Fatores influenciadores dos resultados de matemática de estudantes portugueses e brasileiros no PISA: revisão integrativa

Abstract

Resumo:A presente revisão integrativa tem como objetivo conhecer os principais fatores influenciadores dos resultados de estudantes portugueses e brasileiros nas edições do PISA, de 2000 a 2012, de acordo com a literatura publicada. Identificaram-se cinco fatores e dez subfatores. Os fatores mais determinantes nos estudos considerados são o sistema educativo, o contexto socioeconômico dos estudantes e as características das escolas. Esta revisão integrativa evidencia que há uma multiplicidade de fatores que afetam o desempenho de estudantes no PISA, tanto em Portugal como no Brasil. Ressalta também a lacuna significativa de estudos na literatura, havendo fatores que são pouco ou mesmo nada estudados em ambos os países. Existe, assim, uma necessidade de maior investimento em investigação na área, aproveitando o manancial de dados gerados pelo PISA.Palavras-chave: PISA. Letramento em matemática. Desempenho. Sistema educativo. Brasil. Portugal. Abstract:The present integrative review has the goal of knowing the main factors influencing the results of Portuguese and Brazilian students in the editions of PISA, from 2000 to 2012, according to the published literature. Five factors and ten sub-factors have been identified. The more determinant factors in the considered studies were the educational system, the socioeconomic context of the students and the characteristics of schools. This integrative review gives evidence of the multiplicity of factors that affect the performance of students in PISA, in Portugal as in Brazil. There also exists a significant gap in studies in the literature, as there are factors that are scarcely or not at all analysed in both countries. There is in consequence a need of a bigger investment in research in this area, taking advantage of the huge set of data generated by PISA.

Predictors of Students’ Mathematics Achievement in Secondary Education

“…Of the 53 predictive variables used by the CART algorithm, only seven were used to construct the 20-leaf tree. On a scale from 0 to 100 points provided by the rpart package, the importance of these variables to predict the outcome variable is as follows: Regarding these variables, it is important to note that a considerable part of them belongs to the list of predictors of student performance in mathematics well recognized by the literature in the area (Akben-Selcuk, 2017;Karakolidis et al, 2016;Laros et al, 2010;Pangeni, 2014;Pinto et al, 2016;Thien & Ong, 2015), as is the case of family income, sex, type of school and the region where the student lives. In this sense, the results of the 20-leaf tree corroborate findings from the literature on performance predictors in mathematics.…”

“…Several studies support the argument that the three classes of predictors pointed out -individual, family and schoolstand out to explain student performance in mathematics (Akben-Selcuk, 2017;Karakolidis et al, 2016;Laros et al, 2010;Lee & Stankov, 2013;Martin & Lazendic, 2018;Pangeni, 2014;Pinto et al, 2016;Pipere & Mierina, 2017;Thien & Ong, 2015). For example, Karakolidis et al (2016) analyzed data from the International Student Assessment Program (PISA) for Greece, and found that gender, attending early childhood education, self-concept, self-efficacy and anxiety level in mathematics, as well as the socioeconomic status of the student and school are predictors of performance in mathematics.…”

“…The results indicated socioeconomic level, cultural resources, parental charge and incentive, disciplinary climate and collaborative work in school. In an integrative review, Pinto et al (2016) identified the main factors that influence the mathematics results of Brazilian and Portuguese students on PISA. The socioeconomic context, the educational system (e.g., high retention rates, educational inequality, school dropout) and school characteristics (public or private, school culture and teacher performance) were considered the factors most related to performance in mathematics.…”

As Percepções de um Professor e Alunos sobre o Ensino e as Questões de Ciências do PISA de 2015

“…De acordo com Pinto, Silva, e Neto (2016), existem poucas pesquisas que investigam os resultados do ensino de Ciências neste tipo de avaliação. Existem trabalhos que buscam analisar as questões de Ciências (Nora, Broietti, & Passos, 2016;Nora & Broietti, 2017;José, Angotti, & Bastos, 2016), as percepções dos professores sobre os resultados do PISA-2015 (Rodrigues & Cruz, 2017), os principais fatores que influenciam nos resultados do PISA, de acordo com a literatura publicada (Pinto, Silva, & Neto, 2016). Para nós, a falta de estudos que relacionam o PISA e o ensino de Ciências está nas principais críticas que existem sobre este programa.…”

“…Por fim, este trabalho corrobora muitas lacunas identificadas na literatura sobre esta temática, principalmente relacionadas à compreensão das avaliações sistêmicas por professores e estudantes e à inserção e compreensão da alfabetização científica no ensino de Ciências e na formação permanente dos professores. Pinto et al (2016) também ressaltam essas lacunas em estudos sobre o PISA e o ensino de Ciências. Por isto, entende-se que existe uma necessidade de maior investimento em investigações na área, aproveitando o manancial de dados gerados pelo PISA.…”