Navigation – Plan du site

AccueilNuméros51Renda, participação e desempenho ...

Renda, participação e desempenho no ENEM em São Paulo: uma abordagem espacial (2012-2018)

Income, participation and performance in the ENEM in São Paulo: a spatial approach (2012-2018)
Revenus, participation et performance des élèves à l'ENEM dans la commune de São Paulo: une approche spatiale (2012-2018)
Eduardo Felix Justiniano et Alfredo Pereira de Queiroz

Résumés

Le revenu familial et la scolarité des parents sont des indicateurs très utilisés pour l'évaluation du parcours scolaire des élèves. Les différences d'efficacité entre les enseignements public et privé dans le pays sont également des éléments pertinents pour cette analyse. Dans ce contexte, cet article analyse les relations possibles entre le revenu familial, les performances et la participation des élèves des écoles publiques de la municipalité de São Paulo à l'examen national de fin d'études secondaires (ENEM) entre 2012 à 2018. Les données utilisées sont relatives à 290 000 diplômés de l'enseignement secondaire, répartis entre 679 écoles. Elles ont été analysées et les regroupements issus de ces analyses ont permis de vérifier l’impact de la répartition spatiale des variables, d'établir des degrés d'association entre les variables, et de vérifier la formation de zones ayant des valeurs proches. Les résultats ont indiqué que la performance moyenne de l'ENEM, par quartier, était fortement associée au revenu familial par habitant et à la proportion d'élèves qui étudient dans des écoles techniques.

Haut de page

Entrées d’index

Index de mots-clés :

ENEM, revenu, participation, performance, São Paulo.

Index géographique :

São Paulo

Índice de palavras-chaves:

ENEM, renda, participação, desempenho, São Paulo.
Haut de page

Texte intégral

1O Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (INEP) organiza e produz avaliações, exames e indicadores da educação básica. Uma das avaliações é o Exame Nacional do Ensino Médio (ENEM), instituído em 1998, que pode ser utilizado para medir a qualidade e aperfeiçoar os currículos do ensino médio, implementar políticas públicas e desenvolver estudos e indicadores sobre a educação brasileira (BRASIL, 2011).

2Inúmeras pesquisas abordaram os exames educacionais e suas distintas características. Viggiano; Mattos (2013) analisaram o desempenho dos alunos por região do país. Figueirêdo et alii (2014) avaliaram as circunstâncias sociais que influenciam o desempenho educacional dos alunos no ENEM. Andrade; Soida (2015) questionaram a qualidade do ranking das escolas do ensino médio elaborado a partir do desempenho no ENEM. Silveira et alii (2015) analisaram a mobilidade dos estudantes para instituições de ensino superior, a partir do ENEM. Junqueira et al. (2017) analisaram a política de acessibilidade do ENEM, no que se refere ao atendimento oferecido aos participantes com deficiência. Basseto (2019) investigou o impacto da renda e da escolaridade materna na proficiência em matemática dos alunos no Sistema de Avaliação do Rendimento Escolar do Estado de São Paulo (SARESP).

3As pesquisas que representam cartograficamente os dados educacionais, no entanto, são menos numerosas. Na Região Metropolitana de São Paulo, Torres et alii (2003) relacionaram os resultados das provas de língua portuguesa do SARESP com um índice de privação que levou em consideração os seguintes aspectos: escolaridade do responsável pelo domicílio, renda, condições de moradia, idade dos responsáveis pelo domicílio, estrutura familiar e proporção de mulheres responsáveis pelo domicílio com educação primária ou menor.

4Cunha et alii (2009) abordaram a relação entre os resultados obtidos pelo SARESP, as condições socioeconômicas e de moradia e a estrutura das escolas. Obtiveram uma alta correlação espacial entre as escolas em condições precárias e a pobreza, em áreas de Campinas (SP), indicando a desigualdade socioespacial do município. Com maior frequência, os alunos de menor rendimento escolar estavam matriculados em escolas situadas em áreas periféricas e com menos infraestrutura, quando comparados com os das escolas localizadas em áreas centrais e mais bem equipadas. Os autores evidenciaram, porém, que apesar da influência da renda e do nível educacional dos pais, o efeito da localização geográfica da escola permaneceu significativo para os testes de matemática.

5Este trabalho visa contribuir com este enfoque temático, representando cartograficamente os resultados de teste educacional e a respectiva correlação entre variáveis. Foram analisados a renda, participação e desempenho dos alunos de escolas públicas no ENEM, no município de São Paulo, no período de 2012 a 2018.

Metodologia e procedimentos

Bases e referências

6A pesquisa foi concebida a partir da correlação entre as variáveis relacionadas ao ENEM. O coeficiente de correlação foi estabelecido por Pearson (1896) e um dos pioneiros em avaliar as correlações relacionadas ao desempenho de estudantes foi Burt (1911). Duff; Thomson (1923), Collins; Douglass (1937) e Fleming (1943) abordaram distintos fatores que influenciam o desempenho escolar, como as características das famílias, das escolas, das comunidades e das residências.

7White (1982) realizou uma análise retrospectiva de 200 pesquisas científicas sobre o tema. Identificou diversas variáveis socioeconômicas correlacionadas com o desempenho de alunos, tais como: renda familiar, tamanho da família, instrução dos pais, ocupação, etnia, atividades culturais e intelectuais, salário de professores, proporção aluno-professor, entre outras. Para Patterson; Kupersmidt; Vaden (1990), a renda e o gênero foram considerados os melhores preditores da conduta das crianças, enquanto a renda e as características de residência seriam melhores preditores para o desempenho escolar.

8Contreras et alii (2015) observou distintos resultados da correlação entre variáveis nas pesquisas realizadas em diferentes países. Marks (2008), no entanto, descreveu que a força de correlação pode se diferenciar ao longo do tempo, ao analisar a importância do status de ocupação e de educação das mães.

