Análise das desigualdades de aprendizado no ensino fundamental do Espírito Santo por meio do indicador de desigualdades e aprendizagens (IDeA)RESUMO
Este artigo investiga as desigualdades de aprendizado por nível socioeconômico, sexo e raça no ensino fundamental do Espírito Santo por meio do Indicador de Desigualdades e Aprendizagens (IDeA). Assume o direito à educação como referencial teórico implícito e adota uma abordagem metodológica mista, combinando pesquisa documental sobre as bases que sustentam o IDeA com análises quantitativas descritivas e correlacionais que consideram os 78 municípios do estado como unidades de análises. Os resultados obtidos revelam uma persistente desigualdade educacional no Espírito Santo e sugerem que os fatores socioeconômicos, raciais e de sexo ampliam essas disparidades especialmente em regiões com níveis mais elevados de aprendizado. Destaca-se a urgência de desenvolver indicadores de atendimento escolar e aprendizagem que visem reduzir essas desigualdades, promovendo um sistema educacional mais inclusivo e equitativo.
Palavras-chave:
Indicadores de Desempenho; Desigualdades Educacionais; Direito à Educação
ABSTRACT
This paper investigates learning inequalities by socioeconomic status, gender, and race in elementary education in Espírito Santo using the Inequality and Learning Indicator (IDeA). It assumes the right to education as an implicit theoretical framework and employs a mixed methodological approach, combining documentary research on the foundations of the IDeA with descriptive and correlational quantitative analyses considering the 78 municipalities of the state as units of analysis. The results reveal persistent educational inequality in Espírito Santo and suggest that socioeconomic, racial, and gender factors exacerbate these disparities, especially in regions with higher levels of learning. The urgency of developing school attendance and learning indicators aimed at reducing these inequalities is emphasized, promoting a more inclusive and equitable educational system.
Keywords:
Performance Indicators; Educational Inequalities; Right to Education
RESUMEN
Este artículo investiga las desigualdades de aprendizaje por nivel socioeconómico, sexo y raza en la educación primaria en Espírito Santo utilizando el Indicador de Desigualdades y Aprendizajes (IDeA). Asume el Derecho a la Educación como un marco teórico implícito y emplea un enfoque metodológico mixto, combinando investigación documental sobre las bases del IDeA con análisis cuantitativos descriptivos y correlacionales que consideran los 78 municipios del Estado como unidades de análisis. Los resultados revelan una persistente desigualdad educativa en Espírito Santo y sugieren que los factores socioeconómicos, raciales y de género agravan estas disparidades, especialmente en regiones con niveles más altos de aprendizaje. Se destaca la urgencia de desarrollar indicadores de asistencia escolar y aprendizaje destinados a reducir estas desigualdades, promoviendo un sistema educativo más inclusivo y equitativo.
Palabras clave:
Indicadores de Rendimiento; Desigualdades Educativas; Derecho a la Educación
INTRODUÇÃO
No contexto brasileiro, a educação é consagrada o primeiro dos direitos sociais reconhecidos pela Constituição Federal de 1988 (art. 6°), que define a garantia de padrão de qualidade como um dos princípios base do ensino (inciso VII, art. 206) (Brasil, 1988). Contudo, a realidade contemporânea evidencia que o pleno exercício desse direito ainda enfrenta obstáculos significativos, manifestando-se de forma acentuada nas desigualdades educacionais que permeiam nossa sociedade.
Sob a ótica da avaliação educacional, Soares (2006) explica que um sistema educacional equitativo ocorre quando a distribuição do desempenho dos grupos de estudantes definidos por suas características sociais e demográficas é equivalente à distribuição total dos alunos. Nesse contexto, a qualidade do ensino não estaria suscetível a condicionamentos externos, particulares de cada aluno. No entanto, é preciso reconhecer a existência de fatores com potencial para fomentar disparidades substanciais entre os distintos grupos de estudantes, impactando diretamente seus resultados educacionais. Dentre eles, Soares, Rodrigues e Ernica (2019) destacam três fontes principais de desigualdade: nível socioeconômico (NSE), raça e sexo.
Para o primeiro, estudos demonstram que as escolas com melhores resultados de aprendizagem são aquelas que atendem a um menor percentual de alunos em situação de vulnerabilidade (Freitas, 2007; Almeida, Dalben e Freitas, 2013; Alves e Soares, 2013; Soares e Xavier, 2013; Chirinéa e Brandão, 2015; Matos e Rodrigues, 2016). Com relação às múltiplas dimensões de raça, a literatura acadêmica afirma que estudantes brancos possuem desempenho educacional superior aos não brancos (Soares e Delgado, 2016; Bof, Oliveira e Barros, 2019; Sousa e Roncalli, 2021). Quanto ao fator sexo, em geral, estudantes do sexo feminino tendem a ter melhores resultados em testes de linguagens do que os do sexo masculino. Para a matemática, em geral, essa relação é invertida, embora haja maior equidade de aprendizagem do que em linguagens (Soares e Collares, 2006; Menezes Filho, 2012; Machado, 2014; Ernica e Rodrigues, 2020).
Para verificar as exclusões causadas pelo baixo nível e pela desigualdade de aprendizagem com recortes de NSE, racial e de sexo, foi lançado, em 2019, o Indicador de Desigualdades e Aprendizagens (IDeA). Conforme seus idealizadores, sua construção se deu "motivada pela convicção de que a defesa do direito à educação requer instrumentos para verificar sua realização" (Soares, Rodrigues e Ernica, 2019, p. 2).
Compreendendo ser essencial trazer para o debate propostas e reflexões que ajudem a garantir desse direito, com equidade social e valorizando toda a diversidade, este artigo busca responder ao seguinte problema de pesquisa: como as desigualdades de aprendizado se manifestam no contexto do Espírito Santo? Desse modo, o objetivo deste artigo é, inicialmente, mostrar as bases metodológicas que sustentam o IDeA, mediante análise e discussão do processo de construção de seu algoritmo e, no intuito de fornecer suporte a esse movimento, analisar as disparidades de aprendizado relacionadas ao NSE, sexo e raça nos municípios do Espírito Santo, utilizando o ensino fundamental como objeto de estudo e assumindo o direito à educação como referencial teórico implícito.
