Temporal analysis of math proficiency and factors that impact school performance:

an investigation using data from basic education

Authors

DOI:

https://doi.org/10.23925/1983-3156.2025v27i3p258-281

Keywords:

Hierarchical model, Mathematical proficiency, Education Directorate, SARESP.

Abstract

During basic education, factors related to family environment and school infrastructure can influence a student's academic performance. Large-scale assessment systems seek to identify mechanisms to improve the quality of education in an effective and efficient manner. Given this context, this study aims to investigate the relationship between mathematics proficiency among third-year high school students from public schools in the state of São Paulo and the schools' pedagogical characteristics and socioeconomic profiles. To this end, data were collected on math scores, along with responses from a questionnaire administered to parents of students participating in the 2013 edition of SARESP. The methodology employs two-level hierarchical models, accounting for students nested within schools. The best-fitting model was selected based on the Akaike Information Criterion (AIC), and the analysis was conducted using RStudio. The results indicate that parental education level, family income, and student adherence to homework assignments positively affect mathematics performance. Finally, we would like to point out that failing grades and a lack of teachers for some subjects are detrimental to student learning.

Author Biographies

Camila Fernanda Bassetto, Universidade Estatudal Paulista "Júlio de Mesquita Filho" – UNESP

Livre docente em Estatística

Driely Turi Ursini, Faculdade de Ciências Humanas e Sociais - FCHS/UNESP - Campus de Franca

Possui graduação em Licenciatura em Matemática pela Universidade de Franca (2017), estudou Licenciatura em Matemática na Universidade Federal de São Carlos (2009-2015), foi bolsista do PIBID (Programa Institucional de Bolsa de Iniciação à Docência) entre os anos de 2011 a 2013, pela subárea de Matemática UFSCar, tem experiência na área de Educação Matemática.

Mestranda do Curso de Mestrado Profissional em Planejamento a Análise de Políticas Públicas, Área de Concentração: Desenvolvimento Social, da Faculdade de Ciências Humanas e Sociais Unesp - Câmpus de Franca.

Alvaro Martim Guedes, Faculdade de Ciências e Letras - FCL/UNESP - Campus de Araraquara

Possui graduação em Administração Pública pela Fundação Getúlio Vargas - SP (1985), mestrado em Administração Pública e Governo pela Fundação Getúlio Vargas - SP (1991) e doutorado em Administração Pública pela Fundação Getúlio Vargas - SP (1999). Atualmente é professor assistente doutor junto ao Curso de Administração Pública da Universidade Estadual Paulista Júlio de Mesquita Filho, Campus de Araraquara, UNESP-FCL/CAr e professor credenciado no Programa de Pós Graduação em Planejamento e Análise de Políticas Públicas.Tem experiência na área de Administração, com ênfase em Contabilidade e Finanças Públicas, atuando principalmente nos seguintes temas: administração pública, contabilidade pública, controle orçamentário, administração e finanças públicas.

Marco Aurélio Kistemann Júnior, Universidade Federal de Juiz de Fora - UFJF

Pesquisador de campo e Líder do Grupo Pesquisa de Ponta (UFJF) e Pesquisador Colaborador do Grupo PEA-MAT-PUC-SP-Processo de Ensino-Aprendizagem da Matemática.

Possui graduação em Matemática pela Universidade Federal de Juiz de Fora (1999) e Mestrado em Educação pela Universidade Federal do Rio de Janeiro (2004). Doutorado na Universidade Estadual Paulista (UNESP-RioClaro-2011) em Educação Matemática com tema referente à Educação Financeira, Produção de Significados e Educação Matemática Crítica.

References

Alavarse, O. M., Bravo, M. H. & Machado, C. (2013). Avaliações externas e qualidade na educação básica: articulações e tendências. Estudos em Avaliação Educacional, 24(54), 12-31

Alves, M. T. G. & Soares, J. F. (2008). O efeito das escolas no aprendizado dos alunos: um estudo com dados longitudinais no Ensino Fundamental. Educação e Pesquisa, 34 (3), 527-544.

