Podziękowania i wkład poszczególnych autorów
5.1. Kontekst teoretyczny i pytania badawcze
5.3.5. znaczenie czynników statusowych dla szacowania ewd w obszarze humanistycz- humanistycz-nym
Zacznijmy od dekompozycji wariancji egzaminu humanistycznego na składowe: między-szkolną, międzyoddziałową i indywidulalną.
tabela 9. porównanie wariancji międzyszkolnej, międzyoddziałowej i indywidualnej w trzech modelach analizy. egzamin w części humanistycznej
wariancja model pusty model ewd model ewd z wykształceniem rodziców
międzyszkolna 19,83 5,72 5,47
międzyoddziałowa 17,53 2,62 2,49
indywidualna 174,59 77,11 74,49
Tak jak w wypadku egzaminu matematyczno-przyrodniczego, punktem wyjścia jest osza-cowanie składowych wariancji dla trzech poziomów analizy. Odpowiednie wartości zawiera kolumna oznaczona „model pusty”. W modelu EWD wariancja międzyszkolna to 29% wariancji z modelu pustego. Dodanie do modelu zmiennej wykształcenie rodziców, podobnie jak po-przednio, niewiele zmienia – wariancja międzyszkolna w tym modelu to 28% wariancji w mo-delu pustym. Szczególnie efektywna jest w momo-delu EWD kontrola wariancji międzyoddziało-wej – uwzględnienie zmiennych kontrolnych sprawia, że ta składowa wariancji to jedynie 15%
zmienności w modelu pustym. W tym wypadku dodanie do modelu zmiennej wykształcenia też niewiele zmienia. Podobnie jak w części matematyczno-przyrodniczej obserwujemy, że kontrola wariancji międzyszkolnej i międzyodziałowej w modelu EWD jest znacznie skutecz-niejsza niż kontrola wariancji indywidualnej. Niewyjaśniona zmienność wyników egzaminacyj-nych na poziomie ucznia to 44% oszacowania z modelu pustego.
Czyli w obszarze humanistycznym podobnie jak w matematyczno-przyrodniczym model EWD z kontrolą wykształcenia rodziców tylko nieznacznie lepiej wyjaśnia wariancję na pozio-mie szkolnym i oddziałowym. Jednak czy to oznacza tożsamość wskaźników wartości dodanej policzonych bez i z kontrolą zmiennej „wykształcenie rodziców”?
Na podstawie wyników egzaminu gimnazjalnego z 2012 roku w części humanistycz-nej oszacowano dla każdej szkoły dwa wskaźniki edukacyjhumanistycz-nej wartości dodahumanistycz-nej: bez kontroli wykształcenia (EWD) i z kontrolą zmiennej wykształcenia rodziców (EWD_hedu).
Do szacowania użyto trzypoziomowego modelu efektów mieszanych, wskaźniki są Bayesowskimi predykcjami a posteriori. Poniższy wykres rozrzutu pozwala na porównanie tych oszacowań.
Rysunek 4. porównanie wskaźników ewd dla części humanistycznej liczonych bez i z kontro-lą wykształcenia rodziców
−10
−5 0 5 10
EWD GH z kontrolą wykształcenia rodziców
−10 −5 0 5 10
EWD GH bez kontroli wykształcenia rodziców
Na osi poziomej znajduj się wartości EWD dla szkół biorących udział w badaniu wy-liczone z modelu bez kontroli wykształcenia rodziców. Na osi pionowej przedstawiono wartości wskaźników EWD wyliczone z modelu, w którym dodatkowo uwzględniono tę informację. Obraz jest bardzo zbliżony do tego uzyskanego dla obszaru matematyczno--przyrodniczego. W próbie 150 gimnazjów dodanie do modelu zmiennej wykształcenia rodziców w niewielkim stopniu wpłynęło na oszacowane EWD szkół. Współczynnik kore-lacji Pearsona między EWD i EWDhedu wynosi r = 0,975. Warto jednak odnotować, że ten współczynnik jest nieco niższy, niż dla poprzednio analizowanego obszaru nauczania.
Wyniki analiz wskazują zatem, że kontrola w szacowaniu EWD dla szkół wykształcenia rodziców uczniów nie wpłynęłaby na znaczącą zmianę wartości wskaźników.
