School performance, infrastructure and teaching practice effects on secondary education in Brazil

Authors

  • Ricardo Alexandrino Garcia Instituto de Geociências, Universidade Federal de Minas Gerais (UFMG), Belo Horizonte-MG, Brasil https://orcid.org/0000-0001-7144-9866
  • Eduardo Luiz Gonçalves Rios-Neto Centro de Desenvolvimento e Planejamento Regional (Cedeplar), Faculdade de Ciências Econômicas (Face), Universidade Federal de Minas Gerais (UFMG), Belo Horizonte-MG, Brasil e Instituto Brasileiro de Geografia e Estatística (IBGE), Rio de Janeiro-RJ, Brasil https://orcid.org/0000-0002-3161-5791
  • Adriana de Miranda-Ribeiro Centro de Desenvolvimento e Planejamento Regional (Cedeplar), Faculdade de Ciências Econômicas (Face), Universidade Federal de Minas Gerais (UFMG), Belo Horizonte-MG, Brasil https://orcid.org/0000-0002-6845-7926

DOI:

https://doi.org/10.20947/S0102-3098a0152

Keywords:

Education quality, School performance, High school, Data mining, ENEM, Brazil

Abstract

This paper identifies and discusses school factors that most influence the quality of secondary education in Brazil: school performance, infrastructure, and teaching practice. We used data from the School Census and the National High School Exam (ENEM). The data mining technique has raised key characteristics for good school performance. A logistic regression model identified school characteristics that most influence the school performance of public high school students in Brazil. School performance was also investigated according to the type of school and type of education; and interstate differentials, considering the regular public high school system. Results show that students from state schools are at a disadvantage and that those from private and federal schools have similar performance when considering only the type of school. When considering the type of education as well, regular school students from federal schools have the best performance, about 1.3 times higher than that of state schools students. There are no major interstate disparities, although the results point to regional differentiation. Among school factors, teacher qualification proved to be the most impacting factor on school performance.

Downloads

Download data is not yet available.

Author Biographies

Ricardo Alexandrino Garcia, Instituto de Geociências, Universidade Federal de Minas Gerais (UFMG), Belo Horizonte-MG, Brasil

Ricardo Alexandrino Garcia é professor associado do Departamento de Geografia da Universidade Federal de Minas Gerais (UFMG).

Eduardo Luiz Gonçalves Rios-Neto, Centro de Desenvolvimento e Planejamento Regional (Cedeplar), Faculdade de Ciências Econômicas (Face), Universidade Federal de Minas Gerais (UFMG), Belo Horizonte-MG, Brasil e Instituto Brasileiro de Geografia e Estatística (IBGE), Rio de Janeiro-RJ, Brasil

Eduardo Luiz Gonçalves Rios-Neto é professor titular aposentado do Departamento de Demografia e pesquisador do Centro de Desenvolvimento e Planejamento Regional (Cedeplar) da Universidade Federal de Minas Gerais (UFMG).

Adriana de Miranda-Ribeiro, Centro de Desenvolvimento e Planejamento Regional (Cedeplar), Faculdade de Ciências Econômicas (Face), Universidade Federal de Minas Gerais (UFMG), Belo Horizonte-MG, Brasil

Adriana de Miranda-Ribeiro é professora adjunta do Departamento de Demografia e pesquisadora do Centro de Desenvolvimento e Planejamento Regional (Cedeplar) da Universidade Federal de Minas Gerais (UFMG).

References

AGAOBLU, M. Predicting instructor performance using data mining techniques in higher education. IEEE, v. 4, p. 2379-2387, 2016.

ALVES, M. T. G.; SOARES, J. S. Efeito-escola e estratificação escolar: o impacto da composição de turmas por nível de habilidade dos alunos. Educação em Revista, v. 45, p. 25-58, 2007.

ALVES, M. T. G.; XAVIER, F. P. Indicadores multidimensionais para avaliação da infraestrutura escolar do ensino fundamental. Cadernos de Pesquisa, v. 48, n. 169, p. 708-746, 2018.

ALBERNAZ, A.; FERREIRA, F. H. G.; FRANCO, C. Qualidade e equidade na educação fundamental brasileira. Rio de Janeiro: PUC-Rio, 2002. (Texto para discussão, n. 455).

ANDRADE, R. J.; SOARES, J. F. O efeito da escola básica brasileira. Estudos em Avaliação Educacional, v. 19, n. 41, p. 379-406, 2008.

BAKER, R.; ISOTANI, S.; DE CARVALHO, A. Mineração de dados educacionais: oportunidades para o Brasil. Revista Brasileira de Informática na Educação, v. 19, n. 2, p. 3-13, 2011.

BARBOSA, M. E. F.; FERNANDES, C. Modelo multinível: uma aplicação a dados de avaliação educacional. Estudos em Avaliação Educacional, v. 22, p. 135-154, 2000.

