Multilevel models applied to school performance: a proposal for analysis using SARESP data
Keywords:
Math Proficiency, Family Background, Multilevel Models, High SchoolAbstract
The present study aims to investigate the factors that impact the third-year high school students’ academic performance in the state public education system, enrolled in schools within the Capital region, as defined by the Board of Education. Data were collected on Mathematics grades, as well as responses to a questionnaire administered to the parents of students participating in the 2013 edition of SARESP. The study employs two-level multilevel models for empirical analyses. The selected variables were categorized, and different models were proposed, assuming school-specific effects as fixed and random. Parameter estimates associated with the variables were obtained through modeling in RStudio software. The results reveal that parents' education level, family income, and students' completion of homework had a positive impact on Mathematics grades.
Downloads
References
Alves, M. T. G. & Soares, J. F. (2008). O efeito das escolas no aprendizado dos alunos: Um estudo com dados longitudinais no Ensino Fundamental. Educação e Pesquisa, 34(3), 527-544. https://doi.org/10.1590/S1517-97022008000300007
Andrade, J. M. & Laros, J. A. (2007). Fatores associados ao desempenho escolar: Estudo multinível com dados do SAEB/2001. Psicologia: Teoria e Pesquisa, 23(1), 33-42. https://doi.org/10.1590/S0102-37722007000100005
Barbosa, M. E. F. & Fernandes, C. (2001). A Escola Brasileira Faz Diferença? Uma Investigação dos Efeitos da Escola na Proficiência em Matemática dos Alunos da 4ª série. In F. Creso (Org.), Avaliação, Ciclos e Promoção na Educação (pp. 155-178). Artmed Editora.
Bassetto, C. F. (2019). Background familiar e desempenho escolar: Uma abordagem com variáveis binárias a partir dos resultados do Saresp. Revista Brasileira de Estudos de População, 36, e0077. https://doi.org/10.20947/S0102-3098a0077
Bassetto, C. F. (2021). Análise regional dos resultados do Saresp: Uma abordagem com modelos hierárquicos. Ciência & Educação (Bauru), 27, e21063.
Bliese, P. (2016). Multilevel modeling in R (2.6): A brief introduction to R, the multilevel package and the nlme package. In R Development Core Team, An introduction to R. https://cran.r-project.org/doc/manuals/r-release/R-intro.pdf
Bozdogan, H. (1987). Model selection and Akaike's information criterion (AIC): The general theory and its analytical extensions. Psychometrika, 52(3), 345-370. https://doi.org/10.1007/BF02294361
Brooke, N., Fernandes, N. da S., Miranda, I. P. H. de & Soares, T. M. (2014). Modelagem do crescimento da aprendizagem nos anos iniciais com dados longitudinais da pesquisa GERES. Educação e Pesquisa, 40(1), 77-94. https://doi.org/10.1590/S1517-97022014000100006
Brooke, N. & Soares, J. F. (2008). Pesquisa em eficácia escolar: Origem e trajetórias. Editora UFMG.
Coleman, J. S., Campbell, E. Q., Hobson, C. J., McPartland, J., Mood, A. M., Weinfeld, F. D. & York, R. L. (1966). Equality of educational opportunity. 1. U.S. Department of Health, Education, and Welfare, Office of Education.
Ferrão, M. E., Beltrão, K. I., Fernandes, C., Santos, D., Suárez, M. & Andrade, A. do C. (2001). O SAEB - Sistema Nacional de Avaliação da Educação Básica: Objetivos, características e contribuições na investigação da escola eficaz. Revista Brasileira de Estudos de População, 18(1/2), 111-130. https://doi.org/10.20947/S0102-3098a0008
Fletcher, P. (1998). À procura do ensino eficaz. Ministério da Educação e Cultura, Departamento da Avaliação da Educação Básica.
Gelman, A. & Hill, J. (2006). Data analysis using regression and multilevel/hierarchical models. Cambridge University Press.
Goldstein, H. (1995). Multilevel statistical models (2 ed.). John Wiley.