METODOLOGIA
Este artigo adota uma abordagem mista, empregando uma estratégia exploratória sequencial (Creswell e Clark, 2015), que, inicialmente, enfatiza uma fase qualitativa, mediante a realização de uma pesquisa documental sobre o IDeA e, em seguida, uma fase quantitativa, compreendendo análises das desigualdades educacionais presentes nos 78 municípios do Espírito Santo. Essas desigualdades são examinadas em relação a NSE, sexo e raça, expressas pelo indicador.
Conforme Kripka, Scheller e Bonotto (2015, p. 58), a pesquisa documental na análise qualitativa "é aquela em que os dados obtidos são estritamente provenientes de documentos, com o objetivo de extrair informações neles contidas, a fim de compreender um fenômeno." Desse modo, assumem-se, como fontes, notas técnicas oficiais produzidas com o objetivo de auxiliar na compreensão do algoritmo do indicador e fornecer orientações para o seu uso de forma responsável (Fernandes e Felicio, 2019; Ernica, Rodrigues e Soares, 2023). Esses documentos estão organizados no portal eletrônico do IDeA.1 Cabe destacar que, nessa plataforma, há um vasto repositório de conteúdos e outros recursos que podem ajudar a potencializar o debate acerca das desigualdades educacionais, como artigos, relatórios técnicos e vídeos sobre educação, desigualdades e seus efeitos.
A análise quantitativa realizada compreende a aplicação de técnicas descritivas e correlacionais. Para a primeira, além os resultados de estatísticas descritivas clássicas (média, desvio padrão e coeficiente de variação — CV), são apresentados gráficos de dispersão e mapas geoespaciais com o objetivo de facilitar a visualização de dados de acordo com a sua distribuição por nível de aprendizado e localização, respectivamente. Para a segunda, utilizou-se o coeficiente correlação de Pearson, cujo pressuposto da normalidade dos dados foi verificado por meio do teste de Kolmogorov-Smirnov. Análises de comparação de médias também foram realizadas, mediante aplicação do teste t de Student (Gujarati e Porter, 2011).
Como unidades de análise, foram considerados os resultados obtidos pelos 78 municípios do estado calculados para o 5º e 9º anos do ensino fundamental, em português e matemática, a partir da tríade 2013-2015-2017 de edições da Prova Brasil, a mais recente com dados disponibilizados no portal eletrônico do IDeA no momento em que esta pesquisa foi realizada. Em todas as análises realizadas, utilizaram-se funções básicas da linguagem R (R Core Team, 2020). As análises descritivas e correlacionais foram realizadas por meio do pacote MASS (Venables e Ripley, 2002). Os gráficos e mapas foram construídos utilizando os pacotes ggplot2 (Wickham et al., 2016) e geobr (Pereira e Barbosa, 2019).
Para promover a transparência e a replicabilidade deste estudo, todos os códigos-fonte usados na análise, o banco de dados utilizado e as imagens geradas estão disponíveis em um repositório público no GitHub. Os interessados podem acessar esses recursos no seguinte link: https://github.com/denilsonjms/PhD-Thesis.
INDICADOR DE DESIGUALDADES E APRENDIZAGENS
O desenvolvimento do IDeA surge como resultado de um movimento voltado para a mensuração do nível de aprendizagem dos estudantes e seus distanciamentos por grupos sociais definidos por três fontes principais de desigualdade: NSE, raça e sexo. O IDeA foi concebido no contexto do projeto Desigualdades Educacionais no Brasil Contemporâneo, sediado no Núcleo de Estudos em Políticas Públicas (NEPP) da Universidade Estadual de Campinas (UNICAMP). Sua apresentação ocorreu nos dias 25 e 26 de junho de 2019, durante o "Seminário Democracia, Educação e Equidade: uma agenda para todos,2" promovido pela Fundação Tide Setubal em parceria com o Instituto de Ensino e Pesquisa (INSPER) e com a representação da Organização das Nações Unidas para a Educação, a Ciência e a Cultura (UNESCO) no Brasil.
Conforme Soares, Rodrigues e Ernica (2019), idealizadores do IDeA, este baseia-se na Constituição Federal de 1988 e foi criado para ser um instrumento de apoio à verificação da realização efetiva do direito à educação básica, produzindo informações sobre a aprendizagem dos estudantes e assumindo duas vertentes pelas quais esse direito deixa de ser atendido:
-
a exclusão pelo baixo nível de aprendizagem;
-
a exclusão pela desigualdade de aprendizagem.
Desse modo, o indicador permite que a sociedade brasileira descreva e avalie sua educação, subsidiando a formulação de políticas públicas para atender às suas especificidades.
Para tanto, o algoritmo do IDeA utiliza uma medida não simétrica da diferença entre duas distribuições de probabilidade, nesse caso referentes à aprendizagem de diferentes grupos, conhecida como divergência de Kullback-Leibler (KL).3 Assim, com base em informações extraídas da Prova Brasil, aplicada entre 2007 e 2017 e agrupada em quatro conjuntos de três edições sucessivas (2007–2009–2011; 2009–2011–2013; 2011–2013–2015 e 2013–2015–2017), foram calculados, para o 5º e 9º anos do ensino fundamental, o nível da aprendizagem em português e matemática e as desigualdades de aprendizagem para as características sociais consideradas (raça, sexo e nível socioeconômico) (Ernica, Rodrigues e Soares, 2023).
