Resumo
Recentemente, o baixo desempenho dos estudantes brasileiros nas avaliaes internacionais ganhou os noticirios, levantando a suspeita de que a qualidade da educao cientfica no pas esteja em queda. Neste artigo, inspirados pela sociologia da educao de Pierre Bourdieu, ns investigamos o efeito da desigualdade social no desempenho dos estudantes brasileiros em Cincias da Natureza. Uma amostra representativa de todos os participantes do ENEM entre 2012 e 2019 (n = 489.167) foi submetida a uma anlise de correspondncia mltipla ajustada e inserida em um modelo linear multivariado. Como primeiro resultado, observamos que a origem social capaz de explicar mais de 35% do desempenho em cincias dos estudantes. Logo, grande parte do sucesso escolar devido ao privilgio de classe. Por outro lado, frequentar uma escola privilegiada mais importante que nascer em uma famlia privilegiada, pois o efeito social da escola mostrou-se quase quatro vezes superior ao efeito social individual. Esses resultados trazem implicaes importantes para pensarmos criticamente a educao cientfica em vista da ideologia do mrito e da distribuio desigual de recursos e oportunidades no sistema educacional.
Palavras-Chave: Desigualdade social; Luta de classes; Bourdieu; ENEM; Ciencias da Natureza.
Abstract
Recently, Brazilian students' low performance in international assessments has reached the news, raising the suspicion that the quality of scientific education in the country is declining. In this article, inspired by Pierre Bourdieu's sociology of education, we investigate the effect of social inequality on the scientific performance of Brazilian students. A representative sample of ENEM participants between 2012 and 2019 (n = 489,167) was subjected to an adjusted correspondence analysis and inserted in a multivariate linear model. As a first result, we observed that social background explains more than 35% of the students' performance in science. Therefore, school success is largely indebted to class privilege. On the other hand, attending a privileged school is more important than being born in a privileged family, as the school social effect proved to be four times superior to the individual social effect. These results have important implications to critically approach science education regarding the ideology of merit as well as the unequal distribution of resources and opportunities in the education system.
Keywords: Social inequality; Class struggle; Bourdieu; ENEM; Natural Sciences.
(ProQuest: ... denotes formulae omitted.)
INTRODUÇÂO
Desde a década de 1960, a relaçâo entre origem social e destino escolar é considerada um tema fundamental da pesquisa e da política educacional, colocando em xeque a ideia de que o sucesso escolar resulta somente de dom ou mérito individual (Salej, 2005). Ao longo do tempo, os pesquisadores deixaram de se surpreender com a associaçâo entre desigualdades sociais e escolares, dedicando-se a compreender como essas desigualdades se constroem no plano individual (Massi, Muzzeti, & Suficier, 2017). De fato, há muito tempo sabemos que variáveis sociais e escolares tendem a estar associadas, mas essa associaçâo nem sempre apresenta a mesma intensidade e interpretaçâo (OECD, 2010). Movidas por esse espirito, diversas pesquisas tém mapeado os condicionantes sociais do sucesso e do fracasso escolar nas Ciencias da Natureza (Silva & Pereira, 2019), contribuindo para a construçâo de um olhar mais crítico sobre a educaçâo científica.
Por exemplo, ao analisar os relatos e memorias de 136 professores de Ciencias, Watanabe e Gurgel (2017) identificaram como o desenvolvimento professional desses professores é marcado por discriminaçöes de classe e cor que foram sistematicamente reforçadas pelas avaliaçöes escolares. Com respeito ao curso de graduaçâo em Física da Universidade de Brasilia (UnB), é possível argumentar que, mesmo nâo havendo relaçâo significativa entre evasâo e desempenho académico, a pressâo por excelencia estrutura as experiencias dos discentes (Lima Junior et al., 2020), prejudicando a integraçâo daqueles que tém origem nas periferias urbanas (Lima Junior, Fraga Junior, Andrade, & Bernardino, 2020). Essas pesquisas ilustram como as avaliaçöes escolares podem contribuir, â escala individual, para a manutençâo das desigualdades sociais.
Em razâo de diversos programas federais, o Exame Nacional do Ensino Médio (ENEM) tem funcionado como o principal regulador do acesso â educaçâo pública nâo compulsoria e, por isso, faz sentido que ele seja cuidadosamente monitorado. Sabemos, por exemplo, que as relaçöes entre desempenho no ENEM e origem social dos estudantes sâo típicamente mais intensas nas provas de Ciencias da Natureza e Matemática (Lima Junior, 2015). Além disso, ao analisar o ENEM nos anos de 2011, 2012 e 2014, Kleinke (2017) observou que a taxa de acerto média nos itens de Física entre estudantes de elite foi duas vezes superior ao desempenho dos estudantes de classe popular. Ao olhar para os tipos de questöes, Kleinke concluiu que os itens que contextualizaram o conteúdo de Física, apesar de possuírem baixo índice de acerto, tendem a discriminar menos os estudantes com respeito â sua origem social. Nascimento, Cavalcanti e Ostermann (2018), ao analisar as ediçöes de 2009, 2012 e 2015, ratificaram que os melhores desempenhos no ENEM estâo relacionados a um alto volume de capital cultural e económico dos estudantes e que as questöes qualitativas sâo menos discriminatórias.
Recentemente, o baixo desempenho dos estudantes brasileiros nas avaliaçöes internacionais ganhou os noticiários (Moreno & Oliveira, 2019), levantando a suspeita de que a qualidade da educaçâo científica no país esteja em queda. Por outro lado, sabemos que os rankings internacionais produzem uma imagem muito aproximada do que realmente se passa em nosso país, sendo necessário levar em consideraçâo as desigualdades internas de nosso sistema educacional para produzirmos um diagnóstico mais preciso da nossa situaçâo. Enfim, visando expandir o conhecimento já disponível sobre o efeito da desigualdade social no desempenho em ciencias da natureza dos estudantes brasileiros, tomamos os dados do ENEM de 2012 a 2019 com o propósito de avaliar o poder preditivo da origem social dos estudantes sobre o desempenho na prova de Ciencias da Natureza. Aparentemente, o poder discriminatório do ENEM cresceu de 2006 a 2012 (Lima Junior, 2015). Ou seja, a associaçâo entre origem social e desempenho escolar observada na populaçâo brasileira aumentou durante esse período. Nesta análise, nós tomamos uma amostra representativa de todos os participantes do ENEM entre os anos 2012 e 2019 (n = 489.167). Com respeito a eles, perguntamos:
* Qual é o efeito da origem social sobre o desempenho na prova de Ciencias da Natureza?
* Esse efeito sofre algum tipo de transformaçâo ao longo do período investigado? Qual?
Para responder âs questöes acima, apresentamos uma análise baseada no método estatístico que se consagrou nos estudos empíricos de Pierre Bourdieu (1984, 1990): a análise de correspondencia. Redescoberto recentemente pela pesquisa em educaçâo em Ciencias (Claussen & Osborne, 2013), Bourdieu pode ser considerado um autor relevante para pensarmos diversos desafios contemporáneos, tais como a evasâo dos cursos de graduaçâo (Fernandes, Ueno Guimarâes, Robert, & Passos, 2020; Lima Junior, 2013; Massi & Villani, 2015), o desenvolvimento do interesse por ciencia em sala de aula (Anderhag, Hamza, & Wickman, 2015); as aspiraçöes profissionais relacionadas âs Ciencias de jovens estudantes (Archer, Dawson, DeWitt, Seakins, & Wong, 2015); a formaçâo e desenvolvimento profissional docente (Genovese, Queiroz, & Castilho, 2015; Mello & Higa, 2018), as estratégias de distinçâo dos estudantes de Ciencias (Almeida & Watanabe, 2019), e, finalmente, o desempenho dos estudantes nas avaliaçöes de Ciencias da Natureza (Lima Junior, Ostermann, & Rezende, 2013; Nascimento et al., 2018).