Andrade, J. M., & Laros, J. A. (2007). Fatores associados ao desempenho escolar: Estudo multinível com dados do SAEB/2001. Psicologia: Teoria e Pesquisa, 23 (1), 33–42. https://doi.org/10.1590/S0102-37722007000100007

Barbosa, M. E. F., & Fernandes, C. (2000). Modelo multinível: Uma aplicação a dados de avaliação educacional. Estudos em Avaliação Educacional, (22).

Barbosa, M. E. F. & Fernandes, C. (2001). A Escola Brasileira Faz Diferença? Uma Investigação dos Efeitos da Escola na Proficiência em Matemática dos Alunos da 4ª série. In: F. Creso (org.), Avaliação, Ciclos e Promoção na Educação (pp. 155-178). Artmed Editora.

Bassetto, C. F. (2019). Background familiar e desempenho escolar: uma abordagem com variáveis binárias a partir dos resultados do Saresp. Revista Brasileira de Estudos de População, 36, e0077.

Bliese, P. Multilevel modeling in R (2.6): a brief introduction to R, the multilevel package and the nlme package. In: R DEVELOPMENT CORE TEAM. An introduction to R [S. l.: s. n.], 2016. https://cutt.ly/ZEIuKIc.

Bozdogan, H. (1987). Model selection and Akaike's information criterion (AIC): The general theory and its analytical extensions. Psychometrika, 52(3), 345-370.

Brasil. (1988). Constituição da República Federativa do Brasil de 1988. http://www.planalto.gov.br/ccivil_03/constituicao/constituicao.htm

Brasil. Ministério da Educação. (1996). Lei de Diretrizes e Bases da Educação Nacional – LDB (Lei nº 9394/96). http://www.planalto.gov.br/ccivil_03/leis/l9394.htm

Resolução SE Nº 27, de 29 de Março de 1996. (1996). Dispõe sobre o Sistema de Avaliação de Rendimento Escolar do Estado de São Paulo.

Brasil. (2014). Relatório Pedagógico de Matemática SARESP 2014. São Paulo, SP: Secretaria da Educação do Estado de São Paulo. https://file.fde.sp.gov.br/saresp/saresp2014/Arquivos/RELATORIO_PEDAGOGICO_MATEMATICA.pdf

Brasil. (2022). Sumário executivo SARESP 2022. São Paulo, SP: Secretaria da Educação do Estado de São Paulo. https://saresp.fde.sp.gov.br/Arquivos/SumarioExecutivo_SARESP_2022.pdf

Brito, K. R. L. A. & Conceição, S. da. (2024). Avaliação em larga escala: um breve histórico das políticas avaliativas no sistema educacional brasileiro. Revista Foco, 17(1), e4112.

Brooke, N., Fernandes, N. da S., Miranda, I. P. H. de ., & Soares, T. M. (2014). Modelagem do crescimento da aprendizagem nos anos iniciais com dados longitudinais da pesquisa GERES. Educação E Pesquisa, 40(1), 77–94. https://doi.org/10.1590/S1517-97022014000100006

Draper, N. R. & Smith, H. (1998). Applied Regression Analysis. Wiley.

Ferrão, M. E., Beltrão, K. I., Fernandes, C., Santos, D., Suárez, M. & Andrade, A. do C. (2001). O SAEB – Sistema Nacional de Avaliação da Educação Básica: objetivos, características e contribuições na investigação da escola eficaz. Revista Brasileira de Estudos de População, 18 (1/2), 111-130.

Fletcher, P. R. (1998). À procura do ensino eficaz. Ministério da Educação e Cultura, Departamento da Avaliação da Educação Básica.

Gelman, A. & Hill, J. (2006). Data analysis using regression and multilevel/hierarchical models. Cambridge University Press.

Goldstein, H. (1995). Multilevel statistical models. Wiley.