O cálculo da distribuição de aprendizagem referência no IDeA foi realizado considerando o desempenho escolar de um país típico da Organização para a Cooperação e Desenvolvimento Econômico (OCDE), em consonância com o processo metodológico adotado para definir as metas do Índice de Desenvolvimento da Educação Básica (Ideb)4, no sentido de equiparar os rendimentos alcançados por esse país no Programa Internacional de Avaliação de Estudantes (Pisa, do inglês Programme for International Student Assessment) com um possível rendimento na Prova Brasil (Ernica, Rodrigues e Soares, 2023). Em seguida, mediante técnicas de agrupamentos particionais, da Análise de Conglomerados5, foi possível agrupar os municípios em cinco faixas da escala da KL, cujos valores definidos, com base na tríade de provas 2013–2015–2017, estão apresentados na Tabela 1.
Valores definidos para as faixas da escala da divergência de Kullback-Leibler para a tríade da Prova Brasil 2013–2015–2017.
Cabe destacar que os números negativos adotados nessas medidas padronizadas indicam a distância entre elas e o nível de aprendizagem desejável que, neste caso, é expresso pelo valor "zero." Assim, quanto mais distante desse valor for o índice negativo alcançado, menores serão as aprendizagens obtidas. Quando se têm índices positivos, a aprendizagem no município é superior à situação de referência (Ernica, Rodrigues e Soares, 2023).
Para os fatores sociais analisados, valores em torno de "zero" indicam a igualdade, valores positivos mostram a existência de situações atípicas e valores negativos sinalizam para as desigualdades. Assim, quanto maiores eles forem, em módulo, mais acentuadas elas serão. Para os fatores sociais NSE e raça, foram definidas três faixas interpretativas principais: desigualdade, equidade e situações atípicas. A primeira delas foi subdividida em três faixas: desigualdade, desigualdade alta e desigualdade extrema. Para o fator sexo, foram consideradas apenas as faixas de desigualdade e equidade, assumindo a ausência de situações atípicas. Nesse caso, as desigualdades são assumidas em três níveis: desigualdade baixa, desigualdade e desigualdade alta.
Conforme a nota técnica do IDeA, essa divisão por faixas se deu mediante a análise de clusters pelo método k-means6 (Ernica, Rodrigues e Soares, 2023). Os valores definidos como limitantes para as faixas da escala da KL, considerando situações atípicas, de equidade e dos níveis de desigualdade de aprendizagem por grupos sociais, estão apresentados na Tabela 2.
Valores definidos para as faixas da escala da divergência de Kullback-Leibler para as situações atípicas, de equidade e dos níveis de desigualdade de aprendizagem por grupos sociais.
Os resultados das leituras realizadas pelo indicador podem ser consultadas no portal eletrônico do IDeA, no qual, por meio de uma plataforma didática, o internauta pode gerar gráficos que mostram os níveis de aprendizagem e desigualdade verificados por municípios, estados e regiões brasileiras, podendo, ainda, aplicar filtros que consideram as classificações para esses níveis ou o número de habitantes dos municípios, por exemplo.
ANÁLISE DO INDICADOR DE DESIGUALDADES E APRENDIZAGENS (IDEA) PARA OS MUNICÍPIOS DO ESPÍRITO SANTO
O Espírito Santo tem apresentado avanços significativos em medidas de aprendizagem, construídas por meio de avaliações padronizadas desde o início deste século. A medida de aprendizagem mais recente proposta pelo IDeA, por exemplo, que utiliza informações da Prova Brasil no triênio 2013–2015–2017, demonstra que, para o 5º ano, tanto para português quanto para matemática, predominam no estado municípios com nível de aprendizado médio-alto ou alto. Para o 9º ano, em português, há prevalência no estado de municípios com nível de aprendizado médio ou superior. Em matemática, a maioria dos municípios encontra-se com níveis de aprendizado baixo ou médio-baixo.
Contudo, o Espírito Santo ainda apresenta preocupantes níveis de desigualdades regionais, que têm sido objeto de estudo de pesquisadores de diferentes áreas do campo científico (Barros et al., 2010; Ferrari e Castro, 2011; Leite e Magalhães, 2012; Grassi e Araújo, 2013; Campos, Silva e Valpassos, 2019) e também se materializam no âmbito educacional, o que pode ser verificado por meio da análise dos dados do IDeA. Nas Tabelas 3, 4 e 5, por exemplo, construídas com informações obtidas no portal do IDeA, tem-se a distribuição de frequências por grupos sociais no estado, considerando-se a classificação quanto à desigualdade em aprendizagem de português e matemática para o 5º e o 9º ano do ensino fundamental, respectivamente.
Distribuição dos municípios do Espírito Santo por nível e desigualdade de aprendizagem pelo fator nível socioeconômico.
Distribuição dos municípios do Espírito Santo por nível e desigualdade de aprendizagem pelo fator raça.
Distribuição dos municípios do Espírito Santo por nível e desigualdade de aprendizagem pelo fator sexo.
No geral, os maiores percentuais para desigualdade alta ou extrema estão concentrados em municípios com níveis de aprendizagem alto ou médio-alto. Para os fatores NSE e raça, cabe destacar o baixo percentual de municípios em situação de equidade em ambas as séries e em ambas as disciplinas. Para esses fatores, também é possível observar que a distribuição de municípios por níveis de desigualdade nas disciplinas português e matemática é semelhante, indicando uma possível associação entre elas.
Especificamente para o fator NSE, a Tabela 3 mostra que estudantes mais (menos) vulneráveis tendem a ter desempenho menor (maior) na Prova Brasil, fato que, por sua vez, confirma uma hipótese copiosamente discutida em estudos sobre avaliação educacional (Alves e Soares, 2013; Alves, Gouvêa e Viana, 2014; Soares, Soares e Santos, 2020).
Embora seja uma constatação esperada, ainda é surpreendente a ausência de políticas públicas que sejam efetivas para sua superação. Alves, Soares e Xavier (2014) demonstraram que a diferença de desempenho na Prova Brasil entre estudantes do primeiro e do quinto quintil da medida que propõem para o NSE pode chegar a dois anos de escolarização. Ou seja, os estudantes com menores NSE que cursam o 9º ano do ensino fundamental, por exemplo, teriam o grau de conhecimento equivalente ao esperado para estudantes do 7º ano do ciclo. Essa defasagem reflete-se no aumento da evasão escolar e ressalta a ineficiência de nossas escolas públicas em garantir a igualdade de oportunidades para os sujeitos que as frequentam.