A análise de correspondencia parte de dados contidos em uma tabela de contingencia e reproduz, graficamente, as relaçöes entre esses dados (Greenacre, 2007). Trata-se de uma ferramenta muito útil para a pesquisa sobre desigualdades sociais, pois a possibilidade de gerar uma imagem gráfica da associaçâo entre variáveis categóricas torna intuitiva a interpretaçâo de questionários socioeconómicos. Além disso, ela representa as variáveis qualitativas em uma escala, que pode ser submetida a análises posteriores. Visando contribuir para a popularizaçâo da análise de correspondencia, neste artigo, nós a empregamos sem supor que o leitor tenha familiaridade com outras ferramentas estatísticas. Enfim, esperamos que nossa análise contribua para um olhar crítico sobre as avaliaçöes escolares em Ciencias da Natureza, explicitando a associaçâo entre origem social e oportunidades escolares.
Contribuiçöes de Pierre Bourdieu
A partir dos anos 1970, Bourdieu foi se tornando progressivamente popular no Brasil como o autor do livro "A Reproduçâo" (Bourdieu & Passeron, 2009), obra que fala diretamente aos que foram iludidos com a promessa de que a garantia de acesso â educaçâo produziria uma sociedade menos desigual e mais baseada no mérito individual. No Brasil, a expansâo da educaçâo básica teve inicio sob a ditadura militar (1964-1986) e foi acompanhada de uma profunda precarizaçâo do ensino e proletarizaçâo do oficio docente. Segundo dados recentes (Gráfico 1), considerando uma lista numerosa de países investigados, o menor de todos os salários iniciais pagos a professores do ensino secundário é brasileiro.
Nâo surpreende observar que o desempenho médio dos nossos estudantes nas avaliaçöes de Ciencias da Natureza siga de perto a precarizaçâo estrutural do nosso sistema de ensino. Segundo os dados mais atuais (Gráfico 2), a Indonésia é o único país conhecido em que o desempenho médio dos estudantes em Ciencias da Natureza fica aquém do brasileiro. Como se nâo bastasse, o sistema educacional brasileiro nâo é somente precário, mas internamente heterogéneo, desigual. Essa desigualdade pode ser claramente percebida nos rankings nacionais que posicionam as instituiçöes privadas de Ensino Médio â frente das escolas públicas (Evolucional, 2020).
Antes que essas comparaçöes nacionais e internacionais fossem täo comuns quanto sao hoje em dia, Bourdieu teve o mérito de formular uma explicapäo teoricamente consistente e empíricamente fundamentada para a associaçao entre origem social e percurso escolar (Lima Junior, Pinheiro, & Ostermann, 2012; Nogueira & Nogueira, 2009). Segundo ele (Bourdieu, 2007), as desigualdades escolares näo decorrem imediatamente da desigualdade económica, mas das relaçöes entre dois sistemas de relaçöes: (1) o sistema das relaçöes de classe (que nao pode ser reduzido â distribuiçâo desigual da renda), e (2) o sistema de ensino. Bourdieu (1984) teve, também, o mérito de explicitar a maneira como diferentes origens sociais correspondem a diferentes estratégias familiares de investimento escolar. Fazendo isso, ele permite perceber que a consagraçao escolar dos cidadäos culturalmente privilegiados näo é automática, mas depende da maneira como suas familias se mobilizam ativamente em vista de sua classificaçäo e desclassifícaçäo (Bourdieu, 1984). Essa mobilizaçäo ativa, por outro lado, näo implica ter consciencia do quanto as lutas sociais estruturam nossas açöes. Pelo contrário, o principio gerador das nossas práticas (chamado habitus) encontrase incorporado até mesmo âs nossas açöes mais instintivas, fazendo com que muitas delas pareçam resultado de um cálculo racional. Isso é o que se observa, por exemplo, em algumas familias de classe média que investem na escola porque tem a educaçäo dos filhos como um valor fundamental em suas vidas (ou seja, näo por reconhecerem que o sucesso escolar da prole é cond^äo indispensável para preservar a pos^äo familiar na estrutura das relaçöes de classe). Frequentemente, säo essas familias que mais experimentam uma sensaçäo de nobreza superior ao se deparar com outras, que näo se dedicam täo obstinadamente a posicionar seus filhos nos melhores cursos e instituiçöes de ensino. Dessa maneira, faz sentido afirmar que o habitus é a necessidade tornada virtude (Bourdieu, 2013): muitas açöes e percepçöes que, em última análise, representam luta, disputa e manutençäo de privilégios säo vividas como se partissem das virtudes individuais.
De maneira muito sintética, as análises de Bourdieu apontam que, em cada formaçäo social, os sistemas educacionais säo menos revolucionários do que se imaginava, e mais comprometidos com a manutençäo das desigualdades sociais. Essa perspectiva, compartilhada por diversos analistas emergentes na década de 1970, permite localizar a obra de Bourdieu como uma teoria crítica do pensamento educacional (Silva, 2014). Contudo, mergulhando um pouco mais profundamente no autor, é fácil perceber que a crítica social da educaçäo é um tema relativamente estreito no conjunto de sua obra. Bourdieu estava mais voltado a questöes fundamentais da teoria social, tal como a supe^äo do subjetivismo e do objetivismo nas análises da açäo individual (Bourdieu, 1990), e a consü^äo de um aparato teórico capaz de explicar tanto as reproduçöes quanto as transformaçöes do campo social (Bourdieu, 2004).
A análise de correspondencia näo é somente a técnica estatística mais empregada por Bourdieu, mas ela funciona como uma chave importante para entendermos a obra desse autor, que, há alguns anos, foi redescoberto pela pesquisa em educaçâo em Ciencias (Claussen & Osborne, 2013). A despeito do estilo de escrita muito sofisticado, Bourdieu jamais postulou ideias fora de uma sólida base empírica. De fato, as aproximaçöes entre as formulaçöes básicas que encontramos nesse autor e a análise de correspondencia sao substanciais. Conforme veremos ao longo deste artigo, a grande conquista da análise de correspondencia é a possibilidade de mapear padröes de associaçao entre variáveis categóricas (nominais ou ordinais). Sao exemplos de variáveis categóricas: faixa de renda, escolaridade e ocupaçao dos pais, padröes de consumo, descritores de hábitos culturais, alimentares, religiosos, posicionamento político... Todas essas informaçöes sao ativamente empregadas pelos individuos de cada formaçao social para se distinguir uns dos outros, delimitando grupos sociais com os quais podem estabelecer relaçöes de estranhamento e pertencimento. Assim, os mapas da análise de correspondencia permitem agrupar os individuos e suas qualidades por similaridade. Qualidades similares (e.g., renda de 2 a 3 salários mínimos e escolaridade média) sao representadas como pontos próximos no mapa. Enquanto isso, qualidades dissimilares (e.g., baixa renda e alta escolaridade) sao afastadas. Assim, faz todo o sentido que o espaço social a que se refere Bourdieu (2007) seja imaginado como um espaço multidimensional em que cada dimensao representa um tipo diferente de desigualdade. O espaço social é, portanto, o espaço das distinçöes.
