos percentuais). A probabilidade de terminar o ensino superior também aumenta (em 1,6 pontos percentuais), bem como a probabilidade de o estudante escolher uma graduação em cam-pos em que há maior rendimento (como ciências e engenharia, por exem-plo). Esses efeitos encontrados são ainda maiores para negros e para indi-víduos de famílias de baixa renda, o que os autores argumentam servir de indício de que reduzir o tamanho das turmas pode contribuir para diminuir o diferencial posterior fruto da cor e da renda familiar.

Berlinski et al. (2009) utilizam a expansão da rede de pré-escola na Argentina como tratamento para a elevação de matrículas na educação

5 Capítulo 1

infantil e concluem que um ano de pré-escola elevou a nota em exames de proficiência da 3ª série em 8% em relação a média (equivalentes a 23% do desvio padrão), além de afetar positivamente a atenção e participação em sala de aula, o esforço e a disciplina escolar. Ou seja, expandir a edu-cação infantil é um instrumento efetivo para melhorar o desempenho no longo prazo. Além disso, os autores ainda comentam que tirar as crianças de perto de suas mães não é prejudicial ao seu desenvolvimento caso elas frequentem uma pré-escola de qualidade, o que responde a um questiona-mento comumente levantado.

Berlinski et al. (2008) avaliam o impacto da educação infantil entre ir-mãos da mesma família no Uruguai, comparando os que frequentaram a pré-escola com aqueles que não frequentaram e, portanto, controlando para efeitos específicos e ocultos do background familiar. Frequentar a pré-escola tem efeitos positivos de magnitude pequena no curto prazo, mas estes se amplificam na medida em que o indivíduo cresce. Os autores estimam que aos 15 anos os alunos que frequentaram a pré-escola possuem 27 pontos percentuais a mais de chance de estarem na escola. Além disso, os autores ainda defendem a pré-escola como uma política adequada para evitar a re-petência escolar nos primeiros anos do ensino fundamental.

Existem diversos artigos que estudam o impacto da educação infan-til sobre o desempenho dos alunos brasileiros. Curi e Menezes-Filho (2006) utilizaram a Pesquisa de Padrão de Vida (PPV) realizada entre 1996 e 1997 no nordeste e sudeste brasileiro, além dos resultados do Sistema Nacional de Avaliação da Educação Básica (SAEB) de 2003, para pesquisar o efeito da educação pré-escolar sobre a escolaridade, os salários e a proficiência esco-lar. Através de um modelo Logit de escolha discreta, os autores constatam que o fato de um indivíduo ter feito a pré-escola tem um impacto positivo e significante na conclusão dos quatro ciclos escolares (dois ciclos de ensino fundamental, ensino médio e ensino superior), enquanto que a creche tem um efeito positivo e significante na conclusão dos ensinos médio e superior. Adicionalmente, verificou-se que a pré-escola tem efeito positivo e signifi-cante na renda desse indivíduo quando adulto e no resultado dos exames de proficiência da 4ª, 8ª, e 11ª séries. Apesar da pergunta ser extremamente importante, o tratamento da mesma pelo método dos Mínimos Quadrados Ordinários levanta questões sobre endogeneidade, o que poderia invalidar a consistência dos estimadores obtidos.

Barros et al. (2010) ressaltam que “embora a pré-escola (crianças entre 4 e 6 anos) tenha efeitos importantes e duradouros no desenvolvimento da criança, as avaliações em larga escala de creches (crianças entre 0 e 3 anos) tendem a encontrar impactos menores e transitórios. Como a literatura tem reconhecido, existem muitas explicações alternativas empíricas e substanti-

Capítulo 1 6

vas para o impacto limitado das creches encontrado nestes estudos. As ex-plicações empíricas variam desde uma fraca estratégia de identificação até limitações e má qualidade dos dados. Dentre as interpretações substanti-vas, especial atenção deve ser dada à sensibilidade da eficácia das creches à qualidade dos serviços prestados. Segundo essa interpretação, creches de alta qualidade e bem concebidas têm impacto substancial, mas esse im-pacto pode ser bastante sensível à qualidade dos serviços prestados. Como nos países em desenvolvimento a maioria das avaliações mede o impacto de serviços mal concebidos e de baixa qualidade, não é surpreendente que apenas impactos muito pequenos sejam encontrados. Assim, para conciliar a importância teórica da creche para o desenvolvimento da criança com os pequenos efeitos estimados, é imprescindível lançar alguma luz empírica sobre a relação entre eficácia e qualidade dos serviços de creche”. Para o contexto brasileiro, neste estudo, os autores avaliam o impacto da qualidade das creches no Rio de Janeiro para o desenvolvimento infantil, a partir de uma amostra aleatória de 500 crianças em 100 instituições através de uma função de custo hedônica, que permite a avaliação de custo e efetividade da qualidade das escolas de educação infantil. Os resultados mostram que o desenvolvimento das crianças que frequentam creches de alta qualidade é maior do que o das crianças que frequentam creches de baixa qualidade e que a qualidade da creche pode ser medida de diversas maneiras, e que cada uma dessas medidas pode ter diferentes custos e impactos também distintos para o desenvolvimento infantil.

Dentre os estudos sobre o efeito de uma redução de idade mínima de ingresso no desempenho dos alunos, destaca-se o trabalho de Dobkin e Fer-reira (2010). Estes autores avaliam o efeito de entrar na escola um ano mais cedo. Os resultados deste estudo mostram que entrar na escola mais cedo tem um efeito positivo e estatisticamente significativo sobre a probabilidade de conclusão do ensino médio.

3. DadoseEstatísticasDescritivas

Os resultados obtidos com os dados da pesquisa BNDES-2012 para os alunos do 4º, 6º e 8º anos do ensino fundamental nas provas de matemática e português são apresentados nesta seção. A tabela 1 contém as estatísticas descritivas de todas as variáveis dos alunos que serão usadas na análise. Esta tabela mostra que temos cerca de 50% homens e 50% mulheres na amostra. A idade média dos alunos é 12 anos, e cerca de 32% se declaram como bran-cos. Estes alunos têm em média 2 irmãos. Na amostra de alunos que fizeram a prova de matemática, 54% frequentaram creche. E destes, 56% frequen-

7 Capítulo 1

taram creche no mesmo município que estão hoje. Além disso, em torno de 71% dos alunos frequentaram a pré-escola, e entre esses 64% frequentaram a pré-escola no mesmo município que estão hoje. Cerca de 30% dos alunos repetiram o ano pelo menos uma vez.

Tabela 1: Estatísticas Descritivas - Alunos

No Obs. Média Desvio Mínimo Máximo Padrão Proficiência Matemática 26.179 210,16 44,45 91,00 379,15Proficiência Português 26.176 199,94 46,60 76,05 376,46Homem 24.997 0,49 0,50 0,00 1,00Branco 25.063 0,32 0,47 0,00 1,00Idade 23.714 12,05 1,95 6,00 26,00Número de Irmãos 24.876 2,12 1,31 0,00 4,00Número de Irmãos que frequentam a escola 24.461 1,36 0,80 0,00 2,00Idade que começou a estudar 24.596 0,85 0,75 0,00 4,00Frequentou a creche 24.101 0,54 0,50 0,00 1,00Frequentou a creche no mesmo município atual 19.209 0,56 0,50 0,00 1,00Frequentou a pré-escola 23.637 0,71 0,46 0,00 1,00Frequentou a pré-escola no mesmo município atual 21.756 0,64 0,48 0,00 1,00Começou o ensino fundamental no mesmo município atual 24.181 0,69 0,46 0,00 1,00Número de vezes que abandonou a escola 24.582 0,20 0,60 0,00 3,00Repetiu alguma série 23.588 0,29 0,45 0,00 1,00Repetiu a 1a série 9.667 0,24 0,43 0,00 1,00Repetiu a 2a série 9.667 0,17 0,38 0,00 1,00Repetiu a 3a série 9.667 0,18 0,39 0,00 1,00Repetiu a 4a série 9.667 0,16 0,37 0,00 1,00Repetiu a 5a série 9.667 0,16 0,37 0,00 1,00Repetiu a 6a série 9.667 0,07 0,25 0,00 1,00Repetiu a 7a série 9.667 0,05 0,23 0,00 1,00Repetiu a 8a série 9.667 0,04 0,20 0,00 1,00Repetiu alguma série mais de uma vez 10.768 0,41 0,49 0,00 1,00Repetiu a 1a série mais de uma vez 35.903 0,03 0,18 0,00 1,00Repetiu a 2a série mais de uma vez 35.903 0,02 0,15 0,00 1,00Repetiu a 3a série mais de uma vez 35.903 0,03 0,16 0,00 1,00Repetiu a 4a série mais de uma vez 35.903 0,02 0,15 0,00 1,00Repetiu a 5a série mais de uma vez 35.903 0,02 0,14 0,00 1,00Repetiu a 6a série mais de uma vez 35.903 0,01 0,10 0,00 1,00Repetiu a 7a série mais de uma vez 35.903 0,01 0,08 0,00 1,00Repetiu a 8a série mais de uma vez 35.903 0,01 0,07 0,00 1,00

Fonte: Pesquisa BNDES (Questionário do Aluno). Elaboração própria.

Capítulo 1 8

Durante a pesquisa BNDES-2012, os professores e diretores também responderam questionários que continham perguntas sobre o seu back-ground socioeconômico, práticas pedagógicas e infraestrutura da escola. A tabela 2 contém as variáveis dos diretores e professores que serão usadas neste estudo. Como não conseguimos associar o aluno com o seu profes-sor de matemática e de português, apresentamos nesta tabela as caracte-rísticas médias dos professores na escola. Na nossa estimação, usaremos as características médias dos professores ao nível da escola como controle para as características dos professores dos alunos. Os resultados indicam que 19% dos diretores são homens e quase 100% desses tem pelo menos ensino superior. Além disso, 70% das escolas adotam políticas de ciclo.

Tabela 2: Estatísticas Descritivas - Diretor e Professor No Obs. Média Desvio Mínimo Máximo Padrão Diretor Homem 30.798 0,186 0,389 0 1Idade 30.606 3,220 0,966 1 5Branco 30.774 0,564 0,496 0 1Ensino Superior 30.894 0,993 0,083 0 1Existe política de ciclo na escola 29.430 0,706 0,456 0 1Esta política é determinada pela rede de ensino 20.773 0,095 0,293 0 1

Professor % de Homens 31.133 0,200 0,213 0 1Média de Idade 31.133 2,717 0,674 0,5 5% de Brancos 31.133 0,521 0,354 0 1% com Ensino Superior 31.133 0,967 0,123 0 1Você tem autonomia para reprovar os alunos 30.006 0,329 0,421 0 1

Fonte: Pesquisa BNDES (Questionários do Professor e do Diretor). Elaboração própria.

Na tabela 3, comparamos as características dos alunos que frequen-taram educação infantil com as características dos que não frequentaram. Quando comparamos os alunos que frequentaram a creche com os alunos que não frequentaram, vemos que a proficiência dos que frequentaram a creche é menor dos que não frequentaram. Esta diferença, apesar de pe-quena, é estatisticamente significativa. Uma das explicações para este efeito

9 Capítulo 1

não-condicional negativo é que estes alunos tem baixa condição socioeco-nômica e frequentam creches de baixa qualidade. O mesmo não acontece com a pré-escola. Os alunos que frequentaram a pré-escola apresentam um desempenho maior que os alunos que não o fizeram. Além disso, os alunos que frequentaram a educação infantil são diferentes dos demais em outras características observáveis como, por exemplo, número de irmãos que fre-quentam a escola e idade que começou a estudar. Os alunos que frequen-

Creche Pré-Escola Frequentou Não Diferença Frequentou Não Diferença frequentou frequentou Proficiência em Matemática 210,006 213,576 -3,57*** 215,6038 202,1686 13,435*** (0,383) (0,425) (0,571) (0,346) (0,503) (0,627)Proficiência em Português 199,469 203,622 -4,154*** 205,492 191,234 14,258*** (0,399) (0,448) (0,599) (0,364) (0,520) (0,657)Homem 0,491 0,479 0,012** 0,475 0,521 -0,046*** (0,004) (0,005) (0,007) (0,004) (0,006) (0,007)Branco 0,322 0,329 -0,006 0,333 0,305 0,028*** (0,004) (0,004) (0,006) (0,004) (0,006) (0,007)Idade 11,960 12,192 -0,026*** 12,008 12,004 0,038 (0,018) (0,019) (0,011) (0,015) (0,026) (0,029)Número de Irmãos 2,105 2,116 -0,011 2,006 2,023 -0,016 (0,012) (0,013) (0,017) (0,010) (0,016) (0,019)Número de Irmãos que 1,037 1,034 0,026*** 1,038 1,031 0,065*** frequentam a escola (0,007) (0,008) (0,011) (0,006) (0,010) (0,012)

Idade que começou 0,768 0,937 -0,168*** 0,786 0,991 -0,205*** a estudar (0,007) (0,007) (0,010) (0,006) (0,010) (0,011)Frequentou a creche - - - 0,591 0,428 0,163*** - - - (0,004) (0,006) (0,007)Frequentou a creche no 0,653 0,338 0,315*** 0,609 0,430 0,179*** mesmo município atual (0,004) (0,006) (0,007) (0,004) (0,007) (0,008)Frequentou a pré-escola 0,769 0,633 0,136*** - - - (0,004) (0,005) (0,006) - - -Frequentou a pré-escola 0,643 0,629 0,013** 0,722 0,335 0,387*** no mesmo município atual (0,004) (0,005) (0,007) (0,003) (0,007) (0,008)

Começou o ensino 0,702 0,676 0,026 *** 0,723 0,617 0,106*** fundamental no mesmo (0,004) (0,005) (0,006) (0,004) (0,006) (0,007) município atual Número de vezes que 0,196 0,201 -0,005 0,164 0,286 -0,122*** abandonou a escola (0,005) (0,006) (0,008) (0,004) (0,009) (0,009)Repetiu alguma série 0,290 0,281 0,009 0,270 0,327 -0,057*** (0,004) (0,004) (0,006) (0,004) (0,006) (0,007)Repetiu alguma série mais 0,400 0,423 -0,023** 0,393 0,441 -0,047*** de uma vez (0,007) (0,007) (0,010) (0,006) (0,008) (0,010)

Fonte: Pesquisa BNDES. Elaboração própria.

Tabela 3: Características dos Alunos de acordo com a frequência à creche ou à pré-escola

Capítulo 1 10

taram a creche e/ou a pré-escola tem mais irmãos que frequentam a es-cola e entraram mais cedo na escola. Esta tabela indica que os alunos que frequentaram a educação infantil são diferentes dos que não frequentaram em algumas características que estão relacionadas à preferência das famílias por educação. As famílias que mais valorizam educação tendem a colocar os filhos mais cedo na escola. Além disso, esta tabela indica que esses alunos são diferentes quanto ao fluxo escolar. Os indivíduos que frequentaram a pré-escola abandonaram a escola em média um menor número de vezes e repetiram menos que os alunos que não frequentaram a pré-escola.

Neste artigo, estimamos o impacto direto da pré-escola e de creche na proficiência em matemática e português dos alunos e também o impacto indireto que educação infantil tem ao afetar as variáveis de fluxo. Os alunos que entram na escola entre 0 e 6 anos adquirem um conhecimento que faci-lita o aprendizado futuro e também desenvolvem habilidades como coope-ração e atenção, importantes para a permanência do aluno na escola. Estas habilidades influenciam o processo de aprendizado ao longo dos anos, e a sua probabilidade de repetir as séries subsequentes. Os gráficos 1 e 2 apre-sentam a frequência à creche e à pré-escola por faixa de idade e a proficiên-cia em matemática também por faixa de idade. O gráfico 1 mostra que os alunos que frequentaram a creche estão concentrados na faixa etária entre 11 e 13 anos. Além disso, a proporção de alunos que frequentaram a creche é maior antes dos 13 anos. Os alunos que estão na idade correta (13 anos) e frequentaram a creche apresentam um desempenho similar aos dos alunos que estão nesta idade e não frequentaram a creche.

11 Capítulo 1

O gráfico 2 apresenta as mesmas relações para a pré-escola. Neste gráfico, os alunos estão concentrados nos oito anos de idade, tendo uma maior proporção de alunos de 8 anos de idade que frequentaram a pré-es-cola do que não frequentaram. Para os alunos de 5 a 9 anos de idade, o desempenho em matemática é maior para os alunos que frequentaram a pré-escola do que para os alunos que não frequentaram, sendo que nesta faixa etária a proporção de alunos que frequentaram a pré-escola é maior do que a proporção de alunos que não frequentaram. Este gráfico mostra que a educação infantil coloca os alunos mais cedo na escola o que pode afetar a sua proficiência futura e também a probabilidade deste aluno co-meçar a série na idade correta.

4. Metodologia

A estimação do impacto da educação infantil sobre o desempenho do aluno tenta captar os efeitos direto e indireto no desempenho do aluno. O efeito direto seria o conhecimento que o aluno adquire na pré-escola, que é importante para o aprendizado do conhecimento futuro. O efeito indireto seria o efeito que entrar mais cedo na escola tem no desempenho ao longo dos anos, evitando que o aluno abandone a escola ou reprove. Ao entrar mais cedo na escola, o aluno pode se sentir mais motivado e tem maior facilidade de se adaptar à rotina da escola, além de ter maior facilidade para adquirir o conhecimento necessário para o aprendizado ao longo das séries. Assim, reprovação e atraso escolar estão associados com proficiência, pré-escola e habilidade do aluno, motivação e preferências familiares por educação.

Capítulo 1 12

Nesse contexto, trabalhamos com o sistema de duas equações. A segunda equação do sistema capta o efeito de frequência à creche e à pré-escola sobre a probabilidade de o aluno repetir. A primeira equação capta o efeito direto de educação infantil no desempenho escolar e o seu efeito indireto através da sua relação com repetência.

1

2

onde Yit é a proficiência do aluno i no ano t, Xi é um vetor de características do aluno, da família e do professor, pi é uma variável indicadora de se o aluno frequentou pré-escola, ci é uma variável binária que é igual a 1 se o aluno i frequentou creche, Ait é uma variável que indica se o estudante reprovou em alguma série, e Zit

A é a variável instrumental que afeta reprovação mas não afeta diretamente proficiência. Note que pré-escola e creche afetam repro-vação e proficiência. Uma vez que reprovação também afeta proficiência, a educação infantil impacta proficiência por dois canais, um direto e outro indireto, através da reprovação.

Claramente, os termos de erro das duas equações são correlacionados. Com o intuito de tratar a endogeneidade de reprovação, nós procederemos com um modelo com funções controle.

No primeiro momento, os pais decidem matricular ou não seus filhos na pré-escola. Na escola, dados sua motivação, esforço e habilidade inicial, os filhos passam ou não para a série seguinte. Primeiramente, olhamos para a probabilidade de ser reprovado dado que as crianças iniciaram (ou não iniciaram) o período escolar na pré-escola,

3

Quando alcançam certa série, os alunos são avaliados. Em um segundo estágio, olhamos para a esperança do desempenho nos exames de proficiên-cia, condicional à frequência, à educação infantil e ao número de atrasos no ciclo escolar até o momento t,

4

Vamos assumir que existe uma dependência linear entre os erros, de modo que:

13 Capítulo 1

onde . ϖit ⊥,ηit Neste caso,

5

Estimamos os parâmetros de interesse (λ,γ,δ) usando o procedimento em dois estágios. No primeiro estágio, estimamos um modelo de regressão linear que relaciona a variável indicadora se o aluno reprovou em alguma sé-rie com as variáveis de controle, com os indicadores de frequência à creche e frequência à pré-escola e com o vetor de instrumento. Em um segundo estágio, estimamos uma regressão linear do desempenho nas variáveis ex-plicativas e funções controle. Neste caso, a função controle é representada pelo resíduo obtido no primeiro passo.

5. Resultados

Nesta seção, apresentamos os resultados obtidos pelo procedimento em duas etapas descrito na seção anterior. O primeiro passo deste pro-cedimento é estimar o efeito de creche e pré-escola na probabilidade de repetir a série, usando um vetor de instrumentos que afeta a reprovação, mas não tem efeito direto sobre o desempenho escolar. Usamos como ins-trumento para a reprovação o fato da escola usar a política de ciclos ou não. Esta política tem um efeito direto sobre a probabilidade de repetência e assumimos que ela só afeta o desempenho escolar através da repetência ou não dos alunos. As três primeiras colunas da tabela 4 apresentam o re-sultado para este primeiro estágio, no caso de matemática. Na coluna (1), incluímos as variáveis do diretor e do professor como controles na regres-são. Na coluna (2), incluímos somente as variáveis do diretor e na coluna (3) excluímos estes controles. Os resultados indicam que a política de ciclo tem um efeito negativo e significativo sobre a probabilidade de repetência. Além disso, a frequência à pré-escola tem um efeito negativo e significati-vo sobre a probabilidade de repetir uma série. A frequência à creche não tem um efeito significativo sobre a probabilidade de repetência. As demais colunas desta tabela apresentam os resultados para o segundo estágio do processo de estimação. As colunas (4)-(6) apresentam os resultados da es-timação pelo método dos mínimos quadrados ordinários, isto é, sem con-trolar pela endogeneidade da repetência.

As colunas (7)-(9) apresentam os resultados obtidos usando a função controle como variável explicativa na regressão. Os resultados indicam que a frequência à creche e à pré-escola tem um efeito positivo e significativo sobre a proficiência em matemática, sendo que o impacto da pré-escola é

Capítulo 1 14

Tabe

la 4

: Im

pact

o da

Edu

caçã

o In

fanti

l sob

re o

Des

empe

nho

em M

atem

ática

Re

petê

ncia

Pr

ofici

ênci

a (M

QO

) Pr

ofici

ênci

a (F

unçã

o Co

ntro

le)

(1

) (2

) (3

) (1

) (2

) (3

) (1

) (2

) (3

)Al

unos

Ho

mem

0,

0868

***

0,08

67**

* 0,

0850

***

3,96

7***

4,

014*

**

3,77

1***

2,

046

5,49

4***

4,

571*

**

(0,0

0769

) (0

,007

52)

(0,0

0744

) (0

,694

) (0

,679

) (0

,669

) (1

,630

) (1

,059

) (1

,100

)Br

anco

-0

,028

2***

-0

,026

6***

-0

,033

5***

4,

873*

**

5,73

0***

6,

431*

**

5,27

3***

5,

137*

**

6,38

6***

(0

,008

39)

(0,0

0812

) (0

,007

98)

(0,7

55)

(0,7

33)

(0,7

19)

(0,9

06)

(0,7

89)

(0,8

08)

Idad

e 0,

0743

***

0,07

22**

* 0,

0733

***

5,36

8***

5,

468*

**

5,35

3***

3,

832*

**

6,73

6***

5,

866*

**

(0,0

0200

) (0

,001

90)

(0,0

0188

) (0

,189

) (0

,181

) (0

,177

) (1

,283

) (0

,703

) (0

,774

)N

úmer

o de

Irm

ãos

0,04

10**

* 0,

0418

***

0,04

22**

* -2

,483

***

-2,4

40**

* -2

,448

***

-3,3

08**

* -1

,651

***

-2,1

55**

*

(0,0

0302

) (0

,002

96)

(0,0

0293

) (0

,274

) (0

,268

) (0

,264

) (0

,747

) (0

,475

) (0

,505

)N

úmer

o de

Irm

ãos q

ue

-0,0

0903

* -0

,010

5**

-0,0

0943

**

0,18

7 0,

0912

-0

,006

37

0,55

8 0,

0750

0,

0878

fr

eque

ntam

à e

scol

a (0

,004

85)

(0,0

0474

) (0

,004

69)

(0,4

37)

(0,4

27)

(0,4

22)

(0,4

74)

(0,4

49)

(0,4

46)

Freq

uent

ou a

cre

che

-0,0

0888

-0

,012

2 -0

,015

3*

4,27

4***

5,

297*

**

5,80

7***

4,

628*

**

5,34

3***

6,

022*

**

(0,0

0908

) (0

,008

86)

(0,0

0873

) (0

,814

) (0

,794

) (0

,779

) (0

,851

) (0

,831

) (0

,830

)Fr

eque

ntou

a c

rech

e no

mes

mo

0,

0013

3 -0

,001

29

-0,0

0082

2 3,

404*

**

3,87

1***

3,

171*

**

3,36

9***

3,

789*

**

3,33

1***

m

unic

ípio

atu

al

(0,0

0902

) (0

,008

83)

(0,0

0874

) (0

,809

) (0

,792

) (0

,781

) (0

,829

) (0

,815

) (0

,810

)Fr

eque

ntou

a p

ré-e

scol

a -0

,065

7***

-0

,073

2***

-0

,077

5***

13

,24*

**

14,0

4***

14

,55*

**

14,4

2***

12

,54*

**

14,0

8***

(0

,010

2)

(0,0

0997

) (0

,009

87)

(0,9

16)

(0,8

97)

(0,8

81)

(1,4

66)

(1,1

63)

(1,2

23)

Freq

uent

ou a

pré

-esc

ola

no

0,00

163

0,00

579

0,00

555

1,40

4*

1,43

3*

1,57

4*

1,44

2*

1,70

3**

1,56

6*

mes

mo

mun

icíp

io a

tual

(0

,009

34)

(0,0

0915

) (0

,009

07)

(0,8

39)

(0,8

22)

(0,8

10)

(0,8

59)

(0,8

47)

(0,8

42)

Prof

esso

r

Ho

mem

-0

,082

0***

4,

673*

*

6,

410*

*

(0

,021

2)

(1,8

57)

(2,5

02)

Id

ade

0,01

10*

0,38

2

-0

,175

(0

,006

11)

(0,5

41)

(0,5

50)

Br

anco

-0

,030

8**

12,5

1***

13

,53*

**

(0,0

123)

(1

,113

)

(1

,265

)

conti

nua

15 Capítulo 1

Re

petê

ncia

Pr

ofici

ênci

a (M

QO

) Pr

ofici

ênci

a (F

unçã

o Co

ntro

le)

(1

) (2

) (3

) (1

) (2

) (3

) (1

) (2

) (3

)

Poss

ui e

nsin

o su

perio

r -0

,007

70

17,9

8***

17

,44*

**

(0,0

356)

(3

,184

)

(3

,279

)

Tem

aut

onom

ia p

ara

repr

ovar

0,

0987

***

-4,3

40**

*

-6

,858

***

(0,0

104)

(0

,891

)

(2

,190

)

Dire

tor

Hom

em

-0,0

133

-0,0

233*

*

0,99

1 1,

365

1,

001

1,15

0

(0,0

0980

) (0

,009

65)

(0

,871

) (0

,861

)

(0,8

94)

(0,8

88)

Idad

e -0

,004

24

-0,0

0550

0,60

6*

1,01

2***

0,34

5 0,

683*

(0,0

0407

) (0

,003

95)

(0

,363

) (0

,352

)

(0,3

80)

(0,3

67)

Bran

co

-0,0

405*

**

-0,0

645*

**

2,

642*

**

6,72

8***

4,10

8***

6,

348*

**

(0

,008

75)

(0,0

0791

)

(0,7

74)

(0,7

04)

(0

,960

) (0

,894

) Po

ssui

ens

ino

supe

rior

0,05

24

0,05

80

-3

,950

2,

932

-4

,367

3,

518

(0

,049

8)

(0,0

483)

(4,5

69)

(4,4

45)

(4

,635

) (4

,464

) A

esco

la a

dota

pol

ítica

de

cicl

o -0

,051

2***

-0

,083

6***

-0

,075

4***

(0

,009

45)

(0,0

0840

) (0

,008

24)

Re

petê

ncia

-21,

91**

* -2

2,70

***

-23,

01**

* -0

,258

-3

9,22

***

-28,

55**

*

(0

,819

) (0

,796

) (0

,781

) (1

6,95

) (9

,274

) (1

0,13

)Fu

nção

Con

trol

e

-2

1,64

16

,74*

5,

315

(1

6,97

) (9

,311

) (1

0,16

)Co

nsta

nte

-0,6

45**

* -0

,555

***

-0,5

72**

* 11

2,8*

**

124,

1***

13

5,6*

**

128,

1***

11

3,5*

**

130,

1***

(0

,061

9)

(0,0

560)

(0

,026

9)

(5,6

28)

(5,1

25)

(2,3

74)

(12,

51)

(7,6

32)

(6,8

54)

No

Obs

erva

ções

11

.999

12

.620

12

.924

12

.558

13

.269

14

.042

11

.998

12

.619

12

.923

R2

0,16

8 0,

159

0,15

4 0,

167

0,15

5 0,

143

0,16

8 0,

155

0,14

7**

* p<

0,01

, **

p<0,

05, *

p<0

,1Fo

nte:

Pes

quisa

BN

DES.

Ela

bora

ção

próp

ria.

conti

nuaç

ão

Capítulo 1 16

aproximadamente três vezes maior que o impacto da creche. Além disso, repetência tem um efeito negativo e significativo sobre a proficiência em matemática. Quando controlamos por endogeneidade e incluímos os con-troles de professor e aluno, a magnitude do impacto de repetência sobre o desempenho escolar se torna muito pequena. Este resultado indica que grande parte do impacto da repetência sobre o desempenho escolar encon-trado nas estimativas de mínimos quadrados ordinário se devia a seleção dos alunos com dificuldade de aprendizado em escolas de baixa qualidade.

Com base nos resultados da tabela (4), calculamos os efeitos direto e indireto da educação infantil sobre o desempenho em matemática. Esses resultados são apresentados na tabela (5). A primeira coluna desta tabela apresenta os resultados quando controlamos pelas características dos pro-fessores e diretores. A coluna (2) apresenta os resultados quando controla-mos somente pelas características dos diretores, e a coluna (3) apresenta os resultados quando não incluímos nenhuma variável de controle dos profes-sores e diretores. Focaremos nos resultados da coluna (1). Estes resultados indicam que grande parte do impacto da frequência à creche e/ou à pré-es-cola se dá de forma direta sobre o desempenho escolar, sendo o impacto indireto através da repetência pequeno.

Tabela 5: O Efeito Direto e O Efeito Indireto da Creche e da Pré-Escola (Matemática)

Creche (1) (2) (3)

Efeito Direto 4,628 100% 5,343 92% 6,02 93%Efeito Indireto 0,00 0% 0,48 8% 0,44 7%Coeficiente -0,258 -39,22 -28,55Efeito na Repetência -0,0089 -0,0122 -0,0153Efeito Total 4,63 5,82 6,46

Pré-EscolaEfeito Direto 14,42 100% 12,54 96% 14,08 97%Efeito Indireto 0,00 0% 0,48 4% 0,44 3%Coeficiente -0,258 -39,22 -28,55Efeito na Repetência -0,0089 -0,0122 -0,02Efeito Total 14,42 13,02 14,52Fonte: Pesquisa BNDES. Elaboração própria.

Os mesmos procedimentos foram aplicados à amostra dos alunos que fizeram a prova de português. Os resultados são apresentados nas Tabelas 6 e 7 e são qualitativamente semelhantes aos de matemática.

Resumindo, os resultados encontrados apontam que frequência à cre-che e à pré-escola tem um efeito positivo no desempenho dos alunos, e este se dá via o conhecimento acumulado ao longo dos anos que facilita o aprendizado futuro.

17 Capítulo 1

Tabe

la 6

: Im

pact

o da

Edu

caçã

o In

fanti

l sob

re o

Des

empe

nho

em P

ortu

guês

Re

petê

ncia

Pr

ofici

ênci

a (M

QO

) Pr

ofici

ênci

a (F

unçã

o Co

ntro

le)

(1

) (2

) (3

) (1

) (2

) (3

) (1

) (2

) (3

)

Freq

uent

ou a

cre

che

-0,0

0888

-0

,012

2 -0

,015

3*

5,25

3***

6,

045*

**

6,44

1***

5,

221*

**

5,56

6***

6,

166*

**

(0,0

0908

) (0

,008

86)

(0,0

0873

) (0

,855

) (0

,834

) (0

,809

) (0

,893

) (0

,871

) (0

,867

)

Freq

uent

ou a

cre

che

no m

esm

o

0,00

133

-0,0

0129

-0

,000

822

2,26

3***

2,

594*

**

2,16

8***

2,

390*

**

2,69

3***

2,

543*

**

mun

icip

io a

tual

(0

,009

02)

(0,0

0883

) (0

,008

74)

(0,8

50)

(0,8

32)

(0,8

10)

(0,8

71)

(0,8

54)

(0,8

46)

Freq

uent

ou a

pré

-esc

ola

-0,0

657*

**

-0,0

732*

** -

0,07

75**

* 14

,13*

**

15,0

0***

15

,21*

**

14,3

6***

12

,63*

**

13,7

5***

(0

,010

2)

(0,0

0997

) (0

,009

87)

(0,9

62)

(0,9

42)

(0,9

15)

(1,5

39)

(1,2

19)

(1,2

78)

Freq

uent

ou a

pré

-esc

ola

no m

esm

o

0,00

163

0,00

579

0,00

555

0,39

3 0,

342

0,38

2 0,

491

0,54

8 0,

379

m

uníc

ipio

atu

al

(0,0

0934

) (0

,009

15)

(0,0

0907

) (0

,881

) (0

,864

) (0

,842

) (0

,902

) (0

,887

) (0

,880

)

Repe

tênc

ia

-2

3,47

***

-24,

23**

* -2

4,42

***

-16,

39

-52,

69**

* -4

4,73

***

(0,8

60)

(0,8

36)

(0,8

11)

(17,

80)

(9,7

20)

(10,

59)

Funç

ão C

ontr

ole

-7,0

21

28,7

3***

20

,19*

(1

7,82

) (9

,758

) (1

0,62

)

Cons

tant

e -0

,645

***

-0,5

55**

* -0

,572

***

104,

2***

11

9,8*

**

134,

2***

11

1,0*

**

102,

7***

11

9,9*

**

(0,0

619)

(0

,056

0)

(0,0

269)

(5

,913

) (5

,383

) (2

,465

) (1

3,14

) (7

,998

) (7

,163

)

Alun

os

Hom

em

0,08

68**

* 0,

0867

***

0,08

50**

* -8

,860

***

-8,7

34**

* -8

,857

***

-9,5

31**

* -6

,373

***

-7,0

64**

*

(0,0

0769

) (0

,007

52)

(0,0

0744

) (0

,729

) (0

,714

) (0

,694

) (1

,711

) (1

,109

) (1

,149

)

Bran

co

-0,0

282*

**

-0,0

266*

** -

0,03

35**

* 5,

675*

**

6,31

8***

6,

984*

**

5,48

8***

5,

282*

**

6,30

6***

(0

,008

39)

(0,0

0812

) (0

,007

98)

(0,7

94)

(0,7

70)

(0,7

46)

(0,9

52)

(0,8

26)

(0,8

45)

Idad

e 0,

0743

***

0,07

22**

* 0,

0733

***

5,27

8***

5,

401*

**

5,25

0***

4,

773*

**

7,51

7***

6,

848*

**

(0,0

0200

) (0

,001

90)

(0,0

0188

) (0

,199

) (0

,190

) (0

,184

) (1

,348

) (0

,736

) (0

,808

)

Núm

ero

de Ir

mão

s 0,

0410

***

0,04

18**

* 0,

0422

***

-3,1

26**

* -3

,129

***

-3,1

86**

* -3

,324

***

-1,8

01**

* -2

,184

***

(0

,003

02)

(0,0

0296

) (0

,002

93)

(0,2

87)

(0,2

82)

(0,2

74)

(0,7

85)

(0,4

98)

(0,5

28)

Núm

ero

de Ir

mão

s que

freq

uent

am à

esc

ola

-0,0

0903

* -0

,010

5**

-0,0

0943

**

0,25

7 0,

181

0,05

02

0,38

9 -0

,088

8 -0

,157

(0

,004

85)

(0,0

0474

) (0

,004

69)

(0,4

59)

(0,4

49)

(0,4

38)

(0,4

97)

(0,4

71)

(0,4

66)

conti

nua

Capítulo 1 18

Re

petê

ncia

Pr

ofici

ênci

a (M

QO

) Pr

ofici

ênci

a (F

unçã

o Co

ntro

le)

(1

) (2

) (3

) (1

) (2

) (3

) (1

) (2

) (3

)

Prof

esso

r

Hom

em

-0,0

820*

**

4,09

5**

5,70

3**

(0,0

212)

(1

,951

)

(2

,627

)

Idad

e 0,

0110

*

1,

524*

**

0,94

4

(0

,006

11)

(0,5

69)

(0,5

78)

Bran

co

-0,0

308*

*

9,

163*

**

9,84

8***

(0

,012

3)

(1,1

69)

(1,3

28)

Poss

ui e

nsin

o su

perio

r -0

,007

70

21,6

5***

21

,07*

**

(0,0

356)

(3

,345

)

(3

,443

)

Tem

aut

onom

ia p

ara

repr

ovar

0,

0987

***

-4,0

28**

*

-4

,879

**

(0,0

104)

(0

,936

)

(2

,299

)

Dire

tor

Hom

em

-0,0

133

-0,0

233*

*

-0,0

249

0,28

2

-0,0

317

-0,0

263

(0

,009

80)

(0,0

0965

)

(0,9

15)

(0,9

05)

(0

,939

) (0

,931

)

Idad

e -0

,004

24

-0,0

0550

1,31

8***

1,

650*

**

0,

914*

* 1,

140*

**

(0

,004

07)

(0,0

0395

)

(0,3

82)

(0,3

70)

(0

,399

) (0

,385

)

Bran

co

-0,0

405*

**

-0,0

645*

**

1,

765*

* 5,

196*

**

3,

068*

**

4,52

2***

(0,0

0875

) (0

,007

91)

(0

,813

) (0

,740

)

(1,0

08)

(0,9

37)

Poss

ui e

nsin

o su

perio

r 0,

0524

0,

0580

-3,7

28

4,42

7

-3,7

21

5,52

5

(0,0

498)

(0

,048

3)

(4

,801

) (4

,669

)

(4,8

66)

(4,6

78)

A es

cola

ado

ta p

olíti

ca d

e ci

clo

-0,0

512*

**

-0,0

836*

** -

0,07

54**

*

(0

,009

45)

(0,0

0840

) (0

,008

24)

No

Obs

erva

ções

11

.999

12

.620

12

.924

12

.557

13

.268

14

.041

11

.997

12

.618

12

.922

R2

0,16

8 0,

159

0,15

4 0,

171

0,16

2 0,

155

0,17

1 0,

163

0,15

7

***

p<0,

01, *

* p<

0,05

, * p

<0,1

Fo

nte:

Pes

quisa

BN

DES,

Ela

bora

ção

próp

ria.

conti

nuaç

ão

19 Capítulo 1

6. Considerações Finais

Este artigo trata de estimar o impacto da frequência à creche e pré-es-cola sobre o aprendizado dos alunos brasileiros no 4º, 6º e 8º anos do ensino fundamental. O efeito da educação infantil sobre o aprendizado pode se dar por vários canais. O aluno desenvolve habilidades cognitivas e não-cogniti-vas nesta fase que podem contribuir ao aprendizado no ensino fundamental. Estes canais podem ser sintetizados num melhor fluxo ao longo dos anos do ensino fundamental com impactos no aprendizado mais a frente (canal indireto) como também afetar o aprendizado na sua série atual. A educação infantil pode ajudar no desenvolvimento de atitudes, hábitos, capacidade de concentração, etc., que afetam diretamente o aprendizado (canal direto).

Os resultados encontrados são que a educação infantil afeta positi-vamente o aprendizado no ensino fundamental e esse efeito é predomi-nantemente direto, embora haja algum efeito pequeno sobre a redução na repetência.

As evidências apresentadas neste trabalho trazem algumas sugestões importantes para as políticas educacionais. Primeiramente, investimentos na creche e pré-escola têm efeitos positivos sobre o aprendizado no ensi-no fundamental, particularmente a pré-escola. Segundo, ao estabelecer um cálculo de custo-benefício entre se colocar mais recursos no ensino funda-mental diretamente ou mais recursos no ensino em primeira infância é im-portante levar em conta o efeito que a frequência à creche e à pré-escola tem também sobre a repetência no ensino fundamental. O investimento em educação infantil pode ser uma alternativa viável para o melhoramento do aprendizado no ensino fundamental.

ReferênciasBibliográficas

BANCO MUNDIAL. Achieving World Class Education in Brazil: The Next Agenda”, World Bank Report, 2010.

BARNETT, S. Preschool education and its lasting effects: research and policy implications. Na-tional Institute for Early Education Research, 2008.

BARROS, R. P.; CARVALHO, M.; FRANCO, S.; MENDONÇA, R. ROSALÉM, A. Uma avaliação do impacto da qualidade da creche no desenvolvimento infantil. Pesquisa e Planejamento Econômico, v. 41, n.2, 2011.

BERLINSKI, S.; GALIANI, S.; MANACORDA, M. Giving children a better start: preschool atten-dance and school-age profiles. Journal of Public Economics, vol. 92, p. 1416-1440, 2008.

BERLINSKI, S.; GALIANI, S.; e GERTLER, P. The effect of pre-primary education on primary school performance. Journal of Public Economics, v. 93, p. 219-234, 2009.

Capítulo 1 20

CHETTY, R.; FRIEDMAN, J. N.; HILGER, N.; SAEZ, E.; SCHANZENBACH, D. W.; YAGAN, D. How does your kindergarten classroom affect your earnings? Evidence from project Star. Mi-meo, 2011.

CUNHA, F.; HECKMAN, J. J. The technology of skill formation. IZA Discussion papers n. 2550, 2007.

CURI, A.; MENEZES-FILHO, N.A. Os efeitos da pré-escola sobre salários, escolaridade e profi-ciência. Inper Working papers n. 57, 2006.

DOBKIN, C.; FERREIRA, F. Do school entry laws affect educational attainment and labor market outcomes? Economics of Education Review, v. 29, n. 1, p. 40-54, 2010.

DYNARSKI, S.; HYMAN, J. M.; SCHANZENBACH, D. W. Experimental evidence on the effect of childhood investments on postsecondary attainment and degree completion. NBER Wor-king Papers n. 17533, 2011.

KNUDSEN, J.; HECKMAN, J. J.; CAMERON, J. L. SHONKOFF, J. P. Economic, neurobiological, and behavioral perspectives on building America’s future workforce. PNAS, v. 103, nº 27, p. 10155-10162, 2006.

21 Capítulo 2

A influência da reduçãoda repetência sobre o

desempenho escolar futuro

Reynaldo Fernandes+

Luiz Guilherme Scorzafave+

Maria Isabel Accoroni Theodoro*Amaury Patrick Gremaud+

1. Introdução

A elevada evasão escolar a partir do final do ensino fundamental é um dos principais problemas enfrentados atualmente no Brasil. Há evi-dências de que o atraso escolar é um dos principais previsores da evasão ou abandono futuros. Por exemplo, Gremaud et al. (2011) investigaram o papel do aprendizado dos alunos ao final do ensino fundamental na decisão de ingresso e permanência no ensino médio no Estado de São Paulo. Encontraram que quanto melhor o desempenho escolar dos alunos ao final do ensino fundamental, maior a chance tanto de ingresso como de permanência no ensino médio. Mas o ponto de destaque desse traba-lho é que a variável mais importante na determinação da probabilidade de frequentar o ensino médio foi o fato de o aluno não ter atraso esco-lar. Para pessoas com idênticas características socioeconômicas e mesma proficiência escolar, possuir defasagem idade-série reduz a probabilidade de ingressar no ensino médio e, para os que ingressam, reduz de modo significativo a probabilidade de permanecer nele.

Assim, a probabilidade de ingressar e de permanecer no ensino mé-dio é extremamente dependente de o aluno ter ou não atraso escolar. Assim, fica claro que políticas que visem à redução do atraso escolar ao longo do ensino fundamental podem ter efeitos que se estendem até o ensino médio. Algumas evidências empíricas permitem caracterizar a magnitude desse atraso escolar. Por exemplo, a tabulação dos microdados da pesquisa de campo realizada em parceria com o BNDES em 2012 apon-ta que dos alunos que estavam cursando o 4º ano do ensino fundamental, pelo menos 22% tinham abandonado a escola em algum momento ante-rior. Além disso, mais de 25% dos alunos de 4º ano já tinham repetido o

* Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto, Universidade de São Paulo (FEA-RP/USP); * Centro Universitário Moura Lacerda.

CAPITULO

2

22Capítulo 2

ano pelo menos uma vez. Ambos os fatores, obviamente, demonstram a importância da distorção idade-série no Brasil.

A partir dos anos noventa, para descomprimir o acesso ao nível funda-mental do ensino público brasileiro, uma série de políticas começou a ser implantada no Brasil. Em particular, o diagnóstico de que altas taxas de re-provação nas primeiras séries do ensino fundamental acabavam gerando um processo de evasão escolar precoce, acabou levando a adição em diversas redes de ensino públicas brasileiras de medidas que procurassem contornar esse processo. Uma das medidas mais utilizadas foi a adoção de sistemas de ciclos, dentro dos quais a possibilidade de reprovação seria afastada, sendo possível apenas ao término dos ciclos.

O principal argumento a favor dessa medida é que o sistema de ciclos possibilitaria um maior tempo para que os alunos com mais dificuldade pudessem aprender, evitando assim que a reprovação levasse a um pro-cesso de evasão escolar. Uma premissa do sistema, no entanto, é que ha-veria uma estrutura pedagógica de sorte a dar o apoio necessário para que os alunos pudessem efetivamente aprender dentro do ciclo. Dessa forma, apenas ao final de cada ciclo, haveria a possibilidade de o aluno ser re-provado, vindo a cursar novamente, em geral, a última série do ciclo. Para os críticos dessa política, a má implantação dos sistemas de ciclos levaria a ausência de avaliações sistemáticas e ao surgimento de um desincenti-vo ao estudo, já que não haveria um instrumento de avaliação tradicio-nal (provas) que servisse de baliza para decisão da aprovação ou não dos estudos. De fato, as informações da pesquisa BNDES-2012 indicam que o desenho dos programas de reforço escolar, em 59% dos casos, não é di-recionado aos alunos que seriam reprovados sem a política de ciclos. Em 53% dos casos as aulas de reforço abrangem todas as séries, sem um foco especial nesses alunos. 54% dos professores de escolas que possuem tais políticas apontam que os alunos que seriam reprovados sem essas ações são os menos motivados. E, por fim, 62% dos docentes afirmam que tais alunos têm desempenho pior que seus pares.

Essas políticas aparecem sob diversas denominações: política de ciclos, de progressão continuada, de progressão automática. Além da questão se-mântica, o desenho delas pode ser bastante distinto. No entanto, o ponto em comum que as une é o fato de que, em algum grau, há uma diminuição dos padrões de aprovação nas séries afetadas, ou seja, mais indivíduos são aprovados e evoluem para as séries seguintes do que ocorreria na ausência dessas políticas. Ao longo dos anos 90 e 2000, essas políticas foram se am-pliando. Para se ter uma ideia da abrangência das mesmas, de acordo com dados da pesquisa BNDES-2012, cerca de 2/3 das escolas públicas brasileiras apresentavam algum tipo de política dessa natureza. Em 90% dos casos, as

23 Capítulo 2

políticas são definidas no âmbito das secretarias de educação e em apenas 10% dos casos, a iniciativa é da própria escola.

Outro dado interessante da pesquisa BNDES-2012 é que esse tipo de política está longe de ser consensual dentro da própria comunidade escolar. Cerca de 52% dos diretores (e 46% dos docentes) se mostram favoráveis a elas, enquanto 46% dos diretores (e 54% dos docentes) foram desfavoráveis. Isso demonstra a relevância de se estudar mais detalhadamente as conse-quências desse tipo de política.

Por sua vez, há evidências de que tem ocorrido uma diminuição da eva-são e uma elevação das taxas de promoção escolar no Brasil, especialmente durante o ensino fundamental. No entanto, não há estudos que busquem ligar esse fenômeno com as decisões de término do ensino fundamental e de ingresso e permanência no ensino médio. Utilizando uma medida de padrão de aprovação como variável instrumental para a taxa de promoção escolar, será investigado o efeito causal da taxa de promoção escolar da pri-meira etapa do ensino fundamental sobre o desempenho futuro dos alunos brasileiros em algumas dimensões. Na faixa etária dos 17 a 19 anos, será in-vestigado o efeito sobre a proporção de indivíduos que estão fora da escola (sem ter concluído ensino fundamental e ensino médio); sobre a parcela de indivíduos que concluíram os níveis fundamental e médio de ensino; sobre a proporção de alunos que ingressaram no ensino superior. Também será analisado o efeito desse tipo de política sobre a proficiência escolar dos indi-víduos aos 14 anos, bem como sobre a proporção de pessoas que estava fora da escola nessa mesma idade.

2. Revisão Bibliográfica

A educação brasileira vem conquistando melhoras significativas em seus indicadores nos últimos anos. De acordo com dados do IPEA, para crianças na faixa de 7 a 14 anos de idade, a universalização do acesso à esco-la é um dos grandes avanços sociais das últimas décadas: a taxa de frequên-cia bruta1 era de 86,6% em 1992, e passou para 98% em 2009. No entanto, essa universalização do ensino fundamental traz consigo outros desafios a serem enfrentados, dentre os quais se destacam a melhoria da qualidade do ensino e a regularização do fluxo escolar.

O problema da baixa cobertura do ensino fundamental brasileiro co-meçou a ser mais bem investigado somente a partir da década de 80. Antes

1 Percentual da população por faixa etária que frequenta escola, independentemente do grau de ensino em que está matriculada.

24Capítulo 2

disso, a partir de diagnósticos formulados com base nos dados dos Censos Escolares, se acreditava que o principal responsável pelo fracasso do sistema de ensino brasileiro eram as altas taxas de evasão, causadas por vários fato-res socioeconômicos externos ao sistema de ensino: pobreza, má distribui-ção de renda, desestruturação da família etc. Isso excluía a escola do ponto central de análise (GOLGHER, 2004; SOARES e LIMA, 2002).

No entanto, trabalhos questionando a elevada taxa de evasão passa-ram a apontar que as estatísticas oficiais brasileiras estavam erradas2. Dado que a definição correta de repetência é a frequência na mesma série do ano anterior, qualquer que seja o motivo, a definição errada, utilizada nos censos escolares até 1994, é que um aluno é repetente quando frequenta a mesma série do ano anterior por ter sido reprovado por frequência ou falta. Nesse caso, observa-se que, na definição errada, o aluno que deixa de frequentar a escola por abandono não era considerado um repetente quando retornava à escola no ano seguinte, fato este que inflava as taxas de evasão ao invés das taxas de repetência (KLEIN e FONTANIVE, 2009).

Dado isso, estudos feitos já na década de 90 conseguiram verificar que o maior problema nas escolas do país era, na verdade, as altas taxas de re-petência (KLEIN, 2006; RIBEIRO, 1991). Sendo assim, com a identificação do real problema do sistema de ensino brasileiro, novos trabalhos buscaram analisar a repetência de forma mais detalhada.

Segundo Ribeiro (1991) análises realizadas na década de 40 mostraram que, apesar de o acesso à educação básica ser de apenas 65% da população, a repetência na 1ª série do antigo curso primário era da ordem de 60%, o que repercutia em toda a vida acadêmica posterior do aluno. No entanto, mesmo com o passar do tempo e o empenho da redução dessa taxa, ainda em 2005, mesmo com o acesso à educação básica atingindo quase a totali-dade da população em idade correta, a taxa de repetência na 1ª série conti-nuava alta, em torno de 30% (KLEIN e FONTANIVE, 2009).

O principal problema dessa alta taxa de repetência, é que ela sinaliza não apenas uma falha da criança para dominar o conteúdo de uma deter-minada série, mas de forma mais ampla, representa uma ruptura da criança com o ambiente educacional (MCCOY e REYNOLDS, 1999). Além disso, a pro-babilidade de um aluno repetente repetir novamente é duas vezes maior do que um aluno que nunca repetiu, ou seja, a repetência tende a provocar no-vas repetências, ao contrário do que sugere a cultura pedagógica brasileira de que repetir ajuda a criança a progredir em seus estudos (RIBEIRO, 1991).

Na verdade a questão da repetência vem sendo discutida há um bom tempo na literatura internacional (EISENMON, 1997; BROPHY, 2006).

2 Ver, por exemplo, Golgher (2004), Rigotti (2001), Ribeiro (1991) e Soares (2006).

25 Capítulo 2

Segundo Jackson (1975) o interesse por esse tema remonta ao final do século XIX, e os resultados encontrados são substancialmente coeren-tes, no entanto, pouco foi feito para se solucionar essa questão (CRAHAY, 2006). Estudos feitos a esse respeito tiveram uma evolução importante, marcada pela melhora cada vez maior das técnicas de análise estatística (CRAHAY, 2006), pois segundo Jimerson et al. (1997), grande parte da discordância nos resultados encontrados se deve a problemas na meto-dologia adotada, principalmente a desenhos amostrais enviesados. No entanto, mesmo assim, parece não haver um consenso sobre os efeitos da repetência sobre o aluno retido, sobre seu aprendizado e ajustamento social (LUZ, 2008; MOREIRA et al., 2008).

Mesmo havendo discordância, a grande maioria dos pesquisadores desse tema argumenta que a repetência por si só não beneficia os alunos academicamente, podendo ser até prejudicial, em termos comportamentais e emocionais. McCoy e Reynolds (1999) concluem que repetência é uma prática reativa de educação, pois em todos os testes realizados, o desempe-nho das crianças retidas se manteve consistentemente aquém do desempe-nho dos seus colegas promovidos. Jimerson e Fegurson (2007) não consegui-ram demonstrar a eficácia de repetência no desempenho acadêmico. Além disso, análises sobre o comportamento dos alunos retidos sugerem que a repetência gera mais agressividade na adolescência. Meisels e Liaw (1993) encontraram que retenção em qualquer idade está associada com piores resultados acadêmicos e emocionais. Segundo os autores, estudantes não retidos demonstraram resultados mais elevados em testes, e menos proble-mas acadêmicos, emocionais e comportamentais do que o grupo retido. Es-pecialmente entre alunos mais velhos (estudantes do último ano do ensino fundamental e do ensino médio), a reprovação é um dos fatores com maior poder preditivo da probabilidade de evasão (JIMERSON et al. 2002; JACOB e LEFGREN, 2009). Além disso, a meta-análise realizada por Holmes (1990) apud Crahay (2006) indicou que dos 63 estudos investigados, todos encon-travam efeitos negativos da repetência, exceto um, que encontrava efeito positivo, porém tênue sobre a imagem que o aluno possuía de si próprio.

Ainda nessa linha, Glick e Sahn (2010) mostraram que as crianças que repetiam a segunda série do ensino fundamental tinham maiores probabi-lidades de abandonar a escola antes do término do fundamental, se com-paradas a crianças de mesma habilidade não cognitiva, mas que por estu-darem em escolas com padrão de reprovação diferente não haviam sido reprovadas. Manacorda (2012) também mostra que a repetência leva a um maior abandono e menor nível de aprendizado, mesmo após cinco anos da primeira reprovação, utilizando dados do Uruguai. Chen et al. (2010) e Díaz et al. (2012) chegam à conclusão semelhante de efeito negativo da

26Capítulo 2

repetência sobre a proficiência de crianças das áreas rurais da China e da Região Metropolitana de Santiago.

No entanto, alguns trabalhos apontam efeitos positivos da repetência. Alexander et al. (1999) argumenta que a repetência pode ser benéfica, des-de que a seleção dos alunos retidos seja feita de forma correta. De acordo com seus resultados, alunos com dificuldades específicas de aprendizado e crianças cuja habilidade e maturidade emocional não são adequadas a sua idade cronológica, podem ser favorecidos com o tempo adicional de apren-dizado proporcionado pela retenção (Alexander et al., 1999). Gomes-Neto e Hanushek (1994), ao analisar dados sobre o nordeste brasileiro encontraram evidências de que o desempenho dos alunos reprovados aumenta com a repetência. Os autores concluem que os alunos repetentes partem de um desempenho inferior em relação aos promovidos, mas o ano adicional cur-sado é mais do que suficiente para que eles neutralizem o diferencial de aprendizado que existia anteriormente. Além disso, segundo Soares e Lima (2007), pode ser que a ameaça da retenção funcione como um incentivo em sistemas que não têm outro modo de motivar o aluno. Lorence et al. (2002) encontram que a retenção de alunos de baixo desempenho da terceira sé-rie não prejudicava seu desempenho escolar futuro (cinco anos adiante), se comparados a alunos aprovados apenas por critérios sociais, algo análogo ao sistema de progressão automática brasileiro.

Um estudo recente de Wu et al. (2010) aponta benefícios da repetência em dimensões não cognitivas. Especificamente, crianças repetentes apre-sentam menor hiperatividade (reportada pelo professor), tristeza (reportada pelos colegas de turma) e melhor comportamento (reportado pelo profes-sor). Também encontram efeito de longo prazo da repetência na autoper-cepção do aluno repetente quanto a sua eficácia na escola e efeito de curto prazo apenas sobre sentimento de pertencimento a escola. Por fim, haveria efeitos negativos de longo prazo sobre a aceitação social do aluno repetente. Já Dong (2010) encontra que a repetência na pré-escola tem efeitos positi-vos, embora decrescentes no desempenho escolar até a terceira série.

No entanto, retomando a discussão da relação entre evasão e repe-tência, pode-se dizer que muitos casos de evasão escolar ocorrem somente depois de repetidas tentativas de aprovação. Em outras palavras, o aluno evadido típico tenta várias vezes concluir com sucesso uma série antes de finalmente desistir (SOARES e LIMA, 2007).

Nesse sentido, King et al. (1999), ao analisar os efeitos da política de retenção sobre o aumento dos anos de estudo, concluiu que a aprovação tem grande impacto sobre a continuidade do aluno no sistema de ensino. Os alunos promovidos apresentaram chance 40% maior que os retidos de continuarem na escola.

27 Capítulo 2

Além disso, existem outras evidências do efeito de repetição sobre eva-são escolar. Grissom e Shepard (1989) sugerem que a repetência leva ao abandono (entre 20-30%), mesmo depois de controlar os efeitos dos fatores que explicam a repetição em si, como nível socioeconômico e sexo. Para os EUA, Eide e Showalter (2001) descobriram que ao controlar a endogeneida-de da repetência através da estimação com variáveis instrumentais, há uma relação inversa entre repetência e evasão para alunos brancos, embora o tamanho do efeito seja muito pequeno na prática. Por sua vez, Jacob e Lef-gren (2004) encontram que a repetência possui efeito positivo sobre a profi-ciência na 3ª série, mas efeito muito baixo na 6ª série. Os mesmos autores, em trabalho de 2009 encontram que a repetência entre estudantes muito jovens não diminui a probabilidade de conclusão do ensino médio, mas que a repetência de estudantes de 8ª série de baixo desempenho acadêmico aumenta substancialmente a probabilidade de esses alunos evadirem no ensino médio. Allenswoth et al. (2005) encontram um pequeno efeito da repetência sobre o abandono dos alunos repetentes, embora para a base de dados utilizada, tenha havido uma diminuição proporcional no abandono dos alunos não repetentes.

Em suma, a justificativa mais comum para reprovação é que os alunos reprovados não adquiriram os conhecimentos e habilidades mínimas que lhes permitissem cursar a série subsequente. No entanto, um ponto que pre-cisa ser mais bem analisado sobre essa questão é que nesse modelo não caberia ao professor fixar os conteúdos e habilidades a serem adquiridos pelos alunos, os quais deveriam ser determinados por níveis mais elevados, como a secretaria da educação. Porém, a repetência pode ser utilizada pelos professores como forma de alterar a estrutura de incentivos dos alunos, ou seja, o professor pode usar a repetência como punição, para evitar compor-tamentos indesejados. Nesse caso, a repetência seria um instrumento que os professores poderiam utilizar para, além de induzir o aprendizado, evitar comportamentos inapropriados.

Como vimos, a literatura tem colocado em xeque os efeitos benéficos da repetência, embora haja alguma evidência em contrário, o que ilustra a importância do presente trabalho.

3. Metodologia

O objetivo dessa pesquisa é investigar a relação entre a taxa de promoção escolar a que foram expostas cada geração de indivíduos ao final da primeira etapa do ensino fundamental (4ª série/5º ano) sobre o desempenho e a permanência escolar futura dos indivíduos dessa geração.

28Capítulo 2

Particularmente, será investigado se maiores taxas de promoção escolar no início do ensino fundamental estariam levando a uma menor evasão escolar, tanto ao final do ensino fundamental como ao longo do ensino médio.

A investigação desse efeito causal pode padecer do problema de endo-geneidade, pois outros fatores podem estar associados tanto a maior pro-moção escolar como a menor evasão futura. Por exemplo, é possível que a “qualidade” dos alunos, em termos de capacidade e facilidade de aprendi-zado e do desenvolvimento de competências sociais, esteja melhorando ao longo do tempo. Assim, ao ingressarem no ensino fundamental, mais alu-nos conseguiriam ser aprovados e, pelo fato de terem mais facilidade de aprendizado, teriam uma menor taxa de evasão ao término do ensino fun-damental e no ensino médio. Uma melhoria tanto em aspectos cognitivos como não cognitivos durante os primeiros anos de vida, o acesso a creches de boa qualidade e a garantia de uma boa condição de saúde são exemplos de fatores que poderiam estar por detrás dessa melhoria da “qualidade” do aluno ingressante no ensino fundamental. Ou seja, as taxas de promoção escolar podem estar aumentando porque os alunos estão tendo menor difi-culdade para serem aprovados. Desse modo, a estimação de um modelo por mínimos quadrados ordinários que buscasse relacionar taxa de repetência e evasão no futuro seria enviesada.

Para contornar esse problema, é proposto nessa pesquisa o uso da abordagem de variáveis instrumentais. O instrumento a ser construído é decorrente de uma série de políticas adotadas amplamente pelas redes de ensino no Brasil ao longo dos anos 90 com o objetivo de combater a re-petência escolar no ensino fundamental. As políticas de não repetência ou de ciclos facilitaram a aprovação de alunos que, na ausência de tal política, seriam reprovados. Uma vez que a política foi extensiva a todos os alunos de determinada geração e sistema de ensino, ela provavelmente não está correlacionada a fatores não observados que afetam a taxa de evasão ao final do ensino fundamental ou ao longo do ensino médio. Por exemplo, a “qualidade não observada” dos alunos não deve estar relacionada com a adoção desse tipo de política, o que a tornaria um bom instrumento para o nosso contexto de pesquisa.

Como a redução das exigências para a aprovação não se deu de forma padronizada e simultânea nas redes de ensino públicas do país, é necessário que se proponha uma medida que capture a maior facilidade de aprovação dos alunos com a adoção desse tipo de proposta.

Para compreendermos a lógica dessa medida, imagine que para uma série específica de uma escola, pode-se obter uma distribuição de proficiên-cia dos alunos. A nossa hipótese é que, grosso modo, os alunos não apro-vados em uma série são os que estão na cauda inferior da distribuição de

29 Capítulo 2

notas. Se a proficiência é o critério determinante do processo de aprovação ou não do aluno, então essa hipótese é bastante razoável. Será denominado padrão de aprovação (ou nota de corte) a proficiência do último aluno apro-vado. Assim, uma escola que adotasse qualquer medida que dificultasse a reprovação do aluno (ciclos, progressão continuada etc.) levaria a uma dimi-nuição dessa nota de corte3.

Para calcular essa nota de corte, na prática, há alguns obstáculos a se-rem superados. Em primeiro lugar, não há disponibilidade de dados desa-gregados por escolas que permitam o cálculo desse padrão de aprovação separadamente para cada uma das escolas. O menor nível de desagregação com o qual conseguimos trabalhar são as unidades da federação. Assim, ao invés de analisarmos a distribuição de proficiência de cada escola, iremos analisar a distribuição de proficiência de cada unidade da federação. Obvia-mente, nesse caso não é claro que os alunos não aprovados da unidade da federação são aqueles com as menores proficiências do estado.4 Apesar de conscientes da imperfeição da medida adotada, acreditamos que ela seja uma medida aproximada que reflita a mudança dos padrões de aprovação entre estados e ao longo do tempo.

O segundo problema diz respeito ao fato que a distribuição de profi-ciência da geração como um todo em determinada série não é conhecida, exatamente pelo fato de nem todos os alunos terem sido aprovados. Assim, ao ser utilizada uma avaliação externa padronizada na 4ª série (5º ano) do ensino fundamental, a distribuição de proficiência para uma dada geração de alunos é uma distribuição truncada, pois nem todos os alunos daquela geração alcançaram a 4ª série (5º ano). Assim, para que seja possível re-cuperar o padrão de aprovação, é necessário fazer a hipótese de que a dis-tribuição de proficiência observada é uma normal truncada. De posse de estimativas da média e da variância da distribuição truncada e da proporção de alunos atrasados na geração, seria possível recuperar a nota de corte (ou padrão de aprovação) correspondente à geração com idade ideal para cursar a 4ª série (5º ano) do ensino fundamental.5 O cálculo será realizado para diferentes gerações e separado para cada uma das unidades da federação.

3 De fato, os dados da pesquisa BNDES-2012 mostram que 89% dos professores utilizam como principal motivo para reprovar um aluno o fato dele não ter adquirido as habilidades mínimas para avançar para a série seguinte, o que contribui para corroborar nossa hipótese de trabalho.4 Uma evidência a favor dessa hipótese é que, calculadas para todas as unidades da federa-ção, a média da proficiência dos alunos da 4ª série (5º ano) no SAEB é maior para os que estão na idade correta do que para os que estão atrasados.5 Note que se as proficiências dos alunos fossem medidas sem erro, bastaria selecionar a nota mais baixa entre os alunos da geração que se encontram na série correta (4ª série/5º ano). No en-tanto, devidos aos erros de medida, esse procedimento produziria uma medida com muito ruído.

30Capítulo 2

Vale destacar que, uma vez que o cálculo será realizado para a 4ª série (5º ano), a medida obtida será, na verdade, um indicador sintético das notas de corte com que os alunos da geração se defrontaram nos anos anteriores, ou seja, entre a 1ª e a 3ª série do ensino fundamental. Por fim, serão obtidas duas notas de corte: uma para matemática e outra para língua portuguesa.

Para explicitar a nossa estratégia empírica, seguindo procedimento se-melhante ao realizado em Oreopoulos (2006), foram geradas diversas célu-las de acordo com a unidade da federação e coorte de nascimento. Para o cálculo das coortes de nascimento, foi estabelecido o período de julho do ano t-1 a junho do ano t.

A equação a ser estimada é a seguinte:

Yic(t+k) = b Taxa Promoçãoict + fi + fc + eic(t+k) 1

Especificamente, iremos adotar k=4, 7, 8 e 9 e t =10. Yic(t+k) será definida como:

a) proporção da corte c na unidade da federação i que estava fora da escola quatro (k=4) períodos após a idade considerada ideal (t=10) para o término do primeiro ciclo do fundamental.

b) proporção da coorte c na unidade da federação i que estava estudando, embora com atraso escolar, quatro (k=4) períodos após a idade conside-rada ideal (t=10) para o término do primeiro ciclo do fundamental.

c) proporção da coorte c na unidade da federação i que possuía atraso escolar, estivesse ou não estudando, quatro (k=4) períodos após a idade considerada ideal (t=10) para o término do primeiro ciclo do fundamental.

d) proficiência média da geração em língua portuguesa e matemática, quatro (k=4) períodos após a idade considerada ideal (t=10) para o término do primeiro ciclo do fundamental.

Para k= 7, 8 e 9 (ou seja, para as idades de 17, 18 e 19 anos), Yic(t+k) será definida como:

e) proporção da coorte c na unidade da federação i que estava fora da escola e não tinha concluído o ensino médio k períodos após a idade considerada ideal (t=10) para o término do primeiro ciclo do fundamental.

f) proporção da coorte c na unidade da federação i que havia concluí-do o ensino fundamental k períodos após a idade considerada ideal (t=10) para o término do primeiro ciclo do fundamental.