9Além de ser uma medida do grau de relacionamento entre variáveis, o coeficiente de correlação também mede o grau de correspondência em suas respectivas distribuições geográficas, podendo ser alta numa parte e ausente em outra, em áreas heterogêneas (Neprash, 1934)

10Na correlação individual, de acordo com Robinson (1950), o objeto estatístico é indivisível e as variáveis expressam as propriedades descritivas do indivíduo, enquanto na correlação ecológica o objeto estatístico seria um grupo de pessoas, cujas variáveis expressam porcentagens, medianas e médias. Contudo, as correlações ecológicas não poderiam ser usadas como substitutas das correlações individuais.

11Segundo Ferreira (2014, p. 206), “o espaço está organizado se ele contiver subespaços homogêneos nos quais estejam ali agregados dados com valores similares”. Neste caso, ocorre uma autocorrelação positiva. “Em contrapartida, a ocorrência de autocorrelação negativa ou nula indica que neste espaço há o predomínio de valores muito diferentes entre si e posicionados proximamente” (Ferreira, 2014, p. 206).

12Segundo Câmara et alii (2004), a ocorrência de diferentes regimes de correlação espacial pode ser evidenciada com a utilização dos indicadores locais de autocorrelação espacial (LISA – Local Indicators of Spatial Association) e com o mapa de espalhamento de Moran. Para Anselin (1995), o LISA seria qualquer estatística que satisfaz duas condições:

  • O LISA de cada observação fornece um indicativo da extensão de agrupamentos espaciais significativos com valores semelhantes em torno dessa observação;

  • A somatório de LISA para todas as observações é proporcional a um indicador global de associação espacial.

13Os agrupamentos locais (clusters), comumente nomeados hot spots, seriam as localizações ou grupo de localizações contíguas nas quais o LISA é significativo (Câmara et alii, 2004).

14O diagrama de espalhamento de Moran seria uma “maneira adicional de visualizar a dependência espacial. Construído com base nos valores normalizados [...,] permite analisar o comportamento da variabilidade espacial” (Câmara et alii, 2004, p. 19-20). O tradicional diagrama de espalhamento univariado de Moran poderia ser adaptado para representar também a autocorrelação bivariada – nesse caso, a correlação entre uma variável local e uma variável diferente nos locais vizinhos (Anselin et alii, 2006; Anselin et alii, 2002).

15Para estabelecer a dependência entre variáveis, o coeficiente de correlação linear de Pearson foi utilizado. Para Bussab; Morettin (2010), esta correlação quantifica o grau de associação entre duas variáveis e descreve por meio de um único número a associação ou dependência entre estas. Para Ferreira (2014), a identificação do grau de dependência entre variáveis pode auxiliar na formulação de hipóteses sobre a dependência espacial entre fenômenos geográficos.

16O coeficiente de correlação é dado pela fórmula:

Procedimentos

17Os microdados do ENEM e os censos escolares de 2012 a 2018 foram utilizados. Dos microdados do ENEM, foram selecionados os inscritos que declararam ter entre 16 e 18 anos e que estavam matriculados no último ano letivo do ensino médio de escolas públicas.

18A renda per capita, a pontuação e o total de candidatos foram extraídos dos microdados do ENEM (https://www.gov.br/inep/pt-br/acesso-a-informacao/dados-abertos/microdados/enem). O número total de alunos e as características das escolas foram obtidos dos microdados dos censos escolares (https://www.gov.br/​inep/​pt-br/​acesso-a-informacao/​dados-abertos/​microdados/​censo-escolar).

19Das tabelas de matrículas e de escolas dos censos escolares, foram selecionadas as instituições de ensino que ofereceram o ensino médio regular e os alunos de 16 a 18 anos do último ano dos cursos regulares propedêutico e técnico.

20As escolas públicas denominadas propedêuticas são as que não oferecem ensino técnico. Segundo Moura (2010, p. 878), “a vertente propedêutica continua privilegiando os conteúdos exigidos no acesso ao ensino superior e, nos cursos profissionalizantes, os conteúdos são vinculados às necessidades imediatas dos setores produtivos”.

21As escolas públicas que oferecem cursos de ensino médio integrado ao técnico oferecem disciplinas da vertente propedêutica, pois o artigo 4º da Lei nº 7.044/1982 prevê um núcleo comum nos currículos de ensino de 1º e 2º graus. Além disto, algumas escolas técnicas estaduais ofereceram cursos não técnicos. Nos microdados do ENEM e nos censos escolares, é possível verificar que um determinado candidato concluiu o ensino médio em escolas que oferecem cursos técnicos, mas não é possível verificar se a sua formação foi técnica. Desta forma, consideramos como escola técnica as instituições de ensino médio que ofereceram cursos profissionalizantes, independentemente do curso oferecido.

22Como parâmetro de desempenho dos concluintes do ensino médio, foi usada a somatória das pontuações obtidas pelas provas das quatro áreas do conhecimento avaliadas no exame: linguagens, códigos e suas tecnologias; matemática e suas tecnologias; ciências humanas e suas tecnologias; ciências da natureza e suas tecnologias, além da redação.

23A concatenação dos microdados dos censos escolares e das edições do ENEM de 2012 a 2018 permitiu selecionar os alunos inscritos que declararam ser concluintes das escolas que ofereceram o ensino médio, no ano de inscrição para o exame. Isto possibilitou conhecer o universo dos alunos concluintes do ensino médio no município de São Paulo, de 2012 a 2018, e saber quantos destes se inscreveram e pontuaram em todas as provas do ENEM. Neste estudo, foram considerados como participantes os alunos inscritos que pontuaram em todas as provas.

24Por não haver escolas em todos os distritos do Município de São Paulo (96), os alunos concluintes do ensino médio de até 18 anos foram agrupados nas suas 32 Subprefeituras (Figura 1), considerando-se a localização da escola como referência. As correlações e médias foram obtidas por meio dos dados individuais e agrupados. No agrupamento por zona, o conjunto de todos os alunos e o subconjunto que desconsidera os alunos de escolas técnicas foram analisados.

Figura 1 – Subprefeituras do município de São Paulo.

Figura 1 – Subprefeituras do município de São Paulo.