Outro destaque relevante que podemos fazer sobre a análise de correspondencia diz respeito a maneira recíproca como ela permite representar relaçöes causais (Klüger, 2018). No quadro teórico bourdieusiano, a estrutura social, determinada pela distribuiçao desigual de capital (económico, cultural, social), orienta flexivelmente as açöes individuais (Bourdieu, 1990). Porém, as formas de capital incluem componentes que sao elas mesmas práticas, capazes de distinguir os agentes, por exemplo, em funçao de sua proximidade com relaçao as elites cultural e económica. Assim, as práticas culturais nao sao determinadas por fora (por algo que escape completamente a elas mesmas), mas participam de sua própria determinaçao. A estrutura das relaçöes de classe está assentada em distinçöes de nobreza e julgamentos de gosto que precisam ser reafirmados justamente porque as relaçöes de classe nao consistem de uma estrutura rígidamente estabelecida, mas constantemente negociada e disputada (Bourdieu, 1984). As posiçöes sociais a partir das quais as pessoas lutam sao negociadas na própria luta. Assim, a análise de correspondencia permite pensar a sociedade como um sistema autocorrelacionado e, portanto, aberto a transformaçöes (Fowler, 2020). Disso resulta também que a noçâo de "estrutura" em Bourdieu foge â noçâo intuitiva de algo rígido e invariante, mas corresponde a um conjunto de relaçöes determinantes que se transformam ao longo do tempo.
METODOS
Para avaliar o efeito da origem social sobre o desempenho dos estudantes brasileiros em Ciencias da Natureza (vide questöes de pesquisa), nós importamos e empilhamos os dados de todas as ediçöes do ENEM de 2012 até 2019. As variáveis de escolaridade e renda foram recodificadas para que houvesse coerencia de interpretaçao (e.g., padronizando as faixas de renda em múltiplos do salário-mínimo em vez de valores absolutos em reais). Pela maneira como a escala do ENEM é construída, podemos assumir que pontuaçöes iguais obtidas em anos diferentes designam o mesmo grau de proficiencia. Após o empilhamento, a quantidade de participantes era muito grande para conduzir a análise multivariada em um computador pessoal (34,8 milhöes de observaçöes). Além disso, o ganho em confiabilidade de uma análise com essa quantidade de observaçöes seria inexpressivo e nao justificaria o esforço. Logo, optamos por selecionar uma amostra representativa desse universo (com n = 489.167). A amostra corresponde aos estudantes de 600 escolas tomadas aleatoriamente do universo das que tem participaçao consistente no certame (i.e., um mínimo de 30 estudantes concorrendo em cada ediçao do ENEM). Essa condiçao será importante para garantir a confiabilidade do que chamaremos "efeito social da escola".
As informaçöes de renda e escolaridade dos pais foram, enfim, submetidas a uma Análise de Correspondencia Múltipla (ACM) Ajustada (Greenacre, 2007). Tomamos o cuidado de explicar algumas ideias-chave desse método de análise para que o leitor possa interpretar conosco seus resultados gráficos. Os mapas gerados por meio da ACM Ajustada permitiram determinar a "posiçâo de classe individual" da família de cada estudante. Como toda nossa amostra é composta por estudantes localizados em escolas onde há vários outros estudantes, pudemos calcular, também, a "posiçâo de classe da escola". Essas duas informaçöes foram inseridas em um modelo de regressao linear com o propósito de testar o poder preditivo da origem social dos estudantes sobre seu desempenho na prova. A variável "ano" foi inserida para avaliarmos como a associaçao entre origem social e desempenho evolui ao longo do tempo. Como a regressâo linear é um método mais familiar para pesquisadores com formaçâo em Ciencias da Natureza, nao nos ocupamos tanto em introduzi-la ao longo da análise.
ANALISE
Tabelas de Contingencia
A análise de correspondencia tem como ponto de partida uma tabela de contingencia, que apresenta o número de casos (ocorrencias) nos cruzamentos dos níveis de variáveis categóricas. A saber, todas as variáveis codificadas em níveis (ordenados ou nao) sao consideradas categóricas (e.g., cor, sexo, faixas de renda, escolaridade e ocupaçao dos pais). A Tabela 1 apresenta o resultado da tabulaçao cruzada entre as variáveis de escolaridade do pai e da mae para os participantes da nossa amostra. As células da tabela de contingencia exibem, em primeiro lugar, a quantidade de casos que satisfazem simultaneamente as condiçöes de linha e coluna (i.e., 7334 estudantes tem pai e mae sem nenhuma escolaridade). Observe que as tabelas de contingencia também informam ocorrencias totais por linha, coluna e geral (todas em negrito).
Perfil é o nome dado a um conjunto de frequencias relativas dos dados em uma tabela de contingencia. Para calcular o perfil, devemos dividir as frequencias observadas em cada linha (ou coluna) pelo total dessa linha (ou coluna). Os valores dos perfis-linha da Tabela 1 foram informados entre parenteses em cada célula. A saber, os valores entre parenteses podem ser interpretados como coordenadas em um espaço multidimensional (Greenacre, 2007). Em outras palavras, os perfis podem ser representados por uma posiçao no espaço. O perfil da última linha pode ser considerado a média ponderada dos demais perfis-linha. Por ser uma média ponderada de posiçöes, o perfil médio pode ser interpretado como um centro de massa.
Além de uma posiçao, dizemos que cada perfil tem uma massa, que está relacionada a ocupaçao desse perfil. Perfis muito massivos carregam mais casos que os demais. Para obtermos a massa dos perfislinha, devemos efetuar a divisao do total de cada linha pelo total geral da amostra. As massas dos perfis-linha foram publicadas entre colchetes na Tabela
1. Desconsiderando os totais, podemos perceber que a Tabela 1 é uma matriz 6 x 6. A saber, uma representaçao espacial perfeita dos dados dessa matriz necessitaria de um espaço com 5 dimensöes (Greenacre, 2007). Para dar conta de tantas dimensöes em um mapa bidimensional, precisamos buscar uma saida. O processo usual é relativamente simples e análogo a uma fotografia, que permite visualizar, em um registro bidimensional, uma realidade com mais de duas dimensöes. A chamada reduçao da dimensionalidade consiste em projetar as posiçöes dos perfis multidimensionais em um plano. Essa dimensional é o coraçâo da análise de correspondencia. Há, no entanto, um preço a pagar. Assim como nas fotografias, a reduçâo de dimensionalidade acarreta perda de informaçâo. Sendo assim, um dos principais desafios da análise de correspondencia é encontrar a menor quantidade de dimensöes capazes de representar os dados da maneira mais verossímil possível. A propósito, de maneira análoga ao que ocorre na análise de variância (Silveira, 1999), a análise de correspondencia busca um modelo que explique, ao máximo, a dispersäo dos dados. Aqui, a medida dessa dispersäo é chamada inércia. Em geral, quando a análise de correspondencia é bem-sucedida, o mapa produzido é capaz de representar grande parte da inércia total dos dados.
