• Daniel Prokop

Souvislost sociálního znevýhodnění a vzdělávacích problémů

podrobná výzkumná zpráva (pdf)


Česká republika patří mezi země, pro něž je typický silný vliv socioekonomického statusu na vzdělávací šance a vzdělanostní mobilitu. Co ale není z většiny existujících výzkumů zřejmé, je to, jakými mechanismy se vliv socioekonomického statusu projevuje. Tedy jaké konkrétní faktory a problémy na straně chudších a méně vzdělaných rodin souvisí s vyššími šancemi na vzdělanostní problémy. Česko má také velké regionální vzdělávací nerovnosti. Jednoduchá srovnání, ale ukazují, že některé kraje (v PISA často Karlovarský, Ústecký) dopadají v mezinárodních testech hůře než odpovídá průměrnému socioekonomickému statusu rodin a některé kraje (často Liberecký či Zlínský) dopadají hůře. To naznačuje kromě vlivu samotné kvality vzdělávací soustavy, že socioekonomické znevýhodnění může mít řadu podob, z nichž některé se vzdělávací neúspěšností souvisí více a jiné méně.

Cílem této studie podpořené Bader Philanthropies a Aspen Central Europe bylo nejprve zjistit, jaké faktory se na individuální úrovni (tedy na úrovni žáků) podílejí na vzdělávací neúspěšnosti (data PISA). Hlavním cílem pak bylo zmapovat. jak se liší zasažení dětí socioekonomickými problémy jako exekuce, bytová nouze, nezaměstnanost rodičů či rozvodovost na úrovni obcí s rozšířenou působností (ORP) a jak zasažení sociálními problémy souvisí se vzdělávací neúspěšností v obci. Pokusili jsme se také vytvořit mapu typů ORP podle kombinace sociálních a vzdělávacích problémů.

Hlavní zjištění výzkumu:

  • Míra absencí, roky předškolního vzdělávání a mateřský jazyk na individuální úrovni silně souvisí se vzdělávací úspěšností, a to i při kontrole vlivu socioekonomického a kulturního statusu rodiny (ESCS) a školy, kam dítě chodí. K analýze na PISA 2018 používáme dvojstupňový regresní model. Ukazuje, že i v rámci základních škol (tedy pokud očistíme vliv jejich kvality) a mezi žáky se srovnatelným socioekonomickým a kulturním statusem mají v mezinárodních testech vyšší úspěšnost ti, kteří mají omezené absence, mluví doma Česky a absolvovali 2 a více let předškolní péče. Vliv socioekonomického statusu se při kontrole těch faktorů snižuje. Do jisté míry je to tedy širší proxy proměnná pro řadu statických a dynamických faktorů v rodinách a že cílené intervence (např. předškolní vzdělávání) mohou snížit vliv znevýhodnění, které si děti přinášejí z rodin.



POZN: V dvouúrovňové analýze kontrolujeme kromě navštěvované základní školy na individuální úrovni i deklarované studijní motivace. Absence a vzdělávací neúspěšnost mohou být obojí důsledkem nižších motivací, což očištěním jejich vlivu částečně řešíme.

  • Sociální a vzdělávací problémy se v obcích často vyskytují společně, proto testujeme, které typy sociálních problémů více souvisí se vzděláním na úrovni ORP (obce s rozšířenou působností). Jednorozměrná analýza ukazuje, že s různými typy vzdělávacích problémů (nedokončení 9 tříd ZŠ, neprospívání, vysoké absence) to, kolik rodičů je v dané obci zasaženo exekucemi a kolik dětí trpí bytovou nouzí. Menší souvislost je s nezaměstnaností a velmi malá s mírou rozvodovosti v oblasti.


  • Některé sociální problémy v obcích spolu souvisí. S využitím faktorové analýzy jsme identifikovali dva hlavní faktory / typy znevýhodnění v oblasti, které nazýváme destabilizující chudoba a socio-ekonomické znevýhodnění. Destabilizující chudoba má především souvislost s vysokým počtem exekucí rodičovské populace a neadekvátním bydlením dětí, socio-ekonomické znevýhodnění pak se vzdělaností obyvatelstva a dlouhodobě vyšší nezaměstnaností v ORP. Typy vzdělávacích problémů (absence, nedokončení 9 tříd ZŠ a neprospívání) tvoří jeden faktor - vzdělávací neúspěšnost v lokalitě. Že destabilizující chudoba a socio-ekonomické znevýhodnění jsou dva často související, ale různé projevy sociálního znevýhodnění v oblasti, ukazuje srovnání krajů. V krajích jako Vysočina či Zlínský kraj je vysoká míra socioekonomického znevýhodnění (dlouhodobě vyšší nezaměstnanost a vyšší počet méně vzdělaných lidí), ale nízká míra destabilizující chudoby. Naopak v Ústeckém kraji a také v některých velkých městech napříč republikou je převis destabilizující chudoby daný častějším sociálním vyloučením, urbánností regionu (nižší sociální vazby) a dalšími faktory.


