A. di Bartolomeo Università Ca’ Foscari Venezia, G. Gabrielli Università di Napoli Federico II, Il rendimento scolastico: un’analisi dell’indagine PISA
•Télécharger en tant que PPTX, PDF•
1 j'aime•25,346 vues
Convegno scientifico Popolazione, istruzione e mobilità: il caso italiano Sessione I Il quadro generale e la situazione demografica Istat Roma Aula Magna 02.02.2018
Recommandé
Recommandé
Contenu connexe
Tendances
Tendances (20)
Similaire à A. di Bartolomeo Università Ca’ Foscari Venezia, G. Gabrielli Università di Napoli Federico II, Il rendimento scolastico: un’analisi dell’indagine PISA
Similaire à A. di Bartolomeo Università Ca’ Foscari Venezia, G. Gabrielli Università di Napoli Federico II, Il rendimento scolastico: un’analisi dell’indagine PISA (20)
Plus de Istituto nazionale di statistica
Plus de Istituto nazionale di statistica (20)
Dernier
Dernier (18)
A. di Bartolomeo Università Ca’ Foscari Venezia, G. Gabrielli Università di Napoli Federico II, Il rendimento scolastico: un’analisi dell’indagine PISA
- 1. Il rendimento scolastico: un’analisi dell’indagine PISA Anna Di Bartolomeo*, Giuseppe Gabrielli** *Università di Venezia Ca’ Foscari, **Università di Napoli Federico II Convegno scientifico «Popolazione, istruzione e mobilità: il caso italiano» ISTAT 2 Febbraio 2018 Università di Napoli Federico II
- 2. Domande di ricerca Panoramica generale • Quali sono i livelli e le determinanti del rendimento scolastico dei 15enni in Italia in lettura e comprensione del testo, scienze e matematica? Un’analisi sugli studenti resilienti • In che modo gli studenti più “svantaggiati” riescono a superare le differenze socio-culturali-economiche e ad ottenere buone performance scolastiche? • Esistono differenze tra figli di italiani e figli di immigrati? Che ruolo giocano le motivazioni personali? Che ruolo giocano le risorse scolastiche? Università di Napoli Federico II 2
- 3. Dati (1/2) Programme for International Students Assessment (PISA, OECD) Obiettivo dell’indagine • Comparare il rendimento scolastico dei ragazzi 15enni in 72 paesi (2015) Misurazione del rendimento scolastico (variabile obiettivo) • Conoscenze e abilità in tre materie – lettura e comprensione del testo, scienze, matematica – misurate tramite test standardizzati (scala 0-900) Disegno campionario • Campionamento a due stadi (scuola/studente) Vantaggi (e.g. rispetto a INVALSI): • Ricco di informazioni a livello individuale, scolastico e di contesto familiare (tre questionari) • Possibilità di studiare l’influenza del contesto scolastico sulla performance; • Comparabilità tra paesi; • Analisi sui figli degli immigrati: generazione migratoria (generazioni decimali)! Svantaggi (e.g. rispetto a INVALSI) • Assetto campionario (basso livello di dettaglio) • Assetto trasversale • Analisi sui figli degli immigrati: no paese di origine dettagliato! Università di Napoli Federico II 3
- 4. Dati (2/2) Campione PISA-2015 Popolazione obiettivo • 11,583 studenti di 15 anni frequentanti 474 scuole in tutto il territorio italiano; ..per: • Genere: Ragazzi 50,3% • Origine: Figli di italiani 84,2%; Figli di immigrati 15,8%; • Area geografica: Nord 38,3%; Centro 30,0%; Sud e Isole 31,7%; Università di Napoli Federico II 4
- 5. Siamo tra gli ultimi posti in lettura.. Performance: 25°, 50° (mediana) e 75° percentile, EU28 340 365 390 415 440 465 490 515 540 565 590 615 640 Finland Ireland Estonia Germany France Poland Slovenia Netherlands Belgium Sweden Denmark Media UE15 Portugal Spain United Kingdom Media OCSE Media UE28 Czech Republic Austria Latvia Italy Croatia Luxembourg Hungary Greece Lithuania Slovak Republic Malta Bulgaria Romania Lettura e comprensione: 18° posto: UE28 13° posto: UE15 Università di Napoli Federico II 5