Quanto ao fator raça, a Tabela 4 demonstra que no estado, em geral, o conjunto de estudantes brancos possui níveis de aprendizagem superiores aos dos estudantes não brancos, acompanhando uma tendência nacional que também é indicada na literatura acadêmica (Soares e Delgado, 2016; Bof, Oliveira e Barros, 2019; Sousa e Roncalli, 2021). Contudo, para o 9º ano do ensino fundamental, dois municípios que possuem alto nível de aprendizagem apresentam comportamento contrário ao que é esperado: Domingos Martins e Ibatiba. Para esses municípios, estudantes não brancos possuem níveis de aprendizagem superiores, em média, aos de estudantes brancos, caracterizando-se como uma situação atípica.
Cabe ponderar que ambos são municípios de pequeno porte,7 cuja população é majoritariamente branca, reflexo da imigração, sobretudo alemã e portuguesa, respectivamente, que configurou seus territórios. Conforme dados oriundos da Secretaria de Gestão e Inovação (SEDU, 2022), das matrículas efetuadas para a educação básica que apresentam declaração de cor/raça, 63,35% em Domingos Martins e 56,65% em Ibatiba se definem como brancos, o que, por si só, já reflete uma situação atípica, considerando-se que o percentual médio de estudantes que se declaram como brancos no estado é de apenas 34,34%. Contudo, embora não seja o foco deste artigo, sinaliza-se a importância de investigar os processos que configuram práticas e subjetividades adotadas pelos agentes educacionais nos referidos municípios, capazes de explicar esse fenômeno. Para os demais fatores sociais investigados, não foram encontradas situações atípicas.
Também é preciso destacar o quantitativo de municípios em situação de desigualdade extrema para o referido fator. Para o 5º e 9º anos, em ambas as disciplinas, aproximadamente um a cada cinco e um a cada seis municípios, respectivamente, encontram-se nessa situação, e sua concentração é maior em municípios que apresentam níveis de aprendizagem alto ou médio-alto. Soares e Alves (2013) sugerem duas possíveis explicações para esse fenômeno:
-
as práticas e atitudes que acontecem no interior das escolas podem favorecer os alunos brancos;
-
as diferenças de desempenho são potencializadas quando inseridas em contextos mais favoráveis, isto é, em escolas de melhor infraestrutura, melhores professores e com estudantes em trajetórias regulares de escolarização.
Considerando-se o fator sexo, em matemática, no 5º ano, predomina a equidade de aprendizagem. Para o 9º ano, a grande maioria dos municípios apresenta desigualdade baixa. Em ambas as séries, para a disciplina, os índices de aprendizagem alcançados por estudantes do sexo masculino são ligeiramente superiores aos índices atingidos por estudantes do sexo feminino. Contudo, para português, em que predominam municípios com desigualdade baixa, ocorre um efeito contrário, ou seja, estudantes do sexo feminino tendem a ter melhores resultados do que estudantes do sexo masculino, acompanhando uma tendência nacional que também é apontada pela literatura especializada (Soares e Collares, 2006; Menezes Filho, 2012; Machado, 2014; Ernica e Rodrigues, 2020).
Embora não haja uma convergência na literatura educacional para justificar essas diferenças, alguns autores têm formulado hipóteses que podem ser assumidas para tal. Senkevics e Carvalho (2015), no contexto nacional, e Sammons et al. (2008), no contexto internacional, defendem que a socialização familiar pode atuar na produção de desigualdades por sexo na educação básica. Segundo os autores, a rotina mais rígida, restrita e controlada no cotidiano das famílias poderia favorecer o êxito das mulheres em atividades escolares. Eurydice (2010) sugere que, por um lado, as meninas leem mais livros e, consequentemente, sobressaem em itens que se apoiam em textos literários; por outro lado, os meninos possuem maior autoestima com relação à capacidade em matemática. Soares e Alves (2013, p. 507) ponderam que a presença de mais meninas na escola pode criar "um ambiente acadêmico mais ordeiro e propício ao aprendizado." Contudo, a literatura acadêmica ainda carece de estudos mais conclusivos a respeito dessa temática.
Cabe destacar, ainda, que as características sociais analisadas individualmente também influenciam o aprendizado do estudante conjuntamente. Soares e Delgado (2016), no esforço de considerar grupos criados por fatores múltiplos, mostraram que o grupo de meninas pretas e de baixo NSE levaria 78 anos até alcançar a distribuição de referência para o aprendizado em leitura. Em matemática, esse prazo seria de 57 anos. Para o grupo de meninos brancos e de alto NSE esse tempo seria de 14 e 9 anos, respectivamente. Embora ainda distantes do idealizado, é preocupante o distanciamento entre os referidos grupos, que não se findará se novas políticas de redução de desigualdades não forem urgentemente implantadas.
A seguir, são apresentadas, por meio das Figuras 1 e 2, como as desigualdades por grupos sociais e as aprendizagens em português e matemática estão associadas entre si, para o 5º e 9º ano do ensino fundamental, respectivamente. Para tanto, além dos gráficos de distribuição de frequências e de dispersão entre as variáveis, é indicado o coeficiente de correlação de Pearson, calculado para quantificar essa associação.
Correlação entre nível de aprendizagem no 5º ano do ensino fundamental e desigualdades por nível socioeconômico, raça e sexo.
Correlação entre nível de aprendizagem no 9º ano do ensino fundamental e desigualdades por nível socioeconômico, raça e sexo.
