Português (pdf)
Artigo em XML
Tradução automática
Enviar este artigo por email
Permalink
INTRODUÇÃO
Ao longo do tempo, a educação tem sido reconhecida como um instrumento crucial para o progresso econômico e social da sociedade como um todo. Ela é considerada um recurso que impulsiona o desenvolvimento cultural, científico, econômico, tecnológico e social, desempenhando um papel fundamental no processo de crescimento econômico dos países, em termos de quantidade e qualidade do ensino. Nas últimas décadas, o sistema educacional brasileiro tem aumentado os investimentos na área, resultando em uma expansão significativa do acesso à educação para a população.
Segundo os dados da Pesquisa Nacional por Amostra de Domicílios (Pnad), no período de 2009 a 2011, houve um aumento na frequência de crianças com idades entre 4 e 5 anos matriculadas em creches e pré-escolas, passando de 74,7% para 77,4%. No ensino fundamental, embora o acesso esteja praticamente universalizado, a frequên- cia de estudantes de 6 a 14 anos ampliou-se de 97,6% para 98,2% (“Ensino público tem índice maior de estudantes de graduação”, 2012). No entanto, apesar da expansão dos investimentos e do acesso à educação, tem havido pouco progresso na melhoria da qualidade do ensino, um problema que ainda está longe de ser resolvido. Essa situação não é exclusiva do Brasil, sendo comum em vários países em desenvolvimento.
Nesse cenário, a baixa qualidade educacional no Brasil é frequentemente apontada como um obstáculo para a resolução dos problemas sociais e econômicos presentes no país, tais como os altos índices de pobreza e desigualdade de renda (Firpo & Pieri, 2012). Segundo Hanushek e Woessmann (2010), a qualidade da educação é influenciada por aspectos internos da escola, como infraestrutura, qualificação dos professores e práticas pedagógicas, além de fatores externos, como famílias e co- legas. Ignorar essas características pode levar a distorções nas análises do cresci- mento econômico.
De acordo com Linden et al. (2003), uma proposta que surgiu com o intuito de melhorar a qualidade da educação e, consequentemente, o desempenho dos alunos em testes de proficiência é o aumento do acesso dos estudantes às tecnologias da informação e comunicação (TICs), como computadores e internet. Ao integrar a informática ao processo de aprendizagem em países em desenvolvimento, busca-se compensar a baixa qualificação dos professores, tornando as escolas mais atraentes para os discentes.
No contexto de introdução de tecnologias nas escolas públicas, uma das iniciativas do Ministério da Educação (MEC) para disseminar e promover o uso pedagógico foi a implementação do Programa Um Computador por Aluno (Prouca). Sob essa perspectiva, o objetivo do governo federal era explorar novas formas de utilização das tecnologias, com foco em melhorias na qualidade educacional e inclusão digital, bem como impulsionar a produção brasileira na fabricação e manutenção dos equipamentos. Essa iniciativa não apenas se alinhava ao Plano de Desenvolvimento da Educação (PDE), mas também se integrava ao Programa Nacional de Tecnologia Educacional (Proinfo), aproveitando as bases existentes de gestão e formação estruturadas nos Núcleos Estaduais e Municipais de Tecnologia Educacional (NTE/M) (Ministério da Educação [MEC], 2010).
Dado esse contexto, o presente estudo tem como objetivo contribuir para a literatura por meio da avaliação do impacto do Prouca, do Fundo Nacional de Desenvolvimento da Educação (FNDE), no desempenho escolar, conforme medido pela avaliação do Sistema de Avaliação da Educação Básica (Saeb) de 2011. Os dados utilizados provêm de três fontes principais: o Saeb, que fornece informações sobre alunos e professores; o Censo Escolar, que contém dados sobre a infraestrutura das escolas; e uma base de dados que identifica especificamente as escolas beneficiadas pelo programa. A estratégia empírica utilizada neste estudo é o regression discontinuity design (RDD),1 mais especificamente a abordagem fuzzy RDD, devido ao salto observado na probabilidade de seleção das escolas tratadas.
A seguir, apresentam-se uma revisão da literatura relevante para o tema da pesquisa e uma análise do contexto do Prouca. Posteriormente, é enfatizada a estratégia empírica, incluindo uma descrição da base de dados, as formas de tratamento das variáveis e o método de regressão descontínua fuzzy. São discutidos os principais resultados obtidos após a aplicação dos métodos e, por fim, são apresentadas as considerações finais.
TECNOLOGIA, INCLUSÃO DIGITAL E DESEMPENHO ESCOLAR
Nos últimos anos, tem havido um aumento significativo de estudos voltados para o uso de tecnologias no ambiente escolar, visando a promover a inclusão digital e melhorar o processo de aprendizagem, especialmente em países em desenvolvimento. Muitas dessas pesquisas concentram-se na avaliação do impacto dessas tecnologias no desempenho dos estudantes; no entanto não há consenso na literatura sobre esse efeito. Diante disso, esta seção é dividida em duas subseções. A primeira apresenta uma revisão de algumas evidências empíricas internacionais que analisam programas públicos que ampliaram o acesso a computadores, a instalação de conexão à internet e o investimento em software acadêmico. A segunda subseção delineia o contexto do programa específico em estudo.
Evidências nacionais e internacionais
Iniciando as investigações relacionadas ao tema, Angrist e Lavy (2002) realizaram um estudo para avaliar o impacto de um programa que forneceu computadores e capacitação para professores do ensino fundamental e médio em escolas israelenses. Como principal fonte de dados, foi utilizado um teste aplicado aos alunos em junho de 1996, conduzido pelo National Institute for Testing and Evaluation (Nite). Metodologicamente, foram empregadas estimativas por ordinary least squares (OLS) para capturar o efeito do Computer-Aided Instruction (CAI), além de ter sido desenvolvido um estimador de variáveis instrumentais não lineares. Em resumo, os resultados indicaram um efeito negativo não significativo no desempenho escolar em testes de matemática para alunos de 4a e 8a séries.
Considerando essa perspectiva, Linden et al. (2003) argumentam que o resultado decepcionante observado em Israel pode estar relacionado à ideia de que o uso dos computadores substituiu o tempo dedicado ao ensino. Diante disso, os autores decidiram investigar os efeitos do programa Computer-Assisted Learning (CAL) em Vadodara, na Índia. Essa intervenção teve como objetivo aprimorar as habilidades matemáticas das crianças por meio de jogos educacionais, com foco especial nas crianças do 4o ano. A amostra utilizada incluiu 55 escolas que receberam o CAL e 56 escolas no grupo de controle. Os resultados mostraram que, em média, o programa aumentou as notas de matemática em 0,37 desvios padrão, mas não apresentou impacto aparente nas competências linguísticas.