CATERINE, C. V.; LUCE, M. B.; ESPINAR, S. R. O desempenho acadêmico como indicador de qualidade da transição ensino médio-educação superior. Ensaio: Avaliação e Políticas Públicas em Educação, v. 22, n. 84, p. 635-670, 2014.

CERQUEIRA, C. A.; SAWYER, D. R. O. T. Tipologia dos estabelecimentos escolares brasileiros. Revista Brasileira de Estudos de População, v. 24, n. 1, p. 53-67, 2007.

CÉSAR, C. C.; SOARES, J. F. Desigualdades acadêmicas induzidas pelo contexto escolar. Revista Brasileira de Estudos de População, v. 18, n. 1, p. 97-110, 2001.

COLEMAN, J. S.; CAMPBELL, E. Q.; HOBSON, C. J.; MCPARTLAND, J.; MOOD, A. M.; WEINFELD, F. D.; YORK, R. L. Equality of educational opportunity. Washington, D.C.: U.S. Government Printing Office, 1966.

COSTA, S. S.; CAZELLA, S.; RIGO, S. J. Minerando dados sobre o desempenho de alunos de cursos de educação permanente em modalidade EAD: um estudo de caso sobre evasão escolar na UNA-SUS. Novas Tecnologias na Educação, v. 12, n. 2, p. 1-11, 2014.

CUNHA, J. M. P.; PEREZ, J. R. R.; AIDAR, T. Proposta metodológica de elaboração de indicador educacional sintético para os municípios. Revista Brasileira de Estudos de População, v. 18, n. 1, p. 131-159, 2001.

DUTRA, R. S.; DUTRA, G. B. M.; PARENTE, P. H. N.; PARENTE, L. O. S. S. Determinantes do desempenho educacional dos institutos federais do Brasil no Exame Nacional do Ensino Médio. Pesquisa e Educação, v. 45, p. 1-23, 2019.

FAYYAD, U.; PIATETSKY-SHAPIRO, G.; SMYTH, P. From data mining to knowledge discovery in databases. AI Magazine, v. 17, n. 3, p. 37-54, 1996.

FERNANDES, R.; NATENZON, P. E. A evolução recente do rendimento escolar das crianças brasileiras: uma reavaliação dos dados do Saeb. Estudos em Avaliação Educacional, n. 28, p. 3-22, 2007.

FERNANDEZ, G. C. Discriminant analysis, a powerful classification technique in data mining. In: SAS USERS INTERNATIONAL CONFERENCE. Proceedings [...]. Paper 247-27, 2002.

FISHER, R. A. The design of experiments. Edinburgh: Oliver & Boyd, 1935.

FONSECA, S. O.; NAMEN, A. A. Mineração em bases de dados do INEP: uma análise exploratória para nortear melhorias no sistema educacional brasileiro. Educação em Revista, v. 32, n. 1, p. 133-157, 2016.

FREITAS-JÚNIOR, O. G.; RODRIGUES, W. R. M.; BARBIRATO, J. C. C.; BARROS COSTA, E. Melhoria da gestão escolar através do uso de técnicas de mineração de dados educacionais: um estudo de caso em escolas municipais de Maceió. Novas Tecnologias na Educação, v. 17, n. 1, p. 296-305, 2019.

GATTI, B. A. Estudos quantitativos em educação. Educação e Pesquisa, v. 30, n. 1, p. 11-30, 2004.

HANUSHEK, E. The economics of schooling: production and efficiency in public schools. Journal of Economic Literature, v. 24, p. 1141-1177, 1986.

HOSMER, D. W.; LEMESHOW, S. Applied logistic regression. 2. ed. New York: Wiley, 2000.

IMBERNÓN, F. Qualidade do ensino e formação do professorado: uma mudança necessária. São Paulo: Cortez, 2016.

INEP − Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Resumo técnico: Censo da Educação Básica 2017. Brasília, 2017. Disponível em: http://download.inep.gov.br/educacao_superior/censo_superior/resumo_tecnico/resumo_tecnico_censo_da_educacao_superior_2017.pdf Acesso em: 02 nov. 2019.

JESUS, G. R. de; LAROS, J. A. Eficácia escolar: regressão multinível com dados de avaliação em larga escala. Avaliação Psicológica, v. 3, n. 2, p. 93-106, 2004.

KAMPFF, A. J. C.; REATEGUI, E. B.; LIMA, J. V. Mineração de dados educacionais para a construção de alertas em ambientes virtuais de aprendizagem como apoio à prática docente. Novas Tecnologias na Educação, v. 6, n. 2, p. 1-8, 2008.

LAROS, J. A.; MARCIANO, J. L. Índices educacionais associados à proficiência em língua portuguesa: um estudo multinível. Avaliação Psicológica, v. 7, n. 3, p. 371-389, 2008.

LARRUBIA, L. M. et al. Uma função de produção educacional para o ensino de 2° grau, no Rio Grande do Sul. Revista do Centro de Ciências Rurais, v. 6, n. 3, p. 315-322, 1976.