Observa-se que o desempenho em português e em matemática está fortemente correlacionado, o que significa que, quando um deles é alto (baixo), o outro também tende a ser alto (baixo). Contudo, em termos médios, o indicador de aprendizagem em português se mostrou superior ao de matemática em ambos os cenários. Para o 5º ano, as médias padronizadas foram de -0,282 (desvio padrão — DP = 0,152; CV = 53,95%) e -0,478 (DP = 0,214; CV = 44,83%), respectivamente. A diferença entre essas médias padronizadas se mostrou estatisticamente significativa (t[139] = 6,560; p < 0,001). Para o 9º ano, as médias padronizadas foram de -0,630 (DP = 0,208; CV = 33,048%) e -0,825 (DP = 0,271; CV = 32,795%), respectivamente, e a diferença entre essas médias padronizadas também se mostrou estatisticamente significativa (t[143] = 3,588; p < 0,001).
Também é possível notar que, para o 9º ano do ensino fundamental, o nível de aprendizagem em ambas as disciplinas se mostrou estatisticamente correlacionado com as desigualdades por NSE, mostrando que quando maior (menor) for o desempenho escolar médio no município mais (menos) acentuadas serão, em geral, as desigualdades educacionais por NSE nele vivenciadas. Em matemática, o índice de aprendizagem também se mostrou estatisticamente correlacionado para as desigualdades existentes considerando-se o fator raça.
No que se refere às associações em cada fator social analisado isoladamente, pode-se observar que os índices de desigualdade em matemática e em português também estão significativamente correlacionados. Desse modo, quanto maior (menor) a desigualdade por determinado fator social em uma disciplina, maior (menor) tende a ser a desigualdade por esse mesmo fator em outra. A única exceção ocorre para o fator sexo no 9º ano. Ademais, em ambas as séries, destaca-se a correlação existente entre os índices de desigualdade dos fatores NSE e raça, o que era esperado, considerando-se que, historicamente, há uma disparidade entre a distribuição de renda por raça no Brasil.
O alto índice de CV calculado para as medidas de aprendizagem sinaliza para uma grande variabilidade de notas que, por si só, já seria um indício de desigualdade territorial. Contudo, no intuito de realizar uma análise geoespacial desse tipo de desigualdades, considerando-se os níveis de aprendizagem dos estudantes mensurados via IDeA, apresentam-se as Figuras 3 e 4, construídas para o 5º e o 9º ano do ensino fundamental, respectivamente.
Análise geoespacial da evolução do nível de aprendizagem, mensurado via Indicador de Desigualdades e Aprendizagens (IDeA) para o 5º ano do ensino fundamental.
Análise geoespacial da evolução do nível de aprendizagem, mensurado via Indicador de Desigualdades e Aprendizagens (IDeA), para o 9º ano do ensino fundamental.
É possível visualizar nos mapas que, em ambas as disciplinas e em ambas as séries analisadas, os resultados educacionais não se materializam uniformemente em todas as regiões do Espírito Santo. A concentração de municípios com melhores índices de aprendizagem na mesorregião central, em comparação com as regiões noroeste e sul, sugere a existência de disparidades regionais significativas.
Esses resultados vão de acordo com os obtidos por Soares et al. (2020), que mostraram empiricamente que, no estado, as oportunidades educacionais se materializam de forma distinta e não se associam à riqueza de cada região. De fato, a mesorregião Litoral Sul capixaba, que se destaca negativamente nos índices de aprendizado apresentado, concentra os municípios de maiores Produto Interno Bruto (PIB) per capita do Estado, como Itapemirim (PIB per capita 2020 = R$ 93.609,55) e Presidente Kennedy (PIB per capita 2020 = R$ 301.474,89), reflexo da indústria extrativa mineral, da arrecadação de royalties e participações especiais em razão da extração de petróleo e gás.
CONSIDERAÇÕES FINAIS
Este artigo foi desenvolvido com o objetivo inicial de mostrar as bases metodológicas que sustentam o IDeA, mediante análise e discussão do processo de construção de seu algoritmo e, no intuito de fornecer suporte a esse movimento, analisar as disparidades de aprendizado relacionadas a NSE, sexo e raça nos municípios do Espírito Santo, utilizando o ensino fundamental como objeto de estudo e assumindo o direito à educação como referencial teórico implícito.
Os resultados obtidos sinalizam que o Estado continua sendo um produto social desigualmente distribuído. Especificamente para os fatores NSE e raça, o percentual de municípios em situação de equidade foi irrisório em ambas as disciplinas e séries avaliadas (5º e 9º anos). Por outro lado, com relação ao fator sexo, as desigualdades foram menos pronunciadas. Além disso, é importante ressaltar a marcante disparidade regional no aprendizado no Espírito Santo, que persiste independentemente da riqueza produzida pelos municípios.
Cabe destacar, porém, que os indicadores de desigualdade pelos fatores sociais analisados não apresentaram diferenças na distribuição por mesorregiões, apresentando padrões que se repetem consistentemente em todo o estado. Isso sugere que, independentemente do desempenho educacional de cada município, os fatores socioeconômicos, raciais e de gênero tendem a ampliar as disparidades existentes, especialmente em áreas com níveis de aprendizado mais elevados. Assim, é preciso implementar políticas públicas eficazes que abordem essas disparidades.
O Ideb, indicador assumido pelo Plano Nacional de Educação como o parâmetro oficial da qualidade da educação brasileira (Brasil, 2014), não é sensível a essas desigualdades, revelando-se insuficiente para capturar sua complexidade no cenário educacional brasileiro. Com o alcance da data-limite predeterminada para o cumprimento de suas metas, um novo indicador para o monitoramento da educação básica está sendo desenvolvido. A partir da publicação da Portaria n. 556, de 2 de outubro de 2020, no âmbito do Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP), foi instituído o grupo de trabalho responsável pela elaboração de estudo técnico para subsidiar a atualização do indicador (Brasil, 2020).
Nesse contexto, torna-se imperativo que o novo indicador de qualidade que potencialmente o substituirá incorpore metas voltadas especificamente para a redução das disparidades educacionais. Para tanto, é fundamental realizar um diagnóstico abrangente das diversas desigualdades existentes e desenvolver estratégias eficazes para enfrentá-las.