Nos Estados Unidos, como forma de combater a exclusão digital, o governo implementou um amplo programa de subsídios conhecido como E-Rate. Nesse contexto, Goolsbee e Guryan (2006) conduziram um estudo para avaliar o impacto desse subsídio nos investimentos em internet e comunicações nas escolas públicas da Califórnia em 1998. Os autores estimaram uma equação de investimento utilizando dados sobre o uso de tecnologia escolar em todas as escolas no período de 1996 a 2000. Os resultados da pesquisa indicaram que o programa teve um efeito significativo na expansão da infraestrutura de internet nas escolas, porém encontraram poucas evidências de impacto sobre o desempenho dos alunos.
Em consonância com o estudo de Angrist e Lavy (2002), Leuven et al. (2007) realizaram uma avaliação de uma política implementada no ensino fundamental da Holanda, que fornecia dois tipos de subsídios para estudantes desfavorecidos. O primeiro subsídio visava a melhorar as condições de trabalho dos professores, enquanto o segundo fornecia computadores e software para as escolas com mais de 70% de alunos em situação de vulnerabilidade. Utilizando dados do Ministério da Educação, os pesquisadores aplicaram uma análise de regressão descontínua e, posteriormente, empregaram a estratégia de diferenças em diferenças para obter estimativas mais precisas. Os resultados do estudo indicaram a existência de evidências de efeitos negativos dos computadores no desempenho dos alunos em testes escolares.
Além disso, na literatura existem diversos estudos que investigam a distribui- ção de laptops para professores e alunos, uma vez que essa ação tem sido cada vez mais adotada nos últimos anos, especialmente em países em desenvolvimento. Estudos como o de Melo et al. (2014) e Cristia et al. (2017) avaliaram o impacto da iniciativa One Laptop per Child (OLPC), que foi lançada em 2005 e abrangeu diversos países ao redor do mundo. No entanto, os resultados dessas pesquisas não forneceram evidências conclusivas em relação ao impacto no desempenho escolar nos tes- tes padronizados.
No caso específico do Uruguai - primeiro país a implementar o programa OLPC em escala nacional -, Melo et al. (2014) conduziram uma avaliação do efeito desse programa no desempenho dos estudantes em leitura e matemática. Para isso, eles utilizaram uma estratégia de diferenças em diferenças, analisando dados em painel de alunos avaliados em 2006 e 2009. Os resultados indicaram que o programa não teve impacto nas notas dos alunos nessas áreas. Segundo os autores, uma possível explicação para a falta de efeito observada pode estar relacionada ao fato de que o principal uso dos laptops em sala de aula era para buscar informações na internet, em vez de ser utilizado para capacitar por meio de exercícios.
Em um estudo mais recente, Cristia et al. (2017) examinaram o impacto do programa OLPC em 319 escolas do ensino primário localizadas em áreas rurais do Peru. Utilizando uma abordagem de tratamento aleatório, os autores estimaram o efeito médio do programa por meio de regressões lineares ajustadas sob OLS, com base em dados coletados no final de 2010, aproximadamente 15 meses após a implementação do programa. Os resultados mostraram que o programa aumentou a disponibilidade de computadores por aluno, de uma média de 0,12 para 1,18. Além disso, foi observado impacto positivo nas habilidades cognitivas dos alunos. No entanto não foram encontrados efeitos significativos sobre o desempenho em matemática e linguagens. Em síntese, para melhorar a aprendizagem nessas duas disciplinas, é necessário combinar a disponibilidade de laptops com um modelo pedagógico de alta qualidade.
No Brasil, ao longo dos anos, as políticas públicas voltadas para a educação têm enfatizado fortemente a necessidade de informatizar as escolas e transformar as práticas de ensino em resposta às mudanças trazidas pela sociedade da informação. Diante disso, Dwyer et al. (2007) procuraram investigar o efeito do uso de computador sobre o desempenho de alunos do 5o e 9o anos do ensino fundamental e do 3o ano do ensino médio nas notas do Saeb. Os achados da pesquisa sugeriram que a utilização intensa do computador tende a reduzir o desempenho dos alunos de todas as séries e de todas as classes sociais. Portanto os autores indicam que é necessário repensar a função da informática no ensino, principalmente para alunos mais pobres, em que o emprego do computador está correlacionado a uma piora nos resultados educacionais.
Na mesma linha, Firpo e Pieri (2012) avaliaram o efeito do programa Tonomundo, lançado em 2000, que distribui computadores e equipamentos de informática, ca- pacitando professores de escolas pertencentes a municípios com níveis inferiores de Índice de Desenvolvimento Humano (IDH). Utilizando dados do Saeb para o 5o e 9o anos do ensino fundamental, os autores aplicaram um estimador de diferenças em diferenças combinado com técnicas de pareamento por observáveis. Os resultados indicaram que, em curto prazo, houve um efeito negativo do programa sobre o desempenho dos estudantes no 5o e 9o anos do ensino fundamental.
Ao examinarem a implementação do Prouca em cinco municípios (São João da Ponta, no Pará; Barra dos Coqueiros, em Sergipe; Tiradentes, em Minas Gerais; Santa Cecília do Pavão, no Paraná; e Terenos, no Mato Grosso do Sul), ao longo de 2010 e 2011, Lavinas e Veiga (2013) consideraram seu impacto diante das diferentes características dos alunos e de seus respectivos domicílios. Os resultados revelaram um baixo nível de aproveitamento do programa, uma vez que o acesso à internet continuou limitado e os beneficiários não pobres foram mais favorecidos pela intervenção.
A partir de revisão bibliográfica dos estudos relacionados ao programa, Silva (2014) identificou mais de quarenta teses e dissertações que abordam o assunto. A maioria desses estudos adotou metodologias qualitativas (incluíram entrevistas e questionários com professores, bem como observações em sala de aula), como estudos de caso em escolas participantes do programa. Os resultados, em geral, apontaram para questões como a inadequação da infraestrutura escolar, a falta de suporte técnico e pedagógico para atender às demandas, a velocidade insuficiente de acesso à internet para o uso efetivo dos laptops e, em algumas regiões, a falta de conectividade. Além desses fatores, os problemas na organização estrutural dos cursos de capacitação oferecidos, subutilização dos equipamentos e baixa frequência de uso nas escolas também contribuíram para uma análise negativa do programa.
Dando ênfase nos efeitos da inserção de TICs no ambiente escolar, Resende (2017) realizou a primeira avaliação sistemática do Prouca sobre a proficiência em português e matemática. A partir dos dados do Saeb e do Censo Escolar, o autor aplicou uma combinação de método de Propensity score matching (PSM) com diferenças em diferenças (DD). As evidências mostraram que, embora o programa tenha impactado a utilização dos computadores e da internet para fins pedagógicos, não houve efeitos significativos sobre o desempenho educacional dos estudantes nos testes padronizados de português e matemática.