5.4. podsumowanie
Dobrym punktem wyjścia do podsumowania analiz trafności metody EWD z punktu widzenia czynników statusowych może być tabela 10. Zestawiono w niej korelacje szkol-nych średnich poziomu wykształcenia rodziców ze średnim wynikiem egzaminacyjnym, wskaźnikiem EWD i wskaźnikiem EWD wyliczonym przy kontroli zmiennej wykształcenia rodziców na poziomie indywidualnym.
tabela 10. średni poziom wykształcenia rodzicówa w szkole a średni wynik egzaminu gim-nazjalnego, ewd i ewd z uwzględnieniem wykształcenia. współczynniki korelacji pearsona
egzamin średnia egzaminacyjna w szkolea ewd szkoły ewdhedu szkoły część
matematyczno--przyrodnicza 0,680 0,270 0,139
część humanistyczna 0,662 0,181 -0,035
wartości zaznaczone pogrubionym drukiem są istotne statystycznie na poziomie istotności p < 0,05, a – oszacowania średnich z pustych modeli trzypoziomowych
Wnioski z tej analizy są bardzo pouczające. Średni wynik egzaminacyjny szkoły ma blisko 50% wariancji wspólnej ze średnią wykształcenia rodziców! Jeżeli używamy średniej egzami-nacyjnej szkoły jako miary efektywności nauczania – a jest to w dalszym ciągu dość często spotykane – to w praktyce stawiamy znak równości między dobrą szkołą a szkołą pracującą w korzystnym społecznie środowisku. Analogiczne korelacje dla wskaźników EWD spadają do poziomu 0,2–0,3. To oznacza, że wariancja wspólna średniej poziomu wykształcania rodziców w szkole i miary efektywności nauczania spada do poziomu 4–9%. Korelacja ta spada prawie do zera, gdy w modelowaniu EWD na poziomie ucznia uwzględnimy zmienną wykształcenia rodziców. Czy to oznacza, że wskaźniki uwzględniające SES są bardziej trafne? Tu już sprawa nie jest tak jednoznaczna. Nie można wykluczyć, że średni poziom wykształcenia rodziców jest skorelowany z efektywnością nauczania. Z pewnością nie jest to korelacja rzędu 0,7, ale ko-relacji rzędu 0,2–0,3 wykluczyć nie można. Światło na ten problem mogą rzucić wyniki analiz przedstawione w kolejnych rozdziałach.
Spróbujmy podsumować. Największe różnice między gimnazjami stwierdzono dla mia-ry ISEI i poziomu wykształcenia rodziców – około 20% wariancji całkowitej tych zmiennych to wariancja międzyszkolna. Równocześnie miary te bardzo silnie skorelowane są z wynika-mi egzawynika-minacyjnywynika-mi. Czy uwzględnienie w modelach EWD uprzednich osiągnięć skutecznie kontroluje wpływ czynników statusowych? Dla wszystkich miar statusu obserwujemy istotne statystycznie zależności na poziomie indywidualnym. Jednak siła efektu jest dwu-, czterokrot-nie słabsza w porównaniu z modelem bez uwzględczterokrot-nienia wyników sprawdzianu. Oszacowane z wykorzystaniem zmiennych statusowych wskaźniki EWD dla szkół korelują ze zwykłymi mia-rami EWD na poziomie 0,98–0,99. Oznacza to, że brak w modelu EWD zmiennych statusowych w bardzo niewielkim stopniu obciąża oszacowania wskaźników dla szkół, a tym samym ma marginalne znaczenie dla trafności metody.
literatura
Anyon, J. (1983). Social class and hidden curriculum of work. [w:] Giroux, H. i Purple, D.
(eds) The hidden curriculum and moral education. McCutchan, Berkeley.
Asparouhov, T., i Muthén, B. (2009). Exploratory Structural Equation Modeling.
Structural Equation Modeling. A Multidisciplinary Journal, 16(3), 397–438.
doi:10.1080/10705510903008204
Ball, S., J. (1993). Education Markets, Choice and Social Class: The Market as a Class Strategy in the UK and USA. British Journal of Sociology of Education, Vol. 14, Issue 1, s. 3–20.
Bourdieu, P. (2001). Zaproszenie do Socjologii refleksyjnej. Warszawa: Oficyna Naukowa.
Bourdieu, P. i Passeron, J. (1990). Reprodukcja. Elementy teorii systemu nauczania.