- 6. 340 365 390 415 440 465 490 515 540 565 590 615 640 Estonia Finland Slovenia United Kingdom Netherlands Germany Belgium Denmark Ireland Portugal Poland France Media UE15 Austria Spain Sweden Media OCSE Czech Republic Media UE28 Latvia Italy Luxembourg Hungary Croatia Lithuania Malta Slovak Republic Greece Bulgaria Romania ..in scienze.. Performance: 25°, 50° (mediana) e 75° percentile, EU28 Scienze: 18° posto: UE28 13° posto: UE15 Università di Napoli Federico II 6
- 7. 340 365 390 415 440 465 490 515 540 565 590 615 640 Estonia Netherlands Finland Belgium Denmark Slovenia Germany Ireland Poland Austria France Media UE15 Portugal United Kingdom Sweden Czech Republic Media UE28 Italy Media OCSE Spain Luxembourg Malta Latvia Hungary Slovak Republic Lithuania Croatia Greece Romania Bulgaria ..un po’ meglio in matematica.. Performance: 25°, 50° (mediana) e 75° percentile, EU28 Matematica: 16° posto: UE28 12° posto: UE15 Università di Napoli Federico II 7
- 8. 0.0 20.0 40.0 60.0 80.0 100.0 Romania Malta SlovakRepublic Hungary Greece Luxembourg Lithuania Austria CzechRepublic France Italy MediaUE28 MediaOCSE Croatia Belgium MediaUE15 Sweden Netherlands UnitedKingdom Latvia Portugal Spain Germany Slovenia Denmark Poland Finland Estonia Ireland Low performers (below level 2) Medium performers (level 2-4) Top performers (level 5-6) Ma soprattutto, molti studenti non raggiungono il livello base di competenza nè in lettura.. Livelli di performance in lettura: % di studenti per livello, EU28 In Italia, 21 studenti su 100 sono low performers in lettura! Non sono in grado di individuare il contenuto principale di un testo, comprendere le relazioni o inferire il significato quando l’informazione non è esplicita. Università di Napoli Federico II 8
- 9. 0.0 20.0 40.0 60.0 80.0 100.0 Romania Greece Malta SlovakRepublic Hungary Luxembourg Lithuania Croatia Italy France Sweden MediaUE28 MediaOCSE Austria CzechRepublic MediaUE15 Belgium Netherlands Spain UnitedKingdom Portugal Latvia Germany Poland Denmark Ireland Slovenia Finland Estonia Low performers (below level 2) Medium performers (level 2-4) Top performers (level 5-6) ..nè in scienze.. In Italia, 23 studenti su 100 sono low performers in scienze! Non sono in grado di fornire spiegazioni appropriate, interpretare i dati e identificare le problematiche derivanti da esperimenti elementari. Livelli di performance in scienze: % di studenti per livello, EU28 Università di Napoli Federico II 9
- 10. 0.0 20.0 40.0 60.0 80.0 100.0 Romania Greece Croatia Malta Hungary SlovakRepublic Luxembourg Lithuania Portugal France MediaOCSE Italy MediaUE28 Spain UnitedKingdom Austria CzechRepublic Latvia MediaUE15 Sweden Belgium Poland Germany Netherlands Slovenia Ireland Denmark Finland Estonia Low performers (below level 2) Medium performers (level 2-4) Top performers (level 5-6) ..nè tantomeno in matematica.. In Italia, 23 studenti su 100 sono low performers in matematica! Possono compiere operazioni elementari, ma non sono in grado di riconoscere in che modo una (semplice) situazione reale possa essere rappresentata matematicamente (e.g. comparare le distanze tra 2 percorsi alternativi..) Livelli di performance in matematica: % di studenti per livello, EU28 Università di Napoli Federico II 10
- 11. Cosa è cambiato dal 2009? % di low performers in Italia, 2009, 2012, 2015 10.0 15.0 20.0 25.0 30.0 Lettura Scienze Matematica Università di Napoli Federico II 11
