Gli studenti quindicenni nel Veneto: quali
Transcript
Gli studenti quindicenni nel Veneto: quali
OCSE - PISA 2003 Programme for International Student Assessment Gli studenti quindicenni nel Veneto: quali competenze? RAPPORTO REGIONALE DEL VENETO a cura di Maria Teresa Siniscalco e Claudio Marangon INVALSI Istituto nazionale per la valutazione del sistema educativo di istruzione e di formazione MIUR Ufficio Scolastico Regionale per il Veneto Struttura della ricerca Rappresentante italiano presso il Board of Governing Countries del progetto OCSE-PISA: Chiara Croce (fino al 2002) e Giacomo Elias (dal 2003). National Project Manager italiano di PISA 2003: Maria Teresa Siniscalco. Comitato Nazionale OCSE/PISA: Giuseppe Bertagna, Giovanni Biondi, Francesca Brait, Pasquale Capo, Giuseppe Cosentino, Silvio Criscuoli, Giuseppe Del Re, Giacomo Elias, Antonio Giunta La Spada, Mario Marchi, Attilio Oliva, Simona Pace, Eddo Rigotti, Felice Rizzi, Nicola Rossi, Carlo Sbordone, Giovanni Trainito. Comitato tecnico-scientifico presso l’INValSI (ha operato fino al 2001): Giuseppe Bove, Raimondo Bolletta, Vittoria Gallina, Michela Mayer, Michele Pellerey. Rappresentante italiano presso il Mathematics Forum di PISA 2003: Raimondo Bolletta. Responsabile per il campionamento: Giuseppe Bove. Gruppo di lavoro presso l’INValSI: Giorgio Asquini, Elisa Caponera, Alessandro Carusi, Carlo di Chiacchio, Margherita Emiletti, Stefania Pozio, Maria Alessandra Scalise. Durante lo svolgimento dello studio principale hanno collaborato: Nicoletta Di Bello, Paola Giangiacomo, Cristina Lasorsa, Agnese Lombardo, Giuseppe Longo, Ornella Papa, Monica Perazzolo, Valeria Tortora. Referente amministrativa del progetto: Maria Rosaria Lustrissimi. Per gli ambiti della matematica e delle scienze hanno collaborato Raimondo Bolletta e Michela Mayer coadiuvati da Maria Batini, Francesca Beneo, Franca Carotti, Elena Crespina, Carla De Santis, Cristina Ipsevich, Giovanni Olivieri, Francesco Paglino, Ovidio Pasquali, Daniela Proia, Ferruccio Rohr, Claudia Teodoli, Daniela Valenti. Gruppo di lavoro presso l’Ufficio Scolastico Regionale per il Veneto: Claudio Marangon, Roberta Cielo, Angela Martini, Giuseppe Martini<. Si ringraziano: - tutte le persone del Consorzio internazionale e dell’OCSE per la loro puntuale collaborazione, e in particolare, Ray Adams, Alla Berezner, Aletta Grisay, Sheila Krawchuk, Keith Rust, Wolfram Schulz, Andreas Schleicher, Claudia Tamassia, Sophie Vayssettes - Elisa Bolzonello e Chiara Compagnin per il contributo fornito nell'elaborazione dei dati presentati nei capitoli 11 e 12 - le scuole, gli insegnanti e gli studenti la cui adesione e attiva partecipazione alla rilevazione hanno reso possibile la realizzazione dell’indagine. Copertina di Angela Pierri © 2005 Ufficio Scolastico Regionale per il Veneto – Direzione Generale Calle dei Miracoli, Palazzo Van Axel Cannaregio 6071 - 30131 VENEZIA tel. 041 2405011 http://www.istruzioneveneto.it Direttore Generale: Carmela Palumbo Stampato in Italia - Printed in Italy presso Tipolitografiche N.T.L. di Castagnole di Paese (TV) Il presente volume può essere riprodotto per l’utilizzo da parte delle scuole per le attività di formazione del personale direttivo e docente. Esso non potrà essere riprodotto e utilizzato parzialmente o totalmente per scopi diversi da quello sopraindicato, salvo esplicita autorizzazione dell’USR per il Veneto. INDICE Presentazione 5 Introduzione 6 La ricerca 1. Cosa è PISA Maria Teresa Siniscalco 11 2. Aspetti metodologici Maria Teresa Siniscalco 17 I risultati Sintesi dei principali risultati e note introduttive 25 3. La competenza matematica dei quindicenni Raimondo Bolletta e Stefania Pozio 29 4. La competenza di lettura dei quindicenni Maria Teresa Siniscalco 59 5. La competenza scientifica dei quindicenni Michela Mayer 77 6. La capacità di problem solving dei quindicenni Giorgio Asquini 91 7. Motivazioni, atteggiamenti e strategie di apprendimento Elisa Caponera e Carlo Di Chiacchio 111 8. I risultati di PISA in relazione al contesto socio-economico e culturale Maria Teresa Siniscalco 119 9. Caratteristiche delle scuole e apprendimento della matematica Maria Teresa Siniscalco e Giorgio Asquini 139 Approfondimenti 10. Le competenze di base in matematica in PISA 2003 e il curricolo del biennio superiore Roberta Cielo 169 11. Le differenze di genere e la struttura della scuola secondaria di secondo grado Angela Martini 177 12. Analisi multilivello dell’impatto di variabili individuali e scolastiche sulle prestazioni in matematica e in lettura Lorenzo Bernardi, Angela Martini e Susanna Zaccarin 209 Dopo PISA: dalla riflessione sui dati alle politiche di miglioramento Claudio Marangon 237 Riferimenti bibliografici 245 Gli Autori 249 APPENDICE: Tabelle con i dati presentati nelle figure o nel testo 251 Presentazione È con profonda soddisfazione che presento questo Rapporto regionale PISA 2003, che consegna a tutti coloro che sono interessati a comprendere il nostro sistema scolastico i risultati di una ricerca del massimo interesse e importanza per il mondo della scuola. Questa indagine, che riguarda le competenze dei nostri studenti quindicenni, ha l'obiettivo di verificare in che misura, a conclusione della scuola dell'obbligo, essi abbiano acquisito alcune competenze che i governi dei paesi dell’OCSE (Organizzazione per la Cooperazione e lo Sviluppo Economico) giudicano essenziali nelle tre aree della lettura, della matematica e delle scienze. Non si tratta tanto delle conoscenze acquisite nel corso del loro ciclo di studi, quanto piuttosto delle competenze che serviranno loro per svolgere un ruolo consapevole e attivo per affrontare le sfide della società del domani. È indiscutibile il prestigio di cui gode questa ricerca, promossa dall’OCSE con periodicità triennale, che interessa le principali nazioni del mondo, tra cui l’Italia, che vi ha preso parte sin dal primo ciclo 2000. Per la prima volta, tuttavia, il Veneto vi partecipa con un proprio ruolo indipendente dal contesto nazionale, avendo commissionato uno studio specifico su un proprio campione di studenti che è rappresentativo della realtà territoriale regionale. Questa modalità di partecipazione, che l’Ufficio Scolastico Regionale per il Veneto ha voluto e sostenuto con un forte impegno finanziario, pone la nostra regione, assieme a poche altre realtà locali, in una posizione di avanguardia, e ne conferma l’impegno a misurarsi e a confrontarsi in un consesso a dimensione internazionale. Nel confronto, la nostra regione fa registrare risultati complessivi che possiamo definire di buon livello, ma che ci impegnano, al tempo stesso, ad una più attenta analisi che vada oltre una prima, inevitabilmente superficiale, lettura, per affrontare le numerose e complesse indicazioni che ci vengono da un’analisi più approfondita dei dati ora in nostro possesso. È questo lo scopo del presente Rapporto, che l’Ufficio Scolastico Regionale per il Veneto assume come punto di riferimento per una propria riflessione che possa anche sostenere future azioni di indirizzo e di governo del sistema scolastico, invitando ad analoga riflessione tutti coloro che, a vario titolo, concorrono alla definizione e all’attuazione delle politiche scolastiche a livello locale. Al tempo stesso il Rapporto viene proposto all’attenzione di tutte le Istituzioni scolastiche del territorio, che da esso emergono chiaramente come lo snodo cruciale tramite il quale soltanto è possibile realizzare quell’innalzamento dei livelli di competenza e quel miglioramento continuo del sistema che l’Unione Europea ci pone come pressante priorità e che è negli auspici della società intera. Carmela Palumbo Direttore Generale - Ufficio Scolastico Regionale per il Veneto 5 Introduzione PISA 2003 è il secondo ciclo del Programme for International Student Assessment (Programma valutazione internazionale degli studenti) cui i Governi dell’OCSE (l’Organizzazione per Cooperazione e lo Sviluppo Economico) hanno dato avvio nel 1997 con l’obiettivo di valutare competenze dei quindicenni scolarizzati su base periodica e consentire un monitoraggio dei sistemi istruzione in una prospettiva comparata. di la le di A tale ciclo hanno partecipato i 30 paesi membri dell’OCSE, ai quali si sono aggiunti altri 11 paesi per un totale di 41 nazioni, distribuite a rappresentare gran parte delle aree economicamente più avanzate del pianeta. Alla ricerca, che per l’Italia è stata gestita in qualità di Agenzia nazionale dall’INValSI (l’Istituto nazionale per la valutazione del sistema educativo di istruzione e di formazione con sede a Frascati), il Veneto ha preso parte con un campione rappresentativo del proprio territorio, costitito da 1538 studenti quindicenni appartenenti a 52 scuole della regione. La partecipazione del Veneto, assieme a quella di altre realtà territoriali che hanno preso parte all’indagine con propri campioni1, ha costituito per l’Italia un elemento innovativo introdotto per la prima volta proprio in questo secondo ciclo di PISA. Ciò consente ora ai responsabilli delle politiche scolastiche sul territorio di disporre di analisi specifiche di dettaglio di grande valore scientifico, la cui comprensione può contribuire a meglio valutare quali azioni possano essere messe in atto per il miglioramento del sistema scolastico anche a livello locale. Il presente rapporto, che illustra i risultati del Veneto in PISA 2003 collocandoli nel più ampio contesto nazionale e internazionale, è la sintesi del lavoro del Gruppo che ha operato presso l’INValSI e di quello che si è costituito presso l’Ufficio Scolastico Regionale per il Veneto in collaborazione con l’IRRE del Veneto e con il Dipartimento di Scienze Statistiche dell’Università di Padova. Tra i componenti del gruppo veneto vogliamo ricordare Giuseppe Martini, la cui improvvisa scomparsa ci ha privati di un amico e di un collaboratore insostituibile. Il rapporto è articolato in tre diverse parti. Nella prima parte (La ricerca) il capitolo 1 illustra le principali caratteristiche dell’indagine OCSE-PISA e gli aspetti specifici di PISA 2003, tra i quali la definizione degli ambiti di “literacy” che in essa vengono valutati (matematica, lettura, scienze, problem solving). Il capitolo 2 presenta sinteticamente gli aspetti metodologici dell’indagine, descrivendo gli strumenti utilizzati e le caratteristiche della somministrazione. Nella seconda parte (I risultati) si presentano gli esiti della ricerca relativi al Veneto nelle quattro aree di indagine. A quello che in PISA 2003 è stato l’oggetto principale di rilevazione è dedicato il capitolo 3 che, dopo una descrizione delle modalità di valutazione della competenza matematica e delle corrispondenti scale di competenza, presenta i risultati degli studenti della regione collocandoli nel quadro nazionale e internazionale. Altrettanto fanno, rispettivamente per i risultati della competenza in lettura, di quella scientifica e del problem solving, i capitoli 4, 5 e 6, in ognuno dei quali sono anche riportati e commentati esempi di quesiti che sono stati sottoposti agli studenti. Il capitolo 7 presenta quindi i dati relativi agli aspetti motivazionali e di autoregolazione dell’apprendimento della matematica, considerati anch’essi come risultati dell’esperienza scolastica e come fattori che, a loro volta, sono in relazione con il livello di competenza conseguito. Il capitolo 8 colloca i risultati degli studenti nel più ampio contesto del background socio-economico e culturale, sia a livello internazionale sia a livello nazionale. In particolare, si fornisce un quadro descrittivo dei fattori di background familiare considerati da PISA, si considera la relazione tra lo status socio-economico e culturale e i risultati di matematica degli studenti e si analizza, infine, la relazione tra il background e i risultati a livello di scuole. Il capitolo 1 A PISA 2003 hanno partecipato con campioni rappresentativi del proprio territorio la Lombardia, il Piemonte, la Toscana, il Veneto, e le province autonome di Trento e di Bolzano. 6 9 considera i fattori relativi alla scuola e all’ambiente di apprendimento in senso lato e alle loro relazioni con il livello di competenza matematica degli studenti. Tra gli aspetti considerati vi sono il “clima” della scuola e della classe e le relazioni studenti-insegnanti, le risorse di cui dispongono le scuole in termini di personale, attrezzature e infrastrutture e aspetti relativi all’organizzazione e alla gestione della scuola e all’impostazione didattica. La terza parte del rapporto (Approfondimenti) comprende alcuni contributi, ciascuno dei quali costituisce un'unità a sé, che approfondiscono o analizzano aspetti o temi specifici trattati nella seconda parte. Il capitolo 10 propone una riflessione sulla relazione esistente tra i curricoli di matematica effettivamente messi in atto nel biennio dell’attuale scuola secondaria di secondo grado e i risultati conseguiti nelle prove di PISA. Il capitolo 11 prende in esame, invece, un particolare punto vista dal quale osservare il fenomeno indagato, riflettendo sulla struttura della scuola secondaria di secondo grado alla luce delle differenze di genere di cui propone una dettagliata analisi. Il capitolo 12 valuta, utilizzando l’analisi multilivello, quale impatto abbiano le variabili individuali degli studenti e quelle delle scuole sulle differenze di risultati riscontrabili nel confronto tra scuola e scuola e all’interno di una stessa scuola. A conclusione del percorso di analisi, l’ultimo contributo affronta il problema del rapporto tra la riflessione sui dati della ricerca e le implicazioni in termini di politiche scolastiche, un campo nel quale il livello tecnico-scientifico e quello politico-amministrativo dovrebbero auspicabilmente dialogare nella prospettiva di interventi sostenibili che siano indirizzati ad un reale e percepibile miglioramento del servizio scolastico. Maria Teresa Siniscalco e Claudio Marangon 7 La ricerca 1. Cosa è PISA Maria Teresa Siniscalco 1.1 Caratteristiche distintive del progetto In che misura la scuola oggi prepara i giovani ad affrontare la vita, con la capacità di esercitare una cittadinanza attiva e consapevole, di inserirsi in un mercato del lavoro che richiede mobilità e apprendimento continuo e di sviluppare il proprio potenziale? Riesce la scuola a moderare, almeno in parte, l’impatto del background socio-economico sui risultati? Quali caratteristiche a livello di studenti e di scuole sono in relazione con prestazioni elevate? Queste sono alcune delle domande a cui vuole rispondere PISA, acronimo che sta per Programme for International Student Assessment, un programma di rilevazioni delle conoscenze e delle abilità dei quindicenni scolarizzati avviato dall’OCSE nel 1997. PISA è attualmente la più estesa indagine internazionale sui risultati dell’istruzione, per il numero dei Paesi partecipanti e per l’ampiezza del campo della valutazione. Con PISA i governi dell’OCSE hanno inteso mettere a punto un quadro comparato per valutare il funzionamento dei sistemi di istruzione in riferimento a un criterio esterno alla scuola e allo stesso tempo cruciale per essa: la sua capacità di preparare i giovani “per la vita”. Tale scelta è legata alla consapevolezza dei mutamenti che caratterizzano il mondo attuale ponendo la scuola di fronte al compito di sviluppare negli studenti la capacità di apprendere lungo il corso di tutta la vita. In questa prospettiva, PISA tiene conto dei curricoli ma non si limita ad essi. PISA valuta le conoscenze degli studenti, ma esamina anche la loro capacità di riflettere sulle conoscenze e sulle esperienze e di applicarle a situazioni della vita reale. La dimensione comparata di PISA consente a ciascun Paese non solo di confrontare i propri risultati con quelli degli altri Paesi, ma anche di definire e discutere gli obiettivi educativi in una prospettiva internazionale e transculturale. PISA rientra nell’ambito della ricerca comparata in campo educativo inaugurata e portata avanti per oltre quarant’anni dall’International Association for the Evaluation of Educational Achievement (IEA), ma presenta diversi elementi innovativi rispetto alle indagini della IEA. Un primo elemento di novità di PISA, legato al fatto di essere patrocinato da un organismo intergovernativo quale l’OCSE, è quello di avere avvicinato la ricerca alla politica, focalizzandosi su domande che hanno rilevanti implicazioni sul piano delle politiche scolastiche e fornendo risultati che hanno particolare risonanza e pertinenza rispetto al lavoro dei decisori politici. Un secondo elemento che distingue PISA dalle indagini della IEA è la scelta di valutare non tanto la padronanza di parti dei programmi scolastici, ma la preparazione per la vita e dunque la capacità di affrontare problemi e compiti analoghi a quelli che si possono incontrare nella vita reale. Un terzo elemento di novità è il fatto di fare riferimento esplicito a un modello dinamico di apprendimento lungo il corso di tutta la vita e, in relazione a questo, di prendere in considerazione, oltre agli aspetti cognitivi della literacy, anche quelli motivazionali e metacognitivi. Un quarto elemento di novità è la periodicità triennale della rilevazione, che consente di avere dati di tendenza e di monitorare i sistemi scolastici nel tempo. PISA 2003, dall’anno in cui è avvenuta la rilevazione, rappresenta il secondo ciclo di PISA, che fa seguito a PISA 2000. Nel riquadro che segue si presentano le principali caratteristiche di PISA 2003. 11 Riquadro 1.1 – Profilo di PISA 2003 Aspetti generali PISA è un’indagine internazionale con periodicità triennale che valuta conoscenze e capacità dei quindicenni scolarizzati. L’indagine mira a verificare in che misura i giovani prossimi all’uscita dalla scuola dell’obbligo abbiano acquisito alcune competenze giudicate essenziali per svolgere un ruolo consapevole e attivo nella società e per continuare ad apprendere per tutta la vita. Obiettivi Il primo e principale obiettivo di PISA è quello di mettere a punto indicatori delle prestazioni degli studenti quindicenni comparabili a livello internazionale. Un secondo obiettivo è quello di individuare gli elementi che caratterizzano i Paesi che hanno ottenuto i risultati migliori, in termini di livello medio delle prestazioni e di dispersione dei punteggi. Un terzo obiettivo, legato alla periodicità della rilevazione, è quello di fornire dati sui risultati del sistema di istruzione in modo regolare, in modo da consentire un monitoraggio che ne segua gli sviluppi nel tempo. Ambiti della valutazione La valutazione riguarda gli ambiti della lettura, della matematica e delle scienze e alcune competenze trasversali costituite, nel 2003, dal problem solving. In ogni ciclo di PISA si valutano i tre ambiti della lettura, della matematica e delle scienze, ma se ne approfondisce uno a rotazione (la lettura in PISA 2000, la matematica in PISA 2003 e le scienze in PISA 2006) in modo da avere un quadro dettagliato dei risultati degli studenti in ciascun ambito di competenza ogni nove anni, con aggiornamenti intermedi ogni tre anni. Strumenti La rilevazione avviene attraverso prove scritte strutturate che durano due ore per ciascuno studente. Le prove sono costituite da domande a scelta multipla, domande aperte a risposta univoca e domande aperte a risposta articolata. Gli studenti rispondono anche a un questionario che raccoglie informazioni circa l’ambiente di provenienza, le motivazioni e le strategie di apprendimento della matematica, la carriera scolastica e la familiarità con computer, internet e moderni sistemi di comunicazione. I dirigenti scolastici rispondono a un questionario relativo all’insieme degli studenti quindicenni dell’istituto e all’organizzazione e alle risorse della scuola. Popolazione La popolazione di riferimento è costituita dai quindicenni scolarizzati, dal momento che nella quasi totalità dei Paesi dell’OCSE tale età precede o coincide con il termine dell’obbligo scolastico. Paesi partecipanti A PISA 2003 hanno partecipato 41 Paesi, tra i quali i 30 Paesi dell’OCSE. 12 1.2 Una valutazione che guarda in avanti PISA mira a valutare il livello di literacy degli studenti quindicenni, dove quest’ultima è definita come la capacità di applicare conoscenze e abilità, di riflettere su di esse e di comunicarle in modo efficace. È chiaro dunque che il concetto di literacy utilizzato in PISA è molto più ampio della nozione tradizionale di alfabetizzazione, non solo nella misura in cui questa indica il processo di acquisizione dello strumento del leggere e dello scrivere, ma anche in quanto essa fa riferimento ad una soglia minima di competenza. In PISA la literacy non corrisponde a qualcosa che c’è o non c’è, ma viene misurata su un continuum, riconoscendo che la sua acquisizione è un processo che dura tutta la vita. In questa prospettiva, essa va anche oltre il concetto scolastico di padronanza di determinate parti del programma, mentre è strettamente legata a quello di apprendimento lungo il corso di tutta la vita. Nel decidere su cosa dovesse focalizzarsi la valutazione nel progetto PISA, i governi dei Paesi dell’OCSE hanno scelto infatti non tanto di guardare “indietro”, per verificare se gli studenti abbiano imparato quello che dovevano imparare (come si è normalmente fatto nelle indagini della IEA), ma piuttosto di guardare “avanti” a cosa gli studenti dovranno sapere e saper fare una volta che saranno usciti dalla scuola. Anche se non ci si può aspettare che i quindicenni abbiano già appreso tutto ciò di cui avranno bisogno nella vita adulta, si è infatti convenuto che essi dovrebbero avere una base solida di conoscenze e abilità in ambiti chiave quali la lettura, la matematica e le scienze. La scelta di valutare quanto la scuola prepari i giovani a vivere nel mondo di domani, anziché la loro padronanza di parti del curriculum, è legata alla consapevolezza dei profondi mutamenti che attraversano la società e il mondo del lavoro e, di conseguenza, al riconoscimento della mutata “missione” della scuola oggi. Quest’ultima opera all’interno di un orizzonte che, secondo gli scenari disegnati dall’OCSE, nei prossimi anni sarà caratterizzato dalla crescita della produzione industriale e dalla parallela diminuzione della forza lavoro in essa coinvolta, mentre continuerà ad aumentare la richiesta dei cosiddetti “lavoratori dell’informazione”. In questa prospettiva, da più parti si concorda che la scuola non ha più il compito di trasmettere un patrimonio di sapere e saper fare che, in particolare nell’ambito dell’istruzione professionale, servirà per tutta la vita con pochi adattamenti, ma è chiamata a promuovere l’acquisizione di conoscenze e abilità, oltre che di motivazioni, che mettano gli studenti in grado di fare fronte all’esigenza di apprendimento continuo che caratterizzerà la loro vita dopo la scuola. Il termine literacy utilizzato da PISA per riferirsi a questo insieme di conoscenze e abilità è stato tradotto in italiano con il termine “competenza”. Riconoscendoli quali ambiti di competenza fondamentali in una prospettiva di apprendimento continuo, la valutazione si è incentrata sulla lettura (reading literacy), sulla matematica (mathematical literacy) e sulle scienze (scientific literacy) e su alcune competenze trasversali, rappresentate – in PISA 2003 – dal problem solving. Inoltre, in relazione al modello di apprendimento continuo alla base della valutazione, PISA ha preso in considerazione, oltre agli aspetti cognitivi dell’apprendimento, le disposizioni nei confronti di quest’ultimo e, in particolare, le motivazioni nei confronti dei particolari ambiti di competenza approfonditi e dunque nel 2003 nei confronti della matematica, e nei confronti dello studio e della scuola più in generale, le cognizioni riferite al sé in quanto discente, le componenti affettive dell’apprendimento e gli aspetti metacognitivi, rappresentati dalle strategie di apprendimento e dalla capacità di autoregolare le proprie attività di apprendimento. 1.3 I quattro ambiti di competenza valutati da PISA Nel riquadro che segue sono riportate le definizioni dei quattro ambiti di competenza valutati in PISA 2003. Tali definizioni mettono l’accento su conoscenze e abilità che costituiscono, tra il resto, i presupposti per una partecipazione attiva alla società. Tale partecipazione, oltre che la capacità di portare a termine compiti ben definiti, richiede anche quella di impegnarsi in processi di tipo decisionale. In questa prospettiva, i compiti più complessi delle prove di PISA richiedono agli studenti di riflettere e di valutare e non semplicemente di rispondere a domande che hanno una sola risposta “corretta”. 13 Riquadro 1.2 - Definizione degli ambiti di literacy di PISA 2003 Competenza matematica (Mathematical Literacy) La competenza matematica è la capacità di un individuo di identificare e comprendere il ruolo che la matematica gioca nel mondo reale, di operare valutazioni fondate e di utilizzare la matematica e confrontarsi con essa in modi che rispondono alle esigenze della vita di quell’individuo in quanto cittadino che esercita un ruolo costruttivo, impegnato e basato sulla riflessione. Competenza di lettura (Reading Literacy) La capacità di un individuo di comprendere e utilizzare testi scritti e di riflettere sui loro contenuti al fine di raggiungere i propri obiettivi, di sviluppare le proprie conoscenze e potenzialità e di svolgere un ruolo attivo nella società. Competenza scientifica (Scientific Literacy) La capacità di utilizzare conoscenze scientifiche, di identificare domande alle quali si può dare una risposta attraverso un procedimento scientifico1 e di trarre conclusioni basate sui fatti, per comprendere il mondo della natura e i cambiamenti a esso apportati dall’attività umana e per aiutare a prendere decisioni al riguardo. Problem solving (Problem Solving Skills) La capacità di un individuo di mettere in atto processi cognitivi per affrontare e risolvere situazioni reali e interdisciplinari, per le quali il percorso di soluzione non è immediatamente evidente e nelle quali gli ambiti di competenza o le aree curriculari che si possono applicare non sono all’interno dei singoli ambiti della matematica, delle scienze o della lettura. Fonte: OECD 2003; trad. ital. OCSE 2004. Per la costruzione delle prove di ciascun ambito di competenza si è tenuto conto di tre dimensioni: i contenuti o le conoscenze che gli studenti devono avere acquisito (ad es. la familiarità con determinati concetti matematici o scientifici o con determinati tipi di testo); i processi o le operazioni che devono essere svolte (ad es. individuare un’informazione in un testo); i contesti o le situazioni rispetto ai quali devono essere utilizzate le conoscenze richieste (ad es. la vita personale o quella professionale). La Figura che segue sintetizza tali dimensioni per ciascuno dei quattro ambiti di competenza valutati in PISA 2003. 1 Si è ritenuto importante esplicitare in questo modo l’espressione inglese “to identify questions”, che altrove è espressa in modo più chiaro, in modo da chiarirne il significato. 14 Figura 1.1 – Sintesi degli ambiti valutati Matematica Lettura Scienze Problem Solving Definizione dell’ambito di literacy La competenza matematica è definita come “la capacità di un individuo di identificare e comprendere il ruolo che la matematica gioca nel mondo reale, di operare valutazioni fondate e di utilizzare la matematica e confrontarsi con essa in modi che rispondono alle esigenze della vita di quell’individuo in quanto cittadino che esercita un ruolo costruttivo, impegnato e basato sulla riflessione” (OECD 2003, trad. it. 2004). La competenza di lettura è definita come “la capacità di un individuo di comprendere e utilizzare testi scritti e di riflettere sui loro contenuti al fine di raggiungere i propri obiettivi, di sviluppare le proprie conoscenze e potenzialità e di svolgere un ruolo attivo nella società” (OECD 2003, trad. it. 2004). La competenza scientifica è definita come “la capacità di utilizzare conoscenze scientifiche, di identificare i problemi che possono essere affrontati con un approccio scientifico e di trarre conclusioni basate sui fatti, per comprendere il mondo della natura e i cambiamenti ad esso apportati dall’attività umana e per aiutare a prendere decisioni al riguardo” (OECD 2003, trad. it. 2004). Il problem solving è definito come “la capacità di un individuo di mettere in atto processi cognitivi per affrontare e risolvere situazioni reali e interdisciplinari, per le quali il percorso di soluzione non è immediatamente evidente e nelle quali gli ambiti di competenza o le aree curricolari che si possono applicare non sono all’interno dei singoli ambiti della matematica, delle scienze o della lettura” (OECD 2003, trad. it. 2004). Dimensione dei “contenuti” I contenuti sono organizzati intorno a quattro “idee chiave”: Si considerano due diversi formati di testo: Si considerano ambiti e concetti scientifici quali: Si utilizzano tre tipi di problemi: - forze e movimento - progettazione e analisi di sistemi - quantità - spazio e forma - cambiamento e relazioni - incertezza Dimensione dei “processi” Le domande sono organizzate in termini di tre “raggruppamenti di competenza” che definiscono il tipo di abilità cognitiva richiesta: - riproduzione (semplici operazioni matematiche) - connessioni (l’attività di soluzione di problemi riguarda situazioni che non sono di semplice routine) - testi “continui” (narrativi, informativi e argomentativi) - testi “non continui”, (ad es. elenchi, moduli e grafici) Le domande fanno riferimento a tre diversi compiti di lettura: - individuare informazioni - comprendere il significato generale di un testo e svilupparne un’interpretazione - riflettere sui contenuti e sugli aspetti formali di un testo - cambiamento fisiologico - prendere decisioni - localizzare disfunzioni Le domande riguardano tre tipi di processi: I processi di problem solving includono: - descrivere, spiegare e prevedere fenomeni scientifici - comprendere la natura del problema - comprendere un’indagine di tipo scientifico - interpretare dati e conclusioni scientifiche - individuare le sue caratteristiche - costruire una sua rappresentazione - risolverlo - riflettere sulla soluzione - comunicare i risultati - riflessione (pianificare strategie di soluzione e applicarle ad ambiti problematici complessi) Dimensione del “contesto” o della “situazione” Le situazioni variano in relazione alla loro maggiore o minore distanza dagli studenti: La situazione di lettura è definita in relazione all’uso per cui il testo è stato scritto: Tre principali campi di applicazione di conoscenze e processi di pensiero scientifici: - personale - uso personale (ad es. lettera o racconto) - scienze della vita e della salute - uso pubblico (ad es. documenti ufficiali) - scienze della Terra e ambiente - uso professionale (ad es. rapporto) - scienze e tecnologia - scolastica - professionale - pubblica - scientifica - uso scolastico (ad es. libro di testo) Fonte: OCSE, 2004. 15 Contesti della vita reale degli studenti. 1.4 Chi realizza PISA PISA è il frutto di un lavoro di collaborazione a più livelli che vede coinvolti a livello internazionale l’OCSE, un Consiglio Direttivo (PISA Governing Board), un Consorzio internazionale formato da cinque agenzie di ricerca2, i responsabili nazionali del progetto, gruppi di esperti e un comitato tecnicoconsultivo e, all’interno dei singoli Paesi partecipanti, il Ministero dell’Istruzione, istituti di ricerca, comitati di esperti e gruppi di lavoro, fino agli insegnanti referenti all’interno di ciascuna scuola coinvolta nell’indagine e, naturalmente, agli studenti che sostengono le prove. L’OCSE ha promosso il progetto e ha la responsabilità complessiva di seguirne lo svolgimento, fornendo una piattaforma di dialogo tra i rappresentanti dei Paesi partecipanti. Il Consiglio Direttivo, del quale fanno parte rappresentanti a livello politico di tutti i Paesi, definisce le priorità politiche dell’indagine ed è coinvolto in tutte le fasi decisionali. Il Consorzio internazionale è responsabile da un punto di vista scientifico e tecnico della realizzazione dell’indagine a livello internazionale. I Responsabili Nazionali del Progetto coordinano lo svolgimento dell’indagine in ciascun Paese portando il punto di vista e il contributo nazionale nella discussione internazionale. 