LOURENÇO, R. L.; NASCIMENTO, J. C. H. B.; SAUERBRONN, F. F.; MACEDO, M. A. S. Determinantes sociais e pedagógicos das notas do IDEB. Revista Pensamento Contemporâneo em Administração, v. 11, n. 4, p. 27-43, 2017.

MARTELETO, L.; ANDRADE, F. The educational achievement of Brazilian adolescents: cultural capital and the interaction between families and schools. Sociology of Education, v. 87, n. 1, p. 16-35, 2007.

NAMEN, A. A.; BORGES, S. X. A.; SADALA, M. G. S. Indicadores de qualidade do ensino fundamental: o uso das tecnologias de mineração de dados e de visões multidimensionais para apoio à análise e definição de políticas públicas. Revista Brasileira de Estudos Pedagógicos, v. 94, n. 238, p. 677-700, 2013.

NASCIMENTO, R. L. S.; CRUZ-JUNIOR, G. G.; FAGUNDES, R. A. A. Mineração de dados educacionais: um estudo sobre indicadores da educação em bases de dados do INEP. Novas Tecnologias na Educação, v. 16, n. 1, p. 1-11, 2018.

PALERMO, G. A.; SILVA, D. B. N.; NOVELLINO, M. S. F. Fatores associados ao desempenho escolar: uma análise da proficiência em matemática dos alunos do 5º ano do ensino fundamental da rede municipal do Rio de Janeiro. Revista Brasileira de Estudos de População, v. 31, n. 2, p. 367-394, 2014.

RIANI, J. L. R.; RIOS-NETO, E. L. G. Análise do dividendo demográfico na matrícula escolar no Brasil numa abordagem hierárquica e hierárquica-espacial. Revista Brasileira de Estudos de População, v. 24, n. 1, p. 69-90, 2007.

RIANI, J. L. R.; RIOS-NETO, E. L. G. Background familiar versus perfil escolar do município: qual possui maior impacto no resultado educacional dos alunos brasileiros? Revista Brasileira de Estudos de População, v. 25, n. 2, p. 251-269, 2008.

RIOS-NETO, E. L. G.; CÉSAR, C. C.; RIANI, J. L. R. Estratificação educacional e progressão escolar por série no Brasil. Pesquisa e Planejamento Econômico, v. 32, n. 3, p. 395-416, 2002.

RODRIGUES, C. R.; RIOS-NETO, E. L. G.; PINTO, C. C. X. Diferenças intertemporais na média e distribuição do desempenho escolar no Brasil: o papel do nível socioeconômico, 1997 a 2005. Revista Brasileira de Estudos de População, v. 28, n. 1, p. 5-36, 2011.

SILVA-JUNIOR, W. S.; GONÇALVES, F. O. Evidências da relação entre a frequência no ensino infantil e o desempenho dos alunos do ensino fundamental público no Brasil. Revista Brasileira de Estudos de População, v. 33, n. 2, p. 283-301, 2016.

SMITH, G. Step away from stepwise. Journal of Big Data, v. 5, article 32, 2018.

SOARES, J. F.; ALVES, M. T. G.; OLIVEIRA, R. M. O efeito de 248 escolas de nível médio no vestibular da UFMG nos anos de 1998, 1999 e 2000. Estudos em Avaliação Educacional, v. 24, p. 69-118, 2001.

SOARES, T. M.; FERNANDES, N. S.; NÓBREGA, M. C.; NICOLE, A. C. N. Fatores associados ao abandono escolar no ensino médio público de Minas Gerais. Educação e Pesquisa, v. 41, n. 3, p. 757-772, 2015.

SOUSA, C. A.; LIRA-JUNIOR, M. A.; FERREIRA, R. L. C. Avaliação de testes estatísticos de comparações múltiplas de médias. Revista Ceres, v. 59, n. 3, p. 350-354, 2012.

TRAVITZKI, R.; CALERO, J.; BOTO, C. What does the National High School Exam (ENEM) tell Brazilian society? Cepal Review, v. 113, p. 157-174, 2014.

TRAVITZKI, R. Avaliação da qualidade do Enem 2009 e 2011 com técnicas psicométricas. Estudos em Avaliação Educacional, v. 28, n. 67, p. 256-288, 2017.

TRAVITZKI, R.; FERRÃO, M. E.; COUTO, A. P. Desigualdades educacionais e socioeconómicas na população brasileira pré-universitária: uma visão a partir da análise de dados do ENEM. Arquivos Analíticos de Políticas Educativas, v. 24, n. 74, p. 1-36, 2016.

VIANNA, H. M. Avaliações nacionais em larga escala: análises e propostas. Estudos em Avaliação Educacional, v. 27, p. 41-76, 2003.

Published

2021-07-26

How to Cite

Alexandrino Garcia, R., Luiz Gonçalves Rios-Neto, E., & Miranda-Ribeiro, A. de. (2021). School performance, infrastructure and teaching practice effects on secondary education in Brazil. Brazilian Journal of Population Studies, 38, 1–32. https://doi.org/10.20947/S0102-3098a0152

Issue

Section

Original Articles