- 12. Quali i fattori associati al rendimento scolastico in scienze? Essere ragazzi, figli di italiani, residenti nel Nord Italia e con un alto status socio-economico-culturale è significativamente associato con un alto rendimento scolastico Regressione lineare (vd: rendimento in scienze) Variabili indipendenti OR SE P-value Genere Femmina (rif.) Maschio 16.2 1.5 *** Generazione Nativi (rif.) Figli di coppie miste 1.0 2.7 n.s. Seconda generazione -32.4 3.3 *** Generazione 1 e 1/2 -66.9 4.5 *** Area geografica Nord-ovest (rif.) Nord-est 2.0 1.9 n.s. Centro -22.0 3.0 *** Sud -48.6 2.3 *** Isole -70.0 3.2 *** Status socio-economico culturale (Indice ESCS) 23.1 0.8 *** Costante 505.7 1.8 *** N. obs. 11,150 Università di Napoli Federico II 12
- 13. Come superare gli ostacoli socio-culturali-economici? Analisi sui resilienti: chi sono? • Coloro che hanno un indice socio-culturale-economico (ESCS) inferiore al 40mo percentile e che hanno una performance scolastica in scienze superiore al 60mo percentile Domande di ricerca Dato l’impatto forte del contesto (sociale, culturale ed economico) familiare, è interessante chiedersi in che modo alcuni studenti svantaggiati riescono a superare questi ostacoli e ottenere buone performance.. • Che ruolo giocano motivazioni personali e risorse scolastiche? • Esistono differenze tra figli di italiani e figli di immigrati? Università di Napoli Federico II 13
- 14. Metodi Modello • Regressione logistico di tipo multilivello a due livelli (random intercept model). Perché? • Sfruttando le potenzialità del dataset PISA, permette di tener conto della struttura gerarchica dei dati; • E di apprezzare la quota di varianza attribuibile al contesto (in questo caso la scuola) –> coefficiente di correlazione intraclasse rho; !!Due modelli separati per origine!! • Figli di italiani • Figli di immigrati: • Figli di coppie miste; • Seconda generazione: 2G + 1.75G; • Generazione 1.5: 1.5G + 1.25G;Università di Napoli Federico II 14
- 15. Modello multilivello Variabile dipendente (non resilienti vs. resilienti) 0. Studenti non resilienti: basso ESCS (<40mo per.) e bassa/media performance (<60mo per.) 1: Studenti resilienti: basso ESCS (<40mo per.) e alta performance (>= 60mo per.) Variabili indipendenti INDIVIDUALI • Genere: 1. Femmina 2. Maschio • Generazione (nel modello «figli di immigrati»): 1. Figli di coppie miste 2. Seconda generazione 3. Generazione 1.5 Università di Napoli Federico II 15
- 16. Modello multilivello Variabili indipendenti INDIVIDUALI (..segue) • Dimensione luogo di residenza: 1. Paesi e città scarsamente popolate (<15,000 abitanti) 2. Città mediamente popolate (da 15,000 a 100,000 abitanti) 3. Città altamente popolate (>100,000 abitanti) VARIABILI MOTIVAZIONALI • Studente: Indice PISA delle attitudini, preferenze, aspettative e motivazioni legate allo studio (variabile continua) • Genitore: Ti aspetti che tuo figlio prosegua la carriera in ambito scientifico dopo aver completato la scuola? 1. No 2. Si Università di Napoli Federico II 16
- 17. Modello multilivello Variabili indipendenti SCOLASTICHE VARIABILI «RISORSE» E «ATTIVITA’ EXTRA-SCOLASTICHE» • Attività extrascolastiche non legate alle «scienze» (banda o coro della scuola; giornalino di classe; attività nell’ambito del volontariato; club di scacchi; ecc.) 1. Meno di due attività 2. Due o più attività • Risorse e attività extrascolastiche legate alle «scienze» (laboratorio attrezzato; materiale scientifico aggiornato; presenza di personale di laboratorio; competizioni in ambito scientifico; ecc.) 1. Meno di due attività 2. Due o più attività • Risorse non legate alle scienze (libri di testo; dispositivi informatici; edifici adeguati; spazi esterni adeguati; ecc.) 1. Meno di due risorse 2. Due o più risorse Università di Napoli Federico II 17