1.5 Paesi partecipanti A PISA 2003 hanno partecipato 41 Paesi, dei quali i 30 Paesi membri dell’OCSE, affiancati da altri 11 Paesi. Figura 1.2 – Paesi partecipanti a OCSE-PISA 2003 I Paesi dell’OCSE che hanno partecipato a PISA 2003 sono: Australia, Austria, Belgio, Canada, Corea, Danimarca, Finlandia, Francia, Germania, Giappone, Grecia, Irlanda, Islanda, Italia, Lussemburgo, Messico, Nuova Zelanda, Norvegia, Paesi Bassi, Polonia, Portogallo, Regno Unito3, Repubblica Ceca, Repubblica Slovacca, Spagna, Stati Uniti, Svezia, Svizzera, Turchia, Ungheria. I Paesi non membri dell’OCSE che hanno partecipato a PISA 2003 sono: Brasile, Hong Kong (Cina), Indonesia, Lettonia, Liechtenstein, Macao (Cina), Russia, Serbia, Thailandia, Tunisia, Uruguay. 2 Il Consorzio internazionale di PISA è formato dall’Australian Council for Educational Research (ACER), che lo dirige, dal Netherland National Institute for Educational Measurement (CITO), dall’Educational Testing Service degli Stati Uniti (ETS), dal National Institute for Educational Research del Giappone (NIER) e dalla WESTAT (Stati Uniti). 3 Il Regno Unito non ha raggiunto il tasso di risposta richiesto e i punteggi di competenza non sono stati considerati affidabili ai fini della comparazione internazionale. Tali punteggi non sono stati dunque pubblicati dall’OCSE, mentre sono stati pubblicati i dati relativi a sottogruppi all’interno del Paese (ad esempio maschi e femmine) e i risultati delle analisi relativi al rapporto tra punteggi e variabili di sfondo. 16 2. Aspetti metodologici Maria Teresa Siniscalco 2.1 Fasi del lavoro Ogni ciclo di PISA si articola in quattro fasi che si svolgono nel corso di quattro anni. Durante ciascuna fase i Paesi sono impegnati sia a livello internazionale, per stabilire obiettivi, metodi e contenuti dell’indagine e per preparare strumenti e rapporti, sia a livello nazionale, per lo svolgimento dell’insieme di operazioni propedeutiche alla rilevazione e per realizzare quest’ultima. Nella figura che segue si presenta il calendario delle principali attività di PISA 2003. Figura 2.1 – Calendario delle attività di PISA 2003 Fase Attività Tempi Prima fase: messa a punto del piano della valutazione e costruzione degli strumenti. gennaio 2001 ottobre 2001 - A livello internazionale sviluppo, discussione e messa a punto finale del quadro concettuale di riferimento della valutazione (assessment framework) e costruzione degli strumenti. Seconda fase: preparazione e svolgimento dello studio pilota. novembre 2001 ottobre 2002 A livello nazionale traduzione degli strumenti, predisposizione di un campione di giudizio, preparazione e svolgimento della somministrazione pilota, codifica delle risposte aperte, immissione dei dati e loro invio al Consorzio internazionale. A livello internazionale analisi dei risultati, selezione e revisione delle prove per lo studio principale e verifica del funzionamento delle procedure. Terza fase: preparazione e svolgimento dello studio principale. novembre 2002 ottobre 2003 A livello internazionale, messa a punto finale degli strumenti dello studio principale, preparazione del software per l’estrazione del campione di studenti all’interno delle scuole e di quello per l’immissione dei dati, estrazione dei campioni nazionali, controllo delle operazioni nei diversi Paesi per garantire la comparabilità dei risultati. A livello nazionale, revisione e messa a punto finale della traduzione degli strumenti dello studio principale, definizione del disegno di campionamento, preparazione della lista delle scuole, preparazione e svolgimento della somministrazione principale, codifica delle risposte aperte, immissione e pulizia dei dati e loro invio al Consorzio internazionale. Quarta fase: analisi dei dati e stesura rapporti. novembre 2003 dicembre 2004 Scaling dei risultati degli studenti a livello internazionale, analisi dei dati a livello internazionale e nazionale e preparazione del rapporto internazionale e di quelli nazionali dei diversi Paesi. L’ultima fase di ciascun ciclo di PISA è contemporanea alla prima fase del nuovo ciclo, per cui la raccolta dei dati ha una periodicità triennale. 17 2.2 Popolazione e campione La popolazione di riferimento è costituita dai quindicenni scolarizzati – e più precisamente dagli studenti che, al momento della rilevazione, sono compresi nella fascia di età che va da 15 anni e 3 mesi e 16 anni e 2 mesi – dal momento che nella quasi totalità dei Paesi dell’OCSE tale età precede la fine della scuola dell’obbligo o coincide con essa 1. Il campione di PISA è un campione probabilistico a due stadi stratificato (a livello di primo stadio), nel quale le unità di primo stadio sono le scuole, campionate con probabilità proporzionale alle dimensioni, e le unità di secondo stadio sono gli studenti. All’interno di ciascuna scuola del campione si è estratto un campione di 35 quindicenni (prendendo tutti i quindicenni presenti qualora il loro numero fosse inferiore a 35). Il campione italiano è stato estratto dal Consorzio internazionale a partire dalla lista delle scuole fornita dall’Italia2, che comprendeva tutti gli istituti secondari inferiori e superiori statali e non statali ed era articolata in base al disegno di campionamento italiano. Tale disegno corrispondeva all’esigenza di avere stime affidabili dei quindicenni non solo a livello nazionale, ma anche per macroarea geografica (Nord Ovest, Nord Est, Centro, Sud e Sud Isole3), per tipo di istruzione (Licei, Istituti tecnici e Istituti professionali4) e per le quattro Regioni e due Province Autonome che hanno partecipato con campioni rappresentativi del loro territorio. Il campione estratto per il Veneto è costituito da 66 scuole, delle quali 50 scuole secondarie superiori e 16 scuole medie. Di queste 14 scuole sono state escluse per l’assenza del numero minimo di 3 quindicenni richiesto per svolgere la somministrazione. Il campione definitivo è pertanto costituito da 52 scuole, per un totale di 1538 studenti. I dati campionari di ciascuno studente che ha partecipato all’indagine sono stati ponderati per ottenere stime attendibili della popolazione e dei relativi errori campionari5. 2.3 Strumenti 2.3.1 Quadri di riferimento della valutazione Per ciascun ambito di literacy valutato da PISA si è messo a punto a livello internazionale un quadro concettuale di riferimento della valutazione (assessment framework) (OECD 2003, trad. it. OCSE 2004). Per ogni ambito di competenza valutato tale documento esplicita i presupposti teorici e gli obiettivi della valutazione, specifica le conoscenze e le abilità valutate, i tipi di processi richiesti dalle prove per rispondere alle domande, il tipo di testi o i problemi ai quali conoscenze e abilità devono essere applicate, il tipo di strumenti utilizzati, con esempi di prove, e descrive le modalità di presentazione dei risultati. 1 Tale popolazione bersaglio è stata definita ai fini delle operazioni di campionamento come i nati nel 1987. Nel rapporto si farà riferimento a tale popolazione di PISA con il termine “quindicenni”. 2 Sulla base della lista delle scuole e del disegno di campionamento italiano il Consorzio ha estratto un campione di 493 scuole. Da tale campione sono state escluse 86 scuole, tutte scuole medie tranne una, per l’assenza del numero minimo di 3 quindicenni richiesto per svolgere la rilevazione. Il campione italiano definitivo è pertanto composto da 406 scuole, delle quali 382 secondarie superiori e 24 scuole medie, per un totale di 11.639 studenti 3 Il Nord Ovest comprende Piemonte, Lombardia, Liguria e Valle d’Aosta; il Nord Est comprende Veneto, Friuli Venezia Giulia, Trentino, Alto Adige e Emilia Romagna; il Centro comprende Toscana, Lazio, Umbria e Marche; il Sud comprende Abruzzo, Molise, Campania, e Puglia; il Sud Isole comprende Calabria, Basilicata, Sicilia e Sardegna. La composizione delle macro-aree geografiche utilizzate per stratificare il campione di PISA è la stessa utilizzata in PISA 2000, così come nelle altre indagini internazionali (dell’International Association for the Evalutation of Educational Achievement - IEA) e nazionali (Servizio Rilevazioni di Sistema – Seris dell’INValSI e Progetti Pilota 1, 2 e 3). 4 In modo analogo a PISA 2000, la categoria degli Istituti professionali comprende anche gli Istituti d'Arte e i Licei artistici, mentre quella dei Licei comprende il Liceo Scientifico, il Liceo classico, il Liceo delle scienze sociali, il Liceo scientifico-tecnologico, il Liceo linguistico. 5 La procedura di ponderazione è stata svolta, per tutti i Paesi partecipanti, dal Consorzio internazionale. A livello nazionale le dimensioni dell’errore relativo (rapporto tra errore standard e stima campionaria) in PISA 2003 sono piuttosto contenute e consentono di considerare le stime ottenute a livello nazionale largamente affidabili (Bove, 2004). Considerazioni analoghe valgono per le stime della Regione, per la quale l’errore relativo cresce ma si mantiene a livelli contenuti, tali da consentire un ampio utilizzo delle stime ottenute. 18 Tale documento, che è stato messo a punto attraverso un lavoro di collaborazione tra gruppi di esperti dei diversi ambiti di competenza, il Consorzio, l’OCSE e i Paesi partecipanti ed è stato approvato dal PISA Governing Board, garantisce una maggiore organicità dello strumento di valutazione e fornisce gli elementi per una discussione più approfondita dei risultati dell’indagine. 2.3.2 Prove cognitive e tipi di quesiti Per la verifica della competenza degli studenti negli ambiti della lettura, della matematica, delle scienze e del problem solving, PISA utilizza prove scritte strutturate con domande a scelta multipla, domande aperte a risposta univoca e domande aperte a risposta articolata (OECD 2002a). Ciascuna prova è costituita da un testo iniziale (testo verbale, immagine, figura schematica o grafico) seguito da uno o più quesiti. Nello studio pilota di PISA 2003 sono state sottoposte a verifica 140 prove per un totale di 295 quesiti, dei quali 217 di matematica, 34 di scienze e 44 di problem solving. Sulla base dei dati dello studio pilota il 45% di tali quesiti è stato scartato, mentre il restante 55% è entrato a far parte dello strumento definitivo, insieme a quesiti selezionati dal precedente ciclo dell’indagine, PISA 2000, che hanno consentito di ancorare le due valutazioni e di ottenere dati di tendenza. Lo strumento definitivo di PISA 2003 ha una durata complessiva di sei ore e mezza (delle quali tre ore e mezza di prove di matematica, un’ora di prove di lettura, un’ora di prove di scienze e un’ora di prove di problem solving), con un totale di 167 quesiti, dei quali 85 per l’ambito della matematica, 28 per quello della lettura, 35 per le scienze e 19 per il problem solving. Tale materiale è stato somministrato secondo un disegno di rotazione delle domande in 13 fascicoli assegnati a rotazione in ciascuna sessione di somministrazione/scuola, che ha consentito di limitare a due ore l’impegno richiesto a ciascuno studente, utilizzando tuttavia uno strumento sufficientemente ampio e articolato da coprire in modo soddisfacente i diversi aspetti di ciascun ambito di competenza considerato. Nella figura 2.2 si presenta il numero di prove e di quesiti di PISA 2003, per ambito di competenza, specificando quanti quesiti provengano dallo studio pilota di PISA 2003 e quanti da PISA 2000. Tabella 2.2 – PISA 2003: prove e quesiti per ambito di competenza Numero di prove Numero di quesiti 6 Numero di quesiti da studio pilota di PISA 2003 Numero di quesiti da PISA 2000 65 20 25 Matematica 54 85 Lettura 8 28 Scienze 13 35 10 Problem solving 10 19 19 Totale 85 167 94 28 73 In PISA 2003, il 39% dei quesiti (65) sono a scelta multipla, il 12% (20) sono aperti a risposta univoca e il 49% sono aperti a risposta breve (28) o a risposta articolata (54). 2.3.3 Questionari Dopo il completamento delle prove cognitive gli studenti hanno risposto a un Questionario Studente che raccoglieva informazioni circa la provenienza socio-economica, le disposizioni nei confronti dell’apprendimento della matematica (strategie di apprendimento, motivazioni, cognizioni riferite al sé in quanto discente e componenti affettive), le attività di studio e i compiti, gli atteggiamenti nei confronti della scuola, le relazioni studenti-insegnanti e il clima della scuola, la carriera scolastica precedente e quella attesa, e la familiarità con computer e moderne tecnologie della comunicazione. Al dirigente scolastico è stato chiesto di compilare un Questionario Scuola che raccoglieva informazioni circa le caratteristiche della scuola, le risorse disponibili a livello di personale docente, le risorse didattiche e le infrastrutture, alcuni aspetti di gestione della scuola, i fattori legati al “clima” scolastico. 6 Un item, a seguito delle analisi, è stato escluso dalla scala definitiva, che è quindi basata su 84 item. 19 2.4 Traduzione degli strumenti Il lavoro di traduzione, avvenuto prima dello studio pilota, è stato oggetto di grande attenzione a livello internazionale e nazionale, per l’esigenza di giungere a versioni tradotte per quanto possibile “equivalenti” all’originale, cioè versioni in cui il processo di traduzione non introducesse elementi che potevano alterare la difficoltà e le caratteristiche psicometriche delle prove e dei singoli quesiti, invalidando così il confronto internazionale. Il Consorzio internazionale ha messo a punto due versioni originali equivalenti delle prove, una in inglese e l’altra in francese, quali punti di partenza per le traduzioni nelle diverse lingue. L’Italia, in collaborazione con la Svizzera italiana, ha seguito le procedure di traduzione raccomandate a livello internazionale che consistevano in una doppia traduzione autonoma – dall’inglese e dal francese – di ogni prova e in un lavoro di armonizzazione delle due versioni così ottenute in un’unica versione finale. 2.5 La rilevazione La somministrazione è stata svolta da un insegnante interno alla scuola (insegnante referente), scelto con il vincolo di non essere l’insegnante di matematica, scienze o italiano di nessuno degli studenti campionati. Gli insegnanti referenti hanno partecipato a un apposito incontro di formazione, nel quale è stato presentato il progetto e sono state illustrate dettagliatamente le procedure da seguire nella somministrazione. La formazione aveva l’obiettivo di assicurare che la rilevazione avvenisse in condizioni standardizzate in tutte le scuole del Paese e in tutti i Paesi partecipanti, al fine di garantire – anche per quanto riguarda le procedure di somministrazione – la comparabilità dei dati raccolti. La somministrazione si è svolta nel periodo compreso tra il 10 marzo e l’11 aprile 2003. In ogni scuola, se il giorno della somministrazione l’insegnante registrava più del 15% assenze tra gli studenti selezionati, doveva organizzare e svolgere una sessione di recupero per gli studenti assenti. La somministrazione prevedeva circa un quarto d’ora per la lettura delle istruzioni, due ore, con un breve intervallo centrale, per il completamento dei fascicoli di prove, un quarto d’ora di pausa e poi circa 40 minuti per il completamento del questionario. Il Consorzio internazionale ha effettuato un controllo della qualità della somministrazione, inviando senza preavviso in circa il 10% delle scuole del campione regionale un Quality Monitor con il compito di verificare che il pacco dei materiali non fosse stato aperto prima del giorno della somministrazione e che il somministratore si attenesse alle procedure descritte nel Manuale dell’Insegnante Referente. Il controllo non ha evidenziato deviazioni sostanziali dalle procedure previste a livello internazionale per quanto riguarda la Regione. Una volta che i materiali delle scuole sono stati restituiti all’INValSI, si è proceduto alla codifica delle domande aperte del questionario e delle prove cognitive. Nel Questionario Studente si chiedeva di scrivere quale fosse il lavoro del padre e della madre e quale occupazione lo studente prevedesse di svolgere a 30 anni. Alle risposte date dagli studenti è stato assegnato un codice numerico con l’obiettivo di ottenere dati quantitativi comparabili a livello internazionale, da poter correlare con i risultati delle prove cognitive e con altre variabili di sfondo. La codifica delle risposte fornite dei ragazzi si è basata sulla International Standard Classification of Occupations, nella versione rivista dall’International Labour Office di Ginevra nel 1988 (ISCO-88). Da tali dati è stato successivamente derivato, a livello internazionale, un indice del livello socio-economico della famiglia di provenienza, l’indice socio-economico internazionale dello status occupazionale (ISEI), sulla base della metodologia di Ganzeboom et al. (1992). Per quanto riguarda le prove cognitive, mentre per i quesiti a scelta multipla e per una parte dei quesiti aperti a risposta univoca le risposte sono state digitate direttamente durante l’inserimento dei dati, per altre domande aperte a risposta univoca e per tutte quelle a risposta articolata è stato necessario l’intervento di un correttore che ha assegnato a ogni risposta un codice numerico successivamente utilizzato nell’immissione dati. La codifica delle risposte date dagli studenti alle domande aperte si è basata sullo schema di correzione che accompagnava ciascun quesito aperto ed era costituito da: l’elenco dei punteggi possibili (“punteggio pieno”, eventuale “punteggio parziale”, “nessun punteggio”), il codice numerico corrispondente a ciascuna categoria di risposta/punteggio, una descrizione generale del tipo di risposta corrispondente a ciascun codice e alcuni esempi di risposta per ciascuno dei punteggi possibili. Il lavoro dei correttori, divisi in tre gruppi, uno per la matematica, uno per la lettura e uno per le scienze e il problem solving, è stato preceduto da 3 giornate di formazione ed è stato coordinato e 20 supervisionato da correttori esperti. Durante lo svolgimento del lavoro è stato attivato dal Consorzio internazionale un servizio di marking queries on-line, che ha permesso a ciascun Paese di sottoporre i casi dubbi di correzione e di ricevere una risposta in tempo quasi reale. Tale servizio, oltre che ad aiutare i singoli Paesi ad assegnare un punteggio alle risposte degli studenti più difficili da classificare, ha avuto il vantaggio di mettere a disposizione dei gruppi di codificatori di tutti i Paesi una casistica di esempi di risposte alle domande aperte e delle corrispondenti codifiche (argomentate), molto più ampia rispetto a quella contenuta negli schemi di correzione che corredavano le domande aperte, contribuendo a rendere più omogeneo tra i diversi Paesi il lavoro di correzione. In ogni Paese, le domande aperte di 100 copie di 9 fascicoli su 13 (dunque un totale di 900 fascicoli per Paese) sono state sottoposte a correzione multipla, cioè sono state corrette successivamente da 4 diversi correttori. I dati delle correzioni multiple sono stati utilizzati dal Consorzio Internazionale per calcolare il grado di accordo dei correttori tra loro e con le codifiche assegnate da un correttore internazionale. Ciò ha permesso di analizzare l’attendibilità dei punteggi attribuiti alle risposte degli studenti. Sulla base del rapporto ricevuto dal Consorzio, l’Italia non ha avuto nessun quesito con il 10% o più di risposte corrette in modo troppo severo o troppo indulgente, e solo 3 quesiti per i quali è stato trovato il 10% o più di risposte con un livello di divergenza tra i 4 correttori nazionali tale da impedire il confronto rispetto al correttore internazionale. L’indice di accordo tra i correttori italiani (94%) è risultato superiore alla soglia richiesta del 90%. 2.6 Le scale di competenza di PISA Le domande che costituiscono la prova di ciascun ambito di literacy sono caratterizzate da diversi livelli di difficoltà e si può immaginare che esse si collochino lungo un continuum che rappresenta al tempo stesso la difficoltà delle domande e l’abilità richiesta per rispondere ad esse correttamente. La procedura che PISA ha utilizzato per cogliere tale continuum di difficoltà e di abilità, costruendo con l’insieme delle domande di PISA quella che viene definita una scala, è rappresentata dalla Item Response Theory (IRT), che è un modello matematico utilizzato per stimare la probabilità che una data persona risponda correttamente a una data domanda. I risultati di PISA sono riportati su scale con media pari a 500 e deviazione standard pari a 100, secondo una convenzione ricorrente nella presentazione dei risultati di indagini internazionali. Tali punteggi corrispondono a diversi livelli di competenza per ciascun aspetto di literacy considerato. Quando, nel 2000, l’ambito principale era quello della lettura, le scale di competenza di lettura erano state divise in cinque livelli, mentre per la matematica e le scienze, data la quantità limitata di dati, erano stati individuati tre punti sulle rispettive scale che corrispondevano a un livello rispettivamente basso, medio e alto di difficoltà dei quesiti e di abilità degli studenti. PISA 2003 ha adottato lo stesso approccio, definendo i livelli della scala di competenza matematica, in modo simile a quanto fatto per la lettura e presentando i risultati non solo in relazione a una scala complessiva, ma anche in relazione a quattro scale analitiche che fanno riferimento alle seguenti aree di contenuti: spazio e forma, cambiamento e relazioni, quantità, incertezza. Inoltre, PISA 2003 ha presentato una nuova scala, con 3 livelli, per il problem solving inteso come competenza trasversale. 21 Riquadro 2.1 - I livelli di competenza delle scale di PISA I livelli di competenza delle scale di PISA sono stati definiti, in termini statistici, in modo che uno studente che si colloca a un dato livello abbia mediamente il 62% di probabilità di rispondere correttamente ai quesiti di quel livello, cioè che ci si possa aspettare che risponda correttamente, in media, al 62% delle domande di quel livello. Dal momento che ciascun livello è caratterizzato da una certa estensione (in termini di difficoltà dei quesiti che ricadono in esso e di abilità richiesta per affrontarli), la scala è costruita in modo tale che ci si possa aspettare che uno studente che si colloca al margine inferiore di ciascun livello risponda correttamente, in media, al 50% delle domande che ricadono in quel livello. Un’altra proprietà della scala, essendo essa costituita da conoscenze e abilità ordinate in modo gerarchico, è che i compiti che si collocano ad un dato livello si basino su quelli dei livelli sottostanti, per cui uno studente che si trova, ad esempio, al Livello 3 della scala, dovrebbe essere in grado di padroneggiare non solo i quesiti di quel livello, ma anche, con una probabilità che aumenta con il decrescere dei livelli, quelli dei Livelli 2 e 1, mentre si prevede che risponda correttamente a poco meno del 50% dei quesiti del Livello 4 e che la percentuale delle sue risposte corrette scenda ulteriormente per quanto riguarda i quesiti di Livello 5. Il principale vantaggio di un simile approccio è che esso, associando i quesiti a diversi livelli di difficoltà, consente di analizzare i risultati in termini di percentuale di studenti che si colloca a ciascun livello, e di descrivere quello che sanno e che non sanno fare gli studenti che si collocano a ciascun livello. La distribuzione degli studenti può essere così caratterizzata in modo più preciso di quanto consentito dai valori della tendenza centrale e della dispersione ed è possibile attribuire un significato a tale distribuzione in termini di livello di competenza. 22 I risultati Sintesi dei principali risultati x Il concetto di literacy alla base di PISA corrisponde a una visione culturalmente ricca e impegnativa della capacità di interagire con l’informazione scritta, che si presuppone costituisca un bagaglio essenziale per tutti i cittadini di una società sempre più tecnologizzata e complessa.Con una media di 511 punti rispetto ad una media dei Paesi dell’OCSE di 500, i risultati di matematica degli studenti quindicenni del Veneto si collocano al di sopra della media dell’Italia (466), e anche della media internazionale. x Le scale di competenza di PISA consentono di caratterizzare con maggiore precisione la distribuzione degli studenti, specificando che percentuale di studenti si collochi a ciascun livello della scala e di descrivere cosa sanno fare e cosa non sanno fare gli studenti che si collocano a ciascun livello della scala. x Al Livello 6 della scala di matematica, che corrisponde alla capacità di interpretare dati complessi e non familiari, ricostruire matematicamente situazioni complesse tratte dal mondo reale e usare processi di modellizzazione matematica, si colloca il 3,1% degli studenti del veneto (media Italia 1,5%; media OCSE del 4%), mentre un altro 9,3% si colloca al Livello 5 (media Italia 5,5%; media OCSE 10,6%). x All’estremo più basso della scala, che corrisponde a una limitata capacità di interpretazione del contesto e all’applicazione di conoscenze matematiche note in contesti familiari, si colloca il 10,7% degli studenti quindicenni del Veneto e il 3,7% non riesce a rispondere alla maggior parte dei quesiti più semplici di PISA. Tali percentuali sono più contenute rispetto a quelle dell’Italia (18,7% degli studenti a Livello 1 e 13,2% sotto al Livello 1) e anche rispetto a quelle medie dell’OCSE (13,2% a Livello 1 e 8,2% sotto al Livello 1). x Le differenze tra maschi e femmine (8 punti a favore dei primi) sono minori di quelle rilevate a livello nazionale (18 punti) e non sono significative. x Con una media di 514, anche i risultati di lettura degli studenti quindicenni del Veneto si collocano al di sopra della media dell’OCSE (494) e ancor più di quelli medi dell’Italia (476). La differenza tra maschi e femmine nei risultati di lettura è, in linea con la tendenza generale, più marcata di quella nei risultati di matematica ed è significativa (42 punti a favore delle femmine). x Infine i risultati del Veneto, sono superiori alla media nazionale e internazionale anche nelle scienze (533) e nel problem solving (512), mentre per entrambi tali ambiti non vi sono differenze significative tra maschi e femmine. x Dietro tali risultati medi si nascondono differenze marcate tra i diversi tipi di istruzione secondaria superiore, anche se occorre ricordare che tale dato non va letto tanto come una misura dell’efficacia dei diversi tipi di istruzione rispetto allo sviluppo delle diverse competenze rilevata da PISA, ma soprattutto come il risultato della canalizzazione che avviene nella fase della scelta del tipo di scuola secondaria superiore all’uscita dalla scuola media. x Gli studenti quindicenni di Licei e Istituti tecnici hanno ottenuto un risultato notevolmente superiore alla media internazionale (546 e 525 rispettivamente), gli studenti degli Istituti professionali hanno ottenuto un risultato (454) di circa 71 punti più basso rispetto a quello degli Istituti Tecnici e di oltre 90 punti più basso di quello dei Licei, anche se superiore alla media italiana degli Istituti Professionali (408). x Oltre ai livelli di competenza, PISA considera motivazioni, atteggiamenti e strategie di apprendimento nei confronti della matematica, che contribuiscono a definire la predisposizione a continuare ad apprendere lungo il corso di tutta la vita. I dati del Veneto confermano l’importanza delle motivazioni, del modo in cui lo studente si considera in relazione alla propria abilità come matematico e del suo livello di ansia, aspetti che risultano essere in relazione con i risultati di matematica. x La varianza complessiva dei risultati in Veneto è notevolmente più bassa rispetto a quella dell’Italia ed è più bassa anche rispetto a quella media dell’OCSE. x Tra i fattori che rendono conto delle differenze nelle prestazioni degli studenti all’interno dei diversi Paesi vi è il background familiare degli studenti e delle scuole. Per esaminare l’impatto del background PISA ha costruito un indice dello status socio-economico e culturale della famiglia di provenienza. Tale indice risulta spiegare, nel caso del Veneto, il 6% della varianza dei risultati degli studenti, una percentuale più bassa di quella dell’Italia, a sua volta più bassa di 25 quella dell’OCSE, indicando un impatto relativamente contenuto del background familiare sui risultati. Le differenze nei risultati degli studenti sono state ulteriormente analizzate in modo da distinguerne una componente che è legata alle differenze tra studenti di scuole diverse (varianza tra scuole) e una componente che è legata alle differenze tra studenti che frequentano lo stesso istituto (varianza entro le scuole). x La varianza complessiva è stata ulteriormente analizzata in modo da distinguerne una componente legata alle differenze tra studenti di scuole diverse (varianza tra scuole) e una componente legata alle differenze tra studenti che frequentano lo stesso istituto (varianza entro le scuole). Nel Veneto la varianza tra scuole è circa la metà di quella italiana ed è anche leggermente più bassa della varianza tra scuole media dell’OCSE, mentre è doppia o più che doppia rispetto a quella di Paesi nei quali la varianza tra scuole è più contenuta, nei quali non vi è canalizzazione delle scelte degli indirizzi di studio in scuole che raggruppano studenti con risultati relativamente omogenei. x Solo un terzo della varianza tra scuole è spiegata dal background in Veneto, mentre in Italia il background spiega più della metà della varianza tra scuole, la quale è inoltre complessivamente maggiore. x L’analisi della relazione tra background e risultati a livello di scuole ha evidenziato che la maggior parte delle scuole del Veneto ha un punteggio medio superiore a quello atteso sulla base del proprio status socio-economico e culturale medio, che per la maggior parte delle scuole è inferiore alla media internazionale. Ciò sembra indicare che il risultato comparativamente elevato ottenuto dal Veneto non è solo dovuto al background favorito di alcune scuole, ma in buona parte alle prestazioni elevate di scuole che hanno, come bacino di utenza, studenti di livello socio-economico medio-basso. x I dati indicano inoltre che le differenze di background che spiegano una parte della varianza tra scuole si “incrociano” con la stratificazione del sistema scolastico secondario superiore in diversi indirizzi di istruzione, anche se vi sono eccezioni a tale andamento. x Infine, in linea con quanto osservato per l’Italia, anche nel Veneto il background socioeconomico medio della scuola risulta avere un impatto sui risultati del singolo studente che è maggiore dell’impatto del background dello studente stesso. x Sul versante della scuola, PISA considera diversi aspetti che caratterizzano l’ambiente di apprendimento scolastico, il “clima” della scuola e le relazioni studenti-insegnanti, le risorse umane e materiali di cui la scuola dispone, insieme ad aspetti organizzativi e gestionali. x Tra i fattori relativi al clima scolastico, quelli maggiormente in relazione con i risultati di matematica sono, il morale degli studenti, i comportamenti degli studenti che incidono sul clima della scuola e il clima disciplinare della classe durante le lezioni di matematica. x Questi dati sono rilevanti perché evidenziano alcuni aspetti rispetto ai quali esiste un margine di intervento, che possono contribuire ad accrescere l’efficacia del lavoro didattico. 