Fonte: IBGE (2015); Prefeitura de São Paulo (2018). Elaborado por Eduardo Félix Justiniano

25Os programas utilizados no processamento de dados foram: Tableau, Microsoft Excel e Access, ArcMap, Geoda e ScapeToad. Permitiram gerar dados estatísticos e produzir tabelas de dados agrupados, representados pela média das características dos alunos. As tabelas foram importadas para o programa ArcMap para representar a distribuição espacial de variáveis, de forma a facilitar a compreensão das zonas de melhor desempenho. Posteriormente, verificou-se a existência de regimes de correlação espacial, utilizando o software Geoda, utilizando as diretrizes propostas por Anselin et alii (2006).

Resultados e discussão

Análise descritiva dos dados

26Com base na declaração dos candidatos no ENEM de 2012 a 2018 e das características das escolas dos censos escolares, a pontuação média no ENEM dos alunos concluintes do ensino médio de 16 a 18 anos, por escola no município de São Paulo foi calculada (Tabela 1).

Tabela 1 – Participação e pontuação no ENEM dos alunos concluintes do ensino médio de até 18 anos, de acordo com as características das escolas (2012-2018).

Característica das escolas

Escolas

Alunos (milhar)

Pontuação média

Total

Pontuaram no ENEM

Públicas e particulares

1.413

842

432,8 (51,4%)

2.688,2

Particulares

734

183

142,1 (77,5%)

2.978,1

Públicas

679

659

290,7 (44,1%)

2.546,5

Públicas de ensino técnico

41

35,8

31,3 (87,4%)

2.973,1

Públicas propedêuticas

638

623

259,5 (41,6%)

2.495,1

Fonte: INEP (2013, 2015a, 2015b, 2017a, 2017b, 2018a, 2019a).

27Os alunos de escolas particulares, comparativamente, participam mais do ENEM e estão mais distribuídos nas áreas centrais do município de São Paulo. Por outro lado, os alunos de escolas públicas são em maior número nas áreas periféricas e apresentam menor participação no teste educacional (Figura 2). Para facilitar a comparação, as áreas dos cartogramas são proporcionais ao número total de concluintes do ensino médio de até 18 anos das esferas pública e particular.

Figura 2 – Anamorfoses com áreas proporcionais ao número de concluintes de até 18 anos e a participação no ENEM por subprefeitura (2012-2018).

Figura 2 – Anamorfoses com áreas proporcionais ao número de concluintes de até 18 anos e a participação no ENEM por subprefeitura (2012-2018).

Fonte: INEP (2013, 2015a, 2015b, 2016a, 2016b, 2016c, 2016d, 2016e, 2017a, 2017b, 2018a, 2018b, 2019a, 2019b). Elaborado por Eduardo Félix Justiniano

28Nos microdados do ENEM, a renda familiar está dividida em faixas, exceto para os valores extremos: zero e acima de 20 salários mínimos (SM). Nesta última faixa, estavam 16,8% dos concluintes da esfera privada e 0,1% dos concluintes da esfera pública (Figura 2). Esta diferença na distribuição da renda familiar entre os alunos das esferas pública e privada dificultou a análise conjunta de todos os concluintes do ensino médio. Além disto, o elevado número de concluintes na faixa mais alta de renda impossibilitou a determinação da renda familiar per capita. Desta forma, optou-se por analisar o desempenho somente dos alunos de escolas públicas.

Figura 3– Distribuição de concluintes do ensino médio de até 18 anos que pontuaram em todas as provas no ENEM por faixa de renda (2012-2018).

Figura 3– Distribuição de concluintes do ensino médio de até 18 anos que pontuaram em todas as provas no ENEM por faixa de renda (2012-2018).

Fonte: INEP (2013, 2015a, 2015b, 2017a, 2017b, 2018a, 2019a). Elaborado por Eduardo Félix Justiniano

29Para estabelecer a renda familiar per capita dos alunos da rede pública, um valor médio para cada faixa de renda familiar foi estabelecido e dividido pelo número de moradores. Os concluintes que declararam a renda familiar acima de 20 SM, foram excluídos da análise pela impossibilidade de estabelecer a renda familiar per capita. Desta forma, o universo de alunos considerados nesta pesquisa foi 0,14% menor (Tabela 2).

Tabela 2 – Pontuações médias no ENEM dos alunos concluintes do ensino médio de até 18 anos da rede pública, de acordo com a característica da escola (2012-2018).

Característica das escolas

Escolas

Alunos (milhar)

Pontuação média no ENEM

Públicas

679

290

2.545,8

Públicas de ensino técnico

41

31

2.971,2

Públicas propedêuticas

638

259

2.495,0

Fonte: INEP (2013, 2015a, 2015b, 2017a, 2017b, 2018a, 2019a).

30Houve variação da renda familiar per capita média por Subprefeitura. O valor mínimo foi 0,46 SM, encontrado na Cidade Tiradentes. A média mais elevada foi 0,96 SM, na Sé.

31O número de escolas técnicas por Subprefeituras variou de zero a cinco. O percentual de alunos de escolas públicas que estudaram em escolas técnicas e que prestaram o ENEM variou de zero a 31,3. Desta forma, a influência dos alunos das escolas técnicas no desempenho médio no ENEM dos alunos de escolas públicas não foi espacialmente homogênea em função da distribuição irregular destas instituições no município, concentradas em algumas áreas e ausentes em outras. As escolas de ensino médio propedêuticas, por outro lado, encontram-se mais bem distribuídas, majoritariamente nas áreas periféricas (Figura 4).

Figura 4 – Mapas de distribuição das escolas públicas no município de São Paulo, por tipo de ensino (2012-2018).

Figura 4 – Mapas de distribuição das escolas públicas no município de São Paulo, por tipo de ensino (2012-2018).

Fonte: INEP (2016a, 2016b, 2016c, 2016d, 2016e, 2018b, 2019b). Elaborado por Eduardo Félix Justiniano

32A pontuação média no ENEM dos concluintes da rede pública foi 2.545,8. Quando desconsideramos as escolas técnicas, a pontuação média foi 2.495,0. Estas pontuações variaram de acordo com a localização e com a proporção de alunos que estudaram em escolas técnicas (Tabela 3).