- 18. Modello multilivello Variabili indipendenti SCOLASTICHE (..segue) VARIABILI di «GESTIONE» DELLA SCUOLA • Presenza di criteri di selezione all’entrata (precedente rendimento scolastico dello studente; segnalazioni dalla scuola di provenienza; presenza di altri membri della famiglia nella scuola; residenza in una determinata zona; ecc.) 1. Meno di due criteri 2. Due o più criteri • Indice PISA di leadership del dirigente scolastico (controllo su insegnanti, programmi, attività e didattica) (variabile continua) ALTRE VARIABILI • Forme di sostegno allo studio (aule per svolgere compiti a casa; personale che aiuta gli studenti a svolgere i compiti a casa) 1. Nessun sostegno 2. Almeno un sostegno Università di Napoli Federico II 18
- 19. Risultati Università di Napoli Federico II 19 OR P-value OR P-value Generazione Figli di coppie miste (rif.) Seconda generazione 0.3 ** Generazione 1 e 1/2 0.2 *** Sesso Femmina (rif.) Maschio 1.7 *** 2.4 ** Dimensione luogo di residenza Piccolo (<15,000 abitanti) (rif.) Medio (da 15,000 a 100,000 abitanti) 1.4 n.s. 1.2 n.s. Grande (>100,000 abitanti) 1.3 n.s. 2.3 * Variabili motivazionali Indice PISA delle motivazioni (studente) 1.3 ** 1.4 n.s. Attese proseguimento carriera scientifica (genitori) Attese "negative" (rif.) Attese "positive" 2.0 *** 2.1 ** Risorse e attività extrascolastiche Attività extrascolastiche non legate alle "scienze" Meno di due attività (rif.) Due o più attività 2.3 *** 2.1 ** Risorse e attività extrascolastiche legate alle "scienze" Meno di due attività (rif.) Due o più attività 2.4 ** 1.9 * Risorse non legate alle "scienze" Meno di due attività (rif.) Due o più attività 1.6 * 0.9 n.s. Gestione scolastica Presenza di criteri di selezione all’entrata Meno di due criteri (rif.) Due o più criteri 1.3 n.s. 2.4 ** Indice PISA di leadership del dirigente scolastico 0.7 ** 0.6 ** Altre variabili Forme di sostegno allo studio Nessun sostegno (rif.) Uno o più sostegni 1.9 ** 2.3 ** Costante 1.7 *** 0.1 *** ICC Livello individuo (primo livello) Livello scuola (secondo livello) 0.31 Variabili indipendenti Figli di italiani Figli di immigrati 0.42 Quota di varianza attribuibile al livello scuola è molto alta I ragazzi hanno una probabilità maggiore di essere resilienti Vivere in un contesto più o meno popolato ha effetti diversi.. Maggiori aspirazioni – soprattutto dei genitori - corrispondono a maggiori probabilità di essere resilienti. Un numero maggiore di attività extrascolastiche - più che di risorse - stimolerebbe l’emersione da situazioni di difficoltà Stessa associazione positiva si riscontra con le attività di supporto allo studio Scuole più selettive sono scuole con maggiori quote di resilienti figli di imigrati, mentre il contrario avviene per le scuole più «dirigistiche»
- 20. Conclusioni (1/2) Università di Napoli Federico II 20 • L’Italia esce «malconcia» dal confronto internazionale sul rendimento scolastico in termini di performance media. Meglio in matematica che in italiano! • Campanello di allarme è l’alta quota di «low performers», i.e. coloro che «non hanno competenze sufficienti per partecipare efficacemente e produttivamente al mondo reale» • Nessun miglioramento nel tempo, nonostante l’H2020 • I fattori determinanti sono noti: i ragazzi meglio delle ragazze; figli di immigrati e studenti con meno risorse (socio-culturali- economiche) sono svantaggiati; si conferma il divario nord-sud. TUTTAVIA..
