Análisis de la asociación entre la calidad de los recursos de las

composición social de su alumnado

Hasta aquí se ha presentado evidencia que confirma la distribución desigual de los alumnos argentinos de 15 años entre las instituciones y los sectores educativos, así como la posibilidad de identificar circuitos o perfiles de escuelas que se diferencian netamente respecto a la calidad de sus recursos. El paso final para diagnosticar la presencia de segmentación educativa es confirmar si existe una asociación positiva y sistemática entre la composición social de las escuelas y la calidad de sus servicios.

Para evaluar este aspecto se estimaron correlaciones simples bivariadas77 entre

cada indicador de calidad educativa y el nivel socioeconómico de los alumnos –representado por el Índice de Estatus Económico Social y Cultural (ESCS)–. Las

asociaciones más relevantes corresponden a los recursos materiales de las escuelas: los tres indicadores presentaron correlaciones positivas y significativas con el NSE de los estudiantes. En el caso de las variables relativas a la gobernanza y el clima interno, se observaron relaciones positivas y fuertes para los indicadores de autonomía de las escuelas, la oferta de actividades extracurriculares, y el comportamiento de alumnos y docentes. Finalmente, la asociación entre los recursos humanos de las escuelas y la condición social de los alumnos resultó significativa para la escasez de docentes y la proporción de docentes certificados.

En síntesis, en todos los casos se encontraron correlaciones positivas o nulas entre los indicadores de calidad de los recursos educativos y el ESCS de los alumnos. Las asociaciones positivas pueden interpretarse como regresivas, ya que favorecen a los estudiantes mejor posicionados en el plano socioeconómico. La interpretación de las correlaciones nulas, por su parte, depende de cómo se conciba a la equidad educativa (Iatarola y Stiefel, 2003): una formulación neutral postularía que existe igualdad de oportunidades si no hay asociación entre las características de los estudiantes y los recursos que les brinda el sistema; una formulación que implique una acción afirmativa postularía que la igualdad sólo se alcanza si se brindan más y mejores recursos a los alumnos desfavorecidos. Bajo esta segunda concepción, la presencia de correlaciones positivas y nulas indica que el sistema educativo argentino está en algunos casos ampliando y en otros reproduciendo las desigualdades de origen. A su vez, se destaca que ninguna de las variables analizadas presentó una asociación progresiva, por lo que las acciones de “discriminación positiva” aplicadas a través de distintos programas especiales no estarían resultando efectivas en términos de los recursos considerados.

La existencia de estas asociaciones regresivas se refleja en la relación entre el NSE de los alumnos y su asistencia a los segmentos escolares identificados anteriormente (Cuadro 5.15). Claramente, el alumnado del circuito que presenta mejores recursos proviene de un contexto más favorecido: sólo un 40% de los estudiantes cuyo índice ESCS se encuentra en el cuartil más bajo asiste al segmento Alto, mientras que este porcentaje se duplica para quienes pertenecen al cuartil de ESCS más alto.

Cuadro 5.15: Relación entre el NSE de los alumnos y la asistencia a cada segmento escolar

ESCS Segmento Alto Segmento Bajo Total Media* -0,294 -1,077 -0,615

Cuartil 1 39,6% 60,4% 100%

Cuartil 2 51,2% 48,8% 100%

Cuartil 3 65,8% 34,2% 100%

Cuartil 4 79,7% 20,3% 100%

Nota: * la diferencia de medias entre ambos segmentos es estadísticamente significativa al 1%. Fuente: elaboración propia a partir de la base de datos PISA 2009 (OCDE)

77

Las mismas se han calculado a nivel alumno, siguiendo el procedimiento correcto para estimar el error estándar de los coeficientes de correlación indicado en OCDE (2009).

Para aportar rigurosidad a este análisis, e intentar identificar las características particulares de los alumnos y sus familias que más influyen en su probabilidad de insertarse en el segmento escolar Alto, se estima un modelo econométrico de respuesta binaria. En particular, se emplea un modelo Probit78 en el cual la variable dependiente toma valor 1 para reflejar la asistencia al Segmento Alto, y 0 en el caso contrario.