26 Note introduttive alla lettura dei risultati Nei prossimi capitoli vengono presentati i risultati del Veneto in PISA 2003, collocandoli nel più ampio contesto nazionale e internazionale. Al livello nazionale il confronto è operato oltre che con il dato medio dell’Italia presa nel suo complesso, con quello della macroarea di riferimento (Nord Est) e – solo per i punteggi medi nei quattro ambiti di competenza considerati (matematica, lettura, scienze e problem solving) – con i dati di tutte e cinque le macroaree italiane. A livello internazionale, il confronto internazionale si basa sulla media OCSE1 e, nella maggior parte dei casi, sui dati di 13 Paesi selezionati sulla base dei seguenti criteri: Austria, Francia, Germania e Svizzera sono stati inclusi nella selezione perché limitrofi all’Italia; Polonia, Spagna, Ungheria, da un lato, e Canada, Corea e Stati Uniti, dall’altro, sono stati considerati in quanto punti di riferimento rilevanti, rispettivamente a livello europeo e a livello mondiale; infine Finlandia, Grecia, Messico sono stati considerati per il fatto di avere avuto risultati che si collocano agli estremi della distribuzione tra i Paesi dell’OCSE. Inoltre, per ciascun ambito di competenza, una figura iniziale colloca i risultati della Regione/Provincia nel quadro di quelli di tutti i Paesi partecipanti. In Appendice vengono riportate le tabelle con i dati presentati nelle figure. Le tabelle possono includere cinque tipi di dati mancanti, indicati con i seguenti simboli: - a: la categoria in questione non è appropriata per un dato Paese; - c: i casi (studenti o scuole) che cadono in quella casella sono troppo pochi per fornire stime affidabili; - m: dati mancanti per ragioni tecniche; - w: dati ritirati su richiesta di un dato Paese - x: dati inclusi in un’altra categoria o colonna della tabella. Per quanto riguarda i dati medi dell’OCSE nelle tabelle in Appendice: - la Media OCSE è la media non ponderata dei Paesi OCSE alla quale ciascun Paese contribuisce con peso uguale; - il Totale OCSE è la media ponderata, alla quale ciascun Paese contribuisce proporzionalmente al proprio numero di quindicenni scolarizzati. 1 La media dell’OCSE riportata nelle figure e nelle tabelle è costituita, tranne che dove viene esplicitamente detto altrimenti, dalla media non ponderata dei Paesi dell’OCSE, alla quale ciascun Paese contribuisce con peso uguale. Per statistiche quali le percentuali, la media OCSE corrisponde alla media aritmetica delle statistiche dei singoli Paesi. Viceversa, per statistiche legate alla dispersione (deviazione standard e varianza), la media dell’OCSE può differire dalla media aritmetica delle statistiche dei singoli Paesi, perché essa riflette le differenze tra Paesi oltre a quelle entro i Paesi. 27 3. La competenza matematica dei quindicenni Raimondo Bolletta e Stefania Pozio1 Questo capitolo presenta i risultati degli studenti in matematica. Vengono illustrate la definizione di competenza matematica alla base della valutazione e la sua articolazione, le modalità di costruzione delle prove e di presentazione dei risultati, con esempi di quesiti. I risultati degli studenti veneti vengono presentati nel quadro internazionale e vengono analizzati poi più in dettaglio a livello nazionale, considerando anche la macroarea geografica e il tipo di istruzione. 3.1 L’approccio di PISA all’accertamento della competenza matematica 3.1.1 La definizione di competenza matematica La matematica costituisce l’ambito principale in PISA 2003 e ad essa è stata dedicata più della metà del tempo di somministrazione. Nella presentazione dei risultati la matematica assume quindi un ruolo centrale e la maggiore estensione della prova di matematica rispetto a quella del 2000 consente una analisi distinta per aree di contenuto e una descrizione più precisa di quanto sanno fare e non sanno fare gli studenti che si collocano ai diversi livelli delle scale di competenza matematica Per poter interpretare correttamente i risultati occorre ritornare quindi al significato di competenza matematica e alle specificità della concezione di PISA rispetto ad altre forme di accertamento di conoscenze e di abilità ed in particolare occorre tener presente la finalità specifica dell’indagine. In PISA il quadro di riferimento teorico per la matematica parte dalla constatazione che esiste una tendenza comune a tutti i Paesi sviluppati: l’estensione sistematica e progressiva tra un numero crescente di cittadini di una cultura matematico-scientifica che non è più solo funzionale alla attività di specialisti, tecnici e scienziati ma che costituisce un bagaglio culturale essenziale per tutti i cittadini consapevoli (non analfabeti) di una società sempre più tecnologizzata e complessa. Fin dalla somministrazione del 2000, il concetto di competenza (literacy) matematica presentato nel quadro teorico di riferimento per la costruzione dei test corrisponde a una visione culturalmente ricca e impegnativa della competenza matematica. PISA definisce la competenza matematica (mathematical literacy) come: “la capacità di un individuo di identificare e comprendere il ruolo che la matematica gioca nel mondo reale, di operare valutazioni fondate e di utilizzare la matematica e confrontarsi con essa in modi che rispondono alle esigenze della vita di quell’individuo in quanto cittadino che esercita un ruolo costruttivo, impegnato e basato sulla riflessione” (OECD, 2003; trad it. 2004, p. 110). Questa definizione comprende, per la verità, una gamma di competenze piuttosto estesa, come di fatto si è potuto riscontrare nei risultati osservati sulla popolazione dei quindicenni. Tale definizione comprende sia la conoscenza e la comprensione della matematica sia la capacità di applicarla per la soluzione di problemi che emergono dal mondo reale e dalla vita corrente. L’obiettivo di PISA non è quindi semplicemente di rilevare quanta matematica i giovani conoscono e comprendono, ma soprattutto di accertare se e in che misura sanno attivare tali conoscenze e abilità per risolvere problemi della vita reale. 1 Il paragrafo 3.8 è stato redatto da Stefania Pozio, tutti gli altri paragrafi sono stati redatti da Raimondo Bolletta. 29 La scelta metodologica di Pisa, centrata sulla soluzione di problemi tratti dalla vita reale, contrasta con la tradizionale concezione della matematica scolastica che troppo spesso decontestualizza i concetti e le tecniche matematiche finalizzandole all’apprendimento mediante esercizi ripetuti di tipo meccanico. A questo proposito va osservato che intenzionalmente PISA ha abbandonato l’approccio IEA (International Association for the Evalutation of Educational Achievement) che invece centrava la validità degli strumenti sulla pertinenza rispetto ai curricoli scolastici dei vari Paesi o meglio sul curricolo comune ai Paesi partecipanti alle indagini. Nel caso di PISA è stato assunto a priori un quadro di riferimento teorico elaborato da un gruppo di esperti e ritenuto adeguato a definire una competenza per giovani che terminano il ciclo obbligatorio e che si accingono a differenziare la loro preparazione in vista dell’inserimento lavorativo. Nella vita reale i problemi non hanno in partenza una forma immediatamente interpretabile con gli strumenti matematici: occorre saperli tradurre o semplificare per poterli risolvere matematicamente. Tale assunto di PISA intende riportare al centro dell’apprendimento della matematica scolastica un uso funzionale dei concetti e degli algoritmi appresi in problemi affrontati nella vita reale. I risultati dei Paesi che raggiungono alti punteggi nella prova PISA mostrano empiricamente che un apprendimento più contestualizzato e più funzionale alla soluzione dei problemi è possibile e che esistono nel mondo giovani quindicenni matematicamente competenti (mathematically literate) che sanno operare in contesti reali o realistici secondo l’impostazione metodologica assunta dallo strumento PISA. 3.2 Come sono state costruite le prove Nel quadro teorico di PISA 2003 la costruzione della prova di matematica ha tenuto conto di tre dimensioni: il contenuto matematico che è richiesto dal problema, i processi implicati dalla connessione tra il fenomeno osservato, il problema matematico e la sua soluzione, le situazioni e i contesti che sono la fonte dello stimolo che origina il problema. 3.2.1 Contenuto Nella definizione delle aree di contenuto, o idee chiave, si è tenuto conto sia della ricerca sulla didattica della matematica sia del dibattito e del consenso degli esperti di un apposito forum di tutti i Paesi partecipanti. Il forum ha esaminato il quadro di riferimento e ha contribuito a scegliere i quesiti definitivi tra vaste collezioni di quesiti proposti da ciascun Paese e dal Consorzio internazionale tenendo strettamente conto delle seguenti idee chiave che individuano altrettante aree di contenuto. L’area di contenuto spazio e forma si riferisce ai problemi spaziali e geometrici che si incontrano nello studio delle proprietà degli oggetti e delle loro posizioni reciproche. Particolare rilievo hanno le relazioni tra gli oggetti e le loro immagini, quali, ad esempio, quelle che intervengono quando si rappresentano in due dimensioni oggetti dello spazio. Nello studio delle forme geometriche è importante individuare somiglianze e differenze secondo i diversi tipi di rappresentazioni. L’area di contenuto cambiamento e relazioni si riferisce allo studio dei mutamenti tipici di molti fenomeni naturali e di grandezze tra le quali intercorrono relazioni descrivibili matematicamente mediante funzioni lineari, esponenziali, periodiche, ecc. Le relazioni matematiche assumono talvolta la forma di equazioni o disequazioni, pur essendo ammesse anche altre rappresentazioni di tipo simbolico (algebriche, grafiche, tabellari e geometriche). Il passaggio da una rappresentazione all’altra ha spesso grande importanza nella risoluzione di problemi. L’area di contenuto quantità riflette la necessità di quantificare per organizzare la realtà. Componenti essenziali per il ragionamento quantitativo sono: il senso del numero, le diverse rappresentazioni numeriche, il significato delle operazioni e gli ordini di grandezza dei risultati, insieme alle valutazioni degli errori. L’area di contenuto incertezza comprende lo studio di fenomeni combinatori, probabilistici e statistici e le relative rappresentazioni che diventano sempre più importanti nella società dell’informazione. Le quattro aree di contenuto coprono nel loro insieme ciò di cui un quindicenne necessita dal punto di vista matematico per la propria vita e per proseguire eventualmente negli studi scientifici o matematici. Le quattro aree possono essere facilmente ricondotte ai classici capitoli della matematica quali geometria, algebra, aritmetica, calcolo delle probabilità e statistica e quindi agli argomenti in cui si strutturano i curricoli scolastici. 30 Il rapporto PISA riporta punteggi degli studenti distinti per le suddette aree di contenuto riconoscendo così che ciascun Paese può avere nei propri curricoli differenti accentuazioni di tali idee chiave legate alla propria cultura e alla propria tradizione scolastica. 3.2.2 Processi I quesiti della prova PISA, essendo fortemente contestualizzati, richiedono l’attivazione di un processo di matematizzazione costituito da una pluralità di passi che vanno dal riconoscimento alla semplificazione, dalla formalizzazione alla simbolizzazione, alla generalizzazione. Si tratta di un percorso a volte complesso a volte più semplice in ragione del tipo di problema, del tipo di strumento matematico richiesto e a seconda del livello di competenza del rispondente. Anche per questo aspetto delle prove il quadro di riferimento concettuale ha messo a punto una classificazione che è servita sia a selezionare i quesiti per la costruzione della prova sia a costruire le scale a posteriori con cui presentare i risultati. I processi mentali richiesti dalla soluzione dei problemi proposti dalla prova sono stati classificati in tre cluster, o raggruppamenti, che identificano una gerarchia di competenze. Il raggruppamento della riproduzione comprende quei processi mentali che entrano in gioco nella soluzione di problemi familiari o conosciuti. Si tratta di ricordare, di riprodurre, di ricollegare oggetti, proprietà e relazioni già note applicando algoritmi e abilità tecniche relativamente semplici e già utilizzate. Il raggruppamento delle connessioni raccoglie i processi mentali che pur facendo riferimento a schemi familiari e conosciuti non possono ridursi a un’unica procedura di routine, ma richiedono, per l’individuazione della soluzione del problema, un maggior impegno nell’interpretazione, nel passaggio da una rappresentazione a un’altra o nel collegamento di diversi aspetti della situazione in esame. Il raggruppamento della riflessione raccoglie processi che si esprimono sotto forma di scoperta o di riflessione sulla propria azione; la riflessione implica la creazione e la scelta della strategia migliore per trovare la soluzione. Tali competenze giocano un ruolo decisivo in problemi costituiti da un più alto numero di elementi informativi e in problemi che chiedono allo studente di generalizzare e giustificare la soluzione trovata. 3.2.3 Situazioni e contesti Poiché PISA assegna un ruolo importante al contesto e alla situazione in cui un problema matematico deve essere risolto, adotta anche per questa dimensione una specifica classificazione per distribuire in modo ottimale i quesiti nella prova. Situazioni personali sono i contesti più immediatamente legati alla vita e all’esperienza corrente dello studente. Situazioni educative o occupazionali si riferiscono alla vita scolastica dello studente o a contesti lavorativi noti allo studente. Situazioni pubbliche sono quelle che richiedono allo studente di osservare alcuni aspetti dell’ambiente che lo circonda e che riguardano la comunità di appartenenza, fatti e relazioni che lo studente conosce. Situazioni scientifiche includono contesti più astratti che richiedono la comprensione di alcuni processi tecnologici, alcune situazioni o contesti esplicitamente interni alla matematica. Questa classificazione si basa sulla distanza del contesto dallo studente: si va da contesti molto vicini e familiari di cui si ha immediata e diretta percezione a contesti via via più lontani di cui si ha una conoscenza più formalizzata e astratta e meno legata alla propria emotività e alla percezione sensoriale. Tra i quesiti della prova PISA vi sono non solo contesti in cui gli oggetti, i simboli o le strutture matematiche sono facilmente riconoscibili ma anche contesti in cui lo studente deve attivare le proprie conoscenze matematiche per poterle ritrovare in elementi che non hanno quasi nulla di immediatamente riconducibile alla matematica. 31 3.3 La prova di matematica I quesiti sono stati scelti per ricoprire al meglio le diverse dimensioni del quadro di riferimento sin qui descritte. I quesiti proposti sono stati sottoposti a sistematiche analisi sia da parte di gruppi di esperti nazionali (nel caso italiano hanno operato circa 20 docenti esperti di scuola media e secondaria, attivi quali tutor o supervisori nelle scuole di specializzazione di matematica) sia da parte di un forum internazionale di esperti designati in rappresentanza dei vari Paesi partecipanti. Ogni quesito è stato classificato in modo da poterlo associare a ogni dimensione (contenuto, processo e contesto) e in questa analisi vi è stata una discussione preventiva per convenire una descrizione convincente della competenza saggiata da ciascun quesito. Questa analisi preventiva ha consentito di conservare solo i quesiti che raggiungevano accordi più chiari e convergenti tra tutti i membri dei gruppi di esperti e tra tutti i Paesi. Sin dal primo ciclo di PISA per l’indagine del 2000 il gruppo di esperti internazionali ha richiesto che gli sviluppatori della prova prevedessero quesiti anche di tipo aperto e non solo quesiti chiusi, che comportano la scelta di risposte già previste. Nonostante i problemi posti dalla correzione di risposte aperte (tempi più lunghi e costi più alti) la prova PISA non solo richiede allo studente di riconoscere l’esattezza di una risposta già proposta, ma – a seconda dei casi – di impostare, calcolare e risolvere equazioni, scrivere una spiegazione del risultato trovato, illustrare il metodo seguito per trovare la risposta esatta. Le risposte aperte sono state codificate e valutate da personale appositamente addestrato che sulla base di un dettagliato schema di correzione hanno assegnato i punteggi. Lo schema di correzione è stato preventivamente sviluppato in vari Paesi attraverso sistematiche somministrazioni, che hanno consentito di raccogliere e di analizzare un’estesa casistica di risposte libere ai vari quesiti e di individuare quindi la gamma delle possibili prestazioni per ciascun quesito aperto. Per alcuni quesiti lo schema di correzione prevedeva un punteggio differenziato anche per risposte parzialmente esatte con una graduazione di punteggio che poteva variare in qualche caso da 0 a 3. Per verificare l’affidabilità della procedura di correzione delle domande aperte un sottocampione di prove di ciascun Paese è stato corretto quattro volte in modo indipendente per poter calcolare nelle analisi internazionali l’affidabilità delle procedure di correzione operate a livello nazionale. Infine per verificare l’equivalenza delle procedure di rating tra i vari Paesi un sottoinsieme di tutti i fascicoli compilati sono stati raccolti presso l’istituto capofila del Consorzio (ACER Melbourne) e sono stati ricodificati da un correttore esterno. Tali analisi hanno dimostrato che l’assegnazione dei punteggi ai quesiti aperti è stata molto affidabile garantendo così la comparabilità dei punteggi. Per la correzione dei quesiti aperti a risposta unica e di quelli in cui si trattava di scegliere quella esatta tra più risposte già formulate, le risposte sono state direttamente acquisite ed elaborate automaticamente dal computer senza intervento di scrutinatori manuali. La prova PISA è costituita in totale da 85 quesiti, ma per non appesantire i tempi della somministrazione e per diminuire le possibilità di copiatura tali quesiti sono stati opportunamente combinati e ruotati in fascicoli diversi in modo che ogni studente ha risposto solo a una parte degli item contenuti in un solo fascicolo per un impegno totale di due ore. Nella seguente figura viene riportato il numero totale di quesiti ripartito per area di contenuto e per tipo di processo. Come si può facilmente verificare esiste un equilibrio nel numero di quesiti riferiti a ciascuna area di contenuto. Per quanto riguarda invece i processi implicati, si può notare una maggiore presenza di quesiti nel raggruppamento delle connessioni ed una minore presenza di quesiti nel raggruppamento della riflessione. Figura 3.1 – Ripartizione dei quesiti in relazione alle dimensioni del quadro teorico2 Cambiamento e relazioni 2 Spazio e forma Quantità Incertezza Totale Riproduzione 7 5 9 5 26 Connessioni 8 12 11 9 40 Riflessione 7 3 3 6 19 TOTALE 22 20 23 20 85 Un quesito, a seguito delle analisi, è stato escluso dalla scala definitiva, per cui quest’ultima è basata su 84 quesiti. 32 La rotazione dei quesiti entro i vari fascicoli e appropriate analisi statistiche dei dati consentono di stimare la competenza del complesso degli studenti e la difficoltà di ogni quesito del test riconducendo tutti i singoli valori ad un'unica struttura dati come se tutti gli studenti avessero risposto a tutte le domande. Il modello di analisi dei dati (Rasch) consente di ricondurre quindi il punteggio di ogni studente a una posizione su una scala unica che rappresenta la ‘competenza matematica’ secondo la definizione adottata dal quadro di riferimento concettuale di PISA. Parallelamente la stessa analisi statistica posiziona ciascun quesito sulla stessa scala che è così descrivibile come un continuum in cui si distribuisce il grado di competenza necessaria per poter rispondere correttamente a ciascun quesito. La collocazione dei quesiti consente di descrivere operativamente i vari livelli di competenza individuati dalla scala. Per facilitare i confronti e l’interpretazione dei livelli raggiunti, la scala è stata standardizzata su tutti i dati dei Paesi OCSE partecipanti in modo che la media generale sia 500 e che circa i due terzi degli studenti abbiano un punteggio compreso tra 400 e 600. 3.4 La scala di competenza matematica di PISA 2003 Poiché nella somministrazione 2003 la matematica ha avuto il ruolo principale con un numero di quesiti più alto degli altri ambiti, è stato possibile descrivere con maggiore precisione 6 livelli della scala sotto forma di livelli di padronanza in senso ascendente da 1 a 6. Il livello 1 parte convenzionalmente dal punteggio 358 per cui tutti coloro che hanno avuto assegnato un punteggio inferiore a tale valore sono classificati ‘sotto il livello 1’. Non è detto che tali studenti siano del tutto incapaci di eseguire operazioni matematiche, ma sono stati incapaci di utilizzare le loro limitate capacità matematiche nelle situazioni problematiche previste anche dai più facili quesiti della prova PISA. La padronanza tipica di ogni livello della scala può essere descritta in base alle competenze matematiche che si devono possedere per raggiungere quel determinato livello, cioè per risolvere correttamente i quesiti associati a quel livello. Nella figura seguente sono riassunte le caratteristiche delle competenze tipiche di ciascun livello. Tali descrizioni sono la sintesi di quanto emerge separatamente nelle singole scale legate alle idee chiave che saranno presentate nel testo successivamente. 33 Figura 3.2 – Competenze matematiche tipiche di ciascun livello 6 Gli studenti di 6° livello sono in grado di concettualizzare, generalizzare e utilizzare informazioni basate sulla propria analisi e modellizzazione di situazioni problematiche complesse. Essi sono in grado di collegare fra loro differenti fonti d’informazione e rappresentazioni passando dall’una all’altra in maniera flessibile. A questo livello, gli studenti sono capaci di pensare e ragionare in modo matematicamente avanzato. Essi sono inoltre in grado di applicare tali capacità di scoperta e di comprensione contestualmente alla padronanza di operazioni e di relazioni matematiche di tipo simbolico e formale in modo da sviluppare nuovi approcci e nuove strategie nell’affrontare situazioni inedite. A questo livello, gli studenti sono anche capaci di esporre e di comunicare con precisione le proprie azioni e riflessioni collegando i risultati raggiunti, le interpretazioni e le argomentazioni alla situazione nuova che si trovano ad affrontare. 5 Gli studenti di 5° livello sono in grado di sviluppare modelli di situazioni complesse e di servirsene, di identificare vincoli e di precisare le assunzioni fatte. Essi sono inoltre in grado di selezionare, comparare e valutare strategie appropriate per risolvere problemi complessi legati a tali modelli. A questo livello, inoltre, gli studenti sono capaci di sviluppare strategie, utilizzando abilità logiche e di ragionamento ampie e ben sviluppate, appropriate rappresentazioni, strutture simboliche e formali e capacità di analisi approfondita delle situazioni considerate. Essi sono anche capaci di riflettere sulle proprie azioni e di esporre e comunicare le proprie interpretazioni e i propri ragionamenti. 4 Gli studenti di 4° livello sono in grado di servirsi in modo efficace di modelli dati applicandoli a situazioni concrete complesse anche tenendo conto di vincoli che richiedano di formulare assunzioni. Essi sono in grado, inoltre, di selezionare e di integrare fra loro rappresentazioni differenti, anche di tipo simbolico, e di metterle in relazione diretta con aspetti di vita reale. A questo livello, gli studenti sono anche capaci di utilizzare abilità ben sviluppate e di ragionare in maniera flessibile, con una certa capacità di scoperta, limitatamente ai contesti considerati. Essi riescono a formulare e comunicare spiegazioni e argomentazioni basandosi sulle proprie interpretazioni, argomentazioni e azioni. 3 Gli studenti di 3° livello sono in grado di eseguire procedure chiaramente definite, comprese quelle che richiedono decisioni in sequenza. Essi sono in grado, inoltre, di selezionare e applicare semplici strategie per la risoluzione dei problemi. A questo livello, gli studenti sono anche capaci di interpretare e di utilizzare rappresentazioni basate su informazioni provenienti da fonti differenti e di ragionare direttamente a partire da esse. Essi riescono a elaborare brevi comunicazioni per esporre le proprie interpretazioni, i propri risultati e i propri ragionamenti. 2 Gli studenti di 2° livello sono in grado di interpretare e riconoscere situazioni in contesti che richiedano non più di un’inferenza diretta. Essi sono in grado, inoltre, di trarre informazioni pertinenti da un’unica fonte e di utilizzare un’unica modalità di rappresentazione. A questo livello, gli studenti sono anche capaci di servirsi di elementari algoritmi, formule, procedimenti o convenzioni. Essi sono capaci di ragionamenti diretti e di un’interpretazione letterale dei risultati. 1 Gli studenti di 1° livello sono in grado di rispondere a domande che riguardino contesti loro familiari, nelle quali siano fornite tutte le informazioni pertinenti e sia chiaramente definito il quesito. Essi sono in grado, inoltre, di individuare informazioni e di mettere in atto procedimenti di routine all’interno di situazioni esplicitamente definite e seguendo precise indicazioni. Questi studenti sono anche capaci di compiere azioni ovvie che procedano direttamente dallo stimolo fornito. Fonte: OCSE, 2004. PISA 2003 per la competenza matematica presenta i risultati oltre che su una scala complessiva anche rispetto a quattro scale specifiche che corrispondono alle 4 aree di contenuto già descritte. In questo modo è possibile rappresentare la situazione di un Paese non tramite un singolo punteggio ma attraverso un profilo che tenga conto delle aree di contenuto e quindi delle possibili diverse accentuazioni operate dai curricoli sulle varie parti della matematica. Per due aree di contenuto Cambiamento e relazioni e Spazio e forma è possibile altresì comparare i risultati con quelli della somministrazione del 2000. La figura seguente presenta una mappa di alcuni quesiti associati ai vari livelli della scala delle competenze. Di tali quesiti verrà fornita una descrizione dettagliata nel paragrafo 3.8 per consentire di verificare il significato di questi livelli con esemplificazioni di facile lettura. Il numero posto tra 34 parentesi indica il punteggio associato a ciascun quesito ovvero il punteggio che corrisponde verosimilmente al livello di competenza necessario per risolverlo correttamente. Figura 3.3 – Una mappa di alcuni quesiti Spazio e forma Livello 6 Quantità Cambiamento e relazioni Incertezza (723) Andatura (dom. 3.3) (694) Furti (dom. 1.2) (687) Carpentiere (dom.1) Livello 5 (666) Andatura (dom. 3.2) (620) Risultati verifica (dom.1) di una Livello 4 (611) Andatura (dom. 1) (605) Andatura (dom. 3.1) (586) Tasso (dom. 3) di cambio (577) Furti (dom. 1.1) (574) La crescita (dom. 3) (570) Skateboard (dom. 2) (565) Esportazioni (dom. 2) Livello 3 (554) Skateboard (dom. 3) (525) La crescita (dom. 2.2) (503) Dadi da gioco (dom. 2) Livello 2 (496) Skateboard (dom. 1.2) (477) La crescita (dom. 1) (464) Skateboard (dom. 1.1) (439) Tasso (dom. 2) di cambio (427) Esportazioni (dom. 1) (421) Scala (dom. 1) Livello 1 (420) La crescita (dom. 2.1) (406) Tasso (dom. 1) di cambio Fonte: OCSE 2004. Verso il fondo della scala troviamo quesiti che richiedono una limitata capacità di interpretazione del contesto e l’applicazione di conoscenze matematiche ben note in contesti familiari. Si tratta di attività che richiedono la capacità di leggere un dato da un grafico o da una tabella, effettuare semplici e immediati calcoli aritmetici, ordinare un insieme di numeri, contare oggetti familiari, calcolare un cambio di moneta, identificare ed elencare i risultati di una attività combinatoria. Nel livello intermedio si è in grado di risolvere quesiti che richiedono una maggiore capacità di interpretazione, spesso in situazioni poco familiari o non esplorate. I quesiti richiedono l’uso di 35 differenti rappresentazioni propriamente matematiche e un intelligente collegamento tra rappresentazioni per promuovere la comprensione e l’analisi del problema. Comportano una catena di ragionamenti o vari passaggi nel calcolo e possono richiedere una seppur semplice spiegazione della soluzione proposta. Una attività tipica è quella di interpretare grafici tra loro collegati, interpretare un testo e collegare l’informazione ottenuta da una tabella o da un grafico, isolare le informazioni rilevanti ed effettuare alcuni calcoli, usare le scale di conversione per calcolare una distanza su una mappa, usare ragionamenti spaziali e concetti geometrici per ragionare su distanze, velocità e tempo. Verso i livelli alti della scala i quesiti presentano una maggiore quantità di elementi da interpretare in situazioni non familiari e richiedono un certo grado di riflessione intelligente e di creatività. Le domande richiedono qualche forma di argomentazione spesso sotto forma di spiegazione della soluzione proposta. Alcune attività tipiche sono: interpretare dati complessi e non familiari, ricostruire matematicamente situazioni complesse tratte dal mondo reale, usare processi di modellizzazione matematica. Nei livelli alti della competenza gli studenti devono saper collegare molti elementi informativi e adottare strategie di soluzione costituite da vari passi tra loro connessi. Poiché ogni quesito si colloca lungo la scala della competenza matematica definita dalla prova PISA, è possibile descrivere minutamente come cresce tale competenza dai livelli più bassi a quelli più alti. Classificando i quesiti rispetto al livello di difficoltà, si è trovato che i più facili richiedono la riproduzione di processi matematici familiari in cui la componente matematica è esplicitamente richiesta. Di converso i quesiti che richiedono un’attività di riflessione tendono ad essere più difficili. Quesiti legati al raggruppamento delle competenze di connessione si collocano a un livello medio di difficoltà. Quindi la difficoltà crescente dei quesiti di matematica è determinata: 1. dal tipo di interpretazione e/o di riflessione, dal più semplice al più complesso, 2. dal tipo di rappresentazione utilizzato in senso crescente a partire dall’uso di un solo tipo di rappresentazione a una pluralità di tipologie da scegliere opportunamente, 3. dal tipo e dal grado di complessità matematica partendo da problemi che richiedono un solo passo a problemi che richiedono la scelta e l’esecuzione di una strategia costituita da molti passi quali l’assunzione di decisioni, l’elaborazione di informazioni, l’adozione di modelli, 4. dal tipo e dal grado di complessità dell’argomentazione richiesta: da problemi in cui non si richiede alcuna giustificazione, si passa a problemi in cui si tratta di esprimere argomentazioni apprese fino a problemi in cui lo studente deve giudicare la correttezza di una data argomentazione o dimostrazione. 3.5 Risultati di matematica 3.5.1 Quali sono i risultati complessivi La figura seguente presenta le comparazioni che possono essere stabilite in base ai punteggi medi ottenuti nelle prove tra alcuni Paesi OCSE, il Veneto e il Nord Est. I Paesi sono stati ordinati rispetto a tale media nella scale generale. Anche le scale relative alle aree di contenuto (idee chiave) sostanzialmente determinano una graduatoria molto simile a quella della scala generale e per questo abbiamo ritenuto opportuno affiancarle nella stessa figura. L’errore standard (e. s.) e la deviazione standard (dev. std.) danno conto, il primo, della precisione della stima della media nazionale o regionale e, la seconda, della variabilità interna al Paese o alla regione. Se la figura viene letta in orizzontale confrontando i valori della stessa riga è possibile rendersi conto di come il risultato nella competenza generale si declina nelle sue componenti curricolari. 