Tabela 3 – Pontuações médias dos alunos no ENEM, por característica da escola pública, no município de São Paulo (2012-2018).

Subprefeitura

Alunos

Pontuação média por característica de escola

Concluintes que estudaram em escolas de ensino técnico (%)

Escolas (todas)

Escolas com ensino técnico

Não

Sim

6.064

2.723,9

2.543,7

3.118,4

31,3

Ipiranga

10.599

2.642,0

2.508,5

2.987,8

27,8

Mooca

18.394

2.687,4

2.559,6

3.036,8

26,8

Pinheiros

5.218

2.731,8

2.600,5

3.107,1

25,9

Perus

4.757

2.535,1

2.436,3

2.880,3

22,3

Vila Maria/Vila Guilherme

6.728

2.589,0

2.489,1

2.948,2

21,8

Penha

18.571

2.586,2

2.513,8

2.908,8

18,3

Vila Prudente

5.950

2.581,8

2.527,2

2.865,6

16,1

Sapopemba

4.521

2.519,7

2.449,3

2.899,7

15,6

Butantã

7.499

2.565,8

2.524,0

2.814,2

14,4

Lapa

8.625

2.640,8

2.571,8

3.060,8

14,1

Cidade Tiradentes

4.405

2.467,4

2.406,5

2.868,0

13,2

Aricanduva/Formosa/Carrão

6.589

2.559,9

2.530,2

2.755,4

13,2

Casa Verde/Cachoeirinha

8.385

2.553,6

2.484,2

3.042,2

12,4

Santana/Tucuruvi

11.950

2.581,6

2.522,4

3.036,9

11,5

M'Boi Mirim

16.505

2.504,2

2.458,6

2.898,7

10,4

Pirituba/Jaraguá

11.537

2.517,3

2.478,8

2.918,6

8,8

Itaquera

11.030

2.506,1

2.466,6

2.968,4

7,9

Guaianases

5.228

2.461,4

2.429,6

2.884,3

7

Santo Amaro

9.453

2.566,7

2.534,3

3.086,5

5,9

São Mateus

12.439

2.492,4

2.470,3

2.889,0

5,3

Capela do Socorro

21.038

2.523,0

2.506,3

3.104,5

2,8

Campo Limpo

13.901

2.479,5

2.473,0

2.748,8

2,4

Cidade Ademar

5.724

2.436,5

2.436,5

-

-

Ermelino Matarazzo

4.257

2.471,2

2.471,2

-

-

Freguesia do Ó/Brasilândia

9.737

2.464,4

2.464,4

-

-

Itaim Paulista

9.211

2.428,9

2.428,9

-

-

Jabaquara

3.992

2.516,1

2.516,1

-

-

Jaçanã/Tremembé

3.413

2.443,1

2.443,1

-

-

Parelheiros

4.907

2.465,6

2.465,6

-

-

São Miguel Paulista

11.946

2.466,4

2.466,4

-

-

Vila Mariana

7.685

2.602,0

2.602,0

-

-

Fonte: INEP (2013, 2015a, 2015b, 2017a, 2017b, 2018a, 2019a).

Correlações

33As correlações individuais entre renda familiar per capita e pontuação no ENEM foram: 0,2940 para todos os estudantes de escola pública e 0,1855 para os concluintes de escolas públicas propedêuticas (excluídas as técnicas).

34A força da correlação individual não foi homogênea no zoneamento por Subprefeituras, indicando que houve áreas nas quais a renda per capita teve associações mais fortes com o desempenho no ENEM (Tabela 4).

Tabela 4 – Valores extremos das correlações individuais entre renda per capita e pontuação no ENEM, dos concluintes de escolas públicas de até 18 anos no ENEM (2012-2018).

Correlação

Concluintes (todos)

Concluintes de escolas propedêuticas

Maior valor

0,4629

0,2303

(Subprefeitura da Sé)

(Subprefeitura do Butantã)

Menor valor

0,1448

0,1155

(Subprefeitura do Itaim Paulista)

(Subprefeitura de Cidade Tiradentes)

Fonte: INEP (2013, 2015a, 2015b, 2017a, 2017b, 2018a, 2019a).

35As correlações ecológicas entre a variável explicativa (independente), renda per capita, e as variáveis respostas (dependentes), pontuação no ENEM e participação no exame foram altamente positivas, indicando a associação entre estas variáveis (Tabela 5). A correlação ecológica entre a pontuação média de todos os alunos e o percentual de concluintes de escolas técnicas foi 0,8085, indicando a forte associação entre desempenho médio e participação de alunos de escolas técnicas no município de São Paulo.

Tabela 5 – Correlações ecológicas com a variável renda per capita, por Subprefeitura, dos concluintes de escolas públicas de até 18 anos no ENEM (2012-2018).

Característica da escola

Participação

Pontuação

Propedêutica

0,8204

0,9339

Todas

0,9065

0,9594

Fonte: INEP (2013, 2015a, 2015b, 2016a, 2016b, 2016c, 2016d, 2016e, 2017a, 2017b, 2018a, 2018b, 2019a, 2019b).

36Os gráficos de dispersão e o quadrado do coeficiente de correlação (R²) indicaram que há uma menor diferença entre o resultado esperado, expresso pela reta de regressão, e o resultado encontrado para as variáveis pontuação e renda familiar per capita (Figura 5).

Figura 5 – Gráficos de dispersão entre variáveis dos alunos concluintes de escolas públicas no município de São Paulo que participaram do ENEM (2012-2018).

Figura 5 – Gráficos de dispersão entre variáveis dos alunos concluintes de escolas públicas no município de São Paulo que participaram do ENEM (2012-2018).