- 21. Conclusioni (2/2) Università di Napoli Federico II 21 • Per quanto forte l’associazione tra background socio-economico e performance scolastica, c’è un numero importante di studenti – resilienti – che riescono a superare queste difficoltà.. • Tali processi virtuosi sono favoriti da fattori individuali e scolastici che parzialmente differiscono per i due gruppi considerati • In generale, per combattere efficacemente situazioni di disagio e carenze genitoriali, sembrerebbe importante sostenere e investire non solo in progettazione curriculare, ma anche e soprattutto in: • Motivazioni individuali e aspettative genitoriali (soprattutto nel caso dei figli degli immigrati); • Attività scolastiche extra-curriculari - legate o meno alla materia in oggetto - e attività di supporto allo studio;
- 22. Grazie per l’attenzione Università di Napoli Federico II 22
Notes de l'éditeur
- L’obiettivo di questa presentazione è duplice. In una prima sezione presentiamo il rendimento scolastico dei quindicenni in Italia in tre materie: lettura (e comprensione del testo, matematica e scienze). I risultati saranno analizzati in un’ottica internazionale e soprattutto europea. Oltre a fornire il confronto tra valori medi, saranno ripercorse le principali determinanti. In una seconda sezione, dato la ancora forte rilevanza del contesto socio, economico e culturale in cui versano i ragazzi nel determinare tali traiettorie scolastiche, riporteremo i risultati di un’analisi più dettagliata sui fattori che aiuterebbero i ragazzi ad uscire da tali condizioni di difficoltà e ottenere buone performance nonostante la loro situazione iniziale di svantaggio. Un’analisi cioè sui cosiddetti studenti resilienti. In tal senso, verifichiamo il ruolo giocato da motivazioni personali e caratteristiche della scuola andando a vedere anche se eventuali differenze esistono tra figli di nativi e figli di immigrati.
- Data I dati provengono dal dataset OECD’s Programme for International Students Assessment (PISA 2009), una indagine triennale che ha lo scopo di comparare il rendimento scolastico dei ragazzi 15enni in 65 paesi (OCSE e non). Si riferisce ai 15enni poiché l’obiettivo ultimo dell’indagine è quello di comprendere in che misura gli studenti che si trovano verso la fine della scuola dell’obbligo – in media 15 anni nell’area OCSE – hanno acquisito conoscenze e competenze chiave per la piena partecipazione nelle società moderne (e quindi per continuare il percorso di studi o eventualmente entrare nel mondo del lavoro). Misurazione del rendimento scolastico (variabile obiettivo) Le conoscenze e le competenze valutate da PISA sono riferite a tre ambiti disciplinari: lettura e comprensione del testo, matematica e scienze. In ciascuna delle rilevazioni annuali, ciascuna materia costituisce l’ambito di indagine principale (che si traduce con l’inclusione di quesiti relativi all’ambito privilegiato molto maggiore di quelli relativi agli altri due ambiti). Tuttavia, anche le altre competenze sono testate. In particolare, l’indagine PISA è orientata a capire se gli studenti non solo hanno appreso talune conoscenze, ma anche a capire se sono in grado di utilizzare quanto appreso e applicarlo in situazioni non familiari, ovvero diverse da quelle usualmente proposte a scuola. Le domande sono preparate e corrette da un pool di esperti coordinati a livello internazionale. Sulla base dei test, gli esperti PISA hanno delineato un punteggio teorico che va da 0 a 900. Disegno campionario Il metodo di campionamento corrisponde ad un campionamento a due stadi stratificato (a livello di primo stadio), nel quale le unità di primo stadio sono le scuole, campionate con probabilità proporzionale alle dimensioni (la misura della dimensione è funzione del numero stimato di studenti eleggibili