Warszawa: PWN.
Brown, A. R., Finney, S. J. i France, M. K. (2011). Using the bifactor model to assess the dimensionality of the Hong Psychological reactance scale. Educ. Psychol. Meas. Educational and Psychological Measurement, 71, 170–185.
Bruner, J. (2006). Kultura edukacji. Kraków: Universitas.
Chen, F. F., West, S. G. i Sousa, K. H. (2006). A Comparison of Bifactor and Second-Order Models of Quality of Life. Multivariate Behavioral Research, 41, 189–225.
Coleman, J. S. (1966). Equality of educational opportunity. Washington, D.C. US Office of Education.
Coleman, J. S. (1988). Social Capital in the Creation of Human Capital. The American Journal of Sociology, 94, s. 95–120.
Dolata, R. (2008). Szkoła – segregacje –nierówności. Warszawa: Wydawnictwo Uniwersytetu Warszawskiego.
Dolata R., Jakubowski M. i Pokropek A. (2013). Polska oświata w międzynarodowych badaniach umiejętności uczniów PISA OECD. Wyniki, trendy, kontekst i porównywalność.
Warszawa: Wydawnictwo Uniwersytetu Warszawskiego.
Eysenck H. i Eysenck M. (1998). Podpatrywanie umysłu. Gdańsk: GWP.
Ganzeboom, H. B. G. (2010). How was new ISEI-08 constructed. Pobrano 7 czerwiec 2013, z http://home.fsw.vu.nl/hbg.ganzeboom/isco08/qa-isei-08.htm
Ganzeboom, H. B. G. i Treiman, D. J. (1996). Internationally Comparable Measures of Occupational Status for the 1988 International Standard Classification of Occupations.
Ganzeboom, H. B. G. i Treiman, D. (2003). Three Internationally Standardised Measures for Comparative Research on Occupational Status. [w:] Hoffmeyer-Zlotnik, J. P. i Wolf, C.
(red.), Advances in Cross-National Comparison (s. 159–193). Springer US. Pobrano z http://dx.doi.org/10.1007/978-1-4419-9186-7_9
Ganzeboom, H. B. G., De Graaf, P. M. i Treiman, D. J. (1992). A standard international socio-economic index of occupational status. Social Science Research, 21(1), 1–56.
doi:10.1016/0049-089X(92)90017-B
Greven, C. U., Harlaar, N., Kovas, Y., Chamorro-Premuzic, T. i Plomin, R. (2009). More Than Just IQ: School Achievement Is Predicted by Self-Perceived Abilities—But for Genetic Rather Than Environmental Reasons. Psychological Science, Vol. 20 Issue 6, s. 753–762.
Harris, J. R. (2000). Geny czy wychowanie? Co wyrośnie z naszych dzieci i dlaczego.
Warszawa: Jacek Santorski & Co Wydawnictwo.
Haworth, C. M. A., Asbury, K., Dale, P. S. i Plomin, R. (2011). Added Value Measures in Education Show Genetic as Well as Environmental Infuence. PLoS ONE, Volume 6, Issue 2, e16006.
Haworth, C.M.A., Wright, M.J, Luciano, M., Martin, N.G., de Geus, E.J.C., van
Beijsterveldt, C.E.M., Bartels, M, Posthuma, D, Boomsma, D.I., Davis, O.S.P., Kova,s Y., Corley, R.P., DeFries, J.C., Hewitt, J.K., Olson, R.K., Rhea, S.A., Wadsworth, S.J., Iacono, W.G., McGue, M., Thompson, L.A., Hart S.A., Petrill, S.A., Lubinski, D. i Plomin, R. (2010).
The heritability of general cognitive ability increases linearly from childhood to young adulthood, Molecular Psychiatry, No15, s. 1112–1120.
Herrnstein, R. i Murray, J. (1994). The Bell Curve: Intelligence and class structure in American life. New York. Free Press.
Holzinger, K. i Swineford, F. (1937). The Bi-factor method. Psychometrika, 2, 41–54.
International Labour Organization (ILO). (2007). Bureau of Statistics, work unit of the Policy Integration Department. Pobrano 5 czerwiec 2013, z http://www.ilo.org/public/english/
bureau/stat/isco/intro.htm
Jensen, A. R. (1969). How much can we boost IQ and scholastic achievement? Harvard Educational Review, 39 (1), s. 1–123.