Hojas, V. F. (2017). SARESP: a escola como produtora de políticas. [Tese de Doutorado em Educação, Universidade Estadual Paulista “Júlio de Mesquita Filho”]. https://repositorio.unesp.br/server/api/core/bitstreams/4dc20cd8-e677-46e5-9fa1-726cddf33e69/content

Jesus, G. R. de & Laros, J. A. (2004). Eficácia escolar: regressão multinível com dados de avaliação em larga escala. Avaliação Psicológica, 3 (2), 93-106.

Kreft I. & Leeuw, J. de (1998). Introducing multilevel modeling. Sage Publications.

Laros, J. A. & Marciano, J. L. P. (2008). Análise multinível aplicada aos dados do NELS: 88. Estudos em avaliação educacional, 19(40), 263-278.

Laros, J. A., Marciano, J. L. P. & Andrade, J. M. de. (2010). Fatores que afetam o desempenho na prova de Matemática do SAEB: Um estudo multinível. Avaliação Psicológica, 9, 173-186.

Machado, A. F., Moro, S., Martins, L. & Rios, J. (2008). Qualidade do ensino em Matemática: determinantes do desempenho de alunos em escolas públicas estaduais mineiras. Revista Econômica da ANPEC, 9(1), p. 23-45

Menezes, E. T. & Santos, T. H. (2001). Verbete diretorias de ensino. Dicionário Interativo da Educação Brasileira – Educabrasil. http://www.educabrasil.com.br/diretorias-de-ensino/

Minhoto, M. A. (2016). Política de avaliação da educação brasileira: limites e perspectivas. In A. B. Gouveia (Org.), Políticas educacionais: conceitos e debates (pp. 147–168). Appris.

Palermo, G. A., Silva, D. B. N., & Novellino, M. S. F. (2014). Fatores associados ao desempenho escolar: uma análise da proficiência em matemática dos alunos do 5º ano do ensino fundamental da rede municipal do Rio de Janeiro. Revista Brasileira de Estudos de População, 31(2), 367–394. https://www.rebep.org.br/revista/article/view/673

Raudenbush, S. W. & Bryk, A. S. (2002). Hierarchical Linear Models: applications and data analysis methods. Sage Publications.

Riani, J. de L. R. & Rios-Neto, E. L. G. (2008). Background familiar versus perfil escolar do município: qual possui maior influência no resultado educacional dos alunos brasileiros? Revista Brasileira de Estudos Populacionais, 25(2), 251-269.

RStudio. (n.d.). RStudio: Integrated development environment for R. https://www.rstudio.com/

Soares, J. F. & Alves, M. T. G. (2003). Desigualdades raciais no sistema brasileiro de educação básica. Educação e Pesquisa, 29(1), 147-165.

Soares, J. F., Cesar, C. C., & Mambrini, J. (2001). Determinantes de desempenho dos alunos do ensino básico brasileiro. In F. Creso (Org.), Avaliação, ciclos e promoção na educação (pp. 121–154). Porto Alegre: Artmed.

Soares, T. M. & Mendonça, M. C. (2003). Construção de um modelo de regressão hierárquico para os dados do Simave-2000. Pesquisa Operacional, 23 (3), 421-441.

Soares, T. M. (2005). Modelo de três níveis hierárquicos para a proficiência dos alunos de 4ª série avaliados no teste de língua portuguesa do SIMAVE/PROEB-2002. Revista Brasileira de Educação, (29), 73–87. https://doi.org/10.1590/S1413-24782005000200007

Souza, A. R. (2016). Porque estudar políticas educacionais? In A. B. Gouveia (Org.), Políticas educacionais: conceitos e debates (pp. 13–22). Appris.

Downloads

Published

2025-08-31

How to Cite

Bassetto, C. F., Ursini, D. T., Guedes, A. M., & Kistemann Júnior, M. A. (2025). Temporal analysis of math proficiency and factors that impact school performance:: an investigation using data from basic education. Educação Matemática Pesquisa, 27(3), 258–281. https://doi.org/10.23925/1983-3156.2025v27i3p258-281

Issue

Vol. 27 No. 3 (2025): Volume 27.3 of 2025

Section

Artigos

License

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Autores que publicam nesta revista concordam com os seguintes termos:

    1. Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
    2. Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
    3. Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).