Feito esse levantamento, sugere-se a reformulação do sistema atual de metas, orientando-o não apenas para resultados, mas também para a redução das desigualdades, com foco nas Secretarias de Educação e nas instâncias superiores, em vez de centrar-se nas unidades educacionais. Esse novo enfoque parte do princípio de que todos os segmentos sociais devem alcançar padrões mínimos de aprendizagem de maneira inclusiva e equitativa, em consonância com os princípios estabelecidos na Carta Magna.
-
1
Esses documentos estão organizados no portal eletrônico do IDeA: https://portalidea.org.br/. Acesso em: 21 maio 2026.
-
2
Sobre o evento, ver https://www.insper.edu.br/agenda-de-eventos/desigualdades-educacionais/. Acesso em: 21 maio 2026.
-
3
Para mais informações acerca da Divergência de KL, ver Kullback e Leibler (1951) e Anderson e Burnham (2002).
-
4
Para mais informações sobre o processo de compatibilização de desempenhos do Pisa e Prova Brasil, ver Brasil (2009).
-
5
Para mais informações sobre a Análise de Conglomerados, ver Theodoridis e Koutroumbas (2001).
-
6
Para mais informações acerca da Análise de Clusters, ver Jain, Murty e Flynn (1999).
-
7
Domingos Martins e Ibatiba contam com uma população estimada pelo Instituto Brasileiro de Geografia e Estatística (IBGE, 2021) de 34.120 e 26.762 habitantes, respectivamente.
-
Financiamento:
Este estudo foi desenvolvido no âmbito do projeto Dos exames estandardizados ao direito à aprendizagem: experiências para a melhoria da qualidade do Ensino Médio na Rede Estadual do Espírito Santo, financiado pela Fundação de Amparo à Pesquisa e Inovação do Espírito Santo (FAPES), por meio do Edital FAPES n° 28/2022 - Universal (Processo/Protocolo n° 53875.821.17880.15022023).
Declaração de disponibilidade de dados:
Os dados de pesquisa estão disponíveis em um repositório público do GitHub: https://github.com/denilsonjms/PhD-Thesis
REFERÊNCIAS
-
ALMEIDA, Luana Costa; DALBEN, Adilson; FREITAS, Luiz Carlos. O Ideb: limites e ilusões de uma política educacional. Educação & Sociedade, Campinas, v. 34, n. 125, p. 1153-1174, 2013. https://doi.org/10.1590/S0101-73302013000400008
» https://doi.org/10.1590/S0101-73302013000400008 -
ALVES, Maria Teresa Gonzaga; SOARES, José Francisco. Contexto escolar e indicadores educacionais: condições desiguais para a efetivação de uma política de avaliação educacional. Educação e Pesquisa, São Paulo, v. 39, n. 1, p. 177-194, 2013. https://doi.org/10.1590/S1517-97022013000100012
» https://doi.org/10.1590/S1517-97022013000100012 -
ALVES, Maria Teresa Gonzaga; SOARES, José Francisco; XAVIER, F. P. Índice socioeconômico das escolas de educação básica brasileiras. Ensaio: Avaliação e Políticas Públicas em Educação, Rio de Janeiro, v. 22, n. 84, p. 671-703, 2014. https://doi.org/10.1590/s0104-40362014000300005
» https://doi.org/10.1590/s0104-40362014000300005 -
ALVES, Thiago; GOUVÊA, Maria Aparecida; VIANA, Adriana Backx Noronha. Proposta de um indicador socioeconômico para os alunos das escolas públicas dos municípios brasileiros. Dados, Rio de Janeiro, v. 57, n. 1, p. 129-166, 2014. https://doi.org/10.1590/s0011-52582014000100005
» https://doi.org/10.1590/s0011-52582014000100005 -
ANDERSON, David R.; BURNHAM, Kenneth P. Avoiding pitfalls when using information-theoretic methods. The Journal of Wildlife Management, v. 66, n. 3, p. 912-918, 2002. https://doi.org/10.2307/3803155
» https://doi.org/10.2307/3803155 - BARROS, Ricardo Paes de; CARVALHO, Mirela de; FRANCO, Samuel; MENDONÇA, Rosane; ROSALÉM, Andrezza. Pobreza no Espírito Santo Belém: Instituto de Pesquisa Econômica Aplicada, 2010.
-
BOF, Alvana Maria; OLIVEIRA, Adolfo Samuel de; BARROS, Gabriela Thamara de Freitas. Trajetória escolar, aprendizagem e desigualdades no ensino fundamental no Brasil. Cadernos de Estudos e Pesquisas em Políticas Educacionais, São Paulo, v. 1, p. 55-78, 2018. https://doi.org/10.24109/9788578630669.ceppe.v1a2
» https://doi.org/10.24109/9788578630669.ceppe.v1a2 -
BRASIL. Constituição da República Federativa do Brasil de 1988 Brasília, DF: 1988. Disponível em: http://www.planalto.gov.br/ccivil_03/constituicao/constituicao.htm Acesso em: 6 fev. 2023.
» http://www.planalto.gov.br/ccivil_03/constituicao/constituicao.htm - BRASIL. Nota metodológica sobre a compatibilização de desempenhos do Pisa com a escala do Saeb Brasília, DF: Inep/MEC, 2009.
- BRASIL. Lei n. 13.005, de 25 de junho de 2014 Aprova o Plano Nacional de Educação (PNE) e dá outras providências. Brasília, DF: Presidência da República, 2014.
- BRASIL. Portaria n. 556, de 2 de outubro de 2020 Institui o grupo de trabalho responsável por elaborar estudo técnico para subsidiar a atualização do Índice de Desenvolvimento da Educação Básica (Ideb). Brasília, DF: Presidência da República, 2020.