Fonte: INEP (2013, 2015a, 2015b, 2016a, 2016b, 2016c, 2016d, 2016e, 2017a, 2017b, 2018a, 2018b, 2019a, 2019b). Elaborado por Eduardo Félix Justiniano

Representação cartográfica

37Mapas coropléticos das variáveis renda per capita, pontuação e participação no exame estão representados na Figura 6. Para facilitar sua comparação, foram estabelecidas seis faixas de igual intervalo, considerando a amplitude de cada variável, com e sem escolas técnicas. Observa-se que os valores mais altos ocorreram na região central e, os mais baixos, no extremo leste do município.

Figura 6 – Renda familiar per capita, pontuação e participação no ENEM, dos alunos concluintes de escolas públicas por Subprefeituras do município de São Paulo (2012-2018).

Figura 6 – Renda familiar per capita, pontuação e participação no ENEM, dos alunos concluintes de escolas públicas por Subprefeituras do município de São Paulo (2012-2018).

Fonte: INEP (2013, 2015a, 2015b, 2016a, 2016b, 2016c, 2016d, 2016e, 2017a, 2017b, 2018a, 2018b, 2019a, 2019b). Elaborado por Eduardo Félix Justiniano

38Nestes mapas, observa-se que as pontuações mais elevadas ocorrem nas áreas de maior renda. E, que esta associação é menos perceptível entre participação no exame e a renda per capita.

39De maneira geral, considera-se que houve uma relação espacial entre as variáveis renda familiar per capita, pontuação e participação no ENEM para todas as escolas públicas. Ao eliminarmos as escolas que oferecem cursos técnicos, ocorreu uma diminuição dos valores destas variáveis, na maioria das zonas. As áreas cujos valores se mantiveram (cores permaneceram iguais), indicaram a inexistência de escolas técnicas ou baixo percentual de alunos que estudaram nestas escolas.

40Os valores mais elevados ocorreram para todos os alunos das zonas da região central, no sentido Leste-Oeste, de Pinheiros até a Mooca e no Ipiranga, ao sul desta faixa. Nestas zonas, o percentual de alunos que estudaram em escolas técnicas foi superior a 25%. Ao considerar somente os alunos das escolas propedêuticas, as melhores pontuações ocorreram no sentido noroeste-sudeste, da Lapa até Vila Mariana. Este problema de interpretação pode ser relacionado com a falácia contextual, descrita por Alker (1969), que ocorre quando o contexto ou a estrutura social altera a força ou a forma das relações causais ou estatísticas.

41A Figura 5também permite comparar os resultados de uma mesma variável, com e sem ensino técnico. Porém, não é factível estabelecer as áreas onde ocorrem os maiores e menores valores entre duas variáveis. Por essa razão, os índices Moran I bivariado foram elaborados para as variáveis renda per capita, participação e pontuação no ENEM e os mapas de associação espacial foram produzidos (Figura 7). Os mapas LISA mostraram com maior segurança as áreas nas quais a associação entre as variáveis foi mais significativa. Os valores positivos de LISA indicaram certa organização espacial entre as variáveis analisadas. Quando consideradas as escolas técnicas, o valor LISA superior indicou a formação de clusters de maiores dimensões.

Figura 7 – Mapas LISA e diagramas de espalhamento de Moran bivariado entre variáveis, dos alunos concluintes de escolas públicas no município de São Paulo (2012-2018).

Figura 7 – Mapas LISA e diagramas de espalhamento de Moran bivariado entre variáveis, dos alunos concluintes de escolas públicas no município de São Paulo (2012-2018).

Fonte: INEP (2013, 2015a, 2015b, 2016a, 2016b, 2016c, 2016d, 2016e, 2017a, 2017b, 2018a, 2018b, 2019a, 2019b). Elaborado por Eduardo Félix Justiniano

42Os mapas LISA reforçaram a percepção de que as maiores renda, participação e pontuação no ENEM ocorreram na região central do município de São Paulo e, os valores mais baixos, na Zona Leste. Diferentemente do esperado, outras áreas periféricas do município, nas regiões Norte e Sul, não foram significantes para a formação de clusters destas variáveis.

43A Subprefeitura de Campo Limpo (1) teve valor baixo-alto para os pares de variáveis renda per capita e participação, renda per capita e pontuação (escolas propedêuticas). Ao verificar os mapas de espalhamento de Moran I e a Tabela 3, observa-se que os concluintes tiveram renda per capita próxima ao da Subprefeitura que se avizinha ao sul (M’Boi Mirim - 2). A participação e a pontuação no ENEM estão mais próximas das Subprefeituras do Butantã (3), de Santo Amaro (4) e de Pinheiros (5). Estas observações não seriam possíveis a partir dos mapas coropléticos da Figura 6.

44Este estudo demonstrou a influência dos alunos de escolas técnicas no desempenho médio dos alunos da rede pública. Porém, não se pode considerar que os alunos das escolas técnicas foram melhores no ENEM por causa das disciplinas profissionalizantes destas escolas. Há inúmeras variáveis que não foram abordadas neste estudo. Alguns exemplos são: seleção de estudantes concluintes do ensino fundamental por meio de teste educacional, do Centro Paula Souza e da análise curricular do Instituto Federal de São Paulo; carga horária; alimentação escolar; estrutura da escola; materiais didáticos, entre outros. Além disto, deve-se considerar que algumas escolas técnicas ofereceram turmas de ensino propedêutico, e que também há fatores contextuais que estão além do controle da escola, como abordado por Thieme et alii (2016).

45Outro aspecto importante é a unidade de agregação. Os alunos foram agrupados em Subprefeituras, de acordo com a localização da escola, mas não significa que os concluintes são moradores destas áreas, pois o local de residência dos alunos pode não ser condição de matrícula. Há instituições, como a Escola Estadual Fernão Dias Paes, localizada no bairro de Pinheiros, que atendeu estudantes residentes do entorno, de bairros distantes e de outros municípios. Também há escolas que atenderam majoritariamente moradores do entorno, como a Escola Estadual Indígena Guarani Gwyra Pepo, localizada em Parelheiros.