No escopo desse estudo, Lima et al. (2018) buscaram avaliar o efeito do Prouca sobre o desempenho no Saeb e no Exame Nacional do Ensino Médio (Enem), em uma análise tanto em nível da escola, aplicando o método diferenças em diferenças combinado com o escore de propensão, quanto em nível do aluno, empregando o PSM. Os resultados mostraram que o Prouca teve impacto de 2,3% e 3,1% nas notas de provas de português e matemática, respectivamente, no 9o ano do ensino fundamental. Entretanto não foi observado efeito sobre o desempenho no Enem no 5o ano. Em síntese, os autores concluíram que os impactos da política não foram representativos quando se equiparam os resultados adquiridos pelo programa e os níveis de proficiência nas escalas de aprendizagem.
Conforme evidenciado na literatura apresentada, esse tipo de política pública não apresenta impacto significativo no desempenho escolar. É fundamental que essas tecnologias sejam integradas de maneira adequada ao ambiente escolar, aliadas a um planejamento pedagógico efetivo. Além disso, a implementação do programa deve seguir todas as diretrizes estabelecidas por lei, uma vez que o não cumprimento dessas diretrizes pode resultar na ausência de efeitos positivos no grupo de alunos beneficiados.
Background do Prouca
Inicialmente, o Prouca foi concebido como uma estratégia apresentada pelo pesquisador Nicholas Negroponte, do Instituto de Tecnologia de Massachusetts (MIT), durante o Fórum Econômico Mundial em Davos, Suíça, em 2005. Essa estratégia consistia na produção e distribuição em massa de laptops portáteis para crianças, dando origem à iniciativa internacional OLPC com a abordagem 1:1, ou seja, um laptop por criança. O objetivo desse movimento era promover a inclusão digital e aprimorar a qualidade da educação para crianças economicamente desfavorecidas em países em desenvolvimento (Fabris & Finco, 2012).
Diante disso, essa proposta2 foi sugerida ao governo brasileiro, que se mostrou interessado em testar os dispositivos doados em algumas escolas públicas. Assim, surgiu o Prouca, com o objetivo de aumentar a presença das TICs nas escolas por meio da distribuição de laptops na rede pública de ensino. Além disso, visava a revolucionar a educação a partir da inclusão digital pedagógica e do aprimoramento dos processos de ensino e aprendizagem de estudantes e professores nas escolas públicas do país (Lustosa et al., 2008).
Nesse contexto, a proposta do programa fundamenta-se nas seguintes premissas (Lustosa et al., 2008): a posse do laptop é do aluno, para garantir que ele possa levá-lo para casa e usufruir por um maior período; o foco é nas crianças com idade entre 6 e 12 anos, pois em diversos países a faixa etária da primeira etapa da educação básica se situa nesse intervalo; saturação digital conquistada através da dispersão do laptop em determinada escala, a fim de que cada criança tenha o seu; a conexão se dá por meio de uma rede sem fio, conectada à internet; e o software livre e aberto, para que cada país utilize a ferramenta, adequando-se às suas necessidades específicas.
Essa estratégia de implementação do Prouca contemplou duas fases. A fase 1, denominada de pré-piloto, consistiu na realização de testes e estudos preliminares da aplicabilidade dos laptops no contexto educacional durante 2007. Essa fase3 abrangeu cinco escolas públicas nas cidades de Porto Alegre (RS), Palmas (TO), Brasília (DF), São Paulo (SP) e Piraí (RJ), de modo que foi escolhida uma escola4 em cada uma dessas cidades para receber o laptop educacional (Lustosa et al., 2008).
Desde o início da proposta até a implementação do projeto, o governo brasileiro instituiu o Grupo de Trabalho de Assessoramento Pedagógico do UCA (GTUCA), pela Portaria Seed/MEC n. 8, de 19 de novembro de 2007. Esse grupo, junto com as universidades de cada estado, realizava o acompanhamento e avaliação das ações relativas à fase pré-piloto. Para tanto, o GTUCA era formado por assessores pedagógicos de diferentes instituições de ensino superior (IES) e por integrantes da Secretaria de Educação a Distância do Ministério da Educação (Seed/MEC)5 (MEC, 2010).
Em 2010, teve início a fase 2, denominada de piloto, com 150 mil laptops distribuídos em mais de 300 escolas públicas. Simultaneamente a essa etapa, houve um experimento que se intitulou de UCA-Total, em que seis municípios selecionados - Barra dos Coqueiros (SE), Caetés (PE), Santa Cecília do Pavão (PR), São João da Ponta (PA), Terenos (MS) e Tiradentes (MG) - tiveram todas as escolas contempladas com um laptop para cada aluno e professor. Essa expansão foi formalizada através da Lei n. 12.249, de 11 de janeiro de 2010.
Por intermédio do Decreto n. 7.243, de 26 de julho de 2010, o governo federal regulamentou o Prouca e o Regime Especial de Aquisição de Computadores para Uso Educacional (Recompe). Nesse caso, os estados e municípios puderam adquirir os equipamentos portáteis6 da empresa selecionada por meio do pregão eletrônico, de modo que, para incentivar a compra, foi disponibilizada uma linha de crédito7 para o financiamento junto ao Banco Nacional de Desenvolvimento Econômico e Social (BNDES), além de uma série de incentivos fiscais.
Os critérios de elegibilidade das escolas participantes para a fase 2 foram estabelecidos pelo Conselho Nacional de Secretários Estaduais de Educação (Consed), União Nacional dos Dirigentes Municipais de Educação (Undime), Secretaria de Educação a Distância do Ministério da Educação (Seed/MEC) e Presidência da República. Posto isso, os critérios são os seguintes:
limite máximo de quinhentos alunos e professores em cada escola;
as escolas devem possuir, obrigatoriamente, energia elétrica e condições mínimas de utilização dos equipamentos;
as escolas devem estar, preferencialmente, localizadas próximas aos núcleos de tecnologia educacional (NTEs) ou similares, instituições de ensino superior públicas ou escolas técnicas federais, de modo que, no mínimo, uma das escolas precisará estar localizada na capital do estado e uma na zona rural;
para cada escola selecionada, as respectivas secretarias de educação estaduais ou municipais devem aderir ao projeto por meio do envio de ofício ao MEC e assinatura de Termo de Adesão, manifestando compromisso e responsabilidades com o programa;
as secretarias de educação estaduais ou municipais participantes também devem enviar ao MEC um ofício com a aprovação do diretor, com anuência do corpo docente, em relação à participação no programa (MEC, 2010).
Considerando todas essas especificações, é importante apresentar, por meio da teoria da mudança, uma análise preliminar do desenho do programa. Assim, a Figura 1 ilustra o modelo lógico aplicado ao Prouca, mostrando seu problema inicial (baixo desempenho escolar) e percorrendo um processo até alcançar seu objetivo final. A hipótese é a de que, ao fornecer laptops para as escolas, permitindo que alunos e professores tenham acesso a um computador, haverá um aumento na motivação dos estudantes e, consequentemente, uma melhora nos índices de desempenho escolar.