31 Capítulo 2

g) proporção da coorte c na unidade da federação i que havia concluído o ensino médio k períodos após a idade considerada ideal (t=10) para o tér-mino do primeiro ciclo do fundamental.

h) proporção da coorte c na unidade da federação i que havia ingressa-do no ensino superior k períodos após a idade considerada ideal (t=10) para o término do primeiro ciclo do fundamental.

Taxa Promoçãoict é definida como a taxa de promoção escolar da coorte c na unidade da federação i no tempo t, ou seja, aos 10 anos de idade. Mais especificamente, ela representa a média das taxas de promoção às quais a coorte c esteve exposta durante as três primeiras séries do ensino funda-mental. Quanto maior for essa taxa, menor seria a repetência e a evasão es-colar desses alunos. fi e fc representam efeitos fixos de unidade de federação e de coorte, respectivamente.

A identificação do efeito das taxas de promoção é realizada através da variável instrumental padrão de aprovação (a), obtida a partir do seguinte processo. Seja Y~N(µ, σ2) a distribuição de proficiência dos alunos da coorte c, caso todos eles tivessem a sua proficiência observada na 4ª série do EF em um dado ano. No entanto, essa distribuição não é observada, pois uma parte dos alunos da coorte pode já apresentar algum atraso escolar ou ter evadido. A partir dos dados de proficiência dos alunos da coorte c no ano t, obtém-se a média e a variância das distribuições truncadas à esquerda do ponto de corte a, seguindo Greene (2010), como:

E(YY > a) = µ + σλ(α)

Var(YY > a) = σ2{1 – λ(α)[λ(α) – α]}

Onde α = (a – µ)σ e λ(α) = φ (α)

1 - φ(α) é a razão de Mills invertida. Admi- te-se que as variáveis do lado esquerdo das duas expressões acima sejam conhecidas.6 Manipulando essas expressões, pode-se mostrar que a pode ser escrito como:

a = E(YY > a) + σ[α – λ(α)]

O valor de α é conhecido, pois representa o ponto de corte em uma N(0,1) que deixa τ% dos alunos abaixo de α. Ora, uma vez que conhecemos a proporção de alunos de cada geração que não estava cursando a 4ª série

6 Na verdade, elas serão estimadas.

32Capítulo 2

(5º ano) na idade correta, conhecemos τ% e, portanto, da distribuição N(0,1) , conhecemos α. Com isso, obtém-se facilmente λ e, da expressão da Var(Y|Y > a) , obtém-se σ, que, finalmente, permite calcular a.

O cálculo de a é realizado para cada coorte de cada unidade da federa-ção aos 10 anos de idade. Se a redução dos critérios de aprovação foi efetiva, ela proporcionou uma diminuição dos valores de a, fazendo com que o ins-trumento esteja correlacionado com a taxa de promoção escolar da geração.

4. Dados

Agora é apresentada a base de dados utilizada para a estimação do modelo. Ela foi construída por meio de microdados gerados por avalia-ções, pesquisas e exames realizados pelo INEP e IBGE e compreende, para cada geração e unidade da federação, as variáveis que em sequência são apresentadas.

O banco de dados foi montado em formato de um painel de gerações, sendo possível a construção de seis gerações, definidas da seguinte forma:

Geração 1: nascidos entre julho de 1984 e junho de 1985;Geração 2: nascidos entre julho de 1986 e junho de 1987;Geração 3: nascidos entre julho de 1988 e junho de 1989;Geração 4: nascidos entre julho de 1990 e junho de 1991;Geração 5: nascidos entre julho de 1992 e junho de 1993;Geração 6: nascidos entre julho de 1994 e junho de 1995.7

De acordo com a nomenclatura da equação (1), foram utilizadas variá-veis de cada geração em períodos de tempo distintos, que denominaremos de inicial (t) e final (t+k).

O tempo inicial corresponde ao momento no qual os alunos pertencen-tes a uma determinada geração e unidade da federação estariam na idade ideal para cursarem a 4ª série do ensino fundamental de oito anos (ou 5º ano do ensino fundamental de nove anos). Por exemplo, para a geração nas-cida entre julho de 1984 e junho de 1985, esse tempo seria o ano de 1995.

O tempo final corresponde ao valor de k no qual os alunos dessa gera-ção estariam com 14, 17, 18 ou 19 anos.

7 Note que as gerações são definidas de tal sorte que há um intervalo de um ano entre cada uma delas. Essa opção teve que ser feita pois só é possível avaliar a proficiência aos 14 anos nos períodos em que ocorre o SAEB, ou seja, 1999, 2001, 2003 e 2005.

33 Capítulo 2

O quadro 1 permite verificar que foi possível a construção de seis ge-rações de indivíduos, embora para nem todas elas será possível o cálculo de todas as variáveis dependentes, dada a não disponibilidade de dados mais recentes.

Vamos agora descrever as bases de dados utilizadas para a montagem das variáveis usadas na pesquisa. No caso das variáveis dependentes, serão utilizados os dados da PNAD para calcular a proporção de indivíduos que estava fora da escola aos 14, 17, 18 e 19 anos, por unidade da federação. Ainda com o uso dos dados da PNAD, será possível averiguar quantos dos indivíduos de uma geração terminaram o ensino fundamental e o ensino médio em cada uma dessas mesmas faixas etárias. A PNAD não é realizada em anos do Censo Demográfico, de modo que não dispomos de PNADs para os anos 2000 e 2010.

Para a montagem da variável explicativa taxa de promoção escolar, as informações foram extraídas do Sistema de Estatísticas Educacionais (EdudataBrasil) disponível no site do INEP8. A taxa de promoção escolar foi construída da seguinte maneira: para cada célula definida por geração e unidade da federação, foi calculada a média das taxas de promoção re-ferentes aos 3 anos anteriores do ensino fundamental (1ª, 2ª e 3ª séries). Assim, por exemplo, para a geração 1 do estado de São Paulo (lembrando que estão nessa geração alunos que nasceram entre julho de 1984 e junho de 1985 e, portanto, deveriam estar na 4ª série do ensino fundamental de 8 anos em 1995), foi feita uma média das taxas de promoção escolar utili-zando as seguintes informações:

• Taxa de promoção da 1ª série no estado de São Paulo em 1992;• Taxa de promoção da 2ª série no estado de São Paulo em 1993;• Taxa de promoção da 3ª série no estado de São Paulo em 1994.

Geração Tempo inicial Tempo final Tempo final Tempo final Tempo final 10 anos 14 anos 17 anos 18 anos 19 anos 1 1995 1999 2002 2003 2004 2 1997 2001 2004 2005 2006 3 1999 2003 2006 2007 2008 4 2001 2005 2008 2009 - 5 2003 2007 - 2011 - 6 2005 2009 - - -Fonte: Elaboração própria

Quadro 1 – Ilustração do banco de dados

8 As informações das taxas de promoção por UF para alguns anos foram obtidas junto ao Prof. Ruben Klein, ao qual agradecemos pela gentileza do fornecimento das mesmas.

34Capítulo 2

Esses anos foram escolhidos, pois foi exatamente neles que os alunos da geração 1 frequentaram a 1ª, 2ª e 3ª série e que a possível retenção ou evasão escolar ocorreram. Assim, a taxa de promoção reflete qual o padrão de promoção ao qual a geração c foi exposta durante os primeiros anos do ensino fundamental. Ela foi calculada para as 6 gerações de todas as uni-dades da federação, considerando sempre os anos que cada geração tinha idade ideal para cursar a 1ª, 2ª e 3ª séries (2º, 3º e 4º anos).

Para o cálculo da variável instrumental “padrão de aprovação”, foram necessárias as seguintes informações referentes ao período inicial dos dados:

• Média e variância da proficiência em língua portuguesa e matemáti-ca, por célula definida por geração e unidade da federação, na 4ª série do ensino fundamental para os alunos que não apresentavam nenhum atraso escolar, a partir dos dados do SAEB de 1995, 1997, 1999, 2001, 2003 e 2005, correspondendo, respectivamente a [E(Y|Y > a)] e [Var(Y|Y > a)].

• Proporção dos alunos atrasados ou fora da escola, por célula de ge-ração e unidade da federação, utilizando dados da PNAD para esses mesmos períodos, representada por τ%.

5. Análise Descritiva

A partir de agora, vamos apresentar algumas estatísticas descritivas das principais variáveis do estudo. No Anexo, encontram-se gráficos com as es-tatísticas desagregadas por unidades da federação. Inicialmente, apresenta-mos a evolução da proporção de indivíduos fora da escola aos 14, 17, 18 e 19 anos. Para 17 a 19 anos, essa proporção exclui os alunos que estavam fora da escola e já haviam concluído o ensino médio. O primeiro ponto a ser desta-cado é que caiu praticamente à metade ao longo de 10 anos a proporção de jovens com 14 anos fora da escola (entre 1999 e 2009). Já para os jovens com 17, 18 e 19 anos, essa tendência de redução é menos acentuada. (Tabela 1)

Em seguida, vamos apresentar a evolução da variável padrão de apro-vação e da taxa de promoção escolar do primeiro ciclo do ensino funda-mental, respectivamente, a variável instrumental e a variável de interesse do presente estudo. (Tabela 2)

Com relação ao padrão de aprovação, há uma queda consistente para quase todas as gerações, exceto a mais nova, que experimentou uma eleva-ção no padrão de aprovação, se considerada a proficiência do SAEB em por-tuguês e estabilidade em matemática. Como era de se esperar, a diminuição do padrão de aprovação está correlacionada com a evolução da taxa de pro-moção que cresceu 15 pontos percentuais no período. Além disso, a análise

35 Capítulo 2

dos gráficos no Anexo permite constatar a grande variabilidade do padrão de aprovação entre as diferentes unidades da federação ao longo do tempo, o que no nosso caso é importante para que tenhamos variação suficiente nessa variável que permita identificar o efeito da taxa de promoção escolar sobre os indicadores educacionais futuros.

Na Tabela 3, é possível verificar que houve uma diminuição de 14 pontos percentuais na proporção de alunos atrasados, entre os que estavam estudando

14 anos 17 anos 18 anos 19 anosGeração 1 9,22% 25,5% 29,0% 33,9%Geração 2 8,15% 23,7% 29,7% 31,7%Geração 3 7,05% 23,4% 26,6% 29,3%Geração 4 6,95% 21,1% 26,0% -Geração 5 6,60% - 24,3% -Geração 6 4,98% - - -

Padrão de Aprovação Padrão de Aprovação Taxa de Português Matemática Promoção Escolar Geração 1 139,3 146,2 62,78%Geração 2 135,6 143,1 66,44%Geração 3 118,2 132,6 72,69%Geração 4 110,3 124,1 74,81%Geração 5 114,0 123,3 76,12%Geração 6 119,6 123,5 77,34%

Tabela 1 – Evolução da proporção de jovens fora da escola aos 14 anos e da proporção de jovens fora da escola e que não haviam concluído o ensino médio aos 17, 18 e 19 anos entre as gerações

Tabela 2 – Evolução do padrão de aprovação e da taxa de promoção esco-lar das gerações aos 10 anos de idade

Fonte: Elaboração própria.


Atrasados, Atrasados, não Proficiência Proficiência em mas estudando fora da escola ou em Português Matemática Geração 1 64,07% 66,88% 141,1 146,8Geração 2 58,52% 61,28% 153,5 157,8Geração 3 51,80% 54,48% 163,3 172,6Geração 4 50,12% 52,96% 165,6 170,5Geração 5 48,59% 51,27% 172,7 184,6Geração 6 50,18% 52,13% 175,9 180,4

Tabela 3 – Evolução da proficiência média da geração (destruncada) ao final do ensino fundamental e da proporção de alunos das gerações em diferentes situações, aos 14 anos de idade

Fonte: Elaboração própria. Unidade de medida do padrão de aprovação: escala SAEB

36Capítulo 2

em um período de 10 anos. Redução de mesma magnitude é verificada entre os atrasados, estivessem ou não estudando. Por outro lado, a proficiência média da geração aumentou mais de 30 pontos na escala SAEB no período de 10 anos.

Nas duas próximas tabelas, vamos apresentar a evolução das taxas de conclusão do ensino fundamental e do ensino médio aos 17, 18 e 19 anos. Como podemos observar, as taxas de conclusão desses dois ciclos de ensino vêm aumentando significativamente a cada geração. Um exemplo disso é o aumento de 11 pontos percentuais da taxa de conclusão desses dois ciclos de ensino para os jovens com 18 anos (ou seja, entre 2003 e 2011).

17 anos 18 anos 19 anosGeração 1 55,0% 63,5% 66,0%Geração 2 60,4% 66,5% 70,4%Geração 3 64,0% 68,9% 73,7%Geração 4 68,1% 72,7% -Geração 5 - 74,9% -Geração 6 - - -

Tabela 4 – Evolução da taxa de conclusão do ensino fundamental aos 17, 18 e 19 anos entre as gerações



Tabela 5 – Evolução da taxa de conclusão do ensino médio aos 17, 18 e 19 anos entre as gerações



Tabela 6 – Evolução da taxa de ingresso no ensino superior aos 17, 18 e 19 anos entre as gerações


Por fim, é apresentada a evolução da taxa de ingresso no ensino su-perior para os jovens com 17, 18 e 19 anos. Conforme podemos observar,

37 Capítulo 2

assim como a taxa de conclusão do ensino médio vem aumentando com as gerações, a taxa de ingresso no ensino superior também vem crescendo nos últimos anos. Entre os jovens com 18 anos, a taxa de ingresso no ensino superior cresceu mais de 50% entre 2003 e 2011.

6. Análise dos resultados

Nessa seção, serão apresentados os resultados das estimações do efei-to das taxas de promoção escolar (instrumentalizadas pelo padrão de apro-vação) sobre as diversas variáveis de desempenho futuro.

Inicialmente, serão apresentados os resultados do primeiro estágio da estimação do modelo de variáveis instrumentais, em que a taxa de promo-ção escolar é instrumentalizada por duas medidas construídas do padrão de aprovação, com base nas proficiências de português e matemática.

Variável Dependente Taxa de Promoção Escolar Média das 3 séries iniciais do EF Padrão de Aprovação - Matemática -0,070 (0,098) Padrão de Aprovação - Português -0,084 (0,079) Dummies de geração Sim Dummies de UF Sim R2 0,96 N 162

Tabela 7 – Regressão de Primeiro Estágio – MQ2E

Obs: *: significativo a 5%. As regressões foram ponderadas pelo tamanho da célula UF-geração.

Os resultados do primeiro estágio mostram que, apesar de os coefi-cientes individuais das variáveis de padrão de aprovação serem ambos não significativos, a realização do teste F de significância conjunta evidenciou que pelo menos um deles é diferentes de zero (p-valor = 0,001). Assim, exis-te relação significativa entre o padrão de aprovação e a taxa de promoção escolar no ensino fundamental, já considerados os efeitos de geração e UF.

As tabelas seguintes apresentam os resultados das regressões de se-gundo estágio. Em cada tabela, os resultados da primeira coluna capturam a correlação entre a taxa de promoção escolar e a variável dependente, sem a adição de nenhum controle. Na segunda, adicionamos dummies de geração. Na terceira, retiram-se as dummies de geração e se adiciona dummies de UF. E na coluna D, adicionam-se tanto dummies de geração como de UF, sendo nossa especificação preferida.

38Capítulo 2

Na Tabela 8, o sinal do coeficiente nas três primeiras colunas é negati-vo, embora não significativo nas colunas A e B. Ao se controlar por dummies de UF e geração conjuntamente, não se encontra efeito da taxa de promoção escolar sobre a fração de jovens fora da escola aos 14 anos.

A B C DTx. Promoção Escolar -0,00293 -0,00121 -0,00180** 0,00171 (0,00193) (0,00076) (0,00034) (0,00148)Dummies de geração Não Sim Não Sim Dummies de UF Não Não Sim SimR2 . 0,37 0,60 0,57N 162 162 162 162

Tabela 8 – Efeito do Taxa de Promoção Escolar sobre a Fração de Jovens de 14 anos Fora da Escola

Obs: +: significativo a 10%; *: significativo a 5%; **: significativo a 1%. As regressões foram ponderadas pelo tamanho da célula UF-geração.

Na Tabela 9, os resultados sobre a proporção da geração que está com atraso escolar são significativos, indicando que aumento de 1 ponto per-centual na taxa de promoção escolar, reduz a proporção da geração com atraso em 1,17 pontos percentuais. Esse valor é semelhante (1,32 p.p.) no caso do efeito sobre a proporção da geração que está atrasada, embora estudando (Tabela 10).

As tabelas 11 e 12 mostram que há efeito importante das taxas de promoção escolar sobre a proficiência escolar da geração aos 14 anos. O aumento de 1 ponto percentual na taxa de promoção escolar elevou, em média, a proficiência de português em 5,3 pontos na escala SAEB e a de ma-temática em 4,2 pontos na mesma escala.

Assim, os resultados das tabelas 8 a 12 indicam que políticas de redução dos critérios de aprovação podem ter um efeito de diminuir o atraso escolar e, pelo fato desse efeito se verificar também para os que se encontravam fora da escola aos 14 anos, mostra que o efeito é obtido rapidamente. Ou seja, apesar de não afetar a proporção de jovens fora da escola, acaba elevando o número de anos de estudo completo aos 14 anos, tanto de quem permaneceu na escola como de quem abandonou os estudos. Por fim, mesmo levando em consideração que, provavelmen-te, os alunos que abandonaram a escola aos 14 anos eram os de menor proficiência escolar, obteve-se efeito positivo na proficiência escolar aos 14 anos, o que pode indicar que uma menor repetência pode estar con-tribuindo para facilitar o aprendizado dos alunos, em linha com os resul-tados da literatura internacional.

39 Capítulo 2

A B C DTx. Promoção Escolar -0,01502** -0,00642+ -0,01093** -0,01169** (0,00476) (0,00368) (0,00119) (0,00426)Dummies de geração Não Sim Não Sim Dummies de UF Não Não Sim SimR2 0,77 0,69 0,93 0,93N 162 162 162 162

Tabela 9 – Proporção da geração atrasada, fora da escola ou não, aos 14 anos

Obs: +: significativo a 10%; *: significativo a 5%; **: significativo a 1%;. As regressões foram ponderadas pelo tamanho da célula UF-geração.

A B C DTx. Promoção Escolar -0,01445** -0,00665+ -0,01084** -0,01319** (0,00479) (0,00388) (0,00126) (0,00468)Dummies de geração Não Sim Não Sim Dummies de UF Não Não Sim SimR2 0,79 0,68 0,92 0,92N 162 162 162 162

Tabela 10 – Proporção da geração estudando, mas atrasada, aos 14 anos


A B C DTx. Promoção Escolar 1,03214 3,80562** 2,59771** 5,34775** (1,77413) (1,06233) (0,46799) (1,91632)Dummies de geração Não Sim Não Sim Dummies de UF Não Não Sim SimR2 0,44 0,75 0,88 0,81N 162 162 162 162

Tabela 11 – Proficiência em matemática (SAEB) destruncada aos 14 anos


A B C DTx. Promoção Escolar 0,60571 3,88999** 2,35352** 4,22591* (1,90794) (1,13004) (0,43132) (1,79748)Dummies de geração Não Sim Não Sim Dummies de UF Não Não Sim SimR2 0,29 0,71 0,88 0,83N 162 162 162 162

Tabela 12 – Proficiência em português (SAEB) destruncada aos 14 anos


40Capítulo 2

Em seguida, são apresentados os resultados referentes ao efeito da taxa de promoção escolar sobre a proporção de jovens que concluiu o ensi-no fundamental, aos 17, 18 e 19 anos. Na coluna D, percebe-se que apenas os resultados para 18 anos são significativos, indicando que um aumento de 1 p.p. na taxa de promoção escolar eleva a taxa de conclusão do ensino fundamental aos 18 anos em 0,6 p.p.. Note que os resultados para 18 anos consideram cinco gerações, enquanto que para 17 e 19 anos incluem quatro e três gerações, respectivamente.

A B C DTx. Promoção Escolar 0,00975** 0,01085** 0,00972** 0,00819 (0,00292) (0,00221) (0,00157) (0,00513)Dummies de geração Não Sim Não Sim Dummies de UF Não Não Sim SimR2 0,85 0,86 0,92 0,94N 108 108 108 108

Tabela 13 – Proporção da geração que concluiu o fundamental aos 17 anos

Obs: +: significativo a 10%; *: significativo a 5%; **: significativo a 1%. As regressões foram ponderadas pelo tamanho da célula UF-geração

A B C DTx. Promoção Escolar 0,00704** 0,00890** 0,00760** 0,00631+ (0,00263) (0,00205) (0,00109) (0,00342)Dummies de geração Não Sim Não Sim Dummies de UF Não Não Sim SimR2 0,80 0,83 0,90 0,91N 135 135 135 135

Tabela 14 – Proporção da geração que concluiu o fundamental com 18 anos


A B C DTx. Promoção Escolar 0,00760** 0,01057* 0,00595** 0,00027 (0,00236) (0,00460) (0,00168) (0,00363)Dummies de geração Não Sim Não Sim Dummies de UF Não Não Sim SimR2 0,79 0,80 0,93 0,96N 81 81 81 81

Tabela 15 – Proporção da geração que concluiu o fundamental com 19 anos


41 Capítulo 2

Os resultados referentes ao efeito sobre a taxa de conclusão do ensino médio, novamente, só são significativos para os 18 anos, com efeito margi-nal de 0,76 pontos percentuais.

A B C DTx. Promoção Escolar 0,00394** 0,00097 0,00310** 0,00202 (0,00139) (0,00137) (0,00051) (0,00189)Dummies de geração Não Sim Não Sim Dummies de UF Não Não Sim SimR2 0,17 0,35 0,82 0,83N 108 108 108 108

Tabela 16 – Proporção da geração que concluiu o ensino médio aos 17 anos


A B C DTx. Promoção Escolar 0,01013** 0,00314 0,00816** 0,00759* (0,00237) (0,00393) (0,00074) (0,00337)Dummies de geração Não Sim Não Sim Dummies de UF Não Não Sim SimR2 0,82 0,51 0,94 0,94N 135 135 135 135

Tabela 17 – Proporção da geração que concluiu o ensino médio com 18 anos


A B C DTx. Promoção Escolar 0,00702 0,01028* 0,00571** -0,00036 (0,00455) (0,00514) (0,00128) (0,00263)Dummies de geração Não Sim Não Sim Dummies de UF Não Não Sim SimR2 0,73 0,85 0,96 0,98N 81 81 81 81

Tabela 18 – Proporção da geração que concluiu o ensino médio com 19 anos


Em seguida, analisamos o efeito das taxas de promoção sobre a pro-porção de jovens da geração que ingressou no ensino superior. Novamente, apenas os resultados aos 18 anos são significativos na coluna D, indicando que aumento de 1 p.p na taxa de promoção escolar leva a acréscimo de 0,25 p.p. na proporção de jovens da geração que ingressou no ensino superior.

42Capítulo 2

A B C DTx. Promoção Escolar 0,00183+ 0,00064 0,00149** 0,00081 (0,00095) (0,00058) (0,00021) (0,00076)Dummies de geração Não Sim Não Sim Dummies de UF Não Não Sim SimR2 . 0,32 0,73 0,77N 108 108 108 108

A B C DTx. Promoção Escolar 0,00456** 0,00371* 0,00360** 0,00255+ (0,00155) (0,00152) (0,00036) (0,00153)Dummies de geração Não Sim Não Sim Dummies de UF Não Não Sim SimR2 0,49 0,63 0,86 0,87N 135 135 135 135

Tabela 19 – Proporção da geração no ensino superior aos 17 anos

Tabela 20 – Proporção da geração no ensino superior com 18 anos



A B C DTx. Promoção Escolar 0,00584** 0,00748 0,00370** 0,00155 (0,00202) (0,00529) (0,00092) (0,00217)Dummies de geração Não Sim Não Sim Dummies de UF Não Não Sim SimR2 0,57 0,23 0,90 0,92N 81 81 81 81

Tabela 21 – Proporção da geração no ensino superior com 19 anos


Por fim, reportamos os resultados sobre a proporção de jovens que abandonou a escola antes de concluir o ensino médio. Mais uma vez, há re-sultados significativos apenas aos 18 anos, indicando que aumentos de 1 p.p. na taxa de promoção escolar diminui essa proporção em 0,47 p.p. (coluna D).

Em todos os resultados envolvendo as análises dos indivíduos aos 17, 18 e 19 anos, foi encontrada variabilidade de resultados, sendo que os re-sultados são, geralmente, significativos aos 18 anos, mas nem sempre aos 17 e 19 anos, dependendo das especificações. Isso pode estar ocorrendo pelo diferente número de observações que é utilizado em cada faixa etária.

43 Capítulo 2

A B C DTx. Promoção Escolar -0,00139 0,00036 -0,00302** -0,00247 (0,00180) (0,00196) (0,00056) (0,00187)Dummies de geração Não Sim Não Sim Dummies de UF Não Não Sim SimR2 0,30 . 0,82 0,84N 108 108 108 108

Tabela 22 – Proporção da geração fora da escola e que não concluiu o ensino médio, aos 17 anos


A B C DTx. Promoção Escolar -0,00578* 0,00228 -0,00386** -0,00469+ (0,00293) (0,00337) (0,00061) (0,00246)Dummies de geração Não Sim Não Sim Dummies de UF Não Não Sim SimR2 . . 0,79 0,80N 135 135 135 135

Tabela 23 – Proporção da geração fora da escola e que não concluiu o ensino médio, aos 18 anos


A B C DTx. Promoção Escolar -0,00401+ 0,00415 -0,00313** 0,00283 (0,00241) (0,01223) (0,00107) (0,00233)Dummies de geração Não Sim Não Sim Dummies de UF Não Não Sim SimR2 0,54 . 0,87 0,91N 81 81 81 81

Tabela 24 – Proporção da geração fora da escola e quenão concluiu o ensino médio, aos 19 anos


De acordo com o Quadro 1, devido à disponibilidade de dados, há apenas informações para apenas três gerações aos 19 anos, para quatro gerações aos 17 anos e para cinco gerações aos 18 anos. Assim, nas especificações econométricas aos 17 e 19 anos, especialmente quando controles para ge-ração e UF são utilizados, acaba havendo poucos graus de liberdade para a estimação do modelo, o que pode explicar a variação nos resultados en-contrados para diferentes faixas etárias.

44Capítulo 2

De qualquer modo, o conjunto das análises para a idade de 18 anos permite assegurar a existência de um link de longo prazo entre políticas rea-lizadas ao longo do ensino fundamental e resultados mais de sete anos a frente. É possível que vencida a barreira da primeira etapa do ensino fun-damental, com o auxílio de politicas de diminuição dos critérios de aprova-ção, os alunos passem a se sentir mais estimulados e motivados, levando-os a não romper definitivamente seus vínculos com o ambiente escolar, pelo contrário, prolongam sua permanência na escola. Ademais, cabe destacar que o fato de haver maior proficiência aos 14 anos e menores indicadores de evasão escolar aos 18 anos está em linha com resultados anteriormente obtidos por Gremaud et al. (2011), que relacionaram a proficiência escolar ao término do ensino fundamental e a decisão de permanecer estudando ao longo do ensino médio.

7. Conclusões

O presente artigo teve por objetivo avaliar o impacto das políticas de combate à repetência escolar que foram adotadas no Brasil nos anos 90 so-bre a trajetória educacional dos estudantes a elas submetidos. De modo ge-ral, essas políticas implicaram em uma redução das exigências acadêmicas necessárias para a promoção dos alunos. Nos casos limites, a reprovação foi simplesmente proibida.

Os defensores dessas políticas alegavam que a repetência escolar em nada contribuía para o desenvolvimento acadêmico dos reprovados. Ela não promovia melhor aprendizado, além de fomentar a evasão escolar. Já os crí-ticos alegavam que combater a repetência simplesmente pela redução dos padrões de aprovação constituía-se em uma fraude. Promover o aluno sem que o mesmo tenha obtido um mínimo de aprendizado não poderia ser visto como algo em favor desse aluno. Apesar do acalorado debate sobre o assun-to, o fato é que estudos sistemáticos, procurando avaliar o impacto causal dessas políticas, são, praticamente, inexistentes no Brasil.

A questão chave a ser respondida é: como estariam os alunos benefi-ciados pelas políticas de redução do padrão de aprovação caso tais políticas não tivessem sido implantadas? A dificuldade em responder essa questão se deve ao fato de que a taxa de reprovação depende tanto dos critérios de aprovação quanto do desempenho dos alunos. Portanto, o impacto causal das políticas de combate à repetência não pode ser inferido a partir de uma regressão entre taxas de reprovação e desempenho futuro dos estudantes.

Assim, para responder essa questão, construímos um indicador dos critérios de aprovação que determinada geração em determinada Uni-

45 Capítulo 2

dade da Federação esteve submetida. Esse indicador mostrou que os padrões de aprovação foram sendo afrouxados entre o final dos anos 90 e início dos anos 2000, período em que se observou uma significati-va redução nas taxas de reprovação escolar na primeira fase do ensino fundamental. Esse indicador foi utilizado como instrumento da taxa de promoção escolar e, desse modo, foi possível investigar o impacto da redução das taxas de repetência, ocorridas em função das políticas de redução dos critérios de aprovação, sobre o desempenho educacional futuro dos alunos beneficiados por essas políticas.

Os resultados mostraram que o fluxo educacional melhorou no ensino fundamental sem que se verificasse uma queda no desempenho educacio-nal dos estudantes pertencentes às gerações beneficiadas por essas políti-cas. Na verdade, nossos resultados mostraram que essas políticas tiveram um impacto positivo no desempenho acadêmico das gerações que foram expostas a padrões de aprovação mais frouxos.

Na idade de 18 anos, critérios mais brandos para aprovação na 1ª fase do ensino fundamental implicaram em maior taxa de conclusão e menor evasão escolar no ensino médio, além de maior taxa de ingresso no ensino superior.

Em suma, os resultados obtidos neste artigo corroboram a tese de que as políticas de redução dos padrões de aprovação beneficiaram os estudan-tes que foram por elas impactados, ou seja, aqueles que teriam enfrentado mais repetências, caso tais políticas não tivessem sido implantadas.

Referências Bibliográficas

ALEXANDER, K.; ENTWISLE, D.; KABBANI, N. Grade retention, social promotion, and “third way” alternatives. Paper presented at the National Invitational Conference hosted by the Laboratory for Student Success at Temple University for Research in Human Development and Education. Alexandria, Virginia, 1999.

ALLENSWOTH, E. M. Dropout Rates After High-Stakes Testing in Elementary School: A Study of the Contradictory Effects of Chicago’s Efforts to End Social Promotion. Educational Evalua-tion and Policy Analysis, v.27, ed. 4, p. 341-364, 2005.

BROPHY, J. Grade Repetition, Education Policy Series, International Institute for Educational Planning, International Academy of Education, UNESCO, Paris, 2006.

CHEN, X.; LIU, C.; ZHANG, L.; SHI, Y.; ROZELLE, S. Does taking one step back get you two steps forward? Grade retention and school performance in poor areas in rural China. Internatio-nal Journal of Educational Development, v. 30, n. 6, p. 544–559, 2010.

CRAHAY, M., Cadernos de Pesquisa, v. 36, n. 127, p. 223-246, jan./abr. 2006.DÍAZ, O. E.; GUAJARDO, D. C.; FIEGEHEN, L. G.; CAMPOS, J. L.; GRAU, E. S. C. Fatores intraes-

colares associados ao abandono escolar no Chile: um estudo de caso. Revista Lusófona de Educação, 2012.

46Capítulo 2

DONG, Y. Kept Back to Get Ahead? Kindergarten Retention and Academic Performance. Euro-pean Economic Review, v. 54, n. 2, p. 219–236, 2010.

EIDE, E. R.; SHOWALTER M. H. The effect of grade retention on educational and labor market outcomes, Economics of Education Review, v. 20, p. 563–576, 2001.

EISENMON, T. Reducing repetition: Issues and strategies. Paris: IIEP-UNESCO, 1997.GLICK, P.; SAHN, D. Early Academic Performance, Grade Repetition, and School Attainment in

Senegal: A Panel Data Analysis. World Bank Economic Review, v. 24, ed. 1, p. 93-120, 2010.GOLGHER, A. Modelo profluxo e indicadores derivados. In: RIOS-NETO, E., RIANI, J.(Org.) In-

trodução à Demografia da Educação, Campinas, Associação Brasileira de Estudos Popula-cionais – ABEP, 2004.

GOMES-NETO, J.B., HANUSHEK, E.A. Causes and Consequences of Grade Repetition: Evidence from Brazil. Economic Development and Cultural Change v.43 n.1 p.117-148. 1994.

GREENE, W. Econometric Analysis. 7ª ed,. Prentice-Hall, 2011.GREMAUD,A.; NICOLELLA, A.; SCORZAFAVE, L.; OLIVEIRA, R.; SOARES,T; BELLUZZO-JUNIOR,

W.; Relação entre abandono escolar no ensino médio e desempenho escolar no ensino fundamental brasileiro. Relatório de Pesquisa – Instituto Unibanco, 2011.

GRISSOM, J.B.; SHEPARD, L. A. Repeating and Dropping Out of School. In: SHEPARD, L. A.; SMITH, M. L. (Org.). Flunking Grades: Research and Policies on Retention. London: Falmer Press, 1989.

HOLMES, C. T. Grade level retention effects: a meta-analysis of research studies. In: SHEPARD, L. A.; SMITH, M. L. (Org.) Flunking grades: research and policies on retention, Bristol: Falmer Press, 1990, p.16-33

HORTA NETO, J. L. Um olhar retrospectivo sobre a avaliação externa no Brasil: das primeiras medições em educação até o SAEB de 2005. Revista Iberoamericana de Educación, n. 42/5, 2007.

JACKSON, G. The research evidence on the effects of grade retention. Review of Educational Research, v. 45, p. 613–635. 1975.

JACOB, B.; LEFGREN, L, The effect of grade retention on high school completion, American Economic Journal: Applied Economics, v. 1, n. 3, p. 33-58, 2009.

____________________ Remedial Education and Student Achievement: A Regression-Dis-continuity Analysis, American Economic Review, v. 86, n. 1, p. 226-244, 2004.

JIMERSON, S.; CARLSON, E.; ROTERT, M.; EGELAND, B.; SROUFE, L.A. A Prospective, longitudi-nal study of the correlates and consequences of early grade retention. Journal of School Psychology, n.35, p. 3-25. 1997.

JIMERSON, S. R.; ANDERSON, G. E.; WHIPPLE, A. D. Winning the battle and losing the war: Exa-mining the relation between grade retention and dropping out of high school. Psychology in the Schools, n. 39, p. 441-457, 2002.

JIMERSON, S. R.; FERGUSON, P. A Longitudinal Study of Grade Retention: Academic and Be-havioral Outcomes of Retained Students through Adolescence. School Psychology Quar-terly, Washington, 2007.

KLEIN, R. Como está a educação no Brasil? O que fazer? Ensaio: Avaliação e Políticas Públicas em Educação, v.14, n.51, p. 139-172, Rio de Janeiro, Abr./Jun. 2006.

KLEIN, R.; FONTANIVE, N., Alguns indicadores educacionais de qualidade no Brasil hoje, São Paulo em Perspectiva, São Paulo, v. 23, n. 1, p. 19-28, jan./jun. 2009.

KING, E.M.; ORAZEM, P.F.; PATERNO, E.M. Promotion with and without learning: Effects on student dropout. Working Paper Series on Impact Evaluation of Education Reforms n.18, Development Research Group. World Bank, Washington, 1999.

47 Capítulo 2

LORENCE, J. A.; DWORKIN G.; TOENJES L. A.; HILL A. N.; ROTHERHAM A.; SHEPARD L. A. Grade Retention and Social Promotion in Texas, 1994-99: Academic Achievement among Ele-mentary School Students Brookings Papers on Education Policy, The Brookings Institution, n. 5, p. 13-67, 2002.

LUZ, L. S. O impacto da repetência na proficiência escolar: uma análise longitudinal do de-sempenho de repetentes em 2002-2003. Dissertação de Mestrado - Centro de Desen-volvimento e Planejamento Regional. Faculdade de Ciências Econômicas, Universidade Federal de Minas Gerais, 2008.

MANACORDA, M. The Cost of Grade Retention. The Review of Economics and Statistics, v. 94, n. 2, p. 596-606, 2012.

MEISELS, S. J.; LIAW, F. R. Failure in grade: do retained students catch-up? Journal of Educa-tional Research, v. 87, p. 69-77, 1993.

MCCOY, A.R.; REYNOLDS, A.J. Grade retention and school performance: An extended investi-gation. Journal of School Psychology, v. 37, n.3, p. 273-298. 1999.

MOREIRA I; SANTOS, I; CONBOY, J. A retenção académica e performance a ciências em Portu-gal evidenciadas no PISA 2006. Retenção académica e ciências, 2008.

OLIVEIRA, A. P. M. A Prova Brasil como política de regulação da rede pública do Distrito Federal. Dissertação (mestrado) - Faculdade de Educação, Universidade de Brasília, Brasília, 2011.

OREOPOULOS, P. The compelling effects of compulsory schooling: evidence from Canada. Ca-nadian Journal of Economics v. 39, n. 1, 2006.

PATRINOS, H., PSACHAROPOULOS, G. Socioeconomic and Ethnic Determinants of Grade Repetition in Bolivia and Guatemala. The World Bank, Policy Research Working Papers n. 1028. 1992.

RIBEIRO, S.C. A pedagogia da repetência. Estudos em Avaliação Educacional, São Paulo, n. 4, p. 73-86, Jul./Dez. 1991.

RIGOTTI, J. I. A transição da escolaridade no Brasil e as desigualdades regionais. Revista Brasi-leira de Estudos Populacionais, v. 18, n. 1/2, p. 59-73, jan./dez, 2001.

SOARES, S.; LIMA, A. F. A mensuração da educação nas PNADs da década de 90. Textos para Discussão, nº 928, IPEA, Rio de Janeiro, 2002.

SOARES, S. Aprendizado e seleção: uma análise da evolução educacional brasileira de acordo com uma perspectiva de ciclo de vida. Revista Brasileira de Estudos Pedagógicos, v. 87, n. 216 p. 145-177, Brasília, Agosto 2006.

SOARES, S.; LIMA, A. F., A repetência no contexto internacional: o que dizem os dados de ava-liações das quais o Brasil não participa? Textos para Discussão, n. 1300, IPEA, Brasília, 2007.

WU, W.; WEST, S. G.; HUGHES, J. N. Effect of grade retention in first grade on psychosocial outcomes, Journal of Educational Psychology, v. 102, n. 1, p. 135-152, 2010.

48Capítulo 2

Anexo

49 Capítulo 2

50Capítulo 2

51 Capítulo 2

52Capítulo 2

53 Capítulo 2

54Capítulo 2

55 Capítulo 2

56Capítulo 2

57 Capítulo 2

59 Capítulo 3

CAPITULO

3

Sistemas de Accountability nasEscolas Públicas Brasileiras:

Identificando a Eficácia das Diferentes Experiências

Fernando B. Botelho+

Thomaz Gemignani*Ricardo A. Madeira+

Luis Meloni*Marcos A. Rangel+

Heleno Pioner+

1. Introdução

Nos últimos 20 anos, presenciamos aumentos significativos nas taxas de matrícula do ensino básico nos países em desenvolvimento (Glewwe e Kremer, 2005). Esse fenômeno foi particularmente relevante no Brasil, que se encontra muito próximo de atingir a meta de universalização do ensino fundamental para as crianças entre 7 e 14 anos. Com o processo de demo-cratização do acesso à escola, a agenda de políticas educacionais nos paí-ses em desenvolvimento mudou de foco, passando a priorizar ações que objetivam melhorar a qualidade do ensino em detrimento daquelas que enfatizam a quantidade de ensino. Neste novo contexto, políticas diversas de investimentos em insumos escolares, em particular na infraestrutura escolar, passaram a ganhar força. Entre as iniciativas mais populares, po-demos listar a redução do tamanho das turmas e da razão aluno-professor através da construção de novas salas de aula e contratação de professo-res, programas de distribuição gratuita de material didático e livros-textos, aquisição de equipamentos tecnológicos, tais como televisores e compu-tadores, e melhoria da infraestrutura básica (construção de salas de aulas adequadas, sanitários privados etc.).

Em reação a este novo cenário, a literatura especializada em avaliação de políticas públicas passou a investigar a eficácia de incrementos nestes insumos sobre a proficiência dos alunos. Diversos artigos empíricos com este objetivo, se utilizando de metodologias diversas, foram produzidos nas últi-mas décadas. Apesar da controvérsia existente a respeito da validade dos

+ Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo (FEA-USP); * Doutorando da Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo (FEA-USP).

60Capítulo 3

diversos métodos empíricos empregados para identificar o efeito destes insumos, conforme explicitado por Glewwe e Kremer (2005), as evidências empíricas indicam que ações sobre insumos escolares têm impactos modes-tos sobre o desempenho dos alunos (Hanushek, 2004, 1997). Tais efeitos são particularmente pequenos no contexto dos países em desenvolvimento, onde a maioria dos alunos advém de famílias com baixo status socioeconô-mico e muitos desses insumos, de acordo com as evidências, parecem atuar sobre a proficiência dos alunos de forma complementar ao nível socioeconô-mico das famílias (em particular com a escolaridade dos pais).

Na medida em que as políticas de investimentos em insumos esco-lares apresentaram resultados abaixo das expectativas, o debate acerca de políticas educacionais tomou um novo caminho. O foco das discussões passou a ser o desenho de sistemas de incentivos para os profissionais da escola (diretores, professores e funcionários) que pudessem melhorar o desempenho dos alunos dados os recursos existentes. Entre as principais experiências de sistemas de incentivo, duas se destacam: (i) a promoção de competição entre escolas (tal como adoção de vouchers), e (ii) sistemas de accountability. Entre os gestores brasileiros, em particular, a adoção de mecanismos de incentivo no espírito de sistemas de accountability tem se mostrado uma prática muito mais popular que ações visando à promoção de competição entre escolas.

Nessa análise procuramos justamente mapear as diferentes iniciativas de accountability adotadas pelos gestores brasileiros e estabelecer como tais políticas se associam ao desempenho escolar. Em linhas gerais, podemos classificar as políticas de accountability em dois tipos: (i) hard accountabi-lity e (ii) soft accountability. A implementação de qualquer uma destas duas formas depende da mensuração do nível de proficiência dos alunos através de exames padronizados. As políticas de hard accountability são aquelas em que as compensações (salários e bônus) dos funcionários da escola (direto-res, professores e funcionários) estão associadas à melhoria do desempenho dos alunos da escola, ou seja, são políticas de remuneração por mérito. Já as iniciativas de soft accountability são caracterizadas pela divulgação pública do desempenho relativo das escolas, na expectativa de que essa informação possa ser usada pela sociedade (em particular, por pais e alunos) para pres-sionar os gestores e funcionários da escola.

No Brasil, conforme relatado por Andrade (2008), diversas experiências de hard e soft accountability foram implementadas na última década. A mais emblemática de todas, dentro da filosofia de soft accountability, é a divulgação do IDEB (Índice de Desenvolvimento da Educação Básica) pelo governo federal e a vinculação deste a um sistema de metas anuais ao nível da escola e redes de ensino. No que se refere a políticas de hard accountability,

61 Capítulo 3

podemos citar como exemplo o programa de remuneração por mérito do Estado de São Paulo, onde o bônus de final de ano dos funcionários da escola está atrelado a avanços da escola no IDESP (Índice de Desenvolvimento da Educação do Estado de São Paulo).

2. Literatura

A literatura internacional dedicada à avaliação de impacto dos siste-mas de accountability sobre proficiência dos alunos traz evidências mais animadoras do que a literatura de investimentos em insumos escolares (Hanushek e Raymond, 2005) No entanto, as evidências positivas devem ser interpretadas com cuidado, já que as mesmas indicam que o impacto destas políticas depende tanto do seu desenho como do contexto institu-cional e socioeconômico em que estão inseridas. No caso das políticas de hard accountability, por exemplo, Neal e Schanzenbach (2008) mostram, através da avaliação do programa do governo federal norte-americano de remuneração por mérito, No Child Left Behind, que quando as metas por desempenho são baseadas em índices que colocam ênfase no número de alunos que atingem ou ultrapassam determinado nível de proficiência pré-estipulado, os professores e diretores tendem a focar no aprendiza-do das crianças próximas ao nível especificado, dedicando menos esforço aos alunos que se encontram nos extremos da distribuição de proficiência (i.e. os muito proficientes e os pouco proficientes).

De maneira correlata, Kane e Staiger (2002) discutem a eficácia de sis-temas de accountability educacional desenvolvidos acerca da proficiência dos alunos em exames padronizados, tendo por base as diversas experiên-cias dos estados norte-americanos ao longo da década de 90 e início dos anos 2000. Em particular, é enfatizado que as medidas de desempenho estu-dantil comumente utilizadas são inerentemente incompletas e imprecisas, e que tais imperfeições, se não reconhecidas adequadamente no desenho dos mecanismos de incentivo, podem implicar, por exemplo, no favorecimento de escolas menores no sistema de compensações e em resultados perversos como escolas segregadas etnicamente.

Também existem evidências de que o sucesso dos programas de remu-neração por mérito pode depender da forma como os incentivos são atribuí-dos às partes envolvidas. Existem programas em que os incentivos são indi-vidualizados, onde a remuneração dos professores depende do seu esforço individual, isto é compensação dos professores é vinculada ao desempenho das suas turmas nas disciplinas que lecionam. Em outros contextos, os in-centivos são coletivos, ou seja, a remuneração dos profissionais da escola

62Capítulo 3

depende de alguma forma do desempenho dos alunos da escola como um todo. A pesquisa de Muralidharan e Sundararaman (2009) traz evidências de que, no caso indiano, incentivos individuais tendem a dominar incentivos coletivos no longo prazo. Do ponto de vista teórico, faz sentido conjecturar que incentivos coletivos tendem a dominar incentivos individuais em escolas que possuem alto grau de coesão entre seus funcionários. Já nas escolas que apresentam pouca coesão, o contrário deve ser esperado.

A questão da adequação de incentivos individualizados é também anali-sada por Fryer (2010), por meio de um experimento aleatório realizado a par-tir de 2007 na rede pública de educação da cidade de Nova York, para escolas de maior necessidade. Em tal experimento, escolas foram sorteadas quanto à elegibilidade a um programa de incentivos por remuneração baseada no desempenho e progresso estudantis e outras medidas de qualidade escolar, tendo sido cada escola dotada de discrição sobre como alocar os recursos recebidos. Não são encontradas evidências de que a provisão de incentivos impacta o comportamento de professores e alunos e, para alguns subgrupos, as evidências são de que os incentivos gerados agem no sentido de piorar o desempenho acadêmico. O autor argumenta que tais resultados podem ser devidos a um alto grau de complexidade do esquema de incentivos, de modo que os professores não eram capazes de determinar métodos efetivos de elevar o desempenho dos alunos de acordo com as medidas utilizadas pelo programa. Alternativamente, pelo fato de a maior parte das escolas ter optado por uma distribuição uniforme dos recursos recebidos entre seus pro-fissionais, o programa pode não ter gerado efetivos incentivos individuais.

Ladd e Zelli (2002), por sua vez, analisam um sistema de accountability implementado nos Estados Unidos, e baseado em incentivos coletivos. O programa ABCs apresentou como objetivo ampliar as capacidades básicas de leitura, escrita e matemática dos alunos, identificando as escolas como as responsáveis pelo desempenho de seus alunos, ao mesmo tempo em que lhes provia maior capacidade operacional para atingir as metas estabeleci-das. Uma série de benefícios contemplaria funcionários (incluindo diretores) que atingissem as metas, e esquemas de sanções seriam aplicados a esco-las falhando em alcançá-las. Através de pesquisas com diretores, os autores encontram evidência de que tais agentes realizaram esforços para alcançar as metas do programa; porém, metas desejáveis no processo educacional, não contempladas pelo ABCs, podem ter sido deixadas de lado pelo direto-res. Verifica-se que outro problema gerado pelo programa é a dificuldade de permanência de bons funcionários em escolas que não atingissem as metas, pois os bons funcionários têm incentivos para querer mudar para escolas onde a aquisição do bônus é mais provável, deixando as escolas mais fracas em uma situação pior do que antes da adoção do programa.

63 Capítulo 3

A literatura em hard accountability também tem chamado atenção para os incentivos perversos que este tipo de mecanismo pode proporcio-nar. Dentre esses, se destaca o incentivo concedido a professores e diretores para fazer com que os seus maus alunos não sejam testados pelos exames padronizados (incentivando a falta destes no dia do exame, por exemplo). Se o desenho do mecanismo de remuneração não previr punições para esse tipo de comportamento, sistemas de remuneração por mérito podem aca-bar recompensando as escolas que conseguem manipular o sistema sem que seus alunos tenham obtido ganhos reais de proficiência. Seguindo essa linha, Figlio e Getzler (2002) investigam a possibilidade de as escolas res-ponderem a sistemas de accountability manipulando-o através da reconfi-guração do conjunto de alunos sujeitos aos exames. Mais especificamente, os autores observam o comportamento de reclassificação de alunos em ca-tegorias de educação especial de forma a não terem suas notas contabili-zadas no desempenho geral da escola, segundo as diretivas do programa analisado. Utilizando dados escolares em painel para seis cidades do estado da Florida, encontram-se evidências de que as escolas procedem mais a tal reclassificação com a introdução do regime de avaliação e que esse com-portamento se concentra nas escolas de baixa renda, mais propensas a não corresponderem às determinações do sistema.

Outra preocupação reside na capacidade dos sistemas de hard accountability em proporcionar ganhos de proficiência no longo prazo. O temor é que professores sujeitos a sistemas de remuneração por mérito acabem por dedicar seu tempo para treinar os seus alunos a fazer o tes-te padronizado que alimenta o índice de desempenho que determina sua compensação, ao invés de focar na entrega de qualidade do conteúdo de sua disciplina. A extensão deste problema depende do conteúdo do teste padronizado, o qual deve refletir a matriz curricular que deve ser entregue pela escola, e do desenho do índice de desempenho, que deve incorporar medidas das principais habilidades associadas ao aprendizado no longo prazo. Outra avaliação baseada em um experimento aleatório é apresen-tada por Glewwe, Ilias e Kremer (2010), que investigam os resultados de um programa de compensação por desempenho escolar conduzido por uma organização não governamental holandesa em distritos do Quênia. Tal programa foi focado nas escolas de mais baixo desempenho e implan-tado ao longo de dois anos (1998 e 1999), dissolvendo, em seu desenho, incentivos à seleção dos alunos testados por parte dos professores ao pe-nalizar fortemente as escolas com alunos ausentes nos exames utilizados para a avaliação de desempenho. Os autores encontram evidências de que o programa teve, no segundo ano, um efeito positivo no desempenho dos alunos nos exames utilizados pelo sistema de incentivos. Por outro lado,

64Capítulo 3

não é observado um efeito similar para o desempenho em exames não associados ao programa e não se rejeita a hipótese de que tal ganho não se mantém após o término do programa, sugerindo-se que os esforços dos professores tenham ido em direção à provisão de treinos e conhecimentos específicos, em detrimento da incorporação, pelos alunos, de componen-tes mais gerais de capital humano. Nota-se ainda que, apesar de encorajar a criação de aulas extras voltadas à preparação aos exames, o programa parece não ter contribuído em reduzir as altas taxas de absenteísmo dos professores observadas no contexto analisado.

Por fim, a literatura também tem evidenciado que a escolha entre mé-tricas de desempenho que privilegiem desempenho relativo e índices que enfatizem desempenho absoluto também pode ser relevante para o sucesso do sistemas de hard accountability (ver Barlevy, G. e Neal, D. (2010)).

No caso dos sistemas de soft accountability, baseando-se na sua ra-cionale, podem-se elencar três elementos essenciais para seu sucesso: (i) alcance da informação, i.e. índices e metas de desempenho devem chegar ao conhecimento dos pais e alunos, (ii) os índices de desempenho e seus componentes devem ser inteligíveis para pais e alunos, (iii) existência de me-canismos eficientes de pressão e voz junto às escolas e gestores disponíveis aos pais e alunos. Deve-se também destacar mais dois elementos necessá-rios para o sucesso dos dois tipos de accountability, soft e hard. O primei-ro é a disponibilidade de instrumentos de gestão ao diretor. Quanto mais liberdade de gestão possuir o diretor, mais as escolas tendem a responder aos mecanismos de accountability. Ou seja, a possibilidade do diretor da escola interferir na contratação e alocação de recursos físicos e humanos dentro de sua escola, escolher diretrizes pedagógicas e atuar sobre a defini-ção do currículo escolar está diretamente associada ao funcionamento dos mecanismos de accountability. O segundo é o entendimento de diretores, professores e alunos de como suas ações podem influenciar os índices de desempenho que avaliam suas turmas e escolas.

Em uma comparação entre sistemas de soft e hard accountability, West e Peterson (2006) investigam os efeitos sobre o desempenho escolar advindos do caráter punitivo de diferentes reformas educacionais implan-tadas no estado da Florida no começo dos anos 2000. Em particular, os autores analisam os incentivos gerados tanto pelo estigma possivelmente proporcionado pelo sistema de classificação das escolas quanto por san-ções impostas às escolas na forma de perda de alunos (e recursos) em casos de baixo desempenho. É feita ainda a comparação quanto ao grau de severidade das sanções impostas pelo sistema estadual de accounta-bility (implementado em 2002) e o induzido pela aprovação do No Child Left Behind Act (e implementado a partir de 2003), argumentando-se que,

65 Capítulo 3

enquanto o último apresentava medidas de punição mais modestas e sem grandes consequências para as escolas, o primeiro configurou ameaças realmente prejudiciais às escolas e distritos. Os autores encontram evidên-cias de que o programa estadual promoveu a melhoria relativa do desem-penho educacional nas piores escolas, tanto por meio do estigma gerado pela nota atribuída pelo sistema de classificação, quanto pelas sanções ad-ministrativas impostas. Por outro lado, não são encontradas evidências de impactos semelhantes por parte do sistema federal, reforçando-se a ideia de que este se mostrou bem menos severo e incapaz de gerar os mesmos incentivos à melhoria da educação que o sistema estadual.

Tendo em vista a discussão acima, além de identificar os principais programas de accountability adotados por gestores no Brasil, a principal contribuição desta análise é determinar como o desempenho desses pro-gramas se associa à existência dos elementos necessários para o seu su-cesso. Para atingir tal objetivo, foi incluído nos questionários do diretor, do aluno e do professor da pesquisa BNDS-2012 um módulo específico de questões associadas a sistemas de accountability que nos permitiram iden-tificar a existência dos elementos necessários para o funcionamento des-tes. Através dos instrumentos aplicados aos diretores, somos capazes, por exemplo, de determinar os instrumentos de gestão à disposição do diretor, o grau de conhecimento do diretor a respeito do IDEB, como o diretor faz uso desta informação para gerir a sua escola, a que o diretor atribui as variações no IDEB da sua escola, qual é a percepção do diretor a respeito do grau de coesão da escola etc. Através dos instrumentos aplicados aos alunos é possível estudar qual é grau de conhecimento dos alunos a res-peito do IDEB, qual é a importância que estes indicadores têm para eles, a confiabilidade que alunos e pais atribuem a estes indicadores e como eles utilizam essa informação nas suas interações com a escola. Além disso, os instrumentos aplicados aos professores nos permitem identificar se estes conhecem os índices de desempenho da sua escola, qual a relevância dada a estes índices e qual é a percepção destes a respeito do grau de coesão da sua escola. Além disso, combinando as informações coletadas pelo mó-dulo de accountability com os testes de proficiência podemos determinar alguns dos principais fatores associados à eficácia (ou fracasso) das expe-riências de accountability adotadas pelos gestores brasileiros.

3. Dados e Análise Empírica

Embora seja extremamente relevante entender o efeito causal de po-líticas de accountability, trata-se de uma tarefa bastante desafiadora do

66Capítulo 3

ponto de vista metodológico. As variáveis de interesse - desempenho da escola, do aluno e comportamento dos professores - estão fortemente as-sociadas a características observáveis e não observáveis dos mesmos. A natureza dos dados coletados e a ausência do desenho de um experimen-to que possa contornar de maneira adequada as fontes de viés limitam a possibilidade de realização de exercícios de inferência causal. Em função disso, optou-se por realizar exercícios de correlação entre as variáveis e, à luz da literatura existente, já mencionada, analisar os resultados. É im-portante dizer que esta opção metodológica não reduz o caráter inovador da análise que se segue, já que a nossa investigação é pioneira em rela-cionar dados coletados em pesquisa primária com propósito específico de identificar regimes de accountability com fontes secundárias de dados. Os padrões empíricos que este exercício nos possibilitou identificar serão de enorme valor para a orientação de novas investigações empíricas no tema com maior ambição em termos de inferência causal.

Nas nossas análises empíricas, além das informações mencionadas obti-das a partir dos questionários de alunos, diretores e professores da pesquisa BNDES-2012, foram também utilizados dados do INEP para a obtenção de al-gumas variáveis de desempenho da escola dos alunos e de outras escolas do município. Esses dados, como será visto, foram utilizados para dar uma dimen-são do real conhecimento de alunos, professores e diretores a cerca do IDEB.

Conhecimento das práticas de accountability

O primeiro exercício feito tem como objetivo investigar o conhecimento das práticas de accountability por parte dos diretores, professores e alunos. Como já mencionado, a experiência de soft accountability mais emblemática no contexto brasileiro é a divulgação do IDEB (Índice de Desenvolvimento da Educação Básica) pelo governo federal e a vinculação deste a um sistema de metas anuais ao nível da escola e redes de ensino.

Alunos

A tabela 1 resume o grau de conhecimento do IDEB por parte dos alu-nos. É possível notar que cerca de metade dos alunos declaram nunca ter ouvido falar do IDEB. Um fato interessante é que essa estatística é decres-cente na série dos alunos.

Esse padrão, no entanto, não se repete quando os alunos são pergun-tados se sabem o IDEB de sua escola: a proporção de alunos que conhecem o IDEB - ao menos a proporção de alunos que declara conhecer o IDEB - é decrescente nas séries, como pode ser visto na tabela 2.

67 Capítulo 3

Tabela 1: Você sabe o que é o IDEB?

Nunca Já ouvi Saberia Total ouvi falar (%) falar (%) explicar (%)

4o Ano 58,65 28,53 12,82 6.6676o Ano 54,31 38,08 7,61 9.1238o Ano 47,01 43,42 9,58 8.292Fonte: Elaboração própria

Tabela 2: Você sabe o IDEB da escola?

Sim (%) Não (%) Total

4o Ano 36,88 63,12 5.0036o Ano 19,92 80,08 6.4058o Ano 15,77 84,23 5.925Fonte: Elaboração própria

É ainda perguntado aos alunos que sabem o IDEB da sua escola qual a posição em que eles acham que sua escola está em relação às demais es-colas do município. Embora a grande maioria dos alunos não saiba dizer a posição relativa da sua escola, como pode ser visto na tabela 3, aqueles que declaram saber a posição relativa da sua escola no município, de fato sabem a posição da sua escola. A Figura 1 mostra isso: no gráfico à esquerda, a probabilidade do IDEB das demais escolas ser pior do que a do município (medida pela proporção de alunos que respondem isso de acordo com as respostas da tabela 3), não varia de acordo com a diferença da nota da sua escola e a média do município. No gráfico da direita, onde estão os alunos que declaram saber o IDEB, a probabilidade do IDEB das demais escolas ser pior do que a do município varia positivamente com a diferença da nota da sua escola e a média do município.

Tabela 3: As outras escolas do seu município possuem IDEB

Melhor (%) Pior (%) Não sei (%) Total

4o Ano 22,98 18,97 58,04 5.0886o Ano 14,66 7,31 78,04 6.4248o Ano 12,04 8,32 79,64 5.858Fonte: Elaboração própria

68Capítulo 3

Mais interessante ainda, os dados da tabela 4 a 6 mostram que os alunos que dizem que as outras escolas são melhores, têm uma tendência maior a preferir estudar em outra escola pública no mesmo município.

Tabela 4: Você preferia estudar em outra escola pública nesse município?


4o Ano 31,59 68,41 6.7186o Ano 31,46 68,54 9.2318o Ano 30,99 69,01 8.355Fonte: Elaboração própria

Tabela 5: Você preferia estudar em outra escola pública nesse município?(Se as outras escolas são melhores)


4o Ano 48,34 51,66 1.2086o Ano 46,72 53,28 1.0518o Ano 48,68 51,32 756Fonte: Elaboração própria

Figura 1 – Conhecimento do IDEB e proficiência auferida

69 Capítulo 3

Tabela 6: Você preferia estudar em outra escola pública nesse município?(Se as outras escolas são piores)


4o Ano 34,02 65,98 6296o Ano 37,91 62,09 4228o Ano 34,62 65,38 465

Fonte: Elaboração própria

Os resultados apresentados até aqui mostram que os alunos que dizem conhecer o IDEB da sua escola parecem de fato conhecer melhor a posição relativa da sua escola no município. Conhecer a posição relativa da escola parece também estar associado com o desejo de migrar de escola. Ambos os fatos são condições necessárias para que os mecanismos de soft accountabi-lity funcionem corretamente.

Professores

Vimos acima qual o nível de conhecimento dos alunos sobre o IDEB e como o comportamento dos alunos está associado ao conhecimento do IDEB. As tabelas e imagens abaixo mostram, por sua vez, qual é o padrão de conhecimento por parte dos professores.

Tabela 7: Você saberia dizer o IDEB da sua escola?

Sim (%) Não (%) Não sei o que é (%) Total

80,39 18,90 0,71 984Fonte: Elaboração própria

A tabela 7 mostra que boa parte dos professores declara saber o IDEB. Mais ainda: apenas 0,71% dos professores diz não saber o que é o IDEB. Outro exercício realizado foi o de cruzar o IDEB reportado pelos professores que declaram conhecer o IDEB da sua escola com o IDEB verdadeiro da sua escola. As figuras 2 e 3 a seguir mostram que boa parte dos professores que declaram saber o IDEB de fato sabe o IDEB da sua escola.

Foi também realizado um exercício similar ao feito com os alunos. Os professores foram questionados se as demais escolas do município possuem um IDEB pior ou melhor do que aquele de sua escola. Essas informações fo-ram cruzadas com a diferença do IDEB da escola com o IDEB do município. O resultado é reportado nas figuras 4 e 5 a seguir e mostra que os professores

70Capítulo 3

que dizem conhecer o IDEB da sua escola parecem de fato conhecer melhor a posição relativa de sua escola no município.

Figura 2 – Conhecimento do IDEB pelos professores –séries iniciais do EF

Figura 3 - Conhecimento do IDEB pelos professores –séries finais do EF

71 Capítulo 3

Diretores

Agora estudamos o nível de conhecimento dos diretores sobre o IDEB e, a exemplo do que foi feito com os professores e com os alunos, validamos as respostas com os resultados verdadeiros do IDEB e com a posição relativa

Figura 5 - Probabilidade de professor considerar a escola melhor que a maioria – séries finais EF

Figura 4 – Probabilidade de professor considerar a escola melhor que a maioria – séries iniciais EF

72Capítulo 3

das escolas no município. A tabela e as figuras abaixo mostram qual é o pa-drão de conhecimento por parte dos diretores.

Tabela 8: Você saberia dizer o IDEB da sua escola?

Sim (%) Não (%) Não sei o que é (%) Total

97,86 2,14 0,00 234Fonte: Elaboração própria

A tabela 8 mostra que quase a totalidade dos diretores declara saber o IDEB. Mais ainda: nenhum diretor diz não saber o que é o IDEB. Analoga-mente ao caso dos professores, cruzamos o IDEB reportado pelos diretores que declaram conhecer o IDEB da sua escola com o IDEB verdadeiro da sua escola. As figuras 6 e 7 mostram que boa parte dos diretores que declaram saber o IDEB, de fato, sabe o IDEB da sua escola.

Figura 7- Conhecimento do IDEB da escola pelo diretor – séries finais EF

Figura 6 – Conhecimento do IDEB da escola pelo diretor – séries iniciais EF

73 Capítulo 3

Assim como professores e alunos, os diretores também foram questiona-dos se as demais escolas do município possuem um IDEB pior ou melhor do que aquele da sua escola. Essas informações foram cruzadas com a diferença do IDEB da escola com o IDEB do município. O resultado é reportado nas figu-ras 8 e 9 a seguir e mostra que, a exemplo do que acontece com os professores e com os alunos, os diretores que dizem conhecer o IDEB da sua escola pare-cem de fato conhecer melhor a posição relativa da sua escola no município.

Figura 8 – Probabilidade de diretor considerar escola melhor que a maioria – séries iniciais EF

Figura 9 - Probabilidade de diretor considerar escola melhor que a maioria – séries finais EF

Práticas de “teaching for the test”

Outros exercícios foram realizados com a finalidade de identificar se os professores realizam “teaching for the test”. Uma das perguntas do questio-nário dos alunos perguntava se algum dos professores, na véspera da Prova Brasil, ensinou “truques” ou “macetes” para ir bem na prova.

74Capítulo 3

O que pode ser identificado na tabela 9 é que há muita heterogeneida-de nas respostas, o que pode acontecer por conta das diferentes interpreta-ções dos termos “macetes” e “truques” por parte dos alunos de diferentes idades. Entre alunos do 4o ano, cerca de 38% consideram que os professores ensinaram esse tipo de prática. O percentual cai para 31% entre alunos do 6o ano e para 20,5% entre alunos do 8o ano.

Tabela 9: Alguns dias antes da Prova Brasil a escola ou algum professorensinou “macetes” ou “truques” para ir bem na prova?

Sim (%) Não (%) Não sei Total o que é (%)

4º ano 37,89 36,50 25,60 6.7536º ano 31,11 39,92 28,97 9.2788º ano 20,58 50,18 29,24 8.411


A seguir, verificamos se existe alguma relação entre a prática de “tea-ching for the test” e o quanto os diretores e professores consideram o cur-rículo da escola adequado. Os resultados, para diretores, professores de português e professores de matemática, são reportados nas figuras a seguir.

Figura 10 – Percepção dos diretores quantoa adequação do currículo

Embora exista diferença de padrão de resposta entre professores de português e professores de matemática, entre professores de português e diretores parece haver uma evidência de que é positiva a relação entre a frequência de “teaching for the test” e a probabilidade de acreditar que o

75 Capítulo 3

currículo da escola está adequado à Prova Brasil. Uma possível explicação para tal fenômeno é que os professores e diretores acreditam no meca-nismo de accountability.

Figura 12 - Percepção dos professores de matemática quanto a adequação do currículo

Por fim, investigamos a relação entre a frequência de “teaching for the test” - de acordo com as respostas dos alunos - e o percentual de acerto das escolas nos testes de português e matemática. Em todos os casos os resultados indicam que a prática de “teaching for the test” é mais frequente em escolas com pior desempenho, tanto quando usamos os testes de por-tuguês quanto quando usamos os testes de matemática. É importante notar que essa relação não implica uma relação causal, indicando que a prática de

Figura 11 - Percepção dos professores de português quanto a adequação do currículo

76Capítulo 3

“teaching for the test” causa notas piores. A relação mais provável é que as escolas com pior desempenho se utilizem dessa técnica para tentar masca-rar esse resultado na Prova Brasil e, consequentemente, no IDEB.

Figura 13 - Teaching for the test e Percentual de acerto nas avaliações

Incentivos

Até agora investigamos a prática de soft accountability por parte das es-colas. No entanto, como já ressaltado, mecanismos de hard accountability, como os que condicionam bonificação a professores e diretores a resultados

77 Capítulo 3

de alunos em provas, são bastante comuns. Nessa seção, investigamos como a existência de incentivos formais, que podem ser vistos como mecanismos de hard accountability, se relacionam ao desempenho dos alunos e à pre-sença de práticas de “teaching for the test”.

A primeira questão levantada é se mecanismos formais de bonificação estão associados à prática de “teaching for the test”. Para isso são cruzadas as informações do questionário do diretor sobre a existência de mecanismo formal de bonificação e as respostas dos alunos para construir um índice que indique a frequência de utilização da prática de teaching for the test por parte dos professores. A imagem abaixo mostra que não existe uma relação clara entre essas duas variáveis.