46Por outro lado, o desempenho dos alunos pode ser considerado como um importante indicador de qualidade de ensino nas diferentes zonas, que permitiria classificar as Subprefeituras de acordo com o desempenho dos alunos. Porém, o indicativo da qualidade de ensino é melhor nas escolas e nas áreas em que a participação dos alunos no exame é maior. Esta questão é semelhante à abordada por Travitzki; Calero; Boto (2014), segundo os quais a classificação de escolas no ENEM abarcou uma amostragem distorcida da totalidade do ensino médio no Brasil, provavelmente por estar relacionada com o caráter voluntário do exame.

Considerações finais

47O artigo analisou a correlação entre renda, participação e desempenho dos alunos de escolas públicas paulistanas no ENEM, entre 2012 e 2018. As correlações entre renda e pontuação, renda e participação, percentual de escolas técnicas e pontuação foram altamente positivas. A renda familiar per capita apresentou uma associação mais forte com a variável pontuação no ENEM do que a participação de alunos de escolas públicas no exame.

48Nas áreas centrais do município de São Paulo, ocorreram os valores mais altos de renda, pontuação e participação no ENEM. As três maiores pontuações médias no ENEM ocorreram nas Subprefeituras de Pinheiros, Sé e Mooca, nas quais o percentual de alunos de escolas técnicas foi superior a 25%. Excluídas as escolas técnicas, as maiores pontuações médias ocorreram nas Subprefeituras de Vila Mariana, Pinheiros e Lapa, onde a renda familiar per capita dos concluintes foi superior a 0,7 SM.

49Este artigo foi elaborado com os dados dos alunos concluintes do ensino médio no município de São Paulo. Numa próxima etapa, pretende-se ampliar a área de estudo para todo o Brasil e incluir análises evolutivas do desempenho dos alunos no ENEM.

Haut de page

Bibliographie

Alker, H. R. A. « Typology of Ecological Fallacies ». In: Dogan, M.; Rokkan, S. (Eds.). Quantitative Ecological Analysis in the Social Sciences. Cambridge: MIT Press, 1969. p. 69-86.

Andrade, E.; Soida, I. « A qualidade do ranking das escolas de ensino médio baseado no ENEM é questionável ». Estudos Econômicos (São Paulo), v. 45, n. 2, p. 253-286. Jun. 2015. https://doi.org/10.1590/0101-4161201545221eai.

Anselin, « L. Local Indicators of Spatial Association – LISA ». Geographical Analysis, v. 27, n. 2, p. 93-115, 1995. https://doi.org/10.1111/j.1538-4632.1995.tb00338.x.

Anselin, L. et alii. « GeoDa: An Introduction to Spatial Data Analysis ». Geographical Analysis, v. 38, n. 1, p. 5-22, 2006. https://doi.org/10.1111/j.0016-7363.2005.00671.x.

Anselin, L. et alii. « Visualizing Multivariate Spatial Correlation with Dynamically Linked Windows ». Urbana, v. 51, p. 8, 2002.

Bassetto, C. F. « Background familiar e desempenho escolar: uma abordagem com variáveis binárias a partir dos resultados do SARESP ». Revista Brasileira de Estudos de População, v. 36, 2019. https://doi.org/10.20947/s0102-3098a0077.

Brasil. Ministério da Educação. « Nota Técnica. Assunto: Procedimento de cálculo das notas do ENEM. p. 1-5, 2011 ». Disponível em: <http://download.inep.gov.br/educacao_basica/enem/nota_tecnica/2011/nota_tecnica_procedimento_de_calculo_das_notas_enem_2.pdf>. Acesso em: 7 maio 2020.

Burt, C. « Experimental Tests of Higher Mental Processes and their Relation to General Intelligence ». Journal of Experimental Pedagogy, v. 1, p. 93-112, 1911.

Bussab, W. O.; Morettin, P. A. Estatística básica. 6.ed. São Paulo: Saraiva, 2010.

Câmara, G. et alii. « Análise espacial de áreas ». In: DRUCK, S. et al. (Eds.). Análise espacial de dados geográficos. Brasília, DF: Embrapa, 2004. p. 107-150.

Collins, J. H.; Douglass, H. R. « The Socio-Economic Status of the Home as a Factor in Success in the Junior High School ». The Elementary School Journal, v. 38, n. 2, p. 107-113, out. 1937. https://doi.org/10.1086/462139.

Contreras, D. et alii. « Income Inequality or Performance Gap? A Multilevel Study of School Violence in 52 Countries ». Journal of Adolescent Health, v. 57, n. 5, p. 545-552, 2015. https://doi.org/10.1016/j.jadohealth.2015.08.002.

Cunha, J. M. P. et alii. « Social Segregation and Academic Achievement in State-run Elementary Schools in the Municipality of Campinas, Brazil ». Geoforum, v. 40, n. 5, p. 873-883, 2009. https://doi.org/10.1016/j.geoforum.2009.06.003.

Duff, J. F.; Thomson, G. H. « The Social and Geographical Distribution of Intelligence in Northumberland ». British Journal of Psychology, General Section, v. 14, n. 2, p. 192-198, out. 1923. https://doi.org/10.1111/j.2044-8295.1923.tb00126.x.

Ferreira, M. C. Iniciação à análise geoespacial: teoria, técnicas e exemplos para geoprocessamento. São Paulo: Editora Unesp, 2014.

Figueirêdo, E. et alii. « Igualdade de Oportunidades: Analisando o Papel das Circunstâncias no Desempenho do ENEM ». Revista Brasileira de Economia, v. 68, n.3, p.373-392, set. 2014. https://doi.org/10.1590/s0034-71402014000300005.

Fleming, C. M. « Socio-Economic Level and Test Performance ». British Journal of Educational Psychology, v. 13, n. 2, p. 74-82, 1943. https://doi.org/10.1111/j.2044-8279.1943.tb02724.x.

IBGE. « Malha Municipal Digital 2010 », nov. 2015. Disponível em: <https://www.ibge.gov.br/geociencias/cartas-e-mapas/mapas-municipais.html> Acesso em 27 abr. 2020.

INEP. « Microdados do ENEM 2012 ». Brasília, 2013. Disponível em: <http://inep.gov.br/microdados>. Acesso em: 1º mar. 2017.

______. « Microdados do ENEM 2013 ». Brasília, 2015a. Disponível em: <http://inep.gov.br/microdados>. Acesso em: 7 jun. 2017.

______. « Microdados do ENEM 2014 ». Brasília, 2015b. Disponível em: <http://inep.gov.br/microdados>. Acesso em: 7 jun. 2017.

______. « Microdados do Censo da Educação Básica 2012 ». Brasília, 2016a. Disponível em: <http://inep.gov.br/microdados>. Acesso em: 21 maio. 2018.

______. « Microdados do Censo da Educação Básica 2013 ». Brasília, 2016b. Disponível em: <http://inep.gov.br/microdados>. Acesso em: 21 maio. 2018.

______. « Microdados do Censo da Educação Básica 2014 ». Brasília, 2016c. Disponível em: <http://inep.gov.br/microdados>. Acesso em: 19 maio. 2018.

______. « Microdados do Censo da Educação Básica 2015 ». Brasília, 2016d. Disponível em: <http://inep.gov.br/microdados>. Acesso em: 21 maio. 2018.

______. « Microdados do Censo da Educação Básica 2016 ». Brasília, 2016e. Disponível em: <http://inep.gov.br/microdados>. Acesso em: 21 maio. 2018.

______. « Microdados do ENEM 2015 ». Brasília, 2017a. Disponível em: <http://inep.gov.br/microdados>. Acesso em: 29 maio. 2017.

______. « Microdados do ENEM 2016 ». Brasília, 2017b. Disponível em: <http://inep.gov.br/microdados>. Acesso em: 10 maio. 2018.

______. « Microdados do ENEM 2017 ». Brasília, 2018a. Disponível em: <http://inep.gov.br/microdados>. Acesso em: 21 maio. 2018.

______. « Microdados do Censo da Educação Básica 2017 ». Brasília, 2018b. Disponível em: <http://inep.gov.br/microdados>. Acesso em: 26 maio. 2018.

______. « Microdados do ENEM 2018 ». Brasília, 2019a. Disponível em: <http://inep.gov.br/microdados>. Acesso em: 15 jul. 2019.

______. « Microdados do Censo da Educação Básica 2018 ». Brasília, 2019b. Disponível em: <http://inep.gov.br/microdados>. Acesso em: 15 jul. 2019.

Junqueira, R. D.; Martins, D. A.; Lacerda, C. B. F. « Política de acessibilidade e Exame Nacional do Ensino Médio (ENEM) ». Educação & Sociedade, v. 38, n. 139, p. 453-471, jun. 2017. https://doi.org/10.1590/es0101-733020171151513.

Marks, G. N. « Are Father’s or Mother’s Socioeconomic Characteristics more Important Influences on Student Performance? ». Recent International Evidence. Social Indicators Research, v. 85, n. 2, p. 293-309, 2008. https://doi.org/10.1007/s11205-007-9132-4.

Moura, D. H. « A Relação entre a Educação Profissional e a Educação Básica na CONAE 2010: possibilidades e limites para a construção do novo Plano Nacional de Educação ». Educação & Sociedade, v. 31, n. 112, p. 875-894, jul. 2010. https://doi.org/10.1590/S0101-73302010000300012.

Neprash, J. A. « Some Problems in the Correlation of Spatially Distributed Variables ». Journal of the American Statistical Association, v. 29, n. 185, p. 167-168, 1934. https://doi.org/10.1080/01621459.1934.10506246.

Patterson, C. J.; Kupersmidt, J. B.; Vaden, N. A. « Income Level, Gender, Ethnicity, and Household Composition as Predictors of Children’s SchoolBased Competence ». Child Development, v. 61, n. 2, p. 485-494, 1990. https://doi.org/10.1111/j.1467-8624.1990.tb02794.x.

Pearson, K. VII. « Mathematical Contributions to the Theory of Evolution. III. Regression, Heredity, and Panmixia ». Philosophical Transactions of the Royal Society of London. Series A, Containing Papers of a Mathematical or Physical Character, v. 187, p. 253-318, 31 dez. 1896. https://doi.org/10.1098/rsta.1896.0007.

Prefeitura de São Paulo. « Prefeituras Regionais », ago. 2018. Disponível em: <http://geosampa.prefeitura.sp.gov.br>. Acesso em 07 jun. 2020.

Robinson, W. S. « Ecological Correlations and the Behavior of Individuals ». American Sociological Review, v. 15, n. 3, p. 351-357, jun. 1950. https://doi.org/10.2307/2087176.

Silveira, F. L. et alii. « Exame Nacional do Ensino Médio (ENEM): Uma análise crítica ». Revista Brasileira de Ensino de Física, v. 37, v. 1, mar. 2015.

Thieme, C. et alii. « Value Added, Educational Accountability Approaches and their Effects on Schools’ Rankings: Evidence from Chile ». European Journal of Operational Research, v. 253, n. 2, p. 456-471, 2016. https://doi.org/10.1016/j.ejor.2016.01.023.

Torres, H. G. et alii. « Pobreza e espaço: padrões de segregação em São Paulo ». Estudos Avançados, v. 17, n. 47, p. 97-128, 2003. https://doi.org/10.1590/S0103-40142003000100006.

Travitzki, R. et alii. « ¿Qué información proporciona el examen nacional de enseñanza media (ENEM) a la sociedad Brasileña? ». Cepal Review, n. 113, p. 163-181, 2014. https://doi.org/10.18356/a8e61670-es.

Viggiano, E.; Mattos, C. (2013). « O desempenho de estudantes no Enem 2010 em diferentes regiões brasileiras ». Revista Brasileira de Estudos Pedagógicos, v. 94, n. 237, p. 417-438, ago. 2013. https://doi.org/10.1590/S2176-66812013000200005.

White, K. R. « The Relation between Socioeconomic Status and Academic Achievement ». Psychological Bulletin, v. 91, n. 3, p. 461-481, 1982. https://doi.org/10.1037/0033-2909.91.3.461.