36 (2,5) (3,3) (2,8) (2,4) 511 506 503 490 490 Francia Austria Germania Polonia Ungheria (1,8) (0,6) (5,5) 466 445 385 500 511 511 Italia Grecia Messico Media OCSE Veneto Nord Est 88 85 100 85 94 96 95 88 94 90 103 93 92 98 87 92 84 D.S. (3,0) (2,8) (0,4) (1,9) (1,8) (1,9) (1,3) (1,3) (2,0) (1,3) (1,8) (1,7) (1,8) (2,0) (1,0) (2,1) (1,1) E.S. Deviazione Standard Media 539 517 518 496 382 437 470 472 476 479 490 500 515 508 540 518 552 (7,9) (5,7) (0,6) (3,2) (3,8) (3,1) (2,8) (2,6) (3,3) (2,7) (3,3) (3,5) (3,0) (3,5) (1,8) (3,8) (2,0) E.S. 101 96 110 87 100 109 97 92 109 107 112 112 102 110 95 117 92 D.S. (2,8) (2,6) (0,4) (1,4) (1,6) (1,8) (1,4) (1,4) (2,2) (1,9) (1,9) (1,7) (2,0) (2,1) (0,9) (2,5) (1,2) E.S. Deviazione Standard Spazio e Forma Punteggio Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. (7,7) (3,6) (3,9) (3,1) (2,9) 485 483 Spagna Stati Uniti (2,5) (3,3) (3,4) 532 527 Canada Svizzera (3,2) 542 (1,9) 544 Corea E.S. Finlandia Punteggio Media Competenza generale 500 501 499 364 436 452 486 481 495 484 507 500 520 523 537 548 543 Punteggio Media (7,8) (5,6) (0,7) (4,1) (4,3) (3,2) (3,0) (2,8) (3,1) (2,7) (3,7) (3,6) (2,6) (3,7) (1,9) (3,5) (2,2) E.S. 92 89 109 98 107 103 98 99 99 99 109 102 100 112 92 99 95 D.S. (3,0) (2,8) (0,5) (1,9) (1,7) (1,9) (1,6) (1,4) (2,1) (1,7) (1,7) (1,8) (2,1) (2,2) (0,9) (2,4) (1,4) E.S. Deviazione Standard Cambiamento e Relazioni 507 521 501 394 446 475 476 492 496 492 514 513 507 533 528 537 549 Punteggio Media (7,2) (5,9) (0,6) (3,9) (4,0) (3,4) (3,2) (2,5) (2,7) (2,5) (3,4) (3,0) (2,5) (3,1) (1,8) (3,0) (1,8) E.S. 88 96 102 95 100 106 105 97 95 89 106 86 95 96 94 90 83 D.S. (3,1) (2,9) (0,4) (1,9) (1,7) (2,0) (1,5) (1,3) (1,9) (1,7) (1,9) (1,7) (1,8) (1,7) (0,9) (1,9) (1,1) E.S. Deviazione Standard Quantità Figura 3.4 – Media e dispersione dei punteggi per la scala complessiva e le quattro scale specifiche di matematica 522 505 502 390 458 463 491 489 489 494 493 494 506 517 542 538 545 Punteggio Media (8,3) (5,3) (0,6) (3,3) (3,5) (3,0) (3,0) (2,4) (2,6) (2,3) (3,3) (3,1) (2,4) (3,3) (1,8) (3,0) (2,1) E.S. 97 (3,4) (2,6) (0,4) 99 86 (1,5) (1,5) (1,7) (1,5) (1,4) (1,8) (1,7) (1,7) (1,7) (1,7) (2,1) (0,9) (1,9) (1,1) E.S. 80 88 95 98 88 86 85 98 94 92 100 87 89 85 D.S. Deviazione Standard Incertezza Il Veneto si colloca al di sopra della media OCSE al livello della Francia e si distanzia dalla media italiana di ben 45 punti assumendo la stessa media della macorarea territoriale di appartenenza. Da notare che presenta una più bassa variabilità dei punteggi con 85 punti di Deviazione Standard contro i 96 del punteggio italiano. I punteggi medi nella sottoscale mostrano che i buoni risultati della regione si confermano anche nelle aree specifiche soprattutto in Spazio e forma e in Quantità, più basso il punteggio in Cambiamento e relazioni. Nelle figure 3.4 e 3.5 sono riportati accanto ai valori medi anche gli errori standard per consentire di apprezzare l’ampiezza dell’intervallo in cui il valore vero si dovrebbe trovare con una probabilità del 95%. Ricordiamo infatti che si tratta di valori campionari e che quindi tutte le statistiche trovate sono stime di valori veri che si troveranno quasi certamente negli intervalli di confidenza indicati dai valori dell’errore standard. Per questo le differenze tra i Paesi e le singole regioni non sono sempre statisticamente significative e la stessa graduatoria in cui i Paesi possono essere ordinati costituisce solo un’assunzione molto verosimile della graduatoria vera. Ovviamente nel leggere i dati e nell’esaminare le comparazioni non conta solo la significatività statistica ma anche e soprattutto la rilevanza pratica di certe differenze. Tale rilevanza sarà illustrata soprattutto attraverso la comparazione delle percentuali dei valori estremi, ovvero degli studenti che si trovano sotto il valore soglia del livello 1 o si trovano nel livello di eccellenza del livello 6. Figura 3.5 Distribuzione dei risultati degli studenti sulla scala di matematica 5° percentile Intervallo di confidenza intorno alla media 25° percentile 75° percentile 95° percentile Nord Est Veneto Hong Kong - Cina Finlandia Corea Paesi Bassi Liechtenstein Giappone Canada Belgio Macao - Cina Svizzera Australia Nuova Zelanda Repubblica Ceca Islanda Danimarca Francia Svezia Austria Germania Irlanda Media OCSE Repubblica Norvegia Lussemburgo Polonia Ungheria Spagna Lettonia Stati Uniti Federazione Portogallo Italia Grecia Serbia e Turchia Uruguay Thailandia Messico Indonesia Tunisia Brasile 200 250 300 350 400 Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. 38 450 500 550 600 650 700 Occorre capire in pratica cosa voglia dire, ad esempio, una differenza di 50 punti fra i punteggi di due studenti o tra due gruppi di studenti. Una differenza di 62 punti corrisponde a un livello della scala della competenza. Come vedremo meglio nel paragrafo successivo una differenza di un livello vuol dire una sostanziale differenza nelle prestazioni dello studente: ad esempio, se ci riferiamo alla dimensione dei processi mentali descritti nel quadro di riferimento concettuale di PISA, il livello 3 richiede allo studente di adottare una sequenza di decisioni e di interpretare e ragionare su diverse fonti informative mentre un ragionamento diretto e un’interpretazione alla lettera è sufficiente nel livello 2. Allo stesso modo, considerando l’uso del linguaggio simbolico formale e tecnico lo studente al livello 3 deve essere capace di lavorare con rappresentazioni simboliche mentre lo studente raggiunge il livello 2 se maneggia semplici algoritmi, formule e convenzioni. Per la capacità di modellizzazione nel livello 3 si chiede di usare differenti modelli rappresentativi mentre per il livello 2 è sufficiente riconoscere e applicare semplici modelli dati. Per la capacità di porre e risolvere problemi gli studenti del livello 3 devono usare semplici strategie di soluzione di problemi mentre nel livello 2 devono usare solo semplici inferenze dirette. Un altro modo per interpretare i punteggi della scala è quello di considerare l’entità delle differenze tra Paesi e regioni diversi: la differenza tra il Paese con la media più alta e quello con la media più bassa ammonta a 158 punti e la differenza tra la media del terzo più alto e la media del terzo più basso è di 93 punti. Come vedremo nelle esemplificazioni successive questo fatto fa emergere una differenziazione al livello internazionale che potrebbe sorprendere se si pensa a quanto la globalizzazione dovrebbe aver indotto i vari Paesi, che partecipano alla stessa organizzazione internazionale, a far convergere le proprie politiche educative almeno sulle fasce dei più giovani. Ovviamente le stesse considerazioni dovranno essere sviluppate in merito ai confronti tra regioni dello stesso paese: nel caso italiano possiamo affermare che la differenza in media tra la regione migliore e la macroarea peggiore è di circa 124 punti e che il valore massimo delle differenze tra tutte le regioni che hanno sovracampionato il loro campione ammonta a 56 punti. Infine, per dare ulteriore significato alle differenze dei punteggi, possiamo osservare che, nei Paesi OCSE in cui un considerevole numero di studenti di 15 anni si colloca in almeno due anni scolastici diversi, un anno di scuola corrisponde a circa 41 punti in media nella scala PISA. 3.5.2 Le prestazioni degli studenti nelle quattro aree di contenuto Come abbiamo visto sopra, analizzando la distribuzione dei quesiti lungo le scale di competenza è possibile interpretare il significato operativo dei livelli raggiunti nelle quattro aree di contenuto. Altrettanto importante è riuscire a vedere come si distribuiscono gli studenti nei livelli delle varie competenze: la figura seguente presenta la percentuale di studenti per livello della scala generale di matematica, evidenziando però solo i livelli estremi, non solo della scala generale di matematica. Il quadro sinottico delle diverse scale risulta molto interessante da analizzare, perché permette di identificare punti di forza e di debolezza di ogni Paese. I Paesi oggetto del confronto sono ordinati alfabeticamente. Successivamente ogni scala verrà considerata nel dettaglio (figura 3.7), con i Paesi ordinati progressivamente secondo la percentuale di studenti dei livelli superiori al primo. 39 7,1 21,2 18,7 27,9 15,2 9,6 15,2 13,2 10,7 2,5 1,5 5,6 9,2 17,8 13,2 38,1 6,8 8,1 10,2 4,9 7,8 8,2 3,7 4,3 Corea Finlandia Francia Germania Grecia Italia Messico Polonia Spagna Stati Uniti Svizzera Ungheria Media OCSE Veneto Nord Est 3,2 3,1 4,0 2,5 7,0 2,0 1,4 2,3 0,0 1,5 0,6 4,1 3,5 6,7 8,1 5,5 3,7 % Liv 6 % 5,8 4,8 10,6 13,1 5,4 12,1 10,1 10,7 39,1 15,1 21,3 11,1 7,7 2,5 4,8 4,7 8,0 10,8 10,9 14,2 17,3 8,6 18,2 16,7 14,9 27,8 16,8 21,7 13,3 12,0 7,3 8,4 10,7 12,0 % Liv 1 Spazio e Forma < Liv 1 Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. 11,1 15,5 14,9 12,4 11,0 5,3 7,7 2,4 Canada % 13,2 % 5,6 Austria Liv 1 < Liv 1 Competenza generale 6,7 5,4 5,8 4,5 11,7 2,3 1,6 5,0 0,0 3,3 0,8 6,0 5,1 7,9 16,0 5,6 8,5 % Liv 6 6,3 5,4 10,2 8,4 7,6 10,4 11,3 10,1 47,2 18,2 23,3 9,5 6,4 2,7 3,0 2,9 8,6 % < Liv 1 12,6 12,3 13,0 14,5 10,1 14,4 14,9 16,1 24,1 19,2 19,9 12,6 9,5 7,0 7,0 7,6 14,1 % Liv 1 2,8 2,5 5,3 3,6 8,8 2,2 2,0 3,3 0,1 1,5 1,1 6,1 5,6 8,9 10,9 7,3 4,6 % Liv 6 Cambiamento e Relazioni 5,3 5,0 8,8 7,8 4,2 13,7 8,9 7,1 35,5 13,7 19,0 8,5 6,7 1,4 2,6 3,8 3,7 % < Liv 1 8,8 9,5 12,5 13,5 8,6 15,6 13,2 13,5 25,0 16,1 19,8 10,4 11,1 5,0 7,2 8,8 11,2 % Liv 1 Quantità 6,1 5,7 4,0 2,5 6,7 2,8 2,6 1,8 0,1 2,8 1,0 5,5 3,5 7,0 6,4 6,0 2,8 % Liv 6 Figura 3.6 – Percentuale dei punteggi per i diversi livelli della scala complessiva e delle quattro scale specifiche 5,0 4,5 7,4 6,0 6,3 9,0 7,1 5,2 35,3 13,7 12,8 8,7 6,0 1,6 2,2 2,0 7,4 % < Liv 1 10,5 11,3 13,3 15,2 10,7 14,9 13,7 13,9 30,6 18,9 20,4 15,2 12,3 5,5 7,2 6,4 15,2 % Liv 1 Incertezza 3,1 2,6 4,2 1,6 5,8 3,2 1,5 1,6 0,0 1,4 0,7 2,9 2,8 6,8 6,7 6,8 3,0 % Liv 6 Nel Veneto è presente un 3,7% di quindicenni che non raggiungono il livello 1 che cioè sono sotto il livello di misurabilità del test Pisa. La regione si attesta su valori migliori di quelli della Svizzera (4,9%) non lontano dalla Corea (2,5%) e si differenzia dal 13,2 % dell’Italia. Anche il livello 1 risulta esiguo, il 10,7% contro il 18,7 % dell’Italia. Se si osserva la distribuzione del livello più alto, ovvero il livello 6 vi troviamo il 3.1% un valore di poco inferiore a quello della Francia (3,5%)e dell’Austria (3,7%) significativamente sotto la Finlandia (6,7%) la Svizzera (7%) e la Corea (8,1%). La frequenza del livello 6 in Veneto (3,1%) è più accettabile se confrontata con la percentuale italiana che ammonta al 1,5%. Figura 3.7 - Percentuale di studenti a ciascun livello della scala generale di matematica 100 7 80 60 17 26 8 17 25 5 15 25 Livelli 7 14 22 40 3 12 22 4 11 20 4 11 19 4 12 2 8 1 7 18 18 18 25 27 21 2 8 2 8 21 22 17 24 24 23 20 0 3 10 28 29 24 25 26 21 21 22 3 19 21 11 4 11 4 2 28 24 26 24 26 25 24 23 16 17 18 18 20 22 21 19 25 25 24 5 1 7 2 8 2 10 5 11 6 13 6 13 8 12 9 15 7 15 15 16 8 8 10 13 5 <1 38 60 80 VENETO NORD EST Messico Grecia ITALIA Stati Uniti Ungheria Spagna Polonia Germania Media OCSE Austria Francia Svizzera Canada Corea Finlandia 100 41 4 1 18 40 Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. 6 1 3 11 28 20 3 9 2 5 13 20 0 3 11 3.5.3 Le prestazioni degli studenti nella scala ‘Spazio e Forma’ Un quarto dei compiti previsti nella prova PISA è legato a fenomeni e a relazioni spaziali e/o geometriche. Nell’Appendice 1 è riportato integralmente il testo di alcuni esempi dei quesiti che hanno accertato i livelli di tale scala. Figura 3.8 – Percentuale di studenti a ciascun livello della scala ‘Spazio e Forma’ 100 80 60 16 17 12 16 25 20 40 25 6 12 5 12 9 12 6 11 6 10 5 9 18 17 16 22 22 21 20 25 23 21 21 21 20 19 19 20 21 20 21 17 15 16 20 7 3 8 5 9 5 11 5 20 0 Livelli 8 15 20 12 8 19 12 8 2 6 15 25 5 12 21 22 24 25 2 7 14 3 7 15 1 4 10 20 22 21 19 0 3 9 22 25 22 24 21 19 19 28 11 6 11 5 5 8 15 25 7 12 13 14 15 17 17 18 17 11 11 11 10 13 12 15 22 6 5 4 3 2 1 21 40 <1 39 60 80 VENETO NORD EST Messico Grecia ITALIA Stati Uniti Ungheria Spagna Polonia Media OCSE Germania Austria Francia Canada Svizzera Corea Finlandia 100 Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. Le conoscenze e le abilità richieste per raggiungere ciascun livello sono riassunte nella Figura 3.8. In PISA 2003 solo il 5,8% del totale degli studenti dei Paesi OCSE raggiungono il livello 6. L’Italia ha solo il 3,3% di studenti che raggiunge tale livello mentre in Corea e si raggiunge il 16% e l’11,7% in Svizzera. Il Veneto presenta un buon risultato con un 5,4% di ragazzi che raggiungono il livello 6. Se si osserva all’altro estremo della scala la percentuale di coloro che non raggiungono il livello 2, in Italia si trova circa il 32% superata in ciò solo da Messico (66%), Grecia (42%), in una situazione simile agli Stati Uniti (30,4%), Ungheria (30,3%), Spagna (26,8%), ma ben lontana da Svizzera (14%), Corea (13,1%) e Finlandia (9,8%). Il Veneto presenta una situazione simile alla Svizzera (14.0%) e Canada (15.4%) presentando solo il 15,8% a di sotto del livello 2. 42 3.5.4 Le prestazioni degli studenti nella scala ‘Cambiamento e Relazioni’ Un quarto dei quesiti PISA riguarda la scala del cambiamento delle relazioni funzionali e della dipendenza tra variabili. La distribuzione dei livelli in questa scala in Italia mostra la quasi assenza di studenti del livello 6 (1,5% contro il 5,3% della media OCSE, l’11% della Corea) e una più alta concentrazione della popolazione verso i livelli bassi. In questa scala il 18,2% non raggiunge il livello minimo del livello 1 contro il 10% della media OCSE. Peggio dell’Italia si trovano la Grecia (23,3%) il Messico (47,2%). Se sommiamo anche il livello 1 troviamo che il 37% degli studenti italiani non supera la soglia minima del livello 2 contro il 9% della Finlandia, il 10%della Corea, il 10,5% del Canada. La stessa Germania, che pure ha un punteggio medio piuttosto basso, ha solo il 22% degli studenti in queste condizioni. Figura 3.9 – Percentuale di studenti a ciascun livello della scala ‘Cambiamento e Relazioni’ 100 80 9 17 11 17 60 24 24 7 16 24 Livelli 6 14 22 9 14 21 6 13 20 5 11 19 40 4 10 18 5 11 2 8 19 20 21 26 28 3 8 2 8 16 17 24 23 24 20 18 0 3 9 23 24 23 24 23 17 23 23 3 19 20 13 6 12 5 2 24 18 23 24 25 24 21 21 22 23 22 22 16 16 17 18 17 18 20 22 20 7 3 7 3 8 3 9 6 10 8 13 14 15 13 14 16 15 9 9 8 10 10 10 11 20 2 8 18 2 5 12 1 4 11 20 0 3 9 6 5 4 1 40 <1 47 60 80 VENETO NORD EST Messico Grecia ITALIA Spagna Polonia Stati Uniti Media OCSE Ungheria Austria Germania Svizzera Francia Canada Corea Finlandia 100 Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. Le conoscenze e le abilità richieste per raggiungere ciascun livello sono riassunte nella Figura 3.9. In PISA 2003 solo il 5,3% del totale degli studenti dei Paesi OCSE raggiunge il livello 6 in questa scala. L’Italia ha solo l’1,5% di studenti che raggiunge tale livello mentre in Corea il 10,9% raggiunge il livello 6. Il Veneto presenta solo un 2,5% di ragazzi che raggiungono il livello 6, una situazione comparabile a quella degli Stati Uniti (2,2%) e della Spagna (2,0%). Se si osserva all’altro estremo della scala la percentuale di coloro che non raggiungono il livello 2, in Italia si trova circa il 37,4% superata in ciò solo da Messico (71,3%), Grecia (43,2%) distanziata anche dalla Spagna (26,2%) e dagli Stati Uniti (24,8%), ma ben lontana da Corea (10,0%), Canada (10,5%) e Finlandia (9,7%). Il Veneto presenta una situazione simile alla Svizzera (17,7%) presentando solo il 17,7% al di sotto del livello 2. 43 3.5.5 Le prestazioni degli studenti nella scala ‘Quantità’ La distribuzione dei livelli in questa scala in Italia evidenzia un 2,8% di studenti del livello 6 contro il 4% della media OCSE e il 6,4% della Corea, una situazione con differenze più contenute rispetto a quella della precedente scala. In questa competenza il 13,7% non raggiunge il livello minimo del livello 1 contro l’8,8% della media OCSE. Peggio dell’Italia si trovano la Grecia (19,9%) e il Messico (35,5%). Se sommiamo anche il livello 1 troviamo che il 29,8% degli studenti italiani non supera la soglia minima del livello 2 contro il 6,3% della Finlandia, il 9,8% della Corea, il 12,7% del Canada, mentre la Germania ha il 18,9% di studenti in queste condizioni. Figura 3.10 – Percentuale di studenti a ciascun livello della scala ‘Quantità’ 100 7 80 60 18 27 6 16 26 Livelli 6 14 24 7 16 3 11 23 25 40 3 11 5 14 2 8 19 22 2 10 4 11 20 20 22 27 25 25 25 24 15 17 18 16 21 20 18 15 7 3 9 4 9 4 11 4 11 7 10 9 19 3 8 16 3 8 15 1 4 11 6 13 21 22 27 26 25 24 25 22 22 20 0 1 5 12 24 22 20 23 22 22 25 21 19 19 14 13 13 13 16 16 20 7 9 9 25 9 5 8 4 1 14 14 27 27 3 9 6 13 22 20 0 20 6 5 4 3 2 1 19 40 35 <1 60 80 VENETO NORD EST Messico Grecia ITALIA Stati Uniti Spagna Media OCSE Ungheria Polonia Germania Francia Austria Svizzera Canada Corea Finlandia 100 Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. Le conoscenze e le abilità richieste per raggiungere ciascun livello sono riassunte nella Figura 3.10. Nel Veneto sono presenti un 5,7% di ragazzi che raggiungono il livello 6, frequenze vicine a quelle del Canada (6,0%) e della Corea (6,4%). Esaminando i livelli bassi della competenza nell’area della quantità e cioè tutti coloro che non raggiungono il livello 2 troviamo nel Veneto una situazione simile all’Austria (14,9%) che presenta solo il 14,5% di presenze. 44 3.5.6 Le prestazioni degli studenti nella scala ‘Incertezza’ Un quarto dei quesiti della prova si riferisce a problemi probabilistici e statistici. Nell’Appendice 1 alcuni esempi dei quesiti che hanno accertato tale scala consentono di comprenderne meglio il significato. Anche in questa scala l’Italia presenta un esiguo numero di casi a livello 6 (1,4%) poco sopra a Messico (0%), Grecia (0,7%), ma non distante da Spagna, Ungheria e Polonia (1,6%). La percentuale media generale è del 3,6%, ma alcuni Paesi se ne distaccano sensibilmente. Se invece si esamina la fascia bassa ovvero le percentuali di coloro che si trovano sotto alla soglia del secondo livello troviamo in Italia il 32,6%, con un risultato migliore di quello del Messico (65,9%), analogo a quella della Grecia (33,2%) e non troppo diverso da quello di Germania (24,0%), Stati Uniti (23,9%), ma ben lontano da Corea (9,5%), Canada (8,4%) e Finlandia (7,1%). Figura 3.11 – Percentuale di studenti a ciascun livello della scala ‘Incertezza’ 100 80 60 7 7 7 16 16 16 27 26 26 Livelli 6 13 3 11 21 22 40 2 8 4 11 19 1 7 2 7 18 17 27 27 3 9 18 19 27 27 26 25 24 25 15 16 17 19 21 26 22 25 5 2 6 2 7 2 11 6 12 6 14 5 13 7 14 7 24 3 10 17 3 10 20 3 9 6 1 4 12 20 21 19 1 5 13 23 0 3 10 28 29 21 23 23 3 11 5 11 5 2 31 24 24 23 22 26 23 22 22 26 27 15 15 15 15 19 20 6 7 9 9 14 13 20 0 3 10 5 4 1 40 <1 35 60 80 VENETO NORD EST Messico Grecia ITALIA Germania Stati Uniti Austria Ungheria Spagna Media OCSE Polonia Francia Svizzera Corea Canada Finlandia 100 Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. Le conoscenze e le abilità richieste per raggiungere ciascun livello sono riassunte nella Figura 3.11. In PISA 2003 solo il 4,2% del totale degli studenti dei Paesi OCSE raggiunge il livello 6 in questa scala. Nel Veneto è presente un 2,6% di ragazzi che raggiunge il livello 6, frequenze vicine a quelle del Francia (2,8%) e della Germania (2,9%). L’analisi della distribuzione dei livelli bassi della competenza nell’area della incertezza e cioè la frequenza cumulata del livello 1 e del livello al di sotto del livello 1 evidenzia per il Veneto il 15,8% a di sotto del livello 2 e si colloca tra Svizzera (17,0%) e la Corea (9,5%). 45 3.5.7 Punti di forza e di debolezza rispetto alle singole scale della competenza matematica. La disponibilità di scale diverse e specifiche consente di analizzare i risultati non più secondo una sola graduatoria, ma secondo dei profili che potrebbero riflettere diverse impostazioni ed enfasi poste nei programmi scolastici su questa o quella area di contenuto. Il rapporto internazionale evidenzia alcune situazioni in particolare: Il Giappone eccelle in ‘Spazio e forma’ che viceversa sono il punto più debole per Canada e Irlanda. La Francia ha un punto forte in ‘Cambiamenti e relazioni’. L’area ‘Incertezza’ è un punto forte per Australia, Grecia, Irlanda, Islanda, Norvegia e Nuova Zelanda L’area ‘Quantità’ emerge sulle altre in Finlandia Lo stesso rapporto nota che tutti i Paesi che si trovano in fondo alla scala non presentano differenziazioni significative tra i punteggi nelle singole scale, mentre in molti altri Paesi una analisi centrata sulle differenze di rendimento nelle scale di contenuto consente una lettura dei risultati focalizzata sui problemi dell’attuazione del curricolo. Che la comparazione dei punteggi nelle singole scale sia sostanzialmente legata al curricolo scolastico che pone enfasi differenziate sulle varie parti della matematica è confermato dalla comparazione tra il profilo della regione e quello italiano. Figura 3.12 – Profili rispetto alle scale di competenza matematica 560 Finlandia 540 Svizzera 520 Veneto Francia 500 Austria 480 Germania 460 Stati Uniti 440 Competenza generale Spazio e Forma Cambiamento e Relazioni Quantità Incertezza Italia SCALE Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. La figura precedente rappresenta il profilo del Veneto comparato con quello di alcuni paesi scelti tra i più significativi e ci consente di verificare che la scala Cambiamento e relazioni presenta la media più bassa rispetto alle altre scale mentre la scala più solida è quella della Quantità: ciò smentisce il fatto che le cenerentole dell’insegnamento matematico siano la probabilità e la statistica. Da tale confronto sembra emergere un deficit proprio sul concetto di funzione e sulla sua rappresentazione. 46 3.6 Differenze di genere in matematica La questione delle pari opportunità nel sistema formativo ha occupato l’attenzione di coloro che hanno cercato di migliorare la qualità dei sistemi formativi in questi ultimi anni. Molti progressi in tal senso sono stati raggiunti soprattutto in termini di percentuale di diplomate rispetto al totale, ma – mentre nella secondaria in molti Paesi si è raggiunta una sostanziale parità di opportunità – alla fine dell’università tale obiettivo è ancora lontano. All’età di 15 anni molti ragazzi si orientano verso il lavoro e il loro rendimento a scuola e in particolare le attitudini e le motivazioni manifestate in matematica possono avere un’influenza sulle scelte successive con evidenti effetti sulla qualità del capitale umano in futuro disponibile nelle società e nelle economie OCSE. E’ interessante quindi riscontrare le differenze nei rendimenti in PISA rispetto al genere, per chiedersi se e come queste si ritrovino nelle scelte e nelle differenze sociali riscontrabili nell’età adulta. Rispetto alle varie idee chiave (aree di contenuto) le differenze di genere risultano più evidenti nella scala spazio e forma e nella scale incertezza in cui la differenza di genere è significativa in 24 Paesi dell’OCSE su 30. In ogni caso le differenze riscontrare in matematica sono più ridotte di quelle riscontrare nella lettura (nel 2000 e nel 2003). Senza approfondire le cause che possono avere generato tale situazione e le implicazioni effettive di tali distribuzioni nei vari Paesi, si può comunque già dire che i vari Paesi manifestano situazioni molto diverse nell’eliminazione delle differenze legate al genere. Figura 3.13 - Risultati di matematica per genere Paese Femmine Matematica Maschi Differenza (M - F) Punt. Medio E.S. Punt. Medio E.S. Punti di diff. E.S. Mes sico 528 436 457 518 530 494 380 (5,3) (3,8) (3,8) (3,6) (1,9) (0,8) (4,1) 552 455 475 535 541 506 391 (4,4) (4,8) (4,6) (4,7) (2,1) (0,8) (4,3) 23 19 18 17 11 11 11 (6,8) (3,6) (5,9) (4,9) (2,1) (0,8) (3,9) Germ ania Spagna Francia Ungheria Aus tria Finlandia Stati Uniti Polonia 499 481 507 486 502 541 480 487 (3,9) (2,2) (2,9) (3,3) (4,0) (2,1) (3,2) (2,9) 508 490 515 494 509 548 486 493 (4,0) (3,4) (3,6) (3,3) (4,0) (2,5) (3,3) (3,0) 9 9 9 8 8 7 6 6 (4,4) (3,0) (4,2) (3,5) (4,4) (2,7) (2,9) (3,1) Veneto Nord Es t 507 (6,6) 499 (11,9) 515 523 (9,6) (7,4) 8 25 (12,4) (14,3) Corea Grecia Italia Svizzera Canada M edia OCSE Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. La figura precedente mostra la comparazione tra le medie nella scala generale di matematica rispetto al genere e rispetto all’appartenenza regionale o nazionale. La situazione del Veneto è molto simile a quella austroungarica e mostra una differenza di 8 punti a favore dei maschi, un valore molto più basso di quello riscontrato nella macroarea del Nord Est. 47 3.7 Il Veneto nel quadro nazionale Le differenze nei risultati possono essere riscontrate comparando direttamente i singoli individui o anche comparando aggregati all’interno di ciascun Paese. Nel caso italiano due sono gli aspetti del nostro sistema formativo e sociale che storicamente connotano le comparazioni dei risultati dell’apprendimento: le differenze territoriali e quelle che emergono nei diversi tipi di scuola. Figura 3.14 – Punteggi di matematica per area geografica Scala complessiva Cambiamento e relazioni Spazio e forma Quantità Incertezza Media E.S. Media E.S. Media E.S. Media E.S. Media Nord Ovest 510 5,1 515 5,5 503 5,3 519 5,3 506 E.S. 4,7 Nord Est 511 7,7 517 7,9 500 7,8 522 8,3 507 7,3 Centro 472 5,6 478 5,9 458 5,9 482 6,2 469 5,6 Sud 428 8,2 432 8,3 411 8,7 438 9,1 426 7,9 Sud Isole 423 6,1 427 6,1 407 6,3 432 6,9 422 6,1 ITALIA 466 3,1 470 3,2 452 3,2 475 3,4 463 3,0 Fonte: database OCSE PISA 2003/INValSI. La figura precedente conferma quanto già emerso nella somministrazione del 2000: l’esistenza di differenze molto forti tra vaste regioni geografiche in un sistema educativo centralizzato che dovrebbe, viceversa, avere una sostanziale omogeneità di esiti se le performance saggiate dipendessero solo dai programmi scolastici e se le scuole avessero un’ efficacia più omogenea sul territorio. La figura seguente colloca la media del Veneto rispetto alla macroarea di appartenenza e alla media italiana. Figura 3.15 – Medie nel punteggio della competenza matematica generale 550 500 450 400 Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. 48 re ci a G Ita l ia Fi nl an di a Sv iz ze ra N or d Es t Ve ne to Fr an ci a Au st ria G er m an M ia ed ia O C SE Po lo ni a U ng he ria Sp ag na St at iU ni ti 350 Per rendersi conto di ciò che le differenze in media comportano possiamo confrontare le percentuali di presenza di ciascun livello di competenza nelle varie aree geografiche. Figura 3.16 –Distribuzione dei livelli per macroarea e regioni 100 80 3 9 60 22 40 3 11 21 4 10 22 4 11 1 4 14 19 26 29 28 27 24 22 21 21 21 11 11 4 11 5 13 Livelli 2 5 6 13 0 1 5 23 17 25 29 0 2 7 5 18 4 20 28 3 24 2 0 20 4 18 8 9 19 1 25 26 <1 13 23 40 22 60 Veneto Nord Est Nord Ovest Media OCSE Centro Italia Sud Isole Sud Fonte: database OCSE PISA 2003/INValSI. La figura precedente denuncia una situazione molto difficile: se si legge solo la porzione più bassa delle colonne (quella che si riferisce al livello 0 cioè al livello che secondo la scala PISA si trova sotto la soglia di accettabilità) troviamo che mentre il Nord Est e il Nord Ovest presentano una percentuale migliore di quella internazionale (8%), nel Sud si raggiunge il 22 %. Nel Veneto il livello <1 è presente nel 3,7% dei casi. All’altro estremo il livello 6, che rappresenta l’eccellenza, si concentra solo nel Nord con percentuali simili alla media internazionale ed è praticamente assente nel resto delle regioni. Nel Veneto questo livello è presente nel 3,1% dei casi esaminati. La situazione va ovviamente analizzata anche nei livelli intermedi come può essere facilmente osservato nel grafico. Le differenze riscontrabili se si comparano i punteggi degli studenti rispetto all’ordine della scuola frequentata risultano ancora più forti (Figura 3.17). 49 Figura 3.17 – Punteggio medio di matematica per tipo di istruzione 650 Licei Istituti tecnici Punteggio di matematica 600 Istituti professionali 550 546 546 525 530 503 500 Media internazionale 472 450 454 449 408 400 350 Veneto Nord Est Italia Fonte: database OCSE PISA 2003/INValSI. Occorre ovviamente ricordare che tale dato non va letto come una misura dell’efficacia di ciascun tipo di scuola rispetto allo sviluppo della competenza matematica rilevata con la prova PISA, ma come il risultato della canalizzazione che avviene nella fase della scelta del tipo di scuola secondaria all’uscita dalla scuola media. Di fatto la competenza matematica e il rendimento scolastico accertato orientano le scelte secondo la stessa gerarchia che troviamo rispecchiata nella tabella precedente. Come si può vedere l’andamento dei dati regionali ricalca sostanzialmente le differenze esistenti a livello di macroarea e a livello nazionale Il successivo capitolo consente una ulteriore lettura dei risultati centrata sulle caratteristiche della prova ad uso di coloro che si interrogheranno sul che fare a scuola per superare i problemi emersi. 50 3.8 Caratteristiche ed esempi di prove di matematica Le prove cognitive di matematica sottoposte agli studenti quindicenni sono costituite generalmente da uno stimolo iniziale seguito da tre o quattro domande per quanto possibile indipendenti tra loro. A volte, però, ad uno stimolo può corrispondere anche una sola domanda. Ogni quesito è legato a una delle quattro aree di contenuto, mette in gioco principalmente uno dei raggruppamenti di competenza ed è contestualizzato in una delle situazioni descritte nel quadro teorico. La formulazione dei quesiti è semplice ed il più possibile diretta in quanto le competenze in esame devono essere matematiche e non di comprensione della lettura. Nelle prove cognitive di PISA 2003 ci sono 5 tipi diversi di quesiti . Figura 3.18 – Classificazione dei quesiti di matematica Natura del quesito Numero dei quesiti A scelta multipla Il classico “scegli una risposta” tra una serie di risposte date 17 A scelta multipla complessa Serie di scelte di vero/falso o di si/no – può essere scelta una sola risposta per ciascun elemento della serie 11 Aperti a risposta univoca Breve risposta verbale o numerica, una sola risposta giusta 13 Risposta breve Breve risposta verbale o numerica, ma varie possibili risposte corrette 23 Aperti a risposta articolata Lunga risposta scritta (es. “spiega la tua risposta”) o richiesta di mostrare i procedimenti eseguiti per risolvere problemi matematici 21 Tipo di quesito Per quanto riguarda invece le situazioni e i contesti, i quesiti della prova PISA sono così suddivisi. Figura 3.19 – Situazioni e contesti dei quesiti di matematica Situazioni Personali Situazioni educative o occupazionali Situazioni pubbliche Situazioni scientifiche 18 20 29 18 Di seguito vengono presentati alcuni dei quesiti rilasciati associati ai vari livelli della scala delle competenze (Figura 3.3) accompagnati da una breve descrizione. Il testo integrale di ciascuna prova si trova nell’Appendice 1. 