El mismo supone que la decisión de una familia o alumno de asistir a una escuela de cierto segmento depende de un índice de utilidad no observable o latente , que se determina por una serie de variables explicativas . Así:

(1)

Se supone que la variable representa la tendencia de un individuo a elegir asistir al Segmento Alto, y que existe un umbral por encima del cual la variable dependiente toma valor 1. El modelo Probit supone que es una variable aleatoria que sigue una distribución normal, de modo que la probabilidad de puede calcularse a partir de la función normal acumulada:

(2)

Donde es una variable aleatoria con distribución normal estándar.

La estimación de este modelo (realizada mediante el programa Stata 11.1 SE) permite predecir la probabilidad de asistir al Segmento Alto para un estudiante con ciertas características, así como estimar el impacto que tiene sobre esta probabilidad un cambio unitario de cada variable explicativa (

).

Aquí se han incluido diversas variables que reflejan atributos personales y familiares de los alumnos, que podrían incidir tanto en su elección de escuela como en la probabilidad de ser “reclutados” o aceptados por instituciones de distinto perfil. Algunas de ellas se han incorporado como controles, por resultar significativas en estudios similares (Escardíbul y Villarroya, 2009; o Mancebón y Pérez-Ximénez, 2007). Otras se han seleccionado porque potencialmente indican la actitud o valoración de la familia hacia la escuela, así como su capacidad económica para acceder a cierto tipo de establecimientos. Finalmente, ciertas características de los alumnos podrían incidir en la percepción que las insituciones tienen acerca de su “educabilidad” o grado de conflictividad, la cual puede reflejarse en el momento de admisión o en las transferencias hacia otros centros.

Así, el modelo incluye las siguientes variables explicativas: i) Relativas al alumno: sexo femenino (mujer); edad actual; inmigrante o nativo; asistió al nivel inicial; edad al iniciar la escuela primaria; índice de actitud hacia la escuela (ATSCHL); buena percepción de su relación con los docentes; historia de repitencia (repitió al menos una vez en primaria o secundaria); ii) Relativas al hogar: estructura familiar (nuclear o no);

78

Mayores detalles acerca de este método empírico pueden encontrarse en diversos manuales de Análisis Econométrico, tales como Greene (2003) o Wooldridge (2002).

estatus ocupacional de los padres (HISEI); posesiones de riqueza; posesiones culturales; recursos educativos; y máximo nivel educativo de los padres.

Los resultados (Cuadro 5.16) muestran que el modelo es satisfactorio, ya que las variables resultan globalmente significativas y el test de Hosmer-Lemeshow no permite rechazar la hipótesis de que el ajuste entre los valores predichos y los observados es adecuado (valor-p = 0,6204). El porcentaje de observaciones correctamente predichas es de 67,3%; la sensitividad –capacidad de predecir correctamente la asistencia al Segmento Alto– es alta (87,5%), pero la especificidad –capacidad de predecir la no asistencia al Segmento Alto– es baja (29,9%).

Los signos de las variables explicativas, con la excepción de la pertenencia a una familia nuclear, resultan coherentes con lo esperado: un comienzo más temprano y un mayor éxito en la trayectoria educativa previa, al igual que un mayor NSE familiar, tienen un efecto positivo sobre la probabilidad de asistir al mejor segmento escolar.

Cuadro 5.16: Modelo probit para predecir la probabilidad de asistir al Segmento Escolar Alto

Variable exógena Coeficiente Error Estándar Robusto Efecto Marginal

Mujer 0,034 0,051 0,012

Edad actual 0,019 0,090 0,007

Inmigrante 0,105 0,144 0,038

Asistió al nivel inicial 0,445*** 0,129 0,174

Edad al iniciar la primaria -0,117*** 0,043 -0,044

Actitud hacia la escuela -0,002 0,027 -0,001

Buena relación con docentes -0,036 0,071 -0,013

Historia de repitencia -0,258*** 0,058 -0,098

Familia nuclear -0,134** 0,058 -0,049

Estatus ocupacional de padres 0,009*** 0,002 0,003

Padres estudios secundarios 0,172** 0,074 0,063

Padres estudios terciarios 0,180*** 0,065 0,067

Posesiones de riqueza 0,347*** 0,038 0,129

Posesiones culturales 0,064** 0,031 0,024

Recursos educativos del hogar -0,280 0,033 -0,010

Constante 0,227 1,424

Nota: ***, **, * indican que las variables resultan significativas al 1%, 5% y 10%; LogL=-201376,7; Pseudo R2 _{= 0,105; N=3458.}