Haut de page

Table des illustrations

URL http://journals.openedition.org/confins/docannexe/image/38804/img-1.png
Fichier image/png, 12k
URL http://journals.openedition.org/confins/docannexe/image/38804/img-2.jpg
Fichier image/jpeg, 1,1k
URL http://journals.openedition.org/confins/docannexe/image/38804/img-3.jpg
Fichier image/jpeg, 881 octets
URL http://journals.openedition.org/confins/docannexe/image/38804/img-4.jpg
Fichier image/jpeg, 859 octets
URL http://journals.openedition.org/confins/docannexe/image/38804/img-5.jpg
Fichier image/jpeg, 900 octets
URL http://journals.openedition.org/confins/docannexe/image/38804/img-6.jpg
Fichier image/jpeg, 701 octets
Titre Figura 1 – Subprefeituras do município de São Paulo.
Crédits Fonte: IBGE (2015); Prefeitura de São Paulo (2018). Elaborado por Eduardo Félix Justiniano
URL http://journals.openedition.org/confins/docannexe/image/38804/img-7.jpg
Fichier image/jpeg, 222k
Titre Figura 2 – Anamorfoses com áreas proporcionais ao número de concluintes de até 18 anos e a participação no ENEM por subprefeitura (2012-2018).
Crédits Fonte: INEP (2013, 2015a, 2015b, 2016a, 2016b, 2016c, 2016d, 2016e, 2017a, 2017b, 2018a, 2018b, 2019a, 2019b). Elaborado por Eduardo Félix Justiniano
URL http://journals.openedition.org/confins/docannexe/image/38804/img-8.jpg
Fichier image/jpeg, 198k
Titre Figura 3– Distribuição de concluintes do ensino médio de até 18 anos que pontuaram em todas as provas no ENEM por faixa de renda (2012-2018).
Crédits Fonte: INEP (2013, 2015a, 2015b, 2017a, 2017b, 2018a, 2019a). Elaborado por Eduardo Félix Justiniano
URL http://journals.openedition.org/confins/docannexe/image/38804/img-9.jpg
Fichier image/jpeg, 108k
Titre Figura 4 – Mapas de distribuição das escolas públicas no município de São Paulo, por tipo de ensino (2012-2018).
Crédits Fonte: INEP (2016a, 2016b, 2016c, 2016d, 2016e, 2018b, 2019b). Elaborado por Eduardo Félix Justiniano
URL http://journals.openedition.org/confins/docannexe/image/38804/img-10.jpg
Fichier image/jpeg, 287k
Titre Figura 5 – Gráficos de dispersão entre variáveis dos alunos concluintes de escolas públicas no município de São Paulo que participaram do ENEM (2012-2018).
Crédits Fonte: INEP (2013, 2015a, 2015b, 2016a, 2016b, 2016c, 2016d, 2016e, 2017a, 2017b, 2018a, 2018b, 2019a, 2019b). Elaborado por Eduardo Félix Justiniano
URL http://journals.openedition.org/confins/docannexe/image/38804/img-11.jpg
Fichier image/jpeg, 249k
Titre Figura 6 – Renda familiar per capita, pontuação e participação no ENEM, dos alunos concluintes de escolas públicas por Subprefeituras do município de São Paulo (2012-2018).
Crédits Fonte: INEP (2013, 2015a, 2015b, 2016a, 2016b, 2016c, 2016d, 2016e, 2017a, 2017b, 2018a, 2018b, 2019a, 2019b). Elaborado por Eduardo Félix Justiniano
URL http://journals.openedition.org/confins/docannexe/image/38804/img-12.jpg
Fichier image/jpeg, 382k
Titre Figura 7 – Mapas LISA e diagramas de espalhamento de Moran bivariado entre variáveis, dos alunos concluintes de escolas públicas no município de São Paulo (2012-2018).
Crédits Fonte: INEP (2013, 2015a, 2015b, 2016a, 2016b, 2016c, 2016d, 2016e, 2017a, 2017b, 2018a, 2018b, 2019a, 2019b). Elaborado por Eduardo Félix Justiniano
URL http://journals.openedition.org/confins/docannexe/image/38804/img-13.jpg
Fichier image/jpeg, 282k
Haut de page

Pour citer cet article

Référence électronique

Eduardo Felix Justiniano et Alfredo Pereira de Queiroz, « Renda, participação e desempenho no ENEM em São Paulo: uma abordagem espacial (2012-2018) »Confins [En ligne], 51 | 2021, mis en ligne le 28 août 2021, consulté le 05 février 2023. URL : http://journals.openedition.org/confins/38804 ; DOI : https://doi.org/10.4000/confins.38804

Haut de page

Auteurs

Eduardo Felix Justiniano

Universidade de São Paulo, ORCID: http://orcid.org/0000-0003-1469-4245, e.justiniano@usp.br.

Alfredo Pereira de Queiroz

Universidade de São Paulo, ORCID: http://orcid.org/0000-0003-4038-4953, aqueiroz@usp.br.

Haut de page

Droits d’auteur

CC-BY-NC-SA-4.0

Creative Commons - Attribution - Pas d’Utilisation Commerciale - Partage dans les Mêmes Conditions 4.0 International - CC BY-NC-SA 4.0

https://creativecommons.org/licenses/by-nc-sa/4.0/

Haut de page
  • Logo IHEAL (Institut des Hautes Études de l'Amérique Latine)
  • Logo CREDA (Centre de recherche et de Documentation sur les Amériques)
  • Logo USP (Universidade de São Paulo)
  • DOAJ - Directory of Open Access Journals
  • Latindex - Sistema Regional de Información en Línea para Revistas Científicas de América Latina, el Caribe, España y Portugal
  • Revue soutenue par l’Institut des sciences humaines et sociales du CNRS
    CNRS - Institut national des sciences humaines et sociales
  • OpenEdition Journals
Search OpenEdition Search

You will be redirected to OpenEdition Search