51 3.8.1 Esempi di quesiti della scala “Spazio e Forma” CARPENTIERE Domanda 1: CARPENTIERE M266Q01 Un carpentiere ha 32 metri di tavole di legno e vuole fare il recinto a un giardino. Per il recinto prende in considerazione i seguenti progetti. A B 6m 6m 10 m 10 m C D 6m 6m 10 m 10 m Indica per ciascun progetto se è possibile realizzarlo con 32 metri di tavole. Fai un cerchio intorno a «Sì» o «No». Progetto per il recinto Schema Progetto A Schema Progetto B Schema Progetto C Schema Progetto D Utilizzando questo progetto, si può realizzare il recinto con 32 metri di tavole? Sì / No Sì / No Sì / No Sì / No Tale prova richiede il possesso di una competenza di livello 6, il livello più elevato di difficoltà, e rientra nel raggruppamento delle “connessioni” e nella situazione “educativa”. Si tratta di un problema di geometria piana: un carpentiere vuole recintare il suo giardino con alcune tavole di legno e prende in considerazione quattro diversi progetti per il suo recinto. Si richiede allo studente quali tra i quattro progetti mostrati nel quesito sono realizzabili con le tavole che il carpentiere ha a disposizione. Per rispondere in modo corretto è necessario non solo calcolare il perimetro di ciascun recinto, ma saper anche riconoscere che figure piane di forme diverse possono essere isoperimetriche. 52 Nelle codifica delle risposte è previsto un punteggio pieno per gli studenti che forniscono tutte e quattro le risposte corrette, e un punteggio parziale per coloro che rispondono ad almeno tre risposte in modo corretto. In Veneto, il 16% degli studenti ha ottenuto il punteggio pieno a fronte di un 13% ottenuto dalla media degli studenti italiani, il 29% ha ottenuto il punteggio parziale (come la media nazionale) e il 3% non ha risposto (5% di omissioni nella media nazionale). La media OCSE degli studenti che hanno ottenuto il punteggio pieno è pari al 20%, quella degli studenti che hanno ottenuto il punteggio parziale è del 31%, e il tasso di omissioni è del 2,5%. La percentuale più alta di risposte corrette l’ha ottenuta il Giappone con 38% e quella più bassa il Messico con 6%. Un’altra prova che rientra nella scala “Spazio e Forma” è Dadi da gioco. Questa prova si colloca al livello 3 di difficoltà, nel raggruppamento delle “connessioni” e nella situazione “personale”. Nello stimolo del quesito vengono mostrati quattro sviluppi in piano di dadi da gioco e lo studente deve riconoscere quali tra le quattro forme mostrate si possono ripiegare in modo da formare un dado da gioco che rispetti la regola per cui la somma delle facce opposte è 7. Lo studente deve essere in grado di passare da una visione bidimensionale a una visione tridimensionale dei dadi per poter riconoscere quali sono le facce opposte e poi effettuare banali addizioni. In questa prova non era previsto un punteggio parziale, ma solo il punteggio pieno che veniva assegnato agli studenti che indicavano tutte e quattro le risposte corrette. Il 70% degli studenti del Veneto ha ottenuto il punteggio pieno, rispetto a una media dell’Italia pari al 57% e a una media dei Paesi OCSE pari al 63%,. La percentuale più alta di risposte corrette è stata dell’83 %, raggiunta dagli studenti del Giappone, quella più bassa è stata del 29% riportata dagli studenti del Messico. Il tasso di omissioni è stato molto basso (1,5% per il Veneto, 4% per l’Italia nel suo complesso e 2% per la media dei Paesi OCSE) probabilmente grazie al fatto che la prova è abbastanza facile e riguarda un contesto molto familiare agli studenti. 53 3.8.2 Esempi tratti dalla scala scala “Cambiamento e Relazioni” ANDATURA La figura mostra le orme di un uomo che cammina. La lunghezza P del passo è la distanza tra la parte posteriore di due orme consecutive. Per gli uomini, la formula n P 140 fornisce una relazione approssimativa tra n e P dove: n = numero di passi al minuto, e P = lunghezza del passo in metri. M124Q03 - 00 11 21 22 23 24 31 99 Domanda 17: ANDATURA Bernardo sa che la lunghezza del suo passo è di 0,80 metri. La formula viene applicata all’andatura di Bernardo. Calcola la velocità a cui cammina Bernardo esprimendola in metri al minuto e in chilometri all’ora. Scrivi qui sotto i passaggi che fai per arrivare alla risposta. Il quesito (secondo di una prova che ne prevedeva due) appartiene al raggruppamento della “riproduzione” e alla situazione “personale”e si colloca al livello 6 della scala di competenza. Tale quesito richiede che si calcoli la velocità a cui cammina un uomo, la cui lunghezza del passo è di 0,80 metri, esprimendola in due diverse unità di misura: metri al minuto E chilometri all’ora. Viene richiesto inoltre allo studente di scrivere i vari passaggi con cui è pervenuto alla risposta. La soluzione richiede una catena di ragionamenti che implicano diverse abilità e conoscenze: lo studente deve conoscere il concetto di velocità come rapporto tra spazio percorso e tempo impiegato, deve saper elaborare la formula per esprimerla in funzione di n in modo da poterne trovare il valore mediante la sostituzione della lettera P con 0,80. Inoltre deve essere in grado di passare da un’unità di misura ad un’altra attraverso una serie di equivalenze (da passi al minuto a metri al minuto, a metri all’ora, a km all’ora). Nelle indicazioni per la correzione è previsto di poter assegnare alle risposte degli studenti sia un punteggio pieno che due diversi punteggi parziali, a seconda del tipo e del grado di precisione della risposta fornita. Lo studente che è in grado di risolvere in modo corretto e completo il quesito ottiene il punteggio pieno e la sua competenza corrisponde al livello più alto della scala (livello 6). Invece, quegli studenti che saltano un passaggio oppure sbagliano l’ultima equivalenza da m/minuto a km/h oppure fanno piccoli errori di calcolo o forniscono il risultato finale senza illustrare il procedimento intermedio ottengono il punteggio parziale più elevato, che corrisponde ad un livello 5 di competenza. Infine, il punteggio parziale più basso, che corrisponde ad un livello 4 di competenza, viene attribuito a quegli studenti che calcolano in modo corretto soltanto il valore di n attraverso la sostituzione del valore di P nella formula iniziale. 54 In Veneto il 5% degli studenti ha ottenuto in questo quesito il punteggio pieno, il 7% il punteggio parziale più elevato e il 14% il punteggio parziale più basso. Il 20% ha risposto in modo errato e più del 50% non ha risposto affatto. Queste percentuali sono molto simili a quelle riportate dalla media degli studenti italiani (4% punteggio pieno, 5% punteggio parziale elevato, 12% punteggio parziale più basso e 18% risposta errata), mentre il tasso di omissioni della media nazionale è il più elevato tra tutti i paesi (62%). Per quanto riguarda le percentuali relative alla media dei Paesi dell’OCSE, l’ 8% ha ottenuto il punteggio pieno, il 9% il punteggio parziale più elevato e il 21% il punteggio parziale più basso. Il 24% ha risposto in modo errato e il 39% non ha risposto affatto. Da notare che sia per il Veneto che per la media nazionale la percentuale di studenti che ha risposto in modo errato è inferiore a quella della media OCSE perché è molto più elevata la percentuale delle omissioni. Il paese con la percentuale più alta di risposte del tutto corrette è il Giappone che ha avuto il 18% di studenti con punteggio pieno, mentre in Messico solo l’1% degli studenti ha ottenuto questo tipo di punteggio. Il tasso di omissioni più basso si è registrato nei Paesi Bassi (12%). Un’altra prova della scala “Cambiamento e Relazioni” è La crescita. Tale prova è costituita da tre diversi quesiti che corrispondono a tre diversi livelli della scala di competenza, dal livello 2 (il primo quesito) al livello 4 (il terzo quesito). Nello stimolo della prova viene mostrato un grafico sulla variazione dell’altezza media di ragazzi e ragazze olandesi dai 10 ai 20 anni. I primi due quesiti rientrano nel raggruppamento della “riproduzione” e nella situazione “scientifica”. Il primo quesito, quello di livello 2, richiede soltanto di effettuare una sottrazione per calcolare l’altezza media delle ragazze di 20 anni nel 1980 sapendo che tale altezza è aumentata di 2,3 cm arrivando oggi a 170,6 cm. Nel secondo quesito si richiede di ricavare dal grafico l’età in cui le ragazze sono, in media, più alte dei maschi della stessa età. Lo studente che indica l’intervallo corretto ottiene il punteggio pieno e la sua abilità corrisponde al livello 3, mentre lo studente che indica solo un gruppo di età compreso nell’intervallo ottiene un punteggio parziale e corrisponde al livello 2 nella scala delle competenze. In questo quesito la percentuale degli studenti del Veneto che hanno ottenuto il punteggio pieno è del 49%, percentuale superiore alla media degli studenti italiani (37%), ma inferiore alla media dei Paesi OCSE (55%). Invece la percentuale di studenti che hanno ottenuto il punteggio parziale in Veneto è uguale a quella della media nazionale (39%), percentuale superiore a quella della media dei Paesi OCSE (28%). Molto bassa per gli studenti del Veneto è la percentuale di omissioni che risulta essere anche inferiore a quella della media OCSE (6% contro 7,50%). La percentuale media nazionale delle omissioni a questa domanda è del 13%, più del doppio di quella del Veneto. Il paese con la percentuale più alta di risposte corrette è la Francia con il 72% e il paese con la percentuale più bassa è nuovamente il Messico con il 24%. 55 3.8.3 Esempi tratti dalla scala “Quantità” TASSO DI CAMBIO Mei-Ling, una studentessa di Singapore, si prepara ad andare in Sudafrica per 3 mesi nell’ambito di un piano di scambi tra studenti. Deve cambiare alcuni dollari di Singapore (SGD) in rand sudafricani (ZAR). M413Q01 - 0 1 9 TASSO DI CAMBIO Mei-Ling ha saputo che il tasso di cambio tra il dollaro di Singapore e il rand sudafricano è: 1 SGD = 4,2 ZAR Mei-Ling ha cambiato 3.000 dollari di Singapore in rand sudafricani a questo tasso di cambio. Quanti rand sudafricani ha ricevuto Mei-Ling? Risposta: ................................................ Questa prova è costituita da tre quesiti, di livello crescente di difficoltà e si colloca nella situazione “pubblica”. Infatti, la situazione che viene presentata in questa prova riguarda una studentessa che, prima di partire per un viaggio all’estero, deve cambiare i soldi. Qui è stato riportato solo il primo dei tre quesiti. In questo quesito, che rappresenta un esempio di livello 1 nella scala di competenza, nel raggruppamento della “riproduzione”, il compito richiesto allo studente è di eseguire una semplice moltiplicazione: si tratta infatti di calcolare, conoscendo il tasso di cambio, la quantità di valuta estera che la studentessa riceve quando cambia i suoi soldi. La percentuale di studenti del Veneto che ha risposto in modo corretto a questo quesito è dell’85% e rappresenta una delle più alte percentuali riportate tra i paesi dell’OCSE, la cui media è dell’80%. La percentuale più alta di risposte corrette è della Finlandia con il 90 %, quella più bassa è degli USA con il 54%. Considerando l’Italia nel suo complesso, la percentuale di risposte corrette è del 71%, la percentuale di risposte errate è del 17% e le omissioni sono il 12%. Il Veneto ha invece solo il 9 % di risposte errate e il 6 % di omissioni. Un altro esempio della scala “Quantità” è fornito dalla prova Skateboard. Anche questa prova è costituita di tre diversi quesiti, di livello crescente di difficoltà e rientra nella situazione “personale”. I primi due quesiti sono classificati nel raggruppamento della “riproduzione”, infatti la competenza necessaria per risolvere questi due quesiti riguarda l’esecuzione di semplici calcoli. Il problema che viene presentato in questa prova riguarda un ragazzo che vuole costruirsi da solo uno skateboard e va in un negozio per acquistare i vari pezzi. Nel testo iniziale della prova viene fornita una tabella su cui sono riportati i prezzi dei diversi pezzi. Il primo quesito richiede di calcolare il prezzo minimo e quello massimo di uno skateboard “fai da te”. Si tratta di effettuare due semplici addizioni, leggendo i dati dalla tabella. La risposta prevede un punteggio pieno per quegli studenti che calcolano entrambi i prezzi e tale punteggio (livello 3 sulla scala di competenza), e un punteggio parziale per quegli studenti che calcolano soltanto uno dei due prezzi (livello 2 sulla scala). Il secondo quesito richiede di calcolare il numero di skateboard che è possibile costruire combinando i diversi tipi di pezzi. Si tratta di semplici operazioni di calcolo combinatorio, che è possibile anche enumerare sistematicamente. Questo quesito, che è a scelta multipla, corrisponde al livello 4 sulla scala delle competenze. La percentuale di studenti del Veneto che ha risposto in modo corretto al secondo quesito è del 47 %, percentuale superiore a quella degli studenti italiani che è del 34% e circa uguale a quella della media dei paesi dell’OCSE che è del 46% (la percentuale più alta di risposte corrette – 67% – è stata ottenuta dal Giappone e la percentuale più bassa – 23% - dal Messico). Il 6 % degli studenti del Veneto ha omesso questa domanda, valore di poco inferiore a quello dell’Italia nel suo complesso che è dell’8% (media OCSE di omissioni 4%). 56 3.8.4 Esempi nella scala “Incertezza” ESPORTAZIONI I seguenti grafici forniscono alcune informazioni sulle esportazioni della Zedlandia, un Paese in cui si usa lo zed come moneta corrente M438Q01 - 0 1 9 DOMANDA 1: ESPORTAZIONI Qual è stato l’ammontare totale (in milioni di zed) delle esportazioni della Zedlandia nel 1998? Totale delle esportazioni annue della Zedlandia in milioni di zed, 1996-2000 Distribuzione delle esportazioni della Zedlandia nel 2000 42,6 45 37,9 40 35 30 25,4 Altro 21% Tessuto di cotone 26% 27,1 25 20,4 20 Carne 14% Lana 5% 15 10 Tabacco 7% Succhi di frutta 9% 5 0 1996 1997 1998 1999 2000 Tè 5% Riso 13% Anno Risposta: ................................................ DOMANDA 2: ESPORTAZIONI................................................................ M438Q02 Quale è stato l’ammontare delle esportazioni di succhi di frutta della Zedlandia nel 2000? A 1,8 milioni di zed B 2,3 milioni di zed C 2,4 milioni di zed D 3,4 milioni di zed E 3,8 milioni di zed Questa prova comprende due diversi quesiti, entrambi appartenenti al raggruppamento della “riproduzione” e alla situazione “pubblica”. La prova mostra due diagrammi, uno a barre ed uno a torta, riguardanti rispettivamente il totale delle esportazioni annue della Zedlandia (nelle prove PISA viene utilizzato questo nome per indicare un paese fittizio) e la distribuzione delle esportazioni di diversi prodotti della Zedlandia. Il primo quesito rappresenta un esempio di livello 2 di difficoltà. La domanda prevede una risposta aperta univoca. Si richiede allo studente di indicare l’ammontare delle esportazioni della Zedlandia in un determinato anno, dato che si ricava direttamente dalla lettura del diagramma a barre. 57 Il secondo quesito rappresenta un esempio di livello 4 di difficoltà. La domanda prevede una risposta a scelta multipla. Il compito richiesto allo studente consiste nel calcolare l’ammontare delle esportazioni di un prodotto particolare (i succhi di frutta) della Zedlandia. Per arrivare alla risposta corretta lo studente deve calcolare una percentuale incrociando i dati ricavati dalla lettura dei due diversi grafici. Riguardo al primo quesito, gli studenti del Veneto hanno riportato una percentuale di risposte corrette pari alla percentuale media OCSE (79%), percentuale superiore a quella riportata dall’Italia nel suo complesso che è stata del 68%. Anche la percentuale di risposte omesse è, per il Veneto, circa uguale a quella della media dei paesi OCSE e cioè pari al 9 %, mentre ben il 19% del totale degli studenti italiani non ha risposto affatto a questo quesito. La percentuale più elevata di risposte corrette è stata ottenuta dalla Francia con il 92%, la percentuale più bassa dagli Stati Uniti, con il 41%. Un’altra prova che rientra nella scala “Incertezza” è Risultati di una verifica. Risultati di una verifica. Questa prova viene classificata nella situazione “educativa” poiché si riferisce alla vita scolastica dello studente e nel raggruppamento delle “connessioni” perché richiede una complessa interpretazione di un grafico. Si tratta di un quesito di livello 5 di difficoltà. Anche in questo caso gli studenti sono alle prese con un grafico, precisamente un istogramma, che mostra i risultati di una verifica ottenuti da due diversi gruppi di studenti, il gruppo A e il gruppo B. Un insegnante sostiene, basandosi sul grafico, che il gruppo B è andato meglio del gruppo A, mentre gli studenti del gruppo A sostengono il contrario. Si richiede allo studente di trovare, analizzando a fondo il grafico, una spiegazione matematica a sostegno dell’affermazione degli studenti del gruppo A. A causa dell’elevata difficoltà di questa prova, risulta molto elevata la percentuale degli studenti che ha omesso questo quesito, non fornendo alcuna risposta. Per quanto riguarda gli studenti del Veneto, infatti, il 45 % di essi non ha risposto mentre il 25 % ha risposto in modo corretto. Per quanto l’Italia nel suo complesso, la percentuale di risposte corrette fornite dagli studenti italiani è la metà rispetto alla media dell’OCSE (16% contro il 32%), ed è anche molto alto il tasso di omissioni (58% rispetto al 35% della media OCSE). La percentuale più alta di risposte corrette – 47% – è stata ottenuta dal Canada e quella più bassa – 10% - dal Messico. 58 4. La competenza di lettura dei quindicenni Maria Teresa Siniscalco Nel 2003 la lettura ha costituito un ambito secondario della valutazione, rispetto alla matematica che costituiva l’ambito principale. Lo strumento utilizzato nel 2003 per l’accertamento della competenza di lettura è dunque costituito da un numero minore di quesiti, rispetto a quello utilizzato per la matematica, selezionati tra quelli utilizzati in PISA 2000. In questo capitolo si illustra la definizione di competenza di lettura adottata da PISA e si presentano i risultati di lettura degli studenti quindicenni della Regione Veneto nel quadro nazionale e internazionale. 4.1 La valutazione della competenza di lettura in PISA 2003 PISA definisce la competenza di lettura (reading literacy) come: “la comprensione e l’utilizzazione di testi scritti e la riflessione su di essi al fine di raggiungere i propri obiettivi, sviluppare le proprie conoscenze e potenzialità e svolgere un ruolo attivo nella società” (OCSE 2003; trad. it. 2004, p. 110). La definizione di competenza di lettura adottata da PISA è più ampia e comprensiva delle definizioni di lettura e di capacità di lettura adottate nelle precedenti indagini internazionali1. Essa include, infatti, oltre alla dimensione della comprensione, anche la dimensione dell’uso dei testi scritti (già presente nelle più recenti indagini sulle competenze alfabetiche degli adulti) e quella della riflessione su di essi. L’ampliamento del campo della valutazione, per quanto riguarda la lettura, è ricondotto, da un lato, al riconoscimento del ruolo attivo e interattivo del lettore nella ricostruzione del significato di un testo e, dall’altro, al concetto di lifelong learning, che ha spostato i confini della literacy e dei suoi compiti. La valutazione della competenza di lettura di PISA è incentrata sulla capacità dei quindicenni di ricostruire e di espandere il significato di un testo e di riflettere su quanto leggono, considerando un ampio panorama di testi che normalmente si incontrano nelle diverse situazioni vissute nella scuola e fuori di essa. 1 Negli ultimi decenni si sono svolte diverse indagini internazionali sulla capacità di lettura. Due di queste sono state condotte dalla IEA (International Association for the Evalutation of Educational Achievement). La prima è il Six Subjects Study del 1971 che, nell’ambito di un’indagine su sei materie che aveva due popolazioni-bersaglio – rappresentate rispettivamente dagli studenti di 10 e di 14 anni – comprendeva una parte sulla comprensione della lettura (Reading Comprehension) e una parte relativa alla letteratura (Literature). La seconda indagine IEA sulla lettura è il Reading Literacy Study (RLS), in italiano Studio Alfabetizzazione Lettura (SAL) del 1991, che aveva come popolazioni-bersaglio le classi in cui sono iscritti la maggior parte degli studenti di 9 e di 14 anni (in Italia la quarta elementare e la terza media) (Elley, 1991; Lucisano, 1994). Un’altra indagine precedente a PISA, condotta invece dall’OCSE in collaborazione con Statistics Canada, è l’International Adult Literacy Survey (IALS) che riguarda le competenze alfabetiche degli adulti dai 16 ai 65 anni (OCSE e Statistics Canada, 2000; Gallina, 2000). Altre indagini internazionali sulla lettura, posteriori al primo ciclo di PISA sono l’indagine IEA-PIRLS (Progress in International Reading Literacy Skills), IEA-ICONA in italiano, e l’indagine ALL (Adult Literacy and Lifeskills). L’indagine IEA-PIRLS è stata condotta nel 2001 per valutare la capacità di lettura degli studenti iscritti alla classe frequentata dalla maggior parte degli studenti di 9 anni (in Italia la quarta elementare) e per analizzare il cambiamento avvenuto in questo ambito negli ultimi 10 anni collegando i dati del 2001 con quelli del 1991. L’indagine ALL, condotta dall’OCSE e da Statistics Canada, è incentrata sulle competenze di literacy, di numeracy e di problem-solving degli adulti dai 16 ai 65 anni. 59 Più precisamente, lo strumento di valutazione della competenza di lettura è stato costruito tenendo conto di tre dimensioni, con l’obiettivo di analizzare la capacità dei ragazzi di confrontarsi con una tipologia di materiali e di compiti di lettura il più possibile ampia e diversificata. x Il formato del testo. Le prove sono state costruite su un’ampia gamma di testi continui, ovvero brani di prosa organizzati in proposizioni e paragrafi, e non continui, che presentano le informazioni in forma diversa e utilizzano anche elementi non verbali. La classificazione dei testi continui che si è adottata in PISA si basa sul loro obiettivo retorico e include testi narrativi, testi informativi, testi descrittivi, testi argomentativi, istruzioni e ipertesti. La classificazione dei testi non continui si basa sui formati ricorrenti di tali tipi di testo e distingue tra elenchi, moduli, grafici e figure. x Il tipo di compito di lettura richiesto per rispondere alle domande. PISA non valuta l’abilità di decodifica, che – a quindici anni – si presuppone sia stata acquisita, ma chiede ai quindicenni di dimostrare la loro capacità in riferimento a tre ampie categorie di compiti di lettura: individuare informazioni, interpretare il testo, cioè ricostruire il significato generale di un testo o di sue parti, e riflettere sui suoi contenuti e sugli aspetti formali. x La situazione o contesto. Questo aspetto è definito in relazione all’uso per il quale il testo è stato scritto. Le prove di PISA sono state costruite su testi selezionati all’interno di quattro categorie di situazioni di lettura: testi scritti per un uso privato, come un romanzo o una lettera; testi scritti per un uso pubblico, come documenti o avvisi ufficiali; testi legati al contesto lavorativo, come istruzioni o manuali; testi legati al contesto scolastico, come un libro di testo. Le prove di lettura utilizzate in PISA 2003 sono costituite complessivamente da 8 prove con 28 quesiti, selezionati tra i 141 utilizzati in PISA 2000, dei quali circa due terzi relativi a testi continui e un terzo a testi non continui, distribuiti con proporzioni analoghe tra le quattro situazioni di lettura (privata, pubblica, lavorativa e scolastica). Nella figura che segue si presenta la distribuzione dei compiti di lettura per formato e tipo del testo. Figura 4.1 – Distribuzione dei compiti di lettura per formato e tipo di testo in PISA 2000 e 2003. F lettura come ambito principale (PISA 2000) F lettura come ambito secondario (PISA 2003) Formato e tipo del testo Testi continui Narrativi Informativi Descrittivi Argomentativi e persuasivi Conativi TOTALE Percentuale dei compiti per formato e tipo del testo (%) Testi non continui Diagrammi e grafici Tabelle Figure Mappe Moduli Annunci pubblicitari TOTALE2 Percentuale dei compiti per formato e tipo del testo con riferimento all’intera prova (%) 21 36 14 20 10 100 17 67 17 100 14 24 9 13 7 68 11 43 11 64 37 29 12 10 10 2 100 20 40 10 30 100 12 9 4 3 3 1 32 7 14 4 11 36 Fonte: OCSE 2003 (trad. Ital. 2004, p. 113). Di tali quesiti, 7 sono classificati in riferimento al compito di individuare informazioni, 14 in riferimento a quello di interpretare il testo e 7 a quello di riflettere e valutare. 2 La somma dei dati non corrisponde sempre ai totali a causa dell’arrotondamento. 60 4.2 La scala di competenza di lettura Le prestazioni degli studenti sono state riportate su una scala complessiva di reading literacy3. La scala del 2003 è stata “ancorata” a quella del 2000, quando la lettura costituiva il principale ambito della valutazione e lo strumento era sufficientemente articolato. Nel 2000 la scala, basata sui risultati dei 27 Paesi dell’OCSE che avevano partecipato al primo ciclo di PISA, era stata standardizzata in modo da avere media 500 e deviazione standard 100. Nel 2003, la media OCSE della scala di lettura è invece 494, per effetto della inclusione di due Paesi OCSE che non avevano partecipato a PISA 2000 (Turchia e Repubblica Slovacca) e di un terzo (Paesi Bassi) che nel 2003 non aveva raggiunto un tasso di risposta delle scuole sufficiente. La scala dei risultati è suddivisa in 5 livelli di difficoltà delle domande, che corrispondono ad altrettanti livelli di capacità da parte degli studenti. La divisione della scala in livelli è avvenuta (nel 2000) in un primo momento sulla base di considerazioni di tipo teorico, da parte un gruppo di esperti che ha raggruppato i quesiti in modo da mettere insieme nello stesso livello quelli riferiti a testi con un livello simile di complessità e basati su richieste cognitive analoghe. I risultati degli studenti dei Paesi partecipanti a PISA hanno poi fornito una verifica empirica a tale classificazione e hanno consentito di definire in modo più preciso i livelli sulla scala sulla base di precisi criteri statistici (cfr. Riquadro 2.1, capitolo 2). Il Livello 5 della scala corrisponde a un punteggio superiore a 625, il Livello 4 a un punteggio compreso tra 553 e 625, il Livello 3 a un punteggio compreso tra 481 e 552, il Livello 2 a un punteggio compreso tra 408 a 480 e il Livello 1 a un punteggio tra 335 e 407. Gli studenti con un punteggio inferiore a 335, quelli cioè che si trovano al di sotto del Livello 1, non riescono ad affrontare con un sufficiente grado di padronanza neanche i compiti più elementari della scala di PISA, tenendo presente che questa non misura la padronanza della lettura nel senso tecnico, in quanto capacità di decodifica dei segni scritti, ma la capacità di servirsi della lettura come strumento per apprendere. 3 Mentre in PISA 2003 le prestazioni degli studenti sono riportate esclusivamente su una scala complessiva di competenza di lettura in PISA 2000, quando la lettura costituiva il principale ambito della valutazione e il numero di quesiti lo consentiva, i risultati sono stati analizzati, oltre che in relazione a una scala complessiva di lettura, in relazione a 5 scale analitiche, tre basate sui processi della lettura – individuare informazioni, interpretare un testo, riflettere e valutare – e due basate sul formato del testo – continuo o non continuo. 61 Nella Figura 4.2 si presenta uno schema con i tipi di compito che caratterizzano ciascuno dei cinque livelli della scala di lettura, con i punteggi corrispondenti a ciascun livello. Livello (408-479 2 Livello (480-552 punti) 3 Livello 4 (553-625 punti) Livello 5 (oltre 625 punti) Figura 4.2 – Schema dei livelli di competenza di lettura Localizzare ed eventualmente ordinare o integrare più informazioni non immediatamente evidenti, alcune delle quali possono trovarsi al di fuori del corpo principale del testo. Inferire quali, fra le informazioni del testo, siano pertinenti rispetto al compito, discriminandole tra più informazioni plausibili. Cogliere il significato di sfumature del linguaggio o dimostrare una piena ed approfondita comprensione del testo. Valutare criticamente e formulare ipotesi basandosi su conoscenze di carattere specialistico. Saper affrontare concetti contrari alle aspettative e basarsi su una conoscenza approfondita di testi lunghi o complessi. Localizzare, ed eventualmente ordinare o integrare, più informazioni non immediatamente evidenti, ciascuna delle quali può dover soddisfare molteplici criteri, all’interno di un testo il cui contesto o la cui forma non sono familiari. Inferire quali, fra le informazioni del testo, sono pertinenti rispetto al compito da svolgere. Utilizzare inferenze complesse basate sul testo per comprendere e applicare categorie a un testo di argomento non familiare e per interpretare il significato di una porzione del testo tenendo conto del testo nel suo insieme. Saper affrontare ambiguità, idee contrarie alle aspettative e concetti espressi in forma negativa. Servirsi di nozioni di carattere formale o di cultura generale per formulare ipotesi su un testo o per valutarlo criticamente. Dimostrare di comprendere in modo accurato testi lunghi o complessi. Localizzare e riconoscere la relazione tra singole informazioni, ciascuna delle quali può dover soddisfare molteplici criteri. Gestire informazioni messe in rilievo che possono essere confuse con quelle richieste. Integrare diverse parti di un testo al fine di identificarne l’idea principale, di comprendere una relazione o di interpretare il significato di una parola o di una frase. Confrontare, contrapporre o classificare tenendo conto di molteplici criteri. Gestire informazioni che possono essere confuse con quelle richieste. Stabilire connessioni o paragoni, fornire spiegazioni su un aspetto di un testo o valutarlo. Dimostrare una comprensione dettagliata di un testo mettendolo in relazione a nozioni familiari o della vita quotidiana, oppure attingendo a nozioni meno comuni.. Localizzare una o più informazioni, ciascuna delle quali può dover soddisfare molteplici criteri. Gestire informazioni che possono essere confuse con quelle richieste. Identificare l’idea principale di un testo, comprendere relazioni, creare o applicare semplici categorie oppure interpretare il significato di una porzione limitata di testo nei casi in cui le informazioni non sono in evidenza e vengono richieste inferenze poco complesse. Stabilire paragoni o connessioni tra il testo e conoscenze extra-testuali oppure spiegare un aspetto del testo attingendo dalla propria esperienza e dalle proprie opinioni personali. Livello (335-407 1 * Localizzare, sulla base di un singolo criterio, una o più informazioni indipendenti formulate in modo esplicito, con poche o senza informazioni che possono essere confuse con quelle richieste. Riconoscere l’idea principale o lo scopo dell’autore, in un testo riguardante un argomento familiare in casi in cui le informazioni richieste sono in evidenza. Stabilire una semplice connessione tra informazioni presenti nel testo e nozioni comuni della vita quotidiana. Fonte: adattato da OCSE 2003; trad. it. 2004, pp. 128-129. Se si considera la progressione dei livelli della scala si osserva che vi sono alcuni fattori in relazione con la difficoltà dei compiti di lettura. Un primo fattore è costituito dalla lunghezza e dalla struttura del testo da un lato e dal tipo di informazioni comunicate, cioè dalla familiarità degli argomenti che tratta e dal carico di conoscenze extra-testuali che implica. Anche i quesiti, cioè quanto viene richiesto di fare con il testo, a loro volta si differenziano per il carico di lavoro richiesto. Un secondo fattore che incide sulla difficoltà dei compiti di lettura è dunque costituito dai processi implicati nell’individuare informazioni, nell’interpretare il testo o nel riflettere su ciò che si è detto, che variano per complessità a seconda che richiedano di collegare singole informazioni, di classificare concetti in relazione a un criterio, fino al valutare criticamente una porzione del testo. La difficoltà dei compiti dipende inoltre dal numero di informazioni che devono essere considerate per rispondere e dai 62 criteri che bisogna soddisfare nel trattare tali informazioni. Infine, la difficoltà del compito dipende dal rilievo che hanno nel testo le informazioni richieste e dalla presenza di informazioni che interferiscono con queste ultime. 