Correspondencia múltipla
A análise de correspondencia múltipla toma como ponto de partida uma tabela que representa, ao mesmo tempo, as relaçöes entre todas as variáveis que desejamos analisar. Há duas tabelas que cumprem essa funçâo (1) a matriz indicadora e (2) a matriz de Burt. Para alguns propósitos, a análise dessas matrizes produz resultados equivalentes. Neste artigo, escolhemos dar atençâo â matriz de Burt, que pode ser definida como um conjunto de tabelas de contingencia empilhadas. O Quadro 1 mostra como seria uma matriz de Burt composta pelo cruzamento de duas variáveis com quatro níveis cada. A partir do Quadro 1, o leitor poderá imaginar como seria uma matriz de Burt com uma quantidade maior de variáveis e níveis. A saber, a análise de correspondencia múltipla pode ser definida como a análise de correspondencia simples aplicada â matriz de Burt (Greenacre, 2007). Em outras palavras, calculamos os perfis-linha da matriz de Burt. O resultado da análise é o mapa bidimensional capaz de representar a maior parte da inércia total dos perfis.
A correspondencia múltipla é uma boa ferramenta para representarmos a associaçâo entre variáveis categóricas de uma tabela de contingencia. Porém, a inércia explicada costuma ser subestimada e a inércia total, superestimada (Greenacre, 2007). De fato, uma das razöes para o baixo poder explicativo da análise de correspondencia múltipla convencional está relacionada â maneira como a matriz de Burt foi definida. Ao aplicar a análise de correspondencia simples â matriz de Burt como um todo, obrigamos o algoritmo a representar todas as associaçöes presentes na matriz, enquanto as associaçöes realmente importantes estäo nas submatrizes que näo tocam a diagonal principal (vide Quadro 1). As submatrizes diagonais da matriz de Burt säo repletas de zeros e näo trazem informaçâo relevante para a análise. É preciso, portanto, encontrar uma maneira de neutralizá-las. Há dois métodos que contornam esse problema: as chamadas análises de correspondencia conjunta e ajustada (Greenacre, 2007). A representaçäo gráfica obtida nos dois métodos nao e exatamente igual, mas costuma ser semelhante. Optamos por mostrar aqui o mapa simétrico da ACM Ajustada (Gráfico 3), que responde por 85,4% da inércia total dos dados.
Há vários outputs gráficos da análise de correspondencia. De todas as opçöes disponíveis, nós temos preferido trabalhar com os chamados "mapas simétricos". Para interpretá-los, devemos projetar os pontos do gráfico (que representam níveis das variáveis categóricas) sobre os eixos. Essas projeçöes dao sentido conceitual aos eixos. Por exemplo, no Gráfico 3, percebemos que todas as categorias estao organizadas em torno de uma ferradura, sugerindo uma direçao de leitura do mapa. No começo da nuvem de pontos (a esquerda e acima), encontram-se as familias de pais sem escolaridade. Seguindo a ferradura a partir dessa posiçao, percorremos, ordenadamente, todos os estratos de escolaridade e renda. Na parte baixa da ferradura, encontram-se as familias com poucos salários mínimos e escolaridade média. Ao final da nuvem de pontos, encontramos as familias com renda superior a 9 salários mínimos e pós-gradua&ecedil;ao. Dito tudo isso, percebemos que a dimensao 1 representa mais diretamente a posiçao dos cidadaos na estrutura das relaçöes de classe. Portanto, a coordenada dos individuos ao longo da Dimensao 1 foi salva e chamada "posiçao individual de classe" (IND).
A posiçao individual de classe (IND) é, portanto, um escalar que distingue as famílias com respeito a renda familiar e a escolaridade dos pais. Por exemplo, posiçöes individuais de classe inferiores a -0,5 indicam famílias sem renda e sem escolaridade. Valores entre -0,5 e 0 indicam famílias com ensino fundamental e renda flutuando um pouco acima de 1 salário mínimo. No segmento que vai de 0 a 0,5 predominam famílias com formaçao média e renda entre 2 e 3 salários mínimos. Seguindo esse pensamento, o Quadro 2 foi elaborado para explicitar a correspondencia entre os valores assumidos pela posiçao individual de classe (IND) e a interpretaçao que pode ser dada a essa posiçao.
Essa posiçâo individual de classe será o ponto de partida para nosso modelo preditivo do desempenho dos estudantes brasileiros em Ciencias da Natureza. Todas as vezes que for necessário interpretar essa variável escalar, será preciso retornar ao Gráfico 3 e ao Quadro 2. Por exemplo, para cada valor assumido pela posiçâo de classe (IND = 0,1,2...), o leitor deve ser capaz de identificar rapidamente o perfil da familia designado por esse valor. Manter em mente essa informaçâo tornará a análise mais significativa.
Especificando e avallando o modelo
Tal como ocorre em qualquer processo de modelagem, a estimativa do efeito da origem social sobre o desempenho escolar é sensivel âs escolhas do analista (Heidemann, Araujo, & Veit, 2016). Segundo resultados do PISA (OECD, 2010), a origem social dos colegas da escola pode apresentar maior poder preditivo sobre o desempenho dos estudantes que suas próprias origens sociais. Esse fenómeno pode ser chamado "efeito social da escola" e há várias explicaçöes para ele. Como nós sabemos, costuma haver uma distribuiçâo desigual dos recursos (materiais, humanos) para as escolas das periferias (Garcia-Silva & Lima Junior, 2020) e essa desigualdade pode estar refletida na qualidade das experiencias de aprendizagem proporcionada aos estudantes dessas escolas. No Brasil, a desigualdade entre escolas geralmente é abordada pela oposiçâo entre rede pública e privada (Evolucional, 2020). Porém, as redes de ensino sâo internamente desiguais e as posiçöes de classe do corpo discente podem ser um indicador mais sensivel do privilégio de estudar nesta ou naquela instituiçâo. Além disso, é possivel que o convivio com colegas de outra origem social contribua para que os estudantes incorporem práticas tipicas de uma origem diferente da sua. Com respeito a isso, também poderiamos argumentar que muitos jovens passam mais tempo com os colegas da escola que com seus familiares. Sendo assim, as amizades construidas na escola podem exercer sobre eles uma grande influencia.
Para testar o efeito social da escola, nós estimamos a "posiçâo de classe da escola" pela média das posiçöes individuais dos seus estudantes. As posiçöes de classe individuais serâo designadas pela variável IND enquanto a posiçâo de classe da escola será designada por ESC. A partir do Gráfico 3, percebemos que essas variáveis podem assumir qualquer valor na reta real, mas estâo típicamente entre -1,0 e +2,0. De inicio, essas duas variáveis foram inseridas em um modelo linear especificado da seguinte maneira:
...
Na equaçâo acima, as quantidades ß representam os parámetros constantes do modelo que serâo ajustados aos dados. As quantidades £¿ designam os residuos da regressâo. Eles correspondem â diferença entre a nota obtida por cada estudante (NotaCNı) e a nota esperada em vista da origem social individual e escolar (ß0 + ßindINDi + ßescESCi). A saber, o modelo acima é uma generalizaçâo multivariada das regressöes lineares tipicas dos laboratórios de ensino de Fisica. Ele tenta ajustar retas aos dados, supondo que variaçöes na origem social sejam capazes de produzir variaçöes proporcionais no desempenho cientifico dos estudantes. Conforme veremos a seguir, o modelo permitirá quantificar a relaçâo entre essas variáveis, determinando o desempenho esperado em Ciencias da Natureza para cada perfil socioeconómico.
