Busca avançada
Ano de início
Entree

Uso de modelagens estatísticas e de ciências dos dados para melhorar aprendizagens e reduzir desigualdades escolares das redes públicas de ensino

Processo: 22/06522-8
Modalidade de apoio:Auxílio à Pesquisa - Pesquisa em Políticas Públicas
Data de Início da vigência: 01 de fevereiro de 2023
Data de Término da vigência: 30 de setembro de 2025
Área do conhecimento:Ciências Humanas - Educação - Planejamento e Avaliação Educacional
Acordo de Cooperação: Secretaria de Educação do Estado de São Paulo
Pesquisador responsável:Mozart Neves Ramos
Beneficiário:Mozart Neves Ramos
Instituição Sede: Instituto de Estudos Avançados (IEA). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Pesquisadores associados:Alexandre Pereira Salgado Junior ; Antonio José da Costa Filho ; Carla Aparecida Arena Ventura ; Filomena Siqueira e Silva ; João Bosco Paraiso da Silva ; Juliana Chiaretti Novi ; Juliana da Silva Dias ; Leonardo Guimarães Medeiros ; Luiz Alberto Frezzatti Negreiros ; Marco Antonio Alves de Souza Junior ; Perla Calil Pongeluppe Wadhy Rebehy ; Rafael Naime Ruggiero ; Yago Silveira Marinzeck Santos
Bolsa(s) vinculada(s):23/08737-4 - Uma análise de componentes principais (APC) dos indicadores educacionais dos anos iniciais e finais do ensino fundamental de redes públicas de ensino, BP.TT
Assunto(s):Desigualdade educacional  Educação escolar básica  Administração escolar  Políticas públicas 
Palavra(s)-Chave do Pesquisador:Aprendizado escolar | Desigualdade educacional | Educação Básica | Gestão Escolar | Métodos estatísticos de análise multivariada | Políticas Públicas em Educação

Resumo

Colocar numa mesma equação quantidade e qualidade é certamente o maior desafio da educação pública brasileira. Ao longo das últimas décadas o país logrou êxito quanto ao acesso à escola, especialmente no que se refere ao Ensino Fundamental. Contudo, o grande esforço que o país necessita fazer concentra-se principalmente nos baixos índices de aprendizagens escolares, como revertê-los e que seja para todos os alunos, pois os níveis de desigualdade educacional são enormes, seja entre escolas de uma mesma rede de ensino, ou entre municípios de um mesmo estado, ou ainda entre estados de uma mesma região brasileira. O estado de São Paulo não é diferente do Brasil, não obstante, apresentar resultados de aprendizagens escolares bem acima da média nacional, mas ainda se encontra muito aquém daqueles que são necessários para responder as grandes demandas do século XXI, mesmo se levarmos em conta regiões do estado de elevado nível socioeconômico. Este projeto tem como objetivo realizar modelagens estatísticas e de ciências dos dados para melhorar aprendizagens e reduzir desigualdades escolares das redes públicas de ensino para os Anos Iniciais e Finais do Ensino Fundamental dos municípios de Ribeirão Preto, Batatais, Cordeirópolis, Francisco Morato e Jundiaí, beneficiando mais de 100 mil estudantes dessas redes de ensino. Neste sentido, a técnica estatística multivariada de componentes principais (PCA) será usada para estabelecer padrões de desempenho escolar para as redes de ensino destes municípios, permitindo, numa segunda fase dos resultados, obter um indicador de desigualdade educacional para as escolas destas redes ao longo dos anos de 2015, 2017 e 2019. Além disso, como segundo eixo de atuação, este projeto pretende investigar a influência dos diretores escolares sobre os resultados de aprendizagens, fazendo uso dos dados do questionário socioeconômico do SAEB que abordam questões relacionadas à liderança escolar a partir do que a literatura estudada aponta e das notas dos alunos nas provas do SAEB, seguindo-se de um tratamento estatístico usando análise de regressão linear múltipla. Hoje se sabe que uma liderança escolar eficaz pode impactar em até 12 pontos nas aprendizagens escolares dos estudantes no exame do SAEB. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)