4.3 Esempi di prove Nelle pagine che seguono si presentano alcuni quesiti che corrispondono rispettivamente al livello più basso della scala, il Livello 1, e al livello più alto, il Livello 5, per esaminare attraverso esempi di prove e di domande cosa sanno fare (e non sanno fare) gli studenti che si collocano ai due estremi della scala di lettura. Tali quesiti sono stati utilizzati in PISA 2000 e sono tra quelli pubblicati dall’OCSE dopo tale rilevazione proprio a scopo esemplificativo, mentre nessun quesito di lettura utilizzato in PISA 2003 è stato reso pubblico, per l’esigenza di utilizzarli ancora nel prossimo ciclo al fine di ottenere indicatori di tendenza. 4.3.1 I quesiti più facili sulla scala di lettura Di seguito si riportano due esempi di domanda di Livello 1, entrambi relativi a un articolo che riporta le conclusioni di una ricerca che ha evidenziato come sia importante per gli atleti avere buone scarpe sportive. La prima domanda, che richiede di individuare informazioni all’interno del testo (testo continuo, situazione pubblica), è una domanda aperta a risposta breve che chiede di indicare la ragione per cui le scarpe sportive non dovrebbero essere troppo rigide. L’informazione richiesta nella domanda ripete in forma letterale quella contenuta nel testo in cui si dice: “Se una scarpa è troppo rigida limita il movimento”. La seconda domanda, a scelta multipla, chiede cosa intenda dimostrare l’autore dell’articolo e fa riferimento alla capacità di ricostruire il significato del testo, laddove l’informazione richiesta è ripetuta in modo esplicito in più punti del testo ben evidenziati. 63 STARE COMODI NELLE SCARPE SPORTIVE Per 14 anni il Centro di Medicina Sportiva di Lione (Francia) ha condotto ricerche sugli infortuni sofferti da giovani atleti e professionisti. Lo studio ha stabilito che il miglior rimedio è prevenire e… usare buone scarpe. Colpi, cadute, usura e strappi ... Il 18% dei giocatori dagli 8 ai 12 anni soffre già di lesioni al tallone. La cartilagine delle caviglie di un calciatore non sopporta bene i traumi e il 25% dei professionisti ha scoperto che questa costituisce un punto particolarmente debole. Anche la cartilagine della delicata articolazione del ginocchio può essere danneggiata in modo irreparabile e, se non si interviene correttamente fin dall’infanzia (10-12 anni), può portare a una artrosi precoce. Perfino l’anca non è esente da danni e, soprattutto un giocatore stanco, corre il rischio di fratture in seguito a cadute o scontri. Secondo la ricerca, i calciatori che praticano questo sport da più di dieci anni presentano escrescenze ossee sia sul tallone sia sulla tibia. Questo fenomeno è noto come il “piede del calciatore”, una deformazione causata da scarpe con suole e collo troppo flessibili. Proteggere, sostenere, stabilizzare, assorbire Se una scarpa è troppo rigida, limita il movimento. Se è troppo flessibile, aumenta il rischio di lesioni e distorsioni. Una buona scarpa sportiva deve soddisfare quattro criteri. In primo luogo, deve fornire protezione esterna: resistere agli urti con la palla o con un altro giocatore, adattarsi alle irregolarità del terreno e mantenere il piede caldo e asciutto anche in presenza di freddo intenso e pioggia. Deve sostenere il piede, in particolare l’articolazione della caviglia, per prevenire distorsioni, gonfiori e altri problemi che potrebbero avere conseguenze anche 64 sul ginocchio. Inoltre, deve garantire ai giocatori una buona stabilità, cosicché non scivolino su un terreno bagnato o slittare su una superficie troppo secca. Infine, deve assorbire gli urti, in particolare quelli a cui vanno soggetti i giocatori di pallavolo e pallacanestro, che saltano in continuazione. Piedi asciutti Per evitare danni minori ma dolorosi, come le vesciche o anche le piccole lesioni o il piede d’atleta (un'infezione da funghi), la scarpa deve consentire l’evaporazione e la traspirazione e deve impedire la penetrazione dell’umidità esterna. Il materiale ideale a questo scopo è il cuoio, che può essere impermeabilizzato per evitare che la scarpa si impregni alla prima pioggia. Domanda 1: SCARPE SPORTIVE Secondo l’articolo, perché le scarpe sportive non dovrebbero essere troppo rigide? ……………………………………………………………………………………………. Domanda 2: SCARPE SPORTIVE Che cosa intende dimostrare l’autore del testo? A B C D Che la qualità di molte scarpe sportive è notevolmente migliorata. Che è meglio non giocare a calcio se si ha meno di 12 anni. Che i giovani subiscono sempre più danni a causa delle loro cattive condizioni fisiche. Che è molto importante per i giovani atleti indossare scarpe sportive di buona qualità. 4.3.2 I quesiti più difficili sulla scala di lettura All’estremo opposto della scala vi sono le domande che si collocano al Livello 5 della scala, cioè domande che richiedono l’elaborazione di informazioni difficili da reperire in testi relativi ad argomenti poco familiari, o la formulazione di ipotesi o valutazioni critiche basate su conoscenze specialistiche. Un esempio di domanda di Livello 5, che richiede agli studenti di riflettere sul testo, è una domanda aperta a risposta articolata che riguarda un testo narrativo e chiede allo studente se egli ritenga che l’ultima frase del racconto rappresenti un finale adatto e di motivare la sua risposta spiegando in che modo il finale sia in relazione con il resto del racconto. Per ottenere un punteggio pieno a tale domanda occorre andare oltre la comprensione letterale del racconto. In particolare occorre valutare la fine del racconto in termini di completezza tematica, mettendo l'ultima frase in relazione con le relazioni fondamentali tra i personaggi, i temi o le metafore del racconto. Nel seguito vengono riportati due esempi di domanda di Livello 5 relativi a un diagramma ad albero che presenta la struttura della forza lavoro di un Paese ipotetico. La prima domanda riportata è una domanda aperta a risposta univoca che chiede di individuare nel diagramma ad albero l’informazione relativa al numero di persone della popolazione attiva che non fanno parte della forza lavoro. Per ottenere un punteggio pieno a questa domanda occorre integrare l’informazione numerica fornita in una delle caselle del diagramma ad albero con l’informazione contenuta in una nota sotto la figura, che specifica che i numeri sono espressi in migliaia, e aggiungere tre zeri al numero. La seconda domanda riportata, che rientra tra quelle che comportano la ricostruzione del significato del testo o di sue parti, è una domanda a scelta multipla, che chiede di indicare in quale delle quattro caselle del diagramma ad albero presentate sotto potrebbero essere inserite cinque persone le cui caratteristiche sono descritte brevemente. Per ottenere un punteggio pieno occorre avere compreso e integrare informazioni date in punti diversi del testo, comprese le informazioni fornite nelle note, e passare dal caso particolare descritto nella domanda alla categoria generale definita nel testo, classificando correttamente tutti e cinque i casi descritti. 65 LAVORO Il seguente diagramma ad albero mostra la struttura della forza di lavoro di un paese o della “popolazione attiva”. Nel 1995, la popolazione totale del paese era di circa 3,4 milioni di abitanti. Struttura della forza di lavoro – marzo 1994/marzo 1995 (x1.000)1 2 Popolazione attiva 2.656,5 3 Non forza di lavoro 949,9 35,8% Forza di lavoro 1.706,5 64,2% Disoccupati 128,1 7,5% Occupati 1.578,4 92,5% A tempo pieno 1.237,1 78,4% A tempo parziale 341,3 21,6% In cerca di lavoro a tempo pieno 101 6 In cerca di lavoro a tempo pieno 23 2 In cerca di lavoro a tempo parziale 26 5 Non in cerca di lav. a tempo pieno 318 1 Note 1. Il numero di persone è espresso in migliaia (u1.000). 2. La popolazione attiva comprende le persone di età compresa tra i 15 e i 65 anni. 3. La “non forza di lavoro” comprende le persone che non cercano un lavoro e/o che non sono in grado di lavorare. 66 Usa le informazioni sulla forza di lavoro di un paese, alla pagina precedente, per rispondere alle seguenti domande. Domanda 3: IL LAVORO Quante persone della popolazione attiva non facevano parte della forza di lavoro? (Scrivi il numero delle persone, non la percentuale.) Domanda 4: IL LAVORO In quale parte del diagramma ad albero potrebbero eventualmente essere inserite le persone elencate nella tabella seguente? Indica la tua risposta segnando con una croce la casella corretta. La prima risposta è già fornita come esempio. ‘Nella forza di lavoro: disoccupato’ ‘Nella forza di lavoro: occupato’ Un cameriere di 35 anni a tempo parziale. Una donna d’affari di 43 anni che lavora 60 ore a settimana Uno studente a tempo pieno di 21 anni Un attore di 25 anni che ha terminato di recente un film e sta cercando lavoro Una donna di 55 anni che non ha mai lavorato o voluto lavorare fuori casa. Una nonna di 80 anni che lavora ancora poche ore al giorno alla bancarella che la sua famiglia ha al mercato. 67 ‘Non nella forza di lavoro’ ‘Non compreso in alcuna categoria’ 4.4 Risultati 4.4.1 Il confronto basato sulla media e sulla dispersione dei risultati Una misura sintetica che consente di confrontare i risultati dei diversi Paesi è costituita dal punteggio medio ottenuto da ciascun Paese. Affiancando alla media i punteggi che delimitano il 50% centrale della distribuzione (cioè i punteggi corrispondenti al 25° e al 75° percentile) e quelli corrispondenti al 5° e al 95° percentile si ha un’indicazione della dispersione dei risultati. I risultati della competenza di lettura hanno come punto di riferimento la scala costruita in PISA 2000 (media 500 e deviazione standard 100). Nel 2003, quando tutti i 30 Paesi dell’OCSE hanno partecipato a PISA (con l’aggiunta cioè di Paesi Bassi, che nel, 2000 avevano avuto un tasso di risposta delle scuole troppo basso, e di Slovacchia e Turchia che nel 2000 non avevano partecipato), la media dei Paesi dell’OCSE è scesa da 500 a 494 mentre la deviazione standard è rimasta 100. Nella Figura 4.3 si presenta il punteggio medio dei diversi Paesi con l’intervallo di confidenza della media, cioè con l’intervallo all’interno del quale si trova la media, con una probabilità del 95%4, e i punteggi corrispondenti, rispettivamente, al 5° e al 95° percentile (agli estremi della barra) e al 25° e al 75° percentile (in corrispondenza delle suddivisioni della barra poste tra gli estremi e l’intervallo di confidenza della media). 4 La presenza di un intervallo di confidenza, che viene ricavato moltiplicando l’errore standard per 1,96, è legato al fatto che la media è stimata dai punteggi di un campione anziché dell’intera popolazione. 68 Figura 4.3 – Distribuzione dei risultati di lettura 5° percentile Intervallo di confidenza intorno alla media 25° percentile 75° percentile 95° percentile Nord Est Veneto Finlandia Corea Canada Australia Liechtenstein Nuova Zelanda Irlanda Svezia Paesi Bassi Hong Kong - Cina Belgio Norvegia Svizzera Giappone Macao - Cina Polonia Francia Stati Uniti Media OCSE Danimarca Islanda Germania Austria Lettonia Repubblica Ceca Ungheria Spagna Lussemburgo Portogallo Italia Grecia Repubblica Federazione Russa Turchia Uruguay Thailandia Serbia e Montenegro Brasile Messico Indonesia Tunisia 200 250 300 350 400 450 500 550 600 650 700 Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. Con un punteggio medio di 514 sulla scala di lettura, i risultati gli studenti quindicenni del Veneto si collocano al di sopra della media dell’OCSE, con risultati analoghi a quelli degli studenti di Irlanda, Nuova Zelanda, Paesi Bassi e Svezia, e sono significativamente più bassi solo di quelli degli studenti della Finlandia. Il punteggio del Veneto è inoltre significativamente più elevato di quello dell’Italia nel suo complesso (476), con una differenza di 38 punti che corrisponde ad oltre mezzo livello sulla scala di lettura. Il confronto internazionale ha evidenziato che le differenze all’interno dei Paesi sono ben maggiori di quelle tra i Paesi. In più della metà dei Paesi dell’OCSE il 90% centrale della distribuzione comprende alcuni studenti che si collocano al di sotto del Livello 1 della scala e altri al Livello 5 e negli altri Paesi lo scarto va da sotto il Livello 1 al Livello 4 o dal Livello 1 al Livello 5. Inoltre in 69 Austria, Belgio, Germania, Giappone e Nuova Zelanda la gamma delle prestazioni del 50% centrale della distribuzione (dal 25° al 75° percentile) è pari o superiore a 144 punti, che corrisponde a due livelli sulla scala di competenza di lettura, mentre i Paesi in cui la differenza tra i punteggi del 25° e quelli del 75° percentile è più contenuta sono Finlandia e Corea (105-106 punti che corrispondono a un livello e mezzo sulla scala di lettura). Nel caso del Veneto il 90% centrale della distribuzione comprende una gamma di prestazioni che va dal Livello 1 al Livello 5, mentre la gamma dei punteggi degli studenti rispettivamente al 25° e al 75° percentile è pari a 115 punti (1.6 livelli), risultando più contenuta di quella dell’Italia nel suo complesso (136 punti, che corrispondono a 1.9 livelli). Come emerge, in parte, dal confronto tra il dati della Regione e il dato dell’Italia nel suo complesso, il dato medio nazionale italiano “nasconde” disparità notevoli tra diverse parti del Paese e - più precisamente – tra il Nord e il Sud, confermando quanto emerso ripetutamente dalle indagini internazionali, come ad esempio, l’indagine IEA sulla lettura del 1991 (Figura 4.4). Figura 4.4 – Distribuzione dei risultati di lettura per area geografica Paesi Deviazione Standard Media Punteggio E.S. D.S. E.S. Veneto 514 (6,3) 87 (4,4) Italia 476 (3,0) 101 (2,2) Media OCSE 494 (0,6) 100 (0,4) Nord Ovest 511 (4,4) 93 (3,5) Nord Est 519 (5,7) 89 (3,0) (4,3) Centro 486 (6,2) 96 Sud 445 (7,9) 98 (4,7) Sud Isole 434 (6,0) 95 (4,2) Fonte: base dati OCSE PISA 2003/INValSI. I dati disaggregati mostrano che tra i risultati di lettura dei quindicenni delle due aree del Nord e quelli dei loro coetanei del Sud Isole5 c’è una differenza di oltre un livello sulla scala di competenza di lettura. I risultati del Veneto si collocano 28 punti al di sopra di quelli del Centro e oltre 70 punti al di sopra di quelli delle due aree del Sud, differenza questa pari a un livello sulla scala di lettura. 4.4.2 La distribuzione degli studenti sulla scala di lettura La Figura 4.5 presenta un profilo delle prestazioni degli studenti sulla scala di competenza di lettura, nel quale la lunghezza di ciascun segmento delle barre indica la percentuale di studenti che si colloca a ciascun livello della scala. Le barre sono allineate in corrispondenza del Livello 3, in modo che fino al Livello 2 sono sotto la linea centrale e dal Livello 3 in poi sono al di sopra della linea, secondo il modello utilizzato dall’OCSE nel rapporto internazionale, a indicare che dal Livello 2 in giù della scala di lettura corrisponde una capacità di utilizzare la lettura giudicata insufficiente rispetto alle richieste della società e del mondo del lavoro attuali, anche in relazione a quanto constatato in relazione alle abilità alfabetiche funzionali degli adulti. 5 La differenza tra il punteggio del Nord Ovest e quello del Nord Est non è significativa, come non lo è quella tra Sud e Sud Isole. 70 Figura 4.5 – Percentuale di studenti a ciascun livello della scala di lettura 100 80 15 Livelli 12 60 33 31 40 13 29 8 7 8 8 9 10 8 5 5 5 22 23 6 21 21 21 22 21 18 18 18 17 30 30 29 28 26 27 30 30 28 27 23 20 23 13 6 13 13 11 8 27 27 32 33 20 21 8 3 9 3 5 4 20 32 33 31 31 0 4 16 3 0 20 40 15 51 17 18 5 1 7 2 23 11 5 23 11 6 24 11 5 23 12 7 9 7 27 25 25 14 14 15 15 7 6 9 10 26 28 2 1 27 60 <1 25 80 Es Ve t ne to or d N Fi nl an di a C or ea C an a Sv da iz ze ra Fr an ci P a M ol o ed n ia ia O C S St at E iU n G er i ti m an Au ia st ri Sp a ag n U ng a he ria Ita l ia G re c M ia es si co 100 Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. Al livello più elevato della scala (Livello 5), con un punteggio superiore a 625, che corrisponde alla capacità di portare a termine compiti di lettura complessi in riferimento a testi su argomenti poco familiari (vedi Figura 4.2), si colloca l’8% degli studenti quindicenni in media nei Paesi dell’OCSE e poco più del 5% in Italia. In Veneto, gli studenti a Livello 5 sono circa l’8%, una percentuale analoga alla media OCSE e superiore alla media dell’Italia, ma inferiore a quella dei Paesi con la percentuale più elevata di studenti ai livelli alti della scala, quali Australia, Finlandia e Nuova Zelanda dove gli studenti a Livello 5 sono il 15% o più. Se si considerano insieme gli studenti che si collocano a Livello 4 (con un punteggio compreso tra 553 e 625) e 5, si osserva che in media nei Paesi dell'OCSE la percentuale è del 30%, mentre nell’insieme dell’Italia tale percentuale scende al 23%, dato quest’ultimo che è analogo a quello rilevato in Grecia, Spagna e Ungheria e significativamente superiore solo a quella di Messico, Repubblica Slovacca e Turchia. In Veneto, la percentuale cumulata degli studenti a Livello 4 e 5, che è del 35%, è più elevata non solo di quella dell’Italia, ma anche della media OCSE, ed è analoga a quella di Belgio, Irlanda, Paesi Bassi e Svezia e inferiore solo a quella di Australia, Canada, Corea, Finlandia e Nuova Zelanda. Il Livello 3 della scala (con un punteggio compreso tra 480 e 552) corrisponde alla capacità di affrontare compiti di lettura di media difficoltà. In media nei Paesi dell’OCSE gli studenti in grado di rispondere correttamente a domande di Livello 3, cioè gli studenti che si collocano a Livello 3 o oltre sulla scala di lettura (l’insieme degli studenti ai Livelli 3, 4 e 5) sono il 58%, in Italia sono il 51%, mentre in Veneto sono il 68%, percentuale analoga a quella di Australia, Irlanda e Nuova Zelanda, e inferiore solo a quella di Canada, Corea e Finlandia. All’estremo inferiore della scala vi sono gli studenti che non superano il Livello 1, cioè che si collocano a Livello 1 (335-407 punti) o al di sotto di esso (meno di 335 punti), questi ultimi dimostrando di avere serie difficoltà ad affrontare con successo il tipo di compiti e di domande di lettura più elementari di PISA. Tali studenti, per quanto sappiano leggere nel senso tecnico del termine, hanno una padronanza insufficiente della lettura come strumento di acquisizione di informazioni, secondo la definizione della competenza di lettura utilizzata da PISA. In media, nei Paesi dell’OCSE, il 7% degli studenti è al di sotto del Livello 1, mentre un altro 12% non supera il Livello 1 della scala, riuscendo a localizzare una singola informazione, a identificare l’argomento principale di un testo o a mettere in relazione le informazioni di un testo con semplici conoscenze della vita quotidiana, ma non ad affrontare testi e compiti di lettura più complessi. In Italia gli studenti che si collocano sotto il Livello 1 della scala di lettura sono il 9% dei quindicenni scolarizzati e quelli 71 che si collocano al Livello 1 sono il 15%, mentre in Veneto sono rispettivamente il 3% (sotto il Livello 1) e l’8,5% (Livello 1), entrambe percentuali più ridotte rispetto alla media dell’OCSE, oltre che a quella dell’Italia, a indicare un maggiore contenimento della proporzione di studenti a rischio. Sommando queste due percentuali si ha che circa il 11,5% degli studenti quindicenni del Veneto (cioè un po’ più che 1 studente su 10) alla fine della scuola dell’obbligo, ha una padronanza insufficiente della lettura come mezzo di acquisizione di informazioni e conoscenze. L’andamento degli studenti del Veneto in lettura, quale emerge dalla distribuzione degli studenti in relazione ai livelli della scala di lettura, è significativamente al di sopra della media nazionale e anche, nella maggior parte dei casi, della media dell’OCSE ed è in linea con quello degli studenti della macroarea geografica di appartenenza all’interno dell’Italia (Nord Est). La distribuzione degli studenti per livello della scala di lettura per area geografica, presentata nella figura che segue, precisa l’entità delle disparità all’interno del Paese. Figura 4.6 – Percentuale di studenti a ciascun livello della scala di lettura per area geografica 80 60 11 8 9 27 27 26 40 20 32 33 32 8 5 21 20 30 29 5 Livelli 18 28 2 11 1 8 25 24 4 3 0 20 20 5 8 3 21 21 2 23 24 25 27 31 1 9 3 9 4 12 13 7 40 7 <1 15 21 9 21 14 15 60 80 Nord Est Veneto Nord Ovest Media OCSE Centro Italia Sud Sud e isole Fonte: OCSE PISA 2003/INValSI. Considerando la parte più bassa della scala, si osserva che il Nord Est e il Nord Ovest hanno una percentuale di studenti che si colloca al Livello 1 o al di sotto di esso (rispettivamente 11% e il 13%) analoga a quella dei Paesi con i risultati migliori e ben inferiore alla media dell’OCSE (19%) e dell’Italia (24%). Viceversa nelle aree del Sud e del Sud Isole, la percentuale di chi non supera il primo Livello della scala di lettura ammonta, rispettivamente al 34% e al 36%. All’estremo più alto della scala le cifre si invertono. Circa 2 studenti su 100 nel Sud e 1 su 100 nel Sud Isole si collocano al Livello 5 della scala di lettura, mentre al Nord la percentuale sale al 9-11%, superando la media dell’OCSE (8%). Il Centro ha valori intermedi, rispetto a quelli di Nord e Sud, con il 21% degli studenti che si collocano al Livello 1 e sotto di esso, e il 5% al Livello 5. 72 4.4.3 Confronto tra i risultati di maschi e femmine Le femmine hanno avuto prestazioni significativamente più elevate di quelle dei maschi in lettura, sia nel 2000 sia nel 2003, in tutti i Paesi dell’OCSE. Le differenze tra generi rilevate da PISA nella lettura, così come quelle di segno inverso rilevate nella matematica, confermano i risultati di numerose ricerche su gruppi di età simili (Cole 1997), ma la comparazione tra Paesi dell’OCSE evidenzia come alcuni Paesi, culture e sistemi scolastici riescano a moderare tali differenze più che altri. Figura 4.7 – Risultati di lettura per genere Femmine Maschi Diff (M - F) Punt. Medio E.S. Punt. Medio E.S. Punti di diff. Austria 514 (4,2) 467 (4,5) -47 Canada 546 (1,8) 514 (2,0) -32 Sotto Livello 1 o Livello 1 Livello 5 %M %F %M %F (5,2) 13,1 28,2 11,3 5,3 (2,0) 5,6 13,3 16,2 10,3 Corea 547 (4,3) 525 (3,7) -21 (5,6) 4,4 8,4 15,6 9,8 Finlandia 565 (2,0) 521 (2,2) -44 (2,7) 2,4 9,0 20,5 8,8 4,6 Francia 514 (3,2) 476 (3,8) -38 (4,5) 12,1 23,5 9,9 Germania 513 (3,9) 471 (4,2) -42 (4,6) 16,3 28,1 12,3 7,0 Grecia 490 (4,0) 453 (5,1) -37 (4,1) 18,5 32,5 6,8 4,5 Italia 495 (3,4) 455 (5,1) -39 (6,0) 17,2 31,1 6,5 3,7 Messico 410 (4,6) 389 (4,6) -21 (4,4) 47,4 57,0 0,6 0,4 Polonia 516 (3,2) 477 (3,6) -40 (3,7) 10,3 23,4 10,3 5,7 Spagna 500 (2,5) 461 (3,8) -39 (3,9) 14,5 27,9 6,3 3,6 Stati Uniti 511 (3,5) 479 (3,7) -32 (3,3) 14,4 24,3 11,4 7,1 Svizzera 517 (3,1) 482 (4,4) -35 (4,7) 11,8 21,2 10,4 5,5 Ungheria 498 (3,0) 467 (3,2) -31 (3,8) 14,9 25,5 6,5 3,4 Media OCSE 511 (0,7) 477 (0,7) -34 (0,8) 13,8 24,2 10,6 6,1 Veneto 535 (6,8) 494 (9,9) -42 (12,5) 4,9 17,8 10,4 6,2 Nord Est 534 (10,2) 505 (8,8) -29 (13,8) 7,1 14,7 12,8 8,4 Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. In Italia il vantaggio delle femmine rispetto ai maschi sulla scala di lettura è in media di 39 punti (nel 2003), contro una differenza media dell’OCSE di 34 punti. La differenza tra maschi e femmine in Veneto è di 42 punti, con un punteggio di 494 per i maschi e di 535 per le femmine. Tuttavia, data l’entità dell’errore standard, tale differenza non si discosta in modo significativo dalla differenza media dell’Italia e dell’OCSE. Tra i Paesi selezionati per il confronto la differenza tra maschi e femmine è superiore a 40 punti in Austria, Finlandia e Germania, mentre la differenza è inferiore a 35 punti in Canada, Corea, Messico, Stati Uniti e Ungheria. Le differenze tra generi aumentano generalmente agli estremi della distribuzione. Se si considera la percentuale di studenti che si collocano sotto il Livello 1 o nel Livello 1 per genere, si osserva che in Finlandia la percentuale dei maschi è oltre tre volte quella delle femmine e in Austria, Canada e Polonia essa è due volte quella delle femmine. Nel caso del Veneto la percentuale dei maschi ai livelli più bassi della scala di lettura (17,8%) è tre volte e mezza quella delle femmine (4,9%), indicando il margine e l’opportunità di un intervento mirato ad accrescere l’interesse e la motivazione dei maschi con i risultati più bassi nei confronti della lettura. Al Livello 5 della scala, le proporzioni si invertono, anche se la differenza è meno marcata, con il 10,4% di femmine contro il 6,2% di maschi. 4.4.4 I risultati per tipo di istruzione I risultati medi dell’Italia nascondono differenze notevoli tra le diverse parti del Paese e in particolare tra Nord e Sud, come si è visto, e tra i diversi tipi di indirizzo dell’istruzione secondaria superiore. 73 A livello nazionale si rileva una forte disparità tra i risultati dei diversi tipi di istituto dell’istruzione secondaria superiore, in modo analogo a quanto osservato per la matematica. Il punteggio medio degli studenti dei Licei è più alto di quello degli studenti degli Istituti tecnici di 51 punti, e di quello degli studenti degli Istituti professionali di 116 punti, cioè di oltre un livello e mezzo sulla scala di lettura, mentre tra gli studenti degli Istituti tecnici e quelli degli Istituti professionali c’è una differenza di 65 punti6. Le percentuali di studenti che si collocano a ciascun livello della scala di lettura nei diversi tipi di scuola confermano e precisano tale andamento. Nei Licei solo l’8% degli studenti si collocano al Livello 1 o al di sotto di esso, nel caso degli Istituti tecnici la percentuale sale al 22% e negli Istituti professionali al 48%. Questo, naturalmente, non significa che gli Istituti professionali non “funzionino”, mentre i Licei funzionano bene, dal momento che è il sistema stesso con la presenza di più canali a indirizzare studenti di diversi livelli di abilità in diversi canali. Un risultato di questo tipo chiama invece in causa la capacità del sistema nel suo complesso di fare fronte alle esigenze di istruzione e formazione di una larga parte dei giovani oggi. Nella figura che segue si presentano i risultati per tipo di istruzione confrontando l’andamento della Regione, con quello della macroarea corrispondente e dell’Italia nel suo complesso. Figura 4.8 – Punteggio medio di lettura per tipo di istruzione 650 Licei Istituti tecnici Istituti pro fessio nali 600 570 565 550 526 525 518 500 M edia int ernazionale 474 450 456 454 409 400 350 V enet o N o r d Est It ali a Fonte: OCSE PISA 2003/INValSI. I Licei del Veneto hanno una media di 565 punti sulla scala di lettura, che è significativamente più elevata della media dei Licei dell’Italia (525) e si colloca al livello di quella dei Licei del Nord Est 6 Inoltre gli studenti, pluri-ripetenti, che a 15 anni compiuti si trovano ancora nella scuola media hanno un punteggio medio di 336 punti (errore standard 23,1). 74 (570). In modo analogo la media degli Istituti tecnici (518) è significativamente più elevata di quella dell’Italia (474) e non si differenzia in modo significativo da quella del Nord Est (526). Lo stesso discorso infine vale anche per la media degli Istituti professionali (454), più elevata della media italiana degli Istituti professionali (409) e analoga a quella del Nord Est (456). Da questo quadro emerge dunque che gli studenti dei Licei e degli Istituti tecnici del Veneto hanno risultati che si collocano al di sopra della media dell’OCSE, mentre gli studenti degli Istituti professionali sono al di sotto di questa soglia. Anche nel Veneto, come a livello nazionale, si ritrovano disparità elevate tra i diversi tipi di scuola, con 47 punti di differenza tra Licei e Istituti tecnici, 111 punti tra Licei e Istituti professionali, e 64 punti tra Istituti tecnici e professionali. La distribuzione degli studenti per livelli della scala di lettura consente di precisare il quadro. Gli studenti che si collocano a Livello 1 o sotto di esso nei Licei sono l’1%, negli Istituti Tecnici l’8%, negli Istituti professionali il 28%. All’estremo superiore della scala, gli studenti a Livello 5 sono il 18% nei Licei, il 6% nei Tecnici, e l’1.5% nei Professionali. Figura 4.9 – Percentuale di studenti per ciascun livello della scala di lettura per tipo di istruzione 100 80 18 22 6 8 28 28 10 60 41 40 20 0 40 Livelli 29 1 10 31 9 1 20 38 21 28 32 2 11 28 9 01 39 28 5 16 34 31 51 17 4 3 2 19 19 32 5 1 6 2 3 28 29 7 2 15 40 20 19 60 8 9 7 1 <1 26 21 80 Veneto Nord Est Istituti professionali Istituti tecnici Licei Istituti Professionali Istituti Tecnici Licei Istituti Professionali Istituti Tecnici Licei 100 Italia Fonte: database OCSE PISA 2003/INValSI. Di nuovo occorre ribadire che tali dati non possono essere imputati ad una maggiore efficacia dell’istruzione di tipo liceale rispetto a quella tecnica e ancora più a quella professionale, dal momento che la presenza stessa di canali caratterizzati da un diverso tipo di esigenze porta ad una autoselezione in relazione al livello di abilità (ma anche in relazione al background, come si vedrà nel capitolo 8). Per quanto tale percentuale sia comparativamente contenuta, rimane il fatto che più di uno studente su quattro negli Istituti professionali del Veneto si approssimano all’uscita dalla scuola mancando di abilità di lettura giudicate essenziali dai governi dei Paesi dell’OCSE per svolgere un ruolo attivo nella cosiddetta “società della conoscenza” e affrontare un mercato del lavoro che richiede flessibilità e apprendimento continuo. 75 5. La competenza scientifica dei quindicenni Michela Mayer Questo capitolo presenta i risultati degli studenti per le scienze. Vengono illustrate la definizione di competenza scientifica alla base della valutazione e la sua articolazione. Quindi si presentano le modalità di costruzione delle prove, con esempi di quesiti. Successivamente vengono presentati i risultati degli studenti per il Veneto, collocandoli nel quadro internazionale e nazionale, con la spiegazione delle modalità di attribuzione dei punteggi, anche attraverso alcuni esempi di item. 5.1 L’approccio di PISA alla Scientific Literacy PISA identifica nel “sapere scientifico” una delle competenze indispensabili per la vita, e propone quindi la “literacy scientifica” come terza area di indagine da affiancare alle competenze di lettura e matematica. La definizione di “competenza scientifica’ per i quindicenni è, anche in questo caso, più ampia di quella in genere adottata sia a livello nazionale sia da altre indagini internazionali1: non si tratta infatti di ‘sommare’ conoscenze e processi di pensiero propri di diverse discipline e di diversi curricoli ma di identificare e descrivere quegli elementi, comuni ai diversi curricoli e alle diverse discipline scientifiche, che effettivamente rendano i giovani capaci di affrontare i problemi legati a una vita quotidiana sempre più dipendente dalla tecnologia e in cui rischi e soluzioni sono sempre più interdipendenti e globalizzati. La “literacy scientifica” proposta da PISA non deve quindi essere intesa come una “alfabetizzazione scientifica”, termine che spesso indica propedeudicità rispetto a futuri studi specialistici, ma come una competenza complessa, risultato di un percorso che è assieme sociale e scolastico, e che consiste nella capacità di usare quelle conoscenze fondamentali, ma soprattutto quelle metodologie di indagine e di pensiero critico, che dovrebbero permettere alla totalità dei cittadini, e non solo a coloro che diventeranno gli scienziati di domani, di comprendere situazioni e di prendere decisioni nel mondo reale, naturale e tecnologico, che ci circonda. PISA definisce la competenza scientifica (scientific literacy) come: “la capacità di utilizzare conoscenze scientifiche, di identificare domande (che hanno un senso scientifico) e di trarre conclusioni basate sui fatti, per comprendere il mondo della natura e i cambiamenti ad esso apportati dall’attività umana e per aiutare a prendere decisioni al riguardo”. (OECD, 2003; trad it. 2004, p. 135). Questa definizione propone una idea di scienza come “processo razionale attraverso cui idee e teorie vengono confrontate con i dati disponibili al momento”, che non esclude “la creatività e l’immaginazione”, che riconosce i progressi del sapere scientifico come frutto non solo degli individui ma “della cultura nella quale tali progressi si realizzano”. In questa visione è anche importante per il cittadino imparare a distinguere tra “interrogativi ai quali la scienza può rispondere e quelli ai quali 1 Negli ultimi decenni sono state svolte dalla IEA (International Association for the Evalutation of Educational Achievement) diverse indagini internazionali sulle conoscenze scientifiche. La prima è il Six Subjects Study del 1971 che inseriva le scienze nell’ambito di un’indagine su sei ‘discipline’, e che si rivolgeva a studenti rispettivamente al quarto anno di scolarità, all’ottavo anno, e all’ultimo anno. La seconda indagine IEA sulle scienze è stata il SISS, Second international Science Study, nel 1983 seguita nel 1995 dal TIMSS, Third International Mathematics and Science Study. L’Indagine TIMSS è stata ripetuta nel 1999 e nel 2003 per un’analisi longitudinale dei risultati. L’Italia ha partecipato a tutte le indagini IEA (Fierli, 1985; Caputo, 1999; Caputo, 2001) ottenendo sistematicamente risultati in media o superiori alla media dei Paesi partecipanti al quarto anno di scolarità e inferiori alla media nei livelli scolastici successivi. 77 essa non può rispondere”, e quindi tra ciò che è scientifico e ciò che non può esserlo (OCSE, op.cit., p. 134). La competenza scientifica non è vista quindi come competenza dicotomica, che permette di distinguere tra ‘competenti’ e ‘ignoranti’ ma come “un continuum che va da una competenza scientifica meno sviluppata a una più sviluppata” (OCSE, op.cit., p. 136). L’idea di scienza proposta coincide con quanto viene genericamente espresso nei nostri programmi scolastici relativi alla scuola obbligatoria, ma anche con le ‘introduzioni’ ai programmi di scienze relativi al biennio superiore. Una recente indagine sui libri di testo2 mostra però come in Italia l’impianto didattico sia ancora fortemente disciplinare, anche a livelli di età in cui si sostiene l’importanza dell’integrazione delle scienze, e soprattutto come i testi, ma anche gli insegnanti italiani, incontrino difficoltà a offrire una visione della scienza utile, e utilizzabile, anche in contesti di vita quotidiana: ‘non si evidenzia l’immagine di una scienza strettamente collegata alla realtà sociale, economica e politica ... e di conseguenza non emerge l’idea che la scienza e lo scienziato possano influire e sostenere valori etici e morali’. L’immagine della scienza che viene offerta è ‘sostanzialmente statica’ , una scienza ‘in grado di spiegare tutto, di dare sempre soluzioni e che non muta nel tempo’. Le teorie scientifiche vengono in genere proposte come informazioni di valore assoluto, e quel che ne risulta è un apprendimento delle scienze ‘basato sulla memorizzazione di informazioni, descrizioni, enunciati’, in cui le prove sperimentali proposte sono spesso di sola verifica e non emerge come la conoscenza scientifica sia costituita ‘da teorie corroborate da prove di fatto’. Il PISA può quindi essere uno strumento per analizzare la differenza effettiva tra teoria – quanto espresso nelle finalità generali – e pratica didattica in Italia e nelle diverse regioni. 5.2 L’accertamento della competenza scientifica Le scienze nel 2003, come nel 2000, non costituiscono l’ambito principale della valutazione ma solo un ambito secondario, mentre avranno più ampio spazio nella valutazione prevista per il 2006. Di conseguenza, visto il poco tempo disponibile per la valutazione, e il minor numero di item, è stato necessario definire quali aspetti fosse fondamentale valutare e secondo quali criteri scegliere tra più possibili argomenti e contenuti. Per passare dalla definizione generale di scientific literacy a un quadro di riferimento entro il quale costruire le prove di accertamento per le scienze, PISA ha organizzato l’ambito relativo alla competenza scientifica secondo tre aspetti: x le conoscenze o i concetti scientifici, che si riferiscono quindi a specifici ambiti di contenuto; x i processi di pensiero propri della conoscenza scientifica, che anche se chiamano in causa conoscenze e concetti scientifici non vincolano la risposta alla loro padronanza; x le situazioni reali, che offrono il contesto al cui interno le conoscenze e i processi vengono valutati. In questo modo le scienze non vengono affrontate come discipline separate, con strutture concettuali e procedimenti metodologici in gran parte specifici e distinti, ma si vuole invece coglierne l’aspetto unitario, il tipo di competenza che qualsiasi studio scientifico dovrebbe contribuire a costruire. Di conseguenza i contenuti non sono selezionati sulla base dei curricoli nazionali, ma scelti secondo i criteri di pertinenza e utilità nella vita quotidiana di uno studente di quindici anni, di rilevanza scientifica e permanenza temporale, di stretta relazione con i processi di ragionamento e di indagine scientifica che si vogliono rilevare. Ecco un elenco esemplificativo dei contenuti affrontati nelle prove PISA, contenuti che, come si può vedere dalle prove rilasciate e accluse in allegato, sono sempre trattati con un linguaggio e un approfondimento adatto a studenti di 15 anni. x Struttura e proprietà della materia 2 Le immagini e le pratiche della scienza nei libri di testo della scuola primaria e della scuola secondaria di primo grado, Zadigroma, 2004, progetto finanziato dal MIUR. 78 x Cambiamenti atmosferici x Cambiamenti fisici e chimici x Trasformazioni dell'energia x Forze e movimento x Forma e funzione x Cambiamenti fisiologici x Controllo genetico x Ecosistemi x La Terra e il suo posto nell'universo Per quel che riguarda i processi, il PISA propone di comprendere tra i processi di pensiero – e di azione – propri dell’approccio scientifico alla realtà “un’ampia gamma di abilità e di saperi necessari per raccogliere e interpretare dati di fatto relativi al mondo circostante e per trarne conclusioni”. Più che la raccolta di dati – non facilmente proponibile nell’ambito ristretto di una prova oggettiva – quello che PISA mette al centro è la competenza nel riconoscere i dati rilevanti e nell’usarli per interpretazioni e conclusioni coerenti: “la capacità di stabilire un legame tra prove o dati e affermazioni e conclusioni è considerata come essenziale rispetto all’esigenza che hanno tutti i cittadini di formulare giudizi circa gli aspetti della loro vita influenzati dalla scienza” (OCSE, op. cit., p. 139). I processi identificati da PISA sono i seguenti: x descrivere, spiegare e prevedere fenomeni scientifici; x comprendere un’indagine di tipo scientifico; x interpretare prove di carattere scientifico e trarne conclusioni. Per dimostrare competenza nel primo dei processi identificati lo studente deve mostrare di saper riconoscere un fenomeno scientifico (come ad esempio la fotosintesi), fornire spiegazioni appropriate e considerazioni fondate sui possibili impatti e conseguenze. Per essere considerato competente nel secondo dei processi proposti lo studente deve essere capace di riconoscere, tra domande e problemi, quelli che possono essere affrontati utilizzando metodologie scientifiche, quali dati siano necessari, quali variabili debbano essere tenute sotto controllo. Allo studente viene inoltre richiesto di saper ‘comunicare’ le proprie idee e opinioni. Infine per dimostrare una competenza nel terzo processo lo studente deve saper non solo comunicare ma anche ‘argomentare’ le proprie proposte o conclusioni fondandole sui dati e sulle conoscenze che ha a disposizione, o viceversa deve saper riconoscere quando le argomentazioni addotte, per esempio da un messaggio pubblicitario, non si fondano su dati e processi scientifici. Tutti e tre i processi richiedono, per essere rilevati, di essere applicati a contesti quotidiani in cui siano in gioco concetti e problemi scientifici e che richiedano quindi anche il possesso di conoscenze scientifiche. Tuttavia, nel caso dei processi 2 e 3, il possesso delle conoscenze non dovrebbe costituire l’ostacolo principale per dare una risposta corretta, che dovrebbe invece fondarsi sull’analisi e l’interpretazione dei dati e delle procedure illustrate nel testo che accompagna la domanda. I tre processi individuati non costituiscono ‘una scala’ di difficoltà, ma comprendono al proprio interno un’ampia gamma di difficoltà a seconda dei contenuti affrontati e dei contesti nei quali sono presentati. Tutti i quesiti sono contestualizzati, il che significa che le domande sono inserite all’interno di una situazione o un problema legati alla vita quotidiana e non solo a quanto si fa a scuola, in laboratorio o in aula. Gli ambiti scelti cercano di spaziare su tutte le aree che possono entrare a far parte delle esperienze dei quindicenni, cercando di toccare sia problematiche che hanno a che fare con i comportamenti individuali (per esempio in campo alimentare), sia problematiche sociali (come ad esempio la localizzazione di una centrale elettrica), sia argomenti di tipo globale (come il cambiamento climatico) o relativi all’evoluzione del sapere scientifico. I campi di applicazione individuati per l’accertamento PISA del 2003 sono riportati di seguito. x Scienze della vita e della salute x Scienze della Terra e dell’ambiente x Scienze e tecnologia 79 5.3. La costruzione delle prove di scienze in PISA 2003 Come per le altre aree di indagine, l’accertamento della competenza scientifica in PISA è stato organizzato in ‘prove’ in cui ad un testo iniziale di descrizione del contesto seguivano diversi quesiti. Il testo (o grafico, o figura) iniziale serviva per le scienze spesso anche da fonte di informazioni, così da poter presentare domande su argomenti non necessariamente svolti all’interno dei programmi scolastici di tutti i Paesi partecipanti, ma su cui era possibile ragionare in maniera scientifica. Ovviamente per rispondere alle domande è necessaria anche una competenza di lettura, e a volte anche una competenza matematica, ma le difficoltà relative sono state ridotte il più possibile e in genere queste competenze da sole non sono sufficienti per rispondere, così come non è sufficiente la conoscenza puramente mnemonica di un termine o di un fatto isolato. Le prove sono state costruite così da ricoprire le diverse dimensioni dello schema di riferimento sopra descritto, pur nei limiti di tempo e di numero di quesiti imposti. Gli item proposti agli studenti nel 2003 sono stati 35, di cui 25 utilizzati già nel 2000. I nuovi item necessari per rimpiazzare quelli rilasciati, e quindi non più utilizzabili, sono stati sottoposti ad un’ampia discussione tra i gruppi di lavoro dei diversi Paesi, come nella somministrazione precedente, e poi ad una prova sul campo (nel 2002, insieme ai nuovi item di matematica). I 35 item che hanno fatto parte dell’indagine nel 2003 riguardavano per circa il 50% il processo 1, e quindi la ‘descrizione, spiegazione e previsione di fenomeni scientifici’, e per il 25 % ciascuno gli altri due processi. Rispetto alle situazioni e ai contesti circa il 28 % degli item riguardava le Scienze della Terra e dell’ambiente, mentre gli altri si ripartivano tra i due campi di applicazione restanti. Interessante è notare che, come era successo nel 2000, quasi il 50 % degli item era a risposta aperta. La correzione delle risposte aperte ha seguito, come per le altre due aree di indagine, un processo di codifica estremamente rigoroso e controllato, con un confronto continuo interno al gruppo di correttori italiani e con l’equipe internazionale, che ha permesso di aggiungere alla casistica presente nella ‘Guida per la correzione’ internazionale una casistica più appropriata alla realtà nazionale. Analogamente a quanto fatto nel 2000, dato il relativamente scarso numero di item a disposizione, per la competenza scientifica non sono state distinte varie scale, ma è stato descritto quello che sanno fare gli studenti in corrispondenza ai diversi punteggi. Tutti gli item sono stati infatti posizionati su un’unica scala di difficoltà, ed è stato così possibile assegnare a ciascun item un punteggio indicativo del livello di competenza necessaria (in media) per rispondervi. La scala per la competenza scientifica è la stessa scala standardizzata costruita nel 2000 in cui, come per le altre aree di indagine, la media dei Paesi OCSE è stata fissata a 500 e la deviazione standard a 100. L’inserimento nel 2003 di altri 3 Paesi OCSE (Olanda, Slovacchia e Turchia) nell’indagine PISA non ha causato uno spostamento della media, che è rimasta a 500, mentre la deviazione standard è salita a 105 dato che la variazione dei risultati tra i diversi Paesi è stata leggermente superiore. 5.4. Risultati sulla scala di scienze Nella figura che segue si riportano i risultati complessivi per la competenza scientifica ottenuti da tutti i Paesi partecipanti, Italia compresa, e dal Veneto, con la macroarea di riferimento. Vengono indicati sia le medie e l’errore standard (in base al quale viene definito l’intervallo di confidenza entro cui si dovrebbe trovare il valore ‘vero’ della media con una probabilità del 95%), sia i punteggi ottenuti dal 5°, 25°, 75° e 95° percentile. Si riconosce dalla figura che la differenza tra il Paese dell’OCSE con il risultato migliore e quello con il peggiore è di 143 punti, e che mentre i Paesi con i migliori risultati – Finlandia e Giappone – differiscono dalla media per meno di mezza deviazione standard, il Messico, con 405 punti, è di quasi una deviazione standard sotto la media dei Paesi OCSE. I dati italiani, anche se lievemente migliorati rispetto al 2000, rimangono però bassi, con una media di 486 che è significativamente superiore tra i Paesi OCSE solo a Portogallo, Turchia e Messico. Tra i Paesi che hanno ottenuto risultati che non si differenziano in modo significativo da quelli dell’Italia ci sono gli Stati Uniti, l’Austria, la Norvegia, la Russia, la Spagna, la Grecia, la Danimarca. Tra i Paesi partecipanti non appartenenti all’OCSE spiccano per qualità i risultati di Hong Kong e Macao. Il risultato italiano ha diverse spiegazioni, in primo luogo come vedremo in seguito, è un valore medio, che corrisponde però a forti differenze, e a risultati quindi anche sopra la media o molto sopra la media, a seconda dell’area geografica e del tipo di scuola. Il risultato però rispecchia anche una situazione generale in cui, sempre rispetto alla media OCSE, in Italia abbiamo più studenti nelle 80 fasce con competenza più bassa e meno studenti nelle fasce con competenza più alta. Se si considerano infatti gli studenti che ottengono risultati al di sotto di 400 punti o al di sopra dei 600, cioè oltre une deviazione standard sotto o sopra la media, si riconosce che mentre la media OCSE è del 18% degli studenti sotto i 400 punti e sopra i 600, in Italia le percentuali sono rispettivamente del 21,2 % (in Finlandia è il 5,7% e in Giappone il 9,7%) e del 14,5 % (in Finlandia il 29,2% e in Giappone il 33,4%). Figura 5.1 – Distribuzione dei risultati degli studenti sulla scala di Scienze 5° percentile Intervallo di confidenza intorno alla media 25° percentile 75° percentile 95° percentile Nord Est Veneto Finlandia Giappone Hong Kong - Cina Corea Liechtenstein Australia Macao - Cina Paesi Bassi Repubblica Ceca Nuova Zelanda Canada Svizzera Francia Belgio Svezia Irlanda Ungheria Germania Media OCSE Polonia Repubblica Slovacca Islanda Stati Uniti Austria Federazione Russa Lettonia Spagna Italia Norvegia Lussemburgo Grecia Danimarca Portogallo Uruguay Serbia e Montenegro Turchia Thailandia Messico Indonesia Brasile Tunisia 200 250 300 350 400 450 500 550 600 650 700 Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. In questa distribuzione il risultato medio ottenuto dal Veneto per le scienze (533) si colloca al di sopra della media dell’Italia e dell’OCSE, e coincide con quello della macroarea Nord Est. Solo 15 punti separano il Veneto dai paesi che hanno ottenuto il punteggio più alto - Finlandia e Giappone – e il risultato è quindi comparabile a quello di altri paesi europei, quali la Svizzera, il Belgio, la Francia. In particolare il punteggio del Veneto si colloca tra quelli della Corea (538) e dell’Australia (525) e quindi fra le nazioni i cui risultati sono significativamente superiori alle medie OCSE. Se si esamina la distribuzione di punteggi nei vari percentili si riconosce anche come il punteggio si mantenga sistematicamente migliore dei corrispondenti dati nazionali e come rispetto alla macroarea siano circa gli stessi: leggermente più alti i percentili più bassi e più bassi i percentili più alti. Le differenze con i Paesi che hanno ottenuto il risultato migliore sono interessanti: la distribuzione dei punteggi del 90% degli studenti, escludendo cioè quel 5% di studenti che si colloca rispettivamente all’estremo inferiore e all’estremo superiore della distribuzione, mostra come il 5% degli studenti del Veneto con il punteggio più basso ottenga un punteggio di 378 punti contro un punteggio di macroarea di 367 e 81 un dato nazionale di soli 303 punti, mentre il corrispondente 5° percentile in Finlandia raggiunga 393 punti, cioè solo 15 punti di più. Il 95° percentile corrispondente al 5% degli studenti del Veneto con competenze più elevate ottiene 679 punti, rispetto ad un dato nazionale di 658 e un dato di macroarea di 683, quando i corrispondenti studenti finlandesi arrivano a 691 punti e i giapponesi a 715. 5.5 Significato dei punteggi, esempi di item e di risultati raggiunti In attesa dello studio del 2006 nel quale saranno individuate diverse scale e diversi livelli di competenza raggiunti in ogni scala, i punteggi permettono di descrivere quello che sanno fare gli studenti in corrispondenza ai diversi intervalli della scala. La classificazione delle domande per contenuto o per processo non è, come già detto, di per sé un indice di difficoltà: anche quando le domande riguardano argomenti simili o processi di pensiero analoghi, le difficoltà possono essere molto diverse a seconda della complessità del concetto affrontato, della catena di ragionamenti richiesta per rispondere, del livello di precisione che si pretende nella risposta. Quella che segue è una descrizione delle competenze attese in diverse posizioni lungo la scala. Figura 5.2 – Scala di presentazione dei risultati per la competenza scientifica 3 All’estremo superiore della scala, intorno ai 690 punti, si collocano gli studenti capaci di creare o utilizzare semplici modelli concettuali per fare previsioni e per fornire spiegazioni; di analizzare indagini scientifiche per comprenderne il progetto sperimentale o per identificare l’ipotesi da verificare; di confrontare dati per valutare punti di vista alternativi o prospettive differenti; di comunicare argomentazioni o descrizioni scientifiche in modo dettagliato e preciso. 2 Al centro della scala ma superiori alla media, intorno ai 550 punti, gli studenti sono in grado di servirsi di conoscenze scientifiche per fare previsioni e per fornire spiegazioni; di distinguere i quesiti ai quali è possibile rispondere per mezzo dell’indagine scientifica e di identificare gli elementi che la caratterizzano; di discernere informazioni pertinenti tra più informazioni plausibili o all’interno di una catena di ragionamenti al fine di trarre o valutare conclusioni. 1 All’estremo più basso della scala, intorno ai 400 punti, gli studenti sono capaci di richiamare alla mente semplici nozioni scientifiche fattuali – quali nomi, fatti, termini, semplici regole – e di servirsi di alcune conoscenze scientifiche per trarre o valutare conclusioni. Fonte: OCSE 2003; trad it. 2004. Quando si applica questo schema ai punteggi ottenuti nel Veneto, si riconosce che il 10 % superiore degli studenti raggiunge un punteggio molto buono, superiore ai 650 punti, e che la media degli studenti, con 533, si colloca al centro della scala. Il 10% degli studenti si ritrova però con una competenza scientifica molto bassa, con punteggio uguale o inferiore ai 410 punti, e quindi con nozioni scollegate difficilmente applicabili alla vita quotidiana. Per esemplificare con alcune domande i livelli descritti, di seguito vengono riportati alcuni esempi tratti dagli item rilasciati nel 2003 e riportati integralmente in allegato. Una delle domande che corrisponde al livello più alto di competenza nelle scienze è riportata di seguito. L’item è classificato come relativo alle Scienze della Terra, i suoi contenuti riguardano la conoscenza della Terra e del suo posto nell’Universo, il processo richiesto è quello di ‘descrivere, spiegare, prevedere un fenomeno’, la risposta è classificata come aperta breve. 82 LA LUCE DIURNA Leggi le informazioni e rispondi alle domande che seguono. LA LUCE DIURNA IL 22 GIUGNO 2002 Oggi, mentre l’emisfero Nord festeggia il suo giorno più lungo, per gli australiani è il giorno più breve. Sud previsto per il 22 dicembre, quando il sole sorgerà alle 5:55 e tramonterà alle 20:42, per un totale di 14 ore e 47 minuti di luce. A Melbourne*, in Australia, il sole sorge alle 7:36 e tramonta alle 17:08, per un totale di 9 ore e 32 minuti di luce. Il Presidente della Società Astronomica, Perry Vlahos, ha spiegato che l’alternanza delle stagioni nell’emisfero Confronta la giornata di oggi con il giorno Nord e Sud è legata all’inclinazione di 23° più lungo nell’emisfero dell’asse terrestre. * Melbourne è una città australiana a una latitudine di circa 38° a sud dell’Equatore. Domanda 2: la luce diurna La figura rappresenta i raggi del Sole che illuminano la Terra. Luce del SOLE Terra Figura: raggi del Sole Supponi che a Melbourne sia il giorno più breve. Rappresenta sulla figura l’asse terrestre, l’emisfero Nord, l'emisfero Sud e l'Equatore. Metti il nome a ognuno di questi elementi. 83 La correzione dell’item prevede un punteggio pieno (2 punti) per chi riporta correttamente tutti gli elementi indicati, e un punteggio parziale (1 punto) per chi ne riporta solo alcuni essenziali o fa un errore. In allegato sono riportate anche le istruzioni per l’assegnazione del punteggio3. Il livello di competenza corrispondente all’item è di 720 punti per chi risponde in maniera completa, e di 667 per chi risponde in maniera parziale. L’item sembra privilegiare gli abitanti dell’emisfero australe, ma in realtà nazioni come il Canada, la Finlandia o il Giappone, ottengono risultati migliori dell’Australia o della Nuova Zelanda. Per chi ha risposto, uno degli elementi che hanno penalizzato il punteggio pieno è stato il vincolo sull’angolo di inclinazione: diversi studenti italiani che hanno disegnato correttamente l’asse l’hanno però inclinato solo leggermente, sicuramente molto meno del minimo richiesto di 10°, e hanno quindi ottenuto un punteggio parziale. In questo item circa il 16% degli studenti del Veneto ottiene un punteggio pieno, rispetto a una media nazionale dell’11% ed una media OCSE del 12%, mentre il 18% (16% media italiana, 13% media OCSE) ottiene un punteggio parziale. Il 48% degli studenti veneti fornisce però risposte completamente errate e il 18% non risponde. In questo item rispondono leggermente meglio i maschi delle femmine. Lo stimolo e gli item che seguono riguardano la clonazione e il controllo genetico, sono quindi classificati come Scienze della vita, e sono ambedue di media difficoltà (corrispondono rispettivamente ad un punteggio 572 e 507). Il primo item riportato (il secondo della prova nella sequenza proposta agli studenti) è a scelta multipla e richiede che gli studenti dimostrino di conoscere la struttura cellulare e di aver compreso il processo di clonazione descritto. Il secondo item costituisce un esempio del processo di ‘comprensione delle caratteristiche di un’indagine scientifica’ ed è anche un esempio di domanda a scelta multipla ‘complessa’, in cui il punteggio pieno viene assegnato solo se tutte e due le risposte sono corrette. 3 La guida di correzione per questo item è un buon esempio del livello di dettaglio a cui arrivano le istruzioni per la correzione delle risposte alle domande aperte. Il codice a due cifre, presente anche in altre domande, permette di utilizzare la seconda cifra, ininfluente sul punteggio, per ricerche relative alle modalità dominanti di risposta, e quindi di errore, tra gli studenti. Nonostante la varietà delle risposte già previste, gli studenti italiani (così come quelli di altri paesi) hanno contribuito ad aumentare questa varietà con altre risposte originali. 84 CLONAZIONE Leggi il seguente articolo di giornale e rispondi alle domande che seguono. Una copiatrice per gli esseri viventi? Senza dubbio, se si fosse eletto l’animale dell’anno 1997, Dolly avrebbe vinto! Dolly è la pecora scozzese che vedi nella foto. Dolly però non è una semplice pecora, è un clone di un’altra pecora. Un clone vuol dire una copia. Clonare significa copiare «da un unico originale». Gli scienziati sono riusciti a creare una pecora (Dolly) identica a una pecora che ha svolto la funzione di «originale». di un’altra pecora femmina (pecora 2). Prima però, ha tolto dalla cellula uovo tutto il materiale che avrebbe determinato le caratteristiche della pecora 2 nell'agnello che sarebbe nato. Ian Wilmut ha impiantato la cellula uovo manipolata della pecora 2 in un’altra pecora femmina (pecora 3). La pecora 3 è diventata gravida e ha avuto un agnello: Dolly. È stato lo scienziato scozzese Ian Wilmut a progettare la «copiatrice» per le pecore. Egli ha prelevato un pezzo molto piccolo dalla mammella di una pecora adulta (pecora 1). Da questo pezzettino ha estratto il nucleo, quindi ha trasferito il nucleo nella cellula uovo Alcuni scienziati pensano che entro pochi anni sarà possibile clonare anche le persone. Molti governi però, hanno già deciso di vietare per legge la clonazione degli esseri umani. 85 Domanda 2: CLONAZIONE o Alla riga 13 la parte della mammella che viene usata è descritta come «un pezzo molto piccolo». Dal testo dell’articolo puoi capire che cosa si intende per un «pezzo molto piccolo». Questo «pezzo molto piccolo» è: A B C D una cellula un gene il nucleo di una cellula un cromosoma Domanda 3: Clonazione o Nelle ultime righe dell'articolo si afferma che molti governi hanno già deciso di vietare per legge la clonazione degli esseri umani. Questa decisione può avere due motivi possibili che sono descritti qui di seguito. Questi motivi hanno una base scientifica? Fai un cerchio intorno a «Sì» o «No» per ciascuno di essi. Motivo Scientifico? Le persone clonate potrebbero essere più esposte ad alcune malattie rispetto alle persone normali. Sì / No Le persone non dovrebbero assumere il ruolo di un Creatore. Sì / No Nel primo item ottiene il punteggio pieno il 68% circa degli studenti del Veneto rispetto ad una media nazionale del 60% e una media OCSE del 50%, con una superiorità delle femmine sui maschi. Nel secondo, ottiene il punteggio pieno il 76% degli studenti rispetto una media nazionale del 69% e una media OCSE del 64%, e con una percentuale di risposte corrette più alta per le femmine rispetto ai maschi. 86 5.6 Le differenze di genere Se si vanno ad analizzare le differenze di genere si riconosce che, a livello internazionale, le scienze sono l’ambito di valutazione entro il quale si riscontrano le minori differenze, con una differenza media tra maschi e femmine per tutti i Paesi OCSE di soli 6 punti. In alcune nazioni – quali ad esempio il Canada, la Grecia, la Corea, il Portogallo e la Svizzera - si riscontrano però differenze significative in favore dei maschi mentre in altre, come ad esempio in Finlandia, le differenze sono a favore delle femmine. Figura 5.3 – Risultati nella competenza scientifica per genere Paese Scienze Femmine Differenza (M - F) Maschi Punt. Medio E.S. Punt. Medio E.S. Punti di diff. E.S. Germania Stati Uniti Spagna Francia Ungheria Austria Finlandia 527 475 516 508 400 494 484 497 500 489 485 511 504 492 551 (5,5) (3,9) (2,2) (3,9) (4,2) (3,4) (3,6) (0,8) (4,2) (3,5) (2,6) (3,5) (3,3) (4,2) (2,2) 546 487 527 518 410 501 490 503 506 494 489 511 503 490 545 (4,7) (4,8) (2,3) (5,0) (3,9) (3,2) (5,2) (0,7) (4,5) (3,5) (3,9) (4,1) (3,3) (4,3) (2,6) 18 12 11 10 9 7 6 6 6 5 4 0 -1 -3 -6 (7,0) (4,2) (2,6) (5,0) (4,1) (3,3) (6,3) (0,9) (4,8) (3,3) (3,9) (4,8) (3,7) (5,0) (2,8) Veneto Nord Est 542 528 (7,0) (11,2) 525 538 (9,8) (9,3) -17 11 (12,3) (14,4) Corea Grecia Canada Svizzera Messico Polonia Italia Media OCSE Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. In Italia a livello nazionale la piccola differenza in favore dei maschi (490 rispetto a 484) rilevata nel 2003 non è significativa, e controbilancia la piccola differenza riscontrata nel 2000, sempre non significativa, in favore delle femmine. In Veneto le differenze di genere sono in controtendenza rispetto al dato nazionale, anche se sempre non significative, con i maschi a 525 punti di media rispetto ai 542 delle femmine e in controtendenza anche rispetto al dato della macroarea Nord Est, in cui i maschi ottengono 538 punti in media rispetto a 528. L’analisi più dettagliata dei risultati ottenuti item per item, mostra come le ragazze siano in genere superiori nelle domande su argomenti biologici e con coinvolgimenti sociali ed etici mentre i ragazzi rispondano meglio ai quesiti più astratti e tecnologici, anche se le differenze sono raramente significative. 87 5.7 I risultati per tipi di istruzione Analogamente a quello che si ottiene per gli altri ambiti, della lettura e della matematica, anche per quel che riguarda le scienze è importante sottolineare come la variazione tra i risultati ottenuti dagli studenti all'interno dello stesso Paese sia molto più ampia della variazione tra le medie delle diverse nazioni. Se si vanno infatti ad analizzare i livelli di apprendimento e il punteggio ottenuto nelle scienze per macroarea geografica, si riconosce che, anche per le scienze e come già rilevato nell’indagine PISA del 2000 e in altre indagini4, i punteggi migliori si ottengono nel Nord Est e nel Nord Ovest, seguiti dal Centro, dal Sud, e dal Sud Isole. Figura 5.4 – Punteggi nella competenza scientifica per area geografica Scala di scienze Media E.S. Nord Ovest 533 7,7 Nord Est 533 5,2 Centro 497 5,3 Sud 447 8,7 Sud Isole 440 8,0 ITALIA 486 3,1 Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. Un’altra differenza significativa interna al dato nazionale che si riscontra in tutte le indagini è quella tra scuole, e in particolare tra indirizzi scolastici. I dati internazionali danno per l’Italia un 48% della varianza totale come ‘dovuta’ alla differenza tra scuole, e infatti le differenze dei risultati medi tra i vari ordini sono ancora più ampie di quelle riscontrate tra aree geografiche. 4 Anche i dati Timss, rilasciati nel 2003 e relativi ai risultati nelle scienze, presentano lo stesso andamento alla fine della scuola media – 8° anno di scolarità – ma non nella scuola elementare - 4° anno di scolarità – in cui le differenze sono minori e non così chiaramente geograficamente determinate. 