Fonte: Adaptado de Casa Civil da Presidência da República et al. (2018, p. 151).
FIGURA 1 Modelo lógico do Prouca
Sob essa perspectiva, para que a política pública possa atingir o seu principal objetivo, isto é, melhorar o índice de desempenho dos alunos, é necessário que ela seja implementada corretamente seguindo todas as diretrizes impostas na lei, caso contrário, poderá não gerar efeito sobre o público-alvo. Tendo em vista isso, discutir-se-á, na próxima seção, a estratégia empírica utilizada para avaliar o efeito do Prouca sobre o desempenho das escolas nos testes de língua portuguesa e matemática.
ESTRATÉGIA EMPÍRICA
Na falta de um experimento aleatório, existem algumas metodologias que tentam recuperar o efeito causal da forma mais próxima possível, os chamados métodos quase-experimentais (Lee & Lemieux, 2010). Dentre diversas estratégias, destaca-se o método de RDD, que será utilizado para avaliar o efeito do Prouca na proficiência média das escolas nas disciplinas de português e matemática para os anos finais de ensino.
Como as regras não são perfeitamente cumpridas de acordo com os critérios de elegibilidade no Prouca, o intento é utilizar o número de alunos e professores previsto como sendo um instrumento para a quantidade realizada, explorando-se a descontinuidade na probabilidade ou no valor esperado do tratamento condicional (Angrist & Pischke, 2009). Em outros termos, pode-se dizer que a probabilidade de recebimento do Prouca é uma função descontínua da quantidade de alunos e professores, designando em um RDD fuzzy.
Base de dados e descrição das variáveis
As bases de dados utilizadas neste estudo são provenientes dos microdados do Saeb e do Censo Escolar e referem-se às escolas que participaram da prova em 2011. O Saeb é um programa de avaliações externas em larga escala, desenvolvido pelo Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (Inep), que tem como objetivo realizar um diagnóstico da educação básica no Brasil e identificar os fatores que podem influenciar o desempenho dos alunos.
As avaliações acontecem por meio de testes padronizados e questionários socioeconômicos aplicados a cada dois anos, sendo censitárias para a rede pública e amostrais para a rede privada. As provas são realizadas para os estudantes do 5o e 9o anos do ensino fundamental nas disciplinas de língua portuguesa e matemática, em que é feita também uma avaliação amostral para o 3o ano do ensino médio. Logo, o estudo vai recorrer aos resultados das provas correspondentes ao ano final do ensino fundamental (9o ano).
Os dados do Censo Escolar são utilizados para mensurar as características das escolas, possibilitando analisar a situação educacional nas escolas tanto da rede pública quanto da privada do país. De forma complementar, são utilizados dados referentes às escolas participantes do Prouca em 2010.
Diante disso, a Tabela 1 descreve todas as variáveis consideradas no estudo, sendo que as variáveis dependentes correspondem à proficiência da escola em língua portuguesa e matemática apenas para o 9o ano do ensino fundamental, enquanto as explicativas englobam a infraestrutura da escola, bem como o sexo e a cor/raça dos alunos, e professores com ensino superior. Vale ressaltar ainda que foi criada uma proxy para a running variable, a qual representa a soma do número de alunos e pro- fessores da escola.
TABELA 1 Descrição das variáveis
| DIMENSÃO | VARIÁVEIS | DESCRIÇÃO |
|---|---|---|
| RUNNING VARIABLE | ||
| Alunos mais professores | mat_prof | Quantidade de alunos matriculados nas escolas mais a quantidade de professores |
| VARIÁVEIS DEPENDENTES | ||
| Proficiência | media_lp9 | Proficiência média da escola em língua portuguesa para os alunos do 9o do ensino fundamental |
| media_mt9 | Proficiência média da escola em matemática para os alunos do 9o do ensino fundamental | |
| DIMENSÃO | VARIÁVEIS | DESCRIÇÃO |
| VARIÁVEIS EXPLICATIVAS | ||
| Participação do programa | tratamento | Escola contemplada com o programa: 1 se participou; 0 caso contrário |
| Nível da escola | energia_rede_publica | Possui abastecimento de energia da rede pública? 1 sim; 0 não |
| sala_diretoria | Possui sala da diretoria? 1 sim; 0 não | |
| sala_prof | Possui sala dos professores? 1 sim; 0 não | |
| lab_inf | Possui laboratório de informática? 1 sim; 0 não | |
| lab_cien | Possui laboratório de ciências? 1 sim; 0 não | |
| biblioteca | Possui biblioteca? 1 sim; 0 não | |
| sala_leit | Possui sala de leitura? 1 sim; 0 não | |
| tv | Possui TV? 1 sim; 0 não | |
| videocassete | Possui videocassete? 1 sim; 0 não | |
| dvd | Possui DVD? 1 sim; 0 não | |
| computadores | Possui computadores? 1 sim; 0 não | |
| banda_larga | Possui internet banda larga? 1 sim; 0 não | |
| alimentacao | Possui alimentação? 1 sim; 0 não | |
| qd_esportes | Possui quadra de esportes? 1 sim; 0 não | |
| num_funcionarios | Número de funcionários | |
| Nível do aluno | pro_mulheres | Proporção de mulheres na escola |
| pro_pretos | Proporção de alunos pretos na escola | |
| Nível do professor | pro_prof_ens | Proporção de professores com ensino superior |
Fonte: Elaborado com base nos dados do Saeb e do Censo Escolar (Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira [Inep], 2011a, 2011b).
É importante destacar que, das 335 escolas que receberam os laptops do Prouca, somente 164 (grupo de tratamento) foram incluídas na amostra, pois nem todas realizaram a prova do Saeb em 2011. Finalmente, a amostra para o grupo de controle consistiu em 31.435 observações.
Regressão descontínua fuzzy
Em linha com o estudo de Angrist e Pischke (2009), o RDD fuzzy acontece quando existe uma descontinuidade no valor esperado ou na probabilidade de tratamento condicional. Com isso, o resultado consiste em um desenho em que a descontinuidade se transforma em uma variável instrumental (VI) para a condição de tratamento, ocorrendo, então, um “salto” na probabilidade de ser tratado. Fortificando a natureza do método, define-se: D i como uma variável dummy que indica o tratamento, sendo 1 para tratado e 0 para caso contrário; x i é a running variable; e c 1 corresponde ao ponto de corte (ou salto) da distribuição de x. Desse modo, tem-se:
Em que g 0(x i ) e g 1(x i ) são funções distintas (quanto mais diferirem, melhor), com imagem entre 0 e 1 para todo x i . Partindo disso, a relação entre a probabilidade de tratamento e x i pode ser determinada por:
Onde T i = 1(x i ≥ c 1). Nesse caso, a variável dummy T i designa o ponto de descontinuidade em E(D i |x i ).
O RDD fuzzy pode ser estimado por uma estratégia de mínimos quadrados em 2 estágios (MQ2E), de modo que a equação (1) corresponde ao primeiro estágio, sendo T i o instrumento para o tratamento D i . No segundo estágio, controlando por funções da running variable x i , faz-se uma regressão da variável resposta Y i , levando em conta E(D i |x i ). Fundamentalmente, o efeito a ser mensurado pode ser explícito da seguinte forma:
Em tal caso, utilizando T i como um instrumento dummy para D i numa δ-vizinhança de c 1, o resultado ρ equivale ao efeito médio local do tratamento. O análogo amostral de (3) é o estimador de Wald, interpretado por Hahn et al. (2001), que mede o efeito causal nos compliers, definidos como indivíduos cujo status de tra- tamento altera na proporção em que se move o valor de x i da esquerda de c 1 para a direita de c 1.
A partir do que foi apresentado neste estudo, o tratamento não é definido de maneira determinística, o que configura exatamente o caso do Prouca, já que apenas uma pequena parte das escolas de ensino público aderiu ao programa. Assim, o limite de 500 representa uma mudança na probabilidade, mas não de 0 para 1, como no caso sharp.A expectativa é que as escolas com um número abaixo desse limite tenham uma probabilidade de recebimento do programa superior àquelas acima desse limite.
Assim, será realizada a estimação em dois estágios. Primeiro, a quantidade predita do número de alunos e professores, caso essa regra seja estritamente cumprida, se dará por uma regra análoga à de Maimonides, desenvolvida, a princípio, por Angrist e Lavy (1999):
Em que alun_prof_pred é a quantidade de alunos e professores na escola predita pelo máximo estabelecido de acordo com a lei formalizada (máximo de 500); e int( . ) é a parte inteira de um número real.
Após ser criado o instrumento, o modelo empírico estimado pode ser formalizado a partir da equação do segundo estágio:
Onde Y é a proficiência (em português ou em matemática); P refere-se ao Prouca, que assume valor 1 para as escolas elegíveis e 0 para caso contrário; alun_pro_pred é o número médio estimado de alunos e professores predito pela equação (4), indicando se a escola está abaixo ou acima do ponto de corte; X são as características observáveis dos alunos (sexo e cor/raça), dos professores (escolaridade) e da infraestrutura da escola; e ε é o termo de erro estocástico.
O parâmetro β 1 é o impacto a ser estimado e corresponde à diferença entre os limites à esquerda e à direita do ponto de corte (c). Ademais, caso a escola esteja com o número de alunos mais professores menor ou igual ao cutoff, essa escola é do grupo de tratamento, caso contrário, encontra-se no grupo de controle. Partindo disso, foram estimadas regressões lineares locais com pesos kernel triangulares, o que significa efetuar uma regressão dentro de uma janela (ℎ) em ambos os lados do ponto de corte, calculada por meio do procedimento de Calonico et al. (2014).
Existe uma hipótese fundamental para a validade dos resultados do modelo. Para Lee e Lemieux (2010), a hipótese de aleatorização local diz respeito ao controle impreciso dos indivíduos sobre a running variable; então, o tratamento é tão bom quanto se atribui aleatoriamente em torno do cutoff. Para testar essa hipótese, realizaram-se os testes de densidade8 propostos por Cattaneo et al. (2020) para analisar se as escolas podem manipular o número de alunos e professores para eles serem elegíveis ao programa.
Além disso, verificou-se, também, o teste de sensibilidade das estimativas correlatas ao bandwidth, recomendado por Imbens e Lemieux (2008), fazendo estimações em outros limiares superiores e inferiores para observar se há significância. Enfim, foram empregados, em todas as regressões lineares, pesos kernel triangulares,9 polinômios de ordem 2 e 3, estimador de variância-covariância (nearest neighbors) nn10 e largura de banda ótima (Mean Squared Error) mserd.11 A escolha desses graus de polinômios ajusta a flexibilidade do modelo à realização dos dados, em que o polinômio de ordem 2 flexibiliza a captura de curvaturas sem sobreajuste, e o polinômio 3 pode captar variações mais complexas.
ANÁLISE E DISCUSSÃO DOS RESULTADOS
Esta seção destina-se a apresentar os dados estatísticos, estimativas do modelo e testes de validade. Primeiramente, são realçados os gráficos do desenho de regressão descontínua para analisar se há uma descontinuidade em torno do cutoff, em seguida são expostas as principais evidências do efeito do Prouca nos resultados educacionais e, por fim, apresentam-se os testes de robustez, os quais compreendem os testes de densidade atribuídos por Cattaneo et al. (2020), o de falsificação/placebo e o de sensibilidade propostos por Imbens e Lemieux (2008).
Estatísticas descritivas
De acordo com os dados obtidos junto ao Ministério da Educação, 335 escolas foram contempladas com os computadores do Prouca em 2010. Desse quantitativo, ao fazer a mesclagem daquelas que estavam no Censo Escolar com as participantes da avaliação do Saeb, 164 escolas formaram a base para o grupo de tratamento e 31.435 compuseram o grupo de controle nos anos finais do ensino fundamental. Apesar da discrepância no número de observações, é possível verificar uma semelhança geral entre as médias das variáveis de resposta e das variáveis explicativas.
Em concordância com as evidências iniciais, a Tabela 2 apresenta as estatísticas descritivas das variáveis que compõem os grupos de tratamento e controle. Para as escolas do grupo de tratamento, as médias de desempenho no Saeb correspondem a 239,78 em português e 246,55 em matemática, enquanto para as escolas do grupo de controle essas médias se situam em torno de 236,07 e 243,01, respectivamente. Comparando os dois grupos, nota-se que as médias das escolas nas duas disciplinas estão próximas, mas um pouco superiores para o grupo de tratamento. Os desvios padrão também são próximos. A média de alunos mais professores é de 693,26, o que reforça a escolha do RDD fuzzy.
TABELA 2 Estatística descritiva das variáveis
| DIMENSÕES / VARIÁVEIS | TRATAMENTO = 164 | CONTROLE = 31.435 | ||
|---|---|---|---|---|
| MÉDIA | DP | MÉDIA | DP | |
| RUNNING VARIABLE | ||||
| Alunos mais professores | 693,26 | 410,09 | 949,70 | 580,66 |
| VARIÁVEIS DEPENDENTES | ||||
| Proficiência em língua portuguesa | 239,78 | 23,46 | 236,07 | 20,14 |
| Proficiência em matemática | 246,55 | 27,26 | 243,01 | 22,40 |
| VARIÁVEIS EXPLICATIVAS | ||||
| Proporção de mulheres | 0,49 | 0,04 | 0,49 | 0,04 |
| Proporção de alunos pretos | 0,02 | 0,03 | 0,03 | 0,04 |
| Proporção de professores com ensino superior | 0,89 | 0,15 | 0,86 | 0,20 |
| Energia da rede pública | 1,00 | 0,00 | 0,99 | 0,07 |
| Sala da diretoria | 0,90 | 0,30 | 0,95 | 0,22 |
| Sala dos professores | 0,92 | 0,27 | 0,90 | 0,30 |
| Laboratório de informática | 0,90 | 0,30 | 0,87 | 0,34 |
| Laboratório de ciências | 0,19 | 0,39 | 0,27 | 0,44 |
| Biblioteca | 0,68 | 0,47 | 0,63 | 0,48 |
| Sala de leitura | 0,27 | 0,44 | 0,30 | 0,46 |
| Número de salas utilizadas | 11,05 | 6,97 | 12,05 | 6,34 |
| TV | 0,99 | 0,08 | 0,98 | 0,12 |
| Videocassete | 0,62 | 0,49 | 0,64 | 0,48 |
| DVD | 0,97 | 0,17 | 0,97 | 0,17 |
| Internet | 0,94 | 0,24 | 0,88 | 0,33 |
| Internet banda larga | 0,82 | 0,38 | 0,86 | 0,35 |
| Número de funcionários | 52,11 | 29,37 | 58,27 | 3,33 |
| Alimentação | 1,00 | 0,00 | 1,00 | 0,00 |
| Quadra de esportes | 0,57 | 0,50 | 0,64 | 0,48 |
| Idade média dos alunos da escola | 13,81 | 2,79 | 14,26 | 2,56 |
Fonte: Elaborado com base nos dados do Saeb (Inep, 2011b).
Desenho de regressão descontínua
Para analisar uma estrutura de RDD, segundo Calonico et al. (2015), devem ser plotados gráficos para observar se existe uma descontinuidade na média condicional em torno do ponto de corte (cutoff). Assim, os gráficos a seguir esboçam a relação entre o desempenho das escolas no Saeb para os anos finais, tanto em língua portuguesa quanto em matemática, e a quantidade de alunos e professores das escolas da rede pública de ensino no Brasil.
Na Figura 2, utilizando uma banda ótima, os intervalos de confiança das médias do desempenho em língua portuguesa e matemática concernentes às escolas pertencentes aos grupos de tratamento e controle estão expostos, de forma separada. Diante disso, no eixo das abscissas está contida a variável alunos mais professores, com ponto de corte igual a 500, sendo que à esquerda estão as escolas com maiores chances de serem contempladas com o programa (grupo de tratamento) e à direita estão aquelas que não receberam o programa (grupo controle).
Em continuidade, a Figura 3 traça a média amostral com os dados agrupados uniformemente espaçados com ajustes polinomiais de ordem dois para as observações dos grupos controle e de tratamento. Na amostra completa com a dispersão dos dados brutos com espaçamento quantil (QS), Figura 4, as linhas tracejadas de vermelho correspondem aos ajustes polinomiais de segunda ordem com as observações dos grupos controle e de tratamento.
Com fundamento nas evidências acima, as duas variáveis de resultado - desempenho em língua portuguesa e matemática - apresentaram uma descontinuidade em torno do limiar (500), pois foi observado um salto na vertical da linha vermelha no intervalo que estão inseridas as observações em torno do ponto de corte.
Fonte: Elaborado com base nos dados do Saeb e do Censo Escolar (Inep, 2011a, 2011b).
Nota: Foi usada a largura de banda ótima mserd, que é um seletor de largura de banda ideal MSE de Calonico et al. (2019).
FIGURA 2 Médias condicionais do desempenho em língua portuguesa e matemática com intervalos de confiança
Fonte: Elaborado com base nos dados do Saeb e do Censo Escolar (Inep, 2011a, 2011b).
Nota: Foi usada a largura de banda ótima mserd, que é um seletor de largura de banda ideal MSE de Calonico et al. (2019). Médias calculadas com os dados uniformemente espaçados e com ajustes polinomiais de ordem dois para ambos os grupos.
FIGURA 3 Médias amostrais do desempenho em língua portuguesa e matemática ao longo do ponto de descontinuidade
Fonte: Elaborado com base nos dados do Saeb e do Censo Escolar (Inep, 2011a, 2011b).
Nota: Foi usada a largura de banda ótima mserd, que é um seletor de largura de banda ideal MSE de Calonico et al. (2019).
FIGURA 4 Desempenho médio por escola em língua portuguesa e matemática (amostra completa)
Efeito do Prouca nos resultados educacionais
Com o objetivo de confirmar as evidências encontradas na análise gráfica, o panorama traçado na Tabela 3 apresenta os principais resultados do segundo estágio baseado nas estimativas do RDD fuzzy, que estima os efeitos locais do Prouca sobre o desempenho escolar nas disciplinas de português e matemática no 9o ano. Porém, como foi percebido na seção anterior, a literatura sobre o efeito das políticas públicas 1:1 na proficiência dos alunos esboça impactos nulos, principalmente nos países em desenvolvimento.
Desse modo, inicialmente foram realizadas estimações sem covariadas, e, em seguida, fez-se a inclusão delas para obter resultados mais precisos. No tocante aos resultados encontrados sem a utilização de covariadas, não foram constatados efeitos estatisticamente significativos do programa na qualidade do ensino das escolas tratadas, tanto em português como em matemática.
TABELA 3 Estimativa do efeito do Prouca sobre a proficiência em português e matemática para o segundo estágio sem covariadas
| PORTUGUÊS | |||||
|---|---|---|---|---|---|
| Método | Coef. | Erro padrão | z | P>|z| | [95% C.I.] |
| Convencional | 130,234 | 95,331 | 1,366 | 0,172 | [-56,611; 317,078] |
| Viés corrigido | 107,365 | 95,331 | 1,126 | 0,260 | [-79,480; 294,210] |
| Robusto | 107,365 | 107,471 | 0,999 | 0,318 | [-103,274; 318,004] |
| MATEMÁTICA | |||||
| Método | Coef. | Erro padrão | z | P>|z| | [95% C.I.] |
| Convencional | 131,423 | 105,537 | 1,245 | 0,213 | [-75,425; 338,271] |
| Viés corrigido | 121,713 | 105,537 | 1,153 | 0,249 | [-85,135; 328,561] |
| Robusto | 121,713 | 118,841 | 1,024 | 0,306 | [-111,212; 354,638] |
Fonte: Elaborado com base nos dados do Saeb e do Censo Escolar (Inep, 2011a, 2011b).
Nota: Foi usada a largura de banda ótima mserd, que é um seletor de largura de banda ideal MSE de Calonico et al. (2019). Todas as especificações utilizam a função kernel triangular. Polinômios de ordem 2 e 3.