Ainda que a origem social seja sempre relevante, o tamanho do seu efeito sobre o desempenho escolar dos estudantes pode mudar entre diferentes países e épocas (OECD, 2010). Para avaliarmos como o efeito da origem social muda ao longo do tempo, incluimos termos de interaçâo de IND e ESC com o ano de realizaçâo do ENEM.
Antes de observamos o resultado do modelo acima, é importante examinar os chamados "gráficos diagnósticos" (Fahrmeir, Kneib, Lang, & Marx, 2013). Eles permitem avaliar se as premissas do modelo foram satisfeitas. Em caso negativo, as inferencias feitas a partir do modelo poderao estar comprometidas. Sendo assim, essa é uma etapa muito importante para garantir a validade dos resultados que a análise está prestes a produzir. A Figura 1 apresenta os quatro gráficos diagnósticos simultaneamente. O analista familiarizado com modelos de regressao linear múltipla perceberá que as premissas do modelo foram todas satisfeitas1. Portanto, a análise pode prosseguir.
Ao final do output, lemos que "p-value: < 2.2e-16". Logo, o modelo é estatisticamente significativo e os resultados desta análise nao podem ser atribuidos ao acaso. Porém, dada a quantidade de observaçöes e a natureza do modelo, esse resultado era esperado: nós já sabíamos que a origem social é um preditor importante do desempenho dos estudantes em Ciencias da Natureza (Kleinke, 2017; Nascimento et al., 2018). A novidade aqui é determinar a magnitude do efeito da origem social sobre o desempenho dos estudantes brasileiros. No output acima, há diversas informaçöes conclusivas com respeito ás nossas questöes de pesquisa. Nas seçöes seguintes, nós nos dedicamos a interpretar e discutir as informaçöes disponiveis nesse output.
Analisando o tamanho do efeito
A primeira medida que pode ser interpretada como "tamanho do efeito" da origem social é o chamado coeficiente de determinaçâo R2. Ele assume valores entre 0 e 1 e representa a fraçao de variância da variável dependente (NotaCN) explicada pelas demais variáveis do modelo (IND, ESC e suas interaçöes). No output, lemos "R-squared: 0.3583". Isso significa que o poder explicativo da origem social sobre o desempenho dos estudantes brasileiros em Ciencias da Natureza pode ser estimado em 35,8%. Portanto, é correto afirmar que pouco mais de um terço do desempenho observado entre estudantes brasileiros pode ser explicado pela origem social desses estudantes. Uma questao importante agora é avaliar se 35,8% é muito ou pouco. De fato, se estivéssemos desenvolvendo uma vacina, uma eficiencia da ordem de 30% a 40% representaría um grande fracasso. Por essa razao, alguns manuais de estatistica aplicada informam que um efeito de 30% pode ser considerado pequeno. Porém, em se tratando de dados educacionais (que geralmente carregam muita variaçao individual) e de um efeito que nao deveria acontecer de maneira alguma (i.e., a reproduçao, na escola, de desigualdades sociais), esse percentual pode ser considerado elevadissimo!
Outra maneira de mensurarmos o efeito das variáveis é examinar as estimativas dos parámetros ß representados na coluna "Estimates". O primeiro parâmetro marca o valor de interceptaçao do modelo, que designamos por ß0 neste artigo. Ele corresponde ao valor esperado da variável independente (NotaCN) quando todas as demais sao iguais a zero (i.e., quando IND = 0 e ESC = 0). Consultando o Gráfico 3 e o Quadro 2, podemos perceber que o valor de interceptaçao do modelo (NotaCN = 484,8) corresponde ás familias de escolaridade fundamental e média com renda em torno de 2 salários mínimos. Os dois parámetros seguintes, designados por ßind e ßesc, acompanham as variáveis IND e ESC. Da maneira como o modelo foi especificado (i.e., com interaçöes), os valores de ßind e ßesc devem ser atribuidos ao certame de 2012 (voltaremos a essa questao na próxima seçao).
Visando contribuir para a interpretaçao dos parámetros do modelo declarados no output, geramos um gráfico que representa a fraçao dos candidatos ao ENEM de 2012 com posiçao individual de classe IND = 0. Com respeito aos estudantes que satisfazem essas condiçöes, geramos um diagrama de dispersao do desempenho na prova de Ciencias da Natureza (NotaCN) contra a posiçao de classe da escola (ESC). Esse gráfico permite avaliar, portanto, o efeito social da escola quando o efeito individual de classe é mantido constante. O resultado foi publicado no Gráfico 4. Nele, a reta vermelha representa o modelo linear ajustado. Observe que essa reta acompanha a inclinaçao da nuvem de pontos: os estudantes de baixo desempenho cientifico (NotaCN < 400) estao sobrerrepresentados nas escolas de classe média-baixa (ESC < 1) enquanto estudantes posicionados em escolas relativamente privilegiadas (ESC > 1) tendem a estar mais bem posicionados na escala do exame.
Ao mesmo tempo, é flagrante uma grande dispersao dos individuos em torno da reta do modelo. O leitor nao deve se surpreender com isso. De fato, essa dispersao individual é muito importante para entendermos adequadamente o estado usual das desigualdades sociais frente â escola: ainda que existam tendencias estruturais que marcam privilégios de classe, nao é razoável esperar que a estrutura social esteja identicamente incorporada a todos os individuos. O privilégio de classe frente â escola é uma tendencia nao desprezível em torno da qual se acumulam diversas exceçöes individuais. Por essa razao, é sempre possível encontrar casos de sucesso escolar em meios populares (Lahire, 1997). Essa possibilidade, por outro lado, em nada contradiz a tendencia central explicitada no modelo linear que estamos analisando.
A saber, os parâmetros que determinam a reta representada no Gráfico 4 foram extraídos do output. O ponto de interceptaçao (ß0 = 484,8) corresponde ao ponto em que a reta do modelo (em vermelho) cruza o eixo vertical (em azul). O parámetro do efeito social da escola (ßesc = 36,5) corresponde â declividade do gráfico. Portanto, quanto maior for esse parámetro, mais inclinada será a reta do modelo e maior será o efeito social da escola sobre o desempenho dos estudantes em Ciencias da Natureza. O leitor pode experimentar valores diferentes na equaçao do modelo para ter uma ideia prática do quanto a origem social muda o desempenho esperado dos estudantes na prova. Por exemplo, nos casos em que IND = 2 e ESC = 2 (ou seja, filhos de familias com pós-gradua&ecedil;ao e renda superior a 20 salários mínimos que estudam em escolas da mesma posiçao de classe), o desempenho esperado NotaCN pode ser calculado fazendo:
...
O leitor pode comparar esses resultados com outros valores de referencia (e.g., a nota de corte para ingresso nos cursos de sua universidade) para perceber o quanto a diferença acima representa uma vantagem elevada. Finalmente, observe que, controlando o efeito das demais variáveis, o efeito social da escola (ßesc = 36,5) chega a ser quase quatro vezes superior ao efeito da origem social individual (ßind = 9,53). Isso mostra que a posiçao média do corpo discente na estrutura das relaçöes de classe pode ser considerada muito mais importante que a posiçao individual da familia de cada estudante.