di età 15 frequentanti la scuola) sulla base di una lista fornita dalle autorità nazionali di tutte le scuole eleggibili per PISA e le unità di secondo livello sono gli studenti. In ciascun paese è stato estratto un campione di almeno 150 scuole, all’interno di ciascuna delle quali si è estratto un campione di 35 quindicenni (prendendo tutti i quindicenni presenti qualora il loro numero fosse inferiore a 35) per un totale di almeno 4,500 studenti. Vantaggi dataset rispetto ad esempio ad INVALSI Il primo e fondamentale vantaggio del dataset PISA rispetto ad esempio ad INVALSI è il fatto che l’indagine è ricchissima di informazioni sia a livello individuale, che di contesto scolastico e familiare. L’indagine prevede infatti la somministrazione di tre questionari a studenti, genitori e dirigente scolastico (come rappresentante della scuola). Questo permette di lavorare su una quantità enorme di informazioni e quindi sullo studio delle determinanti non solo di tipo strutturale, ma anche rispetto ad altri ambiti quali ad esempio: aspirazioni dei ragazzi e dei genitori, capitale umano, culturale e sociale dei ragazzi, partecipazione dei genitori nella vita scolastica dei ragazzi, socializzazione dentro e fuori scuola, ma anche qualità della scuola, ruoli e responsabilità scolastici, livello di selezione e autonomia scolastica, attività scolastiche dedite alla formazione o ad altro, ecc. In relazione a tutto questo, ne deriva come uno dei valori aggiunti fondamentali dell’indagine PISA è dato dalla possibilità di studiare l’influenza del contesto (scolastico in primis) sul rendimento. Ciò è reso possibile dall’assetto campionario (appunto a due stadi) e dalla ricchezza delle informazioni raccolte a livello scolastico. Un terzo valore aggiunto è indubbiamente la possibilità di sviluppare comparazioni internazionali e quindi di aggiungere se necessario un terzo livello di analisi, i.e. di sistema e di comparare il caso italiano con il vicinato europeo. Infine, con riferimento alla popolazione figli di immigrati, un grande valore aggiunto è quello per cui viene raccolta l’informazione sul paese di nascita non solo del ragazzo, ma anche dei genitori nonché l’età di arrivo. Ciò permette perciò di scomporre la categoria figli degli immigrati in generazioni, che ormai dal 20006 sono pienamente rappresentative anche nel caso italiano. Gli svantaggi – speculari ai vantaggi - sono sicuramente: il fatto di non poter scendere eccessivamente nel dettaglio, dato l’assetto campionario dell’indagine (vs. INVALSI) tuttavia, date le molte wave ormai il pooled sample rimedierebbe a questo; la mancanza di assetto longitudinale dell’indagine e quindi l’impossibilità di condurre analisi di tipo causale. Al contrario, l’assetto trasversale a cadenza triennale permette di delineare solamente analisi di trend. Infine, sempre con riferimento alle analisi sui figli degli immigrati, una grossa carenza dell’ndagine è l’impossibilità di risalire al dettaglio del paese di nascita. Questo dipende però dalle autorità italiane in quanto di fatto è scelto dal paese se chiedere questa informazione oppure no. In Europa, insieme all’Italia anche la Francia ha scelto questa via.
- Il campione è composto da quasi 12,000 studenti di 15 anni frequentanti 474 scuole in tutto il territorio italiano. Maschi e femmine sono ugualmente rappresentati I figli di nativi rappresentano circa l’85% del campione contro il 16% dei figli di immigrati. Mentre a livello territoriale la maggioranza del campione frequenta scuole nel Nord Italia (36%), seguita da Sud e Isole (32%) e Centro (30%). I licei sono il 45% delle scuole campionate, seguiti dagli istituti tecnici o centri di formazione professionale (33%) quindi istituti tecnici (33%)
- Agli ultimi posti in Europa e anche nel mondo..
- Un po’ meglio
- Preoccupante è la percentuale dei cosiddetti «low performers», ovvero degli studenti che non raggiungono il livello sufficiente che tutti gli studenti dovrebbero ottenere una volta usciti dalla scuola dell’obbligo. Raggiunto tale livello, “gli studenti quindicenni iniziano a dimostrare quelle competenze che consentono loro di partecipare efficacemente e produttivamente al mondo reale” Nel caso italiano, il 21% degli studenti non raggiunge la sufficienza in lettura (in media coi paesi dell’UE28, ma più alta dell’UE15). In base alla valutazione PISA, ciò significa che alla fine della scuola dell’obbligo, uno studente su 5 non è in grado di individuare il contenuto principale di un testo, comprendere le relazioni o inferire il significato quando l’informazione non è esplicita.
- La stessa preoccupazione emerge quando guardiamo ai risultati in scienze. Anche in questo caso, infatti, uno studente su 5 non raggiunge il livello base, vale a dire che è in grado di fornire spiegazioni appropriate, interpretare i dati e identificare le problematiche derivanti da esperimenti elementari.
- E in matematica. Uno studente su 5 può compiere operazioni elementari (quando gli vengono fornite istruzioni), ma non è in grado di riconoscere in che modo una (semplice) situazione reale possa essere rappresentata matematicamente (e.g. comparare le distanze tra 2 percorsi alternativi..) A queste alte percentuali di low performers non corrispondono alte percentuali di top performers, cioè dei super-bravi, i.e. coloro che hanno competenze e capacità molto alte per la loro età (livello 5 e 6). Quindi possiamo dire che non ci troviamo di fronte ad un quadro polarizzato (molti top e molti low performers come nel caos francese ad esempio), ma più semplicemente in una condizione di alte percentuali di studenti che hanno difficoltà negli studi superiori alla maggioranza dei paesi considerati
- E’ interessante analizzare i trend del rendimento scolastico. Lo facciamo a partire dal 2009, poiché esso rappresenta un anno importante nel settore dell’istruzione e formazione a livello europeo. E’ l’anno difatti in cui i ministri dell'istruzione dei Paesi dell'Unione adottano il secondo “quadro strategico per la cooperazione europea nel settore dell'istruzione e della formazione”, denominato “ET 2020”. In tale quadro, sono stati fissati sei obiettivi da raggiungere entro il 2020. Fra questi, ogni paese europeo dovrà impegnarsi ad ottenere meno del 15% di studenti 15enni con risultati insufficienti (low performers) in tutti e tre gli ambiti: lettura, matematica e scienze. Altri obiettivi sono: almeno il 95% dei bambini dai 4 anni all'inizio della scuola dell'obbligo dovrebbe frequentare la scuola materna meno del 10% dei giovani dai 18 ai 24 anni dovrebbe abbandonare gli studi o la formazione almeno il 40% dei 30-34enni dovrebbe aver completato un percorso di istruzione superiore almeno il 15% degli adulti dovrebbe partecipare all'apprendimento permanente almeno il 20% dei laureati e il 6% dei 18-34enni con una qualifica professionale iniziale dovrebbe aver trascorso una parte degli studi o della formazione all'estero almeno l'82% dei 20-34enni con almeno un diploma di maturità deve aver trovato un lavoro entro 1-3 anni dalla fine degli studi. Osservando il caso italiano, tale quota non subisce significative variazioni dal 2009 in nessuna materia e rimane saldamente al di sopra di questa quota. (nel caso delle scienze, addirittura aumenta).
- La fotografia appena delineata non è perciò delle più promettenti a prescindere dalla materia e dall’anno di osservazione. Da questo moomento in poi, perciò, ci concentreremo solo sul rendimento scolastico in scienze nell’anno 2015. In particolare, se guardiamo ai fattori associati a tale rendimento, a livello strutturale, emergono, le seguenti associazioni, come mostrati dai risultati dellla seguente regression lineare che ha come variabile dipendente la performance in scienze (variabile continua, scala da 0 a 900) e come variabili indipendenti il genere, la generazione, l’area geografica e lo status socio-economico-culturale dei ragazzi. FOCUS SULL’INDICE ESCS: spiegare brevemente Risultati (niente di nuvoo..) A parità di altri fattori, gli uomini continuano ad avere risultati significativamente migliori; questo tuttavia non avviene per l’’italiano (dove invece avviene l’esatto contrario), lasciando trasparire come probabilmente esistano ancora dei fattori strettamente culturali dietro questi risultati. Dai dati emerge anche come, quando anche le ragazze scelgono una prospettiva di carriera in ambito scientifico (casi rari), la indirizzano verso le scienze della vita (medicina o al Massimo biologia), mentre I maschi propendono senza esitazioni per l’ingegneria e per le nuove tecnologie, oltre che per le scienze dure come la chimica e la fisica. I figli degli immigrati sono svantaggiati enormemente Il divario nord-sud è pienamente confermato: frequentare la scuola nelle regioni centrali e meridionali è associato a performance significativamente peggiori Ed infine, lo status socio-culturale-economico ha un impatto importantissimo. A livello individuale, cioè, al netto delle altre caratteristiche strutturali, avere alle spalle una famiglia istruita, benestante e ben posizionata in termini occupazionali è ancora ad oggi, al netto di altri fattori, significativamente associato con performance individuali significativamente migliori.
- A partire dal fatto che, come abbiamo visto, il capitale umano, economico e culturale ha una rilevanza importante nello spiegare il rendimento scolastico, ci siamo chiesti quali sono i fattori che permettono in qualche modo di superare tali ostacoli e di emergere da condizioni di difficoltà.. In tal senso, abbiamo condotto un’analisi su uno specific gruppo di student chiamati resilienti Chi sono? Domande di ricerca
- Modello A tal fine abbiamo utilizzato tecniche di analisi multilivello, poiché rispondono bene ai nostri obiettivi, vale a dire: Da una parte, abbiamo in questo modo sfruttato le potenzialità del dataset PISA (che raccoglie dati a livello individuale e scuola), permettendo di tenere conto della gerarchizzazione dei dati (cioè le osservazioni non sono indipendenti nei gruppi studenti di una stessa scuola hanno rendimenti simili non perché più o meno bravi, ma semplicemente perché sono nella stessa scuola. Dall’altra parte, in tal modo, il modello multilivello ci permette di apprezzare la quota di varianza attribuibile al contesto scolastico(modello nullo) e di verificare perciò il reale contributo delle variabili scolastiche cui siamo interessati. Nel dettaglio, visto il gap persistente e significativo tra figli di native e figli di immigrati, abbiamo implementato due diversi modelli, uno per I primi e uno per I secondi: In tal modo, abbiamo volute depurare in qualche modo I risultati ed evidenziare differenze se presenti.
- Modello A tal fine abbiamo utilizzato tecniche di analisi multilivello, poiché rispondono bene ai nostri obiettivi, vale a dire: Da una parte, abbiamo in questo modo sfruttato le potenzialità del dataset PISA (che raccoglie dati a livello individuale e scuola), permettendo di tenere conto della gerarchizzazione dei dati (cioè le osservazioni non sono indipendenti nei gruppi studenti di una stessa scuola hanno rendimenti simili non perché più o meno bravi, ma semplicemente perché sono nella stessa scuola. Dall’altra parte, in tal modo, il modello multilivello ci permette di apprezzare la quota di varianza attribuibile al contesto scolastico(modello nullo) e di verificare perciò il reale contributo delle variabili scolastiche cui siamo interessati. Variabile dipendente Per quanto riguarda il modello, abbiamo detto che il nostro obiettivo è quello di verificare quali sono i fattori associati alla probabilità di essere resiliente cioè di avere uno status socio-economico basso, ma ottenere comunque buone performance. La nostra variabile dipendente quindi è uguale a 0 quando gli studenti hanno un basso ESCS e un bassa/media performance (chi non ce l’ha fatta) e uguale a 1 con basso ESCS e alta performance (chi ce l’ha fatta, i resilienti)
- Molto utilizzato nelle indagini sull’istruzione, non solo PISA, ma anche TIMMS e PIRLLS