Conteúdo do artigo principal

Autores

Este trabalho estuda os resultados em matemáticas e linguagem de 32000 estudantes na prova Saber 11 do ano 2008 da cidade de Bogotá. Esta análise tem em conta que os indivíduos se encontram localizados em bairros e escolas, mas não todos os indivíduos do mesmo bairro assistem à mesma escola e vice-versa. Com o fim de modelar esta estrutura de dados utilizam-se vários modelos econométricos, incluindo uma regressão hierárquica multinível de efeitos cruzados. Nosso objetivo central é identificar em que medida e que condições do bairro e da escola se correlacionam com os resultados educacionais da população objetivo e quais características dos bairros e das escolas estão mais associadas ao resultado nas provas. Usamos dados da prova Saber 11, do censo de escolas C-600, do censo populacional do ano 2005 e da polícia metropolitana de Bogotá. Nossas estimações mostram que tanto o bairro quanto a escola estão correlacionados com os resultados das provas; mas o efeito da escola parece ser muito mais forte que a do bairro. As características da escola que estão mais associadas com o resultado nas provas são a educação dos professores, a jornada o valor das propinas e o contexto socioeconômico da escola. As características dos bairros mais associadas com o resultado nas provas são a presença de universitários na upz, um cluster de altos níveis de educação e nível de crime no bairro que se correlacionam negativamente. Os resultados anteriores foram achados tendo em conta controles familiares e pessoais.

Jacobo Rozo Alzate

Consultor en la ONG, Gea ambiental.
Rozo Alzate, J. (2017). A educação secundária e suas duas dimensões, efeitos do bairro e da escola sobre os resultados “Saber 11”. Revista De Economía Del Rosario, 20(1), 33–69. https://doi.org/10.12804/revistas.urosario.edu.co/economia/a.6148

Albright, J. J., & Marinova, D. M. (2015). Estimating multilevel models using spss, Stata, sas and R. Indiana, USA: Indiana University.

Aliaga-Linares, L., & Álvarez-Rivadulla, M. J. (2010). Residential Segregation in Bogotá across Time and Scales. Cambridge, MA: Lincoln Institute of Land Policy.

Barajas, R. G., Philipsen, N., & Brooks-Gunn, J. (2007). Cognitive and emotional outcomes for children in poverty. Handbook of families and poverty. Thousand Oaks, CA: Sage.

Belsley, D. A., Kuh, E., & Welsch, R. E. (1980). Detecting and assessing collinearity. Regression diagnostics: Identifying influential data and sources of collinearity, 85-191.

Benabou, R. (2002). Tax and Education Policy in a Heterogeneous-Agent Economy: What Levels of Redistribution Maximize Growth and Efficiency? Econometrica, 70(2), 481-517.

Blanco, M. E. D. (2004). Equidad de género y diversidad en la educación colombiana. Revista Electrónica de Educación y psicología, 1(2), x-x.

Blume, L. E., Brock, W. A., Durlauf, S. N., & Ioannides, Y. M. (2010). Identification of social interactions.

Cook, T. D., Herman, M. R., Phillips, M., & Settersten Jr, R. A. (2002). Some ways in which neighborhoods, nuclear families, friendship groups, and schools jointly affect changes in early adolescent development. Child development, 73(4), 1283-1309.

Fernández, R. (2001). Education, segregation and marital sorting: Theory and an application to UK data. National Bureau of Economic Research, w8377.

Fielding, A. (1999). Why use arbitrary points scores?: ordered categories in models of educational progress. Journal of the Royal Statistical Society: Series A (Statistics in Society), 162(3), 303-328.

Formisano, M. (2002). Econometría espacial: características de la violencia homicida en Bogotá, 10. Ciudad: CEDE.

Garner, C. L., & Raudenbush, S. W. (1991). Neighborhood effects on educational attainment: A multilevel analysis. Sociology of education, x(x), 251-262.

Gaviria, A., & Barrientos, J. H. (2001). Determinantes de la calidad de la educación en Colombia. Documento 159. Departamento Nacional de Planeación, Dirección de Estudios Económicos.

Gibbons, S., Silva, O., & Weinhardt, F. (2013). Everybody needs good neighbours? Evidence from students’ outcomes in England. The Economic Journal, 123(571), 831-874.

Goux, D., & Maurin, E. (2003). Neighborhood Efects on Performances at School. Conference on Changing Condition in Education (Uppsala, 2003).

Hanushek, E., & Yilmaz, K. (2007). The complementarity of Tiebout and Alonso. Journal of Housing Economics, 16(2), 243-261.

Harding, D. J. (2009). Collateral consequences of violence in disadvantaged neighborhoods. Social forces; a scientific medium of social study and interpretation, 88(2), 757.

Hofmann, D. A., & Gavin, M. B. (1998). Centering decisions in hierarchical linear models: Implications for research in organizations. Journal of Management, 24(5), 623-641.

Hoxby, C. M., & Weingarth, G. (2005). Taking race out of the equation: School reassignment and the structure of peer effects. Working paper 7867.

Iregui, A. M., Melo, L., & Ramos, J. (2006). La educación en Colombia: análisis del marco normativo y de los indicadores sectoriales. Revista de economía del Rosario, 9(2), 175-238.

Jaramillo, S. G., Carrizosa, D. M., Rubio, G. P., Orgales, C. R., Calvo, J. E. S., Ospina, I. S., Montaña, L. B. et al. (2014). Tras la excelencia docente. Cómo mejorar la Cali.

Kaztman, R., & Retamoso, A. (2007). Efectos de la segregación urbana sobre la educación. Revista de la CEPAL, 91, 134.

Manski, C. F. (1993). Identification of endogenous social effects: The reflection problem. The review of economic studies, 60(3), 531-542.

Mayer, S. E., & Jencks, C. (1989). Growing up in poor neighborhoods: How much does it matter? Science, 243(4897), 1441-1446.

Mediavilla, M., & Calero, J. (2009). Determinantes internos y externos en el proceso de aprendizaje. Una aproximación al caso español a partir de la ECV-05. Revista Iberoamericana de Educación (oei), 50(6).

O’brien, R. M. (2007). A caution regarding rules of thumb for variance inflation factors. Quality & Quantity, 41(5), 673-690.

Owens, A. (2010). Neighborhoods and schools as competing and reinforcing contexts for educational attainment. Sociology of Education, 83(4), 287-311.

Patacchini, E., & Zenou, Y. (2011). Neighborhood effects and parental involvement in the intergenerational transmission of education. Journal of Regional Science, 51(5), 987-1013.

Rabe-Hesketh, S., & Skrondal, A. (2008). Multilevel and longitudinal modeling using Stata. Ciudad: STATA press.

Raudenbush, S. W. (1993). A crossed random effects model for unbalanced data with applications in cross-sectional and longitudinal research. Journal of Educational Statistics, 18(4), 321-349.

Raudenbush, S. W., & Bryk, A. S. (2002). Hierarchical linear models: Applications and data analysis methods.

Ready, D. D. (2010). Socioeconomic disadvantage, school attendance, and early cognitive development the differential effects of school exposure. Sociology of Education, 83(4), 271-286.

Robinson, C., & Schumacker, R. E. (2009). Interaction effects: centering, variance inflation factor, and interpretation issues. Multiple Linear Regression Viewpoints, 35(1), 6-11.

Small, M. L., & Newman, K. (2001). Urban poverty after the truly disadvantaged: The rediscovery of the family, the neighborhood, and culture. Annual Review of sociology, 27(1), 23-45.

Snijders, T. A. B., & Bosker, R. J. (1999). Multilevel analysis. An introduction to basic and advanced multilevel modeling. Ciudad: Sage.

Steele, F., Vignoles, A., & Jenkins, A. (2007). The effect of school resources on pupil attainment: a multilevel simultaneous equation modelling approach. Journal of the Royal Statistical Society: Series A (Statistics in Society), 170(3), 801-824.

Van der Leeden, R., Busing, F. M. T. A., & Meijer, E. (April, 1997). Applications of bootstrap methods for two-level models. In Multilevel Conference, Amsterdam.

Wilson, W. J. (1987). The truly disadvantaged: The inner city, poverty and the underclass. Chicago: Univ. Chicago Press.

Downloads

Não há dados estatísticos.

Artigos Semelhantes

1 2 3 4 5 > >> 

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.