Alunos portugueses no PISA: modelos de regressão multinível

Abstract

Nas últimas décadas houve uma massificação do ensino, o que incrementou a heterogeneidade e a diversidade cultural dos alunos com interesses e motivações diversas, provocando a formação de turmas com características bastantes díspares entre elas e entre os seus elementos constituintes, onde as motivações, os interesses, os níveis sócio culturais, as aptidões e os recursos são diferentes e muito diversificados. Em muitos trabalhos científicos, as populações estudadas têm uma estrutura hierárquica, ou seja, os indivíduos em estudo estão agrupados em unidades de nível mais baixo, que por sua vez pertencem a unidades de um nível mais alto e assim sucessivamente. Quanto à educação, tem-se um exemplo clássico: os alunos descritos por notas, estatuto social, idade, entre outros pertencem às turmas (e cada aluno não pertence a mais do que uma turma) que, por sua vez podem ser caracterizadas pelas médias das notas, pelos professores, entre outros, e as turmas pertencem às escolas (e cada turma não faz parte de mais do que uma escola). As escolas estão agrupadas nas Direções Regionais de Educação que por sua vez dependem, em última análise, do Ministério da Educação. Os modelos multinível são frequentemente utilizados na análise de dados com estrutura hierárquica. Neste trabalho pretende-se aplicar os modelos de regressão logística multinível a dados de alunos (nível 1) e de escolas nacionais (nível 2), com o objetivo de identificar os principais fatores que podem determinar os resultados escolares dos alunos portugueses relativamente à literacia em matemática e ciências. Estes modelos foram aplicados aos dados dos alunos portugueses obtidos no âmbito dos testes administrados pelo Programa Internacional de Avaliação de Estudantes (PISA) 2009 na disciplina de matemática e ciências da natureza.

In the last few decades there has been a mass education, which increased the heterogeneity and cultural diversity of students with diverse interests and motivations, causing the formation of classes with quite disparate characteristics among them and among their constituents, where the motivations, the interests, the socio-cultural levels, the skills and resources are different and very diverse. In many scientific studies, the study populations have a hierarchical structure, therefore, the subjects in study are grouped in units of lower level, which in turn belong to a higher level and so on. Regarding education, we have a classic example: the students are described, among others, by their grades, social status and age, belong to the classes (each student does not belong to more than one class) which in turn can be characterized, among others, by their students average grades and by teachers. The classes belong to schools (and each class is not part of more than one school) they are grouped into Regional Directorates of Education which in turn depend, ultimately, on the Ministry of Education. Multilevel models are often used in the analysis of data with hierarchical structure. In this work we intend to apply the multilevel logistic regression models to data from students (level 1) and national schools (level 2), the aim is to identifying the key factors that may determine the educational achievement of Portuguese pupils in relation to mathematics and science literacy. These models were applied to the Portuguese students data obtained from the tests administered by the Programme for International Student Assessment (PISA) 2009 in the school subjects of mathematics and natural sciences.