-
CAMPOS, Dulcinéa; SILVA, Itamar Mendes S. M.; VALPASSOS, Carolina Falco F. A escola como tempo/espaço de resistência e superação das desigualdades: a relação com os territórios. Revista Inter Ação, v. 44, n. 1, p. 1-15, 2019. https://doi.org/10.5216/ia.v44i1.55683
» https://doi.org/10.5216/ia.v44i1.55683 -
CHIRINÉA, Andreia M.; BRANDÃO, Carlos da F. O Ideb como política de regulação do Estado e legitimação da qualidade: em busca de significados. Ensaio: Avaliação e Políticas Públicas em Educação, Rio de Janeiro, v. 23, n. 87, p. 461-484, 2015. https://doi.org/10.1590/S0104-40362015000100019
» https://doi.org/10.1590/S0104-40362015000100019 - CRESWELL, John W.; CLARK, Vicki L. Pesquisa de métodos mistos São Paulo: Penso, 2015.
-
ERNICA, Mauricio; RODRIGUES, Erica Castilho. Desigualdades educacionais em metrópoles: território, nível socioeconômico, raça e gênero. Educação & Sociedade, Campinas, v. 41, 2020. https://doi.org/10.1590/es.228514
» https://doi.org/10.1590/es.228514 -
ERNICA, Mauricio; RODRIGUES, Erica Castilho; SOARES, José Francisco. Desigualdades educacionais no Brasil contemporâneo: definição, medida e resultados. Dados: Revista de Ciências Sociais, Rio de Janeiro, p. 2-41, 2023. https://doi.org/10.1590/dados.2025.68.2.346
» https://doi.org/10.1590/dados.2025.68.2.346 - EURYDICE. Diferenças de género nos resultados escolares: estudo sobre as medidas tomadas e a situação actual na Europa. Lisboa: Ministério da Educação, 2010.
- FERNANDES, Reynaldo; FELICIO, Fabiana de. Nota técnica: índice de oportunidades educacionais do Brasil - IOEB 2019. Brasília: Metas Sociais, 2019.
- FERRARI, Tatiana K.; CASTRO, Magnus W. Desigualdade de renda no Espírito Santo: uma análise de decomposição. Vitória: Instituto Jones dos Santos Neves, 2011. v. 26.
-
FREITAS, Luiz Carlos de. Eliminação adiada: o ocaso das classes populares no interior da escola e a ocultação da (má) qualidade do ensino. Educação & Sociedade, Campinas, v. 28, n. 100, p. 965-987, 2007. https://doi.org/10.1590/S0101-73302007000300016
» https://doi.org/10.1590/S0101-73302007000300016 -
FUNDAÇÃO TIDE SETUBAL. Portal IDeA: indicador de desigualdades e aprendizagens. São Paulo: Fundação Tide Setubal, 2023. Disponível em: https://portalidea.org.br/ Acesso em: 30 maio 2026.
» https://portalidea.org.br/ -
GRASSI, Robson; ARAÚJO, Rodolfo. Sistema financeiro, crescimento econômico e desigualdades regionais no Espírito Santo: uma análise espacial para os municípios. Revista de Desenvolvimento Econômico, Salvador, v. 15, n. 28, p. 28-45, 2013. https://doi.org/10.21452/rde.v15i28.2709
» https://doi.org/10.21452/rde.v15i28.2709 - GUJARATI, Damodar N.; PORTER, Dawn C. Econometria básica 5. ed. São Paulo: Campus, 2011.
-
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Estimativas da população residente no Brasil e unidades da Federação com data de referência em 1º de julho de 2021 Rio de Janeiro: IBGE, 2021. Disponível em: https://ftp.ibge.gov.br/Estimativas_de_Populacao/Estimativas_2021/estimativa_dou_2021.pdf Acesso em: 30 maio 2026.
» https://ftp.ibge.gov.br/Estimativas_de_Populacao/Estimativas_2021/estimativa_dou_2021.pdf -
JAIN, Anil K.; MURTY, M. Narasimha; FLYNN, Patricke J. Data clustering. ACM Computing Surveys, v. 31, n. 3, p. 264-323, 1999. https://doi.org/10.1145/331499.331504
» https://doi.org/10.1145/331499.331504 - KRIPKA, Rosana Maria L.; SCHELLER, Morgana; BONOTTO, Danusa L. Pesquisa documental: considerações sobre conceitos e características na pesquisa qualitativa. In: CONGRESSO IBERO-AMERICANO EM INVESTIGAÇÃO QUALITATIVA, 4., 2015, Aracaju. Anais […]. Aracaju, 2015.
-
KULLBACK, Solomon; LEIBLER, Richard A. On information and sufficiency. The Annals of Mathematical Statistics, v. 22, n. 1, p. 79-86, 1951. Disponível em: http://www.jstor.org/stable/2236703 Acesso em: 25 mar. 2023.
» http://www.jstor.org/stable/2236703 -
LEITE, Leonardo de Magalhães; MAGALHÃES, Matheus Albergaria de. Desigualdades Intraestaduais no Espírito Santo: uma abordagem espacial exploratória. Revista de Economia, Curitiba, v. 38, n. 1, p. 55-92, 2012. https://doi.org/10.5380/re.v38i1.28286
» https://doi.org/10.5380/re.v38i1.28286 - MACHADO, Denys Cristiano de Oliveira. Análise de fatores associados ao desempenho escolar de alunos do quinto ano do ensino fundamental com base na construção de indicadores Florianópolis: Universidade Federal de Santa Catarina, 2014.
-
MATOS, Daniel Abud S.; RODRIGUES, Erica Castilho. Indicadores educacionais e contexto escolar: uma análise das metas do Ideb. Estudos em Avaliação Educacional, São Paulo, v. 27, n. 66, p. 662-688, 2016. https://doi.org/10.18222/eae.v27i66.4012
» https://doi.org/10.18222/eae.v27i66.4012 - MENEZES FILHO, Naercio A. Os determinantes do desempenho escolar do Brasil. In: DUARTE, Pedro Garcia; SILBER, Simão D.; GUILHOTO, Joaquim (org.). O Brasil e a ciência econômica em debate São Paulo: Saraiva, 2012. v. 1.