Fuente: elaboración propia a partir de la base de datos PISA 2009 (OCDE)

Los efectos marginales indican cuáles son las variables que presentan mayor influencia. Por ejemplo, haber asistido al nivel inicial incrementa la probabilidad de insertarse en el Segmento Alto en un 17,4% respecto a no haber asistido, condicional a las demás variables en sus valores medios. Le siguen en importancia el índice de posesiones de riqueza, la historia de repitencia (efecto negativo), el nivel educativo de los padres, y la edad al iniciar la escuela primaria (efecto negativo). Es decir, los resultados sugieren que el estatus socioeconómico de las familias, así como los indicadores de una mayor valoración de la educación, se relacionan positivamente con la asistencia a una escuela con mejores recursos.

Adicionalmente, el modelo permite predecir la probabilidad de que un alumno con determinadas características asista al segmento escolar de mayor calidad: para un individuo cuyos atributos corresponden a los valores medios muestrales, la misma es del 64,1%. De especial interés resulta evaluar cómo varía esta probabilidad para alumnos

con distinto nivel socioeconómico y, específicamente, para aquellos que pertenecen o no al grupo de los más vulnerables. En el modelo formal desarrollado en el Capítulo 4, uno de los supuestos realizados es que la probabilidad de insertarse en el Segmento Alto es menor para el grupo de “pobres” ( ) que de “no pobres” (la cual para mayor simplicidad se asumió igual a 1).

El modelo probit planteado permite realizar una estimación aproximada de estos parámetros. Para ello, se sustituyó a las distintas variables representativas del NSE de las familias por una variable dicotómica que refleja la condición de pobreza. La misma toma valor 1 si el índice ESCS del individuo se ubica en el primer cuartil, y valor 0 en el caso contrario. El nuevo modelo resulta igualmente adecuado según los criterios analizados anteriormente (Cuadro 9 del Apéndice). Las probabilidades de asistencia al segmento escolar Alto predichas para dos individuos que presentan los mismos valores en las variables explicativas (valores medios muestrales), pero difieren en su condición de pobreza, son muy distintas: 67,4% para un alumno no pobre y 43,3% para un alumno pobre. Entonces, si bien hay otros factores en juego, la evidencia aporta sustento al supuesto de que las chances de un joven pobre de insertarse en un circuito educativo de menor calidad son mucho más altas que las de un joven no pobre.

4. Conclusiones

A lo largo de este capítulo se ha analizado en profundidad a la segmentación escolar, una de las formas que reviste la inequidad educativa en el sistema argentino.

La información provista por el estudio PISA ha permitido realizar un diagnóstico actualizado del fenómeno, constatando la vigencia del problema en el nivel medio. La evidencia aportada indica que persiste el proceso de segregación social de los alumnos identificado décadas atrás. Si bien la segregación ha disminuido a nivel global durante los últimos diez años, la distribución de los estudiantes entre los sectores de gestión pública y privada y al interior de este último parece ser cada vez más desigual. Así, resulta reducido el contacto en la escuela entre jóvenes de distinto origen social.

Por otro lado, se ha comprobado que los centros difieren en la cantidad y calidad de sus recursos humanos y materiales, así como en su forma de organización y su clima interno. A través del análisis de conglomerados se ha ofrecido una clasificación plausible de las instituciones participantes del estudio PISA, agrupándolas en dos segmentos que se diferencian claramente según sus insumos educativos. Asimismo, se ha determinado que la asistencia a cada uno de estos circuitos se relaciona estrechamente con las características de los alumnos y sus familias, especialmente las relativas a su nivel socioeconómico.

En suma, los resultados sugieren que en el nivel medio argentino los jóvenes acceden a condiciones de escolarización dispares según su contexto de pertenencia. Esta situación atenta contra la igualdad de oportunidades educativas y, potencialmente, contra la igualdad de resultados escolares y post-escolares.

VI. El impacto de la segmentación escolar sobre los resultados educativos: