zasobność rodziny ucznia

Do analizy poziomu zamożności gospodarstwa domowego ucznia zaadaptowana została pula pytań dotycząca wyposażenia gospodarstwa domowego wykorzystywana w badaniach PISA. W wersji użytej w badaniu składa się ona z 17 dychotomicznych pytań, w których respondenci pytani byli o posiadanie następujących elementów wyposażenia:

biurka do nauki dla dziecka, własnego pokoju dla dziecka, spokojnego miejsca do nauki dla dziecka, komputera, który dziecko może używać do nauki, edukacyjnych programów komputerowych, dostępu do internetu, kalkulatora, literatury pięknej (np. Sienkiewicz);

zbiorów poezji, dzieł sztuki (np. obrazy), encyklopedii, słowników, zmywarki do naczyń, DVD albo wideo, anteny satelitarnej lub telewizji kablowej, aparatu cyfrowego, mikrosko-pu lub lunety. Do konstrukcji skali użyto też niezwykle predykcyjnego pytania o liczbę książek w domu.

Ze względu na problemy z estymacją modelu pomiarowego, tak poprzez klasyczną kon-firmacyjną analizę czynnikową (CFA), jak i z wykorzystaniem eksploracyjnych modeli równań strukturalnych (ESEM), z oryginalnej skali usunięta została pozycja „dostęp do komputera, który dziecko może używać do nauki”.

Estymacja modelu odzwierciedlającego podejście wykorzystywane w analizach PISA (OECD, 2009) z wykorzystaniem CFA napotkała istotne problemy. W związku z tym zastosowano inne podejście. Estymacja modelu bifactor w ramach podejścia ESEM pozwoliła na uzyskanie modelu dobrze dopasowanego do danych: RMSEA 0,021, CFI – 0.989, TLI – 0.980, WRMR – 1,06. Poza czynnikiem głównym mierzącym zasobność gospodarstwa domowego rodziny ucznia, wyróżnione zostały trzy czynni-ki lokalne: miejsce do nauczynni-ki, sprzęt elektroniczny oraz dobra kulturowe. W analizach, jako zmienną opisującą aspekt posiadania statusu rodziny ucznia, użyto miary ogólnej zasobności gospodarstwa domowego. Z analizy czynników lokalnych zrezygnowano, ponieważ ich uwzględnienie nie wnosiło nic ważnego do analizy trafności metody EWD.

Poniższa tabela zawiera wartości podstawowych parametrów rozkładu używanych w ana-lizach wskaźników statusu.

tabela 2. parametry rozkładu zmiennych statusowych. dane ważone

zmienne średnia odchylenie standardowe skośność

wykształcenie (HEDU) 12,78 2,65 0,42

status (HISEI) 43,06 20,85 0,56

prestiż (HSIOPS) 45,10 10,77 0,64

zasobność -0,02 1,00 -0,23

5.2.2. Schemat analizy danych

Analogicznie jak w pozostałych rozdziałach, w celu odpowiedzi na pytania badawcze użyto hierarchicznych modeli regresji. Zastosowano modele trzypoziomowe z losową stałą uwzględniające poziom ucznia, oddziału klasowego i szkoły. Analizy przeprowa-dzono oddzielnie dla wyniku egzaminu gimnazjalnego w części matematyczno-przy-rodniczej i humanistycznej. Przypomnijmy – wyniki egzaminu są przedstawiane na skali 100;15 w populacji uczniów, którzy przystąpili do egzaminu gimnazjalnego w 2012 roku.

Analizy mające na celu weryfikację znaczenia czynników statusowych przeprowadzo-no czteroetapowo. Najpierw sprawdzoprzeprowadzo-no, na ile szkoły i oddziały klasowe różnią się ze względu na czynniki statusowe. W drugim kroku pokazano związek poszczególnych czynników statusowych z wynikami egzaminu. W trzecim kroku szacowano siłę tych sa-mych efektów w modelu EWD. Porównanie wyników z drugiego i trzeciego etapu po-zwoliło sprawdzić, w jakim stopniu w modelach EWD kontrolujemy niezależne od szkoły czynniki statusowe. Innymi słowy sprawdzono, jak zmienia się związek danej zmiennej SES z wynikami egzaminów, jeśli kontrolujemy w modelu te zmienne, które są uwzględ-niane w modelach EWD. W końcu sprawdzono dla potencjalnie użytecznego w mode-lowaniu EWD czynnika statusowego – wykształcenia rodziców – na ile modele EWD pozwalają kontrolować wariancję międzyszkolną i międzyoddziałową i czy dodanie do modelu informacji o tym czynniku znacząco zmieniałoby oszacowania efektywności na-uczania dla szkół.