- PEREIRA, Rafael; BARBOSA, Rogério Jerônimo. Geobr: download official spatial data sets of Brazil. GitHub Repository, 2019.
- R CORE TEAM. R: A language and environment for statistical computing. Viena: R Foundation for Statistical Computing, 2020.
- SAMMONS, Pam; SYLVA, Kathy; MELHUISH, Edward; SIRAJ, Iram; TAGGART, Brenda; HUNT, Stephen; JELICIC, Helena. Effective pre-school and primary education 3-11 project (EPPE 3-11): influences on children's cognitive and social development in year 6. Research Brief, 2008.
-
SECRETARIA DE ESTADO DA EDUCAÇÃO DO ESPÍRITO SANTO (SEDU). Sistema Estadual de Gestão Escolar (SEGES): microdados. Vitória: SEDU, 2022. Disponível em: https://seges.sedu.es.gov.br/ Acesso em: 30 maio 2026.
» https://seges.sedu.es.gov.br/ -
SENKEVICS, Adriano Souza; CARVALHO, Marília Pinto de. Casa, rua, escola: gênero e escolarização em setores populares urbanos. Cadernos de Pesquisa, São Paulo, v. 45, n. 158, p. 944-968, 2015. https://doi.org/10.1590/198053143364
» https://doi.org/10.1590/198053143364 -
SOARES, Denilson Junio Marques; SOARES, Talita Emidio Andrade; SANTOS, Marianna Cassa de Souza; SANTOS, Wagner dos. Análise da eficiência dos gastos públicos com educação nos municípios capixabas. Research, Society and Development, Vargem Grande Paulista, v. 9, n. 7, e756974906, 2020. https://doi.org/10.33448/rsd-v9i7.4906
» https://doi.org/10.33448/rsd-v9i7.4906 -
SOARES, Denilson Junio Marques; SOARES, Talita Emidio Andrade; SANTOS, Wagner dos. Infraestrutura e desempenho escolar na Prova Brasil: aspectos e conexões. Olhar de Professor, Ponta Grossa, v. 23, e-2020.15023.209209227242.0626, 2020. https://doi.org/10.5212/OlharProfr.v.23.2020.15023.209209227242.0626
» https://doi.org/10.5212/OlharProfr.v.23.2020.15023.209209227242.0626 -
SOARES, José Francisco. Measuring cognitive achievement gaps and inequalities: the case of Brazil. International Journal of Educational Research, v. 45, n. 3, p. 176-187, 2006. https://doi.org/10.1016/j.ijer.2006.11.009
» https://doi.org/10.1016/j.ijer.2006.11.009 -
SOARES, José Francisco; ALVES, Maria Tereza G. Efeitos de escolas e municípios na qualidade do ensino fundamental. Cadernos de Pesquisa, São Paulo, v. 43, n. 149, p. 492-517, 2013. https://doi.org/10.1590/S0100-15742013000200007
» https://doi.org/10.1590/S0100-15742013000200007 -
SOARES, José Francisco; COLLARES, Ana Cristina M. Recursos familiares e o desempenho cognitivo dos alunos do ensino básico brasileiro. Dados, Rio de Janeiro, v. 49, n. 3, p. 615-650, 2006. https://doi.org/10.1590/S0011-52582006000300007
» https://doi.org/10.1590/S0011-52582006000300007 -
SOARES, José Francisco; DELGADO, Victor Maia S. Medida das desigualdades de aprendizado entre estudantes de ensino fundamental. Estudos em Avaliação Educacional, São Paulo, v. 27, n. 66, p. 754-780, 2016. https://doi.org/10.18222/eae.v27i66.4101
» https://doi.org/10.18222/eae.v27i66.4101 - SOARES, José Francisco; RODRIGUES, Erica Castilho; ERNICA, Mauricio. Indicador de desigualdades e aprendizagens: Nota técnica. São Paulo: Fundação Tide Setúbal, 2019.
-
SOARES, José Francisco; XAVIER, Flávia P. Pressupostos educacionais e estatísticos do IDEB. Educação & Sociedade, Campinas, v. 34, n. 124, p. 903-923, 2013. https://doi.org/10.1590/S0101-73302013000300013
» https://doi.org/10.1590/S0101-73302013000300013 -
SOUSA, Giselle Firmino T.; RONCALLI, Angelo G. Fatores associados ao atraso no tratamento cirúrgico primário de fissuras labiopalatinas no Brasil: uma análise multinível. Ciência & Saúde Coletiva, Rio de Janeiro, v. 26, Supl. 2, p. 3505-3515, 2021. https://doi.org/10.1590/1413-81232021269.2.23592019
» https://doi.org/10.1590/1413-81232021269.2.23592019 -
THEODORIDIS, Serigos; KOUTROUMBAS, Konstantinos. Pattern recognition and neural networks. In: PALIOURAS, Georgios; KARKALETSIS, Vangelis; SPYROPOULOS, Constantine D. (org.). Machine learning and its applications Berlim: Springer, 2001. p. 169-195. https://doi.org/10.1007/3-540-44673-7_8
» https://doi.org/10.1007/3-540-44673-7_8 -
VENABLES, William N.; RIPLEY, Brian D. Modern applied statistics with S 4. ed. Springer, 2002. Disponível em: http://www.stats.ox.ac.uk/pub/MASS4/ Acesso em: 21 maio 2026.
» http://www.stats.ox.ac.uk/pub/MASS4/ - WICKHAM, Hadley; CHANG, Winston; HENRY, Lionel; TAKAHASHI, Kohske; WILKE, Claus; WOO, Kara; YUTANI, Hiroaki; DUNNINGTON, Dewey; VAN DEN BRAND, Teun. Package ‘ggplot2’: create elegant data visualisations using the grammar of graphics. Ggplot2, 2016.
Editado por
-
Editor/a responsável:
Edla Eggert https://orcid.org/0000-0002-1980-7053