Jenses, A. R. (1991). Spearman’s g factor and the problem of educational equality. Oxford Review of Education. 17 (2), s. 169–187.
Lai, J.-S., Butt, Z., Wagner, L., Sweet, J. J., Beaumont, J. L., Vardy, J., … Cella, D. (2009).
Evaluating the Dimensionality of Perceived Cognitive Function. Journal of Pain and Symptom Management, 37, 982–995.
Marsh, H. W., Liem, G. A. D., Martin, A. J., Morin, A. J. S. i Nagengast, B. (2011). Methodological Measurement Fruitfulness of Exploratory Structural Equation Modeling (ESEM): New Approaches to Key Substantive Issues in Motivation and Engagement. Journal of Psychoeducational Assessment, 29(4), 322–346. doi:10.1177/0734282911406657
Marsh, Herbert W., Lüdtke, O., Muthén, B., Asparouhov, T., Morin, A. J. S., Trautwein, U. i Nagengast, B.
(2010). A new look at the big five factor structure through exploratory structural equation modeling.
Psychological Assessment, 22(3), 471–491. doi:10.1037/a0019227
Marsh, Herbert W., Muthén, B., Asparouhov, T., Lüdtke, O., Robitzsch, A., Morin, A. J. S.
i Trautwein, U. (2009). Exploratory Structural Equation Modeling, Integrating CFA and EFA:
Application to Students’ Evaluations of University Teaching. Structural Equation Modeling.
A Multidisciplinary Journal, 16(3), 439–476. doi:10.1080/10705510903008220
Marsh, Herbert W., Nagengast, B. i Morin, A. J. S. (2013). Measurement invariance of big-five factors over the life span: ESEM tests of gender, age, plasticity, maturity, and la dolce vita effects. Developmental Psychology, 49(6), 1194–1218. doi:10.1037/a0026913
Marsh, Herbert W., Nagengast, B., Morin, A. J. S., Parada, R. H., Craven, R. G. i Hamilton, L. R.
(2011). Construct validity of the multidimensional structure of bullying and victimization:
An application of exploratory structural equation modeling. Journal of Educational Psychology, 103(3), 701–732. doi:10.1037/a0024122
Mattsson, M. (2012). Investigating the factorial invariance of the 28-item DBQ across genders and age groups: An Exploratory Structural Equation Modeling Study. Accident Analysis &
Prevention, 48, 379–396. doi:10.1016/j.aap.2012.02.009
Molenaar, D, Sluis, S., Boomsma, D., Haworth, C., Hewitt, J., Martin, N., Plomin, R., Wright, M. i Dolan, C. (2013). Genotype by Environment Interactions in Cognitive Ability: A Survey of 14 Studies from Four Countries Covering Four Age Groups.
Behavior Genetics. Vol. 43 Issue 3, s. 208–219.
Morin, A. J. S., Maïano, C. (2011). Cross-validation of the short form of the physical self-inventory (PSI-S) using exploratory structural equation modeling (ESEM). Psychology of Sport and Exercise, 12(5), 540–554. doi:10.1016/j.psychsport.2011.04.003
Myers, N. D., Chase, M. A., Pierce, S. W., Martin, E. (2011). Coaching efficacy and exploratory structural equation modeling: a substantive-methodological synergy. Journal of sport &
exercise psychology, 33(6), 779–806.
OECD (2009). PISA 2006 Technical Raport. Washington: OECD.
Organisation for Economic Co-Operation and Development Staff. (2009). PISA PISA 2006 Technical Report. Washington: Organization for Economic Cooperation & Development.
Pinker, S. (2005). Tabula rasa. Spory o naturę ludzką. Gdańsk: GWP.
Plomin, R., DeFries, J., C., McClearn, G. E. i McGuffin, P. (2001). Genetyka zachowania.
Warszawa: Wydawnictwa Naukowe PWN.
Putnam, R. D. (2008). Samotna gra w kręgle. Upadek i odrodzenie wspólnot lokalnych w Stanach Zjednoczonych. Warszawa: Wydawnictwa Akademickie i Profesjonalne.
Sánchez-Carracedo, D., Barrada, J. R., López-Guimerà, G., Fauquet, J., Almenara, C. A. i Trepat, E.