Figura 14 – Relação entre frequência de ensino de truques e macetes e existência de premiação formal

Outro exercício realizado tem como objetivo verificar se existe uma re-lação entre a existência de mecanismos formais de bonificação e o desempe-nho da escola. Conforme já mencionado, essa é uma questão ainda bastante controversa na literatura e os resultados de programas desse tipo ainda não são claros. O exercício aqui, no entanto, tem o objetivo apenas de traçar uma correlação entre a existência de programas formais de bonificação e o desempenho da escola, medido como o percentual de acerto nos testes de matemática e português.

A despeito de uma relação negativa que pode ser notada no primeiro gráfico, os demais resultados indicam que a existência de premiação formal vinculada a metas de desempenho está associada a um desempenho melhor dos alunos, tantos nos testes de matemática quanto nos testes de português.

78Capítulo 3

Em suma, nessa seção mostrou-se que existe evidência de que as esco-las com pior desempenho são as que mais se utilizam de “truques” e “mace-tes” (“teaching for the test”) para melhorar o desempenho dos piores alunos.

Ainda, mostrou-se também que as escolas com melhor desempenho são aquelas onde mecanismos de premiação formal são mais frequentes. Para esses exercícios utilizamos dados de provas de proficiência de por-tuguês e matemática aplicadas aos alunos. É importante destacar que os resultados nessas provas, quando comparados ao IDEB das escolas, apre-sentam forte correlação.

Figura 15 – Percentual de acertos e existência de premiação formal

79 Capítulo 3

4. Conclusões

Nesse estudo, investigamos as experiências de accountability pratica-das em uma amostra de escolas públicas brasileiras, focando em sua eficácia e, principalmente, na presença em tais escolas dos elementos necessários ao sucesso de tais tipos de mecanismos de incentivo.

São encontradas evidências sugestivas de que os requisitos ao pleno funcionamento de sistemas de soft accountability se mostram presentes em tais escolas; em particular, alunos, professores e diretores que conhecem o IDEB de suas escolas têm um melhor conhecimento quanto ao desempenho das mesmas frente ao resto das escolas em seu município. Além disso, tal conhecimento pelos alunos se mostra intimamente ligado ao seu desejo em mudar para uma escola melhor. Dessa forma, é plausível concluir que o IDEB é de fato entendido como uma medida de qualidade escolar por tais agentes.

Mais ainda, é constatada, em geral, uma relação positiva entre o de-sempenho estudantil nos testes aplicados e a existência de um mecanismo de premiação formal à escola, o que pode ser entendido como uma resposta das escolas a mecanismos de hard accountability.

Por fim, notamos que ao passo que sistemas de soft accountability pa-recem estar associados à promoção da prática de “teaching for the test” pe-los professores, o mesmo não é verificado para sistemas de hard accounta-bility. Tal achado pode estar associado ao fato de que as escolas que adotam regimes de hard accountability tendem a monitorar de forma mais minucio-sa as ações os professores, uma vez que desvios de conduta dos professores no sentido de aumentar artificialmente as notas de seus alunos têm impacto direto sobre o orçamento disponível. No entanto, os dados à nossa disposi-ção não nos permite investigar a validade desta conjectura.


ANDRADE, E. School Accountabilityno Brasil: experiências e dificuldades.Revista de Economia Política, v. 28, n. 3, Julho-Setembro. 2008.

BARLEVY, G.; NEAL, D. Pay for Percentile. Working Paper, University of Chicago.2010.FIGLIO, D. N.; LAWRENCE S. G. Accountability, Ability and Disability: Gaming the System?

NBER Working Paper 9307. 2002.FRYER, R. G. Teacher Incentives and Student Achievement: Evidence from New York City Pu-

blic Schools. NBER Working Paper 16850. 2011.GLEWWE, P.; KREMER, M. Schools, Teachers and Education Outcomes in Developing Coun-

tries.Handbook on the Economics of Education. 2005.GLEWWE, O.; ILIAS, N.; KREMER, M. Teacher Incentives. American Economic Journal: Applied

Economics, v. 2, n. 3, p. 205-227. 2010.

80Capítulo 3

HANUSHEK, E. The Failure of Input-Based Schooling Policies.The Economic Journal, v. 113, February, 2003.

HANUSHEK, E.; RAYMOND, M. Does School accountability lead to improved student perfor-mance.Journal of Policy Analysis & Management, v.24, n 2. 2005

KANE, T.; DOUGLAS O. S. The Promise and Pitfalls of Using Imprecise School Accountability Measures. Journal of Economic Perspectives, v. 16, n. 4, p. 91–114, 2002.

LADD, H. F.; ZELLI, A. School Based Accountability and Incentive Program: an Evaluation of its Impacts on Student Outcomes. Economics of Education Review, v. 18, n. 1, p. 1-16. 2002.

MURALIDHARAM, K.; SUNDARARAMAN, V. Teacher Performance Pay: Experimental Evidence For Índia, Working Paper, University of California San Diego. 2009.

NEAL, D.;SHANZENBACH D. Left Behind by Design: Proficiency Counts and Test-based Accoun-tability. Review of Economics and Statistics, v. 92, n. 2, p. 263-283. 2010.

WEST, M. R.; PETERSON P. The Efficacy of Choice Threats within School Accountability Sys-tems: Results from Legislatively Induced Experiments. The Economic Journal, v. 116, n. 510, p. 46-62. 2006.

81 Capítulo 4

CAPITULO

4

A Relação entre Gastos e Educação eDesempenho Escolar nos Municípios Brasileiros:

Uma Análise com dados em Painel

Naercio Menezes Filho+

Alison Pablo de Oliveira*

1. Introdução

Atualmente, é consenso que a educação desempenha papel impor-tante em várias dimensões da vida das pessoas e para os países. Há, por exemplo, vários modelos de crescimento econômico focados no papel da educação. Além disso, a educação tem importância como determinante da renda e da empregabilidade futura dos indivíduos, além de ser importante determinante do estado de saúde. É natural, portanto, que políticas educa-cionais ganhem destaque, pois elas podem ser determinantes no desenvol-vimento dessas diversas variáveis, sobretudo no crescimento de longo prazo dos diferentes países. Obviamente, o Brasil não é exceção a este caso.

Ocorre, contudo, que muito do foco dado à relação entre o desempenho econômico e educação se concentra nos níveis médios de escolaridade, ou seja, em sua quantidade, nos anos médios de educação, por exemplo. Diante dessas preocupações, a qualidade da educação recebeu, por muito tempo, pouco des-taque. Mais recentemente, diversos autores passaram a argumentar que a qua-lidade do ensino desempenha papel tão importante quanto sua quantidade.

Logo que fica estabelecida a relevância da qualidade da educação, ou-tras questões surgem: como alocar recursos para satisfazer a demanda por qualidade de ensino? Como aumentar a qualidade do ensino? A estrutura de incentivos dos órgãos responsáveis pelas políticas educacionais públicas é ca-paz de transformar aportes de recursos em educação de melhor qualidade?

O objetivo desse capítulo é contribuir para esse debate ao tentar responder à seguinte pergunta: existe um padrão de investimentos em educação nos diversos países que resulte em um melhor desempenho escolar? Vários estudos em diversos países procuram relacionar gastos em educação com desempenho escolar, usando dados de escolas, municípios, estados e países. As evidências são mistas: algumas pesquisas encontram uma relação positiva e significativa entre os gastos e desempenho escolar, ao passo que outras não encontram significância estatística na

+ Insper e Universidade de São Paulo; * Universidade de São Paulo

82Capítulo 4

relação. Obviamente, os resultados encontrados dependem do nível de agregação, das bases de dados utilizadas, mas principalmente, de como os recursos gastos são aplicados.

Nesse sentido, nossa análise da relação entre gastos e desempenho focará nos mecanismos através dos quais os investimentos em educação podem trazer mais resultados. Para isso utilizaremos bases de dados inter-nacionais, nacionais e estaduais, conforme descrito abaixo, a fim de garantir que a análise contenha um componente geral, mas que leve em conta tam-bém as particularidades de cada sistema escolar.


2.1 Literatura Internacional

Nos Estados Unidos, a polêmica a respeito da importância dos gastos em educação teve início com a publicação de um estudo do governo intitula-do “Equality of Educational Opportunity” (Coleman et al., 1966). Esse estudo contou com a participação de cerca de seiscentos mil estudantes de mais de três mil escolas de todo o país.

Um dos temas abordados no estudo de Coleman foi a relação entre recursos escolares e desempenho dos alunos. Nesse sentido, o principal resultado encontrado foi o fato do desempenho dos alunos ser mais for-temente correlacionado com as características familiares, como renda dos pais, nível educacional e existência de recursos em casa. Um segundo grupo de características relevantes, embora com menor impacto, seriam aquelas relacionadas aos pares ou aos colegas.

Por outro lado, os fatores relacionados às escolas ou aos professores teriam pouca ou nenhuma correlação com o desempenho. Um fato inte-ressante observado foi que, embora as características dos professores não tenham sido positivamente associadas aos resultados dos alunos como um todo, elas apresentaram impacto maior sobre as minorias étnicas, quando comparadas aos estudantes brancos.

Após esse primeiro estudo quantitativo, várias outras análises foram elabo-radas valendo-se tanto dos dados levantados pelo estudo de Coleman, quanto de dados novos e mais detalhados. Naturalmente, o foco da maioria desses estudos era aprofundar o conhecimento a respeito dos motivos que levavam à falta de re-lação entre as características das escolas e os resultados obtidos pelos estudantes.

Hanushek (1986) revisou 187 equações, presentes em 38 artigos ou livros publicados separadamente naqueles últimos vinte anos. Esses estudos se restringiam a escolas públicas, de todas as regiões dos Estados Unidos,

83 Capítulo 4

havia diferentes séries escolares, além de serem utilizadas diferentes medi-das para o desempenho dos estudantes e também foram utilizadas aborda-gens analíticas e estatísticas variadas. Alguns desses estudos relatam a exis-tência de relação positiva entre gastos e desempenho dos alunos, enquanto outros não encontram nenhuma relação ou relação negativa.

Após fazer uma análise dos sinais e da significância dos coeficientes estimados, Hanushek, através de um sistema de “vote counting” concluiu que não havia uma relação forte ou sistemática entre gastos das escolas e desempenho dos estudantes.

“There appears to be no strong or systematic relationship between school expenditures and student performance.” (Hanushek, 1986, p. 1162)1

Isso aconteceu tanto para os gastos agregados, quanto para seus de-terminantes: taxa de professor por aluno, educação do professor, expe-riência, tamanho das classes, recursos escolares, salários dos professores, ou gasto por aluno.

Em Hanushek (1989), fica claro que todos seus resultados refletem ge-neralizações que se baseiam na estrutura e nos procedimentos operacionais das escolas da época. Sendo assim, uma mudança organizacional, com in-centivos diferentes, poderia produzir resultados diferentes e fazer com que os gastos passassem a afetar o desempenho dos alunos.

“For example, almost every economist would support the argu-ment that increasing teacher salaries would expand and improve the pool of potential teachers. Whether or not this would improve the quality of teaching, however, would depend on whether or not schools systematically chose and retained the best teacher from the poll. The results cited here on salary differentials might be very different if schools were to have a greater incentive to produce student achievement and if mechanisms for teacher selection were altered” (Hanushek, 1989, p. 49)2

1 “Parece que não há uma relação forte ou sistemática entre os gastos com educação e o desempenho dos alunos”.2 “Por exemplo, quase todo economista apoiaria o argumento de que aumentar o salário dos professores aumentaria o número de bons professores em potencial. Mas isso somente melhoraria a qualidade do ensino se as escolas escolhessem e treinassem os melhores pro-fessores disponíveis. Os resultados mostrados aqui com relação aos diferenciais de salários poderiam ser muito diferentes se as escolas tivessem incentivos para alcançar um maior desempenho dos alunos e se os mecanismos para seleção de professores fosse alterado”.

84Capítulo 4

Por outro lado, Hedges et al. (1994) fizeram uma crítica ao método utili-zado por Hanushek, alegando que o método de “vote counting” possui baixo poder e, portanto, alta probabilidade de erro estatístico do tipo II: conclui que não há correlação entre gastos e desempenho quando essa hipótese é falsa. Segundo os autores, eram necessários métodos estatísticos mais sofis-ticados. Assim Hedges e seus colegas construíram testes para a hipótese de existência de pelo menos um estudo com coeficiente significativo. Foram en-contradas fortes evidências da existência de algum efeito positivo dos gastos e pouca evidência da existência de efeitos negativos.

Em sua réplica às críticas de Hedges, Laine e Greenwald, Hanushek (1994) chamou atenção para o fato de haver uma diferença crucial entre a interpretação que foi utilizada em seu artigo de 1989 e aquela proposta pelos seus críticos. Enquanto esses últimos interpretaram a “ausência de re-lação forte e sistemática” como sendo a não existência de relação em qual-quer um dos estudos, Hanushek argumentou que utilizou esses termos para se referir apenas a não existência de relação na maioria dos casos.

Consoantemente, ele esclareceu que seria extremamente improvável encontrar evidências da não existência de relação em qualquer um dos ca-sos. Para isso não acontecer, bastaria que um dos estados, por exemplo, utili-zasse seus recursos de maneira eficiente. Finalmente, Hanushek alegou que mesmo as técnicas mais sofisticadas de Hedges et. al., para serem consisten-tes, necessitavam de hipóteses claramente não observadas nos estudos em questão (como, por exemplo, independência entre os estudos realizados).

Dando cabo a esse extenso debate, pelo menos no que se refere aos estudos de 1986 e 1989 de Hanushek, Hedges et. al. (1994-b), referindo-se a interpretação exposta por Hanushek (1994), lembraram que a inferência es-tatística é uma técnica de desenho de conclusões sobre um “valor verdadei-ro”, um parâmetro, e não um padrão aleatório de estimativas. Ou seja, seria um erro inferir a magnitude, ou o sinal, da relação entre gastos e desempe-nho dos alunos, acreditando que o parâmetro possa variar. Quanto à crítica de Hanushek à qualidade dos dados e ao fato da amostra não ser apropriada para a metodologia utilizada pelo fato dos dados não serem completamente independentes, seus críticos alegam ter utilizado técnicas para lidar de for-ma mais eficiente com esse problema. Mas, mesmo assim, seriam necessá-rios dados melhores para resultados mais satisfatórios. No entanto, mesmo o método de “vote counting” necessitaria da hipótese de independência dos dados, fato que não foi considerado por Hanushek.

Greenwald et. al. (1996) selecionaram, dentre os artigos utilizados por Hanushek (1986), aqueles que se enquadravam nos seguintes critérios: ti-nham sido publicados em revistas ou livros referenciados, usavam dados americanos, possuíam medidas de desempenho que refletissem sucesso

85 Capítulo 4

acadêmico, usavam dados por distritos ou menos agregados, incluíam ca-racterísticas socioculturais no modelo, eram ajustados com dados longitudi-nais e nos quais havia apenas dados independentes dos utilizados em outros estudos presentes. Olhando para gastos por aluno, os autores encontraram que 11 dos 12 estudos estatisticamente significantes tinham sinal positivo. Além disso, a maioria dos coeficientes estatisticamente não significantes apresentava associação também positiva.

Durante a década de 90, outros estudos se debruçaram sobre essa te-mática utilizando outras fontes de dados e abordagens alternativas. Card e Krueger (1992), por exemplo, estudaram o efeito de fatores relacionados às escolas, como professores por aluno e salários relativos dos professores, so-bre retornos da educação para a geração nascida entre 1920 e 1949. Os au-tores encontram que os homens que estudaram em estados com melhores escolas possuíam maiores prêmios por ano de escolaridade. Outro resultado encontrado foi que aqueles que estudaram nos estados com professores mais escolarizados, também possuíam prêmios mais elevados para educação.

Betts (1996) fez uma detalhada revisão da literatura sobre o impacto dos recursos das escolas nos ganhos dos indivíduos e no sucesso educacio-nal. O autor destacou o fato de que o desempenho dos estudantes em exa-mes de proficiência é uma medida de eficiência de curto prazo. Por isso, seria necessário olhar também para outras medidas de longo prazo, como por exemplo, os rendimentos futuros dos indivíduos.

No entanto, Hanushek (2006) argumentou que essas medidas - de-sempenho em testes padronizados e rendimentos individuais - além da pro-dutividade e do crescimento do produto, de um país são diretamente rela-cionadas. Segundo o autor, um aumento de um desvio padrão na nota de matemática refletiria um aumento de 12% nos rendimentos anuais, sendo que esse valor ainda poderia estar subestimado. Dessa forma, o desempe-nho dos estudantes em testes padronizados seria a variável chave para ava-liar os impactos de políticas na qualidade do ensino.

Embora as pesquisas analisadas por Betts fossem ambíguas quanto à relação entre gastos e desempenho, tanto em termos de rendimentos quanto de resultados acadêmicos, importantes padrões foram observados pelo autor. De modo geral, os artigos que mostraram não haver relação significativa entre insumos escolares e resultados utilizaram dados agre-gados por escolas e estudaram trabalhadores mais jovens (educados entre 1960 e o início dos anos 80). Enquanto isso, os trabalhos que encontraram relação positiva avaliaram médias escolares por estado e eram compostos por trabalhadores mais velhos (os quais estudaram na primeira metade do século XX). O autor defende que a hipótese mais plausível para explicar esse padrão é de mudança estrutural. A relação entre insumos escolares e

86Capítulo 4

resultado teria ficado mais fraca ao longo do tempo. Isso poderia ter ocor-rido devido a fatores como queda nos retornos educacionais, aumento da burocratização e centralização das escolas públicas ou aumento da sindi-calização dos professores.

Sobre essa última explicação Hoxby (1996) elabora um modelo com a existência de dois tipos de sindicatos. Um deles maximizaria a eficiência do sis-tema educacional, pois, devido às informações privilegiadas a que os professo-res têm acesso, eles internalizariam externalidades da produção da educação que os demais agentes não teriam acesso. O outro tipo seriam os sindicatos que procurariam apenas maximizar a renda dos professores, sem interesse na qualidade do ensino. Dentro desse modelo, qualquer um dos dois tipos de sin-dicatos tende a aumentar a quantidade de recursos empregados na educação, caso haja aumento da sindicalização. No entanto, apenas no primeiro caso, um aumento dos recursos causa um aumento da qualidade da educação.

Os estudos revisados por Betts também apontam que as estimativas da taxa de retorno do gasto por aluno e do tamanho da classe mostraram padrões próximos aos descritos acima: estudos que utilizaram dados das es-colas obtiveram taxas de retorno menores do que aqueles compostos por dados dos estados. Porém, mesmo utilizando as estimativas mais otimistas, a taxas de juros plausíveis, a taxa líquida de retorno dos gastos por aluno foi sempre negativa. Por outro lado, a taxa de retorno de um ano a mais de edu-cação se mostrou muito maior. Exatamente por isso, Betts sugere políticas públicas que aumentem o tempo de ensino, como aumento das horas-aulas ou dos anos de estudo, essas políticas seriam largamente mais eficazes do que aquelas constituídas por simples aumentos dos gastos por aluno ou por diminuição do tamanho das classes.

Decompondo os gastos educacionais dos Estados Unidos entre 1890 e 1990, Hanushek e Rivkin (1997) mostram que, devido, principalmente, à redução da relação alunos-funcionários, ao aumento real dos salários dos professores e ao aumento dos gastos administrativos, o gasto real por aluno cresceu o equivalente a uma taxa de 3,4% ao ano nesse período.

Acrescentando ao crescimento dos gastos em educação o fato que, en-tre 1970 e 1995, a qualidade do ensino nos Estados Unidos praticamente não se alterou, Hanushek (1997) chega à conclusão de que houve uma que-da na produtividade do sistema educacional norte-americano. Segundo o autor, essa queda na produtividade poderia ser explicada por um mecanis-mo conhecido como “doença de Baumol”.

Em uma economia com dois setores, sendo um deles intensivo em tecnologia e outro em mão de obra e com remuneração do trabalho dada pela produtividade média da economia um aumento do desenvolvimen-to tecnológico provocaria aumento dos salários e uma redução da pro-

87 Capítulo 4

dutividade do setor intensivo em mão-de-obra. Aqui, esse último setor seria o sistema de ensino.

No entanto, Hanushek acredita que a queda da produtividade vivida pelos Estados Unidos foi superior a prevista pela “doença de Baumol”. Para o autor, essa queda da produtividade pode ser mais facilmente explicada pelo fato das estruturas educacionais não criarem mecanismos de incentivos para o aprimoramento do ensino ou para redução dos custos.

Na mesma linha dessa explicação simples sugerida por Hanushek, os autores Pritchett e Filmer (1997) desenvolveram um modelo positivo e teóri-co. Segundo esse modelo, o objetivo dos responsáveis pela alocação dos re-cursos seria maximizar uma média ponderada entre a qualidade do ensino e alguma medida da utilidade dos professores. Esse modelo seria capaz de ex-plicar a falta de relação entre gastos educacionais e qualidade da educação.

Wö β mann (2003) também elabora um modelo para explicar o funcio-namento dos sistemas educacionais. Segundo o autor, a qualidade depende de uma série de fatores como instituições, políticas e prestação de contas. Tais fatores podem ser resumidos na estrutura de incentivos do sistema edu-cacional. Além das características do aluno e de sua família, o desempenho dependeria de cinco fatores: (1) a presença de exames centralizados; (2) a distribuição do poder de decisão entre escolas e órgãos que as governam; (3) o nível de influência de professores e sindicatos de professores; (4) a dis-tribuição do poder de decisão sobre o sistema de educação entre níveis de governo e (5) o grau de competição entre as redes pública e privada.

Hanushek (1997), Gundlach, Wö β mann e Gmelin (2001) e Gundlach e Wö β mann (2001) chegam a conclusões semelhantes a respeito dos au-mentos dos custos observados no setor educacional. Enquanto o primeiro olha para dados dos Estados Unidos, o segundo estudo observa dados de países da OCDE e o terceiro analisa países do leste asiático. Todos os três trabalhos concluem que os aumentos dos custos foram superiores aos pre-vistos pela “Doença de Baumol”. Tais observações vão ao encontro da afir-mação de Hanushek de que o aumento dos gastos não está diretamente relacionado à melhora da qualidade da educação.

Hanushek e Kimko (2000) exploraram a relação entre qualidade do en-sino e crescimento econômico. Nos modelos propostos pelos autores, a in-clusão de variáveis de qualidade do ensino aumentou o ajuste dos dados ao modelo em cerca de 40 pontos percentuais. Como os autores argumentam que aumentos de recursos não causam melhora na qualidade da educação, ou nos resultados dos testes padronizados, a melhoria na qualidade da edu-cação causaria aumento do crescimento. Segundo esse estudo, um aumento de um desvio padrão nos resultados de testes padronizados provocaria um aumento de 1,4 ponto percentual no crescimento do Produto Interno Bruto.

88Capítulo 4

Com base em um painel de países, Lee e Barro (2001) encontraram uma relação positiva entre recursos escolares e qualidade do ensino. Tal correlação foi encontrada para a razão professor-aluno e para o salário do professor. Além de mais uma vez corroborar a existência da relação positiva entre fatores familiares e desempenho dos alunos.

Rivkin, Hanushek e Kain (2005), a partir de um painel de escolas do Texas, elaboram um estudo sobre o impacto do número de professores por aluno e da qualidade dos professores sobre o desempenho escolar. As prin-cipais conclusões do artigo são: a qualidade dos professores tem um impac-to importante sobre o desempenho dos alunos; o desempenho dos alunos está relacionado às características dos professores e da escola, embora esse impacto seja pequeno. Jacob e Lefgren (2004) aproveitaram reformas feitas nas escolas de Chicago para utilizar técnicas de regressão descontínua para testar impacto de políticas de treinamento de professores no desempenho dos alunos. Os resultados não mostraram nenhum efeito significativo nos resultados de leitura e matemática. Logo, segundo os autores, investimentos modestos em treinamento podem não ser suficientes para aumentar o de-sempenho de crianças do ensino primário em escolas muito pobres.

Também utilizando regressão descontínua, Leuven et al. (2007) estima-ram o impacto de programas que destinam mais recursos para escolas com grande proporção de alunos com baixo desempenho. O primeiro esquema dava recursos extras para gastos com pessoal às escolas primárias com pelo menos 70% dos alunos de minorias desfavorecidas. Já o segundo dava re-cursos extras para computadores e softwares às escolas primárias com pelo menos 70% dos alunos de qualquer grupo desfavorecido. Os autores não encontraram efeitos positivos para nenhum dos dois esquemas. Além disso, foi encontrado um impacto negativo e significativo para o segundo esque-ma, o que sugere que políticas de investimentos em informática não são eficazes para melhorar o desempenho nas escolas. Essa tese é corroborada por outros estudos como Angrist e Lavy (2002), Goolsbee e Guryan (2006), Rouse and Krueger (2004).

Greene e Trivitt (2008) estimaram os efeitos das intervenções de deci-sões judiciais nos recursos alocados para educação nos estados norte-ame-ricanos. Segundo os autores, houve intervenção judicial em mais da metade dos estados entre 1992 e 2005. No entanto, ao acompanhar os resultados em testes padronizados e as taxas de conclusão do ensino médio em 48 es-tados, não foram encontradas evidências de que as intervenções tivessem impactado os resultados atingidos.

Outro fator diretamente correlacionado com os gastos em educação é o salário dos professores. Ondrich, Pas e Yinger (2008) mostraram que pro-fessores de municípios com salários relativos maiores com relação aos de-

89 Capítulo 4

mais trabalhadores são menos prováveis de deixar de lecionar. Além disso, professores com salários próximos ao topo da distribuição de salários pos-suem uma probabilidade menor de trocar de distrito.

Analisando o impacto de classes menores no aprendizado, Konstan-topolous e Chun (2009) utilizaram dados do Projeto STAR3 e do “Lasting Benefits Study” para estimar os efeitos de classes pequenas nas diferen-ças de resultados em matemática, leitura e ciências. No Projeto STAR, 11.571 alunos do Tennessee e seus professores foram aleatoriamente es-colhidos para salas de aula dentro de suas escolas, desde a educação in-fantil até a terceira série. Os resultados mostraram que todos os tipos de alunos que estudaram em classes pequenas nas séries iniciais obtiveram um melhor desempenho nas séries mais avançadas. Alunos com baixo desempenho se beneficiaram mais, especialmente em leitura e ciências, o que sugere que políticas de redução de classes podem ser eficazes para reduzir a desigualdade de resultados.

Ainda utilizando dados do Projeto STAR, Chetty et al. (2011) avaliaram seus impactos de longo prazo juntando os dados experimentais a registros administrativos. O estudo relata que os resultados dos testes no jardim de infância estão altamente correlacionados com os rendimentos aos 27 anos de idade, com a chance de entrar na faculdade, de possuir casa própria, com poupança e aposentadoria. Os autores também relatam uma maior proba-bilidade de estudantes de classes menores entrarem na faculdade e de ob-terem melhores resultados. No entanto, os autores não encontraram efeitos significativos da relação entre o tamanho das classes e rendimentos aos 27 anos de idade. Outro ponto levantado é que alunos que tiveram aulas com professores mais experientes obtiveram melhores salários aos 27 anos.

Borman e Dowling (2010) e Konstantopolous e Borman (2011) voltaram a analisar os antigos dados do estudo de Coleman e argumentam que, fazen-do-se uma análise mais detalhada, percebe-se que características escolares tem um importante papel distributivo e na redução da desigualdade de re-sultados para mulheres, minorias e grupos em desvantagem. Mesmo após controlar as características familiares dos estudantes, uma grande parte da variação entre os resultados médios das escolas estaria relacionada a dife-renças explicadas por características das escolas.

Ainda com relação a efeitos distributivos, Roy (2011) analisou uma grande alteração no sistema de financiamento escolar feita pelo estado de Michigan em 1994. A mudança aumentou significativamente os recursos enviados aos distritos com menores gastos em educação e limitou aumen-tos de gastos futuros por parte dos distritos com maiores gastos. O autor

3 Programa de redução de tamanho de classes realizado em Texas, EUA.

90Capítulo 4

argumenta que houve um significativo efeito positivo no desempenho dos distritos com menores gastos no teste estadual. Porém, a restrição imposta aos municípios com maiores gastos pode ter tido um impacto negativo no desempenho dessas localidades.

Clotfelter, Ladd e Vigdor (2011) chamam atenção para o fato de há uma grande desigualdade na distribuição entre a qualidade dos professores nas diferentes escolas norte-americanas. Essa desigualdade é claramente desvantajosa para as minorias e para os estudantes de mais baixa renda. Utilizando dados da Carolina do Norte, os autores medem o potencial de políticas de diferencial de salários para alterar esse padrão. No entanto, os autores chegam à conclusão que os professores mais qualificados respon-dem mais à mistura racial e de renda dos alunos da escola do que aos salá-rios quando comparados aos professores menos qualificados.

De uma maneira mais geral, Fryer (2011) mede o impacto de uma sé-rie de políticas relacionadas a aumentos de gastos no resultados de esco-las com baixo desempenho em Houston, Texas. No ano letivo 2010-2011, foram implantadas cinco estratégias tidas como bem sucedidas em escolas charter, em nove das escolas com mais baixo desempenho em Houston. As medidas eram aumento do tempo de instrução (horas aula), uma aborda-gem mais rigorosa voltada para formação de capital humano, amplo uso de tutoriais para orientar o ensino, uso frequente de dados para avaliar o aprendizado e uma política de expectativa de resultados elevados. O estu-do mostra que houve um impacto positivo de 0,277 desvio-padrão em ma-temática e de 0,062 em leitura, resultado muito semelhante aos de outros estudos do gênero.

Mais recentemente, outra política diretamente relacionada a aumento dos gastos em educação tem sido adotada em diversas partes do mundo: as políticas de incentivos financeiros atrelados ao desempenho dos professores. Hanushek e Raymond (2006) chamam atenção para o fato de que políticas de prestação de contas (accountability) desempenham um papel relevante para o ensino norte-americano. Dentro desta perspectiva, iniciativas de remu-neração dos professores por desempenho dos alunos se enquadram como políticas de “hard accountability”, uma vez que atrelam a remuneração dos professores ao seu desempenho na tarefa de melhorar os resultados dos alu-nos. Outra defesa de políticas de incentivos financeiros e uma descrição mais detalhada podem ser vistas em Hanushek (2008).

Por outro lado, Fryer (2013), a fim de entender o efeito de políticas de incentivos financeiros, descreveu um experimento aleatório realizado em mais de duzentas escolas públicas da cidade de Nova Iorque. Nesse estudo, o autor não encontrou evidências de que os incentivos aos profes-sores melhoraram o desempenho dos alunos, frequência escolar ou taxas

91 Capítulo 4

de conclusão do ensino médio. Além disso, o autor também não encontra evidências de que os incentivos mudaram os comportamentos, sejam dos alunos ou dos professores.

A figura 1 do Apêndice mostra a relação entre os gastos com educação (porcentagem de PIB) e a nota de matemática no PISA de 2009, para alguns paí-ses selecionados. Ao analisarmos a situação brasileira, verificamos que, apesar de possuir uma alta taxa de financiamento em educação, comparativamente aos outros países, o desempenho dos alunos brasileiros no Programa Interna-cional de Avaliação de Alunos é nitidamente o pior de todos. México e Chile também apresentam um baixo desempenho. Analisando o gráfico como um todo, percebemos que não há uma tendência nítida entre total de gasto com educação e desempenho escolar. Os países que possuem nota próxima de 500 no PISA diferem bastante em relação ao total de investimento em educação.

2.2 Literatura Nacional

Diferentemente do caso internacional, a literatura brasileira a respeito da relação entre gastos educacionais e qualidade da educação é bastante escassa. Embora esse tema esteja frequentemente na agenda política e gere bastante polêmica na sociedade, faltam estudos científicos que analisem os verdadeiros impactos de aumentos nos gastos na qualidade do ensino.

Dentro da perspectiva dos determinantes dos gastos em educação, Menezes-Filho e Pazello (2007) utilizam os dados do SAEB de 1995 a 2001 para captar o efeito da modificação de 1998 do FUNDEF, sobre os salários dos professores, e seus possíveis reflexos sobre a proficiência dos alunos. Os autores encontram um efeito positivo do aumento dos salários dos profes-sores sobre a proficiência dos alunos da rede pública. Além disso, os autores sugerem que o ganho de proficiência seja fruto da atração de melhores pro-fessores em função dos melhores salários oferecidos.

Mais especificamente com relação aos gastos, Menezes-Filho e Amaral (2009) utilizam dados da Prova Brasil e dos gastos municipais disponibiliza-dos através do FINBRA4 para testar a existência de relação entre as despesas municipais com educação e o desempenho médio das escolas municipais. Os resultados mostram que após utilizarem variáveis de controle para carac-terísticas da população do município e por horas-aula o efeito encontrado foi pequeno e apenas para municípios com notas mais altas na quarta série.

Nascimento (2007) elaborou um estudo com base nos dados disponí-veis para 274 municípios do Estado da Bahia, nos quais o governo estadual

4 Disponível na Secretaria do Tesouro Nacional.

92Capítulo 4

aplicou provas de proficiência em matemática e português para alunos das quartas e oitavas séries. Após controlar por características observáveis, o autor não encontrou efeitos significativos seja para os gastos ou para seus determinantes. Diaz (2007), também utilizou dados do FINBRA, no entanto, mediu o impacto dos gastos no IDEB municipal. A autora conclui que existe um impacto positivo dos gastos, mas sua magnitude é pequena.

O que fica evidente é que os estudos brasileiros relacionados a gas-tos educacionais ainda estão muito atrasados com relação aos trabalhos que são feitos no exterior. Além disso, a maioria desses poucos estudos faz uso de dados muito semelhantes, talvez isso indique a necessidade de criação de bases dados melhores que possam ser utilizadas para realiza-ção desse tipo de estudo.5

3. Metodologia

A metodologia geralmente utilizada para analisar o impacto dos re-cursos escolares no desempenho dos alunos é a chamada função de pro-dução escolar:

itiiiiit uHSPFfY += ),,,( (1)

Esta função relaciona o desempenho escolar (Y) com medidas de estru-tura socioeconômica da família (F), efeito dos pares (P), insumos escolares (S) e habilidade do aluno (H). Vale notar que esses fatores são cumulativos, ou seja, o resultado depende da acumulação desses componentes ao longo do tempo. Nesse contexto, diversas especificações de uma regressão tendo como variável dependente as notas médias municipais na Prova Brasil foram estimadas. A equação de regressão tomada como base para a estimação seguiu a seguinte forma:

log( ) log( ) i i j jnota gasto z dummyufα β γ θ ε= + + + +∑ ∑ (I)

onde ε representa um fator de erros aleatórios. As variáveis dependentes são as notas médias das redes municipais na Prova Brasil, sejam em matemática ou em português; os gastos são os gastos nas redes municipais de ensino

5 Poderíamos utilizar os dados de infraestrutura escolar obtidos na amostra de escolas uti-lizada nos demais capítulos desse livro. Porém, sabemos que a maior parte dos gastos com educação é com o salário dos professores, não com infraestrutura e, infelizmente, essa base não possui dados sobre salários. Além disso, vários estudos mostram que a infraestrutura escolar não importa para o desempenho dos alunos (Menezes-Filho, 2012).

93 Capítulo 4

fundamental por aluno matriculado nas respectivas redes; as variáveis de controle ( iz ) são os anos de educação média da população com 25 anos ou mais em cada município no ano de 2000, as horas médias de aula por dia de cada rede e a proporção média de docentes com curso superior em cada rede. Por fim, há variáveis binárias (dummyuf j ) identificando cada Unidade da Federação, para controlar por características não observáveis de cada Estado que podem ser correlacionadas com a nota e com os gastos. Cabe ressaltar que em uma das especificações testou-se uma forma funcional que continha o logaritmo dos gastos ao quadrado.

Para concluir se aumentos nos gastos educacionais têm aumentado a qualidade da educação, deve-se testar a significância do parâmetro β . Ape-nas no caso de β significante e positivo se pode concluir que aumentos nos gastos têm aprimorado o ensino. Tendo em vista esse fato, utilizamos vários métodos de regressão para dados em painel, como POLS, Efeitos Aleatórios, Efeitos Fixos e Primeiras-Diferenças, para tentar estimar essa relação de modo consistente e eficiente. Esses métodos buscam controlar por caracte-rísticas não observáveis dos municípios que não variam ao longo do tempo (ver Wooldridge, 2012). Os erros padrão foram corrigidos pelo método de White, a fim de evitar que a ineficiência dos estimadores de mínimos quadra-dos na presença de heterocedasticidade inviabilizasse os testes-t e testes-F.

4. Dados

Como medida da qualidade do ensino, optamos por utilizar os dados da Prova Brasil. A Prova Brasil é uma avaliação desenvolvida e aplicada pelo Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (Inep), autarquia do Ministério da Educação (MEC), que tem como objetivo obter informações sobre a qualidade do ensino fundamental. Utilizou-se no traba-lho os dados disponíveis em 2005, 2007, 2009 e 2011. A Prova Brasil consiste em duas provas, uma de português e outra de matemática e é aplicada a alunos da quarta e da oitava séries.

Dessa forma, os dados utilizados consistem nas notas médias obtidas por cada município nos exames de proficiência em matemática e português. Como variável indicativa da qualidade do ensino, portanto, calculou-se para cada município a média das notas de proficiência em matemática e portu-guês de suas escolas, cada uma ponderada pelo número de alunos matricu-lados. Em 2005, por exemplo, esses dados contemplam 19.363 escolas para a quarta série e 7.442 escolas para a oitava série.

Os dados referentes aos gastos públicos em educação são os gastos municipais no ensino fundamental, ou seja, a despesa de cada município na

94Capítulo 4

sua rede de ensino fundamental. Tais dados foram obtidos pela série “Finan-ças do Brasil – Dados Contábeis dos Municípios” (FINBRA), publicados pela Secretaria do Tesouro Nacional. O sistema FINBRA contém, entre outros, da-dos da execução orçamentária (receitas e despesas) e do balanço patrimo-nial dos municípios brasileiros para os anos de 2005 a 2011.

É importante observar que os dados do FINBRA não contêm informa-ções de todos os municípios brasileiros e que há um número de municípios que reportou gasto zero no ensino fundamental (esses municípios não são contemplados na análise). Ademais, ressalta-se que o FINBRA disponibiliza as despesas municipais decompostas por subfunções, sendo as despesas no ensino fundamental a variável de interesse. Por fim, a variável relativa aos gastos em educação são os gastos no ensino fundamental por aluno na rede municipal, sendo o número de alunos nas redes municipais de ensino funda-mental obtido nos microdados do Censo Escolar de 2005 a 2011.

As outras variáveis de controle podem ser obtidas a partir do banco de dados da Prova Brasil. As duas principais são a média da porcentagem de do-centes com curso superior em cada escola para cada município e o número médio de horas de aula por dia entre as escolas dos municípios. O cálculo dessas duas variáveis seguiu a forma de cálculo das notas médias municipais, a saber, na composição de média cada escola foi ponderada pelo seu número de alunos matriculados. Por fim, foram acrescentadas especificações com a inclusão dos gastos defasados para testar a existência de uma possível rela-ção entre as notas obtidas num dado ano t e os gastos dois anos antes (t - 2).

5. Resultados

As tabelas 1 a 16 (no apêndice) apresentam os resultados da estima-ção dos modelos econométricos descritos acima. As primeiras quatro ta-belas apresentam os resultados dos modelos que usam o estimador POLS (Pooled Ordindary Least Squares), ou seja, não controlam pelo efeito es-pecífico de cada município. Assim, os dados para os quatro anos (2005, 2007, 2009 e 2011) são agregados nessa análise. As tabelas 9 a 16 mos-tram os mesmos modelos, mas explicando o logaritmo dos gastos em t-2, e não em t, como variável explicativa.

A tabela 1 apresenta os resultados de matemática para a 4ª série. Podemos ver na coluna 1 que os gastos por aluno do município são posi-tivamente relacionados com o desempenho escolar. Na segunda coluna, podemos verificar que o efeito continua positivo e estatisticamente signifi-cativo mesmo após controlarmos pela educação média das pessoas acima de 25 anos de idade do município em 2000 (proxy para educação dos pais).

95 Capítulo 4

A terceira coluna revela que o efeito também persiste após incluirmos o número médio de horas-aula por dia, a porcentagem de docentes com cur-so superior e a renda média do município na análise, as duas primeiras variáveis são controles para a qualidade das escolas do município e a últi-ma é positivamente relacionada com a nota dos alunos e com o gasto por aluno do município. Apesar da magnitude do coeficiente de gastos diminuir significativamente após a inclusão dessa variável, ele continua estatistica-mente significante. Entretanto, a inclusão das dummies de UF, que buscam controlar pelas características não observáveis dos Estados, faz com que o coeficiente dos gastos torne-se próximo de zero e estatisticamente não significativo. Isso significa que, quando usamos somente a variação entre gastos e notas dentro dos Estados, a relação entre essas variáveis torna-se insignificante. Finalmente, na última coluna, podemos observar que mes-mo não controlando pela qualidade das escolas e controlando pelas ca-racterísticas não observáveis dos Estados, o gasto por aluno continua não sendo correlacionado com o desempenho dos alunos.

As tabelas 2, 3 e 4 mostram que os resultados acima descritos se man-têm quando analisamos a relação entre os gastos por aluno e as notas dos alunos da 4ª série em Língua Portuguesa, na 8ª série em Matemática e tam-bém na 8ª série em Língua Portuguesa, ou seja, são bastante robustos. A única diferença que emerge da análise comparativa entre as séries e as dis-ciplinas é que a correlação não condicional entre gastos e notas parece mais fraca na 8ª série, mesmo antes de adicionarmos os demais controles. Assim, a relação torna-se negativa e estatisticamente significativa quando adiciona-mos as dummies de UF, nas duas últimas colunas das tabelas.

As tabelas 5 a 8 apresentam os resultados dos modelos para dados em painel, que controlam pelas características não observáveis dos municípios, que não variam ao longo do tempo. A tabela 5 começa apresentando os re-sultados de Matemática para a 4ª série. A primeira coluna mostra novamen-te os resultados usando POLS, apenas como “benchmark” para os demais modelos. A segunda coluna mostra os resultados do modelo de efeitos alea-tórios, que trata os efeitos específicos de cada município como uma variável aleatória não relacionada com as variáveis explicativas. O coeficiente dos gastos diminui bastante, mas é estatisticamente significativo.

Porém, a coluna 3, que apresenta os resultados dos modelos de efeitos fixos, mostra que o coeficiente dos gastos torna-se negativo e estatisticamen-te significativos. O modelo de efeitos fixos trata os efeitos específicos de cada município como parâmetros a serem estimados e permite que eles sejam correlacionados com as variáveis explicativas, incluindo os gastos por aluno. Isso mostra que a correlação positiva entre gastos e notas (detectada nas colunas anteriores), na verdade resulta de uma relação espúria entre essas

96Capítulo 4

variáveis. A coluna 4 utiliza um outro método de estimação, o de primeiras-diferenças. Esse método utiliza somente a variação temporal de gastos e de notas de cada município ao longo do tempo para estimar a relação entre eles, controlando pela variação das demais variáveis de controle. Podemos notar que os resultados são muito parecidos com os dos efeitos fixos, mostrando a robustez desses resultados. Por fim, a coluna 5 apresenta os resultados da estimação de um modelo que exclui a variação nas horas-aula e na porcen-tagem de professores com ensino superior. Como essas variáveis também capturam variações nos gastos por aluno, sua exclusão poderia aumentar o coeficiente estimado dos gastos, uma vez que estaríamos estimando seu efeito direto e indireto sobre a proficiência. Não é isso que ocorre, porém, uma vez que o coeficiente praticamente não se altera.

Vale a pena notar os coeficientes das outras variáveis (de controle) na especificação de efeitos fixos e primeiras-diferenças. A renda média dos mu-nicípios também possui um coeficiente negativo e (marginalmente) significa-tivo nessas especificações, mostrando que não há uma correlação contem-porânea entre essas variáveis entre os municípios. O número de horas-aula por dia também não apresenta relação positiva. Esses resultados podem ser devidos a erros de medida nas variáveis, que provocam uma subestimação dos coeficientes estimados, ou de endogeneidade, ou seja, a variação nos valores assumidos por essas variáveis ao longo do tempo pode estar correla-cionada com a variação em variáveis omitidas.

Um possível exemplo de variável omitida é a proporção de estudantes do município em escolas particulares. Municípios com renda média mais alta tendem a ter uma parcela maior de alunos no ensino particular. E, como a renda é fortemente correlacionada como desempenho, as escolas públicas poderiam ficar com alunos com desempenho pior. Nesse exemplo, a renda média do município estaria correlacionada como termo aleatório da regres-são. Entretanto, a ausência de variáveis instrumentais impede a estimação de modelos desse tipo no presente estudo.

No caso das horas-aula, possivelmente os funcionários das escolas preenchem os formulários do censo escolar com os horários oficiais de iní-cio e término das aulas e não a duração efetiva, o que gera erros de medida. Erros de medida tendem a subestimar o efeito das variáveis de interesse, particularmente em especificações de primeiras-diferenças.

As tabelas 6, 7 e 8 apresentam os resultados das mesmas especifica-ções da tabela 5 para as notas dos alunos da 4ª série em Língua Portugue-sa, na 8ª série em Matemática e também na 8ª série em Língua Portugue-sa. As tabelas mostram que os resultados das diferentes especificações são muito parecidos com os da tabela 5, ou seja, são bastante robustos. O coeficiente da variável gasto por aluno é negativo nas especificações de

97 Capítulo 4

efeitos fixos e de primeiras diferenças em todas as tabelas. A única dife-rença encontrada é que para a 8ª série os efeitos desaparecem mesmo na especificação de efeitos aleatórios.

Finalmente, as tabelas de 9 a 16, apresentam os resultados da subs-tituição dos gastos correntes pelos gastos defasados (t-2). Nessas especifi-cações podemos observar um aumento da magnitude dos coeficientes es-timados para os gastos. Isso sugere que os gastos tendem a ter um efeito maior com o passar o tempo. No caso da quarta série, o efeito dos gastos se mostrou significativo mesmo após controlarmos pelas características não observáveis dos estados. No entanto, ao utilizarmos o estimador de efeitos fixos, as estimativas dos efeitos dos gastos mostraram-se não significantes ou significantes e negativas.

6. Conclusões

Os resultados dos modelos desenvolvidos mostram que existe uma correlação positiva entre os gastos por aluno e as notas de língua portugue-sa e matemática dos municípios brasileiros. Entretanto, tanto a inclusão de dummies de UF, para controlar pelas características não observáveis dos Es-tados, como a inclusão de efeitos fixos, que controlam pelas características não observáveis dos próprios municípios, fazem com que essa correlação desapareça. Logo, parece que não há relação entre os gastos por aluno e o desempenho escolar dos municípios no Brasil quando utilizamos somente a variação de gastos e notas entre municípios de um mesmo Estado ou dos municípios ao longo do tempo.

Na verdade, em várias especificações o coeficiente estimado foi ne-gativo, o que indicaria que um aumento dos gastos poderia diminuir a proficiência dos alunos. Esse resultado está em linha com alguns estudos que encontraram efeitos negativos dos gastos, dependendo de como os recursos adicionais são utilizados. Por exemplo, et al (2007) mostram que um programa que transferia recursos extras para computadores e softwa-res para escolas primárias nos EUA teve impacto negativo e significativo. Assim, tudo depende de como os recursos são utilizados. No Brasil, os resultados parecem mostrar que os gastos não estão sendo utilizados da forma mais eficiente.

Além disso, há também a possibilidade de erros de medida nas variá-veis de interesse. É provável que os gastos reportados pelos municípios no FINBRA não sejam totalmente acurados, o que faria com que os coeficien-tes estimados subestimassem os verdadeiros parâmetros populacionais. Nesse caso, seria necessária outra fonte de informação sobre os gastos

98Capítulo 4

municipais com educação para que pudéssemos obter estimadores con-sistentes. Infelizmente, nós desconhecemos a existência de outra fonte de informação sobre gastos.

Outra possível limitação dos modelos estimados é a possível existência de endogeneidade, ou seja, as variações nos gastos ao longo do tempo po-dem ser correlacionadas com variações nos componentes não observados (termo aleatório). Se isso ocorrer, os coeficientes estimados nos modelos de efeitos fixos podem ser enviesados, o que também poderia explicar os resultados negativos e significativos encontrados em algumas especifica-ções. Pesquisas futuras devem testar essa possível endogeneidade, usando o método de variáveis instrumentais esta análise não é feita neste estudo, devido à ausência de variáveis no presente estudo que pudessem atender às exigências necessárias para um bom instrumento.


ANGRIST, J. D.; LAVY, V. New Evidence on Classroom Computers and Pupil Learning. Economic Journal, v. 112, p. 735–765, 2002.

BETTS, J. Is There a Link between School Inputs and Earnings? Fresh Scrutiny of an Old Liter-ature. In: GARY BURTLESS, (Org.)., Does Money Matter? The Effect of School Resources on Student Achievement and Adult Success. Washington, D.C.: Brookings Institution, p. 141-91, 1996.

BORMAN, G. D.; DOWLING, M. Schools and Inequality: A Multilevel Analysis of Coleman’s Equal-ity of Educational Opportunity Data. Teachers College Record, v.112, p. 1201-1246, 2010.

CARD, D.; KRUEGER, A. Does School Quality Matter? Returns to Education and the Characteris-tics of Schools in the United States. Journal of Political Economy, v.100, n.1, p. 1-40, 1992.

CHETTY, R.; FRIEDMAN, J.N.; HILGER, N.; SAEZ, E.; SCHAZENBACH, D.W.; YAGAN, D. How Does Your Kindergarten Classroom Affect Your Earnings? Evidence from Project Star. The Quar-terly Journal of Economics, v.126 n.4, p.1593-1660, 2011.

CLOTFELTER, C.; LADD, H.F.; VIGDOR, J. Teacher Mobility, School Segregation and Pay Based Policies to Level the Playing Field. Education Finance and Policy, v.6, n.3, p. 399–438, 2011.

COLEMAN, J. S.; CAMPBELL, E. Q.; HOBSON, C. F.; MCPARTLAND, J.; MOOD, A. M. Equality of Educational Opportunity. Washington: U. S. Office of Education, 1966.

DIAZ, M.D. Qualidade do gasto público em educação no Brasil. In: Qualidade do Gasto Público no Brasil: sugestões para melhorar os resultados das políticas públicas sem aumento de impostos, p. 48-73, 2007.

FRYER, R. Creating No Excuses Traditional Public Schools: Preliminary Evidence from an Exper-iment in Houston. Cambridge, 2011 MA: NBER Working Paper

FRYER, R. Teacher Incentives and Student Achievement: Evidence from New York City Public Schools. Journal of Labor Economics, v. 31, n. 2, p. 373-407, 2013.

GOOLSBEE, A.; GURYAN, J. The Impact of Internet Subsidies in Public Schools. The Review of Economics and Statistics, v.88, n. 2, p. 336–347, 2006.

GREENE, J. P.; TRIVITT, J. Can Judges Improve Academic Achievement? Peabody Journal of Education, v.83 n. 2, p. 224-237, 2008.

99 Capítulo 4

GREENWALD, R.; HEDGES, L.; LAINE, R. The Effect of School Resources on Student Achieve-ment. Review of Educational Research, v. 66 n. 3, p. 361-396, 1996.

GUNDLACH, E.; WÖβMANN, L. The Fading Productivity of Schooling in East Asia. Journal of Asian Economics, n. 12, p. 401-417, 2001.

GUNDLACH, E.; WÖβMANN, L.; GMELIN, J. The Decline of Schooling Productivity in OCDE Countries. The Economic Journal, v. 111, n. 471, p. 135-147, 2001.

HANUSHEK, E.A. Economics of Schooling: Production and Efficiency in Public Schools. Journal of Economic Literature, v.24 (3), p. 1141-1177, 1986.

_____________. The impact of differential expenditures on school performance. Educational Researcher, v. 18 (4), p. 45-62, 1989.

_____________. Money Might Matter Somewhere: A Response to Hedges, Laine andGreenwald. Educational Researcher, v.23, pp. 5-8, 1994._____________. The Productivity Collapse in Schools. In: FOWLER JR, William J. (Org.), Deve-

lopments in School Finance. Washington, DC: National Center for Educational Statistics, U.S. Department of Education, p. 183-195, 1997.

_____________. Alternative School Policies and the Benefits of General Cognitive Skills. Eco-nomics of Education Review, v. 25, n. 4, p. 447-462, 2006.

_____________. Incentives for Efficiency and Equity in the School System. Perspektiven der Wirtschaftspolitik (Special Issue), p. 5-27, 2008.

HANUSHEK, E.A.; KIMKO, D. Schooling, Labor-Force Quality, and the Growth of Nations. The American Economic Review, v. 90, n. 5, p. 1184-1208, 2000.

HANUSHEK, E.A.; RAYMOND, M. E. School Accountability and Student Performance. Federal Reserve Bank of St. Louis, Regional Economic Development, v. 2, n. 1, p. 51-61, 2006.

HANUSHEK, E.A.; RIVKIN, S. G. Understanding the 20th Century Growth in U.S. School Spen-ding. Journal of Human Resources, v. 32, n. 1, p. 35-68, 1997.

HOXBY, C. M. How Teachers’ Unions Affect Education Production. The Quarterly Journal of Economics, v. 111, n. 3, p. 671-718, 1996.

JACOB, B.; LEFGREN, L. The Impact of Teacher Training on Student Achievement: Quasi-Expe-rimental Evidence from School Reform Efforts in Chicago. Journal of Human Resources, v. 39, p. 50-79, 2004.

KONSTANTOPOULOS, S.; CHUN, V. What Are the Long-Term Effects of Small Classes on the Achievement Gap? Evidence from the Lasting Benefits Study. American Journal of Educa-tion, v.116, 2009.

KONSTANTOPOULOS, S.; BORMAN, G. Family Background and School Effects on Student Achievement: A Multilevel Analysis of the Coleman Data. Teachers College Record, v. 113, p. 97-132, 2011.

LEUVEN, E.; LINDAHL, M.; OOSTERBEEK, H.; WEBBINK, D. The Effect of Extra Funding for Di-sadvantaged Pupils on Achievement. The Review of Economics and Statistics, v.89(4), p. 721-736, 2007.

LEE, J.; BARRO, R. Schooling Quality in a Cross-Section of Countries. Economica, v. 68, n. 272, p. 465-488, 2001.

MENEZES-FILHO, N.; AMARAL, L. A Relação entre Gastos Educacionais e o Desempenho Esco-lar. In: IBMEC Working Paper 109, 2009, São Paulo.

MENEZES-FILHO, N. Os Determinantes do Desempenho Escolar no Brasil In: Duarte, Silber Guilhoto, (Org.). O Brasil do Século XXI. São Paulo: Saraiva.

MENEZES-FILHO, N.; PAZELLO, E. Do teachers wages matter for proficiency? Evidence from a funding reform in Brazil. Economics of Education Review, v.26, n.6, p. 660-672, 2007.

100Capítulo 4

NASCIMENTO, P.A. Desempenho Escolar e gastos municipais por aluno em educação: relação observada para os municípios baianos. In: Avaliação de políticas públicas em Educação, v. 15, n. 56, p. 393-412, 2007.

ONDRICH, J.; PAS, E.; YINGER, J. The Determinants of Teacher Attrition in Upstate New York. Public Finance Review, v.36 (1), p. 112-144, 2008.

PRITCHETT, L.; FILMER, D. What Education Production Functions Really Show: A Positive The-ory of Education Spending. World Bank Policy Research Working Paper, n. 1795, 1997.

RIVKIN, S. G.; HANUSHEK, E. A.; KAIN, J. F. Teachers, Schools, and Academic Achievement. Econometrica, v. 73, n. 2, p. 417-458, 2005.

ROUSE, C. E.; KRUEGER, A. B. Putting Computerized Instruction to the Test: A Randomized Evaluation of a Scientifically-Based Reading Program. Economics of Education Review, v. 23, p. 323–338, 2004.

ROY, J. Impact of School Finance Reform on Resource Equalization and Academic Perfor-mance: Evidence from Michigan. Education Finance and Policy, v. 6, n. 2, p. 137-167, 2011.

WÖ β MANN, L. Why Students in Some Countries do Better? International evidence on the importance of education policy. Education Matters, v. 1, n. 2, p. 67-74, 2001.

Apêndice

POLS Variável Dependente (agrupando todos os anos) Variáveis Independentes Log(Nota Matemática)Log(Gasto por Aluno) 0,096*** 0,054*** 0,029*** -0,001 -0,000 (0,005) (0,003) (0,003) (0,002) (0,002) Educação Média em 2000 0,038*** 0,024*** 0,010*** 0,010*** (0,001) (0,001) (0,001) (0,001) Horas-Aula por Dia 0,030*** 0,012*** Não (0,002) (0,002) % Docentes com curso 0,00028*** 0,00015*** Não superior (0,00003) (0,00003) Log(Renda Média) 0,034*** 0,017*** 0,017*** (0,002) (0,001) (0,001) Dummies de UF Não Não Não Sim Sim Dummies de Ano Sim Sim Sim Sim Sim Cons. 4,507*** 4,708*** 4,430*** 4,847*** 4,991*** (0,042) (0,027) (0,017) (0,024) (0,019)Obs. 16685 16684 16458 16458 16684Prob>F 0,000 0,000 0,000 0,000 0,000R² 0,294 0,439 0,474 0,616 0,614Raiz EQM 0,107 0,095 0,092 0,078 0,079

Fonte: Prova Brasil 2005 - 2011 e FINBRA. Elaboração própria.Erro-padrão robusto em parênteses.Significância dos coeficientes: *** 1%; ** 5%; * 10%.

Tabela 1 - Regressões estimadas (4ª série - matemática)

101 Capítulo 4

POLS (agrupando todos Variável Dependente os anos) Variáveis Independentes Log(Nota Português) Log(Gasto por Aluno) 0,092*** 0,048*** 0,025*** 0,000 0,001 (0,005) (0,003) (0,002) (0,002) (0,002) Educação Média em 2000 0,039*** 0,026*** 0,014*** 0,014*** (0,001) (0,001) (0,001) (0,001) Horas-Aula por Dia 0,024*** 0,009*** Não (0,002) (0,002) % Docentes com curso 0,00027*** 0,00016*** Não superior (0,00003) (0,00002) Log(Renda Média) 0,034*** 0,019*** 0,019*** (0,001) (0,001) (0,001) Dummies de UF Não Não Não Sim Sim Dummies de Ano Sim Sim Sim Sim Sim Cons. 4,441*** 4,648*** 4,436*** 4,781*** 4,862*** (0,039) (0,024) (0,015) (0,021) (0,018)Obs. 16685 16684 16458 16458 16684Prob>F 0,000 0,000 0,000 0,000 0,000R² 0,242 0,428 0,464 0,596 0,595Raiz EQM 0,100 0,087 0,084 0,073 0,073

Fonte: Elaboração própria.Erro-padrão robusto em parênteses.Significância dos coeficientes: *** 1%; ** 5%; * 10%.

Tabela 2 - Regressões estimadas (4ª série - português)

POLS (agrupando todos Variável Dependente os anos) Variáveis Independentes Log(Nota Matemática) Log(Gasto por Aluno) 0,069*** 0,033*** 0,014*** -0,008*** -0,007 (0,006) (0,004) (0,003) (0,002) (0,002) Educação Média em 2000 0,025*** 0,013*** 0,004*** 0,004*** (0,001) (0,001) (0,001) (0,001) Horas-Aula por Dia 0,015*** 0,007*** Não (0,002) (0,002) % Docentes com curso 0,00021*** 0,00014*** Não superior (0,00003) (0,00003) Log(Renda Média) 0,33*** 0,17*** 0,017*** (0,002) (0,001) (0,001) Dummies de UF Não Não Não Sim Sim Dummies de Ano Sim Sim Sim Sim Sim Cons. 4,943*** 5,103*** 4,944*** 5,252*** 5,305*** (0,047) (0,028) (0,018) (0,036) (0,020)Obs. 10336 10335 10161 10161 10335Prob>F 0,000 0,000 0,000 0,000 0,000R² 0,136 0,297 0,344 0,468 0,466Raiz EQM 0,081 0,0735 0,071 0,064 0,064



102Capítulo 4

POLS (agrupando todos Variável Dependente os anos) Variáveis Independentes Log(Nota Português) Log(Gasto por Aluno) 0,060*** 0,022*** 0,005*** -0,011*** -0,010*** (0,006) (0,003) (0,002) (0,002) (0,002) Educação Média em 2000 0,027*** 0,016*** 0,008*** 0,008*** (0,001) (0,001) (0,001) (0,001) Horas-Aula por Dia 0,014*** 0,006*** Não (0,002) (0,002) % Docentes com curso 0,00024*** 0,00019*** Não superior (0,00003) (0,00003) Log(Renda Média) 0,029*** 0,015*** 0,015*** (0,001) (0,001) (0,001) Dummies de UF Não Não Não Sim Sim Dummies de Ano Sim Sim Sim Sim Sim Cons. 4,936*** 5,104*** 4,964*** 5,263*** 5,279*** (0,042) (0,021) (0,14) (0,023) (0,020)Obs. 10336 10335 10161 10161 10335Prob>F 0,000 0,000 0,000 0,000 0,000R² 0,199 0,381 0,420 0,506 0,504Raiz EQM 0,078 0,068 0,066 0,061 0,061



Variável Dependente Variáveis Independentes Log(Nota Matemática) POLS Efeitos Efeitos Primeiras Primeiras Aleatórios Fixos Diferenças Diferenças Log(Gasto por Aluno) 0,029*** 0,008*** -0,013*** -0,006** -0,006*** (0,003) (0,002) (0,002) (0,002) (0,002) Log(Renda Média) 0,064*** 0,064*** -0,010* -0,007* -0,010** (0,001) (0,002) (0,004) (0,004) (0,004) Horas-Aula por Dia 0,039*** 0,025*** 0,002 -0,001 - (0,002) (0,002) (0,002) (0,003) % Docentes com curso 0,00038*** 0,00011*** -0,00003 0,00005* - superior (0,00003) (0,00002) (0,00002) (0,00003) Dummies de Ano Sim Sim Sim Sim Sim Dummies de UF Não Não Não Não Não Cons. 4,256*** 4,602*** 5,349*** 0,063*** 0,021*** (0,016) (0,017) (0,036) (0,002) (0,001)Obs. 16458 16458 16458 10787 11153Prob>F 0,000 0,000 0,000 0,000 0,000R² 0,441 - - 0,066 0,067Raiz EQM 0,095 - - 0,079 0,080



103 Capítulo 4

Variável Dependente Variáveis Independentes Log(Nota Português) POLS Efeitos Efeitos Primeiras Primeiras Aleatórios Fixos Diferenças Diferenças Log(Gasto por Aluno) 0,024*** 0,010*** -0,007*** -0,004* -0,004** (0,002) (0,002) (0,002) (0,002) (0,002) Log(Renda Média) 0,065*** 0,065*** -0,005 -0,005 -0,008** (0,001) (0,001) (0,004) (0,004) (0,004) Horas-Aula por Dia 0,033*** 0,020*** -0,001 -0,003 - (0,002) (0,002) (0,002) (0,002) % Docentes com 0,00038*** 0,00012*** -0,00003 0,00002 - curso superior (0,00003) (0,00002) (0,00002) (0,00003) Dummies de Ano Sim Sim Sim Sim Sim Dummies de UF Não Não Não Não Não Cons. 4,249*** 4,493*** 5,214*** 0,011*** 0,029*** (0,014) (0,016) (0,034) (0,002) (0,001)Obs. 16458 16458 16458 10787 11153Prob>F 0,000 0,000 0,000 0,000 0,000R² 0,4166 - - 0,061 0,061Raiz EQM 0,088 - - 0,075 0,076



Variável Dependente Variáveis Independentes Log(Nota Matemática) POLS Efeitos Efeitos Primeiras Primeiras Aleatórios Fixos Diferenças Diferenças Log(Gasto por Aluno) 0,015*** 0,002 -0,006** -0,003 -0,003 (0,003) (0,002) (0,002) (0,002) (0,002) Log(Renda Média) 0,051*** 0,049*** -0,004 -0,001 -0,000 (0,001) (0,001) (0,004) (0,004) (0,004) Horas-Aula por Dia 0,019*** 0,009*** -0,006*** -0,006** - (0,002) (0,002) (0,002) (0,003) % Docentes com 0,00026*** 0,00007*** 0,00001 0,00005* - curso superior (0,00003) (0,00002) (0,00002) (0,00003) Dummies de Ano Sim Sim Sim Sim Sim Dummies de UF Não Não Não Não Não Cons. 4,828*** 5,015*** 5,564*** 0,014*** 0,014*** (0,017) (0,016) (0,034) (0,002) (0,002)Obs. 10161 10161 10161 6310 6552Prob>F 0,000 0,000 0,000 0,000 0,000R² 0,321 - - 0,0025 0,0005Raiz EQM 0,072 - - 0,055 0,055



104Capítulo 4

Variável Dependente Variáveis Independentes Log(Nota Português) POLS Efeitos Efeitos Primeiras Primeiras Aleatórios Fixos Diferenças Diferenças Log(Gasto por Aluno) 0,007*** 0,0002 -0,005*** -0,003 -0,002 (0,002) (0,0017) (0,002) (0,002) (0,002) Log(Renda Média) 0,049*** 0,047*** -0,005 0,0003 0,001 (0,001) (0,001) (0,004) (0,004) (0,004) Horas-Aula por Dia 0,020*** 0,010*** -0,007*** -0,009*** - (0,002) (0,002) (0,002) (0,002) % Docentes com 0,00030*** 0,00011*** 0,00004* 0,00007** - curso superior (0,00003) (0,00002) (0,00002) (0,0003) Dummies de Ano Sim Sim Sim Sim Sim Dummies de UF Não Não Não Não Não Cons. 4,823*** 5,005*** 5,508*** 0,029*** 0,029*** (0,014) (0,016) (0,034) (0,002) (0,002)Obs. 10161 10161 10161 6310 6552Prob>F 0,000 0,000 0,000 0,000 0,000R² 0,386 - - 0,147 0,143Raiz EQM 0,068 - - 0,056 0,056Fonte: Elaboração própria.Erro-padrão robusto em parênteses.Significância dos coeficientes: *** 1%; ** 5%; * 10%.


POLS (agrupando todos Variável Dependente os anos) Variáveis Independentes Log(Nota Matemática) Log(Gasto por Aluno[t-2]) 0,110*** 0,065*** 0,042*** 0,0048* 0,006*** (0,004) (0,003) (0,003) (0,002) (0,002)Educação Média em 2000 0,039*** 0,026*** 0,010*** 0,011*** (0,001) (0,001) (0,001) (0,001) Horas-Aula por Dia 0,030*** 0,012*** - (0,002) (0,002) % Docentes com 0,0004*** 0,0002*** - curso superior (0,00003) (0,00003) Log(Renda Média) 0,032*** 0,017*** 0,017*** (0,002) (0,002) (0,002) Dummies de UF Não Não Não Sim Sim Dummies de Ano Sim Sim Sim Sim Sim Cons. 4,407*** 4,568*** 4,444*** 4,885*** 4,850*** (0,031) (0,022) (0,021) (0,025) (0,023)Obs. 12538 12537 12170 12170 12372Prob>F 0,000 0,000 0,000 0,000 0,000R² 0,238 0,393 0,433 0,605 0,602Raiz EQM 0,108 0,096 0,093 0,077 0,078Fonte: Elaboração própria.Erro-padrão robusto em parênteses.Significância dos coeficientes: *** 1%; ** 5%; * 10%.