Analizy wykonano za pomocą programu HLM 6.06, wykorzystując metodę estymacji full maximum likelihood. Do oszacowania istotności efektów stałych wykorzystano odpor-ne (robust) błędy standardowe. Wartości istotodpor-ne na poziomie istotności p < 0,05 zaznaczo-no w tabelach pogrubionym drukiem. Analizy wykonazaznaczo-no z uwzględnieniem wag warun-kowych (patrz rozdział metodologiczny) na wszystkich trzech poziomach, odpowiednio przeskalowanych za pomocą programu HLM.

5.3. wyniki

Zgodnie z przyjętą strategią analizy, zaczynamy od odpowiedzi na pytanie, czy szkoły róż-nią się ze względu na czynniki statusu społecznego rodziny ucznia.

5.3.1. międzyszkolna i międzyoddziałowa wariancja wskaźników statusowych Analizę międzyszkolnego i międzyoddziałowego zróżnicowania wyników egzaminacyj-nych przeprowadzono, wykorzystując trzypoziomowe modele puste. Oszacowanie efektów losowych na poziomie szkół, oddziałów klasowych i uczniów pozwoliło wyliczyć współczyn-niki korelacji wewnątrzgrupowej. Ich wartość mówi, jaką część zmienności danego czynnika statusowego można przypisać podziałowi uczniów na szkoły i oddziały.

tabela 3. międzyszkolne i międzyoddziałowe zróżnicowanie wskaźników statusowych rodziny ucznia: wykształcenie, HiSei, HSiopS i zasobność. wyniki trzypoziomowych analiz regresji, mo-dele puste

wariancja efektów szkół 1,08 78,78 9,81 0,113

wariancja efektów oddziałów klasowych 0,29 19,34 4,65 0,027

wariancja na poziomie ucznia 5,12 308,70 89,26 0,866

współczynniki korelacji wewnątrzgrupowej

poziom szkół 0,166 0,194 0,095 0,131

poziom klas 0,045 0,048 0,045 0,026

poziom klas i szkół łącznie 0,211 0,241 0,140 0,157

liczebności

liczba uczniów 4690 4782 4782 4901

liczba klas 291 291 291 291

liczba szkół 150 150 150 150

Zgodnie ze stanem naszej wiedzy (Dolata, 2008) przeprowadzona analiza wykazała istotne międzyszkolne i międzyoddziałowe zróżnicowanie ze względu na czynniki statusowe. Podział uczniów na szkoły wyjaśnia około 17% wariancji wskaźnika wykształcenia i około 19% zmien-ności miary statusu społeczno-ekonomicznego rodziców ucznia. W tym zakresie podział na oddziały w obrębie szkoły wyjaśnia średnio około 5% zmienności. Trochę słabsze jest zróżnico-wanie szkół ze względu na miarę prestiżu zawodu rodziców i wskaźnik zasobności rodziny, ale

i tak podział na szkoły wyjaśnia 10–13% wariancji. Zróżnicowanie międzyoddziałowe tych miar jest – analogicznie jak dwóch poprzednich – niższe niż międzyszkolne i wynosi około 3–5%.

Ciekawe, że w wypadku inteligencji znacznie bardziej były zróżnicowane oddziały wewnątrz szkół (prawie 9% wariancji wyjaśnianej), niż szkoły (5,5% wariancji daje się wyjaśnić przez po-dział na szkoły). To ciekawy wątek, ale ponieważ nie wiąże się bezpośrednio z tematem rapor-tu, porzucimy go.

Wyniki analizy potwierdziły, że szkoły bardzo różnią się zasobami statusowymi. To stwarza potencjalne zagrożenie dla modelowania EWD, w którym nie uwzględnia się zmiennych SES.

Zasadne jest zatem wykonanie kolejnych kroków zaplanowanej strategii analizy.

Zanim przejdziemy do kolejnych obliczeń warto sformułować dwie uwagi. Po pierwsze, okazuje się, że prosta do zebrania informacja o wykształceniu rodziców, wydaje się dobrze opi-sywać międzyszkolne zróżnicowanie zasobów statusowych. Gdyby okazało się, że uwzględ-nienie tego zróżnicowania jest niezbędne, by ograniczyć stronniczość modeli EWD, możliwe jest zbieranie takich danych w systemie. Po drugie, należy zwrócić uwagę, że proste porów-nywanie siły międzyszkolnego zróżnicowania ze względu na poszczególne aspekty statusu rodziny ucznia jest metodologicznie ryzykowne. Użyte miary mają prawdopodobnie różną rzetelność, w związku z tym zaobserwowane różnice mogą odbijać po części realne różnice w sile międzyszkolnego zróżnicowania, po części niższą lub wyższą rzetelność zastosowanej miary.

5.3.2. Status społeczny a wyniki egzaminu gimnazjalnego w części