  • Destabilizující chudoba souvisí se vzdělávacími problémy v obcích (ORP) třikrát silněji než socioekonomické znevýhodnění. To platí i když zkoumáme efekt obou proměnných v regresní analýze a navíc očistíme vliv širších regionálních podmínek (víceúrovňový model s okresem na první úrovni). Celkově tedy i v rámci regionů a při očištění vlivu nezaměstnaností a vzdělaností v lokalitě (faktor socioekonomické znevýhodnění ORP), mají mnohem vyšší vzdělávací problémy ty obce, kde je vysoká exekvovanost rodičů a děti žijí v bytové nouzi. Nemusí se jednat o přímý kauzální efekt, ale ukazuje se, že vzdělávací problémy jsou regionálně silně propojeny s destabilizujícími dopady sociálního vyloučení na rodiny s dětmi - ne jen s tím, jaké je vzdělání a zaměstnanost rodičů v lokalitě.











Pozn: Grafy jsou tzv. průměrné mezní efekty (average marginal effects). Ukazují, jak se u průměrné obce (ORP) mění odhadovaná míra vzdělávací neúspěšnosti při různých úrovních destabilizující chudoby a kontrole druhého faktoru a širších regionálních proměnných (okres).

  • Na základě metody LCA (Latent class analysis) klasifikujeme 206 ORP v České republice do 4 skupin podle sociálních a vzdělávacích problémů:

  1. Bez výrazných vzdělávacích a sociálních problémů (98)

  2. S kombinací některých projevů chudoby a školních problémů (48)

  3. Vzdělávání mírně zaostává za sociálním statusem (40)

  4. Silné zatížení sociálními a vzdělávacími problémy (28)

  • ORP s problémy sociálními a vzdělávacími problémy (typ 4) jsou nejčastěji k nalezení v Ústeckém, Karlovarském a částech Moravskoslezského kraje. ORP, kde vzdělávání zaostává za sociálním statusem (typ 3), jsou častěji ve venkovských oblastech, což může poukazovat na problematičnost decentralizovaného systému vzdělávání. Některé ORP navzdory problémům jak s destabilizující chudobou, tak se socioekonomickým znevýhodněním, mají lepší výsledky vzdělávání, než by se očekávalo. Mezi takové patří například Krnov, kde se dlouhodobě snaží o desegregaci vzdělání.


Doporučení

Z pohledu veřejných politik naše analýza ukazuje, že vzdělávací a sociální problémy spolu souvisí a nelze je řešit odděleně. Je komplikované přicházet s efektivními opatřeními, nicméně existuje řada dobrých příkladů jak z ČR, tak zahraničí.

  1. Je zásadní posílit snahy proti segregaci a sociálnímu vyloučení chudších rodin s dětmi. Státní samospráva by měla řešit fakt, že okolo 15 % rodičů s dětmi na ZŠ v Česku je v exekucích. Lokální samosprávy musí zavádět opatření, která sníží problémy s bydlením v jejich komunitách.

  2. Je zásadní motivovat (například finančně) kvalitní pedagogy a ředitele a školní psychology, aby šli pracovat do znevýhodněných škol a regionů, kde jsou často silně poddimenzovaní, což znemožňuje snahu o vyrovnání horších startovacích podmínek a znevýhodnění některých dětí.

  3. Je nutné podporovat snahy o inkluzi romských žáků ze znevýhodněných rodin do vzdělávání. Úspěšným příkladem pro další města může být Krnov. Podle zprávy Ombudsmana (2018) je ale v ČR stále přibližně 140 segregovaných škol.

  4. Zlepšení situace může napomoct snižování absencí jako prediktoru školního neúspěchu. Tomu jsou uzpůsobené intervence směřující na školu a rodinu - například sociální pedagog (či jiná profese zaměřená na redukci absencí) a vyšší propojené sociálních a vzdělávacích služeb.

  5. Snížení nerovností by napomohla menší decentralizace vzdělávacího systému - tedy zavedení nějakého typu středního článku vedení školství, který by mimo jiné zodpovídal za kvalitu vzdělávání v mikro-regionu.

Analýza zkoumá regionální faktory v jednom časovém bodě, neumožňuje tak vyzkoumat kauzální vztahy, ale spíše asociaci a míru propojení různých problémů. V budoucnosti budeme navazovat zkoumáním souvislosti proměnných v čase a rozšířením o další faktory.

857 zobrazení

PAQ - Prokop Analysis and Quantitative Research, s.r.o.

Vršovická 817/5, Praha 10 - 101 00

IČ 08466912

  • Šedý Twitter Icon