Transformares ao longo do tempo
Outra questao que nós nos fizemos no inicio desse artigo diz respeito as transformaçöes do efeito da origem social. Já sabemos que as posiçöes dos individuos e da escola na estrutura das relaçöes de classe explicam, juntas, 35,8% do desempenho dos estudantes brasileiros em Ciencias Naturais. Mas esse poder explicativo é mantido constante ao longo dos anos? Para avaliar essa questao, consideramos os termos de interaçâo do modelo linear que ajustamos aos dados. Os termos de interaçâo informam como os coeficientes lineares ßinde ßesc devem ser ajustados anualmente, tomando 2012 como ano de referencia. Por exemplo, ao final do output, lemos o seguinte:
Esc:NU_ANO2018 -4.7086 0.4757 -9.899 < 2e-16 ···
Esc:NU_ANO2019 -5.5465 0.4950 -11.204 < 2e-16 ···
Isso significa que o coeficiente linear associado a variável ESC (ßesc) deve sofrer uma reduçao de 4,7 pontos no ano de 2018 e de 5,5 pontos no ano de 2019 com relaçao ao valor estimado no ano de 2012. Feitas essas consideraçöes, nós somamos os efeitos de interaçao e geramos um diagrama de dispersao que nos permite avaliar a série temporal dos efeitos combinados da origem social (individual e escolar). O resultado está disponível no Gráfico 5.
Como é possível perceber, o Gráfico 5 indica uma tendencia de queda. Ou seja, o poder preditivo da origem social sobre o desempenho dos brasileiros em Ciencias da Natureza esteve diminuindo no período que vai de 2012 a 2019. Os anos de 2014 e 2018 apresentam resultados discrepantes que nao prejudicam a tendencia geral de queda. As razöes dessa queda, no entanto, ainda precisam ser examinadas. Talvez sejam devidas a uma recomposiçao da prova que tenha incluido progressivamente uma quantidade maior de questöes com baixa discriminaçao social (Nascimento et al., 2018). Isso pode nao ser positivo, visto que questöes de baixa discriminaçao sao, também, questöes com menor taxa de acerto global (Kleinke, 2017). Talvez a reduçao do poder discriminatório da prova reflita o efeito tardío de políticas de bem-estar social implementadas nos anos anteriores. De qualquer maneira, a queda observada aqui está longe de neutralizar os efeitos de classe sobre o resultado escolar, correspondendo a um recuo máximo de 7 pontos em um coeficiente conjunto (ßind + ßesc) de aproximadamente 46 pontos.
CONSIDERAÇÖES FINAIS
No Brasil, o uso de métodos estatísticos ainda é um tema polémico para a pesquisa educacional. Análises quantitativas sao geralmente consideradas positivistas e, a partir daí, descartadas. Enquanto isso, o sentido real do positivismo em ciéncias sociais quase nunca é aprofundado. Acredita-se que os métodos quantitativos foram amplamente empregados no passado e superados pela pesquisa qualitativa contemporánea. No entanto, as evidéncias indicam que nunca houve, no Brasil, uma tradiçao quantitativa consistente na pesquisa educacional (Gatti, 2004). De fato, a resisténcia em quantificar fenómenos educacionais está amplamente baseada em uma relaçao ingénua e nao-crítica com essas quantificaçöes, que sempre estao inscritas em um processo de modelagem. Portanto, as conclusöes de análises quantitativas nao sao mais definitivas ou confiáveis que aquelas que poderíamos obter com outras metodologias. Enquanto ferramentas de pesquisa, métodos qualitativos e quantitativos abrem caminhos distintos, geralmente irredutíveis uns aos outros.
Outra ingenuidade consiste em acreditar que é possível trabalhar com desigualdades sociais e, ao mesmo tempo, descartar o legado histórico das metodologías quantitativas. Aparentemente, alguns pesquisadores em Educaçao (em Ciéncias) esquecem o quanto as perspectivas críticas que temos hoje com respeito âs contribuiçöes da escola para a manutençâo/superaçâo das desigualdades sociais sao devidas a estudos quantitativos do passado e do presente. Ao longo das últimas décadas, a pesquisa em Educaçao em Ciéncias tem se tornado mais sensível âs desigualdades sociais (Lemke, 2001). Essa sensibilidade tem contribuído para que alguns pesquisadores se voltem aos métodos tradicionalmente empregados pelas áreas de conhecimento que, há muito tempo, investigam as relaçöes entre escolaridade e desigualdade social (Bourdieu, 1984). Esse retorno crítico aos métodos quantitativos (retorno ao que nunca esteve efetivamente estabelecido na pesquisa educacional) expande as oportunidades de transferéncia de conhecimentos das Ciéncias da Natureza para o campo da Educaçao. Neste artigo, empregamos uma ferramenta estatística que permite a análise gráfica de dados em uma tabela de contingéncia (Greenacre, 2007). Em seguida, construímos um modelo linear capaz de predizer o desempenho científico de estudantes brasileiros em funçao da sua origem social. Esse modelo linear nos permitiu responder âs duas questöes de pesquisa enunciadas na abertura do artigo.
Em primeiro lugar, observamos que a origem social (determinada somente pelas variáveis renda e escolaridade dos pais) é capaz de explicar mais de 35% do desempenho científico dos estudantes brasileiros. Considerando a noçao contemporánea de classe social (Bourdieu, 1984), essas variáveis representam informaçao muito limitada. Justamente por isso, é impressionante que um modelo baseado nelas atinja um poder explicativo tao elevado. Por exemplo, ao analisar dados do vestibular da UFRGS, Silveira (1999) elaborou um modelo com poder explicativo semelhante (R2 = 34.2%) mas contendo uma quantidade muito superior de variáveis (k = 15). Uma vantagem de trabalhar com dados nacionais é sua variabilidade. Exames vestibulares realizados por universidades distintas tendem a sofrer de um processo que Bourdieu e Passeron (2009) designaram por "superseleçâo". A superselaçao resulta de uma seleçao anterior (no caso, uma autoeliminaçao) que contribui para que a amostra nao represente o comportamento médio da populaçao sobre a qual nós gostaríamos de fazer nossas inferéncias. Enquanto muitos cidadaos optam por nao participar do vestibular, o Exame Nacional do Ensino Médio conta com a participaçao de uma porçao muito mais numerosa e diversa da populaçao brasileira. Isso favorece que desigualdades sociais nao fiquem tao mascaradas quanto nos estudos restritos a uma única instituiçao.
Em segundo lugar, o chamado "efeito social da escola" (i.e., o efeito da origem social média dos estudantes de cada escola) resultou quase quatro vezes superior ao efeito da origem social individual em nosso modelo. Esse resultado está alinhado âs análises do PISA (OECD, 2010) e algumas explicaçöes foram antecipadas. É possível, por exemplo, que a predomináncia do efeito social da escola reflita a distribuiçâo desigual de recursos humanos e materiais entre instituiçöes de ensino que atendem a públicos diferentes. De fato, a desigualdade na distribuiçâo de recursos é uma preocupaçao típica e importante na educaçao científica das periferias urbanas (Garcia-Silva & Lima Junior, 2020). Outra explicaçao possível para a prevaléncia do efeito social da escola atribui ao convívio com os colegas a capacidade de modificar as estratégias de investimento escolar dos estudantes. Com respeito a esse ponto de vista, alguma evidéncia pode ser encontrada na análise de história de vida de estudantes de classe popular que, convivendo com colegas de origem social privilegiada, passam a adotar ambiçöes escolares semelhantes (Lima Junior, 2013). No entanto, mais pesquisas precisam ser feitas a respeito.