Em continuidade, a Tabela 4 exibe as estimativas com a inserção das covariadas. Da mesma forma que a análise anterior, não foram evidenciados efeitos do Prouca na proficiência em português e matemática, pois apresentaram p-valores acima de 5%, o que explica a não significância dos coeficientes. Esses resultados vão ao encontro da literatura internacional supracitada no primeiro momento sobre os programas que ofertaram um computador por criança (Angrist & Lavy, 2002; Melo et al., 2014; Cristia et al., 2017).
Em síntese, vale destacar que alguns estudos nacionais que buscaram captar o impacto do Prouca nos testes padronizados mostraram-se inconclusivos quanto à análise de aprendizagem. Alguns trabalhos encontraram resultados negativos (Dwyer et al., 2007; Firpo & Pieri, 2012) e outros não denotaram efeito significante em algumas abordagens (Resende, 2017). Em contrapartida, esses resultados divergem do estudo de Lima et al. (2018), uma vez que os autores encontraram impacto positivo na performance dos alunos, mas, apesar disso, o programa não foi eficaz na percepção de elevar o nível de educação do ensino público.
TABELA 4 Estimação do efeito do Prouca sobre a proficiência em português e matemática para o segundo estágio com covariadas
| PORTUGUÊS | |||||
|---|---|---|---|---|---|
| Método | Coef. | Erro padrão | z | P>|z| | [95% C.I.] |
| Convencional | 126.633 | 185.984 | 0.681 | 0.496 | [-237.889, 491.155] |
| Viés corrigido | 130.474 | 185.984 | 0.702 | 0.483 | [-234.048, 494.996] |
| Robusto | 130.474 | 195.053 | 0.669 | 0.504 | [-251.823, 512.771] |
| MATEMÁTICA | |||||
| Método | Coef. | Erro padrão | z | P>|z| | [95% C.I.] |
| Convencional | 122,548 | 201,172 | 0,609 | 0,542 | [-271,742; 516,839] |
| Viés corrigido | 124,051 | 201,172 | 0,617 | 0,537 | [-270,239; 518,342] |
| Robusto | 124,051 | 210,929 | 0,588 | 0,556 | [-289,361; 537,464] |
Fonte: Elaborado com base nos dados do Saeb e do Censo Escolar (Inep, 2011a, 2011b).
Nota: Foi usada a largura de banda ótima mserd, que é um seletor de largura de banda ideal MSE de Calonico et al. (2019). Todas as especificações utilizam a função kernel triangular. Polinômios de ordem 2 e 3.
Por intermédio dos resultados apresentados, pode-se enfatizar que o programa demonstrou falhas no processo de implementação que comprometeram o produto final. Entre os principais problemas, destaca-se a falta de capacitação dos professores, que, embora tenham participado de capacitações, não se mostraram efetivamente preparados para o uso pedagógico dos recursos tecnológicos, uma vez que não dispunham de uma base de conhecimento adequada em tecnologia educacional. Ademais, a distribuição dos computadores sem o devido acompanhamento, em alguns casos, resultou na ausência de seu uso efetivo em atividades pedagógicas (Lavinas & Veiga, 2013; Resende, 2017).
De outra forma, durante o período que envolveu a fase de implementação do Prouca, um aspecto fundamental que poderia ser adicionado ao desenho da política, dadas as falhas identificadas, era a questão da infraestrutura de internet de alta velocidade nas escolas. De acordo com um estudo do Banco Interamericano de Desenvolvimento (BID), publicado em 2013 (Casa Civil da Presidência da República et al., 2018), várias escolas apresentavam estrutura suficiente para receber os computadores, mas não tinham acesso à internet. Nessa situação, o uso pedagógico das tecnologias ficou restrito somente a atividades básicas, como noções de informática e digitação (Casa Civil da Presidência da República et al., 2018).
Um ponto importante para o insucesso da política foi o fato de que a quantidade de alunos e professores envolvidos chegava ao limite de 500, o que comprometeu o critério de seleção final das escolas beneficiadas. Como foi destacado na estatística descritiva desta pesquisa, a média da soma do número de alunos mais professores por escola foi de aproximadamente 693, mostrando que houve escolas que receberam computadores mesmo superando o limite estabelecido pela política. No que se refere a essa questão, Resende (2017) evidenciou que aproximadamente 25% das instituições selecionadas tinham menos de 200 alunos, enquanto outras 10%, mais de 600.
Diante do exposto, é imprescindível mencionar que a política foi descontinuada. Então, a avaliação realizada neste estudo teve o intuito de orientar o desenho e a implementação de políticas semelhantes ao Prouca no futuro. A partir dessas considerações, reforça-se a necessidade de um melhor planejamento integrado que contemple não apenas a distribuição de recursos tecnológicos, mas também o processo de capacitação dos educadores. Além disso, é preciso garantir uma entrega e instalação em ambientes com infraestrutura adequada, incluindo um acesso de qualidade à internet, a fim de que as ferramentas tecnológicas possam ser aproveitadas com máxima eficiên- cia. Por fim, alinhar essas questões pode potencializar efeitos positivos nos resultados educacionais dos estudantes.
Testes de robustez
Objetivando apresentar a robustez dos resultados encontrados neste estudo, esta subseção apresenta os testes de densidade, de falsificação/placebo e análise de sensibilidade.
Teste de densidade
Analisando os resultados do teste de manipulação de densidade robusto de Cattaneo et al. (2020), o qual está em linha com o teste de McCrary (2008), pode-se inferir que não existe evidência de manipulação sistemática da variável de elegibilidade, isto é, descarta-se a hipótese de manipulação da quantidade de alunos e professores inseridos na escola (Tabela 5). De outra forma, observa-se na Figura 5 que não há evidência de descontinuidade na variável de elegibilidade, de modo que o intervalo de confiança (parte sombreada sob as linhas) circunda o salto das observações em que ocorre o cutoff.
TABELA 5 Teste de manipulação sobre a quantidade de alunos e professores
| MÉTODO | T | P > |T| |
|---|---|---|
| Convencional | -2,4561 | 0,014 |
| Robusto | -1,4992 | 0,1338 |
Fonte: Elaborado com base nos dados do Saeb e do Censo Escolar (Inep, 2011a, 2011b).
Nota: Todas as especificações utilizam a função kernel triangular. Ordem dos polinômios é p = 2 e q = 3.
Teste de falsificação/placebo
Ao considerar o uso de covariadas (variáveis independentes) em sua pesquisa, Calonico et al. (2019) enfatizam que a inclusão dessas variáveis no modelo visa a aumentar a precisão das estimativas de regressão descontínua do efeito do tratamento. Então, os autores exigem que o tratamento não tenha impacto sobre as covariadas no ponto de corte. Nesse sentido, seguindo essa exigência, efetuou-se o teste de balanceamento de todas as covariadas para garantir a randomização dos grupos de tratamento e controle, para que, a partir disso, se pudesse equiparar esses dois grupos. Isso pode ser validado por meio do teste de falsificação/placebo das covariadas. Ante isso, a Tabela 6 traz um delineamento do teste de balanceamento das covariadas selecionadas na amostra.