Hox, J. (2002). Multilevel analysis: Techniques and applications. Lawrence Erlbaum Associates.
Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. (2003, July 14). Piora na qualidade do ensino afeta mais estudantes negros.
Jesus, G. R. de & Laros, J. A. (2004). Eficácia escolar: Regressão multinível com dados de avaliação em larga escala. Avaliação Psicológica, 3(2), 93-106.
Kreft, I. & de Leeuw, J. (1998). Introducing multilevel modeling. Sage Publications.
Laros, J. A. & Marciano, J. L. P. (2008). Análise multinível aplicada aos dados do NELS:88. Estudos em Avaliação Educacional, 19(40), 263-278. https://doi.org/10.18222/eae194020082061
Laros, J. A., Marciano, J. L. P. & Andrade, J. M. de. (2010). Fatores que afetam o desempenho na prova de Matemática do SAEB: Um estudo multinível. Avaliação Psicológica, 9(2), 173-186. https://doi.org/10.15689/ap.2010.0902.04
Natis, L. (2001). Modelos lineares hierárquicos. Estudos em Avaliação Educacional, 3(5), 5-24.
Palermo, G. A., Silva, D. B. do N. & Novellino, M. S. F. (2014). Fatores associados ao desempenho escolar: Uma análise da proficiência em matemática dos alunos do 5º ano do ensino fundamental da rede municipal do Rio de Janeiro. Revista Brasileira de Estudos de População, 31(2), 367-394. https://doi.org/10.1590/S0102-30982014000200007
Raudenbush, S. W. & Bryk, A. S. (2002). Hierarchical linear models: Applications and data analysis methods (2 ed.). Sage Publications.
Riani, J. de L. R. & Rios-Neto, E. L. G. (2008). Background familiar versus perfil escolar do município: Qual possui maior influência no resultado educacional dos alunos brasileiros? Revista Brasileira de Estudos Populacionais, 25(2), 251-269. https://doi.org/10.1590/S0102-30982008000200003
Rodrigues, F. C. & Monteiro, M. A. A. (2024). Um modelo para avaliação do argumento de prova em contextos de ensino baseado em argumentação coletiva. Revista Internacional de Pesquisa em Educação Matemática, 14(1), 1-20. https://doi.org/10.37001/ripem.v14i1.3214
RStudio Team. (2023). RStudio: Integrated development environment for R. http://www.rstudio.com/
São Paulo (Estado). Secretaria da Educação. (2019). Relatório pedagógico: SARESP 2019 - Matemática.
Soares, J. F. & Alves, M. T. G. (2003). Desigualdades raciais no sistema brasileiro de educação básica. Educação e Pesquisa, 29(1), 147-165. https://doi.org/10.1590/S1517-97022003000100010
Soares, J. F. & Andrade, R. J. D. (2006). Nível socioeconômico, qualidade e eqüidade das escolas de Belo Horizonte. Ensaio: Avaliação e Políticas Públicas em Educação, 14(50), 107-125. https://doi.org/10.1590/S0104-40362006000100007
Soares, J. F., Cesar, C. C. & Mambrini, J. (2001). Determinantes de desempenho dos alunos do ensino básico brasileiro. In F. Creso (Org.), Avaliação, Ciclos e Promoção na Educação (pp. 121-154). Artmed Editora.
Soares, T. M. (2003). Influência do professor e do ambiente em sala de aula sobre a proficiência alcançada pelos alunos avaliados no Simave-2002. Estudos em Avaliação Educacional, 28, 103-124. https://doi.org/10.18222/eae02820032180
Soares, T. M. (2005). Modelo de três níveis hierárquicos para a proficiência dos alunos de 4ª série de língua portuguesa do SIMAVE/PROEB-2002. Revista Brasileira de Educação, 29, 73-87. https://doi.org/10.1590/S1413-24782005000100006
Soares, T. M. & Mendonça, M. C. (2003). Construção de um modelo de regressão hierárquico para os dados do Simave-2000. Pesquisa Operacional, 23(3), 421-441.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