(2012). Analysis of the factor structure of the Sociocultural Attitudes Towards Appearance Questionnaire (SATAQ-3) in Spanish secondary-school students through exploratory structural equation modeling. Body Image, 9(1), 163–171. doi:10.1016/j.bodyim.2011.10.002 Treiman, D. J. (1977). Occupational prestige in comparative perspective. New York:
Academic Press.
Willis, P. (1981). Learninig: How working class kids get working class jobs. New York:
Columbia University Press.
Yu, C. Y. (2002). Evaluating Cutoff Criteria of Model Fit Indices for Latent Variable Models with Binary and Continuous Outcomes. University of California, Los Angeles. Pobrano
z http://books.google.pl/books?id=8TdtuAAACAAJ
Zawistowska, A. (2012). Horyzontalne nierówności edukacyjne we współczesnej Polsce.
Warszawa: Wydawnictwo Naukowe Scholar.
W powszechnej opinii przewaga szkolna uczniów pochodzących z rodzin o wyższym statusie społeczno-ekonomicznym wynika w dużej mierze z większych możliwości uczęszczania na różno-rodne dodatkowe zajęcia edukacyjne i ogólnorozwojowe. Pośrednio lub bezpośrednio pomagają im one uzyskać wyższe wyniki w nauce w porównaniu do uczniów, których rodziny ze wzglę-dów finansowych na tego rodzaju wsparcie nie mogą sobie pozwolić lub nie uważają tego typu wsparcia edukacyjnego za ważne. Z perspektywy nierówności edukacyjnych stanowi to czynnik pogłębiający te nierówności. Rodzi także problemy, jeśli chcemy oceniać pracę szkół. Wyniki egza-minacyjne uczniów traktuje się jako kryterium efektywności nauczania. Jeżeli jednak zależą one, przynajmniej częściowo, od uczestnictwa uczniów w dodatkowych zajęciach pozaszkolnych, to wypracowywane są one zarówno przez szkołę, jak i rodzinę ucznia. Tymczasem odpowiedzialność za nie przypisywana jest wyłącznie szkole. W konsekwencji mogłoby się wydawać, że szkoła pra-cująca w środowisku uboższym (np. na terenach wiejskich), z uczniami niemającymi możliwości skorzystania z dodatkowych zajęć, stoi na straconej pozycji w porównaniu ze szkołą ze środowiska zamożniejszego, np. wielkomiejskiego. W drugiej z nich bowiem wyniki uczniów mają szansę na większy „zastrzyk” w postaci wkładu rodzinny, za który laury zbiera później szkoła. Analiza tego problemu mieści się w obszarze badania trafności interpretacji przyczynowej wskaźników EWD.
Jeżeli wsparcie rodzinne i korepetycje znacząco determinują postęp edukacyjny w gimnazjum, to modele EWD nieuwzględniające tych zmiennych, dawałyby obciążone wskaźniki EWD.
Potoczne przekonanie o pozytywnym wpływie korepetycji opiera się na trzech zdroworoz-sądkowych założeniach. Po pierwsze przyjmuje, że korepetycje (i inne formy pomocy w nauce, z których korzysta uczeń) są zjawiskiem na tyle częstym, że istotnym z perspektywy wyników eg-zaminacyjnych szkoły. Po drugie zakłada, że kierunek tej zależności jest pozytywny – uczęszczanie na dodatkowe prywatne lekcje korzystnie wpływa na wyniki w nauce i podobnego efektu nie da się osiągnąć samodzielną pracą. Innymi słowy uczniowie pobierający korepetycje, lepiej opano-wują materiał w porównaniu do tych, którzy na korepetycje nie uczęszczają. Po trzecie, ten po-zytywny wpływ ujawnia się także na egzaminie zewnętrznym. Prawdziwość tych założeń nie jest jednak weryfikowana a samo zjawisko korepetycji rzadko stanowi przedmiot pogłębionych badań na gruncie polskim. Czy rzeczywiście uczestnictwo w prywatnych lekcjach jest częste? Czy jest wyrazem aktywnego dążenia ucznia do podniesienia wiedzy ponad przeciętny poziom oraz do tego prowadzi? A może jest reaktywne – stanowi dowód trudności dziecka w nauce i ma na celu
1 Wstępna wersja fragmentu tego rozdziału pojawiła się w pracy Hawrot i Jasińska (2013). Kto się uczy poza szkołą?
Predyktory korzystania z płatnej i bezpłatnej pomocy w nauce. w: Niemierko i Szmigel, K. (red.). Polska edukacja
nadrobienie zaległości i opanowanie materiału na minimalnym wymaganym w szkole poziomie?