Tabela 9 - Regressões estimadas com gastos defasados (4ª série - matemática)

105 Capítulo 4

POLS (agrupando todos Variável Dependente os anos) Variáveis Independentes Log(Nota Português) Log(Gasto por Aluno[t-2]) 0,101*** 0,056*** 0,035*** 0,005* 0,006*** (0,004) (0,003) (0,003) (0,002) (0,002) 0,014*** Educação Média em 2000 0,039*** 0,027*** 0,014*** (0,001) (0,001) (0,001) (0,001) Horas-Aula por Dia 0,022*** 0,010*** - (0,002) (0,002) % Docentes com 0,0004*** 0,0002*** - curso superior (0,00003) (0,00003) Log(Renda Média) 0,030*** 0,019*** 0,019*** (0,002) (0,002) (0,001) Dummies de UF Não Não Não Sim Sim Dummies de Ano Sim Sim Sim Sim Sim Cons. 4,380*** 4,533*** 4,444*** 4,786*** 4,738*** (0,029) (0,020) (0,018) (0,022) (0,021)Obs. 12538 12537 12170 11382 12372Prob>F 0,000 0,000 0,000 0,000 0,000R² 0,247 0,427 0,459 0,613 0,610Raiz EQM 0,099 0,086 0,084 0,071 0,071Fonte: Elaboração própria.Erro-padrão robusto em parênteses.Significância dos coeficientes: *** 1%; ** 5%; * 10%.

Tabela 10 - Regressões estimadas com gastos defasados (4ª série - português)

POLS (agrupando todos Variável Dependente os anos) Variáveis Independentes Log(Nota Matemática) Log(Gasto por Aluno[t-2]) 0,081*** 0,042*** 0,020*** -0,007** -0,006** (0,005) (0,004) (0,003) (0,003) (0,002) 0,005***Educação Média em 2000 0,026*** 0,014*** 0,005*** (0,001) (0,001) (0,001) (0,001) Horas-Aula por Dia 0,013*** 0,008*** - (0,002) (0,002) % Docentes com 0,0003*** 0,0002*** - curso superior (0,00004) (0,00004) Log(Renda Média) 0,033*** 0,018*** 0,018*** (0,002) (0,002) (0,002) Dummies de UF Não Não Não Sim Sim Dummies de Ano Sim Sim Sim Sim Sim Cons. 4,823*** 5,040*** 4,890*** 5,237*** 5,283*** (0,038) (0,026) (0,021) (0,024) (0,022)Obs. 8053 8052 7777 7777 7927Prob>F 0,000 0,000 0,000 0,000 0,000R² 0,166 0,313 0,355 0,490 0,488Raiz EQM 0,081 0,074 0,072 0,064 0,064Fonte: Elaboração própria.Erro-padrão robusto em parênteses.Significância dos coeficientes: *** 1%; ** 5%; * 10%.


106Capítulo 4

POLS (agrupando todos Variável Dependente os anos) Variáveis Independentes Log(Nota Português) Log(Gasto por Aluno[t-2]) 0,058*** 0,026*** 0,011*** -0,007** -0,009*** (0,007) (0,004) (0,003) (0,003) (0,002) Educação Média em 2000 0,027*** 0,017*** 0,009*** 0,009*** (0,001) (0,001) (0,001) (0,001) Horas-Aula por Dia 0,012*** 0,005* - (0,002) (0,002) % Docentes com 0,0003*** 0,0002*** - curso superior (0,00004) (0,00004) Log(Renda Média) 0,029*** 0,017*** 0,016*** (0,002) (0,002) (0,002) Dummies de UF Não Não Não Sim Sim Dummies de Ano Sim Sim Sim Sim Sim Cons. 4,872*** 5,074*** 4,936*** 5,236*** 5,277*** (0,034) (0,021) (0,18) (0,023) (0,021)Obs. 8053 8052 7777 7777 7927Prob>F 0,000 0,000 0,000 0,000 0,000R² 0,180 0,358 0,396 0,496 0,493Raiz EQM 0,078 0,069 0,066 0,061 0,061



Variável Dependente Variáveis Independentes Log(Nota Matemática) POLS Efeitos Efeitos Primeiras Primeiras Aleatórios Fixos Diferenças Diferenças Log(Gasto por Aluno[t-2]) 0,042*** 0,019*** -0,010*** -0,006* -0,006** (0,003) (0,002) (0,003) (0,003) (0,003)Log(Renda Média) 0,064*** 0,069*** -0,0000 0,001 -0,004 (0,002) (0,002) (0,005) (0,005) (0,005) Horas-Aula por Dia 0,038*** 0,026*** 0,0007 0,0005 - (0,003) (0,002) (0,003) (0,004) % Docentes com 0,0005*** 0,0002*** 0,0000 0,0001*** - curso superior (0,00003) (0,00003) (0,00003) (0,00003) Dummies de Ano Sim Sim Sim Sim Sim Dummies de UF Não Não Não Não Não Cons. 4,239*** 4,458*** 5,306*** 0,021*** 0,020*** (0,020) (0,019) (0,048) (0,001) (0,001)Obs. 12170 12170 12170 6852 7146Prob>F 0,000 0,000 0,000 0,000 0,000R² 0,387 - 0,3435 0,080 0,079Raiz EQM 0,096 - - 0,075 0,076



107 Capítulo 4

Variável Dependente Variáveis Independentes Log(Nota Português) POLS Efeitos Efeitos Primeiras Primeiras Aleatórios Fixos Diferenças Diferenças Log(Gasto por Aluno[t-2]) 0,035*** 0,020*** -0,002 -0,0006 -0,000 (0,003) (0,002) (0,003) (0,002) (0,002)Log(Renda Média) 0,064*** 0,067*** 0,002 0,003 -0,002 (0,005) (0,002) (0,002) (0,005) (0,005) Horas-Aula por Dia 0,031*** 0,019*** -0,003 -0,004 - (0,002) (0,002) (0,003) (0,003) % Docentes com 0,0005*** 0,0002*** 0,0000 0,0001* - curso superior (0,00003) (0,00003) (0,00003) (0,00003) Dummies de Ano Sim Sim Sim Sim Sim Dummies de UF Não Não Não Não Não Cons. 4,232*** 4,395*** 5,142*** 0,029*** 0,020*** (0,018) (0,017) (0,045) (0,001) (0,001)Obs. 12170 12170 12170 6852 7146Prob>F 0,000 0,000 0,000 0,000 0,000R² 0,407 - - 0,083 0,079Raiz EQM 0,087 - - 0,070 0,076Fonte: Elaboração própria.Erro-padrão robusto em parênteses.Significância dos coeficientes: *** 1%; ** 5%; * 10%.


Variável Dependente Variáveis Independentes Log(Nota Matemática) POLS Efeitos Efeitos Primeiras Primeiras Aleatórios Fixos Diferenças Diferenças Log(Gasto por Aluno[t-2]) 0,023*** 0,005* -0,009*** -0,006** -0,005** (0,003) (0,002) (0,002) (0,002) (0,002)Log(Renda Média) 0,052*** 0,054*** 0,002 0,005 0,006 (0,002) (0,002) (0,005) (0,005) (0,005) Horas-Aula por Dia 0,018*** 0,012*** -0,003 -0,003 - (0,002) (0,002) (0,003) (0,003) % Docentes com 0,0003*** 0,0002*** 0,0001*** 0,0001*** - curso superior (0,00004) (0,00003) (0,00003) (0,00003) Dummies de Ano Sim Sim Sim Sim Sim Dummies de UF Não Não Não Não Não Cons. 4,758*** 4,932*** 5,524*** 0,011*** 0,012*** (0,019) (0,018) (0,043) (0,001) (0,001)Obs. 7777 7777 7777 4168 4379Prob>F 0,000 0,000 0,000 0,000 0,000R² 0,329 - - 0,005 0,002Raiz EQM 0,072 - - 0,050 0,051Fonte: Elaboração própria.Erro-padrão robusto em parênteses.Significância dos coeficientes: *** 1%; ** 5%; * 10%.


108Capítulo 4

Variável Dependente Variáveis Independentes Log(Nota Português) POLS Efeitos Efeitos Primeiras Primeiras Aleatórios Fixos Diferenças Diferenças Log(Gasto por Aluno[t-2]) 0,012*** 0,002 -0,008** -0,006** -0,006*** (0,003) (0,002) (0,002) (0,002) (0,002)Log(Renda Média) 0,051*** 0,051*** -0,0009 0,003 0,004 (0,002) (0,002) (0,005) (0,005) (0,005) Horas-Aula por Dia 0,020*** 0,013*** -0,006* -0,006* - (0,003) (0,002) (0,003) (0,003) % Docentes com 0,0003*** 0,0002*** 0,0001*** 0,0001*** - curso superior (0,00004) (0,00003) (0,00003) (0,00003) Dummies de Ano Sim Sim Sim Sim Sim Dummies de UF Não Não Não Não Não Cons. 4,780*** 4,931*** 5,538*** -0,007*** -0,006*** (0,017) (0,017) (0,044) (0,001) (0,001)Obs. 7777 7777 7777 4168 4379Prob>F 0,000 0,000 0,000 0,000 0,000R² 0,355 - - 0,216 0,213Raiz EQM 0,068 - - 0,053 0,054Fonte: Elaboração própria.Erro-padrão robusto em parênteses.Significância dos coeficientes: *** 1%; ** 5%; * 10%.


109 Capítulo 5

CAPITULO

5

A relação entre a participação em jornadaescolar ampliada e o desempenho

escolar no ensino fundamental

Sergio Pinheiro Firpo+

Vladimir Pinheiro Ponczek+

Priscilla Albuquerque Tavares+

1. Introdução

A jornada ampliada permite maior permanência do aluno em sala de aula e esta mudança pode causar impactos diretos e indiretos no compor-tamento e na aprendizagem dos estudantes. De forma direta, temos que uma permanência maior expõe mais o aluno ao conhecimento. Os efeitos indiretos vêm da possibilidade de utilizar técnicas de ensino-aprendizagem que permitam ao professor difundir as informações de forma mais adequa-da, utilizando o tempo com maior eficiência. Afinal, uma jornada diária am-pliada possibilita mais tempo para desenvolver o currículo básico e oferecer suporte aos alunos com dificuldade de aprendizado, e é uma oportunidade para os professores desenvolverem novas técnicas de ensino.

A expansão da jornada diária pode se dar por meio do aumento do nú-mero de aulas ofertadas ou do aumento na duração das aulas. Além disso, o tempo adicional que o aluno passa na escola pode ser alocado para o de-senvolvimento de atividades distintas, de natureza acadêmica ou não. Estas escolhas sobre a forma de ampliação da jornada escolar interferem nos seus impactos potenciais sobre o aprendizado. Há evidências na literatura de que o aumento da jornada diária só afeta positivamente o desempenho se este se der com o aumento do número de aulas ofertadas e não com o aumento na duração das aulas. Na verdade, o aumento na duração da aula pode levar a queda na proficiência. Tornar as aulas muito longas (acima de 50 minutos) pode reduzir o aprendizado típico anual.

Além disso, outras evidências sugerem que certas formas de utilização do tempo adicional podem ser muito mais efetivas do que outras. Atividades vol-tadas para o aprendizado acadêmico do aluno parecem ter mais efeito, como aulas de reforço em matemática, aulas de leitura etc. Devido à falta de infor-mações detalhadas sobre o uso do tempo nas escolas com jornada ampliada, não se pode afirmar quais das atividades de ensino são as mais recomendadas.

+ Escola de Economia de São Paulo da Fundação Getulio Vargas (EESP/FGV)

110Capítulo 5

Outro aspecto importante é que o impacto da jornada diária não ocor-re de forma homogênea ao longo da distribuição de proficiência, sendo os alunos na cauda inferior da distribuição, que possuem maior dificuldade de aprendizado, os mais beneficiados por tal política. Além disso, dependendo da forma como se aumenta a jornada escolar, os impactos gerados ao longo da distribuição de proficiência são diferentes. Os alunos na cauda superior da distribuição parecem se beneficiar de um número menor de aulas, mas um pouco mais longas, enquanto os alunos com pior desempenho se bene-ficiam de um maior número de aulas que possuam duração mais curta.

As políticas de ampliação da jornada afetam a organização dos sistemas de ensino e, sobretudo, das escolas. Para implantá-las, as redes devem se preocupar com a expansão da carga de trabalho dos professores e com uma possível pressão sobre o aumento da estrutura física da escola. Afinal, esco-las com mais de um turno podem necessitar de aumento no número de salas de aula caso esses turnos se sobreponham à jornada ampliada.

Se o currículo não for adequado, no entanto, existe a possibilidade de promover atividades e conteúdos não valorizados na prática. Além disso, é fundamental capacitar os professores para que não gastem o tempo adicional apenas com atividades de natureza puramente recreativa, mas sim para que priorizem o reforço e outras atividades acadêmicas. Também é preciso incenti-var os professores a desenvolver e aplicar técnicas mais inovadoras de ensino.

Do ponto de vista dos pais, a vantagem de colocar seus filhos em es-colas que ofereçam jornada ampliada depende do que eles podem oferecer a seus filhos durante o contraturno. Não incentivar o desenvolvimento das crianças no contraturno pode fazê-las aprender menos do que seu potencial. Nesse sentido, a ampliação da jornada pode ser uma boa opção.

Neste trabalho, apresentamos algumas evidências para o caso brasileiro sobre a relação entre a participação dos estudantes de ensino fundamental em atividades de contraturno e seu desempenho acadêmico em língua portuguesa e matemática. O texto se organiza da seguinte forma: a seção 2 apresenta a revi-são da literatura; a seção 3, os dados e estatísticas descritivas; a seção 4, a meto-dologia; a seção 5, os resultados. Por fim, apresentam-se as considerações finais.


Na literatura acadêmica, há diversos estudos que procuram compreen-der os efeitos da maior exposição dos alunos ao conhecimento, avaliando diferentes aspectos dos sistemas educacionais. A primeira discussão que se apresenta refere-se às diferentes escolhas de ampliação da jornada escolar – aumento da duração da aula ou do número de aulas por dia.

111 Capítulo 5

Eren e Millimet (2007) estudam tanto para o aumento da duração como o aumento do número de aulas, comparando os resultados. Já Rice, Croninger e Roellke (2002) e Biondi e Felicio (2007) analisam ape-nas para a expansão da duração da aula. Com vistas a ajustar por diferen-ças no nível inicial de conhecimento dos alunos, é necessário contar com informações longitudinais. Todos os trabalhos citados, exceto Biondi e Felicio (2007), trabalham com esse tipo de informação, que é usada para controlar pelo nível inicial de conhecimento (quasi valor adicionado). Em termos das diferenças no potencial de aprendizado dos alunos, os estu-dos argumentam que parte dessa heterogeneidade está relacionada a características observadas dos alunos e suas famílias, e controlam por esses atributos. Além disso, para controlar pela qualidade do professor, os três estudos controlam por características observáveis, como expe-riência, formação etc. O mesmo é feito para a escola, ao controlar por características de infraestrutura e institucionais.

Os estudos de Eren e Millimet (2007) e Rice, Croninger e Roellke (2002) podem ser considerados mais avançados do ponto de vista metodológico por usarem dados longitudinais e controlarem pelo desempenho inicial do aluno. As estimativas de impacto devem ser interpretadas com cuidado, pois esses estudos não conseguem controlar por todos os fatores que podem influenciar a relação jornada diária e aprendizado dos alunos, como os com-ponentes não observáveis da qualidade do professor, o que afeta a sua capa-cidade de produzir estimativas consistentes para o impacto do aumento da jornada sobre o desempenho dos alunos.

Eren e Millimet (2007) utilizam técnicas paramétricas e não paramétri-cas para verificar o efeito do tempo de duração das aulas sobre as notas dos alunos. Os autores encontram que os alunos com notas abaixo da mediana se beneficiam com aulas mais curtas, enquanto alunos com notas acima da mediana apresentam aumento de proficiência quando são submetidos a au-las com maior tempo de duração.

Rice, Croninger e Roellke (2002), por outro lado, verificam que o au-mento da duração das aulas tem um impacto negativo e estatisticamente significante sobre o aprendizado de matemática. Ou seja, o efeito é jus-tamente oposto ao desejado. Os autores acreditam que uma possível ex-plicação para este resultado é que a disciplina de matemática talvez não seja adequada a políticas de aumento de duração das aulas. Isso ocorreria, pois os alunos passam a ter aulas maiores e mais concentradas, mas a ex-posição do conteúdo deixa de seguir uma ordem sequencial consolidada dentro das práticas tradicionais de ensino. Outra questão é que em alguns programas os alunos tiveram um semestre com aulas mais longas desta matéria, mas no semestre subsequente não cursam esta disciplina, ou seja,

112Capítulo 5

os alunos alternam períodos de muito e pouco contato com a matéria. Ou-tro resultado obtido neste estudo foi que os professores de matemática, ao ministrarem aulas maiores, acabam usando uma variedade maior de técnicas de aprendizagem, mas não há ganho de eficiência relacionados a isto, já que a proporção de tempo gasta por eles em atividades não relacio-nadas ao ensino (fazendo a chamada, por exemplo) foi a mesma que a de professores que dão aulas mais curtas.

Biondi e Felicio (2007) também encontram um impacto negativo (mas não estatisticamente significativo) do aumento da duração das aulas sobre o desempenho dos alunos, quando é incluído no modelo o efeito fixo das escolas.

Entretanto, a exposição dos alunos ao conhecimento depende de ou-tros aspectos, como por exemplo, a duração do ano letivo. Entende-se por ano letivo o número de dias no ano em que o aluno realmente tem aula. Para isso, contribuem: o calendário escolar, a assiduidade dos professores e a disponibilidade de aulas de recuperação ou reforço durante as férias.

As evidências revelam que diminuir o número de dias letivos (calen-dário escolar) tem o efeito de aumentar a taxa de repetência. Uma possível explicação é que, para cumprir o currículo estipulado, o professor acelera o ritmo das aulas, cobrindo um volume maior de matéria por aula. Os alunos com dificuldade de aprendizado não conseguem acompanhar.

Os resultados são baseados em evidências nas quais o currículo mante-ve-se fixo, isto é, os professores tiveram de ensinar o mesmo conteúdo em um período menor. Vale ressaltar que, nessas circunstâncias, os professores tendem a priorizar as disciplinas de português e matemática, realocando o tempo das demais disciplinas para cumprir o conteúdo programado. Além disso, quando há menos dias letivos os professores parecem se esforçar mais para cumprir o cronograma, tendo inclusive maior assiduidade.

A assiduidade dos professores é um dos principais aspectos quando se pretende aumentar a exposição ao conhecimento, pois afeta diretamente o aprendizado e a motivação dos alunos. Diminuir a ausência do professor aumenta a proficiência. Os estudos apontam que políticas desse tipo favo-recem principalmente os grupos de maior vulnerabilidade, como os alunos de famílias mais pobres e aqueles com maior dificuldade de aprendizado. Afinal, esse grupo tem acesso menor a recursos que podem contrabalançar os efeitos causados pela ausência dos professores, como aulas de reforço, ajuda dos pais etc.

A ausência de professores pode ter não só um impacto direto no apren-dizado do aluno, que terá menos aulas, mas um efeito indireto, que se dá pela redução na motivação. Alunos de professores que são muito ausentes tendem a frequentar menos as aulas.

113 Capítulo 5

Por fim, o número de aulas no ano depende também da disponibilidade de aulas de recuperação e reforço. Os estudos apontam que os alunos que frequentam essas aulas fora do período letivo têm desempenho acadêmico melhor que os sem acesso a essa oportunidade.

É importante ressaltar que todos os impactos apresentados estão re-lacionados diretamente a como professores, pais e alunos se comportam diante das mudanças. Se a redução do calendário escolar for acompanhada de maior esforço da parte dos professores, o desempenho dos alunos estará sendo afetado por ambos os fatores e será difícil isolá-los. Da mesma manei-ra, o impacto dos cursos de reforço no período de férias pode estar relacio-nado a um maior envolvimento dos pais, os quais, diante da preocupação com a repetência iminente, decidem se envolver mais.

No Brasil, por exemplo, a extensão do calendário escolar é escolhida pela Secretaria de Educação dos estados, sendo uma variável da política edu-cacional de cada estado. Para verificar o efeito do aumento do calendário escolar no desempenho dos alunos, não podemos simplesmente comparar alunos em estados que adotam políticas diferenciadas. Diversos fatores que não observamos podem influenciar a adoção de certa política de calendário escolar. Por exemplo, se os estados que possuem um melhor programa de treinamento dos professores e escolas com maior infraestrutura são tam-bém aqueles que se preocupam com a exposição dos alunos ao conhecimen-to, ao comparar estudantes desse estado com os de outros, com pior infraes-trutura educacional, estamos captando não só o efeito de uma mudança na extensão do calendário escolar, mas também o efeito de um professor com qualidade melhor e de uma escola com melhor infraestrutura.

Além disso, uma modificação do calendário escolar está relacionada ao ensino de um currículo mínimo. Se o estado resolver reduzir o calen-dário escolar sem modificar o currículo, os professores terão de ensinar a mesma quantidade em um período mais curto, o que pode levá-los a acelerar o ritmo de aula. Nesse caso, os professores com maior habilidade de ensino podem ser mais bem-sucedidos em ensinar o conteúdo. Por-tanto, é importante comparar alunos sujeitos a calendários escolares di-ferentes, mas que possuem professores com qualidade semelhante. Além disso, para captar somente o efeito do calendário escolar, o currículo não pode ser alterado. Deve- se estudar uma diminuição do número de dias eletivos, mantendo-se o currículo fixo.

Existem poucos estudos sobre o impacto da diminuição dos dias letivos sobre o aprendizado dos alunos. As estimativas mais confiáveis advêm de situações em que um elemento surpresa levou alguns alunos a terem mais aulas que outros. Marcotte (2007) usa a variação do número de dias letivos provocada por tempestades de neve que ocorrem em Maryland nos Estados

114Capítulo 5

Unidos. O autor compara o desempenho de alunos em distritos afetados pelas tempestades, e que consequentemente tiveram um calendário escolar reduzido, com o desempenho de alunos nos mesmos distritos (e nas mes-mas escolas), mas em anos em que o inverno foi mais ameno e não houve alteração do calendário escolar. O estudo mede o impacto da extensão do calendário escolar sobre a porcentagem de alunos que tiveram desempenho considerado satisfatório em certo teste. É encontrado um impacto negativo e estatisticamente significante da redução do calendário escolar sob essa porcentagem. Esse impacto é maior sobre alunos de séries iniciais, espe-cialmente em matérias que apresentam um programa menos flexível, como matemática, por exemplo.

Eren e Millimet (2007) usam dados longitudinais para comparar alu-nos sujeitos a um ano letivo de mais de 180 dias com alunos sujeitos a calendários escolares menores. Para comparar alunos com mesmas ca-racterísticas socioeconômicas em escolas com mesma infraestrutura, eles controlam pelas características observáveis dos alunos, dos professores e da infraestrutura da escola. O resultado encontrado foi que alunos com notas abaixo da mediana se beneficiam com um calendário mais extenso, ou seja, apresentam desempenho melhor quando tem mais dias letivos. Por outro lado, alunos com notas acima da mediana se beneficiam de ca-lendários com menos dias letivos programados.

Em relação ao absenteísmo, é difícil separar o efeito da ausência do professor de outros efeitos relacionados a incentivos financeiros e infraes-trutura da escola. Isto porque o número de ausências do professor em certa escola é uma função de políticas adotadas pela própria escola e das políticas educacionais adotadas por cada estado. Por exemplo, o número de faltas do professor está associado a políticas de monitoramento adota-das pelo diretor da escola, e também a políticas de incentivos adotadas pe-las secretarias de Educação. Escolas com diretores que se preocupam mais com controle de frequência e monitoramento dos professores tendem a ter um menor número de faltas por professor. Se essas forem as escolas que também possuem melhor infraestrutura, ao comparar o desempenho médio dos alunos nessas escolas com o dos alunos nas demais escolas, podemos superestimar o impacto do absenteísmo do professor, pois es-taríamos confundindo o efeito da infraestrutura da escola, da capacidade gerencial do diretor e da ausência dos professores.

Outro problema ao estimar o impacto da assiduidade do professor no desempenho dos alunos é que existe uma relação entre o número de dias em que o professor se ausentou, sua habilidade e o esforço que ele emprega em ensinar. Se o professor que mais falta é aquele com menor motivação para ensinar e também com menor habilidade, ao estimar a relação entre

115 Capítulo 5

desempenho e absenteísmo do professor, podemos superestimar um efeito negativo, pois estaríamos captando não só ausência, mas também falta de esforço e habilidade para ensinar.

Para estimar o efeito do absenteísmo do professor, é importante com-pararmos professores com o mesmo nível de habilidade, que empregam o mesmo nível de esforço em ensinar e que lecionam em escolas com a mesma infraestrutura, mesmo sistema de incentivos e de monitoramento. Biondi e Felicio (2007) encontram um impacto negativo (mas não estatisticamente significativo) sobre o desempenho dos alunos da ausência dos professores.

Duflo e Hanna (2005) fizeram um estudo sobre o efeito de um progra-ma realizado em escolas da zona rural da Índia. O objetivo do programa era reduzir o absenteísmo através da adoção de um sistema de monitoramento dos professores e de incentivos financeiros. Foram selecionadas 120 escolas e destas foram escolhidas de forma aleatória 60 para participar do progra-ma. Os professores das escolas de fato participantes receberam uma câmera fotográfica que deveria ser usada para tirar uma foto deles em sala de aula com os alunos ao início e ao final de cada aula. Essa câmera registraria a data e a hora de cada foto, sem haver possibilidade de alteração por parte dos professores. O salário dos professores seria determinado em função de sua frequência. O programa teve como efeito imediato a redução do absen-teísmo. As demais 60 escolas (que não participaram do programa) serviram como grupo de controle. Dessa forma, foram comparadas escolas que na média têm infraestrutura e professores semelhantes, mas no primeiro gru-po o número de faltas dos professores foi menor, em virtude do sistema de monitoramento e incentivos. O principal resultado encontrado foi que a proficiência de alunos que tem professores que faltam menos é maior que a de alunos que tem professores ausentes.

Miller, Murnane e Willet (2007) procuraram captar o efeito da ausên-cia do professor no desempenho dos alunos usando fatores exógenos, que poderiam provocar uma variação no número de faltas do professor que não estaria associada ao sistema de monitoramento da escola ou à habilidade deles. Os autores usam como fatores exógenos a distância da casa do profes-sor à escola e um índice que mede as condições climáticas na região em que o professor vive. O argumento é que esses fatores não estariam associados a nenhum fator que afeta o desempenho dos alunos, como o esforço do pro-fessor, a não ser com o número de dias em que o professor se ausentou. Os autores usam como controles as características observáveis das escolas, dos professores e dos alunos, além de efeitos fixos para os professores e para o ano. O resultado encontrado é que as faltas dos professores têm impacto negativo e estatisticamente significante sobre o desempenho dos alunos e quando essas faltas são inesperadas, este impacto é ainda maior.

116Capítulo 5

Por fim, o número de aulas a que o aluno foi exposto também depende da existência de recuperação e aulas de reforço fora do período escolar. O maior desafio em estimar o efeito da recuperação no desempenho dos alu-nos é a seleção dos alunos que irão para recuperação. A decisão de repetir não é tomada pelo aluno, mas por professores e diretores, embasados não só em fatores observáveis, como a nota do aluno, mas também em carac-terísticas não observáveis como motivação, maturidade, quanto os pais se envolvem na educação dos filhos etc. Algumas vezes, os pais pressionam os professores para que o filho entre em recuperação, por acharem que ele não aprendeu o conteúdo. A dificuldade em estimar o efeito causal da recupe-ração é separar o efeito do sistema de recuperação das características não observáveis dos alunos e da seleção imposta pelos pais. A situação ideal se-ria alocar alguns alunos de uma turma de forma aleatória para recuperação, enquanto os demais alunos dessa turma não teriam acesso à recuperação.

Uma metodologia frequentemente adotada se baseia na hipótese de que os alunos ao redor da nota de corte para ir para recuperação são muito parecidos tanto nas características observáveis como nas não observáveis. Por exemplo, suponhamos que a nota de corte seja 60; o aluno que tirou 59 e o aluno que tirou 60 provavelmente são parecidos na motivação para estudar, no esforço, na habilidade para aprender, porém um deles acertou um item a mais em uma das provas. Logo, para estimar o efeito da recupera-ção, basta comparar o desempenho escolar desses dois grupos de alunos no ano subsequente à recuperação. Matsudaira (2008) e Jacob e Lefgren (2004) exploram a descontinuidade na probabilidade de entrar de recuperação em torno da nota de corte para identificar o efeito causal do programa de re-cuperação. Ambos encontram como resultado que alunos que foram para recuperação (mas que quase passaram) aprenderam mais que estudantes que passaram de ano com nota mínima e não foram para recuperação.

3. Dados e Estatísticas Descritivas

Neste capítulo, o estudo da relação entre a participação em jornada ampliada e o desempenho escolar é realizado a partir da utilização dos mi-crodados coletados pela pesquisa de campo que faz parte do âmbito do Projeto BNDES – Impacto de Políticas Públicas Educacionais Selecionadas no Desempenho Escolar de Alunos da Rede Pública de Ensino.

A pesquisa, que foi a campo no segundo semestre de 2012, incluiu a realização de testes de proficiência nas disciplinas de língua portuguesa e matemática a 35.903 estudantes do ensino fundamental (11.536 no 4º ano; 12.429 do 6º ano e 11.938 do 8º ano) em 300 escolas. Também foram

117 Capítulo 5

aplicados questionários aos diretores, professores e alunos. Além de cole-tar informações socioeconômicas, estes instrumentos investigam aspectos relacionados a diferentes políticas educacionais, dentre as quais a jornada escolar ampliada. Os questionários desta pesquisa trazem informações iné-ditas sobre o tema, cuja descrição é apresentada a seguir.

Do total das 300 escolas incluídas neste levantamento, 128 (43%) ofe-recem algum tipo de atividade fora do período normal de aulas. Destas, 19 (15%) informam que a participação dos alunos nas atividades do contratur-no é obrigatória (tabela 01).

Número de Escolas Porcentagem

Escolas que oferecem 128 43% atividades no contraturno Contraturno é obrigatório 19 15%

Fonte: Pesquisa BNDES-2012 (Questionário do Diretor). Elaboração própria.

Tabela 1 – Distribuição das escolas, segundo o oferecimento de jornada ampliada e obrigatoriedade das atividades

Em grande parte das escolas, as atividades complementares são ofere-cidas há dois anos ou mais (49% entre 2 e 5 anos e 10% há mais de 5 anos). No restante, as atividades complementares passaram a ser oferecidas no ano corrente da pesquisa (13%) ou no ano anterior (28%) (gráfico 01).

118Capítulo 5

Quase a totalidade das escolas que oferecem jornada ampliada (93%) for-nece merenda escolar para os estudantes no contraturno. Em relação à infraes-trutura utilizada para o desenvolvimento das atividades complementares, mais da metade das escolas utilizam quase todos os ambientes escolares: laboratório de informática (57%), biblioteca (59%), quadra esportiva (56%) e pátio (61%). A exceção é o laboratório de ciências, recurso escasso nas escolas públicas, utili-zado por apenas 9% das escolas que oferecem o contraturno. Além disso, 69% das escolas afirmam utilizar outros ambientes escolares no contraturno, dentre os quais podem se incluir as próprias salas de aula (tabela 2).

Tipo de Infraestrutura Número de Escolas Porcentagem

Laboratório de informática 73 57%Laboratório de ciências 11 9%Biblioteca 75 59%Quadra esportiva 71 55%Pátio 78 61%Outros 88 69%Alunos recebem merenda escolar 119 93%


Tabela 2 – Distribuição das escolas, segundo a infraestrutura utilizadapara as atividades da jornada ampliada

A tabela 3 a seguir mostra o percentual de alunos que estuda em es-colas que oferecem atividades fora do período de aulas e a porcentagem de estudantes que afirma participar de atividades complementares ou de contraturno, de acordo com a série em que estão frequentando.

Escola oferece atividades Aluno participa das atividades no contraturno do contraturno4º ano 4046 3045 35% 26%

6º ano 5776 3901 46% 31%

8º ano 5158 2824 43% 24%

Fonte: Pesquisa BNDES-2012 (Questionário do Aluno). Elaboração própria.

Tabela 3 – Distribuição dos alunos, segundo a exposição e a frequência à atividades complementares ou de contraturno

Mais de um terço dos alunos do ensino fundamental frequentam escolas nas quais atividades complementares diversas estão disponíveis: 35% no 4º ano; 46% no 6º ano e 43% no 8º ano. E boa parte deles participa

119 Capítulo 5

efetivamente destas atividades. O percentual de estudantes que frequenta a jornada ampliada é de 26% no 4º ano, 31% no 6º ano e 24% no 8º ano.

Nota-se que a participação no contraturno é mais elevada entre os alu-nos mais novos. Isto porque o percentual de estudantes que participam de atividades complementares, dado que estão expostos à jornada ampliada, decresce ao longo do ensino fundamental: são 75% (3045/4046) no 4º ano, 68% (3901/5776) no 6º ano e 55% (2824/5158) no 8º ano.

O gráfico 2 a seguir mostra a distribuição dos alunos que frequentam o contraturno, segundo o período de início e frequência com que parti-cipam das atividades complementares. Cerca de 30% afirmam sempre ter frequentado o contraturno. Um percentual um pouco menor (entre 18% e 25%) diz ter participado algumas vezes, mas não frequentar estas ativida-des atualmente. Entre 29% e 42% começaram a participar do contraturno no ano anterior ao da pesquisa e entre 10% e 16% deles começaram a fre-quentar no ano corrente.

Grande parcela dos estudantes participa de aulas de reforço (entre 16% e 24%) ou atividades esportivas (entre 31% e 47%). A participação em aulas de reforço se reduz ao longo do ensino fundamental. Já com a fre-quência em atividades esportivas ocorre o contrário. Com menor frequên-cia, os alunos também participam de atividades artísticas (entre 6% e 12%), musicais (entre 8% e 9%), recreativas (entre 4% e 7%). Entre 15% e 17% dos estudantes afirmam participar de outras atividades não listadas no questio-nário da pesquisa (gráfico 3).

O tempo dedicado às aulas de reforço escolar do contraturno varia bastante entre as escolas. A distribuição das escolas segundo a duração destas atividades é praticamente uniforme entre as seguintes faixas: de 45 a

120Capítulo 5

50 minutos, de 51 a 60 minutos, de 61 a 90 minutos, de 91 a 120 minutos e mais de 120 minutos (gráfico 4).

Nestas aulas, grande parte das escolas prioriza o ensino da matemá-tica (28%). Ao contrário do que se poderia pensar, o percentual de escolas que tem a língua portuguesa como foco das aulas de reforço é pequena (11%). As ciências naturais e as ciências humanas têm baixa prioridade nas atividades de reforço escolar (apenas 1% das escolas). Um percentual ele-vado das escolas (26%) afirma que não prioriza nenhuma disciplina nas au-las de reforço escolar. Isto pode significar que nestas atividades os alunos são atendidos de acordo com suas dificuldades específicas em qualquer disciplina do currículo (gráfico 5).

121 Capítulo 5

Dentre os critérios utilizados para selecionar os alunos para partici-pação das atividades do contraturno, a repetência responde por 37% das escolas. O desempenho acadêmico insatisfatório corresponde ao principal critério para apenas 2% das escolas. Por outro lado, em 6% das escolas os alunos com os melhores resultados educacionais são os escolhidos para fre-quentar a jornada ampliada. Grande parcela das escolas (40%) afirma que outros critérios são utilizados nesta seleção. Dentre eles pode se incluir a preferência ou escolha dos alunos em participar das atividades complemen-tares oferecidas. Por fim, 6% das escolas afirmam que a necessidade dos pais é o principal motivo para os filhos frequentarem o contraturno (gráfico 6).

A figura 1 a seguir compara a duração da jornada diária regular com a duração da jornada diária do contraturno. Na maioria das escolas, o turno diário regular tem duração de 4 a 5 horas (65% no ciclo 01 e 63% no ciclo 2 do ensino fundamental). Já o contraturno tem duração diária de 3 a 4 horas em 49% e 41% das escolas, respectivamente no ciclo 01 e 02 do ensino fun-damental. Entretanto, há uma proporção elevada de escolas que oferecem contraturno de 1 a 2 horas (28% no ciclo 01 e 23% no ciclo 02).

Na maioria das escolas, as aulas do turno regular (73%) e do contratur-no (50%) têm duração de 41 a 50 minutos. As aulas do turno regular e do contraturno duram entre 51 e 60 minutos em 23% e 18% das escolas. Aulas com duração de mais de uma hora são mais frequentes no contraturno (9%) do que no turno regular (1%) (gráfico 7).

Nas escolas que possuem jornada ampliada, 32% dos professores minis-tram atividades no contraturno. Destes, a maioria (52%) afirma sempre ter

122Capítulo 5

participado da jornada ampliada. Outros 26% começaram a participar do con-traturno no ano anterior à realização da pesquisa e 4% no ano corrente. 12% afirmam ter participado algumas vezes, mas não no ano da pesquisa (gráfico 8).

123 Capítulo 5

Das atividades listadas no questionário da pesquisa, as aulas de refor-ço escolar são as atividades das quais os professores mais alegam participar (26%). Poucos professores ministram atividades não-acadêmicas, como espor-tes, artes, música e recreação. 71% dos professores dizem participar de ou-tras atividades do contraturno. Dentre estas, é possível que estejam incluídas atividades acadêmicas não caracterizadas como aulas de reforço, tais como aulas para o cumprimento do currículo regular. Dado o elevado percentual de docentes que afirmam participar de 'Outras atividades', seria interessante conhecer quais atividades estão contempladas nesta opção. Entretanto, não é possível desagregar o quesito 'Outras' desta variável (tabela 4).

Um pouco menos da metade dos professores que participam da jorna-da ampliada (46%) afirmam ter participado de treinamento para ministrar

Tipo de Atividade Número de Professores Porcentagem

Aulas de reforço 23 26%Esporte 2 2%Artes 2 2%Música 1 1%Recreação 6 7%Outras 63 71%

Fonte: Pesquisa BNDES-2012 (Questionário do Professor). Elaboração própria.

Tabela 4 – Distribuição dos professores, segundo asatividades que ministram no contraturno

124Capítulo 5

estas atividades. Além disso, 42% dos professores do contraturno recebem salários mais elevados para participar das atividades do turno estendido. Fi-nalmente, 29% dos professores afirmam terem sido selecionados via con-curso e 37% deles dizem participar do contraturno por terem sido indicados pela secretaria da educação (16%), pelo diretor (10%) ou por outros profes-sores (11%). Para 17% dos professores, outro critério determinou sua sele-ção para participação no contraturno. A escolha do próprio professor pode estar incluída nestas outras formas de seleção.

Forma de Seleção Número de Escolas Porcentagem

Concurso 37 29%Indicação do diretor 13 10%Indicação da secretaria 21 16%Indicação dos próprios professores 14 11%Outros 22 17%Não informado 21 16%

Fonte: Pesquisa BNDES-2012 (Questionário do Professor). Elaboração própria.

Tabela 5 – Distribuição dos professores, segundo asformas de seleção para participação no contraturno

4. Metodologia

Nesta seção, descrevemos como iremos identificar o efeito que ati-vidades de contraturno têm sobre desempenho dos alunos em língua portuguesa e matemática para os 4º, 6º e 8º anos do ensino fundamen-tal. Em primeiro lugar, para obter estimativas da relação entre a frequên-cia às atividades do contraturno e o desempenho acadêmico, estimamos os parâmetros do seguinte modelo de regressão linear por mínimos qua-drados ordinários (MQO):

yi = β0 + β1CTi + β2CTi * ACADi + δ'Xi + ui

Onde o subscrito i indexa os alunos; y é uma medida de aprendizado; CT é uma variável binária que assume valor 1 caso o aluno esteja matriculado em atividades de contraturno e 0 caso contrário; ACAD é uma variável binária que assume valor 1 caso o aluno esteja matriculado em atividades de contraturno acadêmicas e 0 caso contrário; X um vetor de variáveis sociodemográficas, como gênero, raça/etnicidade e idade e uma variável que indica se o estu-dante frequentou a pré-escola e u um termo de erro. As letras gregas são parâmetros desconhecidos. Estamos interessados no parâmetro 1β , o qual

125 Capítulo 5

mede o impacto de se participar do contraturno em atividades não acadêmi-cas sobre o aprendizado. Este exercício é útil para estudarmos as diferenças médias de proficiência entre estudantes que frequentam e que não frequen-tam o contraturno, bem como as diferenças entre aqueles que participam de atividades acadêmicas e não-acadêmicas.

A premissa para que esse parâmetro seja identificado com os dados disponíveis é que características não-observáveis que afetem desempenho e que são sintetizadas por u, não sejam correlacionadas com a decisão de participar de atividades não-acadêmicas do contraturno. Ou seja, para que este parâmetro seja identificado como o impacto causal da participação no contraturno sobre o desempenho escolar, é preciso que a decisão dos es-tudantes de frequentar atividades esportivas e artísticas (não-acadêmicas) não esteja associada com características não-observáveis que afetam o de-sempenho acadêmico, o que é uma hipótese forte. É possível argumentar, por exemplo, que atributos como esforço e disciplina estão simultaneamen-te associados ao gosto por atividades esportivas e ao desempenho escolar.

Em outras palavras, sabemos que a decisão de inscrever um aluno em uma das atividades em contraturno é uma decisão conjunta da escola e dos pais, portanto, há um potencial viés de seleção em qualquer estimativa do efeito causal dessas atividades sobre o aprendizado. Em particular, alunos com um histórico de fraco desempenho devem participar das atividades de reforço escolar. Assim, isolar o efeito causal das atividades acadêmicas de contraturno sobre aprendizado é uma tarefa que, sem uma variação exógena convincente na participação dessas atividades, torna-se inviável.

Assim, uma das dificuldades de estimar o impacto da jornada diária no aprendizado do aluno é separar o efeito de uma pré-seleção de bons alunos nas escolas com jornada ampliada. Os pais que valorizam mais a educação tendem a colocar os filhos em escolas com jornada ampliada. Se esses pais possuem filhos com melhor desempenho acadêmico, podemos confundir o efeito da jornada escolar com um efeito de seleção. Se não conseguirmos isolar o efeito de seleção, podemos superestimar o efeito de uma ampliação da jornada. Outra possibilidade seria uma pré-seleção dos alunos com maio-res dificuldades acadêmicas caso, por exemplo, os professores indicassem os alunos repetentes para as atividades da jornada ampliada. Neste caso, estaríamos subestimando os efeitos da ampliação da jornada.

Diversos fatores podem fazer a predisposição a aprender de um grupo ser maior que a de outro. Pode ocorrer, por exemplo, do nível inicial de co-nhecimento dos alunos alocados a uma maior jornada diária ser menor que o daqueles que estão em jornadas regulares. Nesse caso, o efeito captado ao estimar o aumento da jornada diária pode estar refletindo essa desigual-dade inicial entre os alunos que existiria mesmo se não houvesse nenhuma

126Capítulo 5

modificação na exposição diária do aluno ao conhecimento. Se essa van-tagem de aprendizado fosse atribuída à diferença de jornada, estaríamos subestimando a relevância desse insumo escolar. Para controlar pelo fato de os alunos apresentarem nível inicial distinto de conhecimento, devemos comparar não o resultado dos dois grupos ao final do período letivo, mas o quanto cada grupo aprendeu no ano, isto é, devemos medir a variação de conhecimento ou valor adicionado. No entanto, controlar pelo aprendizado passado não garante que os alunos tenham a mesma capacidade de apren-der. Ainda que com nível inicial idêntico de conhecimento, a existência de habilidades distintas para o aprendizado faria as diferenças observadas ao final existirem mesmo que os alunos tivessem sido colocados em turmas com jornadas diárias idênticas.

Além disso, sabemos que o aprendizado não depende só do aluno e do tempo de exposição ao conhecimento, mas também da capacidade dos professores de transmitir conhecimento, isto é, da qualidade do professor. Um dos argumentos para uma expansão da jornada diária é que o professor poderia usar diferentes técnicas de aprendizado no decorrer de uma aula. No entanto, professores diferem quanto à capacidade de ensinar, à expe-riência e ao conhecimento. O ideal seria compararmos alunos ou turmas com o mesmo professor, mas com jornadas diárias diferentes. Se professo-res mais experientes e mais bem treinados são colocados em turmas que estão sujeitas a jornada ampliada, podemos superestimar o efeito de um aumento da jornada diária.

Temos que lembrar que a infraestrutura da escola também é um insumo importante na produção do aprendizado. Para ampliar a jornada diária, as escolas precisam ter certo volume de salas ociosas e uma estrutura que per-mita que os alunos passem mais tempo na escola, como cantinas para pro-ver alimentação para os alunos etc. Se as escolas que oferecem uma jornada diária para os alunos são aquelas que têm melhor infraestrutura, estaremos superestimando o impacto da jornada diária. A avaliação de impacto precisa ser capaz de isolar também as diferenças de recursos entre as escolas.

Assim, para obter o impacto da jornada diária no aprendizado dos alunos, não podemos simplesmente comparar o desempenho de alunos sujeitos a uma maior jornada diária de aulas com o de outros, sujeitos a jornadas regulares. Idealmente, gostaríamos de comparar dois grupos de alunos cuja única diferença fosse a participação em atividades de jornada ampliada. Para tentar lidar com o problema de viés de seleção, lançamos mão de uma estratégia empírica mais adequada – o propensity score mat-ching. Este é um método estatístico que realiza a seleção mais adequada de um grupo de alunos que sirvam de comparação para os estudantes que participam do contraturno, com base num mecanismo de pareamento. A

127 Capítulo 5

partir de um conjunto de características, para cada escola com jornada am-pliada, encontra-se pelo menos uma escola muito semelhante a ela, mas que só ofereça o turno regular.

A ideia por trás deste procedimento é que, se conhecermos os prin-cipais atributos que levam as escolas a oferecer jornadas ampliadas e os alunos a participarem destas atividades, seremos capazes de encontrar um grupo de comparação adequado ao grupo de tratamento (escolas com jornada ampliada) – ou seja, semelhantes em características que se relacionam aos resultados que se quer observar. Desta forma, obtêm-se estimativas mais acuradas da relação entre participação de atividades do contraturno e aprendizado.

Neste estudo, o pareamento foi realizado a partir de características médias dos alunos e das escolas que supostamente se relacionam com a adoção de estratégias de ampliação da jornada e da decisão de participar delas: proporção de meninos, proporção de brancos, proporção de atrasa-dos, proporção de estudantes que frequentaram creche/pré-escola, rede de ensino (estadual ou municipal), Unidade da Federação. Embora outras características poderiam, em princípio, ter sido incluídas no pareamento (como a escolaridade da mãe), a baixa taxa de respostas prejudicaria o ta-manho da amostra construída. Depois de encontrar grupos de controle mais adequados, foram estimadas regressões semelhantes à apresentada acima, para diferentes percentis da distribuição de notas (10º, 25º, 50º, 75º e 90º), a fim de se obter efeitos heterogêneos da participação em jornada ampliada ao longo da distribuição de habilidades dos alunos. Também se acrescenta-ram controles para a rede municipal e as Unidades da Federação.

5. Resultados

A tabela 6 a seguir apresenta os resultados das estimações da correla-ção entre a participação em atividades do contraturno e as notas em língua portuguesa e matemática para os alunos do ensino fundamental no 4º, 6º e 8º anos do ensino fundamental. Os coeficientes das variáveis de controle apresentam, em geral, os sinais esperados: os estudantes brancos apresen-tam maiores notas médias, assim como aqueles que frequentaram a pré-es-cola. Quanto maior for a idade do estudante (proxy para o atraso escolar), menor serão as notas de língua portuguesa e matemática. A dummy para o gênero (meninos) apresenta sinal negativo nas regressões para língua portu-guesa e matemática. O primeiro resultado é semelhante ao padrão da litera-tura, mas o segundo não: em geral, meninos apresentam menor performan-ce em linguagem e maior desempenho em matemática.

128Capítulo 5

Língua Portuguesa Matemática

4º ano 6º ano 8º ano 4º ano 6º ano 8º ano

Participação no contraturno -5,901*** -11,710*** -12,798*** -4,484*** -7,503*** -7,907*** (1,419) (1,484) (1,491) (1,406) (1,355) (1,386)

Participação no contraturno -6,450*** -10,312*** -6,905** -4,544** -10,289*** -7,076*** x atividades acadêmicas (2,14) (2,295) (2,921) (2,121) (2,095) (2,724)

Rede Municipal -0,968 -3,441** -2,437 -0,628 1,194 -4,543*** (1,627) (1,583) (1,601) (1,612) (1,443) (1,491)

Menino -16,991 -59,279*** -92,643*** -21,793** -41,966*** -43,981*** (10,825) (13,321) (13,466) (10,717) (12,132) (12,517)

Branco 64,157*** 78,675*** 48,911*** 51,920*** 73,729*** 51,605*** (6,627) (9,471) (9,086) (6,555) (8,646) (8,452)

Idade -4,975*** -5,553*** -4,825*** -3,112*** -4,914*** -4,466*** (0,634) (0,567) (0,553) (0,631) (0,513) (0,513)

Frequentou pré-escola 36,517*** 41,884*** 41,637*** 36,876*** 68,058*** 50,957*** (8,101) (10,594) (11,359) (8,017) (9,671) (10,568)

Constante 185,793*** 282,215*** 270,226*** 191,838*** 303,799*** 281,578*** (19,242) (16,729) (18,619) (19,114) (15,225) (16,325)

Dummies de UF Sim Sim Sim Sim Sim SimNúmero de observações 4.564 6.815 6.150 4.564 6.815 6.151

Nota: Erro-padrão entre parênteses. *** p<0,01; ** p<0,05; * p<0,10.

Tabela 6 – Relação entre participação no contraturno e aprendizado (MQO)

Ao analisarmos os modelos estimados para todas as etapas da escolari-zação, percebemos que a participação no contraturno está relacionada com um desempenho inferior dos alunos, tanto em língua portuguesa quanto em matemática. Isto pode indicar a existência de seleção dos alunos que têm aula no contraturno. Provavelmente os alunos com mais dificuldade de aprendizado são aqueles que têm aula de reforço no contraturno, como mostraram as estatísticas descritivas (37% das escolas selecionam os alunos repetentes para a participação da jornada ampliada). Ao incluir a interação entre a participação no contraturno com a dummy que indica atividades aca-dêmicas, a ideia é separar os efeitos entre atividades didáticas e outras ati-vidades que não se relacionam diretamente ao currículo escolar (musicais, artísticas etc.) sobre o desempenho dos alunos.

129 Capítulo 5

Os coeficientes estimados desta interação são negativos e estatistica-mente significantes em todas as regressões. Percebemos, assim, que a parti-cipação no contraturno em atividades esportivas e artísticas está correlacio-nada com maiores notas, enquanto a participação em atividades didáticas está relacionada com desempenho mais baixo. Esse resultado é intuitivo: os estudantes que são selecionados para participar das aulas de reforço escolar no contraturno são aqueles que provavelmente possuem as notas mais bai-xas. Isto reforça a ideia de que há seleção entre os alunos que participam do contraturno para desenvolver atividades de reforço escolar, justamente por terem maior dificuldade de aprendizado em comparação aos seus colegas.

Para tentar lidar com o problema de viés de seleção, estimamos os mo-delos com a amostra construída a partir do propensity-score matching, cujos resultados são apresentados nas tabelas 7 a 9 a seguir. Novamente, obser-vamos que os coeficientes das variáveis de controle dos estudantes (idade, cor/raça, gênero, frequência à pré-escola) apresentam os sinais esperados. Os resultados são qualitativamente equivalentes aos já apresentados acima.

As estimativas dos coeficientes da variável que indica se a escola perten-ce à rede municipal não apontam para resultados inequívocos. Entre os alunos mais novos (4º ano), aqueles que estudam em redes municipais apresentam maiores notas do que os que estudam em redes estaduais. Estas diferenças só são estatisticamente significantes quando se observa a proficiência em mate-mática. Já entre os alunos mais velhos (6º e 8º anos), observa-se exatamente o oposto. Estes resultados, entretanto, não são robustos, já que as estimativas de muitos destes coeficientes não apresentam significância estatística.

A participação no contraturno está associada a notas mais baixas em língua portuguesa e matemática, em todas as séries avaliadas. Todos os coe-ficientes estimados para esta variável (em todos os percentis) são estatisti-camente significantes. Os coeficientes estimados da interação entre a parti-cipação no contraturno com as atividades acadêmicas, também apresentam sinal negativo (poucos são significantes). Nota-se que à medida que se evolui na distribuição de habilidades (do percentil 10 para o 90), o valor absoluto do coeficiente da variável que indica participação no contraturno se eleva. Em geral, isto também ocorre com o coeficiente da interação.

Ou seja, a correlação negativa entre a frequência em atividades (acadê-micas) do contraturno é ainda mais elevada entre os melhores estudantes. Este resultado sugere que a participação em aulas de reforço escolar são menos produtivas para os alunos com menores dificuldades de aprendiza-do, o que é intuitivo. Isto porque o ingresso na jornada ampliada implica que o aluno deixe de realizar outras atividades, como por exemplo, estudar em casa, assistir a aulas de idiomas em escolas especializadas ou mesmo dedicar-se a atividades de lazer. Entre os alunos que apresentam as maiores

130Capítulo 5

Língua Portuguesa

Percentil 10 Percentil 25 Percentil 50 Percentil 75 Percentil 90

Participação no contraturno -3,751** -3,291** -5,512*** -5,966*** -9,853*** (1,838) (1,606) (1,616) (1,825) (2,583)

Participação no contraturno -0,397 -6,071** -7,630*** -8,183*** -6,530* x atividades acadêmicas (2,769) (2,398) (2,417) (2,71) (3,831)

Rede Municipal 1,288 1,469 2,144 0,696 3,979 (2,307) (1,978) (1,957) (2,172) (3,097)

Menino -13,32 -31,766*** -12,492 -10,3 43,076* (13,163) (11,693) (12,557) (14,917) (22,001)

Branco 62,642*** 76,121*** 68,879*** 90,934*** 112,978*** (8,965) (7,972) (8,372) (9,626) (13,378)

Idade -3,846*** -5,437*** -5,059*** -5,429*** -5,384*** (0,795) (0,695) (0,702) (0,789) (0,956)

Frequentou pré-escola 45,171*** 41,791*** 36,250*** 36,240*** 43,810*** (10,299) (8,965) (9,317) (10,508) (14,698)

Constante 127,879*** 167,110*** 191,240*** 209,403*** 187,047*** (15,572) (13,769) (14,01) (16,166) (22,576)

Dummies de UF Sim Sim Sim Sim Sim

Número de observações 3,627 3,627 3,627 3,627 3,627 Matemática Percentil 10 Percentil 25 Percentil 50 Percentil 75 Percentil 90

Participação no contraturno -4,482** -4,617*** -3,957** -4,252** -7,897*** (1,975) (1,726) (1,865) (1,737) (2,417)

Participação no contraturno 1,145 -4,148 -7,533*** -5,018* 3,086 x atividades acadêmicas (2,939) (2,593) (2,788) (2,57) (3,604)

Rede Municipal 2,401 4,170** 5,916*** 7,606*** 7,203*** (2,351) (2,114) (2,256) (2,04) (2,739)

Menino -10,118 -7,299 -5,633 44,057*** 56,972** (12,961) (12,463) (14,43) (14,513) (22,64)

Branco 57,242*** 56,538*** 62,117*** 82,132*** 122,440*** (9,601) (8,643) (9,66) (9,238) (13,489)

Idade -0,75 -1,708** -3,024*** -2,750*** -2,724*** (0,931) (0,788) (0,811) (0,728) (0,955)


Constante 118,180*** 139,995*** 174,108*** 155,143*** 169,510*** (17,332) (15,273) (16,163) (15,5) (22,517)


Número de observações 3.627 3.627 3.627 3.627 3.627Nota: Erro-padrão entre parênteses. *** p<0,01; ** p<0,05; * p<0,10.

Tabela 7 – Relação entre participação no contraturno eaprendizado (matching – 4º ano)

131 Capítulo 5

Língua Portuguesa


Participação no contraturno -5,621*** -8,197*** -9,991*** -9,542*** -8,913*** (1,639) (1,632) (1,627) (1,694) (2,108)

Participação no contraturno -5,292** -8,542*** -8,717*** -12,171*** -14,971*** x atividades acadêmicas (2,517) (2,493) (2,481) (2,579) (3,216)

Rede Municipal -2,439 -4,187** -3,728** -4,402** -3,729* (1,768) (1,766) (1,732) (1,775) (2,219)

Menino -87,886*** -66,193*** -60,085*** -69,951*** -69,325*** (13,333) (14,143) (14,452) (15,396) (19,802)

Branco 48,303*** 59,111*** 77,337*** 59,563*** 72,228*** (11,456) (11,03) (10,964) (11,412) (14,736)

Idade -4,202*** -5,662*** -5,905*** -6,069*** -5,471*** (0,56) (0,589) (0,592) (0,646) (0,846)

Frequentou pré-escola 55,552*** 59,596*** 44,500*** 34,005*** 26,116* (11,212) (11,737) (11,794) (11,938) (15,428)

Constante 178,538*** 209,629*** 237,587*** 283,767*** 319,686*** (14,869) (14,825) (14,798) (15,571) (20,247)




Participação no contraturno -5,241** -7,195*** -9,009*** -8,609*** -8,649*** x atividades acadêmicas (2,538) (2,209) (2,31) (2,403) (3,275)

Rede Municipal -0,753 -1,377 -0,355 -4,974*** -4,474** (1,803) (1,554) (1,611) (1,651) (2,221)

Menino -38,474*** -58,963*** -57,450*** -51,669*** -30,129 (13,162) (12,491) (13,428) (14,41) (19,878)

Branco 51,680*** 56,255*** 73,952*** 85,218*** 82,707*** (10,966) (9,674) (10,206) (10,799) (15,237)

Idade -3,195*** -3,571*** -5,078*** -5,593*** -6,695*** (0,554) (0,504) (0,553) (0,626) (0,863)


Constante 175,751*** 200,015*** 226,608*** 251,175*** 287,473*** (14,946) (13,17) (13,778) (14,653) (20,043)


Número de observações 5.474 5.474 5.474 5.474 5.474Nota: Erro-padrão entre parênteses. *** p<0,01; ** p<0,05; * p<0,10.

Tabela 8 – Relação entre participação no contraturno eaprendizado (matching – 6º ano)

132Capítulo 5

Língua Portuguesa



Participação no contraturno -1,761 -0,305 -5,454* -9,163** -8,565** x atividades acadêmicas (3,1) (3,052) (3,108) (4,049) (4,037)

Rede Municipal 0,623 -1,436 -1,924 -2,137 -1,944 (1,75) (1,727) (1,75) (2,261) (2,179)

Menino -72,677*** -105,671*** -95,155*** -96,636*** -101,707*** (14,479) (14,347) (14,79) (19,649) (20,051)

Branco 26,061** 48,279*** 48,137*** 65,827*** 74,117*** (10,636) (10,581) (10,717) (13,983) (13,653)

Idade -3,553*** -4,162*** -5,629*** -5,322*** -5,228*** (0,536) (0,542) (0,608) (0,887) (0,836)

Frequentou pré-escola 3,692 24,352* 39,016*** 31,787* 26,914* (12,586) (12,512) (12,854) (16,868) (15,491)

Constante 237,802*** 266,892*** 303,113*** 330,108*** 357,766*** (15,889) (15,775) (16,522) (22,182) (20,432)




Participação no contraturno -8,060** -5,55 -8,251** -11,673*** -7,144** x atividades acadêmicas (3,359) (3,394) (3,222) (2,595) (3,43)

Rede Municipal -5,548*** -4,255** -2,85 -3,239** -2,582 (1,925) (1,934) (1,818) (1,468) (1,904)

Menino -63,756*** -68,288*** -52,557*** -35,779*** -45,190*** (15,374) (15,975) (15,337) (12,637) (16,737)

Branco 31,977*** 38,499*** 53,201*** 55,181*** 63,283*** (11,646) (11,651) (11,111) (9,117) (11,924)

Idade -5,423*** -4,516*** -4,380*** -3,171*** -2,540*** (0,546) (0,593) (0,629) (0,55) (0,78)


Constante 258,852*** 250,511*** 261,960*** 257,857*** 281,902*** (15,548) (16,619) (16,183) (13,18) (17,643)


Número de observações 4.859 4.859 4.859 4.859 4.859


Tabela 9 – Relação entre participação no contraturnoe aprendizado (matching – 8º ano)

133 Capítulo 5

notas, o ganho de permanecer na escola no contraturno deve ser menor do que os benefícios destas outras atividades. Isto pode explicar porque estes estudantes se beneficiariam menos da participação na jornada ampliada.

Por outro lado, o fato de as escolas investirem em oferecer aulas de reforço escolar pressupõe que os alunos com dificuldades de aprendizado beneficiem-se mais em participar destas atividades do que de qualquer ou-tra que possa realizar fora da escola. Mas as estimativas obtidas aqui não corroboram esta hipótese. Isto pode sugerir que, mesmo entre os alunos com maiores deficiências de aprendizado, a participação das atividades acadêmicas oferecidas no contraturno não impacta positivamente a pro-ficiência. Mais do que isto, estes alunos teriam maiores ganhos de apren-dizado se não frequentassem as aulas de reforço oferecidas pela escola (e estudassem sozinhos em casa ou com a ajuda dos pais, irmãos mais velhos etc.). Se a escola não for capaz de fornecer instrução diferenciada em re-lação ao turno regular, com materiais e técnicas pedagógicas alternativas, esta explicação não é implausível.

Mas, ainda é possível que este resultado ainda seja fruto de viés de sele-ção. Em outras palavras, as técnicas econométricas empregadas neste estudo podem não ter sido suficientes ou capazes de selecionar grupos de alunos que participam e que não participam do contraturno, que sejam 'compará-veis'. Se isto for verdade, ainda persiste o problema de que, em geral, as esco-las escolhem os alunos repetentes ou com deficiências de aprendizado para frequentar as aulas de reforço e que estamos comparando estes alunos com outros estudantes fundamentalmente diferentes nas características (princi-palmente não-observáveis) que se associam fortemente ao aprendizado.


Atualmente, diversas estratégias para a ampliação da jornada escolar diária vêm sendo discutidas no Brasil, dentre as quais o aumento do núme-ro de escolas em período integral. Além do maior tempo de permanência do aluno em sala de aula, a jornada ampliada pode ainda permitir que os professores desenvolvam novas técnicas de ensino e ofereçam suporte aos alunos com dificuldade de aprendizado. Entretanto, o impacto da amplia-ção da jornada diária sobre o aprendizado depende das escolhas sobre as formas de utilização do tempo adicional e a adequação do currículo minis-trado no contraturno. Neste trabalho, apresentamos algumas evidências para o caso brasileiro sobre a relação entre a participação dos estudantes de ensino fundamental em atividades de contraturno e seu desempenho acadêmico em língua portuguesa e matemática.

134Capítulo 5

Em geral, nossos resultados indicam que a participação no contraturno está relacionada com um desempenho inferior dos alunos, tanto em língua portuguesa quanto em matemática, principalmente quando os estudantes frequentam atividades acadêmicas, tais como aulas de reforço, vis-à-vis à participação em atividades artísticas ou de recreação. Esses resultados são intuitivos: os estudantes que são selecionados para participar das ativida-des acadêmicas no contratuno – aulas de reforço escolar – são aqueles que provavelmente possuem as notas mais baixas. Entretanto, mesmo quando tentamos lidar com o problema de viés de seleção, encontramos estimativas qualitativamente semelhantes.

Ao estimarmos os efeitos heterogêneos da ampliação da jornada sobre o aprendizado, percebemos que a correlação negativa entre a participação de atividades do contraturno e as notas em exames padronizados é obser-vada ao longo de toda a distribuição de habilidades e que os efeitos são maiores entre os melhores alunos. Isto sugere que a participação em aulas de reforço escolar são menos produtivas para os alunos com menores difi-culdades de aprendizado, o que é intuitivo. Entretanto, as estimativas tam-bém sugerem que os alunos com dificuldades de aprendizado beneficiam-se menos das atividades acadêmicas do contraturno do que de qualquer outra que possa realizar fora da escola.

De fato, se no contraturno, as escolas não forem capazes de atender os alunos com dificuldade de aprendizado com instrução diferenciada em re-lação ao turno regular, com materiais e técnicas pedagógicas alternativas, é possível que seus impactos sobre a proficiência sejam negativos. Entretanto, estes resultados ainda podem ser viesados. Se este for o caso, estas estimati-vas ainda captam as diferenças de notas entre estudantes fundamentalmen-te diferentes nas características que se associam fortemente ao aprendizado – os que são e os que não são selecionados para a jornada ampliada.


ANGRIST, J. D.; PISCHKE, J.; Mostly Harmless Econometrics: An Empiricist’s Companion. Prin-ceton University Press, 2008.

BIONDI, R.; FELÍCIO, F. The quality of education in Brazil. INEP/MEC Texto para discussão, 2007.

BROH, B. Linking extracurricular programming to academic achievement: who benefits and why? Sociology of Education, v. 75, n. 1, p. 69-95, 2002.

DUFLO, E.; HANNA, R. Monitoring works: getting teachers to come to school. NBER Working Paper n. 11880, 2005.

EREN, O.; MILLIMET, D. Time to learn? The organization structure of schools and student achievement. Empirical Economics, v. 32, 2007.

135 Capítulo 5

JACOB, B. A.; LEFGREN, L. Remedial education and student achievement: a regression-dis-continuity analysis. The Review of Economics and Statistics, v. 86, n. 1, p. 226-244, 2004.

LIPSCOMB, S. Secondary school extracurricular involvement and academic achievement: a fixed effect approach. Economics of Education Review, v. 26, p. 463-472, 2007.

MARCOTTE, D. E. Schooling and test scores: a mother-natural experiment. Economics of Edu-cation Review, n. 26, p. 629-640, 2007.

MATSUDAIRA, J. D. Mandatory summer school and student achievement. Journal of Econo-metrics, 142, p. 829-850, 2008.

MILLER, R. T.; MURNANE, R. J.; WILLET, J. B. Do teacher absences impact student achieve-ment? Longitudinal evidence from one urban school district. Educational Evaluation and Policy Analysis, v. 30, n. 2, p. 181-200, 2007.

RICE, J. K.; CRONINGER, R. G.; ROELLKE, C. F. The effect of block scheduling high school math-ematics courses on student achievement and teachers’ use of time: implications for edu-cational productivity. Economics of Education Review, n. 21, p. 599-607, 2002.

137 Capítulo 6

CAPITULO

6

O impacto das políticas deutilização da informática na

aprendizagem dos alunos

Fernando B. Botelho +Thomaz Gemignani *Ricardo A. Madeira +

Luis Meloni *Marcos A. Rangel +

Heleno Pioner +

1. Introdução

Ao longo da última década, o uso de tecnologias da informação e co-municação (TIC) tornou-se generalizado, tanto na vida cotidiana dos cida-dãos quanto nas atividades produtivas. É consenso que o advento destas tecnologias tem causado profundo impacto na organização da sociedade e o setor de educação não tem ficado imune a este movimento. As mudan-ças nas práticas didático-pedagógicas vão desde a substituição do quadro-negro por apresentações eletrônicas até métodos mais arrojados de blen-dedlearning. Estes desenvolvimentos metodológicos na área da educação oferecem uma oportunidade para o Brasil, um país que se defronta com enormes desafios na área, a despeito dos progressos quantitativos obser-vados nas duas últimas décadas.

Os desafios tornam-se ainda mais críticos quando observamos a ne-cessidade de promover o aprendizado dos alunos que foram incluídos no ambiente escolar nos últimos quinze anos, resultado do processo de uni-versalização do acesso ao ensino fundamental no Brasil. Este movimento modificou substancialmente o perfil do alunado e trouxe demandas ainda maiores para o Estado. A universalização do acesso acirrou o problema da diversidade do alunado dentro do sistema, que dificulta ainda mais a tarefa de desenhar um pequeno leque de políticas para um público agora mais di-ferenciado. Como resultado, há uma grande diversidade em termos de profi-ciência no corpo de alunos que compõem a rede pública de ensino no Brasil.

+ Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo (FEA-USP); * Doutorando da Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo (FEA-USP).

138Capítulo 6

Em parte como reflexo deste salutar movimento de inclusão observado no ensino fundamental, observamos uma deterioração na qualidade das es-colas públicas, fato que tem colocado o Brasil em posição pouco confortável em comparação com outros países emergentes que desfrutam de condições semelhantes às nossas. Além disso, os índices de evasão na transição para (e durante) o ensino médio têm se mostrado persistentes, o que nos coloca ain-da distantes do objetivo de universalizar o acesso ao ensino médio e formar cidadãos com habilidades necessárias para o sucesso no mundo moderno.

O uso mais intensivo de TICs é apontado como uma possibilidade van-tajosa para sanar parte destes problemas desafiadores, na medida em que permitem a adaptação do material às necessidades individuais de cada alu-no, o que, conforme argumentamos anteriormente, coloca-se como uma ne-cessidade diante da heterogeneidade do alunado das redes públicas atual-mente. No entanto, há desafios a serem superados, principalmente no que diz respeito à infraestrutura física das escolas e à formação de professores para utilizar as possibilidades abertas pelas TICs em sua plenitude.

O objetivo desse capítulo é fornecer alguns subsídios para a eventual adoção destas políticas no Brasil. Por um lado, apresentamos estatísticas so-bre o uso de TICs por alunos e professores das escolas na amostra da pesqui-sa de campo BNDES-2012. O objetivo é identificar as condições associadas à adoção de TICs por alunos e professores, e a percepção dos mesmos sobre sua efetividade. É importante enfatizar que as correlações eventualmente apontadas não têm necessariamente uma interpretação causal, em razão de eventuais omissões de variáveis, comuns nestes tipos de estudo. Apresen-tamos ainda algumas evidências sobre a efetividade do uso de TICs sobre medidas de aprendizado dos alunos, discutindo suas conclusões, levando-se em conta a limitação de um estudo não-experimental.

Assim, este capítulo será organizado da seguinte forma: após esta breve in-trodução ao tema, apresentamos uma revisão da literatura relevante sobre o as-sunto. Em seguida, discutimos a metodologia a ser empregada no trabalho, que se aplica aos dados colhidos no âmbito da pesquisa de campo BNDES-2012. Na sequência apresentamos algumas estatísticas descritivas, enfatizando os fatores correlatos ao uso de TICs pela comunidade escolar. Em seguida, são analisados os resultados do impacto do uso de TICs sobre a aprendizagem dos alunos e discuti-mos os resultados encontrados à luz daqueles da na literatura.

2. Revisão da Literatura

Se por um lado diversos estudos apontam que a questão da uni-versalização do ensino básico nos países em desenvolvimento deixou de

139 Capítulo 6

ser um problema central (Banerjee et al. 2007, Firpo e De Pieri, 2011), a baixa qualidade da educação nesses países também é um fato muito bem documentado na literatura.

Diversos estudos já mostraram que a eficiência de políticas que inves-tem em inputs adicionais (livros adicionais, professores assistentes etc.) tem impacto limitado no desempenho dos alunos (Kremer, 2003). A partir des-ses resultados e da disseminação da tecnologia, tem crescido na literatura a discussão acerca do uso de tecnologias de informação e comunicação (TICs) como ferramenta auxiliar no ensino.

Embora algumas experiências tenham apresentado resultados positi-vos no que diz respeito ao desempenho dos alunos, especialmente em paí-ses em desenvolvimento, os resultados dessas medidas ainda são inconclu-sivos e seus mecanismos ainda são pouco compreendidos. O que se pode dizer, no entanto, é que a forma como os programas são implementados parece ter bastante influência sobre seu resultado.

Para países desenvolvidos, destaca-se o trabalho de Rouse e Krueger (2004), que avalia o FastForWord (FFW), um conjunto de programas de com-putador largamente utilizado em escolas públicas norte-americanas com o objetivo de melhorar as habilidades de linguagem e leitura dos alunos, espe-cialmente aqueles que têm dificuldades com habilidades básicas da língua.

Para realizar a avaliação, os autores conduziram um experimento alea-tório em quatro escolas e a aleatorização foi feita dentro de cada série de cada escola. Para que a amostra pudesse ser comparada ao público alvo do programa, a amostra foi restrita a alunos que ficaram na porção 20% inferior do teste padronizado de leitura do estado nos dois anos anteriores.

Os resultados da avaliação encontram evidências de um aumento de 0,1 desvio padrão em um dos testes de linguagem realizado pelos alunos. Essa evi-dência, no entanto, embora sustentada pelos autores, é frágil e não é robusta a diversas especificações. Mais importante, o resultado encontrado não se tra-duz em um ganho nas habilidades de leitura, medidas por provas padronizadas.

Outro trabalho para países desenvolvidos é o de Wenglinsky (1998), um trabalho mais amplo, que procura identificar os efeitos da inserção de computadores em escolas e na residência dos alunos sobre diversas variá-veis acadêmicas: desempenho, taxas de atraso, absenteísmo etc. É impor-tante notar que, ao contrário da pesquisa citada e da maioria dos estudos que serão mencionados, a pesquisa não foi realizada a partir de um ex-perimento aleatório e possui diversas limitações, ressaltadas pelo próprio autor. Entre os resultados encontrados pelo autor, destacam-se uma corre-lação positiva entre o número de computadores nas aulas de matemática e o desempenho dos alunos na mesma disciplina na 4ª e 8ª série e uma correlação negativa entre a frequência de uso do computador na escola e

140Capítulo 6

os resultados. Outro resultado interessante encontrado pelo autor é a rela-ção positiva entre a qualificação dos professores para o uso da tecnologia e o desempenho dos alunos. Embora o autor não esteja de fato identificando uma relação causal, esses resultados podem ser importantes para explicar a heterogeneidade dos resultados que serão apresentados, especialmente para os países em desenvolvimento.

Os estudos realizados para países em desenvolvimento são, em sua maior parte, experimentais e, como já mencionado, os resultados são in-conclusivos. A forma de implementação dos programas, no entanto, parece importar bastante para o resultado final.

Em um dos principais estudos para países em desenvolvimento, Baner-jee et al. (2007) estuda o impacto de um programa de aprendizagem assis-tida por computador1, no qual o foco foi melhorar o aprendizado de mate-mática dos alunos.

O programa consistiu em disponibilizar aos alunos da quarta série duas horas de computador por semana, durante as quais eles poderiam jogar jo-gos que envolviam a resolução de problemas de matemática em diferentes níveis de dificuldade.

O programa foi implementado em metade das escolas municipais primá-rias de Vadodara, na Índia, entre 2002 e 2003 e a amostra foi estratificada de acordo com o gênero dos alunos, nível de instrução da escola, nota de mate-mática média do ano anterior e status de tratamento em relação a um progra-ma de contratação de professores assistentes bastante difundido na região2.

O resultado do programa foi aumentar as notas de matemática em 0,35 desvio padrão no primeiro ano e em 0,47 no segundo ano - resultados esses homogêneos entre todos os alunos. Outro ponto importante, a diferença entre alunos tratados e não tratados persistiu ao longo do tempo, ainda que a magnitude da diferença tenha diminuído ao longo do tempo.

Linden (2008) também encontra efeitos positivos ao avaliar outro pro-grama que usa computadores como ferramenta auxiliar de ensino, o projeto GyanShala, implementado em Gujarat na Índia. O programa em questão foi implementado a partir de duas estratégias diferentes, o que permite ao au-tor identificar qual é mais eficaz para o aprendizado dos alunos. Na primeira delas, o computador foi usado como um substituto para o currículo tradicio-

1 Na literatura, o termo em inglês para esse tipo de programa é computer-assiste dinstruction.2 Durante o período de implementação do programa avaliado, outro grande programa aconte-cia nas escolas da região, o Programa Balsakhi. Esse programa fornece às escolas participantes uma professora assistente, normalmente uma mulher da comunidade local, para ajudar os alu-nos da terceira e quarta série que tenham dificuldades. A estratificação em relação ao status de tratamento desse programa é importante para tornar os grupos de tratamento e controle comparáveis, já que pode haver um importante efeito complementar entre os dois programas.

141 Capítulo 6

nal. Isto é, os estudantes frequentavam as aulas por um período normal de três horas, mas durante esse período trabalhavam em atividades no com-putador ao invés de trabalhar em atividades tradicionais do currículo esco-lar. Na segunda, o computador foi usado como um complemento. Os alunos tinham aulas regulares de três horas, seguindo o currículo escolar normal e em horários complementares realizavam atividades no computador.

A avaliação foi feita a partir de um estudo experimental com uma amos-tra de 60 escolas localizadas em quatro regiões distintas em Gujarat estrati-ficada de acordo com a média normalizada dos testes dos anos anteriores.

O resultado encontrado vai ao encontro dos demais resultados en-contrados para países em desenvolvimento de que o uso de computadores como uma ferramenta complementar tem efeito positivo no aprendizado dos alunos - o aumento nos testes de matemática promovido pelo programa foi de 0,28 desvio-padrão. Nos testes de línguas os resultados são estatisti-camente iguais a zero. Quando implementado como substituto das técnicas tradicionais, no entanto, o programa se mostrou muito menos eficiente. Na realidade, o resultado foi desastroso: nesse caso o programa resultou em uma queda de 0,57 desvio-padrão nos testes de matemática. Para os testes de línguas, os resultados são menos robustos, mas sob algumas especifica-ções os resultados indicam uma redução de 0,26 desvio-padrão nos testes.

Ainda para países em desenvolvimento, outro estudo que se destaca é o de Barrera-Osorio e Linden (2009), que avalia o programa Computadores para Educar, um programa criado em Março de 2002 na Colômbia, com o objetivo de reutilizar computadores doados pelo setor privado e instalá-los em escolas públicas. Outra importante característica do programa é que além de reutilizar os computadores em escolas públicas, o programa realiza-va capacitação dos professores para que esses fizessem uso dos computado-res na sala de aula, especialmente para o ensino de espanhol.

Esse estudo contribui para a literatura em uma dimensão diferente dos estudos citados, já que além de mensurar o efeito do programa sobre o de-sempenho dos alunos, também procura avaliar o efeito dos computadores - e do treinamento associado a eles – nos métodos de ensino do professor, e em outras variáveis de comportamento dos alunos - horas de estudo, per-cepção da escola e relacionamento com seus pares. Os estudos que pro-curam identificar os canais pelos quais os programas de uso de tecnologia em escola afetam o desempenho dos alunos são ainda muito raros. Nesse sentido, esse trabalho contribui de forma importante para a literatura, ainda que os resultados encontrados sejam frágeis.

A exemplo dos outros estudos citados, a avaliação foi feita também de forma experimental, a partir de uma amostra de 100 escolas interessadas, que foram divididas em grupo de tratamento e controle e estratificadas de

142Capítulo 6

acordo com o tipo de educação oferecida na escola. Os resultados encon-trados indicam que, embora o programa tenha aumentado o número de computadores em cada escola e tenha tido impacto positivo sobre o uso dos computadores pelos alunos, o impacto sobre os testes de matemática e espanhol dos alunos foi pequeno. Na realidade a diferença entre os testes dos grupos de controle e de tratamento foi de cerca de 0,1 desvio-padrão tanto em matemática quanto em português, mas em ambos os casos não é possível rejeitar a hipótese de que a diferença entre os testes seja zero. O programa teve ainda efeito estatisticamente insignificante sobre as demais variáveis acadêmicas, incluindo horas de estudo, percepção da escola e as relações dos alunos com os seus pares.

A partir do resultado de pesquisas qualitativas feitas com professores e alunos, os autores sugerem que o resultado inexpressivo se deve ao fato de tanto professores quanto alunos não terem incorporado os computadores às suas práticas educacionais.

Embora os programas mencionados tenham encontrado impactos positivos – ou nulos - para o uso de tecnologia em escolas em países em desenvolvimento, Angrist e Lavy (2002) não encontraram resultados signifi-cantes ao avaliar o programa Tomorrow-98. Além da instalação de computa-dores nas escolas - entre 1994 e 1996, os três primeiros anos do programa, 35.000 computadores foram instalados em 905 escolas - o programa previu um grande financiamento para o treinamento de professores. Os recursos do programa foram distribuídos através de um processo de candidatura. As autoridades regionais se candidatavam para os recursos mediante a apre-sentação de uma lista de escolas de ensino fundamental e médio a ser infor-matizados, classificadas de acordo com a avaliação dos municípios da capaci-dade das escolas de fazer bom uso dos computadores. Essa classificação é de fundamental importância, pois é utilizada pelos autores como instrumento para identificação do efeito do programa.

Os autores testam a hipótese de que o fornecimento de computadores e o treinamento dos professores sobre como usá-los podem levar os profes-sores a utilizar mais os computadores como técnica de ensino, o que por sua vez pode influenciar as notas dos alunos.

Os dados dos testes de matemática e hebreu são de uma amostra de 200 escolas judaicas selecionadas aleatoriamente, das quais 122 se candida-taram para o programa Tomorrow-98. Como primeira estratégia para anali-sar os efeitos do programa, os autores usam mínimos quadrados ordinários. O caráter não experimental da avaliação, no entanto, é uma limitação do estudo e os próprios autores observam que os resultados obtidos mostram um padrão de declínio conforme mais controles são incluídos, o que sugere que parte do resultado pode se dever a variáveis omitidas que estão asso-

143 Capítulo 6

ciados positivamente com os resultados dos testes e uso de computador. Com isso, os autores usam mínimos quadrados em dois estágios (2SLS) com dois diferentes instrumentos: uma dummy para a participação no programa e uma variável de classificação de prioridade de participação no programa.

De forma geral, o resultado encontrado pelos autores indica que o pro-grama levou a um aumento do uso dos computadores como meio educa-cional pelos professores, especialmente na quarta série. Entretanto, esse aumento não se refletiu em melhora no desempenho dos alunos nos testes. Em algumas especificações os resultados indicam até uma pequena queda no resultado nos testes de matemática. Esse resultado, no entanto, como mencionado, não é robusto a mudanças na especificação.

Um estudo relevante para países em desenvolvimento, que não encon-tra resultados positivos, é o trabalho de Firpo e De Pieri (2011), que analisa o programa Tonomundo, que busca equipar com laboratórios de informática as escolas públicas brasileiras localizadas em municípios com baixo Índice de Desenvolvimento Humano (IDH) e dar suporte pedagógico aos educadores no uso dessas tecnologias.

Esse trabalho também faz uso de uma estratégia de identificação não experimental e utiliza dados do Censo Escolar, do Censo Populacional e algu-mas informações do INEP sobre o desempenho das escolas. A informação do Censo Populacional é de especial importância metodológica, pois é a partir daí que os autores obtêm informações sobre o IDH dos municípios, e é com essa referência que eles constroem o grupo de controle, que corresponde a todas as escolas públicas dos municípios semelhantes somadas às escolas públicas dos próprios municípios onde houve escolas tratadas, mas que não foram incluídas inicialmente no programa.

A partir da criação desse grupo de controle, os autores estimam o efei-to do programa sobre escolaridade média dos professores, existência de la-boratório e estrutura do entorno da escola por meio de um estimador de diferenças em diferenças. Para avaliar o efeito do programa sobre a profi-ciência dos alunos, no entanto, não é possível utilizar esse método, já que as medidas de desempenho escolar passaram a ser calculadas para todas as escolas públicas apenas a partir de 2005. Os autores recorrem, então, ao es-timador de mínimos quadrados ordinários, controlando pelas características observáveis de diversas formas, inclusive utilizando propensity score para testar a robustez dos resultados.

Embora os resultados indiquem que o programa teve impacto positivo sobre a ampliação do acesso à internet e existência de laboratórios de informática e ciência nas escolas, o impacto do programa é negativo quando a medida de interesse é a qualidade da educação, medida pela Prova Brasil na 4ª e na 8ª série. Apesar disso, para alunos da 4ª série, esse resultado

144Capítulo 6

negativo fica menor em termos absolutos ao longo do tempo, o que pode indicar que há um efeito de longo prazo positivo, porém pequeno, entre crianças mais novas expostas às novas tecnologias de informação. Esse mesmo fenômeno não é observado para a 8ª série.

De forma geral, as evidências apresentadas mostram que o uso de tecnologia nas escolas parece ter mais efeitos sobre as habilidades de ma-temática do que sobre as habilidades de línguas, o que é algo comum nas intervenções na área de educação. A magnitude do impacto dos programas encontrado nas avaliações foi bastante heterogênea, sendo a maior delas no programa de educação assistida implementada em Gujarat na Índia, onde o impacto estimado nos testes de matemática foi de 0,47 desvio-pa-drão. Nos testes de línguas a maior variação encontrada foi de 0,1 desvio padrão na avaliação realizada por Rouse e Krueger (2004), sobre a utilização do software FastForWord (FFW). De maneira geral, no entanto, as evidên-cias apresentadas para países em desenvolvimento mostraram que os pro-gramas de uso de tecnologia não se mostraram eficientes para aumentar a proficiência dos alunos em línguas.

É possível constatar também que a forma como os programas são imple-mentados é bastante relevante para o resultado final do programa sob a variá-vel final de interesse, isso é, sobre a proficiência do aluno. Alguns programas aqui descritos são muito semelhantes em sua concepção, mas os resultados finais diferem bastante e isso pode ser explicado pela forma de implantação do programa. Como foi observado por Barrera e Linden (2009), embora ainda haja muito a ser aprendido sobre essa literatura, um resultado geral que pare-ce possível tirar da literatura é que a introdução da tecnologia por si só não é capaz de mudar o processo de aprendizagem, ela deve ser acompanhada de mudanças pedagógicas. É importante lembrar a evidência – ainda que fraca – encontrada por Wenglinsky (1998) de que existe uma importante complemen-tariedade entre a qualificação do professor e o uso da tecnologia.

3. Aspectos Metodológicos

Embora de extrema relevância para a elaboração de programas efe-tivos, a identificação do efeito do uso de tecnologias da informação na es-cola sobre as variáveis de interesse, dentre elas a proficiência dos alunos, apresenta grandes desafios do ponto de vista metodológico. As variáveis de interesse (yi) do aluno e a utilização de tecnologias da informação (Tis) estão relacionados a características observáveis (Xi) e não observáveis (Wi) do alu-no. Dessa forma, a estimação de forma ingênua, sem levar em conta esse fato, levaria a estimadores viesados.

145 Capítulo 6

Como ficou evidenciado pelo exposto acima, a literatura procura con-tornar esse fato por meio de experimentos aleatórios. Muitas vezes, no en-tanto, essa alternativa não é viável, simplesmente porque o programa que se deseja analisar não foi implementado de maneira aleatória.

Idealmente, o que se deseja é comparar a proficiência de dois alunos idênticos em todas as suas características, observáveis e não observáveis, com exceção do uso de cada componente de TI. Desta forma, seria possível isolar o impacto deste componente de TI sobre a variável de resposta y (pro-ficiência ou outra variável de interesse). Ao observarmos dois alunos com as mesmas características observáveis mas diferentes atributos latentes, não saberemos em que medida os diferentes níveis de proficiência observados estão relacionados com o fato de utilizar tecnologias da informação ou com as variáveis não observáveis.

Outro desafio a ser superado é o problema de simultaneidade: o aluno é mais proficiente porque utiliza os recursos das tecnologias da informação, ou vice-versa? É possível encontrar uma explicação plausível para ambos os casos. Por um lado, o uso de tecnologias da informação pode ter impulsio-nado a proficiência do aluno. Por outro lado, alunos mais proficientes são, em geral, mais propensos a utilizar computadores e outras tecnologias da informação. Não é possível separar as duas histórias facilmente sem a uti-lização de um experimento aleatório. Uma alternativa é a utilização de um instrumento, uma variável (ou um vetor de variáveis) Z que esteja correlacio-nado com a variável de resposta y somente por meio de seu efeito no uso de TI. Ou seja, Z tem um efeito indireto em y, que é intermediado pelo uso de TI. Neste contexto, variações em Z provocam alterações exógenas no uso de TI, que não tem origem em y. Utilizando estas variações no uso de TI a partir de Z, o pesquisador pode mensurar com precisão o efeito do uso de TI em y.

Outra possibilidade é usar matching, que consiste em comparar a di-ferença da variável de interesse dos indivíduos tratados com o resultado de indivíduos semelhantes – baseado em um conjunto de características obser-váveis - no grupo de controle. Para cada indivíduo no grupo de tratamen-to, são selecionados indivíduos no grupo de controle, que são usados como contrafactual. Para que o matching seja válido, no entanto, é necessário que exista um conjunto de características observáveis, digamos Wi, que tornem o resultado do programa independente do tratamento.

O estimador de matching pressupõe ainda a validade de outra hipótese, um pouco mais técnica, chamada de suporte comum. De forma intuitiva, essa hipótese pressupõe que, dado o vetor de características observáveis Wi, a probabilidade de um indivíduo não receber o tratamento é sempre maior do que zero. Ainda mais intuitivamente, essa hipótese nos garante que há sem-pre um indivíduo no grupo no controle para ser utilizado como comparação.

146Capítulo 6

Outro elemento ainda fundamental para estudos dessa natureza – e a análise dos efeitos das TI’s não é uma exceção – é a mensuração correta da intensidade da variável de tratamento, no caso o uso de computadores e outras formas de tecnologia. Instrumentos que não captem com precisão o uso de TI’s pelos alunos em suas mais diversas formas podem introduzir erros de medida em regressores relevantes, que, por sua vez, provocam o chamado ‘viés de atenuação’. Neste caso, os coeficientes estimados são sis-tematicamente menores, em valor absoluto, do que o verdadeiro parâmetro de interesse. Esta é uma das possíveis razões apontadas para que uma parte dos estudos aponte para a não significância dos indicadores do uso de TI pelos alunos. O desenho adequado dos instrumentos, com perguntas que explorem os mais diversos usos de TI em diferentes contextos, pode reduzir substancialmente os erros de mensuração e suas consequências deletérias.

Também é importante a mensuração do uso de informática nos diver-sos contextos relevantes para os alunos. Na última década, o acesso a com-putadores e à internet difundiu-se muito nos domicílios brasileiros; neste contexto, mesmo os alunos de escolas públicas já possuem acesso a algu-mas tecnologias da informação, ainda que seu uso não seja estruturado e voltado para a facilitação do aprendizado. A introdução de computadores na escola pode ter o efeito de substituir o uso dos mesmos em outros con-textos ou mesmo de acentuar o uso dessas tecnologias pelos alunos nas escolas, por eles já terem alguma familiaridade com essas. Se não levarmos em conta esta realocação no uso do tempo dos alunos e medirmos somente o acréscimo de uso no ambiente escolar, teremos uma estimativa de efeitos que pode subestimar (ou superestimar) o verdadeiro efeito do uso de TI na proficiência dos alunos. Tal problema decorre da omissão de variáveis rele-vantes, que pode ser remediado, pelo menos parcialmente, por um desenho adequado dos instrumentos de coleta de dados.

O que é feito nesse estudo, levando em consideração o caráter não experimental do estudo e a dificuldade de encontrar um vetor de variáveis Z que possa ser usado como um instrumento, é avaliar os padrões de utilização das tecnologias pelos alunos e pelos professores dentro e fora das escolas. A partir daí é feita uma avaliação do impacto da existência de laboratório de informática nas escolas e do uso do laboratório sobre a proficiência dos alu-nos. Essa avaliação é feita utilizando a técnica de matching, já descrita aqui.

4. Dados e Análise Empírica

Os dados foram coletados a partir de questionários da pesquisa de cam-po BNDES-2012, respondidos por diretores, professores e alunos das escolas

147 Capítulo 6

da rede pública do Estado de São Paulo. Os questionários respondidos pelos diretores e professores continham questões sobre conhecimento das práti-cas escolares, que foram utilizadas em outros estudos e infraestrutura es-colar. Já os questionários dos alunos continham perguntas sobre hábitos de estudo dos alunos, percepção do ambiente escolar por parte deles e ainda perguntas que objetivavam captar informações socioeconômicas do aluno.

Os dados foram ainda cruzados com os dados do Inep para obtenção do verdadeiro valor do Ideb, entre outros dados relevantes para a análise.

Estatísticas descritivas

A tabela abaixo apresenta algumas estatísticas em relação à existência e utilização de laboratório de informática por parte das escolas. Os dados foram obtidos a partir dos questionários respondidos pelos diretores das escolas.

Sim Não Total

Possui laboratório 80,49% 19,51% 246Possui acompanhamento de especialista no laboratório 50,76% 49,24% 197Alunos utilizam o laboratório com os professores 77,32% 22,68% 194

Menos de 1 1 2 ou 3 3 ou + TotalFrequência de uso do laboratório nas aulas de disciplinas (vezes por semana) 37,5% 42,2% 15,1% 5,2% 192Fonte: Elaboração própria

Tabela 1 - Existência e utilização do laboratório de informática

Os dados indicam que boa parte das escolas cujos diretores respon-deram o questionário possui laboratório de informática (80,49%). Ainda, daquelas que possuem laboratório de informática, cerca de 50% possuem acompanhamento de especialista em laboratório. Já o uso dos computado-res acompanhado pelos professores é mais frequente: acontece em 77,32% das escolas que possuem laboratório.

Outro dado relevante diz respeito ao uso dos laboratórios. Em apenas 20,21% das escolas, o laboratório é utilizado duas ou mais vezes por semana nas aulas. Nas demais, o uso ocorre no máximo uma vez por semana.

Análise de correlações parciais

Feita a constatação de que boa parte das escolas possui laboratório de informática, cabe ainda nos perguntarmos qual a relação entre o uso de

148Capítulo 6

tecnologia por parte dos professores e dos alunos, e o desempenho da esco-la. Será que professores que utilizam computadores com maior frequência estão associados a escolas com melhor desempenho? Será que alunos que possuem computadores em casa têm um desempenho melhor?

É importante ressaltar que essa análise inicial tem caráter apenas des-critivo. Como destacado inicialmente, é possível que existam variáveis (ob-serváveis e não observáveis) que estejam correlacionadas tanto ao uso de tecnologia quanto às variáveis de interesse.

Para isso,estimamos uma relação não paramétrica entre três variáveis de interesse, no nível da escola, que descrevem o comportamento dos pro-fessores: a proporção de professores que utiliza e-mail para a preparação da aula, a proporção de professores que sugere o uso de computadores e a proporção de professores que sugere o uso de internet.

Olhando primeiro para a relação entre uso de tecnologia por parte dos professores e o desempenho médio dos alunos na escola (aqui representado pelo Ideb da escola), os resultados reportados nas figuras de 1 a 3 indicam que escolas de melhor desempenho no Ideb possuem professores que se utilizam mais frequentemente, para a preparação de suas aulas, de e-mails para debater com colegas mais preparados. Além disso, os professores das escolas melhores tendem a sugerir mais frequentemente a utilização de computadores para a elaboração de gráficos e figuras e/ou o uso da internet como complemento das aulas regulares para seus alunos.

Investigamos agora a relação entre o uso de tecnologias por parte dos alunos, especialmente fora da escola, e seu desempenho. Há uma clara re-lação, ainda que mais fraca do que a relação entre o uso de tecnologia por parte dos professores e desempenho, entre o uso de tecnologia por parte dos alunos e seu desempenho.

A figura 4 mostra que quanto maior a probabilidade do aluno possuir internet em casa, maior seu percentual de acerto nos testes de matemática. Nas figuras de 5-7, os números de 1-5 indicam graduação de uso da tecno-logia indicada no eixo, respectivamente: nunca utiliza, raramente, mensal-mente, semanalmente, diariamente. As figuras 5 e 6 indicam que a frequên-cia de utilização da internet para elaboração de atividades de estudo está positivamente relacionada a um bom desempenho, exceto para os alunos que declaram utilizar a internet diariamente.

É importante ainda investigar a correlação existente entre as práticas de uso de informática por parte dos alunos dentro da escola e desempenho escolar. Investigando os dados, encontramos uma relação positiva, com o mesmo padrão da relação das figuras anteriores, entre frequência de uso de internet na aula e percentual de acerto no teste de matemática aplicado pelo projeto. É importante destacar que os testes de matemática e portu-

149 Capítulo 6

Figura 1 – IDEB e Proporção de professores que usam e-mail – séries iniciais EF

Figura 3 –IDEB e Proporção de professores que sugerem uso de internet – séries iniciais EF

Figura 2 –IDEB e Proporção de professores que sugerem uso de computador – séries iniciais EF

150Capítulo 6

guês aplicados pelo projeto possuem boa aderência à nota do Ideb. Os re-sultados podem ser vistos na Figura 7.

A figura 7 indica que a frequência de utilização da internet na aula para pesquisa de informações está positivamente relacionada a um bom desem-penho, exceto para os alunos que usam com frequência diárias a internet na sala de aula. Esse resultado pode ser explicado levando em consideração os resultados apresentados na figura 6. Nesta figura, constatou-se que alunos que utilizam a internet diariamente tem um percentual de acerto nos testes de matemática inferior aos demais alunos. Uma possível razão para isso é que os alunos que utilizam diariamente a internet, não utilizam para fins e estudo/pesquisa, mas para fins de lazer, o que interfere negativamente no seu desempenho. A forte correlação entre uso da internet em casa e na sala de aula pode explicar o padrão dos resultados nas figuras 6 e 7.

Figura 4 – Percentual de acerto em Matemática e posse de computador em casa

Figura 5 –Percentual de acerto em Matemática e grau de uso de internet

151 Capítulo 6

Figura 6 –Percentual de acerto em Matemática e frequência de uso da internet

Figura 7 – Percentual de acerto em Matemática e frequência de uso da internet em aula

Matching

São apresentados agora os resultados do matching, feito com quatro variáveis de tratamento: a existência de laboratório de informática na esco-la, o fato de a escola possuir calendário para uso do laboratório de informá-tica, o fato de o calendário ser utilizado e o fato de os alunos terem acompa-nhamento de especialista no laboratório de informática.

A tabela 2 apresenta o resultado das estimações por matching quando o tratamento é a existência de laboratório de informática na escola. Na pri-meira especificação, utilizando apenas variáveis de características demográ-ficas dos indivíduos para controle, o efeito é positivo, indicando um aumento de 0,16 nos testes. No entanto, quando incluímos outras variáveis - efeito fixo do município, educação dos responsáveis e variáveis de condição econô-

152Capítulo 6

mica - o efeito se torna nulo. No caso do exame de Português, se torna até negativo. Como será ressaltado, esse resultado, de certa forma, é condizente com os resultados já encontrados na literatura.

Percentual de acerto no teste (1) (2) (3) (4)

Matemática 0,16** 0,04 -0,01 -0,01 (2,08) (1,23) (0,89) (0,21) Português 0,09* -0,21 -0,04** -0,02* (1,62) (0,70) (2,63) (1,82) Demografia sim sim sim simEfeito Fixo de Município não sim sim simEducação dos Responsáveis não não sim simCondição Econômica não não não sim

Obs: Valor absoluto da estatística t em parênteses. * significante a 5%; ** significante a 1%


Tabela 2 - Tratamento: existência de laboratório de informática

A seguir é repetido o exercício, utilizando como variável de tratamento o fato da escola possuir calendário para uso do laboratório de informáti-ca. Nesse caso, o efeito obtido inicialmente, quando não há controles de educação dos responsáveis e de condição socioeconômica, é nulo – apenas para português é positivo na primeira especificação, mas há grande viés de omissão de variável nessa especificação. Nas especificações mais comple-tas, no entanto, há um efeito pequeno, porém positivo, tanto para portu-guês como para matemática.


Matemática 0,08 -0,03 0,04** 0,01* (1,40) (0,70) (2,42) (1,60) Português 0,13* -0,05 0,02 0,02* (2,75) (1,31) (1,32) (1,72) Demografia sim sim sim simEfeito Fixo de Município não sim sim simEducação dos Responsáveis não não sim simCondição Econômica não não não sim



Tabela 3 - Tratamento: possui calendário de uso do laboratório de informática

Quando o tratamento utilizado é o fato de o calendário do laboratório de informática ser utilizado ou não, os resultados se assemelham muito

153 Capítulo 6

aos resultados reportados anteriormente. A diferença fundamental aqui é que o efeito na especificação mais completa para o teste de matemática não é mais significante a 5%, mas ainda é marginalmente significante, e segue significante a 10%.


Matemática 0,08 -0,01 0,03* 0,02 (1,42) (0,31) (1,14) (1,54) Português 0,13** -0,03 0,02 0,02* (2,77) (1,03) (2,03) (1,86) Demografia sim sim sim simEfeito Fixo de Município não sim sim simEducação dos Responsáveis não não sim simCondição Econômica não não não sim



Tabela 4 - Tratamento: calendário de uso dolaboratório de informática é usado

Finalmente, quando a variável de tratamento é a existência de um es-pecialista acompanhando os alunos no laboratório de informática, o efeito estimado é nulo. Nas primeiras especificações, no entanto, os efeitos al-ternam entre positivo e negativo, dependendo do teste e da especificação. Como já ressaltado, no entanto, nessas primeiras especificações há grande viés de omissão de variáveis relevantes.


Matemática 0,09* -0,06* -0,02 0,01 (2,00) (-1,73) (1,02) (0,25) Português 0,06 -0,05* -0,02 -0,01 (1,04) (1,67) (1,19) (0,37) Demografia sim sim sim simEfeito Fixo de Município não sim sim simEducação dos Responsáveis não não sim simCondição Econômica não não não sim



Tabela 5 - Tratamento: os alunos tem acompanhamento de especialista no laboratório de informática

154Capítulo 6

5. Conclusões

O presente artigo buscou avaliar e sistematizar o uso de TICs por professores e alunos da rede pública do ensino fundamental brasileiro. Inicialmente, o trabalho apresenta algumas correlações parciais, com o objetivo de identificar qual a relação entre o uso de tecnologia por parte dos professores e dos alunos, e o desempenho da escola. Os resultados indicam que escolas de melhor desempenho no Ideb possuem professo-res que se utilizam mais frequentemente de e-mails para debater com colegas mais preparados. Além disso, os professores das escolas melho-res tendem a sugerir mais frequentemente a utilização de computadores para seus alunos. Os resultados também indicam uma relação, ainda que mais fraca do que a relação entre o uso de tecnologia por parte dos pro-fessores e desempenho da escola, entre o uso de tecnologia por parte dos alunos e seu desempenho.

A seguir, o trabalho apresenta os resultados do matching. Quatro variá-veis de tratamento foram utilizadas: a existência de laboratório de informáti-ca na escola, o fato de a escola possuir calendário para uso do laboratório de informática, o fato de o calendário ser utilizado e o fato de os alunos terem acompanhamento de especialista no laboratório de informática.

Quando a variável de tratamento é a existência de laboratório de infor-mática na escola, os resultados, na especificação mais completa, são nulos para matemática e negativos para português. Quando a variável de trata-mento é o fato de a escola possuir calendário para uso do laboratório de in-formática, o efeito nas especificações mais completas é positivo, tanto para português como para matemática. Esses resultados se mantém quando o tratamento é o fato de o calendário do laboratório de informática ser utili-zado ou não. Por fim, quando o tratamento é a existência de um especialista acompanhando os alunos no laboratório de informática, o efeito estimado é nulo tanto para português quanto para matemática.

De forma geral, os resultados encontrados não são incomuns na lite-ratura. Angrist e Lavy (2002), por exemplo, avaliaram o programa Tomor-row-98, em Israel, e encontraram que o programa levou a um aumento do uso dos computadores como meio educacional pelos professores, mas esse aumento não se refletiu em melhora pelos alunos nos testes. Em algumas especificações os autores encontram até uma queda em alguns testes, fato que também acontece nesse trabalho.

No Brasil, o programa Tonomundo, avaliado por Firpo e Di Pieri (2011), mostrou impacto positivo sobre a ampliação do acesso à internet e existência de laboratórios. Mais uma vez, no entanto, o resultado en-contrado aqui sob algumas especificações se repete: o impacto é negativo

155 Capítulo 6

quando a variável de interesse é a qualidade da educação, medida pela Prova Brasil na 4ª e na 8ª na série.

A literatura tem apresentado algumas possíveis explicações para os efeitos nulos e negativos de tecnologia em proficiência. Parte das explica-ções está associada ao momento em que a avaliação de impacto é reali-zada. A depender do tipo e extensão da intervenção tecnológica adotada pelas escolas o seu impacto em proficiência pode levar tempo para surtir efeito. É natural conjecturar que seus efeitos serão verificados somente após professores e alunos se apropriarem devidamente da nova tecnologia e das eventuais práticas didáticas inovadoras que vem a reboque. Portan-to, se avaliação de impacto é executada antes deste processo natural de apropriação da tecnologia pela escola, é natural que efeitos nulos (ou até mesmo negativos) sejam encontrados.

Outra parte das explicações propostas pela literatura dizem respeito à adoção de tecnologia sem contrapartida necessária de infraestrutura físi-ca e humana para o seu sucesso. Para que a tecnologia e as novas práticas didáticas implicadas se traduzam em ganhos de proficiência é fundamental que além da presença de uma infraestrutura física mínima (rede de elétrica estável, conexão de internet adequada e etc...), professores e coordenado-res sejam devidamente capacitados para fazerem o uso adequado da nova tecnologia. Quando estas condições não estão presentes é razoável supor que a tecnologia poderá ter efeitos deletérios na proficiência dos alunos.

Os dados que utilizamos neste artigo não nos permite identificar qual das explicações elencadas acima estão por trás dos resultados que encon-tramos. Provavelmente um pouco de ambas. Portanto, frente a importância e atualidade do tema, os resultados do presente artigo evidenciam a impor-tância de aprofundar os estudos acerca dessa temática com o objetivo de melhor compreender como essas novas tecnologias podem ser mais bem utilizadas dentro do ambiente escolar, proporcionando um salto de qualida-de no processo de ensino-aprendizagem das escolas brasileiras.


ANGRIST, J. D.; LAVY, V. New Evidence on Classroom Computers and Pupil Learning. Economic Journal, 112, p. 735-765, 2002.

BANERJEE, A.; COLE, S.; DUFLO, E.; LINDEN, L. Remedying Education: Evidence from Two Ran-domized Experiments in India. The Quarterly Journal of Economics, MIT Press, v. 122. n. 3, p. 1235-1264, 2007.

BARRERA-OSORIO, F.; LINDEN, L. L. The Use and Misuse of Computers in Education: Evi-dence from a Randomized Controlled Trial of a Language Arts Program. Working paper, Março, 2009.

156Capítulo 6

BARROS, A. C. et al. Uso de computadores no Ensino Fundamental e Médio e seus resultados empíricos: uma revisão sistemática da literatura. Revista Brasileira de Informática na Edu-cação, v. 16, n. 1, 2008.

FIRPO, S.; DE PIERI, R. G. Avaliando o efeito da introdução de computadores em escolas públi-cas brasileiras. São Paulo School of Economics , 2011.

LOWE, J. Computer-based education: Is it a panacea? Journal of Research on Technology in Education, v. 34, n. 2, p.163–71, 2001-2002.

LINDEN, L.; BANERJEE, A.; DUFLO, E. Computer-Assisted Learning: Evidence from a Random-ized Experiment. Poverty Action Lab Paper, n. 5, Outubro, 2003.

KREMER, M. Randomized Evaluations of Educational Programs in Developing Countries: Some Lessons, American Economic Review, American Economic Association, v. 93, n. 2, p. 102-106, May, 2003.

MALAMUD, O.; POP-ELECHES, C. Home computer use and the Development of human capital. NBER WorkingPaper n. 15814, March, 2010.

MENEZES-FILHO, N. Os Determinantes do Desempenho Escolar do Brasil.Texto para Dis-cussãoInstitutoFuturoBrasil, n. 2, São Paulo. 2007

PARR, J.M.; FUNG, I. A Review Of The Literature On Computer-Assisted Learning, Particular-ly Integrated Learning systems, And Outcomes With Respect To Literacy And Numeracy. Wellington: Auckland uniservices limited. 2000.

ROUSE, C. E.; KRUEGER, A. B. Putting computerized instruction to the test: a randomized eval-uation of a ‘scientifically based’ reading program. Journal Economics of Education Review, v. 23, n. 4, p. 323-338, 2004.

WENGLINSKY, H. Does it compute? The relationship between educational technology and stu-dent achievement in mathematics. Princeton, NJ: ETS, 1998.

157 Capítulo 7

CAPITULO

7

Programas de qualificação docorpo docente e sua relação com o

desempenho dos estudantes

Alexandre Chibebe Nicolella*

Ana Lucia Kassouf +

Walter Belluzzo Junior *

1. Introdução

No final da década de 50 os economistas perceberam a existência de relação positiva entre capital humano e crescimento econômico de um país (Mincer, 1981). No começo dos anos 60, o trabalho de Becker (1962) mostrou que os indivíduos tomam a decisão de investir em educação e se capacitar com a intenção de melhorar seus rendimentos. Dessa forma, parte da expli-cação da variabilidade do rendimento do trabalho poderia ser explicada pela variabilidade do capital humano medido pela educação e pela qualificação.

Além da determinação do rendimento do trabalho, a educação pode afetar outras dimensões do desenvolvimento dos indivíduos. Existem outros benefícios não monetários que são advindos do maior nível educacional, tais como um maior conhecimento para uma tomada de decisão adequada, me-lhoria na saúde, menor criminalidade, etc (Lochner, 2011).

Com base nessas evidências, os economistas estudaram as possibilida-des de aumentar o nível educacional de um país através da compreensão dos seus determinantes. Diversos são os fatores que afetam o desempenho escolar dos alunos, tais como: características familiares, características da escola, características dos colegas de sala, experiência e qualificação do pro-fessor, entre outros (Coleman, 1966; Levin, 2001; Akerhielm, 1995).

Compreender como esses insumos escolares afetam o desempenho escolar é compreender qual a melhor política pública a ser realizada para o crescimento do nível educacional de um país.

Um elemento importante entre os fatores que determinam a educação de um indivíduo é o professor. Ele é responsável pela facilitação da transmis-são do conhecimento e por colaborar na formação pessoal. Portanto, sua qualidade deveria influenciar positivamente o desempenho acadêmico dos

* Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto, Universidade de São Paulo (FEA-RP/USP).+ Escola Superior de Agricultura Luiz de Queiroz, Universidade de São Paulo (ESALQ/USP).

158Capítulo 7

seus alunos (Sanders e Rivers, 1996; Jordan et al., 1997; Barber e Mourshed, 2007; Hanushek, 1992)

A qualidade do professor possui diversas dimensões e muitas são não observáveis. Destaca-se como importante dimensão o nível educa-cional e a capacitação recebida pelo professor. Considerando a impor-tância fundamental dos professores na educação e seguindo a teoria de Becker(1962), professores decidiriam se educar e se qualificar para me-lhorarem suas práticas pedagógicas em sala de aula e para possivelmente receberem melhores salários.

Dessa forma, o objetivo desse estudo é compreender os determinantes que levam o professor a buscar maiores níveis de qualificação e verificar se a qualificação tem relação positiva com o desempenho do aluno. Esses efeitos serão divididos por tipo de qualificação recebida pelo professor e pela per-cepção do professor em relação a essa qualificação.


Nos últimos anos chegou-se a um consenso de que a educação é uma forma eficaz de promover o progresso econômico. Dessa forma, não ape-nas os indivíduos, mas também as nações passaram a buscar formas de me-lhorar a educação. Ao analisar esse assunto mais profundamente é possível encontrar na literatura econômica fortes evidências de que a escolaridade pode contribuir no progresso econômico ao aumentar a produtividade dos trabalhadores e, consequentemente, sua renda.

Além de aumentar a renda, a educação também pode afetar fatores não monetários, como a melhoria nos cuidados com a saúde e a queda nos índices de criminalidade. Em uma revisão sobre os benefícios não monetá-rios da educação, Lochner (2011) argumenta que, entre outros motivos, a educação pode contribuir para a queda da criminalidade porque aumenta os salários e consequentemente o custo de oportunidade do crime. Além disso, ele mostra evidências empíricas de que há uma forte correlação negativa entre o desempenho escolar e as medidas oficiais de criminalidade, já que em 1997, do total de encarcerados nas prisões estaduais e federais nos EUA, 75% e 59%, respectivamente, não tinham completado o ensino médio (Har-low, 2003; apud Lochner 2011). Após controlar os dados, os efeitos da esco-laridade sobre a probabilidade de prisão nos EUA ainda permaneceram es-tatisticamente significativos (Lochner e Moretti, 2004; apud Lochner, 2011).

A melhoria na saúde também é outro fator importante que pode ser consequência de níveis mais elevados de escolaridade. Lochner (2011) argu-menta que ao melhorar a tomada de decisão das pessoas e a capacidade de

159 Capítulo 7

adquirir e interpretar informações, a educação também pode melhorar a saú-de e reduzir os índices de mortalidade, uma vez que as pessoas buscam ajuda médica de forma mais eficiente. Essas evidências mostram a importância que a educação tem no desenvolvimento do capital humano, tornando os investi-mentos na educação uma forma efetiva de melhorar a vida das pessoas.

Após verificar a importância da educação no desenvolvimento das pes-soas, é preciso analisar o que se pode fazer para melhorá-la. Neste ponto, existe uma vasta literatura relacionada aos fatores que determinam a me-lhora da educação. Existem muitos fatores em estudo que podem afetar o desempenho escolar dos alunos, entre eles, o background familiar, o tama-nho da sala de aula, a experiência e qualificação do professor, entre outros (Coleman, 1966; Levin, 2001; Akerhielm, 1995). Dada a importância crescen-te da educação, países em desenvolvimento vêm gastando cada vez mais nessa área. O problema reside no fato de não se saber ao certo qual insumo (escola, professores, livro-texto, computador, biblioteca, etc.) produz os me-lhores resultados, dificultando a escolha de onde investir.

Ao analisar a função de produção educacional, estudos mostram que o professor tem um impacto significativo no desempenho do aluno. Afinal, o pro-fessor é aquela figura que está sempre presente na sala de aula. Assim, é de se esperar que a qualidade do professor reflita a qualidade da educação oferecida.

Existem vários estudos que apontam para a importância da qualidade do professor no desempenho dos alunos. Ao analisar os dados do sistema educacional do Tennessee, Sanders e Rivers (1996) encontram resultados que mostram que o desempenho dos estudantes depende da sequência de professores que eles tiveram. Estudantes que inicialmente possuem o mesmo nível de desempenho e habilidades, ao serem designados com pro-fessores diferentes podem ter desempenho escolar diferentes. Essa con-clusão resulta de um estudo sobre o sistema educacional do Tennessee ao alocar professores diferentes para dois estudantes de oito anos de idade, que inicialmente tinham desempenho semelhante. O primeiro recebeu um professor com alto desempenho e o segundo um professor com baixo de-sempenho, após três anos com esses professores o desempenho desses alunos divergiu em mais de 50 pontos percentuais. Jordan et al. (1997) encontraram resultados semelhantes, mesmo utilizando uma metodologia e uma população de estudantes diferente, neste caso o estudo foi realiza-do em Dallas. Os resultados mostraram que a diferença no desempenho de alunos designados com professores capacitados durante três anos con-secutivos e aqueles designados com professores não capacitados durante três anos consecutivos foi de 49 pontos percentuais.

Ao analisar como os melhores sistemas escolares do mundo chegaram nesta posição, Barber e Mourshed (2007) também encontraram evidências

160Capítulo 7

indicando que o desempenho dos estudantes está relacionado com a qua-lidade dos professores. Segundo os autores, estudos que levam em consi-deração todas as evidências disponíveis sobre a eficácia dos professores in-dicam que o desempenho de um aluno que tenha um professor eficiente crescerá três vezes mais rápido do que o desempenho de um aluno com um professor ineficiente. Uma das descobertas do estudo é que os melhores sistemas escolares fazem três coisas em comum: (i) contratam as pessoas certas para se tornarem professores; (ii) transformam essas pessoas em ins-trutores capacitados; (iii) garantem que cada criança seja beneficiada pela excelente instrução oferecida.

As evidências apresentadas até agora indicam que a qualidade do pro-fessor está fortemente relacionada ao desempenho do aluno. Entretanto, o que é essa "qualidade" e como ela pode ser mensurada? Como veremos essa não é uma tarefa fácil, afinal a qualidade do professor pode ser composta de diversas dimensões, o que irá depender do foco analisado pelo pesquisador.

Para Hanushek (1992), a qualidade do professor representa a sua "habi-lidade", e, portanto, é uma característica idiossincrática. Assim, a qualidade do professor pode diferir porque cada professor possui habilidades diferen-tes e não devido apenas a atributos mensuráveis. Para encontrar as dife-renças na habilidade do professor, Hanushek (1992) estima a diferença na média do crescimento do desempenho dos estudantes através de diferentes professores, condicionado a outros fatores. Essa forma de estimar simplifica o trabalho de mensurar o efeito da qualidade do professor no desempenho dos alunos já que torna desnecessário mensurar precisamente as caracterís-ticas dos professores. Os resultados mostram que, em um ano, a diferença estimada no desempenho dos alunos que estudam com um bom professor quando comparado a alunos que estudam com um mau professor pode ser maior que o equivalente a um ano de escolaridade, ou seja, alunos com bons professores aprendem mais que alunos com professores ruins. Assim, após alguns anos de estudo esses alunos, que inicialmente ingressaram juntos, podem estar em séries diferentes.

Glewwe et al. (2011) ao fazer uma revisão de trabalhos relacionados à educação encontram dois artigos sobre o papel da qualidade do professor no desempenho dos estudantes1. Por ser uma variável difícil de medir, es-ses trabalhos criam um índice geral da qualidade do professor, definindo a qualidade em termos de um índice da experiência do professor, do nível de ensino e da pontuação em testes de matemática e leitura. Esses dois artigos

1Glewwe et al.. (2011) revisaram 79 artigos, cujos títulos foram colocados no Apêndice II de seu trabalho. Entretanto, como ao longo da revisão os autores não especificaram de qual arti-go se referiam, não foi possível determinar exatamente os resultados apresentados.

161 Capítulo 7

realizaram ao todo 14 estimações relacionando a qualidade do professor ao desempenho dos alunos. Para seus autores, os resultados encontrados nes-tas estimações são um indício de que os índices de qualidade do professor impactam positivamente no aprendizado dos alunos.

Entretanto, a qualidade do professor não foi a única variável analisada por Glewwe et al. (2011). Também se analisou separadamente as variáveis que compõem o índice de qualidade do professor, ou seja, o nível de escola-ridade, a experiência e o conhecimento do assunto lecionado pelo professor, além da formação continuada. O estudo faz uma revisão da literatura sobre os efeitos dessas características no desempenho dos estudantes da educação primária e secundária em países em desenvolvimento no período de 1990 a 2010. Os trabalhos utilizados na revisão foram divididos de acordo com o tipo de estimação realizada. Com relação às características do professor, primei-ramente foram selecionados 79 trabalhos. Ao excluir os trabalhos que utili-zaram apenas dados de cross-section e MQO, chegou-se a um subgrupo de 43 trabalhos. Neste subgrupo, os trabalhos utilizaram métodos de estimação mais sofisticados para resolver potenciais problemas na estimação.

Os resultados relacionados ao nível de escolaridade do professor mos-tram que, para o primeiro grupo analisado, ter professores mais escolariza-dos aumenta o desempenho dos estudantes. Entretanto, para o segundo grupo, uma vez que os estudos de menor rigor técnico foram eliminados, há pouca evidência de que o nível de escolaridade dos professores tenha qualquer impacto sobre o desempenho dos estudantes. Com relação à ex-periência do professor, os resultados para o primeiro grupo não apresen-tam fortes evidências de que a experiência do professor tenha um impacto positivo e significativo no desempenho dos alunos. Entretanto, no segundo grupo essa evidência é mais forte. A variável "conhecimento do assunto le-cionado" demonstra efeitos positivos tanto para o primeiro, quanto para o segundo grupo. Para a última característica analisada, os resultados para o primeiro grupo indicam que a formação contínua dos professores parece ter um forte impacto positivo na aprendizagem dos alunos. Entretanto, ao ana-lisar o segundo grupo essas evidências perdem força. (Glewwe et al., 2011).

Angrist e Lavy (2001) analisam o papel da formação continuada ao ava-liar como o treinamento de professores em escolas elementares de Jeru-salém afetou o desempenho dos alunos. Para isso, eles tentaram estimar o efeito causal do programa 30 Towns sobre o ensino de matemática e leitura em Jerusalém. O 30 Towns foi implantado em Israel em 1995 e seu método pedagógico foi desenvolvido em escolas nos EUA. Em Jerusalém, o progra-ma gerou um grande aumento no orçamento de escolas em dois bairros no Norte da cidade, que foram gastos principalmente com o treinamento de professores. Apesar de o programa não ter sido um experimento aleatório,

162Capítulo 7

a avaliação pode ser realizada porque os autores dispunham de informações sobre os estudantes matriculados nas escolas que receberam a verba antes e depois de o programa começar, e informações semelhantes sobre um gru-po de escolas dos bairros da cidade que não receberam a verba e que foram utilizados como grupos de controle.

Como as escolas públicas em Jerusalém são separadas em sistema reli-gioso e não religioso, os resultados econométricos foram discutidos separa-damente para cada tipo de escola2. De forma geral, esses resultados indicam que o treinamento do professor teve impacto significativo no desempenho das crianças que frequentaram o ensino não religioso. Com relação ao ensino religioso essa constatação não foi tão clara, já que neste caso os resultados variaram conforme as especificações do modelo estimado. Para Angrist e Lavy (2001) esse resultado pode ter ocorrido porque nas escolas religiosas o treinamento dos professores só teve início após o treinamento dos professo-res das escolas não religiosas e, além disso, ele foi realizado em escala menor.

Para determinar a qualidade do professor, Hanushek e Rivkin (2006) argumentam que é papel do estado estabelecer os requisitos mínimos de certificação. Isso deve ser feito para que em nenhum estado haja estudantes sujeitos ao ensino de má qualidade. Entretanto, eles advertem que essas certificações representam um trade-off para os gestores da educação por-que, ao mesmo tempo que estes requisitos podem impedir professores mal preparados de lecionar, eles também podem impedir que professores po-tencialmente bons passem nos exames de certificação e até desencorajar as pessoas de tentar ser um professor.

Um exemplo de como o estado pode determinar o tipo de certificação ocorreu em Nova York. O artigo de Boyd et al. (2006) esboça os caminhos pelo qual um professor pode começar a lecionar em Nova York, entre eles: (i) pro-gramas tradicionais das universidades; (ii) avaliação individual; (iii) programas conhecidos como "rotas alternativas". Nos programas tradicionais das univer-sidades, os alunos além de cumprirem os requisitos do curso participam de um estágio docência. A diferença deste processo com o de avaliação individual é que no segundo caso, apesar de o aluno ter que cumprir as mesmas exigências cumpridas por um aluno do curso tradicional, ele pode realizar seus estudos em instituições diferentes, até mesmo em instituições de ensino a distância.

Para continuar o processo de certificação, os alunos dos programas tradicionais devem ser aprovados em alguns exames, além de concluir um programa da universidade que é registrado no Estado de Nova York. Apenas após cumprir todas essas etapas o candidato é recomendado a certificação

2As estimações foram realizadas utilizando os métodos de regressão, diferenças-em-diferen-ças e matching não paramétrico.

163 Capítulo 7

por sua faculdade ou universidade. No caso do programa de avaliação indi-vidual, o processo de certificação segue de forma diferente. Neste caso, os próprios alunos apresentam suas intenções de obter a certificação para o Departamento de Estado da Educação, que após analisar o pedido do can-didato determina se ele já está apto a receber a certificação ou se ele ainda deve atender outros requisitos. Somente após conseguir a certificação é que o professor pode começar a lecionar (Boyd et al., 2006).

Os programas de "rotas alternativas" surgiram para solucionar o proble-ma da falta de professores certificados na cidade de Nova York. Devido à es-cassez de professores com preparação prévia, a cidade de Nova York contra-tava professores temporários para preencher essa lacuna. Entretanto, a partir de 2003 o Estado de Nova York proibiu essa prática, o que causou escassez de professores. Esse problema foi solucionado com a contratação dos profes-sores participantes dos programas de "rotas alternativas" (Boyd et al., 2006).

Esses programas se assemelham aos programas tradicionais das univer-sidades. A principal diferença é que no programa de "rotas alternativas" o aluno pode começar a trabalhar antes de concluir os requisitos para a certi-ficação. Isso porque o programa seleciona pessoas competentes na área que elas desejam lecionar, mas sem experiência em sala de aula. Antes de entrar na sala de aula essas pessoas devem fazer um treinamento de 200 horas e passar por uma avaliação de conhecimento. Depois disso, elas recebem um certificado para lecionar por três anos, e durante esse período devem completar os requisitos para a certificação final em uma faculdade. Esses programas têm um custo menor para o professor porque enquanto ele se prepara para obter a certificação ele também está trabalhando e, portanto, recebendo um salário. O New York City Teaching Fellows, Teach for Ameri-ca, e o Teaching Opportunity Program (TOP) são exemplos de programas de "rota alternativa" (Boyd et al., 2006).

Boyd et al. (2006) investigam como essas mudanças na forma de ingres-sar na carreira de professor afetaram o desempenho dos alunos. Os resulta-dos do estudo mostraram que, em certos casos, quando comparados com professores com licença temporária, os professores que participaram do New York City Teaching Fellows e do Teach for America conseguiram melhorar o desempenho de seus alunos. Esses resultados mudam quando comparados com o desempenho dos alunos cujos professores participaram dos progra-mas tradicionais das universidades. Neste caso, o desempenho dos alunos cujos professores participavam de programas de "rotas alternativas" foi, com frequência, menor. Entretanto, os autores argumentam que em magnitude essas diferenças foram pequenas, por volta de 2% a 5% do desvio padrão.

Como vimos até o momento, a literatura internacional apresenta fortes evidências de que a qualidade do professor pode melhorar o desempenho

164Capítulo 7

dos alunos. É de se esperar que a qualidade do professor esteja relacionada à sua formação. Por isso é bom saber que no Brasil existem programas do Ministério da Educação (MEC) voltados à formação de professores. No site do MEC3, por exemplo, encontramos 26 programas de formação de profes-sores divididos nas seguintes áreas: educação básica (10); educação profis-sional e tecnológica (4); educação superior (7); alfabetização e educação de jovens e adultos (1) e diversidade (4). Pode-se verificar que boa parte des-ses programas estão relacionados à educação básica, 10 dos 26 programas, o que indica que o governo tem uma forte preocupação nessa área. Dois exemplos desses programas são Programa de Formação Inicial e Continua-da, Presencial e a Distância, de Professores para a Educação Básica (PARFOR) e Programa Institucional de Bolsa de Iniciação à Docência (PIBID).

O PARFOR é uma ação conjunta do MEC com as Secretarias de Educa-ção dos Estados e Municípios e as Instituições de Educação Superior neles sediadas. A finalidade do programa é melhorar a qualidade da formação dos professores das escolas públicas de educação básica em todo o território na-cional. Para isso o programa oferece cursos presenciais de formação inicial aos professores da educação básica da rede pública. Já o PIBID pretende me-lhorar a qualidade da formação inicial dos professores através de uma polí-tica de valorização do magistério e de apoio aos estudantes de licenciatura plena. Para isso, um de seus objetivos é fazer a integração entre a educação superior e a educação básica, ou seja, os alunos dos cursos de licenciatura passam a frequentar as escolas de educação básica para se adaptarem ao seu cotidiano e assim estarem mais preparados para assumirem o posto de professores [Brasil, 2013].

Além desses, existem vários outros programas com o objetivo de me-lhorar a formação dos professores. Entretanto, não basta apenas criar os programas, é preciso também avaliar se eles estão realmente atingindo os objetivos traçados. Infelizmente, no Brasil ainda existem poucos estudos avaliando o impacto da formação e/ou capacitação do professor no desem-penho dos alunos.

Um desses estudos foi realizado por Fontanive e Klein (2010), que in-vestigaram o efeito da participação dos professores que em 2007 faziam o Curso de Pós-Graduação lato sensu em Avaliação Escolar, oferecido pela Fundação Cesgranrio, sobre o desempenho dos estudantes em matemática e língua portuguesa do Ensino Fundamental da rede estadual do Tocantins, medido por meio dos resultados do Sistema Nacional de Avaliação da Edu-cação Básica (SAEB) e da Prova Brasil.

3 Dados coletados do Portal do Ministério da Educação. O endereço pode ser encontrado nas referências bibliográficas.

165 Capítulo 7

O estudo ocorreu entre 2003 e 2008 e pôde ser realizado porque os pesquisadores tinham dados sobre o desempenho dos alunos obtidos antes do início do programa (no ano de 2001 pela Fundação Cesgranrio) e dados do desempenho após o início do programa (Prova Brasil de 2007). Além dis-so, no ato da inscrição os professores que participaram do programa de ca-pacitação entregaram um formulário contendo informações relevantes para o andamento da pesquisa, como sua participação anterior em programas de capacitação, o ano de sua ocorrência e se ele utilizou as práticas aprendidas em sala de aula. Posteriormente, em 2008 esses mesmos professores res-ponderam um formulário complementar com outras questões de interesse da pesquisa (Fontanive e Klein, 2010).

O programa sofreu várias alterações durante a sua execução, em-bora o seu cerne tenha permanecido. Ele era composto principalmente por três orientações metodológicas: (i) mudança na dinâmica em sala de aula; (ii) criação de um novo material didático e participação docen-te em oficinas de trabalho em grupo; (iii) avaliações periódicas. Essas três orientações estão fortemente interligadas já que a primeira visa aumentar a participação dos alunos em sala de aula com o intuito de melhorar o seu aprendizado. Para isso é que foi elaborado um novo ma-terial didático e os docentes se envolveram em atividades de trabalho em grupo. Para acompanhar o progresso dos alunos e ter um feedback das suas necessidades específicas, os professores aplicavam avaliações periódicas (Fontanive e Klein, 2010).

O impacto do programa de capacitação foi estimado através de regres-são linear. Os resultados mostraram que o programa teve um impacto positi-vo no desempenho dos alunos cujos professores de matemática frequente-mente participaram da capacitação. O programa também teve um impacto positivo no desempenho dos alunos em língua portuguesa, mesmo sem os professores de língua portuguesa participarem do programa. Isso porque mesmo não participando do programa esses professores frequentemente utilizavam o seu material didático (Fontanive e Klein, 2010).

Bauer (2011) também analisa um programa de capacitação de profes-sores. Neste caso a autora avalia o impacto do programa de formação con-tinuada Letra e Vida no desempenho dos estudantes da 1ª série do ensino fundamental, medido através do Sistema de Avaliação do Rendimento Esco-lar do Estado de São Paulo (SARESP), no ano de 2007. O Letra e Vida se ori-ginou do Programa de Formação de Alfabetizadores (PROFA), cujo desenho inicial surgiu em 1999, mas que somente em 2001 foi implementado pela Se-cretaria de Educação Fundamental do MEC. O PROFA era um programa que produzia material didático tanto televisivo quanto escrito, que era repassado para as escolas que participavam do programa.

166Capítulo 7

Após a Secretaria de Educação do Estado de São Paulo incorporar o PROFA, ele passou a se chamar Programa de Formação de Professores Alfa-betizadores Letra e Vida. A grande mudança do programa se ateve ao nome, já que as suas características básicas permaneceram. O programa foi ofer-tado aos professores do Estado entre 2003 e 2006. Entre os seus objetivos estava a melhora nos índices de alfabetização da rede estadual, não apenas quantitativa, mas também qualitativamente (Bauer, 2011).

Os resultados do estudo mostraram que a proporção de professores que participaram do programa não é capaz de explicar sozinha o desempe-nho dos estudantes, para isso é preciso levar em consideração outras carac-terísticas da escola. Ao se utilizar o método de regressão múltipla viu-se que a variável proporção de professores que participaram do programa foi rele-vante quando as variáveis de formação foram controladas em nível. Entre-tanto, apesar de estatisticamente significante, esse resultado foi modesto. O impacto positivo do programa no desempenho dos alunos é corroborado quando se utiliza o método de árvores de decisão (Bauer, 2011).

Os estudos apresentados evidenciam que o professor pode influen-ciar o desempenho dos alunos. Em certos casos, a diferença entre ter um bom e ter um mau professor pode ser grande. Entretanto, o que faz de al-guém ser um bom ou um mau professor? Mais do que isso, como preparar os professores para serem bons professores? Essas são questões que a li-teratura da educação vem tentando responder já há algum tempo. Para al-guns, os programas de qualificação são a resposta, mas uma dúvida ainda persiste: como implementar esses programas de forma que os professores sejam capazes de atingir o seu potencial máximo de ensino. Como vimos, apesar de existirem estudos sobre esse assunto eles ainda são poucos, principalmente no Brasil. Muitas dúvidas ainda persistem, que só poderão ser respondidas após novas análises.

3. Dados

A fonte de informação utilizada nesse trabalho é primária. Foi ela-borada pesquisa de campo em todas as regiões do Brasil em 2012-2013, coletando uma amostra contendo dados sobre alunos, escolas, professo-res e diretores.

Para essa pesquisa foram coletados dados relacionados a quatro gran-des tópicos: i) Escola – características da escola; ii) Alunos – características pessoais, familiares e desempenho; iii) Professor – realizou curso de qualifi-cação, característica do curso, impactos percebidos e; iv) Diretor - políticas da escola, impactos percebidos.

167 Capítulo 7

O desempenho, as características dos alunos e as características da es-cola foram coletados para utilização em todos os projetos. Para o tema aqui proposto, ou seja, para a análise da qualificação dos professores sobre o desempenho dos alunos foram, coletadas as características dos professores e dos diretores com relação aos cursos de formação e pós-graduação.

A tabela 1 apresenta as 3 dimensões de coleta de informação para os professores. A primeira busca coletar a quantidade de cursos realizados e a carga horária, quais as principais áreas dos cursos, qual o principal motivo que levou a decisão de realizar o curso e qual foi o mais importante. A segun-da dimensão é o detalhadamente do curso mais importante que realizou: tipo de curso, carga horária, modelo de curso e instituição responsável. A terceira dimensão é a percepção do professor em relação ao curso que rea-lizou em termos de suas práticas em aula, se utiliza esse conhecimento e se auxilia na melhoria do seu desempenho como professor.

Professor Curso de Formação Característica do Efeitos percebidos curso mais importante:a) Você participou de alguma a) A atividade de formação a) Qual o impacto dessa atividade de formação que você julgou mais atividade de formação continuada (atualização, relevante versava sobre: sobre suas práticas de treinamento, capacitação aula? etc.) nos últimos cinco anos? b) Quantos treinamentos b) Qual a carga horária da b) Você utiliza os você realizou nos últimos atividade, da qual você conhecimentos 5 anos? participou, que você adquiridos nas atividades considera mais de formação continuada relevante? para a melhoria da sua prática em sala de aula?

c) Qual atividade de formação c) Quem foi o responsável c) Qual a sua percepção que você considera mais pelo oferecimento sobre a importância das importante? da formação? atividades de formação em geral para o desempenho dos professores em aula?

d) A atividade de formação d) Qual foi a instituição que considera mais responsável pelo importante era: oferecimento desse curso?

Tabela 1 – Características coletadas dos cursos de formação continuada realizados pelos professores


168Capítulo 7

São duas as dimensões de coleta dos diretores e estão apresentadas na tabela 2. A primeira dimensão verifica se a escola possui alguma política ou incentiva a realização de cursos de treinamento. Especificamente, se a escola oferece ou libera os professores para realizar cursos, se há auxílio financeiro e qual o percentual de professores que realizaram curso de trei-namento. A segunda dimensão é a percepção dos diretores em relação aos cursos de formação continuada realizados pelos professores.

Diretor

Políticas de Formação Efeitos percebidos

a) A escola tem política de formação? a) Qual sua percepção sobre a importância desses cursos de formação para o desempenho dos professores em aula?

b) Os cursos são oferecidos pela escola ou libera os professores para a realização?

c) Oferece algum tipo de auxílio financeiro para a realização de cursos?

d) Qual percentual de professores que participaram de curso de formação no último ano?