Tabela 6 Teste de falsificação/placebo, balanceamento das covariadas
| VARIÁVEIS | EFEITO DO RDD ROBUSTO | P-VALOR |
|---|---|---|
| Proporção de mulheres | 0,0051 | 0,0039 |
| Proporção de alunos pretos | 0,0013 | 0,5040 |
| Proporção de professores com ensino superior | 0,0148 | 0,0979 |
| Laboratório de informática | 0,0343 | 0,0144 |
| Laboratório de ciências | 0,0608 | 0,0007 |
| Videocassete | 0,0058 | 0,7796 |
| Número de salas utilizadas | 1,6495 | 0,0000 |
| Sala de leitura | 0,0334 | 0,1006 |
| VARIÁVEIS | EFEITO DO RDD ROBUSTO | P-VALOR |
| Energia da rede pública | 0,0020 | 0,4077 |
| Sala da diretoria | 0,0176 | 0,0687 |
| DVD | 0,0192 | 0,2465 |
| Internet banda larga | 0,0530 | 0,0153 |
| Quadra de esportes | -0,0019 | 0,5206 |
| Sala dos professores | 0,0192 | 0,2465 |
| Biblioteca | 0,0530 | 0,0153 |
| TV | -0,0019 | 0,5206 |
| Computadores | 0,0178 | 0,2647 |
| Internet | 0,0868 | 0,0000 |
| Número de funcionários | -0,0022 | 0,5405 |
Fonte: Elaborado com base nos dados do Saeb e do Censo Escolar (Inep, 2011a, 2011b).
Percebe-se que a maior parte das covariadas escolhidas não apresentou coeficientes estatisticamente significantes, com exceção da proporção de mulheres, laboratório de informática, laboratório de ciências, número de salas utilizadas, banda larga, biblioteca e internet, com um nível de 5%. Isso demonstra que não há diferença significativa da maioria das variáveis observadas próximas ao ponto de corte, o que permite comparar os grupos de tratamento e controle.
Teste de sensibilidade
Como proposto por Imbens e Lemieux (2008), o teste de sensibilidade das estimativas, no que se refere ao bandwidth, realiza estimações em pontos abaixo e acima do limiar. Assim, a escolha do bandwidth 460 e 540 e a consideração de polinômios de grau 2 e 3 são essenciais para gerar um equilíbrio entre viés e variância do estimador, conforme evidenciado pela literatura metodológica sobre estimação local. A Tabela 7 demonstra esse teste das variáveis respostas.
TABELA 7 Teste de sensibilidade do bandwidth para português e matemática
| PORTUGUÊS | ||||||
|---|---|---|---|---|---|---|
| Método | c = 460 | c = 540 | ||||
| Coef. | Erro padrão | P>|z| | Coef. | Erro padrão | P>|z| | |
| Convencional | 1,128 | 1,499 | 0,452 | 0,278 | 0,568 | 0,625 |
| Viés corrigido | 1,340 | 1,499 | 0,371 | 56,233 | 0,568 | 0,000 |
| Robusto | 1,340 | 1,606 | 0,404 | 56,233 | 120,937 | 0,642 |
| MATEMÁTICA | ||||||
| Método | c = 460 | c = 540 | ||||
| Coef. | Erro padrão | P>|z| | Coef. | Erro padrão | P>|z| | |
| Convencional | 1,523 | 1,689 | 0,367 | 0,870 | 0,638 | 0,173 |
| Viés corrigido | 1,682 | 1,689 | 0,319 | 95,578 | 0,638 | 0,000 |
| Robusto | 1,682 | 1,811 | 0,353 | 95,578 | 135,727 | 0,481 |
Fonte: Elaborado com base nos dados do Saeb e do Censo Escolar (Inep, 2011a, 2011b).
Nota: Utiliza a função kernel triangular.
Com a finalidade de identificar se há significância em pontos fora do cutoff (500), foram realizadas estimações do mesmo modelo para as proficiências de português e matemática utilizando diferentes pontos de corte, isto é, novos limiares inferiores a 460 e superiores a 540. Como é perceptível, a partir da Tabela 6, não há significância dos coeficientes em outros pontos de corte.
CONSIDERAÇÕES FINAIS
Nos últimos anos no Brasil, as políticas educacionais ganharam ênfase em razão do baixo desempenho que o país vem apresentando em testes padronizados. Um dos esforços para a melhoria da qualidade educacional foi a implementação do Programa Um Computador por Aluno, em 2010, cujo intuito era a inserção de tecnologia nas escolas através da entrega de laptops para alunos e professores, propagando, dessa forma, a inclusão digital. Como foi exposto anteriormente, foram entregues cerca de 150 mil laptops para mais de 300 escolas em todo o país.
Em função disso, este trabalho buscou traçar uma abordagem diferente para avaliar o impacto do Prouca no desempenho escolar, usando como variável resposta a proficiência em língua portuguesa e matemática. A fonte de dados utilizada foi o Saeb de 2011, compreendendo somente os alunos do 9o ano que realizaram a prova. A metodologia aplicada nas estimações foi o método de desenho de regressão descontínua fuzzy, sendo possível por causa da existência de uma restrição descrita na lei para a elegibilidade do programa e a ausência de manipulação correlato a running variable.
Os resultados apresentaram ausência de efeito do programa sobre as notas em português e matemática. No que tange à robustez dessas evidências, o teste de densidade mostrou que não houve manipulação da variável de elegibilidade, uma vez que, para participar do programa, era necessário ter um número de alunos e professores de no máximo 500, o que tornaria mais difícil essa manipulação.
Diante disso, as evidências encontradas nesta pesquisa se mostram coerentes com a literatura, no que concerne à inserção de TICs no ambiente escolar. A partir do que foi supramencionado, surgiram várias políticas públicas em larga escala, tencionando a distribuição de laptops para as escolas em países em desenvolvimento; porém as avaliações sobre os efeitos dessas intervenções na melhora da qualidade do ensino evidenciam um certo padrão de resultados inexistentes, nas quais o Prouca se insere.
Vale destacar que este estudo não faz uma crítica à introdução de tecnologias nas escolas; pelo contrário, alinhar a tecnologia com boas práticas pedagógicas pode vir a contribuir para a melhoria da qualidade educacional e, por conseguinte, do desempenho escolar dos alunos. Todavia, caso a implementação siga os passos do Prouca, a posteriori poderá não gerar impactos significativos no avanço da qualidade educacional do Brasil.