Co istotne, potocznie przyjmuje się, że częstotliwość i przyczyny podejmowania dodatkowego kształcenia są jednakowe podczas całej kariery szkolnej dziecka. Czy jednak uczeń w szkole pod-stawowej z tych samych przyczyn i równie często korzysta z pozaszkolnego wsparcia w nauce co uczeń przygotowujący się do egzaminu gimnazjalnego? A może te same przyczyny korzystania z dodatkowego kształcenia obecne są przez cały okres nauki w szkole, lecz na różnych etapach do-tyczą różnych odsetków uczniów? Odpowiedzi na te pytania mają duże znaczenie między innymi dla przewidywania kierunku omawianej zależności. Jeżeli w rzeczywistości uczestnictwo w kore-petycjach jest raczej sygnałem trudności, to uczniowie na nie uczęszczający, mogą uzyskiwać na egzaminie wyniki niższe niż uczniowie bez tych kłopotów.
Jak już wspomniano, posyłanie dziecka na korepetycje może być wyrazem aspiracji rodziców, ich troski o dziecko i jego przyszłość, stopnia, w jakim uznają zdobycie wykształcenia za istotne.
W tej sytuacji jednak należałoby się spodziewać, że także ubożsi rodzice mogą podejmować po-dobne działania. Dziecko może korzystać z pomocy rodziców, starszego rodzeństwa lub wolon-tariuszy, zarówno w ramach codziennej nauki, jak i przygotowania do egzaminu zewnętrznego.
Z tej perspektywy istotne wydaje się raczej podejmowanie przez rodzinę działań o wspierającym charakterze, a mniejsze znaczenie ma forma. Z drugiej jednak strony wiadomo, że to właśnie wyż-szy status społeczny związany jest z więkwyż-szym zaangażowaniem w życie szkolne dziecka (Grolnick, Benjet, Kurowski i Apostoleris, 1997), wobec czego to właśnie rodzice o wyższym statusie częściej mogą decydować się na np. samodzielną pomoc w nauce. Podobna sytuacja może mieć miejsce, gdy wsparcie stanowi reakcję na szkolne problemy dziecka. Niezależnie jednak od rodzaju tych działań (płatnych vs. bezpłatnych), jeżeli mają one znaczenie dla późniejszych osiągnięć dziecka, będą stanowić pozaszkolny wkład w jego wynik egzaminacyjny.
Problem zależności wyników egzaminacyjnych od korzystania przez uczniów z pozaszkol-nego wsparcia jest także istotny w kontekście wskaźników edukacyjnej wartości dodanej.
Jeżeli rzeczywiście korzystanie ze wsparcia w nauce stanowi element życia szkolnego znaczą-cej części uczniów i jest silnie powiązane z ich wynikami egzaminacyjnymi, naturalnym staje się pytanie o trafność wskaźników EWD. Wszak w ich modelowaniu wykorzystuje się właś-nie wyniki egzaminów zewnętrznych, właś-nie uwzględniając żadnych informacji o uzyskiwanym przez uczniów wsparciu pozaszkolnym. Co istotne, takie dane są niedostępne i z bardzo du-żym prawdopodobieństwem nigdy dostępne nie będą. Oczywistym jest więc, że konieczna jest weryfikacja, na ile wskaźniki EWD są odporne na ewentualne zniekształcenia wynikające z nieuwzględniania w modelach tych informacji.
W niniejszym rozdziale zajmiemy się problemem znaczenia różnych form rodzinnego wsparcia w nauce dla wyników egzaminacyjnych oraz EWD. Przyjrzymy się powszechności tego zjawiska oraz poddamy weryfikacji założenie o pozytywnym kierunku zależności między
otrzymywaniem przez ucznia tego wsparcia a jego wynikami na egzaminie gimnazjalnym.
Ponadto, próbując odpowiedzieć na pytanie o trafność wskaźników EWD jako miar efektyw-ności pracy szkoły, sprawdzimy, jakie są konsekwencje nieuwzględniania w modelach EWD in-formacji o uzyskiwanej przez ucznia pomocy w postaci korepetycji oraz bezpłatnego wsparcia.