Müzik Öğretim Programının Öğeleri ve Program Hazırlama

A hipótese, que visa estabelecer se o tipo de escola de ensino médio (EEEP) frequentada pelos alunos tem influência no desempenho acadêmico destes, foi testada para as notas de língua portuguesa e matemática separadamente. O teste se baseia na amostra de alunos

descrita na seção anterior, em dois momentos: 2008 (quando eles cursaram o 9o ano do ensino

fundamental) e 2011 (3o ano ensino médio). Os resultados a seguir baseiam-se na estimação

da equação de painel, que descreve um modelo que tem como variáveis explicativas características relacionadas ao aluno, sua família, infraestrutura da escola frequentada e características dos pares.

Na Tabela 9 são apresentados os resultados referentes a matemática. Os resultados referentes a língua portuguesa são similares e estão no Anexo 5.

Tabela 9 - Resultados Dados em Painel - Matemática

Erro padrão entre parênteses, *** p<0.01, ** p<0.05, * p<0.1 Fonte: base de dados

Os resultados obtidos através do modelo de dados em painel mostram que os coeficientes da variável independente de interesse (tipo de escola) são estatisticamente significantes e possuem o mesmo sinal nos casos de língua portuguesa e matemática. A Tabela 9 apresenta três modelos, sendo (1) modelo básico, que inclui apenas o tipo de escola, (2) modelo completo (inclui todas as variáveis de controle) e (3) modelo sem variável relativa aos pares.

Os modelos 1 e 3 têm um coeficiente positivo para a variável de interesse, em linha com a hipótese, indicando que a variação do desempenho dos alunos é positivamente afetada pelo fato do aluno frequentar uma EEEP. O modelo 3 estima que os alunos que frequentam EEEPs têm um desempenho acadêmico superior aos que não frequentam, de cerca de 0,28 pontos na nota padronizada no caso de matemática.

Analisando-se os coeficientes das características da escola e professores, chama a atenção os coeficientes negativos nos casos de laboratório de ciências e internet no modelo 2. Apesar da magnitude dos coeficientes ser muito pequena, esse resultado vai contra a intuição de que

(1) Variáveis d_prf_mt_norm tipo de escola 0.264*** (0.0197) efeito peers escolaridade professores laboratório ciências laboratório informática internet constante -0.0181*** (0.00601) observações 23,888 R-squared 0.007 `(2) d_prf_mt_norm -0.107*** (0.0220) 0.244*** (0.00566) 0.00659 (0.0304) -0.0308** (0.0132) -0.0221 (0.0144) -0.0294* (0.0155) 0.0483*** (0.0102) 22,514 0.085 `(3) d_prf_mt_norm 0.281*** (0.0209) 0.126*** (0.0315) 0.000284 (0.0137) 0.0198 (0.0150) 0.00825 (0.0161) -0.0482*** (0.0103) 22,514 0.009

melhorias nos recursos escolares possibilitariam melhoria no desempenho. Entretanto, pode- se também interpretar o sinal dessas variáveis como indicação de que existência desses recursos tira a atenção dos alunos do aprendizado específico de língua portuguesa e matemática (BIONDI & FELICIO, 2007).

No modelo 3, apenas a escolaridade dos professores é significante. As razões para essa falta de significância das variáveis de controle pode ser em razão de as características variarem pouco (por exemplo, praticamente todas as escolas da amostra possuem acesso a internet) ou devido ao fato de várias características da escola estarem contidas no tipo de escola (como comentado na Seção 2 todas as EEEPs possuem laboratórios de ciências e informática, por exemplo).

No modelo 2, a variável independente de controle relativa aos pares (média dos pares) é bastante relevante estatisticamente e apresenta o sinal esperado pela literatura. Entretanto, a inclusão dela no modelo causa uma alteração radical do coeficiente estimado da variável independente de interesse (tipo de escola), que permanece significante, porém torna-se negativo. Embora de acordo com a teoria seja importante incluir no modelo uma variável relacionada à influência que as características dos outros alunos da escola possa ter no desempenho acadêmico do aluno, o fato de usarmos uma variável relativa às notas médias dos alunos da escola traz um potencial problema de multicolinearidade para o modelo. Embora não seja possível calcular a correlação entre a média dos pares e o tipo de escola (EEEP ou regular) pelo fato da variável tipo de escola ser uma dummy, existe uma relação entre as variáveis, dado que tanto as notas médias dos alunos da amostra que frequentaram EEEPs como as notas médias das próprias EEEPs são superiores às das escolas regulares, como mostrado nas estatísticas descritivas.

Assim, de acordo com o modelo 2 o ganho que o fato de frequentar uma EEEP traz para a nota do aluno é parcialmente capturado pela variável “média dos pares” e não pela variável tipo de escola. Ou seja, aparentemente o que explicaria a melhora na nota dos alunos no ensino médio no Modelo 2 não seria a ida para a EEEP e sim a ida para uma escola com nota média dos pares mais alta. Os resultados da análise indicam que alunos que saem de uma escola fundamental com nota média dos pares mais baixa e vão para uma escola de ensino médio com nota média dos pares mais alta, mesmo que não seja uma EEEP, também

melhoram seu desempenho acadêmico. Nesses casos as variações tendem a ser maiores que nos casos em que a mudança da escola é para uma EEEP, tornando o sinal da variável “tipo de escola” na presença da variável “média dos pares” negativo. Desse modo, os resultados demostram que os alunos que vão para escolas com média dos pares mais alta melhoram seu desempenho, porém os que vão para EEEPs melhoram menos que os demais, possivelmente por já partirem de um patamar mais alto.

Pode-se afirmar que inclusão da “média dos pares” cria uma endogeneidade no modelo 2, dado que variável dependente é uma medida de desempenho, porém a variável independente “média dos pares” já mede o desempenho dos alunos da escola frequentada pelo indivíduo. Essa endogeneidade prejudica a interpretação do efeito da EEEP no desempenho acadêmico dos alunos.

Como foi detectada uma endogeneidade no modelo 2, alguns caminhos alternativos poderiam ser explorados:

- uso de variável defasada da “média dos pares” – informação não disponível

- através do CEP das escolas, identificar as escolas mais próximas e utilizar a “média dos pares” de uma escola próxima ao invés de usar a informação da escola do próprio aluno – informação não disponível para as 1.533 escolas de ensino fundamental e 383 escolas e ensino médio

- uso da escolaridade média das mães da escola como proxy para qualidade dos pares - informação não disponível

- uso do investimento em educação por aluno por município nos anos de 2008 e 2011 como variável contínua que indique os recursos disponíveis para as escolas

- técnica de pareamento.

Dentre as alternativas descritas acima, foi escolhida a análise de pareamento combinado a diferenças em diferenças. Seus resultados serão descritos a seguir.