Enfim, ao contrário do que foi observado no período de 2006 a 2012 (Lima Junior, 2015), a associaçao entre origem social e desempenho científico dos estudantes brasileiros apresentou tendéncia de queda de 2012 a 2019. Ela pode ser um efeito tardio das políticas de bem-estar social e de valorizaçao do corpo docente implementadas em anos anteriores. Essa reduçao também poderia ser explicada por uma recomposiçao do próprio ENEM, incluindo menos itens de alta discriminaçâo social (Kleinke, 2017; Nascimento et al., 2018). De qualquer maneira, as razöes dessa queda ainda estao bastante nebulosas e demandam pesquisas posteriores para serem compreendidas.
Agradecimentos
Os autores agradecem ao apoio do Conselho Nacional de Desenvolvimento Científico e Tecnológico, CNPq (processo 436910/2018-7).
1 A saber, as premissas do modelo linear clássico testadas nos gráficos diagnósticos sao as seguintes (Fahrmeir et al., 2013): (1) os residuos devem ser independentes e normalmente distribuidos; (2) a variância dos residuos devem ser a mesma em todos os grupos e segmentos da amostra. Além disso, é importante a nao ocorrencia de outliers alavancados. Todas essas condiçöes podem ser avaliadas nos gráficos diagnósticos da seguinte maneira: (1) os pontos do gráfico "Normal Q-Q" devem estar alinhados, formando uma reta crescente; (2) as linhas de tendencia (em cor azul) nos demais gráficos devem ser aproximadamente horizontais.
REFERENCIAS
Almeida, M. P. de, & Watanabe, G. (2019). As concepçöes de graduandos sobre o seu capital cultural: perspectivas e persistencias históricas nos contextos educacionais. Revista Brasileira de Ensino de Ciencia e Tecnología, 12(3). https://doi.org/10.3895/rbect.v12n3.8538
Anderhag, P., Hamza, K. M., & Wickman, P.-O. (2015). What Can a Teacher Do to Support Students' Interest in Science? A Study of the Constitution of Taste in a Science Classroom. Research in Science Education, 45(5), 749-784. https://doi.org/10.1007/s11165-014-9448-4
Archer, L., Dawson, E., DeWitt, J., Seakins, A., & Wong, B. (2015). "Science capital": A conceptual, methodological, and empirical argument for extending bourdieusian notions of capital beyond the arts. Journal of Research in Science Teaching, 52(7), 922-948. https://doi.org/10.1002/tea.21227
Bourdieu, P. (1984). Distinction: a social critique of the judgement of taste. London, England: Routledge.
Bourdieu, P. (1990). The logic of practice. Stanford, United States of America: Stanford University Press.
Bourdieu, P. (2004). A produçâo da crença: contribuiçâo para uma economia dos bens simbólicos. Porto Alegre, RS: Zouk.
Bourdieu, P. (2007). A Economia das Trocas Simbólicas (6a. ed.). Sao Paulo, SP: Perspectiva.
Bourdieu, P. (2013). Outline of a theory of practice. Cambridge, England: Cambridge University Press.
Bourdieu, P., & Passeron, J.-C. (2009). A reproduçao: elementos para uma teoria do sistema de ensino (2a. ed.). Petrópolis, RJ: Vozes.
Claussen, S., & Osborne, J. (2013). Bourdieu's notion of cultural capital and its implications for the science curriculum. Science Education, 97(1), 58-79. https://doi.org/10.1002/sce.21040
Evolucional. (2020). Consolidaçâo das notas por escola do Enem 2019. Campinas, SP: Evolucional. https://enem2019.evolucional.com.br
Fahrmeir, L., Kneib, T., Lang, S., & Marx, B. (2013). Regression: models, methods and applications. Berlin, Germany: Springer.
Fernandes, J., Ueno Guimaraes, M. H., Robert, A., & Passos, M. M. (2020). Estudo da evasao dos estudantes de Licenciatura e Bacharelado em Física: uma análise â luz da Teoria do Sistema de Ensino de Bourdieu. Caderno Brasileiro de Ensino de Física, 37(1), 105-126. https://doi.org/10.5007/21757941.2020v37n1 p105
Fowler, B. (2020). Pierre Bourdieu on social transformation, with particular reference to political and symbolic revolutions. Theory and Society, 49(3), 439-463. https://doi.org/10.1007/s11186-019-09375-z
Garcia-Silva, S., & Lima Junior, P. (2020). A Educaçao Científica das Periferias Urbanas: Uma Revisao sobre o Ensino de Ciencias em Contextos de Vulnerabilidade Social (1985-2018). Revista Brasileira de Pesquisa Em Educaçao Em Ciencias, 221-243. https://doi.org/10.28976/1984-2686rbpec2020u221243
Gatti, B. A. (2004). Estudos quantitativos em educaçâo. Educa&ecedil;ao e Pesquisa, 30(1), 11-30. https://doi.Org/10.1590/S1517-97022004000100002
Genovese, L. G. R., Queiroz, J. R. de O., & Castilho, D. D. (2015). Incorporaçâo do habitus de homo magister no interior do estágio colaborativo em Física: um olhar sobre a relaçâo entre professor supervisor e estagiário. Ensino Em Re-Vista, 22(2), 311-332. https://doi.org/10.14393/ER-v22n2a2015-5
Greenacre, M. (2007). Correspondence analysis in practice. New York, United States of America: Chapman & Hall.
Heidemann, L. A., Araujo, I. S., & Veit, E. A. (2016). Modelagem Didático-científica: integrando atividades experimentais e o pro-cesso de modelagem científica no ensino de Física. Caderno Brasileiro de Ensino de Física, 33(1), 3. https://doi.org/10.5007/2175-7941.2016v33n1 p3
Kleinke, M. U. (2017). Influencia do status socioeconómico no desempenho dos estudantes nos itens de física do Enem 2012. Revista Brasileira de Ensino de Fisica, 39(2), e2402. https://doi.org/10.1590/18069126-RBEF-2016-0081
Klüger, E. (2018). Análise de correspondencias múltiplas: fundamentos, elaboraçâo e interpretaçâo. Revista Brasileira de Informaçâo Bibliográfica Em Ciencias Sociais, 86(2), 68-97. https://doi.org/10.17666/bib8604/2018
Lahire, B. (1997). Sucesso escolar em meios populares: as razöes do improvável. Sao Paulo, SP: Ática.
Lemke, J. L. L. (2001). Articulating communities: Sociocultural perspectives on science education. Journal of Research in Science Teaching, 38(3), 296-316. https://doi.org/10.1002/10982736(200103)38:3<296:AID-TEA1007>3.0.CO:2-R
Lima Junior, P., Andrade, V. C. de, Fraga Junior, J. C., Silva, J. A. e, Goulart, F. M., & Araújo, I. M. (2020). Excelencia, evasao e experiencias de integraçao dos estudantes de graduaçao em Física. Ensaio Pesquisa em Educaçâo em Ciencias (Belo Horizonte), 22, e12165. https://dx.doi.org/10.1590/21172020210140
Lima Junior, P., Fraga Junior, J. C., Andrade, V. C. de, & Bernardino, P. R. P. (2020). A Integraçao dos Estudantes de Periferia no Curso de Física: razöes institucionais da evasao segundo a origem social. Ciencia & Educaçâo (Bauru), 26, e20030. https://dx.doi.org/10.1590/1516-731320200030
Lima Junior, P., Ostermann, F., & Rezende, F. (2018). Razöes para desistir: análise sociológica da evasao no curso de Física. Curitiba, PR: Appris Editora.