Tabela 2 – Característica coletadas das políticas escolares paraformação dos professores e efeitos percebidos pelos diretores.


Com base nos dados coletados para essa pesquisa, será proposta me-todologia para analisar o efeito do curso de formação para a melhoria do desempenho dos alunos.

4. Metodologia

Para a análise da qualificação do professor sobre o desempenho do alu-no foram utilizados dados cross-section coletados em pesquisa de campo, considerando duas diferentes abordagens. A primeira foi analisar os deter-minantes da qualificação do professor e a segunda, o efeito de cursos de qualificação sobre o desempenho dos alunos.

169 Capítulo 7

4.1. Determinantes da qualificação do professor

O primeiro modelo estima os determinantes da qualificação do profes-sor utilizando como variável dependente o número de cursos de formação continuada realizado, assim como, se tem pós-graduação.

Para o primeiro modelo, como a variável dependente é tipo contagem, foi utilizado o modelo de Poisson. Assim o modelo estimado será:

Onde NFC é o número de cursos de formação continuada que o professor realizou. As variáveis exógenas estão representadas por: XPP , que é a matriz com as características dos professores; XPA,que é a matriz com as características dos alunos da escola e; XPD,que é a matriz contendo característica da diretoria.

O segundo modelo a ser estimado tem como variável dependente o professor ter ou não pós-graduação. Aqui será utilizado o modelo probit em que a variável dependente é a binária, indicando se o professor reali-zou pós-graduação:

Sendo

Onde PG indica se o professor realizou algum tipo de pós-graduação.As variáveis exógenas estão representadas por: XPP, que é a matriz com

as características dos professores; XPA,que é a matriz com as características dos alunos da escola e; XPD, que é a matriz contendo característica da diretoria e vj ~ N(0,s2) o termo de erro que é independente identicamente distribuído.

4.2. Efeitos da qualificação do professor sobre o desempenho dos alunos

Para compreender a relação entre qualificação do professor e desem-penho escolar serão propostas duas análises. Uma considerando a quantida-de de cursos de formação continuada e a outra, se o professor possui pós-graduação. Assim, os modelos serão:

170Capítulo 7

Onde Di indica o desempenho do aluno em língua portuguesa ou mate-mática, XNC é o número de cursos realizados pelo professor, XPG se realizou curso de pós-graduação, X' é a matriz contendo as características dos alunos e da direção da escola.

Os modelos serão estimados por mínimos quadrados ordinários e irão considerar separadamente 4º, 6º e 8º anos. Além disso, será elaborada uma análise conjunta considerando a proficiência padronizada.

5. Análise Descritiva

Antes de iniciarmos a análise dos dados faremos uma análise dos não respondentes da pesquisa BNDES-2012. É comum que pesquisas apresen-tem um percentual de não respondentes. Nesta seção nosso objetivo é tra-çar um perfil dos não respondentes na base analisada. O número de não respondentes foi calculado considerando a não resposta das questões rela-cionadas ao gênero, idade e cor do professor.

No conjunto das disciplina Língua Portuguesa e Matemática, a base de dados da pesquisa BNDES-2012 resultou em 2020 observações. Dentre essas observações, aproximadamente 808 são não responden-tes, ou seja, 40% da base. Ao analisarmos esses não respondentes vi-mos que sua grande maioria encontra-se nos seguintes Estados: São Paulo (21,53%), Ceará (13,37%), Rio Grande do Sul (12%), Minas Gerais (7,80%), Distrito Federal (5,20%) e Paraná (5,20%). A comparação entre essas informações mostrou que São Paulo é o Estado que apresenta a maior taxa de não resposta.

A partir de agora, são analisadas as características médias dos respon-dentes da pesquisa BNDES-2012. Para isso, selecionamos as seguintes variá-veis: gênero, idade, cor, escolaridade, atividade de formação continuada e região. Com essas variáveis é possível traçar um perfil médio do professor. Os resultados são encontrados na Tabela 3.

A primeira característica analisada foi o gênero do professor. A pes-quisa apresenta uma proporção maior de professores do gênero feminino, 81,12%, em relação ao masculino, 18,88%.

A segunda característica analisada é a idade dos professores. Os dados mostram que a maioria dos professores está nas faixas de 30 a 39 anos e de 40 a 49 anos. Além disso, temos poucos professores com até 24 anos (1,51%). Esses dados são um indício de que não está havendo uma renova-ção no quadro dos professores do ensino fundamental.

A terceira característica analisada foi a cor dos professores. Os dados mostram que a maioria dos professores é de cor branca, seguida pelos

171 Capítulo 7

professores de cor parda. Os professores de cor branca e parda represen-tam mais de 85% do total de professores.

A quarta característica analisada foi a escolaridade dos professores. A escolaridade foi dividida em dois grupos. No primeiro grupo estão os pro-fessores que cursaram até a graduação e no segundo estão os professores que fizeram algum tipo de pós-graduação. Para o primeiro grupo vemos que a grande maioria dos professores cursaram o Ensino Superior Normal ou outro (96,60% dos professores). Para o segundo grupo vemos que em sua grande maioria (mais de 50%) os professores fizeram algum tipo de especialização com o mínimo de 360 horas. Infelizmente, os dados também mostram que a porcentagem de professores que não fez ou não completou a pós-graduação é elevada (37,55%). Outro dado importante é o número irrisório de professores que fizeram Mestrado e/ou Doutorado.

Variável Definição Proporção

Gênero Masculino 18,88% Feminino 81,12% Idade Até 24 anos. 1,51% De 25 a 29 anos. 10,23% De 30 a 39 anos. 30,20% De 40 a 49 anos. 38,76% De 50 a 54 anos. 11,83% 55 anos ou mais. 7,47% Cor Branco (a) 51,70% Pardo (a) 37,52% Preto (a) 9,00% Amarelo (a) 1,36% Indígena 0,42% Não sei Escolaridade (Até a graduação) Menos que o ensino médio (antigo 2º grau) 0,09% Ensino Médio (Magistério ou Outro - antigo 2º grau) 3,32% Ensino Superior Normal ou Outro 96,60% Escolaridade (Pós-Graduação) Atualização (mínimo de 180 horas) 5,73% Especialização (mínimo de 360 horas) 54,27% Mestrado e/ou Doutorado 2,45% Não fez ou não completou curso de pós-graduação 37,55% Formação Continuada Participou 82,21% Não participou 17,79% Região Norte 10,18% Nordeste 22,86% Centro-Oeste 8,30% Sudeste 46,07% Sul 12,59%

Tabela 3 –Análise dos respondentes da Pesquisa BNDES-2012.

Fonte: Tabela elaborada pelos autores, com base nos dados da Pesquisa BNDES-2012

172Capítulo 7

A quinta característica analisada foi a participação dos professores em cursos de formação continuada. Os resultados mostram que a grande maio-ria dos professores afirma ter participado de programas de formação conti-nuada (mais de 80%).

A última característica analisada foi a distribuição geográfica desses pro-fessores. Os dados mostram que em todos os casos mais de 40% de todos os professores estão na região Sudeste, vindo em seguida a região Nordeste (com um pouco mais de 20% do total de professores), Sul, Norte e Centro-Oeste.

Com base nessa pesquisa pode-se traçar um perfil do professor mé-dio brasileiro. Os professores são em sua maioria mulheres que estão nas faixas dos 30 a 39 anos ou 40 a 49 anos, de cor branca ou parda e possuem Ensino Normal Superior ou outro. Entre os professores que fizeram pós-graduação, a maioria possui especialização com um mínimo de 360 horas. A maioria dos professores também fez cursos de Formação Continuada e mora na região Sudeste.

Em seguida, faremos uma análise dos dados da pesquisa BNDES-2012 cruzando com diversas variáveis de interesse.

Na figura 1 apresenta-se, para cada região brasileira, o percentual de professores distribuídos em três categorias de cursos de pós-graduação: Atualização (com o mínimo de 180 horas), Especialização (com o mínimo de 360 horas) e Mestrado e/ou Doutorado. Os resultados mostram que a porcentagem de professores que fizeram cursos de Especialização é maior em todas as regiões, variando de 93,30% na região Nordeste a 81,88% na região Sudeste. Um diferencial de aproximadamente 11%. Parte desse dife-rencial pode ser explicado porque 13,92% dos professores da região sudeste fizeram cursos de Atualização, enquanto apenas 4,47% dos professores da região Nordeste o fizeram. Com relação aos cursos de Mestrado e/ou Dou-torado, a maior porcentagem é de professores da região Sul.

Nosso objetivo agora é saber quantas atividades de formação continua-da os professores participaram. A Figura 2 apresenta o número de atividades de formação continuada realizada pelos professores, independentemente do número de horas. Observa-se que 43,86% dos professores participaram de 5 ou mais atividades de formação continuada, enquanto 17,38% partici-param de duas atividades de formação continuada.

Esses números também mostram que mais da metade dos professo-res participaram de pelo menos 4 atividades de formação continuada, o que mostra o grande interesse por parte dos professores em se capacitar cada vez mais. Parte desse interesse pode estar relacionado ao plano de carreira dos professores, sendo que Estados e Municípios utilizam capacitação para realizar a progressão na carreira docente. Nota-se que a importância de cada curso de qualificação para progressão na carreira é particular de cada rede de ensino.

173 Capítulo 7

Figura 1 – Professores por tipo de pós-graduação e região do Brasil, BNDES, 2012

Figura 2 – Percentual de professores por número de atividades de formação continuada realizadas, BNDES, 2012

Após analisar a quantidade de atividades de formação continuada que os professores participaram, queremos saber qual foi a carga horária dessas atividades. A Figura 3 mostra que 35,53% das atividades tiveram

Figura 3 – Percentual de professores por carga horária das atividades de formação continuada considerada mais relevante, BNDES, 2012

174Capítulo 7

mais de 80 horas, enquanto apenas 16,09% das atividades tiveram menos de 20 horas. Os resultados também mostram que mais de 50% das ativida-des tiveram mais de 40 horas.

A figura 4 apresenta o percentual de professores que realizaram for-mação continuada por gênero. Observa-se que as mulheres realizam mais atividade de formação continuada (83.16%) se comparadas aos homens (74.78%). Um diferencial de quase 9 pontos percentuais.

Figura 4 – Participação dos professores em atividade de formação continuada, por gênero.

As atividades de formação continuada por idade são apresentadas na figura 5. Observa-se que os professores mais jovens, até 29 anos, possuem um maior percentual de não participantes em atividade de formação con-tinuada do que participantes. Comportamento semelhante ocorre para os professores mais velhos, maiores do que 50 anos. Para os professores entre 30 e 49 anos, a taxa de participação em atividades de formação continuada é maior do que a taxa de não participação. Dos professores que participaram de atividades, 70% estão nessa faixa e dos professores que não participaram 60% estão nessa faixa etária.

A região Sul foi a que apresentou a maior participação dos professores em atividades de formação continuada, chegando a quase 96%, conforme apresentado na figura 6. Em seguida estão as regiões com maior taxa de participação em cursos: Centro-Oeste com 92% e Norte com 91%. As regiões com menores taxas de participação de professores foram a Sudeste com 75.5% e a Nordeste com 79%.

A seguir, analisaremos a frequência com que o conhecimento adquirido nas atividades de formação continuada é utilizado. A figura 7 mostra que 72,72% dos professores que participaram de atividades de formação conti-nuada quase sempre utilizam o conhecimento adquirido, enquanto 25,71% dos professores afirmam que eventualmente utilizam o conhecimento ad-quirido e apenas 1,57% dos professores não o utilizam.

175 Capítulo 7

Figura 5 – Distribuição dos participantes e não participantes em atividades de formação continuada por faixa etária, pesquisa BNDES, 2012.

Figura 6 – Percentual de participação em atividades de formação continuada por região do Brasil, pesquisa BNDES, 2012

Figura 7 – Frequência com que usa o conhecimento adquirido com a formação continuada em sala de aula, pesquisa BNDES, 2012

176Capítulo 7

O efeito da atividade de formação continuada sobre a prática dos professores em sala de aula pode ser vista na figura 8. Podemos ver que a maioria dos professores, 71,16%, afirmou que a atividade de forma-ção continuada os ajudou na aquisição de novos instrumentos, técnicas ou estratégias pedagógicas, enquanto 18,21% dos professores respon-deram que a atividade de formação continuada serviu para ampliarem o seu conhecimento sobre a matéria lecionada. Por outro lado, uma pequena porcentagem dos professores achou que essas atividades al-teraram a sua forma de dar aula ou melhoraram o relacionamento do professor com o aluno.

O efeito das atividades de formação sobre as práticas de aula depen-de do conteúdo do curso de formação. Pode ser que os cursos sejam mais voltados a elevar o conhecimento teórico do professor no preparo de au-las, na utilização de computadores e de programas de computadores es-pecíficos, por exemplo, mas esse aprendizado ainda não alterou a forma como o professor leciona.

Conforme pode ser observado na figura 9, quase 80% dos professores consideram que as atividades de formação continuada contribuíram muito para a melhoria do seu desempenho em sala de aula. Pouquíssimos profes-sores acharam que essas atividades não contribuíram (0,35%). Aqueles que acharam que a contribuição foi mediana chegaram a quase 18% e os que acharam que contribuíram pouco foi de aproximadamente 2%. De forma geral, os professores consideram que as atividades ajudam a melhorar seu desempenho em sala de aula.

Figura 8 – Impacto das atividades de formação sobreas práticas de aula, BNDES, 2012

177 Capítulo 7

6. Análise dos resultados econométricos

6.1. Base de dados para os modelos econométricos

Para elaborar os modelos econométricos foram criadas duas bases de da-dos distintas. A primeira base de dados foi utilizada para analisar os determi-nantes do professor realizar cursos de formação continuada e pós-graduação. Como o foco para esse modelo é o professor, esse virou a unidade de análise.

Foram associados aos dados dos professores os dados do diretor da escola. Dessa forma, professores que são da mesma escola compartilham a mesma informação sobre o diretor.

Com relação às características dos alunos, foram utilizados os dados médios dos alunos da escola. Por exemplo, para um determinado professor tem-se a proficiência média dos alunos de quarto, sexto e oitavo ano da-quela escola, assim como a proporção de alunos brancos, a proporção de alunos do gênero masculino, a proporção de alunos que repetiram o ano nessa escola, etc. Como no caso dos diretores, professores da mesma escola compartilham as mesmas características médias dos alunos.

A segunda base de dados foi utilizada para analisar os determinantes do desempenho dos alunos em língua portuguesa e matemática, principal-mente o efeito da pós-graduação e da formação continuada. Como nesse caso o foco é o aluno, essa será a unidade de análise nessa base de dados.

De forma similar a base dos professores, foi associado a cada aluno as características do diretor da escola. Assim, cada um dos alunos de uma de-terminada escola compartilham as características do seu diretor.

Com relação aos professores, foi associado a cada aluno as caracterís-ticas médias dos professores da escola. Cada aluno de uma determinada escola compartilha a característica média do professor. Por exemplo, um

Figura 9 – Percepção do professor sobe a importância das atividades de formação para a melhora do desempenho em sala, pesquisa BNDES, 2012

178Capítulo 7

determinado aluno tem associado a ele a proporção de professores brancos na escola, a proporção de professores que fizeram formação continuada, a proporção de professores que fizeram pós-graduação etc. Portanto, cada aluno da escola, independentemente se ele for de 4º, 6º ou 8º ano, irá compartilhar a mesma informação média da escola com relação às caracte-rísticas dos professores. Não foi possível separar os professores por séries.

Observa-se que o tamanho da base utilizada nas regressões depende da taxa de resposta e dos missing das variáveis utilizadas, no caso da base dos professores, a taxa de resposta ficou ao redor de 60% (de 2020 questionários enviados) e o tamanho da base oscilou entre 434 e 752 observações depen-dendo dos missing nas variáveis utilizadas. Com relação à base de aluno o tamanho da base oscilou entre 3171 e 12621 observações. Nesse caso, além dos problemas da taxa de resposta e missing, o modelo utilizado também foi importante para determinar o tamanho da base, pois foram feitos modelos específicos para 4º, 6º e 8º anos. Para todos os modelos apresentados foram utilizados desvios padrões com cluster nas escolas.

6.2. Os determinantes do número de cursos de formaçãocontinuada realizados

O objetivo desse primeiro modelo é compreender os motivos que le-vam o professor a fazer diversos cursos de formação continuada. A variável dependente é de contagem sendo igual a 0, 1, 2, 3, 4, 5, isto é, 0 se não rea-lizou nenhum curso nos últimos cinco anos ou 1 curso, 2 cursos, 3 cursos, 4 cursos e 5 ou mais cursos.

Foi adotada uma especificação econométrica capaz de lidar com essa for-ma de dados e optou-se pelo modelo de Poisson com a seguinte especificação:

Sendo NFC o número de cursos de formação continuada realizados e XPP é a matriz com as seguintes características dos professores: gênero, se possui menos de 30 anos, se leciona no contraturno, se é branco, se utiliza o conhecimento da formação continuada em aula, se conhece o IDEB da escola;

XPA é a matriz com as seguintes características dos alunos: proporção de alunos que já abandonaram a escola, proporção de alunos cujos pais par-ticipam de reunião na escola, proporção de alunos que possuem computa-dor em casa;

XPD é a matriz com as seguintes características do diretor: se há libera-ção de recursos para formação continuada, se é diretor da escola há mais de 5 anos e os alunos utilizam laboratórios nas disciplinas.

179 Capítulo 7

Dois problemas comuns na regressão de Poisson é a superdispersão, pois esse modelo considera que a esperança é igual a variância e possui pro-blemas com excesso de zeros, pois em geral a Poisson prevê menos zeros do que o existente. Como os dados possuem poucos zeros e a variância dos dados está próxima à média, acredita-se que esse modelo esteja apropriado. Os resultados para o modelo estão apresentados na tabela 4.

Variável dependente - Número de cursos de formação continuada Características Características Características Características Variáveis do professor do professor e do professor, do professor, - Poisson IRR do aluno aluno e diretor aluno e diretor -Poisson IRR - Poisson IRR - OLSProfessor Homem 0,8942** 0,89613** 0,9303 -0,2176 (-2,48) (-2,34) (-1,39) (-1,23)Menos de 30 anos 0,9104 0,9032 0,99121 -0,0157 (-1,4) (-1,44) (-0,12) (-0,06)Leciona no contraturno 1,036755 1,0373 1,059 0,2027 (1,01) (1) (1,28) (1,21)Branco 1,068*** 1,059 1,103** 0,3443** (1,84) (1,58) (2,13) (2,09)Utiliza Formação em Aula 1,1911*** 1,207*** 1,236*** 0,7450*** (3,98) (4,2) (3,36) (3,51)Sabe o IDEB da escola 1,1877*** 1,178*** 1,199*** 0,617*** (3,43) (3,43) (2,72) (2,86)Aluno Proporção de alunos que 0,7371 0,505*** -2,58*** abandoram a escola (-1,35) (-2,63) (-2,75)Proporção de alunos cujos pais 1,187 1,1068 0,3631 participam de reunião (0,85) (0,47) (0,48)Proporção de alunos que 1,018 1,314 0,986 possuem computador (0,12) (1,56) (1,6)Diretor Liberacão de recursos para 1,188*** 0,646*** formação continuada (3,95) (4,01) É diretor da escola há mais 0,97912 -0,0905 de cinco anos (-0,5) (-0,57)Os alunos utilizam laboratórios 0,9746 -0,1051 (-0,52) (-0,59) 1,753** (2,58)Binárias regionais sim sim sim simWald Chi2 80,18 98,18 95,13 7,68Observações 750 729 442 442 Obs: Erro padrão robusto com cluster por escolas; ***significante a 1%; **significante a 5% e *significante a 10%.

Tabela 04 – Determinantes do número de cursos de formação continuada realizados pelos professores do ensino fundamental, pesquisa BNDES 2012

180Capítulo 7

Na primeira coluna de resultados está o modelo de Poisson somente com variáveis dos professores, a segunda com variáveis dos professores e alunos, a terceira com variáveis dos professores, alunos e diretores. Na últi-ma coluna apresenta-se a mesma especificação anterior com professor, alu-no e diretor, mas estimando por mínimos quadrados ordinários para compa-ração e verificação da robustez dos resultados. Outro ponto importante a ser observado é que o número de observações cai bastante do primeiro para os dois últimos modelos, saindo de 750 para 442.

Com relação às características dos professores, observa-se que os ho-mens possuem uma chance menor de realizar formação continuada, assim o efeito de ser homem diminui o valor esperado de realizar cursos de for-mação continuada em 11%. Esse resultado ocorre nos dois primeiros mode-los, sem a presença dos dados dos diretores. Observa-se que a inclusão dos dados dos diretores reduz consideravelmente a amostra de 752 para 444 devido aos valores missing, o que pode ter causado a não significância na última especificação.

A idade do professor e se ele leciona no contraturno não apresentou resultados significativos. Entretanto, o fato do professor ser branco aumenta em 10% o valor esperado do número de cursos de formação continuada.

Se o professor utiliza o conhecimento que ele adquiriu em cursos de formação continuada, isso faz com que haja um aumento de 24% no valor esperado de cursos de formação continuada. Assim, ter a percepção de uti-lização do conhecimento adquirido parece gerar um bom estímulo a conti-nuar se aperfeiçoando.

Outra variável que se mostrou importante para explicar a formação continuada é o conhecimento do professor em relação ao IDEB da escola. Aqueles professores que conhecem o IDEB possuem aumento de 20% no valor esperado de realização de curso de formação continuada. Mostra que aqueles professores que estão mais conectados ao desempenho da escola e se preocupam a ponto de saber o IDEB da escola sentem-se mais estimula-dos e realizam mais cursos de formação continuada.

Com relação às características dos alunos, professores que traba-lham em escolas que possuem altas taxas de abandono de alunos tem diminuição de 50% no valor esperado de realizar cursos. Provavelmente, ambientes com alunos mais interessados podem estimular o professor a se aperfeiçoar e buscar mais cursos de formação continuada. Outras duas variáveis dos alunos analisadas foram a proporção de alunos cujos pais frequentam as reuniões escolares e a proporção de alunos que possuem computador em casa. Apesar de ambas mostrarem aumento na chance do professor realizar mais cursos de formação continuada, ambas mostraram-se estatisticamente não significativas.

181 Capítulo 7

Por fim, outra variável importante para entender o número de cursos de formação continuada realizada pelo professor é a se o diretor libera re-cursos. Os resultados mostram que em escolas onde o diretor libera esses recursos há aumento no valor esperado de realização de cursos pelos pro-fessores em 19% com relação aos professores das escolas onde o diretor não oferece esses recursos.

6.3. Os determinantes da realização de cursos de pós-graduação

Nessa seção serão analisados os determinantes da realização de pós-graduação em educação pelos professores do ensino fundamental. Entende-se por pós-graduação os cursos de atualização, especialização, mestrado e doutorado, ou seja, cursos com mais de 180 horas. Para a análise foi utilizado o modelo de resposta binária, probit e foi utilizada a seguinte especificação:

Sendo PG se o professor realizou algum tipo de pós-graduação em edu-cação, XPP é a matriz com as seguintes características dos professores: gênero, se possui menos de 30 anos, se leciona no contraturno, se é branco, se utiliza o conhecimento da formação continuada em aula, se conhece o IDEB da escola.

XPA é a matriz com as seguintes características dos alunos: propor-ção de alunos que já abandonaram a escola, proporção de alunos cujos pais participam de reunião na escola, proporção de alunos que possuem computador em casa.

XPD é a matriz com as seguintes características do diretor: se há libera-ção de recursos para formação continuada, se é diretor da escola há mais de 5 anos e os alunos utilizam laboratórios nas disciplinas.

Os efeitos marginais do modelo probit estão na tabela 5, sendo a pri-meira coluna de resultados o modelo contendo somente os dados dos pro-fessores, a segunda, os dados dos professores e alunos e a terceira, pro-fessores, alunos e diretor. A última coluna apresenta o modelo linear para comparação e análise de robustez.

Diferentemente dos resultados para número de cursos de formação continuada, o fato de o professor ser homem não afetou significativamente a decisão de fazer pós-graduação. Entretanto, professores com menos de 30 anos de idade têm menor probabilidade de fazer pós-graduação, chegando a quase 0,24 pontos percentuais a menos.

182Capítulo 7

Variável dependente - Realizou Pós-graduação em educação Características do Características Características Características professor - Efeito do professor do professor, do professor, Variáveis Marginal Probit e do aluno aluno e diretor aluno e diretor -Efeito Marginal -Efeito Marginal - Linear Probit Probit Professor Homem -0,0653 -0,0729 -0,089 -0,081 (-1,27) (-1,38) (-1,27) (-1,19)Menos de 30 anos -0,153** -0,1605** -0,2441*** -0,2253** (-2,05) (-2,06) (-2,61) (-2,54)Leciona no contraturno -0,0226 -0,0047 -0,0191 -0,02015 (-0,48) (-0,1) (-0,35) (-0,39)Branco 0,0363 0,01257 0,01067 0,006135 (0,84) (0,27) (0,18) (0,11)Utiliza Formação em Aula 0,065 0,09285* 0,1541** 0,14117** (1,29) (1,79) (2,34) (2,31)Sabe o IDEB da escola 0,0227 0,01215 0,0507 0,0524 (0,45) (0,24) (0,77) (0,79)Aluno Proporção de alunos que -0,774* -0,886* -0,8733abandoram a escola (-1,81) (-1,68) (-1,58)Proporção de alunos cujos pais 0,0588 -0,0692 -0,0623participam de reunião (0,25) (-0,23) (-0,2)Proporção de alunos que 0,0538 -0,094 -0,1217possuem computador (0,29) (-0,43) (-0,6)Diretor Liberação de recursos para -0,1001* -0,099*formação continuada (-1,72) (-1,8)É diretor da escola há mais -0,0501 -0,0419de cinco anos (-0,84) (-0,74)Os alunos utilizam laboratórios 0,1054 0,1031 (1,54) (1,6)Constante 0,8844** (2,34)Binárias Regionais Sim Sim Sim SimWald Chi2 20,99 26,10 34,93 Observações 729 708 434 434Observações = 0 233 230 135 135

Tabela 05 – Determinantes da realização de pós-graduação em educação pelos professores do ensino fundamental, pesquisa BNDES 2012

Obs:Erro padrão robusto com cluster por escolas; ***significante a 1%; **significante a 5% e *significante a 10%

Professores brancos, que lecionam no contraturno ou que sabem o IDEB da escola não se mostraram significativos para explicar a decisão de fazer pós-graduação, mas se o professores utilizam seus conhecimentos em aula, isso aumenta em 0,15 pontos percentuais a probabilidade de o profes-sor realizar um curso de pós-graduação.

183 Capítulo 7

Com relação aos alunos, se a escola possui alta proporção de alunos que abandonaram a escola, o efeito sobre a decisão de fazer pós-graduação tem uma queda de 0,89 pontos percentuais. O fato de os pais participarem de reuniões e se os alunos possuem computador em casa não apresentaram efeitos significativos sobre a decisão de o professor fazer pós-graduação.

Diferentemente do número de cursos de formação continuada, se o diretor financia esse tipo de curso, há uma queda na decisão de fazer pós-graduação. Assim, financiar cursos de formação continuada reduz em 0,1 pontos percentuais a probabilidade de fazer pós-graduação. Dessa forma, diretores que estimulam cursos de formação continuada podem de maneira indireta tornar a realização de pós-graduação relativamente mais custosa.

6.4. Os determinantes do desempenho escolar dos alunos – 4o ano

Os resultados dessa e das próximas seções utilizam a base de dados dos alunos, em que as variáveis dependentes são proficiência em língua portu-guesa e em matemática. Para analisar os determinantes do desempenho dos alunos será utilizado o modelo linear com a seguinte especificação:

Sendo Dj o desempenho do aluno em língua portuguesa ou em matemá-tica medido pelas proficiências, XPP é a matriz com as seguintes características dos professores nas escolas: proporção de professores na escola que possui pós-graduação e proporção de professores que realizou mais que 4 cursos de formação continuada. Optou-se por esse corte pois quase a totalidade dos professores possui algum curso de formação continuada e aproximadamente 50% deles possui mais de 4 cursos. Outra observação é que cada aluno da escola tem associado a ele as características médias dos professores dessa escola, independente das séries em que lecionam esses professores.

A matriz XPA possui as seguintes características dos alunos: homem, fre-quentou a pré-escola, já repetiu de ano, participa das atividades de contra-turno, branco, possui computador em casa, mora com a mãe, a mãe possui faculdade, tem mais de 3 irmãos, entrou com mais de 7 anos na escola, já abandonou a escola, os pais participam de reunião na escola.

XPD é a matriz com as seguintes características do diretor: se é diretor da escola há mais de 5 anos e os alunos utilizam laboratórios nas disciplinas.

Para analisarmos o efeito causal dos cursos de qualificação realizados por professores sobre o desempenho dos alunos, idealmente precisaríamos de um experimento aleatório em que professores seriam selecionados alea-toriamente para realizarem curso de capacitação e outros não realizariam o

184Capítulo 7

curso. Em seguida analisaríamos o desempenho de alunos dos professores que foram sorteados e que realizaram esses cursos versus o desempenho de alunos de professores que não realizaram o curso de capacitação ou que não foram sorteados. Ao se utilizar um experimento aleatório, o efeito do curso de capacitação é isolado dos demais possíveis efeitos.

Como a pesquisa BNDES-2012 é observacional, não é possível cons-truir um experimento. Os métodos para análise de efeitos causais em es-tudos observacionais, em geral, aplicam-se a programas específicos e não a situações em que há grande diversidade de programas. Duas possíveis alternativas seria a utilização de dados em painel que podem retirar o efei-to de variáveis não observadas fixas no tempo ou o uso de variáveis ins-trumentais. Como a pesquisa foi realizada em um corte de tempo e não encontramos um exemplo de variável instrumental na literatura para esse caso, desse modo as análises apenas investigam as relações entre as variá-veis e não o efeito causal. A tabela 6 apresenta os resultados da regressão linear múltipla para os alunos do 4º ano do ensino fundamental, tanto para língua portuguesa como para matemática.

As duas primeiras colunas de resultados estão associadas à língua portuguesa e as duas últimas à proficiência em matemática. Escolas que possuem maior proporção de professores que realizam pós-graduação possuem alunos com melhor proficiência, tanto em língua portuguesa como em matemática. Além disso, esse efeito é maior para matemática do que para língua portuguesa.

Entretanto, o fato de escolas possuírem alta proporção de professores com mais de 4 cursos de formação continuada não está associado a um me-lhor desempenho dos alunos em ambas as matérias. Esse resultado não era esperado, já que o curso de formação deveria dar subsídios aos professores para aperfeiçoarem o conteúdo das aulas, aumentarem seus conhecimen-tos e didática e, assim, melhorar o desempenho dos alunos nos testes de proficiência. Entretanto, para obter um resultado positivo e impactante, a qualidade do curso e o empenho dos professores para tornar o conteúdo das aulas de fácil entendimento e que motive os alunos a aprender são essen-ciais para uma realidade em que crianças e jovens utilizam frequentemente, fora da escola, computadores, vídeo games, celulares, redes sociais e muitos outros recursos interativos, coloridos e em 3D. Conseguir que essas crianças e jovens sintam-se motivados na sala de aula e tenham interesse em apren-der é um desafio e requer recursos modernos e inovadores. Os cursos de capacitação disponíveis provavelmente ainda não fornecem o recurso ne-cessário para obter esse impacto, mesmo porque as mudanças são recentes e são poucos ou inexistentes os estudos na área pedagógica mostrando o que realmente melhora o desempenho dos alunos. Ademais, apesar de mais

185 Capítulo 7

Variável dependente -Proficiência - OLS Língua Portuguesa Matemática Variáveis Valor Proficiência Valor Proficiência Valor Proficiência Valor Proficiência 4o Ano 4o Ano 4o Ano 4o AnoProfessor Pós-graduação em educação 9,071** 13,27846*** (2,02) (2,68) Possui mais de 4 cursos de -3,05113 -4,265649formação continuada (-0,77) (-0,91)Aluno Masculino -4,33*** -4,097*** 2,122003* 2,427311* (-3,27) (-2,95) (1,78) (1,92)Frequentou pré-escola 0,685 1,085 3,197533** 3,908131** (0,42) (0,66) (2,08) (2,5)Repetiu de ano -13,673*** -13,946*** -10,80754*** -11,00693*** (-8,74) (-8,91) (-6,06) (-6,04)Participa do contraturno -5,43*** -5,925*** -4,616198*** -4,934451*** (-3,63) (-3,96) (-3,11) (-3,33)Branco 3,145** 3,285** 1,934624 2,109602 (2,23) (2,27) (1,29) (1,35)Tem computador 3,267** 3,6298** 2,343468 3,056021** (2,28) (2,54) (1,59) (2,12)Mora com a mãe 7,516*** 7,757*** 5,32452*** 5,173329** (3,51) (3,57) (2,62) (2,46)Mãe possui faculdade 1,008 0,8991 1,930705 1,63529 (0,41) (0,36) (0,79) (0,68)Tem mais de 3 irmãos -5,95*** -5,938*** -4,087679*** -4,244385*** (-3,99) (-3,87) (-2,87) (-2,88)Entrou com mais de -11,673*** -12,46*** -9,66873*** -10,51066***7 anos na escola (-5,9) (-6,23) (-5,44) (-5,89)Já abandonou a escola -11,53*** -11,465*** -10,97801*** -11,39736*** (-6,52) (-6,42) (-6,63) (-7,01)Pais participam de reunião 14,23*** 14,58*** 12,83095*** 13,63237*** (9,28) (9,38) (9,59) (10,25)DiretorÉ diretor há mais de 5 anos 7,2437*** 6,727*** 7,443019*** 7,137546*** (2,89) (2,66) (2,89) (2,74)Alunos utilizam laboratórios 3,261 3,420271 4,740072* 4,722026 (1,13) (1,14) (1,66) (1,59)Constante 148,27*** 157,33*** 147,2941*** 160,2677*** (23,3) (32,12) (21,8) (36,72)Binárias regionais sim sim sim simF 36,97 39,58 18,82 20,17R2 0,2231 0,2176 0,1916 0,184Observações 3171 3144 3171 3144

Tabela 6 – Determinantes do desempenho em língua portuguesa e matemática dos alunos da 4o ano do ensino fundamental, pesquisa BNDES 2012

Obs: Erro padrão robusto com cluster por escolas; ***significante a 1%; **significante a 5% e *significante a 10%

186Capítulo 7

de 70% dos professores terem declarado que utilizam o conteúdo aprendido nos cursos de capacitação nas salas de aula e que adquiriram novos instru-mentos e técnicas pedagógicas com os cursos, menos de 2% declararam ter alterado a forma de dar aula. Assim, parece que não alterar a forma de le-cionar é um sinalizador de que as novas técnicas adquiridas não estão sendo passadas aos alunos e, portanto, os cursos estão sendo insuficientes para causar alteração no aprendizado dos alunos.

Com relação às características dos alunos, observa-se que meninos têm melhor desempenho em matemática e as meninas têm melhor desempenho em língua portuguesa. O fato de ser homem diminuí em mais de 4 pontos a proficiência em língua portuguesa e aumenta em mais de 2 pontos a profi-ciência em matemática. Ademais, alunos brancos estão associados a melhor desempenho em língua portuguesa (pouco mais de 3 pontos). Entretanto, esse resultado apesar de positivo não se mostra significativo para a profi-ciência em matemática.

Frequentar a pré-escola mostrou-se positivamente associado ao de-sempenho em matemática e não em português. Frequentar a pré-escola aumenta de 3,2 a 4 pontos a proficiência no 4º ano.

Alunos que repetiram de ano, que já abandonaram a escola pelo menos uma vez, que entraram com mais de 7 anos na escola ou que participam do contraturno tem associação negativa com o desempenho. Alunos que repe-tiram o ano possuem entre 10 e 14 pontos a menos na escala de proficiên-cia; aqueles que abandonaram possuem ao redor de 11 pontos a menos; se entraram tarde, entre 9,5 e 12 pontos a menos; e aqueles que participam do contraturno de 4,5 a 6 pontos a menos.

Alunos que moram com a mãe, que possuem computador em casa ou cujos pais participam de reunião possuem maior probabilidade de obter no-tas melhores no teste de proficiência. Assim, alunos que moram com a mãe obtêm 5 a 7,5 pontos a mais nas provas de proficiência do que os alunos que não moram. Se possuírem computador aumenta entre 3 e 3,5 a proficiência e se os pais participam de reuniões da escola esse efeito é de 13 a 14 pontos na escala de proficiência. Entretanto, alunos de famílias com mais de 3 ir-mãos possuem desempenho médio menor do que famílias menores. Portan-to, a presença e o envolvimento dos pais são importantes para o melhor de-sempenho dos alunos, bem como os recursos disponibilizados pela família.

Com relação ao diretor, escolas que possuem diretores com mais de 5 anos de experiência têm alunos com melhor desempenho nos testes de proficiência. Dessa forma, escolas com diretores com mais de 5 anos nessa função possuem alunos com 7 a 7,5 pontos a mais na escala de proficiência. Se o diretor declara que utiliza laboratórios nas aulas da sua escola, isso tem efeito somente em uma das equações de matemática.

187 Capítulo 7

6.5. Os determinantes do desempenho escolar dos alunos – 6o ano

Os modelos dessa seção são iguais aos desenvolvidos na seção anterior, entretanto, aplicado aos alunos do sexto ano. A tabela 7 apresenta os resul-tados dos determinantes da proficiência para língua portuguesa e matemá-tica para os alunos do 6o ano do ensino fundamental.

Para esses alunos, o fato de a escola possuir alta proporção de profes-sores com pós-graduação ou com mais de 4 cursos de formação continuada não foi estatisticamente significativo para explicar o desempenho dos alu-nos. Nos quatro modelos, as variáveis que indicam a qualificação média da escola foram não significativas.

Da mesma forma que anteriormente, ser homem diminui em mais de 6 pontos a proficiência em língua portuguesa e aumenta em quase 6 pontos a proficiência em matemática. Alunos brancos estão associados a melhor de-sempenho em língua portuguesa e matemática, entre 3,3 e 4,3 pontos. Para alunos do 4º ano em matemática esse resultado não é claro.

Além disso, alunos que frequentaram a pré-escola apresentaram me-lhor desempenho em matemática e em língua portuguesa, entre 5,5 e 6 pontos na escala de proficiência. Para os alunos do quarto ano observa-se o mesmo resultado para matemática.

De forma semelhante aos alunos de 4º ano, alunos que repetiram o ano, que já abandonaram a escola pelo menos uma vez, que entraram com mais de 7 anos na escola ou que participaram do contraturno tem associa-ção negativa com o desempenho. Para alunos que repetiram, o coeficiente está entre 16 e 17 pontos a menos na escala de proficiência; para aqueles que abandonaram, entre 8,5 e 13 pontos a menos; entrar mais tarde na es-cola, entre 4,5 e 6 pontos a menos; e para aqueles que participaram do con-traturno de 8 a 10,5 pontos a menos.

Alunos que possuem computador em casa ou cujos pais participam de reuniões possuem maior probabilidade de obter notas melhores no teste de proficiência, entre 5 e 7,5 e de 17 a 18,7 a mais de pontuação no teste de proficiência. De maneira um pouco distinta do 4º ano, morar com a mãe não produz efeito sobre a proficiência e a mãe possuir facul-dade é importante para entender a proficiência em matemática. Outra variável importante foi o número de irmãos, assim, alunos que possuem mais de 3 irmãos possuem menor desempenho, tanto em matemática como em língua portuguesa.

Com relação ao diretor, a sua experiência não foi importante para ex-plicar a proficiência, mas o fato de os alunos utilizarem o laboratório afetou positivamente e significativamente o desempenho dos alunos entre 6 e 10,5 pontos na proficiência. Esse resultado foi distinto do obtido para o 4º ano.

188Capítulo 7

Variável dependente -Proficiência - OLS Língua Portuguesa Matemática Variáveis Valor Proficiência Valor Proficiência Valor Proficiência Valor Proficiência 6o Ano 6o Ano 6o Ano 6o AnoProfessor Pós-graduação em educação 6,097875 -0,364 (1,29) (-0,08) Possui mais de 4 cursos de 0,7054 -3,191formação continuada (0,17) (-0,81)Aluno Masculino -6,0082*** -6,103*** 5,875*** 5,812*** (-4,95) (-5,04) (5,43) (5,38)Frequentou pré-escola 5,5826*** 5,5944*** 6,261*** 6,172*** (3,7) (3,72) (4,98) (4,91)Repetiu de ano -15,901*** -15,898*** -16,939*** -16,87*** (-10,89) (-10,99) (-12,55) (-12,44)Participa do contraturno -10,453*** -10,535*** -7,9771*** -7,896*** (-7,46) (-7,42) (-6,5) (-6,5)Branco 3,4350** 3,291** 4,3787*** 4,269*** (2,34) (2,25) (3,42) (3,33)Tem computador 7,1487*** 7,005*** 5,32*** 5,243*** (4,59) (4,51) (3,63) (3,57)Mora com a mãe 0,3098 0,1778 0,7523 0,5935 (0,17) (0,1) (0,43) (0,34)Mãe possui faculdade 0,3611 0,2857 3,660** 3,695** (0,18) (0,14) (1,99) (2,03)Tem mais de 3 irmãos -7,768*** -7,858*** -5,461*** -5,592*** (-5,79) (-5,83) (-4,81) (-4,93)Entrou com mais de -4,587** -4,7646** -5,718*** -5,901***7 anos na escola (-2,36) (-2,48) (-3,29) (-3,43)Já abandonou a escola -13,229*** -13,315*** -8,525*** -8,734*** (-6,16) (-6,24) (-4,58) (-4,71)Pais participam de reunião 18,7305*** 18,741*** 17,579*** 17,554*** (12,48) (12,49) (13,18) (13,23)DiretorÉ diretor há mais de 5 anos 2,935 3,1312 0,876 0,8947 (1,28) (1,35) (0,4) (0,41)Alunos utilizam laboratórios 6,0332** 6,3798** 10,202*** 10,442*** (2,24) (2,38) (4,3) (4,36)Constante 181,81*** 184,467*** 182,055*** 183,354*** (35,38) (41,13) (29,38) (36,7)Binárias regionais sim sim sim simF 43,15 42,36 30,26 31,21R2 0,1977 0,1978 0,2036 0,2049Observações 4861 4878 4861 4878

Tabela 07 – Determinantes do desempenho em língua portuguesa e matemática dos alunos da 6o ano do ensino fundamental, pesquisa BNDES 2012

Obs:Erro padrão robusto com cluster por escolas; ***significante a 1%; **significante a 5% e *signifi-cante a 10%

189 Capítulo 7

6.6. Os determinantes do desempenho escolar dos alunos – 8º ano

Os resultados dos determinantes da proficiência dos alunos do 8º ano estão na tabela 8, sendo as duas primeiras colunas para os testes de língua portuguesa e as duas últimas colunas para os testes de matemática.

Variável dependente -Proficiência - OLS Língua Portuguesa Matemática Variáveis Valor Proficiência Valor Proficiência Valor Proficiência Valor Proficiência 8o Ano 8o Ano 8o Ano 8o AnoProfessorPós-graduação em educação 4,951 5,1793 (0,97) (1,06)Possui mais de 4 cursos de -4,2088 -3,254formação continuada (-1,01) (-0,86)AlunoMasculino -11,953*** -11,899*** 3,4967*** 3,6598*** (-10,48) (-10,35) (2,85) (2,96)Frequentou pré-escola 6,874*** 6,971*** 5,5991*** 5,466*** (5,03) (5,08) (4,71) (4,58)Repetiu de ano -14,712*** -14,804*** -13,324*** -13,37*** (-10,04) (-10,25) (-9,96) (-10,07)Participa do contraturno -9,6298*** -9,607*** -8,129*** -8,077*** (-6,86) (-6,83) (-6,49) (-6,48)Branco 5,3129*** 5,358*** 5,720*** 5,5928*** (3,97) (4,03) (4,66) (4,59)Tem computador 6,74*** 6,6565*** 3,8035*** 4,0427*** (4,44) (4,47) (2,95) (3,13)Mora com a mãe 1,173 1,724 0,54311 1,0763 (0,58) (0,87) (0,33) (0,67)Mãe possui faculdade -1,573 -1,916 -4,3629** -4,3796** (-0,72) (-0,85) (-2,04) (-2,05)Tem mais de 3 irmãos -6,312*** -6,2345*** -5,239*** -5,195*** (-4,36) (-4,32) (-4,43) (-4,32)Entrou com mais de -3,98** -4,0403** -3,152* -3,317*7 anos na escola (-2,11) (-2,15) (-1,85) (-1,95)Já abandonou a escola -8,597*** -8,686*** -12,707*** -13,292*** (-3,24) (-3,3) (-5,6) (-5,82)Pais participam de reunião 13,747*** 13,649*** 12,153*** 12,086*** (9,38) (9,3) (8,01) (7,95)Diretor É diretor há mais de 5 anos 2,306 2,25435 2,7497 2,5969 (0,97) (0,96) (1,22) (1,17)Alunos utilizam laboratórios 2,854 3,1516 4,5062* 4,8734** (1,02) (1,16) (1,84) (2,06)Constante 199,158*** 203,822*** 201,774*** 13,462** (25,95) (33,46) (26,26) (2,26)Binárias regionais sim sim sim simF 30,88 31,59 35,87 36,82R2 0,1563 0,1572 0,1397 0,1415Observações 4574 4598 4575 4599

Tabela 8 – Determinantes do desempenho em língua portuguesa e matemática dos alunos do 8º ano do ensino fundamental, pesquisa BNDES 2012

Obs:Erro padrão robusto com cluster por escolas; ***significante a 1%; **significante a 5% e *signifi-cante a 10%

190Capítulo 7

Os resultados obtidos são muito semelhantes aos do 6º ano. Escolas que possuem alta proporção de professores com pós-graduação ou com mais de 4 cursos de formação continuada não foram fatores importantes para explicar o diferencial de desempenho para os alunos de 8º ano.

Os meninos continuam apresentando menor desempenho em língua portuguesa (menos 12 pontos) e maior desempenho em matemática (3,5 pontos). Alunos brancos estão associados a melhor desempenho em língua portuguesa e matemática, ao redor de 5,5 pontos a mais. Ademais, frequen-tar a pré-escola melhora o desempenho em matemática e em língua portu-guesa, entre 5,5 e 7 pontos na escala de proficiência.

Novamente, a repetência (13,7 a 14,8 pontos), o abandono (8,5 a 13 pontos), a entrada tardia (3 a 4 pontos) e a participação no contraturno (8 a 9,5 pontos) estão associados ao menor desempenho do aluno.

Ter pais participantes da vida escolar do aluno, isto é, indo às reuniões e tendo recursos em casa, como computadores para os alunos realizarem suas atividades, impactam positivamente o desempenho, entre 12 e 13,7 e entre 4 e 7 pontos, respectivamente. Entretanto, famílias grandes com mais de 3 irmãos, estão associadas a menor desempenho, ao redor de 5 e 6 pontos.

Com relação ao diretor, novamente a sua experiência não foi importan-te para explicar a proficiência e, se o diretor declara que os alunos utilizam o laboratório, afetou positivamente e significativamente (10%) somente os alunos de matemática.

6.7. Os determinantes do desempenho escolar dos alunos – padronizado todas as séries

Nessa seção foi utilizado o mesmo modelo anterior, entretanto os valo-res da proficiência foram padronizados. Dessa forma, obteve-se os desvios em relação a média padronizados pelo desvio padrão para cada aluno, ou seja:

Onde é PPi a proficiência padronizada do aluno i, PAi é a proficiên-cia obtida pelo aluno i, PM é a proficiência média por ano (4º, 6º ou 8º ano) e DP(P)é o desvio padrão por ano. Com esses resultados foi pos-sível analisar todos os alunos independentemente da série que estão cursando no momento da pesquisa. Com essa modificação na variável dependente, espera-se que os coeficientes obtidos sejam considera-velmente menores, pois se trabalha com a média dos desvios e não com a média da proficiência.

191 Capítulo 7

Observa-se que o número de observações sobe consideravelmente (mais de 12.000) e, como os dados de professores e diretores estão por es-cola, a análise conjunta de todos os alunos parece mais indicada.

Os resultados dos determinantes da proficiência padronizada para todos os alunos são apresentados na tabela 9. As primeiras duas colunas apresentam os resultados para língua portuguesa e as últimas duas co-lunas apresentam os resultados para matemática, incorporando todas as três séries analisadas.

Com base nesses resultados, observa-se que escolas que possuem alta proporção de professores que fizeram pós-graduação têm efeito positivo e significativo no desempenho médio do alunos em 0,16 pontos na nota pa-dronizada. Entretanto, escolas que possuem alta proporção de professores com mais de 4 cursos de formação continuada não apresentam médias dis-tintas de outras escolas.

De forma consistente com os resultados anteriores, os meninos pos-suem menor desempenho em língua portuguesa (-0,17) e maior em mate-mática (0,1). Se o aluno se declarar branco, ele possui em média maior nota (0,1 pontos proficiência padronizada). A frequência à pré-escola também é importante para explicar o maior desempenho do aluno (entre 0,1 e 0,12)

A repetência, o abandono, a entrada tardia e a participação no con-traturno estão sistematicamente e consistentemente relacionados ao bai-xo desempenho de alunos. Assim, repetir impacta em -0,35; abandonar pelo menos uma vez -0,25; entrar com mais de 7 anos em -015; e parti-cipar do contraturno entre -0.16 e -0.20. Aparentemente, as dificuldade e desinteresse dos alunos e a incapacidade de a escola lidar com esses alunos estão impondo um menor desempenho. As atividades de contra-turno surgem como uma alternativa para a escola lidar com os alunos com maior dificuldade, nota-se que essas estão sistematicamente associadas ao menor desempenho.

A participação da família na educação mostra-se bastante eficiente para melhorar o desempenho do aluno. Alunos que moram com a mãe e cujos pais participam de reuniões possuem melhor desempenho, com valores entre 0,05 e 0,34 pontos na proficiência padronizada. A estrutura domiciliar para o estudo do aluno parece importante, pois aqueles que possuem computador em casa obtêm de 0,10 a 0,12 pontos a mais do que os que não possuem.

Por fim, diretor com maior experiência está associado a alunos com melhor desempenho, ou seja, para aqueles diretores que estão exercendo a atividade por mais de 5 anos, o desempenho médio dos alunos é de aproxi-madamente 0,08 pontos maior. E para aqueles diretores que declararam ter laboratório para aulas práticas, o desempenho médio dos alunos foi de 0,1 a 0,15 pontos na proficiência padronizada.

192Capítulo 7

Variável dependente -Proficiência - OLS Língua Portuguesa Matemática Proficiência Proficiência Proficiência Proficiência padronizada - todas padronizada - todas padronizada - todas padronizada - todasProfessorPós-graduação em educação 0,1661** 0,1631* (2,04) (1,92)Possui mais de 4 cursos de -0,027159 -0,060formação continuada (-0,39) (-0,85)Aluno Masculino -0,1787*** -0,1777*** 0,0992*** 0,1014*** (-10,12) (-9,96) (6,15) (6,24)Frequentou pré-escola 0,0989*** 0,1017*** 0,123*** 0,124*** (4,76) (4,95) (6,83) (6,9)Repetiu o ano -0,3609*** -0,364*** -0,3582*** -0,3608*** (-15,86) (-16,41) (-15,99) (-16,28)Participa do contraturno -0,1939*** -0,1962*** -0,1647*** -0,1647*** (-10,03) (-10,03) (-8,77) (-8,75)Branco 0,0963*** 0,0971*** 0,1112*** 0,1098*** (5,06) (5,09) (5,9) (5,85)Tem computador 0,1276*** 0,1273*** 0,0933*** 0,0972*** (5,72) (5,77) (4,18) (4,4)Mora com a mãe 0,0596** 0,0645** 0,0493* 0,0515* (2,17) (2,36) (1,87) (1,96)Mãe possui faculdade 0,0113 0,00815 0,0215 0,0217 (0,35) (0,25) (0,69) (0,7)Tem mais de 3 irmãos -0,1545*** -0,1546*** -0,123*** -0,124*** (-7,7) (-7,65) (-6,51) (-6,49)Entrou com mais de -0,1523*** -0,158*** -0,142*** -0,149***7 anos na escola (-5,47) (-5,76) (-5,46) (-5,76)Já abandonou a escola -0,247*** -0,245*** -0,2422*** -0,246*** (-9,08) (-9,04) (-9,13) (-9,47)Pais participam de reunião 0,3392*** 0,3404*** 0,332*** 0,3345*** (15,84) (15,91) (15,52) (15,81)Diretor É diretor há mais de 5 anos 0,0891** 0,0884** 0,0749* 0,0739* (2,11) (2,07) (1,75) (1,72)Alunos utilizam laboratórios 0,0936* 0,1014** 0,1535*** 0,161*** (1,91) (2,05) (3,36) (3,44)Constante -0,4733*** -0,355*** -0,736*** -0,60*** (-4,82) (-4,44) (-6,88) (-7,05)Binárias regionais sim sim sim simF 69,58 68,52 54,11 56,04R2 0,1769 0,1759 0,1660 0,1662Observações 12606 12620 12607 12621

Tabela 9 – Determinantes do desempenho padronizado em língua portuguesa e matemática dos alunos da 4o , 6o e 8o ano do ensino fundamental, pesquisa BNDES 2012

Obs: Erro padrão robusto com cluster por escolas; ***significante a 1%; **significante a 5% e *signifi-cante a 10%

193 Capítulo 7

7. Conclusões

Esse estudou objetivou compreender os determinantes da busca por aperfeiçoamento feita pelo professor e qual o efeito desse sobre o desem-penho dos alunos. Dessa forma, duas análises distintas e complementares foram elaboradas.

Na primeira, com o banco de dados para professores, foram analisados os determinantes do número de cursos de formação continuada realizada pelo professor nos últimos cinco anos, utilizando o modelo Poisson para dados em contagem. Também foram analisados os determinantes da rea-lização de cursos de pós-graduação em educação utilizando-se do modelo Probit de escolhas binárias.

A segunda considerou a base de dados para alunos e foram analisados, via mínimos quadrados ordinários, os determinantes do desempenho dos alunos. Especificamente, o efeito da pós-graduação e dos cursos de forma-ção continuada sobre o desempenho.

Os resultados da primeira análise para os professores mostram que ho-mens fazem menos cursos de formação continuada, mas não há diferença em relação à mulher na decisão de realizar pós-graduação. Professores bran-cos realizam mais cursos de formação, mas não há efeito significativo sobre a realização de cursos de pós-graduação. Outra importante característica do professor é a idade, onde professores mais velhos têm maior probabilidade de realizarem cursos de pós-graduação mas não é importante para explicar o número de cursos de formação continuada.

A percepção de utilização do conhecimento adquirido pelo professor em sala de aula foi importante para explicar a realização de cursos de forma-ção continuada e de pós-graduação. Aparentemente, o professor se sente estimulado pela utilização do conhecimento em sala e, dessa forma, realiza mais cursos de formação continuada e de pós-graduação. Outra variável que está associada ao envolvimento do professor é se conhece o IDEB da escola que leciona, aqueles que conhecem acabam fazendo mais cursos de forma-ção continuada, apesar de não ter efeito sobre a pós-graduação.

Em contraponto, escolas que possuem alto índice de abandono desesti-mulam os professores à realização de cursos de formação continuada e pós-graduação, assim, existe uma associação negativa entre aperfeiçoamento do professor e a proporção de alunos que abandonaram na escola.

Por fim, se o diretor libera recursos para formação continuada há estimulo para os professores realizarem mais cursos de formação conti-nuada, entretanto, essa liberação afetou negativamente a realização de pós-graduação. Provavelmente essas duas modalidades de cursos estão competindo pelo tempo do professor e se há estímulo claro a uma delas a

194Capítulo 7

outra fica relativamente mais cara de ser realizada. Além disso, cursos de pós-graduação são mais extensos em termos de horas do que os cursos de formação continuada.

Os resultados da segunda análise, sobre desempenho dos aluno, apon-tam que a proporção de professores com pós-graduação na escola afeta po-sitivamente a proficiência, apesar desse resultado não se manter em todas as séries analisadas. Entretanto, as escolas com alta proporção de professo-res com quatro ou mais cursos de formação continuada não apresentaram resultado significativo para explicar o desempenho dos alunos.

Com relação às características dos aluno, observa-se que meninos têm melhor desempenho sistematicamente em matemática e pior em língua portuguesa. Além disso, alunos que frequentaram a pré-escola ou são bran-cos possuem melhor desempenho médio. As características prévias do alu-no também são importantes, aqueles que participam do contraturno, que repetiram ou que já abandonaram possuem desempenho médio menor em termos de proficiência.

A família possui papel de destaque para explicar o desempenho: alunos que moram com a mãe, que possuem menos de 3 irmãos ou os pais partici-pam de reuniões apresentam desempenho médio maior.

Por fim, diretores com mais tempo de experiência ou que declaram que utilizam laboratórios nas aulas da sua escola apresentaram relação positiva com o desempenho dos alunos.

Dessa forma, percebe-se que o ambiente escolar, incluindo desde a ca-racterística dos alunos até a gestão do diretor, pode estimular o docente a se aperfeiçoar e esse aperfeiçoamento pode afetar positivamente o desem-penho do aluno.


AKERHIELM, K. Does Class Size Matter? Economics of Education Review, v. 14, n. 3, p. 229-241, 1995.

ANGRIST, J. D.; LAVY, V. Does teacher training affect pupil learning? Evidence from matched comparisons in Jerusalem public schools. Jornal of Labor Economics, v. 19, n. 2, 2001.

BAUER, A. Avaliação de impacto de formação docente em serviço: o programa Letra e Vida. 2011. 131 f. Tese (Doutorado) – Faculdade de Educação, Universidade de São Paulo, São Paulo, 2011.

BARBER, M.; MOURSHED, M. How the world’s best performing school systems come out on top. Mckinsey & Company, 2007.

BECKER, G. Investment in Human Capital: Theoretical Analysis. Journal of Political Economy-.v.70, n. 5(2), 1962

195 Capítulo 7

BOYD, D.; PAM, G.; LANKFORD, H.; LOEB, S.; WYCKOFF, J. How changes in entry requirements alter the teacher workforce and affect student achievement. Education Finance and Policy 1, n. 2 (Spring): p. 176-216, 2006.

BOYD, D.; LANKFORD, H.; ROCKOFF, J. E.; LOEB, S.; WYCKOFF, J. The Narrowing Gap in New York City Teacher Qualifications and Its Implications for Student Achievement in High-Pov-erty Schools. Journal of Policy Analysis and Management 27, n. 4 (Fall): 793 -818, 2008.

BRASIL, Ministério da Educação. Programas do MEC voltados a formação de professores. http://portal.mec.gov.br/index.php?option=com_content&view=article&id=15944:pro-gramas-do-mec-voltados-a-formacao-de-professores, 2013

COLEMAN, J.S. et al. Equality of educational opportunity. Washington: U.S. Government Print-ing Office, 1966.

FONTANIVE, N. S.; KLEIN, R. O Efeito da Capacitação Docente no Desempenho dos Alunos: Uma Contribuição para a Formulação de Novas Políticas Públicas de Melhoria da Qualida-de da Educação Básica. Revista Iberoamericana de Evaluación Educativa. v. 3, n. 3, 2010.

GLEWWE, P.W.; HANUSHEK, E.A.; HUMPAGE, S.D.; RAVINA, R. School Resources and Educa-tional Outcomes in Developing Countries: A Review of the Literature from 1990 to 2010. NBER Working Papers, n.17554, National Bureau of Economic Research, 2011.

HANUSHEK, E.A. The trade-off between child quantity and quality. Journal of Political Econo-my, Vol. 100, n. 1, pp. 84-117, Fev., 1992.

HANUSHEK, E.A.; RIVKIN, S.G. The Teacher Quality. In: HANUSHEK, E. A.; WELCH, F.(Org.). Handbook of the Economics of Education, v. 2, ed. Elsevier, 2006.

JORDAN, H. R.; MENDRO, R.L.; WEERASINGHE, D. Teacher Effects on Longitudinal Student Achievement. A Preliminary Report on Research on Teacher Effectiveness Presented at the CREATE Annual Meeting, Indianapolis, July 1997.

KANE, T.J.; ROCKOFF, J.E.; ESTAIGER, D.O., What does certification tell us about teacher effecti-veness? Evidence from New York City. Economics of Education Review 27, n. 6, p. 615-631, Dez. 2008.

LEVIN, J. For whom the reductions count: A quantile regression analysis of class size and peer effects on scholastic achievement. Empirical Economics, v.26, p. 221-246, 2001.

LOCHNER, L. Non-Production Benefits of Estimation: Crime, Health, and Good Citizenship, National Bureau of Economic Research, 2011.

MINCER, J. Human Capital and Economic Growth. National Bureau of Economic Research, n. 803, 1981.

SANDERS W.L.; RIVERS, J.C. Cumulative and Residual Effects of Teachers on Future Student Academic Achievement. Research Progress Report, 1996.

197 Capítulo 8

CAPITULO

8

A relação entre a adoção de métodosestruturados de ensino e o desempenho

escolar no ensino fundamental

André Portela Fernandes de Souza+

Vladimir Pinheiro Ponczek+

Priscilla Albuquerque Tavares+

1. Introdução

Nos últimos 15 anos, o debate educacional no Brasil tem se concentra-do em discutir políticas que visem à melhoria do aprendizado. Uma destas estratégias, iniciada na década de 1990, foi a descentralização do sistema educacional – caracterizada pela transferência da gestão das escolas de en-sino básico dos Estados para os municípios. Como parte deste processo, os municípios adquiriram autonomia para estabelecer o currículo escolar, res-peitando normas federais, bem como para escolher o material didático-pe-dagógico adotado nas escolas das redes municipais. Isto inclui a possibilida-de de contratação de serviços educacionais de organizações privadas.

Nesse caso são firmados acordos com essas instituições privadas, con-tratadas para desenvolver e fornecer o material didático usado pelos alunos e o material pedagógico para os professores, de forma a padronizar e siste-matizar as aulas, além de treinamentos para os professores. Nos últimos dez anos, no estado de São Paulo, cerca de um terço dos municípios contrataram instituições privadas que forneceram o que se convencionou chamar de mé-todos estruturados de ensino.

A experiência brasileira trouxe uma novidade: o desenvolvimento de um mercado privado de métodos estruturados de ensino em resposta à deman-da do setor público. Embora não haja competição entre as escolas públicas municipais, existe uma competição entre instituições privadas para desenvol-ver e fornecer métodos estruturados para os sistemas públicos municipais de ensino. O uso de sistemas privados em escolas públicas não é propriamente novo. Nos Estados Unidos, por exemplo, existem as chamadas charter schools, que se tornaram populares entre os formuladores de política por juntar os benefícios da competição privada sem comprometer o controle e supervisão do governo. Estas escolas incluem tanto elementos públicos quanto privados. Embora elas tenham autonomia para se desenvolverem de forma indepen-

+ Escola de Economia de São Paulo da Fundação Getulio Vargas (EESP/FGV).

198Capítulo 8

dente e tomar decisões, elas ainda dependem do financiamento público e o Estado tem responsabilidade sobre seu desempenho.

Da forma parecida com as charter schools, as escolas em municípios que adotam métodos estruturados são financiadas e supervisionadas pelo setor público, mas são administradas de forma privada no que diz respeito a deci-sões pedagógicas e de conteúdo curricular. No entanto, sua extensão é maior que a das charter schools, já que a adoção de métodos estruturados é válida para todas as escolas daquele município que faz esta opção. Nesse sentido, não existe uma competição entre escolas públicas regulares e escolas públi-cas que adotam métodos estruturados dentro de um município. Por outro lado, a adoção de métodos estruturados pode ser considerada mais restritiva que as charter schools em termos da capacidade de tomar decisões, uma vez que a primeira tem autonomia para decidir apenas sobre o conteúdo curri-cular e questões pedagógicas. Decisões a respeito da alocação de recursos humanos (como contratações, demissões e transferências de professores e diretores) permanecem nas mãos das autoridades públicas dos municípios.

No Brasil, a adoção de material didático privado é mais frequente em redes municipais. Entretanto, as redes estaduais também vêm estabelecen-do estratégias para a unificação do currículo e a implantação de materiais estruturados, como subsídio aos professores para o planejamento, preparo e condução das aulas. O caso da rede estadual de São Paulo ilustra uma des-tas experiências. Em 2007, foi criado o Programa São Paulo Faz Escola, com o objetivo de implantar o currículo pedagógico único para todas as escolas da rede. Para concretizar a unificação do currículo, a estratégia foi adotar material apostilado para os alunos e um material único para os professores, que organiza e indica o conteúdo a ser ministrado em cada aula e sugere estratégias de ensino-aprendizagem, bem como a adoção de materiais com-plementares. O programa ainda conta com treinamento de professores para o uso do material, por meio de cursos à distância.

Neste sentido, o material didático oferecido pelas redes estaduais tam-bém se caracteriza como método estruturado, uma vez que, além de es-truturar os conteúdos curriculares e as atividades pedagógicas por meio de materiais didáticos destinados a alunos e professores, ainda oferece capaci-tação e assessoria pedagógica ao corpo docente e permite a supervisão do cumprimento do currículo pelos gestores.

Em princípio, os efeitos do uso de métodos estruturados sobre o aprendi-zado não são inequívocos. A ideia por trás do uso deste tipo de material é estru-turar o conteúdo que deve ser absorvido pelos alunos. No entanto, muitos críti-cos ao seu uso argumentam que os professores acabam tendo pouca liberdade sobre o currículo, além de terem sua habilidade de ensinar comprometida. Além disso, embora os materiais apresentem tentativas inovadoras de ensino, isso

199 Capítulo 8

não significa que estas são de fato utilizadas pelos professores, já que para isso é necessário que eles disponham de tempo e disposição para assimilar aquele conteúdo e utilizá-lo em suas aulas, o que nem sempre se observa na prática.

O conteúdo ensinado pelos professores está fortemente relacionado ao entendimento destes do material, às suas crenças sobre o que é realmente relevante, à sua percepção do que seus alunos conseguem assimilar e, final-mente, à visão dos professores sobre o contexto escolar, o que faz com que o currículo seja em grande parte moldado pelos próprios professores, ou seja, nem tudo o que está no material proposto é realmente passado em sala de aula. Por outro lado, os materiais didáticos podem ser úteis se conseguirem ajudar os professores a programar melhor o desenvolvimento do conteúdo ao longo do ano letivo e a antecipar como as atividades propostas podem se desenvolver (possíveis respostas de alunos, exemplos de possíveis problemas que podem acontecer durante a realização das atividades, entre outros).

Sendo assim, conhecer os impactos da utilização de sistemas de ensino tor-na-se uma questão empírica. O objetivo deste estudo é fornecer evidências sobre a relação entre a adoção de métodos estruturados de ensino e o desempenho escolar no ensino fundamental, em escolas públicas. O texto se organiza da se-guinte forma: a próxima seção apresenta uma breve revisão da literatura; a seção 3 discute os dados e a metodologia utilizados e apresenta estatísticas descritivas; a seção 4 mostra e discute os resultados e a seção 5 tece considerações finais.


As evidências internacionais do impacto dos insumos escolares sobre o desempenho dos alunos, especialmente em relação a materiais pedagógi-cos são ambíguas. Lockheed e Hanushek (1987) mostram que a provisão de livros texto era, em média, o programa mais custo-efetivo em comparação ao treinamento de professores, rádio interativa, escolas técnicas, tutoria e aprendizado cooperativo em países em desenvolvimento.