Lima Junior, P. (2015). Crítica sociológica do Exame Nacional do Ensino Médio: uma análise bourdiana. Atas Do X Encontro Nacional de Pesquisa Em Educaçâo Em Ciencias, 1-8. Águas de Lindóia: ABRAPEC. Recuperado de http://www.abrapecnet.org.br/enpec/x-enpec/anais2015/resumos/R1971 - 1 .PDF
Lima Junior, P., Ostermann, F., & Rezende, F. (2013). Análise dos condicionantes sociais do sucesso académico em cursos de graduaçao em física â luz da sociologia de Bourdieu. Ensaio Pesquisa Em Educaçâo Em Ciencias, 15(1), 113-129. https://dx.doi.org/10.1590/1983-21172013150108
Lima Junior, P., Pinheiro, N., & Ostermann, F. (2012). Bourdieu en la educación científica: consecuencias para la enseñanza y la investigación. Didáctica de Las Ciencias Experimentales y Sociales, 160(26), 145-160. https://doi.org/10.7203/dces.26.1925
Massi, L., Muzzeti, L. R., & Suficier, D. M. (2017). A pesquisa sobre trajetórias escolares no Brasil. Revista Ibero-Americana de Estudos Em Educaçâo, 12(3), 1854-1873. https://doi.org/10.21723/riaee.v12.n.3.2017.10364
Massi, L., & Villani, A. (2015). Um caso de contratendéncia: baixa evasao na licenciatura em química explicada pelas disposiçöes e integraçöes. Educaçâo e Pesquisa, 41(4), 975-992. https://doi.org/10.1590/s1517-9702201512135667
Mello, A. C. R. de, & Higa, I. (2018). Busca por capitals no campo da escola e sua relaçâo com o desenvolvimento profissional docente de professores supervisores de estágio de Ciencias e Biologia. Ciencia & Educagäo (Bauru), 24(2), 301-317. https://doi.org/10.1590/1516-731320180020004
Moreno, A. C., & Oliveira, E. (2019). Brasil cai em ranking mundial de educaçâo em matemática e Ciencias; e fica estagnado em leitura. G1. Recuperado de https://g 1 .globo.com/educacao/noticia/2019/12/03/brasilcai-em-ranking-mundial-de-educacao-em-matematica-e-ciencias-e-fica-estagnado-em-leitura.ghtml
Nascimento, M. M., Cavalcanti, C., & Ostermann, F. (2018). Uma busca por questöes de Física do ENEM potencialmente nao reprodutoras das desigualdades socioeconómicas. Revista Brasileira de Ensino de Física, 40(3). https://doi.org/10.1590/1806-9126-rbef-2017-0237
Nogueira, C. M. M., & Nogueira, M. A. (2009). Bourdieu e a Educagäo. Belo Horizonte, MG: Autentica.
OECD. (2010). PISA 2009 Results: Overcoming Social Background. Paris, France: OECD. https://doi.org/10.1787/9789264091504-en
Salej, S. (2005). Quarenta anos do Relatório Coleman : capital social e educaçâo. Educagäo Unisinos, 9(2), 116-129. Recuperado de http://revistas.unisinos.br/index.php/educacao/article/view/6310
Silva, F. P., & Pereira, A. P. de. (2019). Uma revisao sobre fracasso escolar no ensino de Ciencias A review on school failure in science education. Atas Do XII Encontro Nacional de Pesquisa Em Educagäo Em Ciencias, 1-7. Natal: ABRAPEC. Recuperado de http://abrapecnet.org.br/enpec/xiienpec/anais/resumos/1/R1393-1 .pdf
Silva, T. T. da. (2014). Documentos de Identidade. Belo Horizonte, MG: Autentica.
Silveira, F. L. da. (1999). Um exemplo de análise multivariada aplicada â pesquisa quantitativa em ensino de Ciencias: explicando o desempenho dos candidatos ao concurso vestibular de 1999 da Universidade Federal do Rio Grande do Sul. Investigagoes Em Ensino de Ciencias, 4(2), 161-180. Recuperado de https://www.if.ufrgs.br/cref/ois/index.php/ienci/article/view/607
Watanabe, G., & Gurgel, I. (2017). As Marcas Sociais Deixadas Pelas Escolas Em Nossos Professores De Ciencias: a Questao Da Violencia Simbólica. Revista Contexto & Educagäo, 31(99), 116. https://doi.org/10.21527/2179-1309.2016.99.116-148
Recebido em: 26.05.2020
Aceito em: 21.02.2021
You have requested "on-the-fly" machine translation of selected content from our databases. This functionality is provided solely for your convenience and is in no way intended to replace human translation. Show full disclaimer
Neither ProQuest nor its licensors make any representations or warranties with respect to the translations. The translations are automatically generated "AS IS" and "AS AVAILABLE" and are not retained in our systems. PROQUEST AND ITS LICENSORS SPECIFICALLY DISCLAIM ANY AND ALL EXPRESS OR IMPLIED WARRANTIES, INCLUDING WITHOUT LIMITATION, ANY WARRANTIES FOR AVAILABILITY, ACCURACY, TIMELINESS, COMPLETENESS, NON-INFRINGMENT, MERCHANTABILITY OR FITNESS FOR A PARTICULAR PURPOSE. Your use of the translations is subject to all use restrictions contained in your Electronic Products License Agreement and by using the translation functionality you agree to forgo any and all claims against ProQuest or its licensors for your use of the translation functionality and any output derived there from. Hide full disclaimer
© 2021. This work is published under https://creativecommons.org/licenses/by-nc/4.0/ (the “License”). Notwithstanding the ProQuest Terms and Conditions, you may use this content in accordance with the terms of the License.
Abstract
Recentemente, o baixo desempenho dos estudantes brasileiros nas avaliaes internacionais ganhou os noticirios, levantando a suspeita de que a qualidade da educao cientfica no pas esteja em queda. Neste artigo, inspirados pela sociologia da educao de Pierre Bourdieu, ns investigamos o efeito da desigualdade social no desempenho dos estudantes brasileiros em Cincias da Natureza. Uma amostra representativa de todos os participantes do ENEM entre 2012 e 2019 (n = 489.167) foi submetida a uma anlise de correspondncia mltipla ajustada e inserida em um modelo linear multivariado. Como primeiro resultado, observamos que a origem social capaz de explicar mais de 35% do desempenho em cincias dos estudantes. Logo, grande parte do sucesso escolar devido ao privilgio de classe. Por outro lado, frequentar uma escola privilegiada mais importante que nascer em uma famlia privilegiada, pois o efeito social da escola mostrou-se quase quatro vezes superior ao efeito social individual. Esses resultados trazem implicaes importantes para pensarmos criticamente a educao cientfica em vista da ideologia do mrito e da distribuio desigual de recursos e oportunidades no sistema educacional.