O Banco Mundial relata estudos similares. Nas Filipinas a provisão de ma-terial combinada à parceria entre pais e professores teve um impacto positivo sobre o desempenho e contribuiu para a redução da evasão escolar, sendo mais custo-efetiva que a provisão de livros-texto exclusivamente. Na Nicarágua, a ex-periência da adoção de um programa de provisão de livros-texto que incluía o monitoramento de seu uso em sala de aula teve um efeito positivo sobre o de-sempenho dos alunos em termos de nota, mas mostrou-se menos efetiva que um programa de rádio educativa. Glewee, Kremer e Moulin (2007) mostram que a provisão de livros-texto no Quênia teve impacto positivo sobre o desempenho dos alunos, mas apenas dentre aqueles que já tinham as melhores notas.

200Capítulo 8

O impacto do treinamento de professores em serviço sobre o desem-penho dos alunos também é ambíguo. Angrist and Lavy (2001) mostram que o treinamento de professores em serviço em Jerusalém aumentou as notas em provas dos alunos do ensino básico de escolas públicas e foi mais cus-to-efetivo que reduzir o tamanho das turmas ou aumentar a carga horária de aulas. Por outro lado, Jacob e Lefgren (2004) não encontraram impacto de aumentos marginais no desempenho que sejam fruto do treinamento de professores em serviço no sistema público de ensino de Chicago.

Esses resultados nos levam a crer que políticas combinadas são mais efetivas que as isoladas. Este é justamente o ponto central dos métodos es-truturados, que englobam a organização curricular, a provisão de materiais pedagógicos e o treinamento de professores.

Para o caso brasileiro, há poucas evidências sobre a eficácia deste tipo de política. O trabalho de Leme et. al. (2012) realiza o esforço de coletar as informações das redes municipais paulistas sobre a adoção de métodos es-truturados. Os autores estimam a relação entre o uso destes materiais (com-binado com treinamento e assessoria didático-pedagógica a professores) e o desempenho dos alunos do ensino fundamental (5º e 9º anos) nos exames de língua portuguesa e matemática da Prova Brasil. Os resultados apontam que as redes municipais que adotaram métodos estruturados depois de 2005 obtiveram maiores ganhos de proficiência entre 2005 e 2007 na Prova Brasil, comparativamente às redes que não possuem estes recursos. Entre-tanto, não é possível tomar este resultado como impacto causal da adoção de métodos estruturados, uma vez que pode haver seleção das redes que optam por contratar estes serviços educacionais privados.

3. Dados, Estatísticas Descritivas e Metodologia

Neste capítulo, o estudo da relação entre a adoção de métodos estru-turados e o desempenho escolar é realizado a partir da utilização dos micro-dados coletados pela pesquisa de campo que faz parte do âmbito do Projeto BNDES – Impacto de Políticas Públicas Educacionais Selecionadas no Desem-penho Escolar de Alunos da Rede Pública de Ensino.

A pesquisa, que foi a campo no segundo semestre de 2012, incluiu a reali-zação de testes de proficiência nas disciplinas de língua portuguesa e matemá-tica a 35.903 estudantes do ensino fundamental (11.536 no 4º ano; 12.429 do 6º ano e 11.938 do 8º ano) em 300 escolas. Também foram aplicados questio-nários aos diretores, professores e alunos. Além de coletar informações socioe-conômicas, estes instrumentos investigam aspectos relacionados a diferentes políticas educacionais, dentre as quais a presença de métodos estruturados.

201 Capítulo 8

Do total de 300 escolas, 26 (9%) afirmam adotarem ou já terem ado-tado métodos estruturados. A maioria delas (216 escolas – 72%) afirma nunca ter utilizado este tipo de metodologia de ensino. Para 58 escolas (19%) esta informação não está disponível (gráfico 01). Do total de alunos incluídos na pesquisa, menos de 10% estudam em escolas que possuem sistemas de ensino: são 8% no 4º ano do ensino fundamental; 7% no 6º ano e 8% no 8º ano (gráfico 2).

Gráfico 1 – Distribuição das escolas, segundo a adoção de métodos estruturados


Gráfico 2 – Distribuição dos alunos expostos aos sistemas de ensino

Fonte: Pesquisa BNDES (Questionário do Diretor e Microdados do Exame). Elaboração própria.

202Capítulo 8

Com relação ao tempo de utilização do método estruturado, nove es-colas (35%) adotam métodos estruturados há cinco anos ou mais. O restan-te delas distribui-se quase uniformemente no tempo de utilização de um a quatro anos (gráfico 3). Das 26 escolas que possuem métodos estruturados, apenas uma afirma ter havido interrupções no uso do sistema de ensino, desde sua implantação. Nesta escola, o método foi adotado há cinco anos ou mais. Assim, o tempo de adoção do método se iguala ao tempo de uso do material em todas as escolas da amostra.

Gráfico 3 – Distribuição das escolas, segundo o tempo de uso dos sistemas de ensino


Dentre as 26 escolas que afirmam adotar métodos estruturados, quase todas dizem utilizar os materiais para o ensino de língua portuguesa (25) e matemática (24). Na maioria das escolas, o material dos sistemas de ensino também é utilizado em outras disciplinas, tais como Geografia (19 escolas), História (20 escolas) e Ciências (21 escolas). Além disso, quase todas as es-colas que adotam sistemas de ensino utilizam o material nas séries finais de cada ciclo do ensino fundamental. Das 15 escolas que oferecem o ciclo 01, todas utilizam o material no 5º ano. Já das 12 escolas que oferecem o ciclo 02, 11 utilizam o material no 9º ano. Quase todas estendem o uso do mate-rial para as demais séries – 1º ao 4º ano e 6º ao 8º ano (gráfico 4).

A pesquisa também investigou qual é o sistema adotado pelas esco-las. Para as finalidades desta pesquisa, esta informação é de suma impor-tância, pois ajuda a identificar quais escolas adotam sistemas de ensino públicos ou privados.

203 Capítulo 8

Gráfico 4 – Número de escolas, segundo o uso de material estruturado por série

Fonte: Pesquisa BNDES (Questionário do Diretor). Elaboração própria.

A tabela 1 apresenta a distribuição das escolas, segundo a adoção de métodos estruturados e o sistema de ensino que possuem. Do total das 26 escolas que adotam métodos estruturados, só é possível afirmar que o sis-tema de ensino trata-se de método estruturado privado em duas escolas que afirmam utilizar os materiais ‘SABE’ e ‘SAME’. Estas escolas localizam-se, respectivamente, em Ribeirão Claro (Paraná) e em Santana de Parnaíba (São Paulo). Uma das escolas que adotam métodos estruturados não respondeu qual é o tipo de sistema de ensino adotado. As demais 23 escolas afirmam adotar ‘Outros’ métodos.

Tabela 1 – Distribuição das escolas, segundo a adoção de métodosestruturados e tipo de sistema de ensino utilizado


Adotam Não adotam

NAME-COC 0 0SABE 1 0SAME 1 0OPET 0 0Expoente 0 0Outros 23 16Não responderam 1 258

204Capítulo 8

É possível que estes ‘Outros’ sistemas de ensino se refiram aos mate-riais fornecidos pelas secretarias de educação das redes públicas. Entre as 23 escolas que afirmam adotar métodos estruturados de ‘Outros’ sistemas de ensino, 12 são escolas estaduais. Destas, nove estão localizadas no Estado de São Paulo e afirmam adotar o método há 4 anos (3 escolas) ou há 5 anos ou mais (6 escolas). Sendo assim, é possível sugerir que estas unidades escolares possuem métodos estruturados, já que a rede estadual de São Paulo adotou o Programa São Paulo Faz Escola em 2007. As outras três escolas estaduais localizam-se nos Estados do Amazonas (Coari), Ceará (capital) e Pará (capital).

As demais 11 escolas que dizem adotar métodos estruturados de ‘Ou-tros’ sistemas de ensino são municipais e estão distribuídas em diferentes Uni-dades da Federação: uma no Amazonas (Manaus), uma na Bahia (Salvador), uma no Mato Grosso (Alto Taquari), três no Rio de Janeiro (capital) e cinco em São Paulo (capital). Destas, quatro escolas afirmam que o material é fornecido pelo governo e não é privado. Estas se localizam no Rio de Janeiro ou em São Paulo. De fato, as redes municipais de São Paulo e do Rio de Janeiro fornecem material pedagógico, nos moldes de sistemas de ensino estruturados.

Curiosamente, 16 escolas afirmam não adotar métodos estruturados, mas dizem utilizar ‘Outros’ sistemas de ensino. Seis destas escolas pertencem às redes estaduais da Bahia, Mato Grosso do Sul, Rio de Janeiro, Rio Grande do Norte, Rio Grande do Sul e São Paulo. As outras dez localizam-se em redes municipais de Rio Branco (Acre – 1 escola), Manaus (Amazonas – 1 escola), Fortaleza (Ceará – 3 escolas), Paracuru (Ceará – 1 escola), Uberlândia (Minas Gerais – 1 escola), Barcarena (Pará – 1 escola), Natal (Rio Grande do Norte – 1 escola), Cedro de São João (Sergipe – 1 escola). Com exceção das escolas das redes estaduais do Rio de Janeiro e de São Paulo, não é possível afirmar que esta informação reflita de fato a adoção de sistemas de ensino estruturados.

Na próxima seção, são apresentadas estimativas da relação entre a adoção de métodos estruturados e a proficiência dos alunos do ensino fun-damental. Esta relação é medida pelo modelo de regressão descrito abaixo:

em que:yis é a nota do aluno i na escola s;MEis é a variável que indica se a escola possui métodos estruturados;MEPis é a variável que indica se a escola possui métodos estrutura-

dos privadosRs é uma variável que indica se a escola pertence à rede municipal;Xis é um vetor de características dos alunos.εis inclui características não-observáveis dos alunos e das escolas.

205 Capítulo 8

São estimadas regressões separadamente para cada série (4º, 6º e 8º ano do ensino fundamental) e para cada disciplina (língua portuguesa e ma-temática). O vetor de características dos alunos inclui a idade, dummies para a cor branca, menino e ter frequentado pré-escola. As regressões ainda in-cluem dummies para as Unidades da Federação.

Diante da descrição acima, fica claro que a identificação das escolas que adotam e não adotam métodos estruturados nesta base de dados não é muito simples. Sendo assim, nestes modelos, optou-se por incluir na amos-tra como grupo de tratamento as escolas que afirmam adotar métodos es-truturados, independente do tipo de sistema adotado, e como grupo de controle as escolas que afirmam não adotar métodos estruturados e que não respondem a nenhuma outra questão relacionada ao tema. Assim, as 16 escolas que dizem adotar ‘Outros’ métodos, a despeito de afirmarem não possuir métodos estruturados foram excluídas da amostra. A variável que indica se o material adotado é proveniente de sistemas privados assume va-lor 1 para as duas escolas que afirmam empregar os sistemas SAME e SABE.

4. Resultados

As tabelas 2 a 4 a seguir apresentam os resultados das regressões descri-tas acima, respectivamente para o 4º, o 6º e o 8º ano do ensino fundamental.

Língua Portuguesa Matemática Método estruturado 10,855*** 10,537*** 13,093*** 13,014*** (1,765) (1,981) (1,710) (1,933)Método estruturado privado 21,788*** 12,913** 18,638*** 7,808 (5,424) (5,551) (5,256) (5,418)Rede Municipal 2,424* 3,074** (1,417) (1,383)Menino -5,185*** 2,006* (1,206) (1,177)Branco 5,542*** 4,799*** (1,272) (1,242)Idade -4,711*** -3,457*** (0,637) (0,621)Frequentou pré-escola 4,668*** 4,684*** (1,295) (1,264)Constante 176,579*** 211,900*** 185,203*** 197,449*** (0,588) (14,944) (0,570) (14,586)Dummies de UF Não Sim Não SimNúmero de observações 6.056 4.359 6.056 4.359

Tabela 2 – Estimativas (4º ano do ensino fundamental)


206Capítulo 8

Língua Portuguesa Matemática Método estruturado 8,752*** 3,485* 10,567*** 5,330*** (1,714) (1,843) (1,622) (1,742)Método estruturado privado -1,868 0,345 -3,347 -1,551 (6,555) (6,554) (6,202) (6,196)Rede Municipal 1,331 4,080*** (1,153) (1,090)Menino -9,348*** 4,364*** (0,965) (0,913)Branco 7,286*** 7,680*** (1,066) (1,007)Idade -5,102*** -5,404*** (0,425) (0,401)Frequentou pré-escola 9,396*** 8,820*** (1,102) (1,042)Constante 200,346*** 238,877*** 212,704*** 245,435*** (0,495) (8,550) (0,468) (8,083)Dummies de UF Não Sim Não SimNúmero de observações 8.666 7.327 8.666 7.327

Língua Portuguesa Matemática Método estruturado 0,516 -2,874* 0,77 -0,964 (1,604) (1,743) (1,467) (1,598)Método estruturado privado -4,585 -4,205 5,415 1,933 (5,322) (5,226) (4,866) (4,791)Rede Municipal 0,531 -1,509 (1,191) (1,092)Menino -12,773*** 3,139*** 0,984 0,902Branco 8,327*** 7,911*** (1,077) 0,987Idade -4,165*** -4,131*** 0,421 0,386Frequentou pré-escola 10,091*** 7,519*** (1,172) (1,074)Constante 219,435*** 250,137*** 228,206*** 260,528*** 0,509 (11,196) 0,465 (10,265)Dummies de UF Não Sim Não SimNúmero de observações 8.115 7.041 8.116 7.042





Em todas as séries, a dummy que indica o gênero masculino é estatis-ticamente significante e associa-se negativamente à proficiência em língua portuguesa e positivamente à proficiência em matemática, resultado padrão

207 Capítulo 8

encontrado na literatura. Outro resultado padrão também observado nestas estimativas refere-se à dummy de cor ou raça, que indica correlação positiva entre a cor branca e as notas nos exames padronizados. A idade – que reflete uma medida de atraso escolar – associa-se negativamente ao resultado dos testes: quanto mais velho for o estudante, menor é sua nota em língua portu-guesa e matemática em qualquer série avaliada. Os coeficientes destas duas variáveis mostram-se estatisticamente significantes em todas as regressões. Quanto à variável que indica o momento de entrada dos estudantes na escola, os resultados encontrados mostram associação positiva e estatisticamente sig-nificante entre a frequência à pré-escola e as notas. Este padrão é encontrado nas regressões para língua portuguesa e matemática, em todas as séries.

A dummy que aponta se o aluno estuda em uma escola da rede mu-nicipal quase sempre apresenta coeficiente estimado positivo (a exceção é encontrada na regressão para o 8º ano do ensino fundamental, em ma-temática), indicando que estudantes das redes municipais possuem notas mais elevadas do que os alunos das redes estaduais. Apenas nas regres-sões para o 4º ano e para o 6º ano em matemática, as estimativas são estatisticamente significantes.

A variável que indica se o aluno estuda em uma escola que adota mé-todos estruturados de ensino possui coeficiente positivo e estatisticamente significante nas regressões para língua portuguesa e matemática no 4º e no 6º ano do ensino fundamental. No 8º ano, os resultados não são robustos e o único coeficiente estatisticamente diferente de zero é negativo (regressão para língua portuguesa, com controles). Assim, nesta base de dados, encon-tra-se relação positiva entre a adoção de sistemas de ensino e as notas dos estudantes em testes padronizados, no 4º e 6º anos do ensino fundamental. O mesmo não se pode dizer em relação ao 8º ano.

A comparação dos coeficientes das variáveis ‘métodos estruturados’ e ‘métodos estruturados privados’ mostra a diferença de notas entre alunos que estudam em escolas com sistemas de ensino públicos e privados. As es-timativas encontradas neste estudo não permitem afirmar inequivocamente que existam diferenças, em termo de ganhos de aprendizado, entre métodos provenientes do governo ou de sistemas de ensino do setor privado. Isto por-que o coeficiente da dummy para métodos estruturados privados é positivo e estatisticamente diferente de zero apenas nas regressões para o 4º ano (com exceção do modelo para matemática, com adição de controles). Nos demais modelos, os coeficientes estimados não apresentam significância estatística.

É preciso ressaltar que os resultados apresentados neste estudo apon-tam apenas para as possíveis relações existentes entre o fato de o aluno estudar em uma escola que adota algum sistema de ensino, seja ele público ou privado, e suas notas em exames padronizados de proficiência. Os re-

208Capítulo 8

sultados devem ser interpretados com cautela. Não podemos concluir que a diferença de notas estimada seja fruto da adoção de sistemas de ensino. Em outras palavras, não podemos reivindicar que o fato de as escolas ado-tarem sistemas de ensino cause o aumento observado nas notas. A principal explicação para isto reside na existência de alguns atributos das redes e das escolas que, em princípio, podem estar correlacionados com a decisão da escola ou rede de implantar métodos estruturados e, ao mesmo tempo, es-tar correlacionado com o desempenho dos alunos. No entanto, uma vez que não conseguimos observar estas características, mesmo que de forma im-precisa (via proxies, por exemplo), não somos capazes de controla-las. Além disso, não somos capazes de utilizar técnicas econométricas mais sofistica-das, que dariam conta de lidar com o problema de viés de seleção, uma vez que estamos restritos pela natureza dos dados e pelo reduzido número de observações - escolas que adotam métodos estruturados.

5. Estudos de caso

Nesta seção, apresentamos o estudo dos dois casos de escolas que afir-mam adotar sistemas de ensino privados (SAME e SABE), presentes no ban-co de dados da pesquisa de campo do Projeto BNDES – Impacto de Políticas Públicas Educacionais Selecionadas no Desempenho Escolar de Alunos da Rede Pública de Ensino.

A escola que adota o sistema SAME localiza-se em Santana de Parnaíba (São Paulo), pertence à rede municipal e oferece o primeiro e o segundo ciclos do ensino fundamental. Nos exames de língua portuguesa e matemá-tica aplicados no âmbito da pesquisa, 384 alunos realizaram as provas (96 do 4º ano, 144 do 6º ano e 144 do 8º ano). Nesta escola, o diretor é do sexo masculino e possui ensino superior. O regime escolar é seriado e não orga-nizado em ciclos. Além disso, a escola oferece atividades de contraturno ou jornada ampliada. Já a escola que emprega o sistema SABE pertence à rede municipal de Ribeirão Claro (Paraná) e oferece o primeiro ciclo do ensino fundamental. Esta escola é bem menor, sendo que 48 alunos do 4º ano par-ticiparam das provas aplicadas pela pesquisa. Esta escola é dirigida por uma mulher, que também possui ensino superior. Nesta escola, está implantado o regime de ciclos e não há atividades realizadas no contraturno.

Estas escolas adotam métodos estruturados há quatro anos e desde que o implantaram, não houve interrupções em seu uso. O material do sis-tema de ensino é utilizado em todas as séries, nas aulas de Língua Portu-guesa, Matemática, Ciências, Geografia e História. Há uma boa percepção quanto à adoção de métodos estruturados nas escolas, no sentido de re-

209 Capítulo 8

duzir a dificuldade de sua gestão (opinião do diretor), elevar a qualidade do ensino (opinião dos professores) e melhorar o aprendizado dos alunos (opinião dos pais dos estudantes).

Entre as escolas que empregam sistemas de ensino, as notas médias em língua portuguesa são mais elevadas do que entre as demais escolas, principalmente no 4º e no 6º ano do ensino fundamental. No 4º ano, as no-tas médias de língua portuguesa nas escolas que adotam sistemas privados são maiores do que as observadas nas escolas que utilizam outros métodos. Já no 6º e no 8º ano, ocorre o inverso: as médias nesta disciplina são me-nores na escola que utiliza o sistema SAME do que nas outras escolas que empregam métodos estruturados (tabela 5).

Adotam Não adotam SAME SABE Outros

4º ano 189,5 175,4 197,5 236,1 183,36º ano 208,9 200,1 207,2 209,18º ano 219,6 219,4 215,4 219,9

Adotam Não adotam SAME SABE Outros

4º ano 200,1 184,3 200,4 254,7 192,86º ano 223,1 212,4 219,9 223,38º ano 229,4 228,1 234,4 228,9

Tabela 5 – Notas de língua portuguesa, segundo a adoçãode métodos estruturados e o tipo de sistema

Tabela 6 – Notas de matemática, segundo a adoçãode métodos estruturados e o tipo de sistema

Fonte: Pesquisa BNDES-2012 (Microdados dos exames). Elaboração própria.

Fonte: Pesquisa BNDES-2012 (Microdados dos exames). Elaboração própria.

Na disciplina de matemática, também são observadas notas médias mais elevadas entre as unidades escolares que adotam sistemas de ensi-no, especialmente no 4º e no 6º ano do ensino fundamental. No 4º ano, as escolas que usam métodos privados possuem médias em matemática mais elevadas do que nas escolas que utilizam outros métodos. O mesmo ocorre no 8º ano, em que a escola que adota o sistema SAME possui nota média nesta disciplina do que nas demais escolas. Entretanto, no 6º ano ocorre o inverso (tabela 6).


A adoção de sistemas de ensino por escolas públicas vem crescendo no Brasil. Em princípio, os efeitos do uso de métodos estruturados sobre o

210Capítulo 8

aprendizado dos alunos não são inequívocos. O uso destes métodos pode auxiliar as escolas a estruturar e organizar o currículo, além de ajudar os professores na preparação e desenvolvimento das aulas, com propostas pe-dagógicas mais inovadoras. Por outro lado, a eficácia da utilização destes materiais depende da aceitação e da adaptação dos professores ao con-teúdo e práticas pedagógicas propostos. Assim, conhecer os impactos da utilização de sistemas de ensino torna-se uma questão empírica. Este estu-do teve como principal objetivo fornecer evidências sobre a relação entre a adoção de métodos estruturados de ensino e o desempenho escolar no ensino fundamental, em escolas públicas.

Os resultados indicam uma relação positiva entre a adoção de sistemas de ensino e as notas dos estudantes em testes padronizados, no 4º e 6º anos do ensino fundamental. O mesmo não se pode dizer em relação ao 8º ano. Além disso, as estimativas encontradas neste estudo não permitem afirmar inequivocamente que existam diferenças, em termo de ganhos de aprendi-zado, entre métodos provenientes do governo ou de sistemas de ensino do setor privado. Estes resultados devem ser interpretados com cautela. Não é possível inferir que a diferença de notas encontrada seja causada pela ado-ção de sistemas de ensino, já que deve haver diversas características das redes e das escolas que podem, ao mesmo tempo, correlacionar-se com a decisão de implantar métodos estruturados e com o aprendizado dos estu-dantes. Entretanto, não somos capazes de observar estes atributos e, por-tanto, de controlá-los. Ademais, a natureza dos dados e o baixo número de observações (escolas que adotam métodos estruturados), não nos permi-tem empregar técnicas econométricas mais sofisticadas, que lidem com os possíveis problemas de viés de seleção.


ANGRIST, J.; LAVY, D. V. Does Teacher Training Affect Pupil Learning? Evidence from Matched Comparisons in Jerusalem Public Schools. Journal of Labor Economics, v. 19, n. 2, p. 343-369, 2001.

GLEWWE. P.; KREMER, M.; MOULIN, S. Many Children Left Behind? Textbooks and Test Scores in Kenya. NBER Working Paper Series WP n. 13300, 2007.

JACOB, B.; LEFGREN, L. The Impact of Teacher Training on Student Achievement: Quasi-Expe-rimental Evidence from School Reform Efforts in Chicago. Journal of Human Resources, v. 39, n. 1, 2004.

LEME, M. C.; LOUZANO, P.; PONCZEK, V.; DE SOUZA, A. P. F. The Impact of Structured Teaching Methods on the Quality of Education in Brazil. Economics of Education Review, v. 31, p. 850-860, 2012.

LOCKHEED, M.; HANUSHEK, E. Improving the Efficiency of Education in Developing Countries: Re-view of the Evidence. Discussion Paper Education and Training Series. The World Bank, 1987.

211 Capítulo 9

CAPITULO

9

Identificação e Análise dasExperiências de

Sucesso Educacional

Tufi Machado Soares*Amaury Patrick Gremaud+

1. Introdução

Um elemento chave na pesquisa sobre eficácia escolar é o seu foco longitudinal (cf. Ferrão & Couto, 2013). No entanto, existe no Brasil uma ca-rência de estudos longitudinais e as medidas de desempenho dos alunos acabam sendo obtidas em estudos transversais, particularmente, por meio das avaliações em larga escala como a Prova Brasil. Nesse contexto, para compensar essa limitação, o presente estudo procura avaliar as medidas de proficiência em anos escolares não avaliados habitualmente nas avaliações em larga escala tradicionais. Por outro lado, a identificação de escolas que apresentam bons resultados educacionais,vis a vis o perfil socioeconômico, cultural e familiar de seu aluno, é possível por meio do emprego de modelos com estruturas hierarquizadas.

Dois estudos foram realizados neste trabalho. No primeiro, emprega-se uma metodologia que considera o efeito da condição socioeconômica nos resultados dos alunos (que será apresentada na seção 2.2), no qual as escolas são divididas em três grupos: 40 de maiores valores agregados, 40 de menores valores agregados, e as demais. Procura-se, então, identificar e analisar as variáveis escolares que se diferenciam entre os dois grupos de escolas de maiores e menores valores agregados. O objetivo é tentar expli-car as experiências de maior sucesso educacional em comparação com as de menor sucesso. São usadas, para isso, as bases de dados do projeto BNDES, do Censo Escolar e da Prova Brasil. No segundo estudo, por meio de modelos lineares hierárquicos, é analisada a associação das variáveis relacionadas ao Clima Escolar das escolas, medidas através dos instrumentos aplicados aos professores na Prova Brasil, com as proficiências dos alunos medidas nos testes do projeto BNDES. Em ambos os estudos o foco é obter as associações entre as variáveis escolares e as proficiências cognitivas dos alunos.

* Universidade Federal de Juiz de Fora; + Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto – Universidade de São Paulo (FEA-RP/USP)

212Capítulo 9

O trabalho se organiza da seguinte forma. Na seção 2 são apresentados os indicadores e as variáveis usadas nos estudos, os modelos e métodos ana-líticos incluindo os utilizados na construção dos indicadores e na análise de associação das variáveis com os resultados dos alunos. Nas seções 3 e 4 são apresentados os resultados encontrados para os estudos I e II.

2. Métodos e Técnicas de Análise

2.1 Indicadores e Variáveis Utilizadas nos Estudos

Os estudos utilizaram os dados coletados no projeto BNDES, mas tam-bém dados do censo escolar de 2012 e os dados da Prova Brasil de 2011. A se-guir são apresentados os indicadores e as variáveis empregadas nas análises.

Indicador de Recursos em Infraestrutura (CENSO ESCOLAR)

A base do Censo Escolar (2012) é composta, entre outros, por 43 itens que caracterizam a infraestrutura da escola, entre eles, por exemplo, o que avalia se a escola possui sala de professores, banheiro adaptado, recursos didáticos - como retroprojetor, DVD, acesso à internet banda larga etc. Uma listagem completa dos itens usados na construção desse indicador se en-contra no ANEXO 2. Um indicador de Recursos em Infraestrutura das esco-las foi construído utilizando-se essas bases de respostas. Esse indicador foi produzido por meio de modelos da TRI de dois parâmetros e modelos para respostas graduada utilizando-se o software Parscale® (cf. Muraki & Bock, 1995) – ver ANEXO V. As análises da dimensionalidade e da consistência in-terna do indicador foram realizadas por meio de técnicas de análise fatorial para dados dicotômicos utilizando-se o software Testfact (cf. Wilson et al, 1998) – ver anexo IV para maiores detalhes. Uma descrição sucinta dessas técnicas empregadas é apresentada nos anexos de IV a VI.

Indicadores do Clima Escolar (PROVA BRASIL)

As bases de dados da PROVA BRASIL (2011) forneceram os dados para construção de indicadores ligados a algumas dimensões do Clima Escolar. Especificamente, foram utilizadas as respostas dos professores às ques-tões de 46 a 82. Foram utilizadas técnicas de análise fatorial para dados ordinais, utilizando-se o software LISREL, com o objetivo de se analisar a dimensionalidade e a consistência interna dos indicadores das dimensões do Clima Escolar avaliadas.

213 Capítulo 9

As medidas dos indicadores foram obtidas por meio de modelos de res-postas graduadas da TRI utilizando-se o software PARSCALE. O Quadro 01 contém a relação dos constructos obtidos através das bases da PROVA BRA-SIL. Uma apresentação detalhada desses indicadores e dos itens utilizados na sua construção pode ser encontrada no ANEXO I.

Quadro 1 – Constructos (Prova Brasil)

Constructos

Atribuição do baixo aprendizado às causas exógenas, intrínsecas à escolaAtribuição do baixo aprendizado às causas exógenas, extrínsecas à escolaPercepção do incentivo do diretorPercepção de Coesão e trabalho em equipePercepção de Carência de recursos pedagógicos e financeirosAbsenteísmo de professores e alunosEmpenho do Professor de Língua PortuguesaEmpenho do Professor de Matemática

Características da Escola Medidas no Projeto BNDES

Finalmente, a partir das bases de respostas dos alunos no projeto BN-DES foram obtidas algumas variáveis de escola e construído um indicador de posse de recursos de informática, cuja metodologia de construção seguiu os mesmos passos descritos na produção dos demais indicadores. O Quadro 02 contém a relação das variáveis de escola medidas através dos instrumentos do projeto BNDES utilizadas neste trabalho.

Quadro 2 – Variiáveis de Escola–Projeto BNDES


Variáveis

Percentual médio de escolas que oferece Atividades complementares na escola ou 2° turno (Q35)Percentual médio de alunos que participa de atividades do contraturno (Q36)Percentual médio de alunos que frequentam Aulas de Reforço no contraturno (Q38)Percentual médio de alunos que participam de algum Esporte no contraturnoPercentual médio de alunos que frequentam aulas de Artes no contraturnoPercentual médio de alunos que frequentam aulas de Música no contraturnoPercentual médio de alunos que praticam algum tipo de RecreaçãoPercentual de alunos que praticam Outras atividades no contraturnoPercentual médio de alunos que prefeririam estudar em outra escola pública do mesmo município (Q42)Percentual médio de alunos que alegam que suas escolas oferecem prêmios para os alunos se os resultados da prova Brasil forem bons (Q46)Percentual médio de alunos que alegam que seus professores ensinam “truques” e/ou “ma-cetes” para fazer a Prova Brasil (Q47)Indicador de posse de recursos de Informática

214Capítulo 9

2.2 Cálculo do valor agregado das escolas

Sabe-se, historicamente, que a proficiência do aluno está fortemente relacionada às condições socioeconômicas familiares. Essa variável tem sido muito utilizada como uma variável de controle em estudos de análise contex-tual. Dada à dificuldade de se inquirir o aluno diretamente sobre a renda de sua família, foram formuladas questões que avaliavam itens de conforto (gela-deira, máquina de lavar, entre outros) e itens associados aos hábitos de caráter cultural (computadores e livros). A partir desses itens e por meio de modelos da Teoria da Resposta ao Item – TRI (ver anexo V), foi construído um indicador da condição socioeconômica dos alunos, ISE. Esse indicador reflete de forma mais fidedigna as condições socioeconômicas e culturais dos alunos do que qualquer outro indicador externo utilizado para classificar segmentos sociais, já que ele foi extraído da própria população a qual se pretende estudar.

Utilizando-se de Modelos Lineares Hierárquicos (ver o anexo VI), foi possível realizar o cálculo do valor esperado para cada aluno em ambas as disciplinas avaliadas, com base em seu ISE e o ISE médio de sua escola. O modelo empregado é apresentado a seguir:

0 1

0 0 1 0

ij j ij ij

jj j

Y ISE

ISE u

π π ε

π γ γ

= + +

= + +

0 1

0 0 1 0

ij j ij ij

jj j

Y ISE

ISE u

π π ε

π γ γ

= + +

= + +

No modelo com estrutura hierárquica apresentado acima, i representa o aluno e j a sua escola, assim, ijY representa a proficiência do aluno i na escola j, ijISE representa o índice socioeconômico do aluno i na escola j –usado aqui, também, como uma proxy de uma proficiência prévia (baseline) do aluno, jISE representa o índice socioeconômico médio da escola j, 0 jπ representa a proficiência média agregada pela escola j aos seus alunos, 1π representa o efeito da condição socioeconômica do aluno. Note-se que, a proficiência média agregada pela escola j aos seus alunos é representada na segunda equação da estrutura hierárquica, onde 0γ representa a mé-dia de proficiência agregada por todas as escolas, 1γ representa o efeito da condição socioeconômica medida da escola e, finalmente, 0 ju representa o resíduo da proficiência agregada pela escola, não explicada pela condição socioeconômica dos alunos. Portanto, descontando-se o efeito da condição socioeconômica dos alunos, 0 ju pode ser interpretado como a parcela da proficiência agregada ao aluno pela escola.

Obtendo-se da equação acima a proficiência estimada para cada aluno, considera-se, neste trabalho, que o valor agregado do aluno em determinada disciplina e determinado ano escolar é igual à diferença entre a proficiência

215 Capítulo 9

observada e a estimada pelo modelo. Os cálculos foram feitos utilizando-se o software HLM for Windows 2001, versão 5.04, (cf. Stephen Raudenbush, Anthony Bryk e Richard Congdon, 2000). Assim, para cada escola, foram calculadas seis medidas de valor agregado, para cada um dos três anos escolares avaliados (4º, 6º e 8º) e cada uma das disciplinas: Língua Portuguesa e Matemática.

Cada uma dessas medidas foi ranqueada da seguinte forma: o menor valor recebeu o posto igual a 1, o segundo menor o valor 2 e assim por dian-te, até o total de escolas da amostra. Assim, para cada escola, obtiveram-se seis diferentes postos. Finalmente, a medida final de valor agregado da escola foi a média dos seus 6 postos. Selecionou-se, então, as 40 escolas de menores valores agregados (denominadas, aqui, genericamente, de escolas com Baixo Valor Agregado) e as 40 de maiores valores (denominadas de es-colas de Alto Valor Agregado). A análise das diferenças entre essas escolas é o principal objetivo do trabalho.

3. Estudo I: Análise das diferenças entre asescolas de baixo e alto valor agregado

A fim de se avaliar se há diferenças estatisticamente significativas en-tre os dois grupos mais extremos (o de maior e o de menor valor agregado) foram empregados Teste t de Student, caso os dados sejam normalmente distribuídos, e a Prova U de Mann-Whitney, caso contrário. Os resultados são apresentados na tabela 1 a seguir. As variáveis e indicadores apresentados em negrito são as que apresentam diferenças significativas para os dois grupos.

Os resultados indicam que as variáveis associadas à existência de contra-turno são muito similares nos dois grupos analisados (de Baixo Valor Agregado e Alto Valor Agregado), exceto para os percentuais de alunos que frequentam aulas de reforço e aulas de música, em ambos os casos com percentuais maio-res para os alunos que pertencem a escolas ao grupo de baixo valor agregado. É razoável supor que, provavelmente, o percentual de alunos em aulas de re-forço seja maior naquelas escolas com maior incidência de alunos com baixa proficiência, o que torna esse resultado o esperado. Por outro lado, não há uma explicação a priori para o fato de o percentual de alunos que assistem às aulas de música ser maior no grupo de escolas de baixo valor agregado – ne-cessitando, portanto, uma investigação mais detalhada. De qualquer forma, os resultados indicam que não há grandes diferenças entre os dois grupos no que se refere à participação no contraturno, o que sugere que os modelos de escola em tempo integral, ou outros modelos de extensão da jornada escolar, estão produzindo muito pouco efeito nas proficiências dos alunos e na supe-ração das desigualdades dentro das escolas e entre as escolas.

216Capítulo 9

Tabela 1- Comparação das diversas variáveis ao longo dos grupos de valor agregado Classificação das escolas Variáveis/Indicadores Baixo Valor Alto Valor p-valor da Agregado Agregado diferença Projeto BNDESPercentual médio de escolas que oferece Atividades 53,01 (10,91) 49,8 (0,24) 0,504a

complementares na escola ou 2° turno (Q35) Percentual médio de alunos que participam de atividades do contraturno (Q36) 56,67 (15,1) 50,4 (0,2) 0,109 a

Percentual médio de alunos que frequentam Aulas 22,09 (10,29) 17,8 (0,15) 0,011 ade Reforço no contraturno (Q38) Percentual médio de alunos que participam de 36,27 (10,21) 40,5 (0,18) 0,115 aalgum Esporte no contraturno Percentual médio de alunos que frequentam aulas 10,99 (6,98) 8,8 (0,07) 0,126 a

de Artes no contraturno Percentual médio de alunos que frequentam aulas 8,46 (4,33) 6,2 (0,05) 0,010 a

de Música no contraturno Percentual médio de alunos que praticam algum 5,68 (4,52) 9,5 (0,18) 0,867 atipo de Recreação Percentual de alunos que praticam Outras atividades 16,51 (6,11) 17,2 (0,13) 0,691 ano contraturno Percentual médio de alunos que prefeririam estudar 38,96 (9,81) 22,7 (0,11) <0,001 aem outra escola pública do mesmo município (Q42) Percentual médio de alunos que afirmam que suas escolas oferecem prêmios para os alunos se os 27,86 (14,17) 17,7 (0,15) <0,001 aresultados da prova Brasil forem bons (Q46) Percentual médio de alunos que alegam que seus professores ensinam truques e/ou “macetes” para 33,33 (11,46) 31,4 (0,17) 0,510 a

fazer a Prova Brasil (Q47) Indicador de posse de bens relacionados à Informática 0,04 (1,11) -0,05 (1,24) 0,729 b

Indicador geral de Infraestrutura da escola -0,39 (1,44) 0,13 (0,65) 0,044 b(Censo Escolar) PROVA BRASILAtribuição do baixo aprendizado a causas exógenas 0,29 (0,94) -0,42 (0,8) <0,001 bao professor e intrínsecas à escola (Prova Brasil) Atribuição do baixo aprendizado a causas exógenas 0,31 (0,74) -0,5 (1,22) 0,001 bao professor e extrínseca à escola (Prova Brasil) Percepção do incentivo do diretor (Prova Brasil) 0,17 (1,01) 0,33 (0,91) 0,469 b

Percepção de Coesão e trabalho em equipe 0,01 (0,87) 0,18 (0,97) 0,412 b(Prova Brasil)Percepção de Carência de recursos pedagógicos 0,16 (0,92) -0,38 (0,95) 0,012 be financeiros (Prova Brasil)Absenteísmo de professores e alunos (Prova Brasil) 0,09 (0,7) -0,58 (0,95) 0,001 b

Empenho do Professor de Língua Portuguesa -0,11 (0,82) 0,29 (1,03) 0,060 b(Prova Brasil)Empenho do Professor de Matemática (Prova Brasil) -0,06 (1,08) 0,18 (0,89) 0,284 b

a-Prova U de Mann-Whitney; b-Teste t de student

217 Capítulo 9

É natural que o percentual de alunos que desejam mudar de escola seja maior nas escolas de menor valor agregado, isso é um indicativo de que parte dos alunos percebe corretamente a qualidade de sua escola.

Muito interessante é o resultado que indica que as escolas de mais bai-xo valor agregado tendem a oferecer mais prêmios para os alunos se saírem bem nas avaliações em larga escala. Provavelmente, isso indica que esse tipo de artifício torna-se dispensável ou menos necessário em escolas que estão no grupo de mais alto valor agregado.

A diferença das médias do indicador de infraestrutura, construído a partir dos dados do Censo Escolar, e cerca de 50% do desvio-padrão do in-dicador mostra claramente que as escolas de mais alto valor agregado pos-suem uma infraestrutura bem superior às de mais baixo valor agregado. Esse resultado não se reflete quando o aspecto da infraestrutura avaliado é o de recursos de informática. Nesse caso, as médias desse indicador nos dois gru-pos são muito similares.

Chama a atenção o fato de que nas escolas de mais baixo valor agre-gado as médias dos indicadores que avaliam o grau com que os professo-res atribuem a causas externas a ele (intrínsecas ou extrínsecas à escola) como responsáveis pelo baixo desempenho dos alunos são substancial-mente mais altas do que as observadas nas escolas de mais alto valor agre-gado. Ou seja, os professores das escolas de mais baixo valor agregado tendem a justificar o baixo aprendizado dos alunos a problemas sociais, falta de recursos e salários, ao baixo nível cultural dos pais dos alunos, a falta de aptidão e esforço dos alunos, com muito mais intensidade do que os professores das escolas de alto valor agregado. Esses resultados parecem indicar que o trabalho do professor é fundamental na explicação das diferenças nos resultados dos alunos e que há grandes diferenças nes-se trabalho entre as escolas de baixo e alto valor agregado. Assim, tudo indica que os professores das escolas de mais alto valor agregado sabem como promover melhor o aprendizado de seus alunos, seja qual for o perfil (de mais alta ou mais baixa condição econômica), e, provavelmente, tra-balham mais intensamente e adequadamente nesse sentido. Os níveis de absenteísmo também são muito diferentes entre as escolas de baixo e de alto valor agregado, o que reforça a interpretação de que os professores são muito mais dedicados nas escolas de alto valor agregado.

4. Estudo II: Análise Multinível para o clima escolar

Neste estudo foram analisados os efeitos dos indicadores de clima es-colar obtidos das bases de dados da PROVA BRASIL nas proficiências dos alunos avaliados no projeto BNDES.

218Capítulo 9

4.1 Análise do Modelo Nulo (Partição da Variabilidade das Proficiências)

O modelo nulo permite analisar o percentual da variabilidade devido às características individuais dos alunos e das escolas. Nota-se que, em geral, nos primeiros anos escolares do ensino fundamental o efeito da escola é maior do que nos anos finais; por outro lado o efeito da escola é maior também na explicação das proficiências em Matemática do que em Língua Portuguesa.

Tabela 2 - Modelos Nulos Ano 4 Ano 6 Ano 8 Língua Matemática Língua Matemática Língua Matemática Portuguesa Portuguesa PortuguesaEscola 30% 33% 16% 22% 14% 16%Aluno 70% 67% 84% 78% 86% 84%Total 100% 100% 100% 100% 100% 100%


A variabilidade da proficiência explicada ao nível do aluno aumenta de 70% a 86% em Língua Portuguesa e de 67% a 84% em Matemática no decor-rer dos anos escolares. Consequentemente, a variabilidade da proficiência entre as escolas decai de 30% a 14% em Língua Portuguesa e de 33% a 16% em Matemática. Ou seja, há muito mais variabilidade entre os resultados das escolas no 1º ciclo do ensino fundamental.

Esse resultado indica que é mais fácil para os gestores intervirem nos anos iniciais e/ou que a intervenção tem se dado com maior êxito nos anos iniciais do Ensino Fundamental em alguns sistemas do que nos anos finais. O maior efeito escola na proficiência em Matemática já foi relatado em outros estudos e está associado ao fato de que o aprendizado em Matemática é mais dependente dos processos escolares do que o aprendizado em Língua Portuguesa. De qualquer forma, todos os resultados indicam grande variabi-lidade entre os resultados das escolas, mesmo para os anos finais do ensino fundamental; deve-se sempre observar que o presente estudo refere-se so-mente às escolas públicas brasileiras.

4.2 Análise dos Modelos com variáveis de controle e variáveis de Clima Escolar

Nos modelos produzidos para verificar o efeito das variáveis de clima escolar, utilizou-se como controle uma medida da condição socioeconômi-ca (ISE) dos alunos participantes do projeto BNDES, uma variável indicadora da Raça/Cor (“Negro”) dos alunos, uma medida da defasagem idade-série e o gênero (“Masculino”). Essas variáveis de controle foram consideradas nos modelos tanto no nível dos alunos quanto no nível das escolas, desde que es-tatisticamente significativas. As variáveis de Clima Escolar foram consideradas

219 Capítulo 9

apenas no nível da escola, o mesmo acontecendo com a variável de Recursos em Infraestrutura. As tabelas de 03 a 08 apresentam os coeficientes fixos dos modelos para todos os anos escolares avaliados e para as duas disciplinas, sendo que apenas os efeitos estatisticamente significativos são apresentados. Por outro lado, todos os efeitos aleatórios considerados para o intercepto do modelo foram significativos para níveis de significância inferiores a 0.001.

Tabela 3 - Resultados para 4o ano – Língua PortuguesaEfeito Fixo Coeficiente p-valor Intercepto β0 Intercepto γ 00 185,00 <0,001

Percentual de Alunos “Negros” na Escola γ01 -27,17 0,019

Defasagem Média na Escola γ02 -22,73 0,050

ISE Médio na Escola γ03 6,34 <0,001

Atribuição do baixo aprendizado a causas intrínsecas a escola γ04 -4,12 <0,001

Atribuição do baixo aprendizado a causas extrínsecas a escola γ05 -3,62 0,010

Absenteísmo de professores e alunos γ06 -2,81 0,025

Empenho do Professor de Língua Portuguesa γ07 3,73 0,001

Infraestrutura da Escola γ08 3,09 0,020

Cor/Raça “Negra” β1 Intercepto γ10 -7,09 <0,001

Gênero Masculino β2 Intercepto γ20 -4,12 <0,001


Note-se que os resultados da literatura (ver, por exemplo, Soares (2005), já apontam que as proficiências dos alunos estão fortemente associadas às variáveis de controle aqui utilizadas: ISE, Raça/Cor (“Negro”), Defasagem idade-série, e gênero (Masculino). É interessante observar que, após muitos anos e muitas políticas educacionais, o quadro não se modificou e, em alguns casos, as desigualdades pioraram. Interessantes são as diferenças de desem-penho entre meninos e meninas: aumentaram-se as diferenças em língua portuguesa em todos os anos escolares, já são significativas as diferenças em matemática em favor das meninas nos anos escolares iniciais e diminuíram-se consideravelmente as diferenças nos anos finais do ensino fundamental em favor dos meninos. A escola pública está produzindo cada vez mais desi-gualdade entre os resultados de meninos e meninas. Por outro lado, os ne-gros continuam em franca desvantagem educacional em relação a brancos e pardos, mesmo quando descontado o efeito da condição econômica.

220Capítulo 9

Tabela 4 - Resultados para 4o ano - MatemáticaEfeito Fixo Coeficiente p-valor Intercepto β0 Intercepto γ 00 191,64 <0,001 Percentual de Alunos “Negros” na Escola γ01 -27,39 0,035 Defasagem Média na Escola γ02 -26,50 0,013 ISE Médio na Escola γ03 5,22 0,001 Atribuição do baixo aprendizado a causas intrínsecas a escola γ04 -4,40 <0,001 Atribuição do baixo aprendizado a causas extrínsecas a escola γ05 -3,25 0,050 Absenteísmo de professores e alunos γ06 -4,37 0,002 Infraestrutura da Escola γ07 2,73 0,032Cor/Raça “Negra” β1 Intercepto γ10 -5,70 <0,001Gênero Masculino β2 Intercepto γ20 -1,46 0,024


Tabela 5 – Resultados para 6o ano – Língua PortuguesaEfeito Fixo Coeficiente p-valor Intercepto β0 Intercepto γ 00 228,16 <0,001 Percentual de Gênero Masculino na Escola γ01 -42,05 0,001 ISE Médio na Escola γ02 9,44 <0,001 Coesão e trabalho em equipe γ03 2,29 0,011 Absenteísmo de professores e alunos γ04 -2,42 0,011Cor/Raça “Negra” β1 Intercepto γ10 -7,62 <0,001Gênero Masculino β2 Intercepto γ20 -7,46 <0,001Defasagem β3 Intercepto γ30 -12,82 <0,001e 37,84


Tabela 6 – Resultados para o 6o ano - MatemáticaEfeito Fixo Coeficiente p-valorIntercepto β0 Intercepto γ 00 220,86 <0,001 Percentual de Alunos “Negros” na Escola γ01 -37,30 0,001 ISE Médio na Escola γ02 8,59 <0,001 Atribuição do baixo aprendizado a causas intrínsecas a escola γ03 -2,82 0,002 Absenteísmo de professores e alunos γ04 -3,14 0,007Cor/Raça “Negra” β1 Intercepto γ10 -6,96 <0,001Gênero Masculino β2 Intercepto γ20 4,63 <0,001Defasagem β3 Intercepto γ30 -13,56 <0,001ISE β4 Intercepto γ40 0,94 0,011e 34,93


221 Capítulo 9

Tabela 7 – Resultados para o 8o ano – Língua PortuguesaEfeito Fixo Coeficiente p-valorIntercepto β0 Intercepto γ 00 228,76 <0,001 ISE Médio na Escola γ01 8,21 <0,001Cor/Raça “Negra” β1 Intercepto γ10 -7,90 <0,001Gênero Masculino β2 Intercepto γ20 -10,95 <0,001Defasagem β3 Intercepto γ30 -9,23 <0,001e 37,84


Tabela 8 - Resultados para o 8o ano - MatemáticaEfeito Fixo Coeficiente p-valorIntercepto β0 Intercepto γ 00 228,76 <0,001 ISE Médio na Escola γ01 8,21 <0,001 Atribuição do baixo aprendizado a causas extrínsecas a escola γ02 -2,06 0,027Cor/Raça “Negra” β1 Intercepto γ10 -8,10 <0,001Gênero Masculino β2 Intercepto γ20 2,17 0,006Defasagem β3 Intercepto γ30 -8,69 <0,001e 37,84


Os resultados corroboram parte da análise produzida na seção 4 (Estudo I) e verifica-se que, quanto mais os professores atribuem a causas externas a ele (intrínsecas ou extrínsecas à escola) como sendo causas responsáveis pelo baixo desempenho dos alunos, menor é a proficiência do aluno. Da mesma forma, maiores níveis de absenteísmo estão associados a menores níveis de proficiência. Note-se que o efeito dessas variáveis é bastante relevante, ten-do em vista que se supõe que os erros de medidas associados a elas sejam apreciáveis, o que tenderia a reduzir as correlações medidas nos modelos.

5. Conclusão

Os estudos, apesar de metodologicamente diferentes, são congruentes e complementares. Duas conclusões principais emergem naturalmente de toda análise produzida. A primeira é de que as características do professor são cruciais na explicação dos níveis de proficiências. E a despeito da quase homogeneidade salarial desses professores, existem substanciais diferenças nos resultados apresentados entre as escolas. As parcelas dessas diferenças nos resultados que podem ser atribuídas às escolas são mais pronunciadas

222Capítulo 9

nos primeiros anos do ensino fundamental do que nos anos finais, e outros estudos mostram que continuam diminuindo ao longo do ensino médio. Provavelmente, as políticas educacionais até agora implantadas, ou se desti-nam em sua maioria para o primeiro ciclo do ensino fundamental, ou apre-sentam efeito mais expressivo para essa etapa escolar. Há, naturalmente, duas direções de investigação do funcionamento dos processos escolares do segundo ciclo do ensino fundamental e do ensino médio, uma com foco no professor, e uma com foco no aluno, não esquecendo a interação desses dois atores. Há, claramente, uma diferença de perfil entre o professor dos pri-meiros anos do ensino fundamental e o do professor dos anos finais, o que remete a novas abordagens para as políticas educacionais que não sejam meras repetições ou adaptações das políticas destinadas ao primeiro ciclo – não se pode ver o aluno e o professor do segundo ciclo do ensino funda-mental da mesma forma como se vê o aluno e o professor do primeiro ciclo. Não é de se admirar que a transição do primeiro para o segundo ciclo traga alguma crise e é preciso pensar um processo e uma organização escolar que amorteça os efeitos dessa transição. Uma solução possível é de que já no 5º ano do ensino fundamental, o aluno tenha dois professores – matemática e ciências naturais e outro de língua portuguesa e ciências humanas, e no 6º ano não mais do que três ou quatro professores diferentes. De qualquer forma é preciso construir modelos de transição e avaliar seus efeitos.

O segundo resultado central do estudo diz respeito ao efeito do con-traturno e a ampliação de jornada. Levando em consideração os custos necessários para implantação de um modelo de escola integral, é preciso estudar e projetar alternativas que tragam resultados mais expressivos. Os estudos sugerem que é preciso adaptar a ampliação da jornada ao perfil à necessidade dos alunos muito mais do que às crenças e desejos dos teóricos, professores ou, gestores educacionais. Sem dúvida, tem-se uma oportunidade para diminuir as diferenças de oportunidades entre os alunos das escolas, mas é preciso oferecer a todos não uma mesma pro-posta, mas propostas polivalentes que em parte sejam destinadas a suprir as deficiências não superadas na jornada habitual, mas também vá ao en-contro de aspirações dos alunos e, por que não, traga-lhe novos desafios para uma sociedade plural, multicultural, e cada vez mais exigente. Muito mais do que aulas expositivas e tradicionais, já contempladas na jornada habitual,e para além da reposição dos conteúdos não apreendidos, ne-cessários para aqueles com atraso no aprendizado, oficinas e atividades centradas nos alunos, supervisionadas diretamente ou não, talvez sejam mais indicadas para a ampliação da jornada.

Os resultados clarificam um ponto importante: escolas de alto valor agregado possuem recursos mínimos necessários de infraestrutura para ga-

223 Capítulo 9

rantir o seu funcionamento. No entanto, não parece que o que diferenciam os resultados sejam as tecnologias mais modernas baseadas em recursos intensivos de informática e multimídia. Boa parte das escolas não está ainda preparada para receber esse aporte de recursos, quer seja pelas suas insta-lações deficientes, quer seja pelo grau de preparo de seus professores para lidar com elas, isso deve ser um processo gradual e, por outro lado, preci-sa-se ter garantias de que os recursos mínimos de infraestrutura, tanto os pedagógicos quando os administrativos, estejam disponíveis à todas escolas. Creio que o monitoramento, por meio dos dados do Censo Escolar, pode orientar facilmente os gestores em ações nesse sentido – pois, afinal, o uso de um indicador como o que foi construído neste trabalho pode facilmente ser usado com essa finalidade.


ANDRADE, D. F.; TAVARES, H. R.; VALLE, R. C. Teoria da Resposta ao Item: Conceitos e Aplica-ções. Associação Brasileira de Estatística, São Paulo, 2001.

BIRNBAUM, A. Some Latent Traits Modelsand Their Use in Inferring na Examinee’s Ability. In: LORD, F. M.; NOVICK M. R. (Org.).Statistical Theories of Mental Test Scores, Massachu-setts: ed. Addison-Wesley, 1968,p. 397-472.

BRYK, S. A.; RAUDENBUSH, W. Hierarchical Linear Models. Sage Publications, Inc., Newbury Park, California, 1992.

FERRÃO, M. E.; COUTO, A. C. The use of a school value-added model for educational improve-ment: a case study from the Portuguese primary education system, School Effectiveness and School Improvement: An International Journal of Research, Policy and Practice, 2013.

GOLDSTEIN, H. Multilevel Statistical Models. 2. ed. New York: John Wiley & Sons, 1995.HAMBLETON, R. K.; SWANINATHAN, H.; ROGERS, H. Fundamentals of Item Response Theory.

Sage Publications, Inc., Newbury Park, California, 1991.HOX, J. Multilevel Analysis of regression and Structural equation models. In: JOOP H. (Org.).Hi-

erarchical models of Survey Data. Michigan: 54thSummer Institute, 2001.LORD, F.M. Applications of item response theory to practical testing problems. Hillsdale: Law-

rence Erlbaum, New York, 1980.RAUDENBUSH, S. et al. HLM5 - Hierarchical Linear and Nonlinear Modeling. Illinois: Scientific

Software International, Inc. Lincolnwood, 2000.SAMEJIMA, F. Estimation Latent Ability Using a Response Pattern of Graded Scores. Psycho-

metric Monograph, n. 17, 1969.SOARES, T. Utilização da Teoria da Resposta ao Item na Produção de Indicadores Sócio-Econô-

micos. Pesquisa Operacional, n. 1, 2005.SOARES, T. Modelo de Três Níveis Hierárquicos Para a Proficiência dos Alunos da 4ª Série

Avaliados no Teste de Língua Portuguesa do Simave/PROEB – 2002. Revista Brasileira de Educação, v. 29, p. 73-87, 2005.

TIMM, H. Applied Multivariate Analysis. New York: Springer Text in Statistics, Springer Verlag, 2002.WILSON, D. T.; WOOD, R.; GIBBONS, R. Testfact: Test Socring, and Item Factor Analysis. Scien-

tific Software International, Inc. Lincolnwood, Illinois, 1998.

224Capítulo 9

Apêndice

Apêndice I - Fatores Extraídos dos questionáriosaplicados aos professores na Prova Brasil

Análise dos possíveis problemas de aprendizagem.

Nos instrumentos aplicados aos professores na PROVA Brasil, com o objetivo de se avaliar as possíveis causas dos problemas de aprendizagem dos alunos da(s) série(s) avaliadas, os professores responderam em escala de “concordo” ou “discordo” a assertivas do tipo: “Ocorrem devido ao baixo salário dos professores, que gera insatisfação e desestímulo para a atividade docente.”, “São decorrentes do meio em que o aluno vive.”. Após a aplicação da análise fatorial foram identificados dois fatores predominantes denomi-nados de: “Atribuição do baixo aprendizado à causas exógenas ao professor e intrínsecas a escola” e “Atribuição do baixo aprendizado à causas exógenas ao professor e extrínsecas a escola”.

Atribuição do baixo aprendizado às causas exógenas ao Professor e Intrínsecas a escola.

Esse fator trata sobre problemas na aprendizagem dos alunos que são originados por causas na escola, como carência de infraestrutura, poucas oportunidades de desenvolvimento intelectual do aluno, conteú-dos curriculares não adequados ou não cumpridos, bem como sobrecarga e desestímulo dos docentes.

Atribuição do baixo aprendizado às causasexógenas ao Professor e intrínsecas à escola

Assertivas Carga46. Ocorrem na escola devido à carência de infraestrutura física e/ou pedagógica. 0,74947. São decorrentes do ambiente de insegurança física da escola. 0,70048. Ocorrem na escola por oferecer poucas oportunidades de desenvolvimento das capacidades intelectuais do aluno. 0,72049. Estão relacionados aos conteúdos curriculares, que são inadequados às necessidades dos alunos. 0,54850. Estão relacionados ao não-cumprimento do conteúdo curricular. 0,55251. Relacionam-se à sobrecarga de trabalho do(as) professores(as), dificultando o planejamento e o preparo das aulas. 0,60152. Ocorrem devido ao baixo salário dos professores, que gera insatisfação e desestímulo para a atividade docente. 0,595


225 Capítulo 9

Atribuição do baixo aprendizado às causas exógenas ao Professor e Intrínsecas à escola.

Já este fator trataria de causas externas à escola para os problemas de aprendizagem dos alunos, como o meio em que vive, falta de assistência e déficit cultural da família, e também razões pessoais dos alunos como sua baixa auto estima e aptidão, bem como desinteresse e indisciplina.

Atribuição do baixo aprendizado a causasexógenas ao Professor e extrínsecas a escola

Assertivas Carga53. São decorrentes do meio em que o aluno vive. 0,67954. São decorrentes do nível cultural dos pais dos alunos. 0,63655. Estão relacionadas à falta de assistência e acompanhamento da família nos deveres de casa e pesquisas dos alunos. 0,78556. Ocorrem devido à falta de aptidão e habilidades do aluno. 0,42257. Estão vinculados à baixa autoestima dos alunos. 0,51958. Ocorrem devido ao desinteresse e falta de esforço do aluno. 0,67659. São decorrentes da indisciplina dos alunos em sala de aula. 0,480


Percepção do incentivo do diretor

Com o objetivo de se aferir a percepção do incentivo do diretor pelo professor, os professores foram perguntados sobre o seu grau de concordân-cia/discordância a algumas assertivas sobre o comportamento do diretor da escola em diferentes situações, como motivação ao trabalho e a atividades especiais, o foco na aprendizagem, administração ou manutenção da escola. Essas assertivas deveriam ser respondidas em uma escala de Likert de cinco pontos, variando de “Concordo totalmente” a “Discordo totalmente”. Após a análise fatorial identificou-se uma dimensão predominante denominada de: “Percepção do incentivo do diretor”.

Este fator mede o quanto o diretor da escola motiva o trabalho e ativi-dades especiais, foca em aspectos de aprendizagem, administração ou ma-nutenção da escola, e deixa transparecer confiança. Também mede a per-cepção do respeito pelo diretor do professor.

226Capítulo 9

Percepção do incentivo do diretorAssertivas Carga60. O(a) diretor(a) me anima e me motiva para o trabalho. 0,91761. Tenho plena confiança no(a) diretor(a) como profissional. 0,96962. O(a) diretor(a) consegue que os professores se comprometam com a escola. 0,82763. O(a) diretor(a) estimula as atividades inovadoras. 0,89464. O(a) diretor(a) dá atenção especial a aspectos relacionados com a aprendizagem dos alunos. 0,91165. O(a) diretor(a) dá atenção especial a aspectos relacionados com as normas administrativas. 0,72666. O(a) diretor(a) dá atenção especial a aspectos relacionados com a manutenção da escola. 0,74367. Sinto-me respeitado(a) pelo(a) diretor(a). 0,71568. Respeito o(a) diretor(a). 0,46374. O diretor, os professores e os demais membros da equipe da escola colaboram para fazer esta escola funcionar bem. 0,511

Coesão e trabalho em equipe

A fim de se aferir a percepção do trabalho em equipe pelo professor, foi questionado quanto ao seu grau de concordância/discordância a algumas as-sertivas sobre a participação do professor em relação a atividades em equipe, comportamento dos colegas em relação as suas ideias. Essas assertivas foram respondidas em uma escala de Likert de cinco pontos, variando de “Concor-do totalmente” a “Discordo totalmente”. Após a análise fatorial, identificou-se uma dimensão predominante denominada de: “Coesão e trabalho em equipe”.

Esse fator analisa atitudes pessoais do docente no âmbito escolar, como participar de decisões importantes, considerar e ter suas ideias consideradas, bem como uma avaliação do corpo de professores pelos próprios docentes.

Coesão e trabalho em equipeAssertivas Carga69. Participo das decisões relacionadas com o meu trabalho. 0,55670. A equipe de professores leva em consideração minhas ideias. 0,89571. Eu levo em consideração as ideias de outros colegas. 0,96872. O ensino que a escola oferece aos alunos é muito influenciado pela troca de ideias entre os professores. 0,68473. Os professores desta escola procuram coordenar o conteúdo das disciplinas entre as diferentes séries. 0,599

Problemas que ocorrem nas escolas

A fim de se identificar as principais fontes de problemas na escola na percepção dos professores foram questionados se ocorreram determina-dos tipos de problemas como “Alto índice de faltas por parte dos alunos”.Após a realização da análise fatorial, identificou-se dois fatores denominados:

227 Capítulo 9

“Carência de recursos pedagógicos e financeiros” e “Absenteísmo de pro-fessores e alunos”.

Carência de recurso pedagógicos e financeirosAssertivas Carga75. Insuficiência de recursos financeiros? 0,76078. Carência de pessoal de apoio pedagógico (coordenador, supervisor, orientador educacional)? 0,51979. Falta de recursos pedagógicos? 0,919

Este fator avalia a percepção dos professores em relação à falta de cer-tos recursos necessários à escola. Tais como recursos financeiros, pedagógi-cos entre outros.

Absenteísmo de professores e alunosAssertivas Carga76. Inexistência de professores para algumas disciplinas ou séries? 0,66177. Carência de pessoal administrativo? 0,34980. Alto índice de faltas por parte dos professores? 0,86781. Alto índice de faltas por parte dos alunos? 0,62782. Problemas disciplinares causados pelos alunos? 0,538

Este fator avalia a percepção dos professores quanto à administração e organização na escola, causas do absenteísmo e ausência de diversos atores escolares, como professores e alunos.

Empenho do professor

Foi questionado o quanto o professor desenvolve determinadas práti-cas pedagógicas como “Experimentar diferentes modos de resolver um pro-blema ou efetuar um cálculo”. O professor deveria responder a estas ques-tões segundo uma escala de Likert de 5 pontos: “semanalmente”, “algumas vezes por mês”, “uma vez por mês”, “uma vez por bimestre” e “nunca”.

Absenteísmo de professores e alunosAssertivas Carga133. Copiar textos do livro didático ou do quadro negro ou lousa. 0,768134. Promover discussões a partir de textos de jornais e revistas. 0,550135.Fazer exercícios sobre a gramática relacionados com textos de jornais ou revistas. 0,807136.Ler, discutir com colegas e escrever textos relacionados com o desenvolvimento de projeto temático 0,419137. Ler contos, crônicas, poesias ou romances. 0,300138. Conversas sobre contos, crônicas, poesias ou romances. 0,290139. Utilizar contos, crônicas, poesias ou romances para exercitar aspectos da gramática. 0,448140. Fixar os nomes de conceitos gramaticais e linguísticos. 0,486141. Discutir um texto, explorando as diferenças entre fatos e opiniões. 0,391

228Capítulo 9

Após a análise fatorial, foi possível construir duas medidas: “Empenho do Professor de Língua Portuguesa” e “Empenho do Professor de Matemática”.

Este fator evidencia o empenho dos professores quando fazem uso de certos argumentos para deixarem suas aulas mais informativas, como pro-mover discussões sobre certos assuntos estudados, fazer exercícios sobre gramática, entre outros.

Empenho do Professor de MatemáticaAssertivas Carga142. Fazer exercícios para fixar procedimentos e regras. 0,108143. Lidar com situações problemas que exigem raciocínios diferentes e mais complexos que a maioria dos exemplos usuais. 0,452144. Falar sobre suas soluções, discutindo os caminhos usados para encontrá-las. 0,424145. Gravar as regras que permitem obter as repostas certas dos cálculos e problemas. 0,267146. Lidar com temas que aparecem em jornais e/ou revistas, discutindo a relação dos temas com a matemática. 0,997147. Interpretar resultados numéricos obtidos para dar uma resposta adequada ao problema. 0,533148. Lidar com situações que lhes sejam familiares e que apresentem temas de interesse dos alunos. 0,532149. Experimentar diferentes modos de resolver um problema ou de efetuar um cálculo. 0,506150. Aprimorar a precisão e a velocidade de execução de cálculos. 0,462151. Experimentar diferentes ações (coletar informações, recortar, analisar, explorar, discutir, manipular, etc.) para resolver problemas. 0,601

Este fator mede as práticas pedagógicas aplicadas pelos professores nas salas de aula, como falar sobre as soluções dos exercícios, discutindo os caminhos usados para encontrá-las, ou lidar com temas que aparecem em jornais e/ou revistas, discutindo a relação dos temas com a matemática.

Apêndice II – Variáveis que compõe o Indicador de Infraestrutura

A medida de infraestrutura foi extraída da base do Censo Escolar 2012, composta com base em mais de 40 itens de posse. Tais itens avaliam se a escola possui sala de professores, banheiro adaptado, materiais didáticos como retroprojetor, DVD, acesso à internet banda larga, entre outros itens.

229 Capítulo 9

Item de Posse Carga

Item 1 - Sala de Diretoria 0,927Item 2 - Sala de Professor 0,903Item 3 - Laboratório de Informática 0,832Item 4 - Laboratório de Ciências 0,72Item 5 - Sala de Atendimento Especial 0,63Item 6 - Quadra de Esportes Coberta 0,758Item 7 - Quadra de Esportes Descoberta 0,646Item 8 - Cozinha 0,729Item 9 - Biblioteca 0,77Item 10 - Sala de Leitura 0,624Item 11 - Parque Infantil 0,612Item 12 - Sanitário Fora do Prédio 0,053Item 13 - Sanitário Dentro do Prédio 0,909Item 14 - Sanitário Ei 0,569Item 15 - Sanitário Pne 0,741Item 16 - Dependências Pne 0,718Item 17 - Secretaria 0,871Item 18 - Banheiro com Chuveiro 0,712Item 19 - Refeitório 0,74Item 20 - Despensa 0,735Item 21 - Almoxarifado 0,794Item 22 - Auditório 0,704Item 23 - Pátio Coberto 0,731Item 24 - Pátio Descoberto 0,712Item 25 - Alojamento para Aluno 0,408Item 26 - Alojamento para Professor 0,231Item 27 - Área Verde 0,66Item 28 - Lavanderia 0,538Item 29 - Dependências - Outras 0,68Item 30 - Equipamento - Tv 0,96Item 31 - Equipamento - Videocassete 0,736Item 32 - Equipamento - Dvd 0,973Item 33 - Equipamento - Parabólica 0,607Item 34 - Equipamento - Copiadora 0,858Item 35 - Equipamento - Retroprojetor 0,838Item 36 - Equipamento - Impressora 0,975Item 37 - Equipamento - Som 0,887Item 38 - Equipamento - Multimídia 0,871Item 39 - Equipamento - Fax 0,804Item 40 - Equipamento - Foto 0,873Item 41 - Computadores 0,817Item 42 - Internet 0,503Item 43 - Banda Larga 0,156

230Capítulo 9

Apêndice III - Variáveis que Compõe o Indicador de utilização e Recurso de Informática – Projeto BNDES

A partir de 15 questões inseridas no instrumento aplicado aos alunos no Projeto BNDES foi produzido um indicador de recursos e utilização de in-formática. Essas questões estão apresentadas no quadro abaixo com as suas respectivas cargas fatoriais.

Assertivas Carga48. Internet (download de materiais com lições, atividades estruturadas e textos) 0,56349. Internet (assistindo vídeos de aulas) 0,58550. E-mail e mensagens instantâneas para comunicação com colegas mais preparados 0,53851. Computador na edição de textos 0,63452. Computador para elaboração de gráficos e figuras 0,65553. Internet (exibição de vídeos ou músicas) 0,54754. Internet (uso interativo de materiais com lições e atividades estruturadas) 0,68255. Edição de textos sobre assuntos discutidos em classe 0,72956. Elaboração de gráficos e figuras sobre assuntos discutidos em classe 0,73157. Internet para pesquisar informações sobre o tema da aula 0,70258. Internet para busca e visualização de vídeos ou músicas 0,57759. Internet para uso interativo de materiais com lições e atividades estruturadas de matemática e língua portuguesa 0,72460. Edição de textos sobre assuntos discutidos em classe 0,76361. Elaboração de gráficos e figuras sobre assuntos discutidos em classe 0,80162. Internet para pesquisar livremente informações sobre o tema da aula 0,722

APÊNDICE IV - Análise Fatorial (Consistência interna dos indicadores)

O primeiro passo na construção dos indicadores foi o da análise da cor-relação bisserial (Lord, 1980) para cada uma das variáveis binárias acima e a correlação polisserial (ibidem) para as variáveis politômicas. A correlação bisserial é uma medida clássica da capacidade de discriminação do item, representando o grau de correlação que cada item binário tem com o escore bruto calculado com todos os itens. Foi utilizado o software Testfact® (Wilson et al, 1998) e o software Parscale®, e todas as variáveis que apresentaram coeficiente estimado para a correlação bisserial/polisserial inferior a 0,40 são excluídas do cálculo do indicador.

Em seguida, uma análise da dimensionalidade associada às demais questões foi produzida utilizando-se métodos de análise fatorial restrita (Timm, 2002) por meio das matrizes de correlação Tetracórica (Wilson, Wood e Gibbons, 1998) realizadas com o uso do software TESTFACT® (no caso de indicadores obtidos por meio de variáveis dicotômica) e por meio

231 Capítulo 9

das matrizes de correlação Policórica realizadas com o uso do software LIS-REL® (no caso de indicadores obtidos por meio de variáveis politômicas or-dinais). Para a obtenção das cargas dos modelos de análise fatorial utilizou-se o método de extração por componentes principais a partir da matriz de correlação apropriada das variáveis, produzindo, em seguida, uma solução a partir do método de rotação VARIMAX. Para uma verificação da adequa-ção da análise fatorial foi utilizada a medida KMO (Kaiser-Meyer-Olkin), que apresentou valores estimados acima de 0.85, indicando uma adequação muito satisfatória dos indicadores obtidos.

Os indicadores foram, então, construídos usando-se o software BILOG-MG®, no caso de variáveis dicotômicas e o software PARSCALE, no caso de variáveis politômicas, por meio de modelos da Teoria da Resposta ao Item (Hambleton, Swaminathan & Rogers, 1991; Andrade, Tavares& Valle, 2001; Lord, 1980) apresentados nas próximas seções.

APÊNDICE V – Modelos da Teoria da Resposta ao Item (TRI)

Modelo Logístico de Dois Parâmetros (unidimensional).

Esse modelo, proposto por Birnbaum (1968), pressupõe a relação mo-nótona entre o valor do constructo latente (a condição socioeconômica, por exemplo) do indivíduo e a sua probabilidade de escolha por uma das duas al-ternativas segundo uma função de distribuição logística, parametrizada por coeficientes que representam determinadas características do item. Assim, admita que Y seja uma variável aleatória dicotômica assumindo os valores 0 ou 1. No caso específico de um instrumento de posses de bens, o valor 0 está associado a não possuir o bem e o valor 1 a possuir o bem por parte da família do aluno. O modelo de dois parâmetros expressa, então, a relação entre a variável latente θ e a resposta dada ao item da seguinte forma:

)(

)(

1),,;1(

ii

ii

baD

baD

iii eebaYP

−

−

+== θ

θ

θ (1) onde o índice i

representa o item; ai é denominado parâmetro de discriminação do item; bi é denominado de parâmetro de dificuldade do item. D é um fator de es-cala, constante, e normalmente igual a 1,7, usado para aproximar a curva logística da distribuição normal. Esse fator de escala vai permitir que os valores de θ dos indivíduos sejam estimados com valores muito próximos para os dois tipos de modelos. Como se pode notar, o parâmetro bi repre-senta o ponto na escala da variável latente θ, para o qual há 50% de chance de escolha da resposta representada por Y=1 pelo indivíduo. É fácil obser-var que se (1) for derivada em relação à θ, a função resultante atinge seu

232Capítulo 9

máximo em θ = bi com um valor diretamente proporcional a ai (0.425 ai). Portanto, quanto maior for o valor do parâmetro ai, mais sensível torna-se o modelo a variações na habilidade em torno de seu ponto de dificuldade. Isto é, maiores valores para o parâmetro ai produzirão maior capacidade de distinção entre dois indivíduos com habilidades diferentes no nível da escala em torno do nível de dificuldade do item. Por isso ele é conheci-do como parâmetro de discriminação do item. Na figura 1, apresenta-se a denominada curva característica de um item, isto é, a representação dos valores, sob forma de gráfico, de um particular modelo θ, enfatizando as propriedades de seus parâmetros:

Modelo Logístico Para Respostas Graduadas

O modelo de respostas graduadas é uma generalização do modelo de dois parâmetros para o caso de mais de duas categorias ordenadas de respostas. Para sua formulação admita, inicialmente, que o indivíduo possa alcançar os seguintes níveis, tendo em vista as suas respostas atri-buídas ao item i,

im10i ,,, ηηηη = . Admita, ainda, que tendo alcançado

o nível η ele tenha também alcançado os níveis jη para j ‹ . Assim, con-sidere a classe de eventos N = {( 0η ), ( 0η , 1η ),..., ( 0η , 1η ,...,

imη )} onde 0 1N ( , ,..., )η η η= é o evento que representa o fato de o indivíduo ter

alcançado o nível η . A resposta dada ao instrumento será classificada segundo a escala ordinal Ki = 0, 1,..., mi onde Ki = , representa que o in-divíduo alcançou o nível η e não alcançou os níveis jη , j ≥ .Samejima (1969) propõe o seguinte modelo:

233 Capítulo 9

onde ∞=0C e, Cbb i,i −= é a dificuldade de se alcançar pelo menos o nível no item i. O seguinte exemplo ilustra uma aplicação de modelos para respostas graduadas. O modelo abaixo foi o obtido para uma questão que perguntava sobre o número de televisores que a família de um aluno possuía (as possibilidades de respostas eram as seguintes: nenhum, 1 televisor, 2 ou mais). Para esse tipo de item, a probabilidade de escolha de cada resposta pode ser modelada através dos modelos de respostas graduadas. O seguinte modelo foi obtido (ai = 0.767, bi = -0.300, C0 =∞, C1 = 1.535, C2 = -1.535) e a probabilidade de cada resposta está representada no gráfico abaixo:

Note-se que a probabilidade de não ter televisor é mais elevada nas famílias de escores socioeconômicos mais baixos, decaindo com o aumento da condição socioeconômica. A probabilidade de a família ter apenas um te-levisor é mais elevada nas famílias com escores medianos e a probabilidade de se ter dois ou mais televisores é característico de famílias mais abastadas. É importante observar que:

o que, naturalmente, conduz a um problema de identificabilidade dos parâmetros se não forem admitidas restrições adicionais. Assim, admite- se que 1 im

i

C Ccte

m+ ⋅⋅⋅+

= (0.0, tipicamente) o que resolve o problema de

234Capítulo 9

identificabilidade nesses casos. Por último, deve-se notar que o modelo de respostas graduadas se reduz ao modelo de dois parâmetros quando im = 1.

APÊNDICE VI – Modelos Hierárquicos

Os sistemas escolares são um exemplo típico de estrutura hierárquica, pois os alunos estão agrupados em turmas, as turmas agrupadas em escolas, as escolas em uma determinada localidade, e assim por diante.

O modelo multinível (Goldstein, 1995) também chamado de modelo hierárquico (Bryk & Raudenbush, 1992), leva em consideração a estrutura de agrupamento dos dados. Concretamente, isso se reflete na especificação do modelo multinível da seguinte forma: para o modelo de regressão clássico, o intercepto e o coeficiente de inclinação são parâmetros fixos, enquanto que para o modelo multinível o intercepto e o coeficiente de inclinação são considerados parâmetros aleatórios, dependentes da influência do nível hie-rárquico mais alto.

As análises que consideram em seus modelos a estrutura de agrupa-mento dos dados têm várias vantagens: (i) se baseiam em modelos mais flexíveis e estruturados que utilizam melhor a informação presente na amos-tra; fornecem, ainda, uma equação para cada escola, por exemplo, o que permite análises individuais para cada grupo; (ii) o uso da informação do agrupamento dos dados possibilita formular e testar hipóteses relativas a efeitos entre os níveis e (iii) permite a partição da variabilidade da variável resposta nos diversos níveis.

Os modelos de regressão multinível têm por objetivo descrever, atra-vés de um modelo estatístico, a relação entre variáveis explicativas e inde-pendentes, representadas genericamente por x, e uma variável dependente y (ou mais de uma, no caso de modelos multivariados). Neste trabalho só são considerados modelos com dois níveis hierárquicos. Assim, considere-se que, genericamente, uma amostra aleatória de dados tenha sido coletada a partir de uma estrutura em dois níveis, estando as unidades do 1o nível (alunos) agrupadas segundo as unidades do 2o nível (escola). Cada aluno é representado pelo índice i e o índice j representa cada unidade de escola. Suponha que x represente uma variável de aluno e w uma variável de escola. O modelo multinível, então, terá a seguinte expressão geral:

(1) (2) (3)

Substituindo (2) e (3) em (1) obtém-se:

235 Capítulo 9

(4)

No modelo acima, os coeficientes apresentam a seguinte interpretação:

yij representa a proficiência do i-ésimo aluno da j-ésima escola;β0j é o intercepto geral do modelo, sendo definido como variável aleatória;β1j é o coeficiente de inclinação associado à variável x, que representa

o impacto da variável explicativa no desempenho do aluno e pode ser espe-cificado como de efeito fixo ou como de efeito aleatório;

γ00, γ01,γ10, γ11, são parâmetros fixos a serem estimados;u0j é o denominador de efeito individual da escola, que é a componente

de erro aleatório do nível 2 associada ao intercepto; pressupõe-se ter distri-buição normal com média zero e variância σu0

2;u1j é a componente de erro aleatório do nível de escola associada ao

coeficiente de inclinação; pressupõe-se ter distribuição normal com média zero e variância σu1

2;eij é a componente de erro aleatório associado ao aluno, representa

o resíduo da medida do rendimento do aluno não explicado pelo modelo; pressupõe-se ter distribuição normal com média zero e variância σe

2;σu0

2, σu12 e, σe

2 são denominados de componentes de variância do modelo.Por hipótese, admite-se que o erro e, de nível de aluno, seja indepen-

dente dos erros de nível de escola. Note-se ainda que β01 wj representa o impacto da variável explicativa de nível de escola no rendimento do aluno e β11 wjxij representa o termo de interação entre as duas variáveis explicativas (de turma e escola).

Na equação de regressão anterior poderão ser incluídas outras variá-veis explicativas de nível de turma e também de nível de escola. A estrutura para o modelo resultante é análoga àquela apresentada através das equa-ções de (1) a (4). A extensão do modelo multinível para outras variáveis per-mite obter o impacto das novas variáveis no rendimento escolar bem como obter outros termos de interação, alcançando uma maior diminuição da va-riabilidade total e consequente aumento da capacidade de explicação da variável dependente pelo modelo resultante. Além disso, é possível analisar como as diversas variáveis interagem e como seus impactos sobre a variável dependente se comportam na presença das outras variáveis.

Segundo Goldstein (1995), um indicador do grau de agrupamento da população em estudo é o coeficiente de “intra-correlação”. Para o modelo multinível especificado, o que se mede com o coeficiente de intra-correlação é a proporção da variância total do resultado dos alunos que é devida às características das escolas. A forma mais simples para se obter o coeficien-te de intra-correlação é a seguinte: primeiramente constrói-se um modelo

236Capítulo 9

multinível sem variáveis explicativas, também chamado de modelo nulo, que tem apenas três termos: β0 , u0j e eij, de tal forma que a variância total para a variável dependente nesse modelo é dada apenas por σu0

2 +σe2. O coefi-

ciente de intra-correlação, então, é calculado pela fórmula:

20

2

20

ue

u

σσσρ+

= (5)

Esse coeficiente toma valores no intervalo [0,1] e, quanto maior o seu valor, maior a proporção da variância que é devida ao segundo nível. Seu cálculo é usado para justificar o emprego de um modelo multinível ao invés de um modelo de regressão clássico.

Neste trabalho, a estimação dos coeficientes fixos é realizada atra-vés do método de mínimos quadrados generalizados (Bryk & Raudenbush, 1992) e a estimação das componentes de variância é realizada através dos métodos de máxima verossimilhança plena e máxima verossimilhança res-trita (ibidem). Para tanto, foi utilizado o software HLM5®(Raudenbushet al, 2000). A medida de ajuste do modelo utilizada foi a chamada estatística de deviance, definida por:

D = - 2 LOG (L),

onde L é o valor da função de verossimilhança (maximizada segundo os va-lores dos parâmetros do modelo) nos valores observados da variável depen-dente e das variáveis explicativas (Bryk & Raudenbush, 1992).

O processo mais utilizado na construção de um modelo hierárquico é do tipo “Bottom-up”, isto é, parte-se do modelo nulo e vai-se incluindo as variáveis segundo uma heurística específica, que se baseia na verifica-ção da significância dos coeficientes (parâmetros fixos e aleatórios) para cada modelo. Pode-se utilizar a estatística deviance, que é uma medida do grau de ajustamento dos dados ao modelo construído, para produzir um critério de escolha entre dois modelos aninhados. Isto é, utiliza-se a deviance para comparar um modelo mais simples com um modelo mais geral. Normalmente, os modelos com a deviancemais baixa são melhores, no entanto, para testar se a diferença entre as deviances de dois modelos é significativa ou não, emprega-se o teste de significância χ2 com o número de graus de liberdade igual à diferença de parâmetros entre os dois mode-los. Outro critério empregado para inclusão ou não de variáveis no modelo foi o critério AIC (Akaike, 1974 apud Hox, 2001). Este critério é utilizado para comparar modelos diferentes (normalmente aninhados) e é calculado a partir do valor da deviance adicionado a um fator que penaliza o número de parâmetros estimados. Segundo a sugestão de Hox (2001), este critério

237 Capítulo 9

pode ser empregado para se decidir entre dois modelos hierárquicos. O critério AIC é dado por:

AIC = d + 2q

onde d é a deviance e q é o número de parâmetros estimados no modelo.A vantagem do AIC em relação ao teste do χ2 para testar a diferença

entre as deviances é que no critério AIC não é necessário estipular um nível de significância, o que é sempre um critério subjetivo. Nesse trabalho, am-bos os métodos foram empregados e não houve conflito entre os resultados.

Essa heurística utilizada visa à construção de um melhor modelo mul-tinível. No entanto, essa abordagem não é a única possível, mas pretende-se que, com o seu emprego, possa se alcançar um modelo suficientemente informativo para os fins. O processo é, portanto, iterativo e, em cada passo, uma variável (do nível de turma ou escola) é introduzida ou não no modelo, de acordo com os critérios descritos acima. Eventualmente uma variável an-teriormente introduzida pode ser excluída a partir do momento que outra “mais explicativa” seja introduzida. As possíveis interações entre as variáveis são testadas ao final do processo a partir daquelas variáveis que estão no modelo e outras que não se encontram no modelo.

239 Capítulo 10

CAPITULO

10

Políticas Públicas em Educação:Sugestões para o Brasil

Reynaldo Fernandes+André Portela Fernandes de Souza*

1. Introdução

O papel fundamental da educação sobre o desenvolvimento de indiví-duos e nações tem sido amplamente reconhecido. Assim, os estudos sobre os impactos de diversas políticas públicas em educação têm ganhado impor-tância na literatura acadêmica de diferentes áreas do conhecimento (eco-nomia, demografia, sociologia, psicologia etc.). De modo geral, a discussão atual sobre políticas públicas em educação tem sido concentrada em três grandes eixos, que são:

I. Políticas voltadas à primeira infância: quantidade e qualidade de cre-ches e pré-escolas, programas de orientação das mães etc.;

II. Políticas que visam alterar a estrutura de incentivos dos agentes envol-vidos no processo educacional: pais, alunos, professores e dirigentes;

III. Políticas que buscam dotar as escolas com certos insumos e proces-sos educacionais considerados chaves para o aprendizado: formação do professor, tamanho das turmas, métodos de recuperar alunos com deficiência, uso adequado do tempo em sala de aula etc.

Desde o estudo pioneiro de Coleman e seus colaboradores, sabe-se que variáveis relacionadas à família possuem muito mais poder preditivo sobre o desempenho dos alunos do que variáveis relacionadas à escola que os alunos frequentam (Coleman et al., 1966). Estudos recentes, no en-tanto, mostram que grande parte das desvantagens dos alunos de famílias economicamente desfavorecidas se deve ao desenvolvimento cognitivo e emocional desses estudantes nos primeiros seis anos de vida. E mais, exis-tem pesquisas sobre diversos programas de intervenção para idade pré-es-colar voltados para crianças desfavorecidas que mostram resultados extre-mamente animadores (por exemplo, Cunha et. al (2006)). De modo geral, o desempenho das crianças na escola melhora, tanto em termos de notas + Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto, Universidade de São Paulo (FEA-RP/USP)* Escola de Economia de São Paulo da Fundação Getulio Vargas (EESP/FGV)

240Capítulo 10

quanto em termos de redução da repetência. Há evidências, também, que crianças que passam por esses programas são menos propensas a adotar comportamentos violentos.

Uma preocupação sobre o uso desses resultados na orientação de po-líticas deriva do fato que eles decorrem de estudos experimentais muito es-peciais. De modo geral, são programas de alta qualidade e, portanto, muito dispendiosos. A dúvida diz respeito à viabilidade de generalizá-los em uma política pública massificada. Isso tem provocado uma série de discussões sobre que políticas de primeira infância seriam mais eficientes: creches ou programas de orientação das mães? Investir em ampliar as vagas em creches ou melhorar a qualidade das creches existentes?

O segundo eixo de políticas educacionais trata a escola como “caixa preta”, no sentido que não discute a eficiência de insumos e processos educacionais específicos. A ideia é que, dado os recursos existentes, um sistema correto de incentivos faria com que os agentes envolvidos se mo-bilizariam para obter o melhor resultado possível. As políticas consideradas nesse segundo eixo dizem respeito a melhor forma de organizar o sistema educacional do país, dos estados e dos municípios. Nessa linha podemos destacar as políticas de accountability educacional, pagamento por mérito, voucher e escolas charter.

Por exemplo, a partir dos anos 90 as políticas de accountability edu-cacional ganham força no mundo inteiro e avaliações de programas pionei-ros mostram que eles contribuíram para elevar o desempenho dos alunos nos exames padronizados1. Esses programas enfatizam o aprendizado dos alunos; consideram professores, diretores e gestores como co-responsáveis pelos resultados dos estudantes; e dão publicidade aos resultados dos testes por unidade de accountability (sistemas educacionais, escolas e, em alguns casos, até por professores individuais). O programa pode conter, ou não, prêmios e punições atrelados aos resultados dos alunos.

Por fim, o eixo três trata de uma série insumos e processos educacio-nais que seria importante enfatizar para se obter uma melhoria da qualidade do ensino nas escolas: reduzir o tamanho das turmas, aumentar a jornada escolar, melhorar a carreira dos professores, utilizar tecnologias modernas no processo de ensino-aprendizagem etc. Trata-se de avaliar a eficácia dos elementos que compõem a função de produção educacional.

Tendo como base as pesquisas recentes sobre o impacto de diferentes políticas públicas em educação sobre o desempenho dos estudantes, o obje-tivo do presente capítulo é o de propor caminhos que poderiam ser adotados para o aprimoramento da educação no Brasil. Nosso interesse recai em me-

1 Ver, por exemplo, Hanushek e Raymond (2005) e Dee e Jacob (2009).

241 Capítulo 10

didas de políticas públicas nos três eixos acima descrito e que poderiam ser adotadas por diferentes esferas de governo (federal, estadual e municipal).

De modo geral, estamos interessados em políticas que afetam a qua-lidade das escolas de ensino fundamental. A única exceção refere-se às po-líticas relacionadas a creches e pré-escolas. Como mencionado, o impacto de intervenções na primeira infância podem ter um impacto significativo no desempenho dos alunos, quando esses alcançarem o ensino fundamental. Ainda que não diretamente relacionadas à qualidade das escolas de ensino fundamental, intervenções sobre creches e pré-escola estão sob o campo de ação das autoridades educacionais.

2. Políticas Voltadas para o Desenvolvimento da Primeira Infância

Hoje em dia existe um acumulo de evidências empíricas que indicam que vários resultados econômicos das pessoas adultas como o estoque do capital humano, produtividade, salários, etc., dependem primordialmente de fatores associados à primeira infância. Muitas habilidades cognitivas e não-cognitivas que são importantes para a vida adulta são desenvolvidas nos primeiros anos de vida da pessoa. Por exemplo, Cunha et al. (2006) apresenta resultados de pesquisas que documentam o desenvolvimento cognitivo de uma amostra crianças americanas. Eles mostram que as crian-ças de famílias com diferentes níveis de renda não apresentam diferencial de desenvolvimento cognitivo ao nascer, mas este diferencial passa a ser significativo a partir dos primeiros seis anos de vida. Surpreendentemente, o diferencial cognitivo, favorável às crianças de famílias com maior renda, observado aos seis anos de idade, permanece praticamente inalterado até a adolescência. Evidências como estas sugerem que investimentos na in-fância têm impactos duradouros e que intervenções apropriadas na infân-cia podem mitigar ou mesmo compensar condições iniciais desfavoráveis. Com efeito, Cunha et al. (2006) sintetiza uma série de resultados de diver-sos estudos em contextos internacionais sobre intervenções educacionais na infância com resultados positivos no longo prazo. Crianças em condi-ções socioeconômicas menos favorecidas e que passaram por atividades na primeira infância ou pré-escolares apresentam melhores indicadores de bem-estar como educação, salário, condições de vida, comportamen-tos de risco, entre outros, em comparação às crianças também em condi-ções menos favorecidas, mas que não foram estimuladas por intervenções apropriadas na primeira infância. Cunha e Heckman (2007) argumentam que a boa formação do capital humano ao longo do ciclo de vida depende de investimentos corretos em certas habilidades quando elas podem ser

242Capítulo 10

mais bem adquiridas. Muitas habilidades cognitivas e não-cognitivas são mais eficientemente desenvolvidas na infância e são importantes para a obtenção de outras habilidades quando adulto. Investimentos adequados na fase de primeira infância e pré-escola são instrumentos relevantes para o desenvolvimento dessas habilidades quando crianças. Ademais, essas habilidades adquiridas na infância facilitam ou mesmo permitem a aquisi-ção de novas habilidades posteriormente.

Já existem algumas evidências sobre o impacto de intervenções na pri-meira infância sobre o desenvolvimento cognitivo das crianças no Brasil. Os estudos se concentram sobre os impactos da frequência à creche e pré-es-cola. Em geral, os resultados corroboram aqueles encontrados na literatu-ra internacional. As frequências à creche e à pré-escola estão associadas a resultados favoráveis ao bem-estar do individuo na vida adulta. Como uma primeira aproximação, Curi e Menezes-Filho (2006), utilizando os dados da Pesquisa de Padrão de Vida do IBGE (PPV/IBGE) e SAEB 2003, encontram uma associação positiva entre a frequência tanto à creche quanto à pré-es-cola e as probabilidades de conclusão do ensino médio e do ensino superior. Também encontram associação positiva entre a pré-escola e a renda do in-divíduo quando adulto.

Há também evidências de impactos positivos da creche e pré-escola sobre o desenvolvimento cognitivo da criança. Utilizando diferentes bases de dados e modelos econométricos, os estudos encontram efeitos positivos da creche e da pré-escola sobre o aprendizado de Português e Matemática entre os alunos do quinto ano do ensino fundamental em comparação àque-les que não frequentaram creche ou pré-escola (Souza (2010), Pinto et. al. (2011) e Pinto e Souza(2014)).

Contudo, alguns estudos apontam para o fato de que a qualidade da creche e pré-escola é fundamental para o bom êxito do impacto positivo sobre o desenvolvimento infantil. Barros et al. (2010), através de um estu-do experimental no Rio de Janeiro, mostra que existe uma heterogeneidade muito grande de qualidade de creches e que as creches de boa qualidade impactam positivamente sobre o desenvolvimento mental e social das crian-ças. As creches de baixa qualidade não apresentam efeitos positivos. Os resultados de Souza (2010) sugerem que pré-escolas com turmas menores têm melhores resultados na proficiência do ensino fundamental que pré-es-colas com turmas maiores.

Por fim, Pinto e Souza (2014) mostram que o impacto de creche e pré-escola sobre a proficiência no ensino fundamental se dá através de dois ca-nais. Por um lado, a frequência à creche e à pré-escola impacta diretamente o aprendizado através do desenvolvimento de habilidades de concentração, hábitos de estudo, etc. Por outro lado, ela reduz o atraso escolar no ensino

243 Capítulo 10

fundamental que por sua vez impacta o aprendizado já que isto permite ao aluno permanecer na série em idade correta. Os resultados indicam que o pri-meiro canal é o mais importante, embora haja uma pequena parcela do efeito que ocorre via menor repetência. De qualquer forma, é possível estabelecer uma complementariedade entre educação infantil e ensino fundamental.

Com base nessa literatura nacional e internacional e, tendo em conta o estágio atual de gastos e cobertura da educação infantil no Brasil, algumas sugestões de politicas públicas parecem pertinentes:

I. É importante investir na educação durante os primeiros anos da crian-ça. Este investimento é eficaz e eficiente, dados os graus de comple-mentariedade da obtenção de habilidades cognitivas e não-cognitivas que existem ao longo do ciclo de vida de aquisição do capital humano;

II. Este investimento deve permitir políticas integradas e flexíveis de aten-dimento às famílias com crianças, conforme suas diferentes situações e necessidades. Em alguns casos, acesso à boa creche é importante. Em outros, visitas regulares às famílias de técnicos de saúde e educação sejam mais requeridas;

III. Para aquelas localidades onde a cobertura de creche e pré-escola é baixa, permitir a expansão ao acesso de creches e pré-escolas de boa qualidade é importante. Para aquelas localidades onde a cobertura é praticamente universal, a melhoria da qualidade das creches e pré-es-colas é prioritária;

IV. Para tanto, é necessário estabelecer mecanismos de regulação que asse-gurem a qualidade dos atendentes e professores, a proporção adequada entre adultos e crianças, equipamentos, livros e materiais; ou seja, da adoção de sistemas de monitoramento da qualidade do ensino infantil;

V. Também é necessário desenvolver programas de capacitação e cer-tificação de educadores de primeira infância que levem em conta os conhecimentos científicos sobre os fatores que promovem o desenvol-vimento infantil, com ênfase em aspectos não-cognitivos, que são ca-racterísticas que possuem grande plasticidade durante a infância.

No Brasil, enquanto a questão da pré-escola ainda mereça cuidados, o atendimento em creches parece ser mais urgente. As principais cidades bra-sileiras apresentam problemas sérios de insuficiência de oferta de creches públicas (ou conveniadas). Assim, a expansão das vagas em creche torna-se uma das prioridades para a política educacional no país.

Ainda que necessária, a expansão de vagas em creches não é suficien-te. Do ponto de vista da educação, não basta que as mães disponham de um lugar para deixar seus filhos para poderem trabalhar. É preciso garantir

244Capítulo 10

que essas creches contribuam para o desenvolvimento cognitivo e socioe-mocional das crianças. Nesse sentido, é preciso assegurar que elas possuam um padrão mínimo de qualidade. Creches de má qualidade não cumprem a função de reduzir a desvantagem, em termos de capacidade de aprendizado, que as crianças advindas de famílias desfavorecidas enfrentam já na idade correspondente ao início do ensino fundamental.

Nesse ponto é fundamental que haja uma avaliação das creches que ofertam vagas públicas, sejam elas do próprio setor público ou conveniadas. Não se defende aqui uma avaliação baseada em testes aplicados às crianças, nos moldes das avaliações existentes no ensino fundamental, mas uma ava-liação das condições de oferta, a exemplo do que ocorre no ensino superior. É preciso avaliar a infraestrutura, a qualificação dos profissionais e, principal-mente, o programa de atividades socioeducacionais.

Vale ressaltar que, em várias cidades, uma parcela expressiva das vagas oferecidas se dá em instituições privadas conveniadas. Ainda que se promova uma expansão de creches públicas, parece pouco realista a hipótese que, ao menos no curto prazo, todas as prefeituras possam abrir mão de convênios com instituições privadas para o oferecimento de vagas em creches. Assim, um programa de avaliação dessas creches parece indispensável.

Por fim, é importante ressaltar que já existem iniciativas no país de pro-gramas cujo objetivo é a orientação das mães. Evidentemente, programas voltados à orientação das mães não se contrapõem ao oferecimento de cre-ches de qualidade. Eles são complementares. Também é verdade que não podemos pensar as creches como substitutas dos pais. Os programas vol-tados à primeira infância mais bem sucedidos são justamente aqueles que conciliam atividades na escola com o envolvimento dos pais no processo educacional das crianças.

Enquanto a oferta de programas de atendimento à primeira infância tiver o município como principal executor, o apoio do governo federal e dos governos estaduais será de suma importância em seu financiamento.

3. Políticas Voltadas para a Organização do Sistema Educacional

O atual desenho do sistema brasileiro de educação básica, cujos con-tornos foram fortemente influenciados pela Constituição Federal de 1988, pode ser pensado como tendo um tripé de sustentação.2 Esse tripé seria formado por:

2 Ver Fernandes (2011).

245 Capítulo 10

I. Descentralização na oferta dos serviços educacionais – A oferta de edu-cação básica está a cargo de Estados e Municípios. Atualmente a educa-ção infantil é de responsabilidade dos Municípios e o ensino médio de responsabilidade dos Estados. Já a educação fundamental é comparti-lhada entre Estados e Municípios.3

II. Critérios de financiamento definidos pela Federação – Determinação de vinculação orçamentária para cada uma das esferas de governo e critérios de distribuição dos recursos, dentro dos estados, de acordo com as matrículas.

III. Avaliação centralizada – Um sistema de avaliação que permita a comparação entre unidades da Federação, entre redes de ensino e entre escolas.

Ainda que esse desenho possa ser aperfeiçoado e melhorado ele apre-senta aspectos interessantes e que deveriam ser preservados. É importante destacar que o atual sistema foi construído ao longo de décadas e deveria ser o ponto de partida para qualquer política pública de educação. O papel do formulador de políticas deveria ser o de avaliar a situação atual; iden-tificar os resultados considerados insatisfatórios; identificar suas possíveis causas; e propor mudanças que levem em conta os custos e os benefícios da intervenção. A avaliação da política deveria comparar os estados pós e pré-intervenção, segundo algum critério de melhoria pré-definido. Essa perspectiva, entre outras coisas, ressalta os custos de transição. Uma coisa é desenhar um sistema público de educação quando ele não existe, outra é pensar em uma reforma para um sistema já maduro.

As principais vantagens da descentralização estão no seu potencial de gerar inovações, na medida em que mais alternativas de políticas são testadas, e de permitir um melhor tratamento para as diversidades locais. No entanto, para que essas vantagens potenciais se materializem, algumas pré-condições são necessárias. Primeiro, é preciso identificar e difundir as experiências de sucesso. Segundo, é necessário produzir informações que possibilitem a população local julgar a qualidade da educação oferecida e cobrar os gestores e governantes por melhorias. Por fim, é preciso dotar o poder local com recursos e capacidade técnica para gerir suas escolas. Os cri-térios de financiamento definidos pela Federação e a avaliação centralizada são elementos importantes na busca de se estabelecer tais pré-condições.

3 A União possui um papel complementar nessa esfera: o de fornecer assistência técnica e financeira aos Estados e Municípios; o de definir as diretrizes curriculares nacionais e o de regular a formação de professores. A regulação do ensino superior, que inclui as escolas de formação de professores, está sob responsabilidade do Governo Federal.

246Capítulo 10

A constituição de 1988 estabeleceu que Estados e Municípios destinas-sem um mínimo de 25% de suas receitas de impostos e transferências à edu-cação. Para o governo Federal esse percentual foi de 18%.4 Tais vinculações tem garantido um volume minimamente razoável de recursos para o setor. Como mostram Menezes-Filho e Oliveira (2014) em artigo neste livro, o Brasil não possui um comparativamente baixo gasto em educação. Esse gasto, como proporção do PIB, está acima da maioria dos países participantes do PISA. Isso, no entanto, não impede que haja redes de ensino muito carentes de recursos.

O Fundo de Manutenção e Desenvolvimento da Educação Básica e de Valorização dos Profissionais da Educação (Fundeb) tem a finalidade de pro-porcionar um mínimo de recursos para todas as redes de ensino. O Fundeb consiste em um fundo de financiamento estadual, onde o estado e seus mu-nicípios contribuem com 20% da arrecadação de impostos e transferências e a distribuição dos recursos, entre estado e municípios, é feita de acordo com o número de matrículas. É estabelecido um valor mínimo por aluno, cabendo a União um aporte complementar de recursos para Estados que não atingem esse valor mínimo. Esse desenho, ainda que sujeito a aprimo-ramentos, produz uma maior equidade no sistema e, assim, responde a uma das principais críticas da descentralização em um país com desigualdades regionais: a de que crianças que nascem em regiões pobres estariam conde-nadas a frequentar escolas igualmente pobres.

Ainda que recursos sejam importantes, eles não garantem uma boa educação. Uma determinada rede pode ter recursos suficientes, mas des-perdiçá-los. Um elemento importante no combate à ineficiência na utiliza-ção de recursos é a disponibilidade de informações mais objetivas sobre a qualidade do ensino nas escolas e redes. A existência de um sistema centra-lizado de avaliação - ao fornecer indicadores de desempenho dos estudan-tes que sejam comparáveis entre unidades da federação, redes de ensino e escolas – cumpre essa função.

A divulgação dos resultados da Prova Brasil e do IDEB – por escolas, re-des de ensino e unidades da federação – aumentou o grau de accountability no sistema educacional brasileiro. Tais informações possibilitam ao público local realizar uma maior cobrança de governantes e gestores do sistema por melhorias no ensino e auxiliam os pais na hora de escolher a escola para seus filhos. Além disso, esse sistema permite a identificação de boas expe-riências e de situações que merecem maior atenção do poder público.

Uma crítica que se faz a esse sistema é que os indicadores considerados não refletem apenas a qualidade das escolas ou das redes de ensino, mas

4 A partir de 1994, com o Fundo Social de Emergência e posterior Desvinculação das Receitas da União (DRU), o percentual de vinculação para o Governo Federal passou a ser de 14%.

247 Capítulo 10

também as condições socioeconômicas e a bagagem cultural dos estudantes. Tal crítica se baseia na hipótese de que o público interessado é incapaz de ex-trair o “sinal de qualidade” de uma determinada escola ou rede de ensino, por exemplo, compará-la com escolas ou redes de ensino que possuam público similar. Ela desconsidera que pode ser mais fácil para o público relacionado à escola (pais de alunos, professores e diretores) estabelecer o parâmetro cor-reto de comparação do que para qualquer analista distante dessa realidade.5 De qualquer modo, as evidências existentes indicam que a introdução de pro-gramas de accountability baseados em resultados dos estudantes em exames padronizados tende a elevar a proficiência dos estudantes nesses exames.6

No caso do Brasil, Botelho et al. (2014), em artigo neste volume, mostram que a grande maioria dos professores e, praticamente, a totalidade dos diretores da escola conhecem e sabem posicionar o IDEB da escola em relação às demais escolas do município. Além disso, o conhecimento do IDEB da escola por parte dos alunos está intimamente ligado ao desejo dos mesmos em mudar para uma escola melhor. Assim, alguns dos requisitos necessários para a efetivação da po-lítica parecem se verificar no Brasil: a informação está chegando aos tomadores de decisão e eles a entendem como uma medida de qualidade da escola.

No entanto, o sistema pode ser aprimorado. Mesmo porque, alguns de seus aspectos não parecem estar em coerência com a lógica subjacente ao desenho acima delineado. Um elemento chave no Fundeb é o de aumentar a possibilidade de escolhas para o público. Ele aumenta a concorrência entre a rede estadual e a rede municipal de educação em um dado município. Se, por exemplo, a rede municipal oferece uma educação de melhor qualidade que a rede estadual ela deveria ser estimulada a aumentar suas matrículas e, consequentemente, obter os recursos correspondentes. Assim, não parece fazer sentido o Fundeb não contemplar as matrículas de ensino médio para as redes municipais e as matrículas da primeira fase do ensino fundamental para as redes estaduais. Deste modo, redesenhar o Fundeb para que estados e municípios possam oferecer ensino fundamental e médio seria uma medi-da que aumentaria a coerência do sistema.7

Na mesma direção, seria importante que o sistema de accountability tivesse como referência estados e municípios, ao invés de redes de ensino

5 Esse problema, no entanto, tende a ser mais grave quando prêmios e sanções são automa-ticamente atrelados aos indicadores de accountability.6 Enquanto parte dessa melhoria pode ser devida a uma “inflação de notas” (aumento da pontuação nos exames sem melhora no aprendizado), as evidências apontam que parte do aumento das notas reflete uma melhora da qualidade das escolas. Para um survey recente sobre a literatura de school accountability, ver Figlio e Loeb (2011).7 No caso da educação infantil a questão é um pouco mais complicada, uma vez que não exis-te avaliação em larga escala para essa etapa de ensino.

248Capítulo 10

estaduais e municipais. O secretário de educação do município (estado) e o prefeito (governador) deveriam ser responsabilizados pela qualidade de edu-cação oferecida no município (estado) e não pela qualidade de educação ofe-recida pela rede municipal (estadual).8 Por exemplo, se a rede municipal ofe-rece uma boa qualidade de ensino, mas atende a uma parte muito pequena dos alunos do município e a maior parte dos alunos se encontra em escolas estaduais de má qualidade, o prefeito e o secretário municipal de educação não deveriam ser elogiados pelo trabalho realizado na área. Ao contrário, de-veriam ser cobrados a aumentar a rede de ensino municipal. Aliás, fornecer recursos para tal expansão é uma das principais funções do Fundeb. Portanto, seria importante que o Ministério da Educação reforçasse esse entendimento em suas ações, como, por exemplo, aquelas relacionadas ao PAR (Plano de Ações Articuladas) e às divulgações de resultados de avaliações.

Outra forma de aumentar a possibilidade de escolhas para o público se-ria permitir a participação de escolas conveniadas no Fundeb. Isso já acontece para as creches e poderia ser expandido para escolas de ensino fundamental e médio. Assim, escolas conveniadas seriam, para todos os efeitos, contadas como escolas públicas regulares. Para isso elas deveriam ser regulamentadas. Por exemplo, seriam consideradas escolas conveniadas aquelas geridas pri-vadamente, mas que: a) fossem totalmente financiadas pelo poder público, sendo impossibilitadas de cobrar mensalidades; b) fossem autorizadas pelo conselho municipal ou estadual de educação; c) fossem impedidas de selecio-nar alunos por desempenho; d) fossem submetidas a todas as avaliações em larga escala as quais as escolas públicas regulares participam; e) etc.

Ainda em relação às avaliações, seria importante expandir a Prova Brasil para o 9º ano do Ensino Fundamental para incluir ciências da natu-reza e humanidades. O sinal que o IDEB fornece às escolas é claro: priorize suas ações para que os alunos obtenham os conhecimentos e habilidades exigidas pela Prova Brasil e cuidem para que os alunos caminhem no siste-ma sem repetências. Para a primeira fase do ensino fundamental não pare-ce haver problemas. Grande parte dos educadores, acredito, concordaria que nessa etapa do ensino as disciplinas de língua portuguesa e matemá-tica são as fundamentais.

No entanto, avaliar as escolas na segunda fase do ensino fundamental e no ensino médio com base apenas em língua portuguesa e matemática é, reconhecidamente, insuficiente. Para o ensino médio, o Exame Nacional de Ensino Médio (ENEM) poderia cumprir esse papel. Então, restaria expandir a Prova Brasil para a segunda fase do ensino fundamental.

8 Se cada esfera de governo é responsabilizada apenas pelo desempenho dos alunos de sua rede, caberia indagar quem seria responsabilizado pelos estudantes fora da escola.

249 Capítulo 10

A política de accountability acima discutida pode ser denominada de soft accountability, em que não há sanções ou premiações diretamente atreladas aos alunos e/ou agentes escolares pelo desempenho nas avaliações externas. Uma alternativa de política de responsabilização são aquelas de hard accoun-tability. Nesse tipo de política, é desenhado algum mecanismo de incentivo que pune (ou premia) os sistemas escolares de acordo com objetivos pré-defi-nidos. Esse tipo de política é bem mais polêmica, sendo que a literatura inter-nacional encontra evidência inconclusiva acerca do efeito desse tipo de políti-ca. Por exemplo, a introdução de sistema de pagamento de bônus aumentou o grau de esforço docente e o desempenho dos alunos em Israel (Lavy, 2009), Kenya (Glewwe, Ilias e Kremer, 2010) e India (Muralidharan and Sundarara-man, 2011). Já nos Estados Unidos, enquanto Figlio and Kenny (2007) e Jin-nai (2012) encontram relação positiva sobre o desempenho dos estudantes, Goodman e Turner (2013) e Fryer (2011) não encontram esse efeito.

No Brasil, as redes estaduais têm se destacado na adoção desses meca-nismos, dado que um conhecimento das peculiaridades de cada rede é impor-tante para o desenho e bom funcionamento dessas políticas. Há poucos traba-lhos procurando avaliar essas políticas, muito em razão de os programas serem relativamente recentes. Destaca-se o trabalho de Oshiro e Scorzafave (2011) que encontram efeito positivo da bonificação para alunos de 5º ano da rede estadual paulista, mas não encontram efeito para alunos do 9º ano. Já Ferraz e Bruns (2012) e Guerra e Foguel (2011), encontram alguma evidência positiva dos sistemas de bônus pernambucano e paulista, respectivamente.

Cabe uma ressalva importante de que a eficácia desse tipo de política está muito ligada ao desenho do sistema de incentivo. Assim, dizer que o sistema de bônus é bom ou ruim não seria adequado, pois a depender do desenho (tamanho do incentivo, benefício baseado apenas no desempenho individual do professor ou coletivo, etc.) os resultados podem apresentar grande variação. De qualquer modo, parece mais razoável que a decisão sobre a implantação ou não de um sistema de hard accountability seja deixada para as redes estaduais e municipais de ensino, não cabendo ao governo federal qualquer iniciativa nessa direção.

Uma decisão importante a ser tomada pelas redes municipais e esta-duais de ensino diz respeito às políticas de combate a repetência. Na década de 90 várias redes municipais e estaduais de ensino adotaram medidas para reduzir as exigências para aprovação. A implantação de sistemas de ciclos, onde a reprovação só é permitida nas séries finais do ciclo, se generalizaram. O objetivo era combater as elevadas taxas de repetência observadas na edu-cação brasileira. Fernandes et al. (2014), em artigo neste volume, mostram que tais políticas parecem ter tido o impacto almejado. A taxa média de pro-moção escolar na primeira fase do ensino fundamental cresceu de 62,78% em 1995 para 77,34% em 2005.

250Capítulo 10

Apesar disso, a avaliação sobre tais políticas, entre políticos e especia-listas em educação, está muito distante de um consenso. Seus defensores alegam que a repetência escolar em nada contribuía para o desenvolvimen-to acadêmico dos reprovados. Ela não promoveria melhor aprendizado, além de fomentar a evasão escolar. Já os críticos alegam que combater a repetência por, simplesmente, reduzir os padrões de aprovação constituía-se em uma fraude. Promover o aluno sem o que o mesmo tenha obtido um mínimo de aprendizado não poderia ser visto como algo em favor desse aluno. Apesar do acalorado debate sobre o assunto, o fato é que estudos sistemáticos, procurando avaliar o impacto causal dessas políticas, são, pra-ticamente, inexistentes no Brasil.

Fernandes et al. (2014) analisam o impacto dessas políticas sobre o desempenho educacional futuro, com especial atenção para a evasão do ensino médio. Sabe-se que o atraso escolar é o melhor previsor da evasão escolar. Por exemplo, Gremaud et al. (2011) mostram que, para São Paulo, os alunos sem defasagem idade-série tendem a ingressar no ensino médio, independentemente de suas características socioeconômicas e do desem-penho obtido no SARESP ao final do ensino fundamental. A dificuldade é estabelecer se tal relação é causal, pois alunos propensos a evadir podem ter maior probabilidade de repetência. Nesse sentido, Fernandes et al. (2014) adotaram uma estratégia para tentar identificar a relação de causalidade entre as políticas de redução das exigências de aprovação e a evasão esco-lar. Eles concluem que, na idade de 18 anos, os critérios mais brandos para aprovação na 1ª fase do ensino fundamental implicaram em maior taxa de conclusão e menor evasão escolar no ensino médio, além de maior taxa de ingresso no ensino superior.9

No momento que as políticas de ciclos vêm sendo bastante questiona-das e mesmo revertidas em algumas redes de ensino é importante ter em mente que o aumento da reprovação pode elevar a evasão escolar no ensino médio. A política de reprovação zero pode não ser a ideal, mas retornar aos padrões de reprovação do início dos anos 90 seria, sem sombra de dúvidas, uma alternativa muito pior.

4. Políticas de Indução de Insumos eProcessos Educacionais Específicos

Identificar os insumos e processos educacionais que contribuem para a melhoria da qualidade da educação tem sido objeto de estudo da assim cha-

9 Um aumento de 1 p.p. na taxa de promoção escolar na primeira fase do ensino fundamental reduz em 0,47 p.p. a taxa de evasão do ensino médio até os 18 anos de idade.

251 Capítulo 10

mada “função de produção educacional”. Entretanto, antes de nos atermos a certos insumos e processos educacionais específicos, vale destacar uma questão mais ampla nessa linha de investigação e que vem sendo indagada por muitos pesquisadores da área, a saber: existe uma relação positiva entre gastos em educação e qualidade de ensino?

Se perguntarmos para pesquisadores e formuladores de políticas pú-blicas na área de educação se recursos financeiros são importantes para termos uma educação de qualidade, as respostas, em sua maioria, seriam, provavelmente, afirmativas. Isso porque não se pode fazer uma boa escola sem recursos (bons professores, material didático adequado etc.) e porque as medidas propostas para melhorarmos a educação costumam ser dispen-diosas. Entretanto, a relação empírica entre gastos por aluno e qualidade da educação não tem sido facilmente observada em estudos que buscam investigar tal relação.

Menezes-Filho e Oliveira (2014) exploram essa questão. Eles fazem uma revisão da literatura pertinente e mostram que as evidências são mis-tas, algumas pesquisas encontram uma relação positiva e significativa entre os gastos e desempenho escolar, ao passo que outras não encontram signi-ficância estatística na relação. E mais, eles conduzem um novo estudo para o Brasil, relacionado o gasto por aluno e a qualidade da educação entre os municípios brasileiros. O resultado obtido é que não existe uma relação po-sitiva entre gasto e qualidade da educação.

Seria possível levantarmos várias hipóteses do porque da dificuldade de encontrarmos uma relação positiva entre gastos e qualidade da educação. Uma primeira abordagem para investigarmos tal relação é a de obtermos a correlação entre gastos por aluno e desempenho escolar entre unidades educacionais (escolas, redes de ensino, municípios etc.), controlando por outros fatores associados a gastos e desempenho que possam variar entre as unidades. A dúvida que sempre fica de tal abordagem é se todas as va-riáveis relevantes foram, de fato, controladas e, assim, os resultados obtidos não são enviesados. Uma segunda estratégia, utilizada por Menezes-Filho e Oliveira (2014), consiste em avaliar a correlação entre variação de gastos e variação da qualidade. Ou seja, procura-se verificar se após um aumento dos gastos por aluno tendemos a observar uma melhora na qualidade da educação. O problema aqui é que o impacto da variação dos gastos sobre a qualidade da educação pode levar tempo e esse tipo de estudo tende a observar apenas os impactos de curto prazo.

Admita, por exemplo, que um determinado município eleve substan-cialmente os gastos com educação em virtude de uma nova política salarial para os professores. Com um salário mais elevado, a função de professor torna-se mais atrativa e a oferta de professores de qualidade tende a crescer.

252Capítulo 10

Entretanto, até que mais professores de qualidade sejam formados, contra-tados e substituam os antigos professores pode levar um tempo considerá-vel e a estratégia de identificar o impacto dos gastos sobre a qualidade da educação baseada em variações de curto prazo entre gastos e desempenho educacional não teria como capturar o impacto da medida.

De qualquer forma, estudos como de Menezes-Filho e Oliveira (2014) são um alerta para aqueles que simplesmente defendem um aumento de gastos como forma de melhorarmos a educação do país. Ele nos mostra que os resultados podem não aparecer tão cedo, se é que eles venham a apare-cer. Apostar simplesmente numa política de elevação de gastos como forma de melhorar a educação pode ser uma aposta extremamente arriscada.

Identificar os insumos e processos escolares mais associados à qualida-de das escolas seria, sem dúvida, de grande valia no processo de elaboração da política educacional. Nesse sentido, as pesquisas empíricas sistematiza-das, buscando relacionar insumos e processos escolares com o desempenho dos estudantes, são abundantes na literatura especializada. O problema é que não tem sido fácil identificar políticas baseadas em insumos e processos educacionais cujos resultados sejam inquestionavelmente positivos, no sen-tido de produzirem um melhor aprendizado aos estudantes.10

Dois exemplos de programas amplamente avaliados e sem clara com-provação de sucesso são aqueles relacionados ao uso de informática nas escolas e à qualificação do corpo docente (educação continuada). De modo geral, os resultados das avaliações desses programas são mistos: positivos, negativos ou não estatisticamente significativos.

No âmbito deste projeto, Botelho et al. (2014) analisam o impacto do uso de tecnologias de informação e comunicação (TICs) na aprendizagem dos alunos e não encontram evidências de impactos positivos. Por sua vez, Nico-lella et al. (2014) avaliam o impacto dos programas de qualificação do corpo docente sobre o desempenho dos estudantes. Os resultados apontam que en-quanto a realização de programas de pós-graduação por parte dos professores contribui positivamente para a aprendizagem dos alunos, a participação dos professores em cursos de atualização (formação continuada) não apresenta-ram resultados significativos para explicar o desempenho dos alunos.

Em estudo recente, Dobbie e Fryer (2011) retomam a questão sobre insumos e processos educacionais que tornariam as escolas mais efetivas. A vantagem do estudo está no conjunto sem paralelo de dados que eles levantam para 35 escolas charter da cidade de Nova York. Escolas char-ter, apesar de administradas por instituições privadas, possuem recursos e alunos similares aos das escolas públicas e, por serem independentes,

10 Ver, por exemplo, Hanushek (2003).

253 Capítulo 10

possuem uma maior variação no sistema de gestão. Tais características permitem que os autores consigam avançar além do que usualmente é feito na literatura especializada.

O estudo confirma que as medidas tradicionalmente coletadas (e.g. ta-manho da classe, gasto por aluno, fração de professores com certificação ou titulação mais avançada) não são correlacionadas com a efetividade da esco-la (medida pelo valor adicionado da escola ao desempenho de seus estudan-tes em testes externos). No entanto, ele conclui que um índice formado por cinco medidas educacionais é capaz de explicar, aproximadamente, metade da variação encontrada na efetividade das escolas consideradas. Essas me-didas educacionais são: i) retorno frequente aos professores acerca de seu desempenho; ii) uso de dados para guiar a instrução; iii) alta dose de tutoria; iv) tempo de instrução elevado e v) altas expectativas em relação aos alunos.

Assim, as escolas efetivas tendem a ter objetivos claros e extremamen-te focados no desempenho acadêmico de seus estudantes. O desempenho é frequentemente aferido por aplicação de testes e seus resultados são utiliza-dos para orientar o programa de ensino. As expectativas quanto ao aprendi-zado dos alunos tendem a ser altas e os professores são frequentemente in-formados acerca da avaliação que a direção da escola faz do seu trabalho. Os alunos com dificuldades recebem tutoria de até quatro vezes por semana e em pequenos grupos. Por fim, as escolas efetivas tendem a ter maior tempo de instrução (mais dias letivos e/ou maior jornada diária). Embora incomum em estudos quantitativos, os resultados apresentados Dobbie e Fryer (2011) corroboram os resultados obtidos por inúmeras pesquisas qualitativas reali-zadas nos últimos quarenta anos.

No âmbito deste projeto, Firpo et al. (2014) avaliam o impacto da jor-nada expandida (atividades acadêmicas e não acadêmicas no contraturno) sobre o desempenho dos estudantes. No entanto, os resultados encon-trados não confirmam os achados de Dobbie e Fryer (2011). Os resulta-dos indicaram que a participação no contraturno está relacionada com um desempenho inferior dos alunos, tanto em língua portuguesa quanto em matemática, principalmente quando os estudantes frequentam atividades acadêmicas, tais como aulas de reforço, vis-à-vis à participação em ativida-des artísticas ou de recreação.

É possível que Firpo et al. (2014) não tenham conseguido lidar com o potencial viés de participação nas atividades do contraturno: as escolas que oferecem contraturno possuem pior desempenho e, dentro das escolas, os que participam dessas atividades possuem pior desempenho. No entanto, esse resultado é corroborado por Soares e Gremaud (2014), que compara-ram escolas com alto e baixo valor agregado. Eles concluem que as variáveis associadas à existência de contraturno são muito similares nos dois grupos

254Capítulo 10

analisados (de baixo valor agregado e alto valor agregado), exceto para os percentuais de alunos que frequentam aulas de reforço e aulas de música, em ambos os casos com percentuais maiores para os alunos que pertencem a escolas do grupo de baixo valor agregado.

Na mesma linha que Dobbie e Fryer (2011), Soares e Gremaud (2014) encontram que os professores das escolas com alto valor agregado possuem melhores expectativas de seus alunos, atribuem menos peso às causas ex-ternas no desempenho da escola e acreditam que fazem diferença para o aprendizado dos alunos. Eles encontram ainda que em escolas com alto valor agregado, o absenteísmo dos professores é menor, a dedicação dos docentes é maior e a infraestrutura da escola é melhor, embora não esteja associada a itens sofisticados ou modernos.

Uma peculiaridade da educação pública no Brasil é a expansão da ado-ção dos chamados “métodos estruturados de ensino”. A partir da década de 90 diversas redes municipais de ensino, especialmente em São Paulo, passa-ram a firmar contratos com instituições privadas para o fornecimento de ma-terial didático para os alunos e de material pedagógico e treinamento para os professores com o objetivo de padronizar e sistematizar as aulas. Nos últimos dez anos, no estado de São Paulo, cerca de um terço dos municípios contrataram instituições privadas que forneceram o que se convencionou chamar de “métodos estruturados de ensino”. Com a divulgação da Prova Brasil a partir de 2005, observou-se que muitos dos municípios com resulta-dos excepcionais contratavam tais serviços. Mais recentemente, redes públi-cas de ensino (como, por exemplo, a rede estadual de São Paulo) passaram a elaborar seu próprio material de ensino estruturado.

Souza et al. (2014) analisam o impacto da adoção de métodos estrutu-rados de ensino sobre o desempenho escolar em redes públicas de ensino fundamental. Corroborando trabalho anterior, eles encontram uma relação positiva entre a adoção de sistemas de ensino e as notas dos estudantes em testes padronizados, no 4º e 6º anos do ensino fundamental. Infelizmente, não foi possível distinguir métodos estruturados de ensino contratados de instituições privadas ou elaborados pelas próprias redes de ensino. Ainda que seja necessária cautela na interpretação desses resultados, a introdução de métodos estruturados de ensino vem se mostrando uma alternativa atraen-te, especialmente em redes com maior carência de professores qualificados.


As evidências dos elevados retornos individuais proporcionados pela educação são abundantes em todo o mundo. E, nesse caso, o Brasil não se

255 Capítulo 10

constitui em uma exceção. No entanto, o desempenho educacional apresen-tado pelos alunos brasileiros é ainda bastante inferior aos países desenvol-vidos e mesmo de alguns países em desenvolvimento. Isso tem levantado a seguinte questão: como melhorar a educação no Brasil?

Como vimos, as variáveis relacionadas à família possuem muito mais poder preditivo sobre o desempenho dos alunos do que variáveis relaciona-das às escolas que os alunos frequentam, mas grande parte das desvanta-gens dos alunos de famílias economicamente desfavorecidas se deve ao de-senvolvimento cognitivo e emocional desses estudantes nos primeiros seis anos de vida. Assim, os investimentos na educação das crianças de famílias socialmente desfavorecidas durante os primeiros anos da criança devem ser prioritários. Para isso, não basta garantir a oferta de creches. É preciso garan-tir a qualidade das mesmas. E mais, programas que possuem as mães como foco podem ser mais eficientes.

Vimos também que o sistema brasileiro de educação básica, ainda que possa ser aperfeiçoado e melhorado, apresenta aspectos interessantes e que deveriam ser preservados. Ele foi construído ao longo de décadas e deveria ser o ponto de partida para qualquer política pública de educação. Nesse sentido, a proposta aqui defendida é a de reforçar a lógica do siste-ma: aumentar a concorrência entre as esferas de governo, permissão para que escolas conveniadas participem do FUNDEB, aprofundar o sistema de accountability e aprimorar as avaliações.

Por fim, vimos que a literatura é menos otimista quando o assunto é selecionar insumos e processos educacionais que, indubitavelmente, contri-buem para a melhora da educação. Mesmo assim, algumas práticas parecem recomendáveis: a) retorno frequente aos professores acerca de seu desem-penho; b) uso de dados para guiar a instrução; c) alta dose de tutoria; e d) tempo de instrução elevado. Também foi destacado que a adoção de méto-dos estruturados de ensino pode contribuir para melhoria do ensino, espe-cialmente em áreas onde a oferta professores qualificados é muito escassa.


BARROS, R.P.; CARVALHO, M.; FRANCO, S.; MENDONÇA, R.; DE PÁDUA, E.; ROSALEM, A.; TSUKADA, R. A Importância da Qualidade da Creche para a Eficácia na Promoção do Des-envolvimento Infantil. In ARAUJO, A. (ed.) Aprendizagem Infantil. Uma Abordagem da Neurociência, Economia e Psicologia Cognitiva. Rio de Janeiro: Academia Brasileira de Ciências, 2010.

BOTELHO, F.; GEMIGNANI, T.; MADEIRA, R.; MELONI, L. RANGEL, M.; PIONER, H. Sistemas de Accountability nas Escolas Públicas Brasileiras: Identificando a Eficácia das Diferentes Ex-periências, In: Fernandes, R; Souza, A; Botelho, F, Scorzafave, L. (orgs). "Políticas Públicas

256Capítulo 10

Educacionais e Desempenho Escolar do Alunos da Rede Pública de Ensino" Ribeirão Preto: Funpec / BNDES, 2014..

BOTELHO, F.; GEMIGNANI, T.; MADEIRA, R.; MELONI, L. RANGEL, M.; PIONER, H. O impacto das políticas de utilização da informática na aprendizagem dos alunos, In: Fernandes, R; Souza, A; Botelho, F, Scorzafave, L. (orgs). "Políticas Públicas Educacionais e Desempenho Escolar do Alunos da Rede Pública de Ensino" Ribeirão Preto: Funpec / BNDES, 2014.

COLEMAN, J. S. et al. Equality of Educational Opportunity. Washington, 1966.CUNHA, F. e HECKMAN, J. The Technology of Skill Formation. American Economic Review, v.

97, n.2, p. 31-47, 2007.CUNHA, F. et al. Interpreting the Evidence on Life Cycle Skill Formation. In HANUSHEK E. e

WELCH, F. The Handbook of Economics of Education., Volume 1, Amsterdam, Elsevier, p. 697-812, 2006.

CURI, A.; MENEZES-FILHO, N. Os efeitos da pré-escola sobre salários, escolaridade e proficiên-cia. Insper Working Papers Series, n. 57, 2006.

DEE, T.; JACOB, B. The Impact of no Child Left Behind on Student Achievement. Working Paper No.15531, NBER, 2009.

DOBBIE, W; FREYER, R. G. Getting Beneath the Veil of Effective Schools: Evidence from New York City. Working Paper No.17632, NBER. 2011.

FERNANDES, R. As Avaliações e os Desafios do Ensino Médio. In E. BACHA, E. e SCHWARTZ-MAN, S. (Eds.). Brasil: A Nova Agenda Social. Rio de Janeiro, LTC, p. 276-284, 2011.

FERNANDES, R.; GREMAUD, A; SCORZAFAVE, L.; THEODORO, M. A Influência da Redução da Repetência sobre o Desempenho Escolar Futuro, In: Fernandes, R; Souza, A; Botelho, F, Scorzafave, L. (orgs). "Políticas Públicas Educacionais e Desempenho Escolar do Alunos da Rede Pública de Ensino" Ribeirão Preto: Funpec / BNDES, 2014.

FERRAZ, C; BRUNS, B. Incentives to Teach: The Effects of Pay-for-Performance in Education, mimeo, 2012.

FIGLIO, D. N.; KENNY, L.W. Individual Teacher Incentives and Student Performance. Journal of Public Economics, v.91, p.901–914, 2007.

FIGLIO, D.; LOEB, S. School Accountability. In HANUSHEK, E., MACHIN, S. e WOESSMANN, L. (Eds) Handbook of the Economics of Education, Volume 3, North-Holland, p. 383-421, 2011.

FIRPO, S.; PONCZEK, V.; TAVARES, P. A relação entre a participação em jornada escolar amplia-da e o desempenho escolar no ensino fundamental, In: Fernandes, R; Souza, A; Botelho, F, Scorzafave, L. (orgs). "Políticas Públicas Educacionais e Desempenho Escolar do Alunos da Rede Pública de Ensino" Ribeirão Preto: Funpec / BNDES, 2014.

FRYER, R. Teacher Incentives and Student Achievement: Evidence from New York City Public Schools. Working Paper No. 16850, NBER, 2011.

GLEWWE, P., ILIAS, N. e KREMER, M. Teacher Incentives. Working Paper No. 9671, NBER, 2003.GOODMAN, S. e TURNER, L. The Design of Teacher Incentive Pay and Educational Outcomes:

Evidence from the New York City Bonus Program. Journal of Labor Economics, v. 31, n. 2, p. 409-420, 2013.

GUERRA, F; FOGUEL, M. Multitasking in Different Political Economy Contexts: Evidence from a Performance-Pay Reform in Brazil, mimeo, 2011.

HANUSHEK, E. A. The Failure of Input-based Schooling Policies. The Economic Journal, v. 113, n. 485, p. F64-F98, 2003.

HANUSHEK, E. A. e RAYMOND, M. Does school accountability lead to improved student per-formance? Journal of Policy Analysis & Management, v. 24, n, 2: 297-327, 2005.

257 Capítulo 10

JINNAI, Y. The Impact of Teacher Performance Pay on Student Achievement: A Regression Dis-continuity Approach. Working Paper, 2012.

LAVY, V. Performance Pay and Teachers’ Effort, Productivity, and Grading Ethics. American Economic Review, v. 99. n.5. p.1979–2011, 2009.

MENEZES-FILHO, N.; OLIVEIRA, A. A Relação entre Gastos e Educação e Desempenho Escolar nos Municípios Brasileiros: Uma Análise com dados em Painel, In: Fernandes, R; Souza, A; Botelho, F, Scorzafave, L. (orgs). "Políticas Públicas Educacionais e Desempenho Escolar do Alunos da Rede Pública de Ensino" Ribeirão Preto: Funpec / BNDES, 2014.

MURALIDHARAN, K; SUNDARARAMAN, V. Teacher Performance Pay: Experimental Evidence from India. Working Paper No. 15323, NBER, 2009.

NICOLELLA, A.; KASSOUF, A.; BELLUZZO, W. Programas de qualificação do corpo docente e sua relação com o desempenho dos estudantes, In: Fernandes, R; Souza, A; Botelho, F, Scorza-fave, L. (orgs). "Políticas Públicas Educacionais e Desempenho Escolar do Alunos da Rede Pública de Ensino" Ribeirão Preto: Funpec / BNDES, 2014.

PINTO, C.; RODRIGUES, C.; SANTOS, D. The impact of daycare attendance on Math test scores for a cohort of 4th graders in Brazil. C-Micro Working Papers Series 10/2011.

PINTO, C.; SOUZA, A. O Impacto da Educação Infantil no Desempenho dos Alunos do Ensino Fundamental, In: Fernandes, R; Souza, A; Botelho, F, Scorzafave, L. (orgs). "Políticas Públi-cas Educacionais e Desempenho Escolar do Alunos da Rede Pública de Ensino" Ribeirão Preto: Funpec / BNDES, 2014.

SOARES, T.; GREMAUD, A. A Identificação e Análise das Experiências de Sucesso Educacional, In: Fernandes, R; Souza, A; Botelho, F, Scorzafave, L. (orgs). "Políticas Públicas Educacio-nais e Desempenho Escolar do Alunos da Rede Pública de Ensino" Ribeirão Preto: Funpec / BNDS, 2014.

SOUZA, A. Impactos da Pré-escola no Brasil. In ARAUJO, A. (ed.) Aprendizagem Infantil. Uma Abordagem da Neurociência, Economia e Psicologia Cognitiva. Rio de Janeiro: Academia Brasileira de Ciências, 2010.

SOUZA, A.; PONCZEK, V.; TAVARES, P. A relação entre a adoção de métodos estruturados de ensino e o desempenho escolar no ensino fundamental, In: Fernandes, R; Souza, A; Bo-telho, F, Scorzafave, L. (orgs). "Políticas Públicas Educacionais e Desempenho Escolar do Alunos da Rede Pública de Ensino" Ribeirão Preto: Funpec / BNDES, 2014.

Este livro foi impresso pela Paym Gráfica e Editora paraFUNPEC-Editora em março de 2014.

A fonte utilizada no texto foi Calibri no corpo 11/13,4e o papel do miolo é Off Set 75g.

Editor ChefeProf. Dr. Francisco A. Moura Duarte

Editor AssociadoProf. Dr. David De Jong

Coordenador de Produção Gráfica, Capa e DiagramaçãoEdmundo Cruz Canado

R. Floriano Peixoto, 2444 – Alto da Boa Vista14025-220 Ribeirão Preto, SP

Tel.: (16) 3620-1251 · Fax: (16) 3621-1991www.livrariafunpecrp.com.br

[email protected]

Políticas Públicas Educacionais e Desempenho Escolar dos Alunos ...

Documents

Transcript of Políticas Públicas Educacionais e Desempenho Escolar dos Alunos ...