88 Figura 5.5 – Punteggio medio nella competenza scientifica per tipo di istruzione 650 Licei Istituti tecnici 600 578 Punteggio di scienze 550 576 Istituti professionali 549 543 531 500 Media internazionale 472 491 467 450 423 400 350 Veneto Nord Est Italia Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. I risultati mostrati in figura indicano come la media dei Licei italiani ottenga punteggi alti rispetto alla media OCSE, che si posizionano tra quelli medi della Corea e quelli dell’Australia, mentre la media ottenuta dagli Istituti Tecnici è al livello degli Stati Uniti, e quella degli Istituti Professionali tra la Thailandia e il Messico. Analizzando le differenze riscontrate nel Veneto si osserva come la differenza tra i risultati ottenuti in media dai Licei e i risultati ottenuti dagli Istituti Professionali sia di 106 punti, dato analogo a quello nazionale di 108 punti, e a quello della macroarea Nord Est di 109 punti. Gli Istituti Tecnici ottengono un risultato di 542 punti, che li colloca nella fascia centrale di competenza scientifica. La distribuzione dei punteggi nei vari percentili segue l’andamento della macroarea, e quelli ottenuti dal 95° percentile sono molto buoni soprattutto per quel che riguarda i Licei e gli Istituti Tecnici, anche in comparazione con i punteggi ottenuti per gli stessi percentili dai diversi paesi OCSE, come era d’altronde da aspettarsi per una scuola che si rivolge già in partenza ad un gruppo di studenti ‘selezionato’. Occorre ricordare però come questi confronti tra medie ottenute da diversi indirizzi di scuola, o da diverse aree geografiche italiane, con medie di altre nazioni, con sistemi scolastici e sociali anche molto diversi dai nostri, non abbiano un gran significato statistico, e siano utili solo per fornire un’idea dell’ampiezza delle differenze interne alla scuola italiana e che sarebbe necessario affrontare. Nell’analizzare le ragioni di questa differenza occorre procedere con molta cautela, soprattutto nell’attribuire ai curricoli o ai programmi dei diversi tipi di scuola le ragioni del successo o dell’insuccesso nelle scienze. Il necessario accorpamento nel campione dei diversi tipi di scuola nei tre indirizzi generali – liceo, tecnico e professionale – non dà, per quel che riguarda le scienze, indicazioni chiare sul percorso educativo seguito. Possiamo avere, infatti, inclusi tra i licei un liceo classico i cui studenti hanno abbandonato le scienze dopo la scuola media, o un liceo scientifico sperimentale Brocca con 3 ore di scienze e laboratorio la settimana. La situazione delle scienze è, in Italia e rispetto agli altri Paesi OCSE, anomala rispetto agli altri due ambiti di valutazione, lettura e matematica, in quanto è l’unico ambito per il quale gli studenti di 15 anni possono trovarsi nella condizione di non aver seguito nessun corso curricolare durante l’anno in corso e a volte anche durante l’anno precedente, mentre 89 in molti altri Paesi, alla stessa età, gli studenti devono affrontare l’esame obbligatorio di conclusione dell’obbligo, di cui fanno sempre parte le scienze. I risultati ottenuti non sono quindi attribuibili semplicemente al tipo di scuola e al percorso educativo seguito ma sono molto più probabilmente un effetto complesso, dovuto ad un insieme di fattori, spesso correlati tra loro: una differenza comparabile a quelle riscontrate tra aree geografiche diverse e tra ordini di scuola diversi si rileva infatti anche tra diversi livelli di background, così come sono identificati dall’indice socio-economico e culturale adottato (cfr. cap. 8). La differenza tra il risultato medio in scienze ottenuto da studenti italiani appartenenti al primo quarto di popolazione individuata attraverso tale indice e quelli appartenenti all’ultimo quarto, di livello socio-economico più elevato, è di 103 punti, mentre la differenza rilevata, ad esempio in Finlandia, è di 74 punti, significativamente più bassa. Abbiamo quindi paesi in cui le differenze sociali contano meno sui risultati di apprendimento e paesi in cui le differenze contano di più e risultano predittive rispetto ai risultati. In un certo senso, dato lo scarso peso delle scienze nella scuola italiana in termini di ore ma anche, come abbiamo visto, in termini di concettualizzazione e metodologia di insegnamento, gli studenti italiani rispondono meglio del previsto, anche se è da notare come tendano, più di quelli di altri Paesi, a non rispondere. I nostri studenti infatti, rispondono meglio alle domande a scelta multipla e a quelle in cui si chiede l’applicazione di concetti o nozioni semplici; rispondono male o non rispondono affatto alle domande aperte in genere, e soprattutto a quelle più complesse ed articolate, quelle che richiedono, ad esempio, di leggere e confrontare grafici e/o tabelle, o di utilizzare le loro conoscenze per argomentare o giustificare una affermazione. Al momento attuale però le domande in scienze sono troppo poche, e riferite a pochi argomenti, per poter costruire un profilo più dettagliato dal quale far emerger principali lacune o punti di forza. Bisognerà vedere come risponderanno gli studenti nel 2006 quando l’ambito scientifico sarà esplorato con maggiore profondità sia in termini di contenuti sia in termini di processi di pensiero necessari, e quando alle domande sulle conoscenze scientifiche si aggiungeranno anche delle domande specifiche sull’immagine della scienza e sulla sua utilizzazione sociale. 90 6. La competenza di Problem solving dei quindicenni Giorgio Asquini Questo capitolo presenta i risultati degli studenti nella competenza di Problem solving. Nella prima parte viene presentato l’ambito specifico che costituisce l’oggetto della valutazione, considerando la sua articolazione nelle capacità necessarie per affrontare i problemi e i tipi di situazioni su cui sono state predisposte le prove. Successivamente vengono illustrati i risultati degli studenti nella competenza di Problem solving, partendo dal confronto internazionale dei paesi partecipanti all’indagine, ma sviluppando l’analisi sui risultati specifici del Veneto in un quadro che comprende oltre l’Italia e la macroarea di appartenenza anche una serie qualificata di Paesi OCSE. Vengono considerati anche i risultati per tipo di istruzione e le differenze esistenti fra maschi e femmine. Infine vengono presentati alcuni esempi di prove e quesiti di Problem solving, di cui sono forniti gli esiti per gli studenti del Veneto confrontati con il dato nazionale e internazionale. 6.1 Presentazione dell’ambito L’ambito relativo alla competenza di risoluzione dei problemi (Problem solving) è stato inserito nella rilevazione PISA 2003 accanto ai tradizionali ambiti su cui è imperniato l’ambizioso programma di valutazione delle competenze proposto dall’OCSE. Perché aggiungere a lettura, matematica e scienze un ambito così particolare? Da cosa è caratterizzato il Problem solving per essere considerato meritevole di una rilevazione specifica? Quali sono le capacità specifiche attraverso le quali uno studente di 15 anni può risolvere quesiti relativi a situazioni problematiche? Riteniamo doverose le risposte a queste domande prima di inoltrarci nell’analisi dei risultati relativi alla rilevazione 2003 perché, in definitiva, un quadro esauriente dei livelli di competenza dei quindicenni è già fornito dall’insieme dei tre ambiti tradizionali, mentre le particolarità dei risultati relativi al Problem solving possono essere considerate solo se si comprendono gli elementi che definiscono l’ambito e i criteri che hanno guidato la costruzione delle prove e dei quesiti. Bisogna inoltre considerare che per gli ambiti principali del programma è possibile confrontare l’andamento dei risultati nei diversi cicli, con relative analisi delle tendenze, mentre per il Problem solving non ci sono precedenti, e non sono previste (sicuramente non per il successivo ciclo del 2006) riproposizioni dei quesiti. Si tratta quindi di un ambito di approfondimento strettamente legato alla rilevazione del 2003, scelto dagli organismi internazionali che guidano PISA anche per gli stimoli che può offrire alla riflessione di tutti coloro che sono coinvolti nel sistema-scuola di un Paese circa la possibilità di migliorare l’offerta di istruzione in relazione alle competenze chiave che devono essere possedute da un giovane studente che si sta trasformando in cittadino. La riflessione realizzata dai Paesi dell’OCSE ha evidenziato l’esistenza di una serie di situazioni problematiche non direttamente collocabili nei tradizionali ambiti rilevati da PISA, ma suscettibili di rilevazione e considerate interessanti per una definizione più completa del concetto di competenza degli studenti quindicenni, l’obiettivo principale di PISA. L’ambito di Problem solving è stato pertanto aggiunto alla rilevazione PISA 2003 con lo scopo di indagare un livello superiore di competenza, non affrontato esplicitamente in nessuna delle tradizionali discipline scolastiche, ma basato sulla sintesi di capacità messe in gioco nell’educazione linguistica come in quella matematica, in quella scientifica come in quella tecnica. Questo ambito è stato considerato in maniera distinta nel documento fondativo della rilevazione PISA 2003 (The PISA 2003 Assessment Framework: Mathematics, Reading, Science and Problem Solving Knowledge and Skills, OECD, 2003, Paris. – Trad.it. PISA 2003 Valutazione dei quindicenni, OCSE-Armando Editore, 2004, Roma), sulla cui base sono stati allestiti i materiali utilizzati dall’indagine. Naturalmente in questa breve presentazione non possono essere approfonditi nel dettaglio tutti gli aspetti considerati nel Framework (cui si rimanda per i dovuti approfondimenti), ma è importante ricordare gli elementi che, nell’impostazione PISA, caratterizzano il Problem solving, e in primo luogo le capacità necessarie agli studenti per affrontare questo tipo di prove: 91 x identificare problemi in ambiti pluridisciplinari; x identificare informazioni rilevanti o limitazioni; x rappresentare alternative possibili di soluzione; x selezionare strategie di soluzione; x risolvere problemi; x controllare le soluzioni e riflettere su di esse; x comunicare i risultati. Queste capacità sono sicuramente considerate singolarmente, in diversi ambiti disciplinari, ma è difficile ipotizzare una disciplina specifica che le consideri tutte, e in stretta interazione fra loro, per affrontare e risolvere una situazione problematica. Emblematica è la reazione degli insegnanti incaricati delle somministrazioni che, potendo osservare alcuni esempi di prove durante gli incontri di formazione, non riescono a collocare in nessun curricolo tradizionale le prove di Problem solving. In questa prospettiva appare evidente come il Problem solving rappresenti in definitiva l’ambito ideale per gli scopi del PISA, che intende rilevare le competenze costruite nell’esperienza scolastica piuttosto che le conoscenze acquisite nello studio delle discipline. E se già la definizione, per esempio, della competenza matematica non si può ridurre alla “disciplina” Matematica, ma riguarda una serie di capacità toccate da diverse discipline, la competenza di Problem solving si pone chiaramente come ambito d’interesse per tutti gli insegnanti, non solo come esercitatori di alcune delle capacità sopra elencate, ma anche per acquisire spunti utili alla costruzione di modalità di valutazione orientate verso la sintesi di singole capacità. A questo punto possiamo ricordare la definizione di Problem solving tratta dal Framework, che ha guidato la costruzione dei materiali utilizzati in PISA 2003. Per Problem solving si intende la capacità di un individuo di mettere in atto processi cognitivi per affrontare e risolvere situazioni reali e interdisciplinari, per le quali il percorso di soluzione non è immediatamente evidente e nelle quali gli ambiti di competenza o le aree curricolari che si possono applicare non sono all’interno dei singoli ambiti della matematica, delle scienze o della lettura. (OECD, 2003; trad. it. 2004, p. 158). Il Problem solving può quindi avere un ruolo fondamentale nella definizione di un sistema di istruzione orientato all’apprendimento, all’occupazione e alla cittadinanza attiva. Lo spazio dedicato al Problem solving naturalmente era condizionato dall’esistenza degli altri ambiti, e in particolare della Matematica, oggetto principale della rilevazione. Pertanto si è reso necessario definire in modo stretto le situazioni a cui le prove dovevano far riferimento. In tutto sono state allestite 10 prove, per un totale di 19 quesiti (3 prove composte da un solo quesito, 5 prove da due quesiti, 2 prove da tre quesiti). Nel seguito del capitolo verranno presentati alcuni esempi di prove e quesiti, con relativa presentazione dei risultati ottenuti dagli studenti. Di seguito presentiamo i tre tipi di situazioni cui le prove fanno riferimento (per un approfondimento cfr. Framework, OECD, 2003; trad. it. 2004, p. 161). x Prendere decisioni. Problemi di questo tipo richiedono allo studente di comprendere situazioni che prevedono un certo numero di alternative e di vincoli. x Analisi e progettazione di sistemi. Questi problemi richiedono allo studente di analizzare una situazione complessa per capire la sua logica e/o di progettare un sistema che funzioni e che raggiunga determinati obiettivi disponendo di informazioni relative ai rapporti che legano vari aspetti del contesto del problema. x Localizzare disfunzioni. Per la soluzione di questi problemi si richiede allo studente di comprendere le principali caratteristiche di un sistema e di identificare una caratteristica o un meccanismo difettoso o poco funzionale. Come vedremo più avanti negli esempi sono stati scelti contesti che potessero risultare interessanti per gli studenti, o per quanto riguarda il possibile coinvolgimento personale, o perché da considerare importanti dal punto di vista sociale. Un’attenzione particolare inoltre è stata posta nell’evitare di 92 porre situazioni problematiche risolvibili con procedure di routine, magari caratteristiche di determinate discipline; in tutti i quesiti è necessaria un’integrazione di conoscenze e metodi relativi a ambiti diversi. Una notazione importante che ha guidato la costruzione delle prove di Problem solving riguarda la quantità di conoscenze necessarie per affrontare i problemi proposti. Poiché l’accento è posto soprattutto sui meccanismi di risoluzione, non sono mai necessarie conoscenze specifiche circa gli argomenti trattati nelle prove, sono sufficienti poche informazioni di base e le informazioni fornite contestualmente nella prova, esposte sempre in modo chiaro e pertinente. Bisogna però osservare che un altro elemento che caratterizza le prove è il minore ricorso, nello stimolo, a elementi testuali, integrati da schemi, figure, disegni, tabelle. Anche in questo caso i contenuti presentati in forma non testuale non risultano particolarmente complessi, ma è richiesta una spiccata capacità di integrare informazioni di diverso formato, situazione abbastanza abituale nella vita quotidiana. Anche i livelli di competenza più alti, che vedremo nel dettaglio nel paragrafo 6.3, risultano raggiungibili da studenti non tanto per la loro preparazione nelle tematiche trattate dalle prove, quanto per la loro abilità di ricostruire il quadro delle informazioni in funzione di uno scopo specifico. Di fatto questo aspetto costituisce il contributo più originale del Problem solving al quadro concettuale di PISA. Ricordiamo che per l’ambito di Problem solving l’OCSE ha pubblicato un rapporto specifico distinto dal rapporto internazionale PISA (OECD 2004b Problem Solving for Tomorrow’s World – First Measures of Cross-Curricular Competencies from PISA 2003). 6.2 Risultati complessivi 6.2.1 Confronto delle medie dei punteggi Il primo confronto possibile fra i Paesi partecipanti a PISA 2003 per il Problem solving riguarda il confronto fra i punteggi medi ottenuti dai campioni nazionali che hanno sostenuto la prova. E’ comunque il dato più evidente, poiché sintetizza in una sola misura il rendimento dell’intero Paese, permettendo una prima stima comparativa circa la competenza degli studenti quindicenni. Nel grafico che riepiloga tutti i Paesi partecipanti all’indagine, a cui sono stati aggiunti i dati relativi al Veneto e alla macroarea, i Paesi sono ordinati secondo il loro punteggio medio. Il dato di ogni Paese viene rappresentato in forma di barra, con la parte centrale che identifica l’intervallo di confidenza dello stesso punteggio medio; ricordiamo che tale punteggio è calcolato sui risultati di un campione, per cui il risultato può essere esteso all’intera popolazione di quindicenni considerando la possibilità che tale misura oscilli all’interno dell’intervallo di confidenza. In pratica, osservando il grafico, vuol dire che se i segmenti centrali (in rosso) delle barre di due Paesi risultano sovrapposti, fra i due Paesi non c’è una significativa differenza dei risultati, anche se presentano punteggi medi diversi. E’ il caso, per esempio, della Corea, il cui dato non può essere considerato migliore di Hong Kong, Finlandia e Giappone, mentre risulta migliore di tutti gli altri Paesi, a partire dalla Nuova Zelanda. Sulla barra sono state definite altre soglie utili per capire la dispersione dei punteggi all’interno di ogni Paese: il 25° e il 75° percentile identificano il punteggio sotto il quale (25°) e sopra il quale (75°) si collocano il quarto della popolazione scolastica meno abile e il quarto più abile, tanto più queste soglie sono vicine alla media, tanto più risulterà omogenea, in termini di competenza rilevata, la fascia centrale costituita dal 50% degli studenti; il 5° e il 95° percentile definiscono invece le soglie oltre le quali troviamo il 5% degli studenti con i risultati troppo bassi o troppo alti, che in ogni analisi statistica vengono considerati potenzialmente legati a valori anomali, per cui si considera più affidabile, nel controllo della dispersione dei punteggi, il dato relativo al 90% “centrale” del gruppo analizzato. Anche in questo caso tanto più i due valori estremi risulteranno lontani fra loro, cioè tanto più ampia sarà la barra, tanto più in quel Paese i risultati degli studenti risulteranno dispersi. 93 Figura 6.1 – Distribuzione dei risultati degli studenti sulla scala di Problem solving 5° percentile Intervallo di confidenza intorno alla media 25° percentile 75° percentile 95° percentile Nord Est Veneto Corea Hong Kong - Cina Finlandia Giappone Nuova Zelanda M acao - Cina Australia Liechtenst ein Canada Belgio Svizzera Paesi Bassi Francia Danimarca Rep. Ceca Germania Svezia Austria Islanda Ungheria M edia OCSE Irlanda Lussemburgo Rep. Slovacca Norvegia Polonia Let tonia Spagna Federazione Russa St ati Unit i Portogallo It alia Grecia Thailandia Serbia Uruguay Turchia M essico Brasile Indonesia Tunisia 200 250 300 350 400 450 500 550 600 650 700 Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. Il punteggio medio del Veneto (512) si colloca immediatamente alle spalle della Germania (513), ma considerando l’intervallo di confidenza non risultano differenze significative rispetto alla fascia di paesi compresa fra il Belgio, verso l’alto, e l’Irlanda tra i Paesi con media inferiore. Il primo Paese rispetto al quale la differenza risulta significativamente più alta è il Lussemburgo. Considerando il raffronto con la macroarea di appartenenza il dato medio del Veneto appare leggermente inferiore, ma non significativamente diverso, e ricordiamo che il dato medio del Nord-Est risulta essere il migliore fra quelli delle macroaree italiane, anche se molto vicino a quello raggiunto dal Nord-Ovest. L’Italia, con una media di 469 si trova ben al di sotto della media OCSE fissata a 500, e se osserviamo l’intervallo di confidenza il dato italiano risulta sullo stesso piano di altri tre Paesi OCSE (Portogallo, Stati Uniti e Spagna) nonché di Russia e Lettonia. In modo simile a quanto accade per gli altri ambiti indagati da PISA, gli unici Paesi OCSE rispetto ai quali l’Italia presenta un punteggio significativamente più alto sono Grecia, Turchia e Messico. Concludiamo questa prima esposizione dei risultati con un riepilogo dei risultati italiani per le diverse macroaree geografiche secondo cui è stato stratificato il campione. Anche per la competenza di Problem solving, in modo simile a quanto si verifica per le altre competenze, l’Italia risulta composta da tre realtà ben distinte: le due macroaree settentrionali al di sopra della media OCSE, significativamente più in alto del Centro, che a sua volta stacca in modo significativo le aree del Meridione, lontane circa 70 punti dalla media OCSE. 94 Figura 6.2 – Punteggi nella competenza di Problem solving per area geografica Scala di Problem Solving Media E.S. Nord Ovest 510 5,0 Nord Est 516 7,3 Centro 476 6,7 Sud 434 8,3 Sud Isole 428 5,8 ITALIA 469 3,1 Fonte: database OCSE PISA 2003/INValSI. Considerando le possibili relazioni fra i diversi ambiti di competenza, i risultati ottenuti dagli studenti nell’ambito del Problem solving si rivelano molto simili a quelli della Matematica. Infatti considerando le correlazioni fra le diverse competenze di PISA 2003, quella relativa a questi due ambiti risulta la più alta (R=0,89), mentre risultano più contenute (ma comunque significative), le correlazioni con le scale di Lettura (R=0,82) e Scienze (R=0,80). Bisogna ricordare che le prove di Problem solving sono ancora del tipo “carta e penna”, per cui la competenza di lettura resta comunque un prerequisito indispensabile, inoltre nella costruzione delle prove (come si potrà vedere chiaramente negli esempi forniti nel paragrafo 6.6) non sono stati considerati contenuti specifici di tipo disciplinare. Di conseguenza l’abilità principale necessaria per risovere i quesiti di Problem solving è il ragionamento analitico, e in particolare la capacità di affrontare il problema in modo sistematico, abilità che risulta molto utile anche per risolvere i quesiti matematici costruiti per gli studenti quindicenni in PISA. La forte correlazione esistente fra Problem solving e Matematica permette di interpretare eventuali differenze di risultati fra i due ambiti che si possono rilevare nello stesso Paese. In Giappone, Ungheria, Germania e Nuova Zelanda il risultato medio in Matematica è superiore di oltre 10 punti rispetto a quello del Problem solving, e per questo si può ipotizzare che la preparazione strettamente matematica in questi paesi sia molto mirata e efficace. Al contrario per Olanda, Turchia e Islanda è il risultato nel Problem solving che supera di 10 punti quello di Matematica, facendo ipotizzare che in questi ultimi Paesi gli studenti non riescano ad esprimere completamente le loro capacità di tipo matematico all’interno dell’ambito specifico e abbiano pertanto discreti margini di miglioramento in matematica. Nel Veneto praticamente non ci sono differenze fra la scala di Matematica e quella di Problem solving, e anche in Italia la differenza fra le due scale è di soli 4 punti e non risulta significativa. 6.2.2 Confronto per i livelli della scala di competenza Molto più interessante, rispetto al confronto dei punteggi medi, risulta essere l’analisi dei livelli di competenza in cui si suddividono gli studenti quindicenni. Rispetto alle scale costruite per lettura (5 livelli) e matematica (6 livelli), la scala di Problem Solving prevede solo tre livelli. Ciò è dovuto al numero relativamente basso di quesiti, che non permette di distinguere con più precisione i livelli di abilità. I tre livelli rappresentano comunque una sufficiente articolazione per classificare in modo significativo la competenza. Ricordiamo che i livelli, ed in particolare i punteggi soglia, sono stati definiti attraverso un’analisi del costrutto sui quesiti in termini di abilità necessarie per la loro risoluzione, validata attraverso il controllo statistico delle percentuali di studenti che risolvono ogni quesito rispetto al punteggio complessivo che questi studenti hanno raggiunto. In pratica lo studente che si trova sulla soglia inferiore di ogni livello è in grado di risolvere il 50% dei quesiti di quel livello. Il livello più alto è raggiunto dagli studenti che superano il punteggio di 592, che possono essere definiti “risolutori di problemi, riflessivi e comunicativi”, in grado perciò di affrontare i problemi con un approccio sistematico, una chiara capacità di rappresentazione, considerando diverse possibilità di risoluzione, quindi in grado di comunicare la soluzione e le modalità con cui essa è stata costruita. Questi studenti sono in grado di risolvere la maggior parte dei quesiti del livello 3 e tutti, o quasi, i quesiti del livello 2 e 1. Il secondo livello è raggiunto dagli studenti con un punteggio compreso fra 499 e 592 (dunque sopra la media OCSE). Possono essere definiti “risolutori di problemi, ragionanti e in grado di prendere 95 decisioni”, capaci cioè di analizzare le diverse alternative proposte, combinare diverse forme di rappresentazione e trarre inferenze da diverse fonti di informazione. Questi studenti sono in grado di risolvere buona parte dei quesiti di livello 2, tutti, o quasi, i quesiti di livello 1 e solo occasionalmente quesiti di livello 3. Il primo livello è raggiunto dagli studenti con livello compreso fra 405 e 499 (sotto la media OCSE). Possono essere definiti “risolutori di semplici problemi”, in grado di affrontare con successo problemi definiti da una sola fonte informativa, con un numero limitato di dati, riuscendo comunque a operare semplici rappresentazioni (come creare grafici). Solo in pochi casi questi studenti riescono a risolvere quesiti di livello 2 e praticamente non ottengono risultati quando affrontano i quesiti di livello 3. Come già è avvenuto per lettura e matematica, è stato necessario definire un livello “inferiore a 1” per quegli studenti che non riescono a risolvere in modo sistematico i quesiti più semplici, i “deboli risolutori di problemi”. Non è possibile fare considerazioni in positivo per questi studenti, poiché i materiali costruiti non permettono di definire la loro competenza, ma si tratta senza dubbio di studenti che non riescono a affrontare neanche semplici problemi, con soluzioni alternative già proposte e dati semplici esposti con chiarezza. Considerando i diversi livelli della scala di Problem solving, risulta molto interessante comparare i Paesi considerando le percentuali di studenti presenti in ogni livello. Possiamo notare che il grafico è incardinato, sull’asse orizzontale, sulla distinzione fra secondo e primo livello, cioè tra abilità elevate di risoluzione dei problemi e abilità semplici o inadeguate. In pratica tale soglia è fissata in prossimità della media OCSE (500). Nel grafico sono rappresentati, come per gli altri capitoli sulle diverse competenze esaminate da PISA, solo i Paesi selezionati per il confronto, ordinati secondo la percentuale di studenti che si trovano nei due livelli più alti. Figura 6.3 - Percentuale di studenti a ciascun livello della scala generale di Problem solving 100 80 30 43 32 41 22 22 5 5 25 40 23 39 23 22 17 19 18 17 12 12 12 36 27 27 28 28 8 11 12 14 37 34 35 32 30 32 14 17 16 34 33 30 30 37 35 34 35 18 20 24 25 60 Livelli 40 11 7 37 17 24 36 1 40 42 2 11 30 3 20 0 29 32 11 10 20 40 1 <1 33 60 58 80 VENETO NORD EST Messico Grecia ITALIA Stati Uniti Spagna Polonia Ungheria Media OCSE Austria Germania Francia Svizzera Canada Corea Finlandia 100 Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. Nel Veneto, oltre il 58% degli studenti si colloca nei due livelli migliori, risultato che supera quello tedesco, con una percentuale relativamente contenuta (10,1) di studenti sotto il livello 1. Si tratta di un dato abbastanza confortante, sostanzialmente in linea con la macroarea, che presenta percentuali leggermente migliori per i livelli più alti, ma un più alto numero di studenti con gravi difficoltà. Decisamente più critico il dato complessivo italiano, con solo il 40% degli studenti che raggiunge i due livelli migliori, e un preoccupante 25% che non riesce a risolvere neanche i quesiti di Problem solving più semplici. Appena migliori dell’Italia, per i livelli migliori, sono le percentuali di Spagna e 96 Polonia, ma nel loro caso la quantità di studenti che si trova sotto il livello 1 risulta più contenuta. In tutti gli altri Paesi scelti per il confronto oltre il 50% degli studenti si trova nei due livelli più alti, con la Finlandia che supera anche la Corea (che però presenta una percentuale più alta di studenti nel livello 3). La Finlandia ha anche in assoluto fra i paesi OCSE la percentuale più bassa di studenti del livello inferiore a 1 (4,6%). 6.3 Risultati per tipo di istruzione 6.3.1 Confronto delle medie dei punteggi Un’analisi particolare dei risultati riguarda il confronto specifico fra i tre principali indirizzi di studio previsti nel nostro sistema scolastico per l’istruzione secondaria superiore. Si tratta naturalmente di un confronto tutto interno, con possibilità di raffronto, per ogni Regione, con il dato nazionale e di macroarea. Bisogna comunque ricordare che al momento della rilevazione il settore dell’istruzione in cui sono maggiormente rappresentati i quindicenni 1 risultava in pieno fermento, con un variegato panorama di sperimentazioni che rende fluide le differenze fra gli indirizzi tradizionali considerati da PISA. Licei, Istituti tecnici e Istituti professionali. La figura che segue confronta i punteggi medi, considerando l’intervallo di confidenza. Figura 6.4 – Punteggio medio di Problem solving per tipo di istruzione 650 Licei Istituti tecnici Punteggio di problem solving 600 Istituti professionali 550 550 558 523 529 500 513 Media internazionale 474 450 455 451 406 400 350 Veneto Nord Est Italia Fonte: database OCSE PISA 2003/INValSI. Il confronto dei tre indirizzi per il Veneto evidenzia il significativo vantaggio esistente rispetto ai dati nazionali, per tutti gli indirizzi di istruzione, mentre non risultano significative le contenute differenze rispetto alla macroarea Nord-Est. Da sottolineare in particolare il guadagno degli Istituti tecnici, che riescono a superare nettamente la soglia di 500, punteggio medio OCSE. Nel complesso comunque le differenze esistenti fra i diversi indirizzi risultano confermate anche a livello regionale. 1 Non viene considerata la scuola media, in cui si trova ancora una ridotta percentuale di studenti coinvolti in PISA, comunque considerati per il confronto internazionale. 97 6.3.2 Confronto per i livelli della scala di competenza Molto interessante risulta il confronto fra diversi indirizzi riferito alle percentuali di studenti che si trovano in ognuno dei livelli che caratterizzano la scala di competenza del Problem solving. Anche in questo caso il confronto è riferito alle categorie omogenee della realtà nazionale e di macroarea. Figura 6.5 – Distribuzione dei livelli di Problem solving per tipo di istruzione 100 80 28 33 18 20 46 46 47 27 22 31 1 27 18 44 30 3 40 40 14 31 38 36 48 3 20 2 0 20 1 40 <1 21 29 26 32 2 11 4 6 40 9 4 3 48 60 Livelli 18 60 Italia Professionali Italia Tecnici Italia Licei 100 Nord Est Professionali Nord Est Tecnici Nord Est Licei Veneto Professionali Veneto Tecnici Veneto Licei 80 Fonte: database OCSE PISA 2003/INValSI. Considerando i due livelli più alti, che identificano una efficace capacità di risoluzione dei problemi, la percentuale complessiva di studenti del Veneto risulta più alta rispetto al dato nazionale, con punteggi più elevati in particolare degli studenti degli Istituti tecnici, che superano ampiamente il 60% di rappresentanza nei livelli migliori. Più contenuto il dato relativo agli Istituti professionali, in cui gli studenti dei due livelli più alti restano ancora in minoranza. Gli scarti in percentuale rispetto alla macroarea Nord-Est sono più contenuti e risultano non significativi. Di contro la contenuta percentuale regionale di studenti sotto il livello 1, che ricordiamo è del 10,1%, risulta molto articolata fra i diversi tipi di scuola, con una decisa concentrazione negli stessi Istituti professionali (26,3%), che risultano nettamente staccati dagli altri due indirizzi, anche perché nel complesso gli studenti dei Professionali che si trovano nei due livelli critici sono quasi il 70%, cioè il doppio rispetto ai Tecnici. Da notare la differente polarizzazione esistente fra i Professionali da una parte e i Licei e Tecnici dall’altra, con una netta prevalenza del livello 3 rispetto al livello minimo per questi ultimi indirizzi, e un evidente rovesciamento per gli studenti dei Professionali. Il fenomeno risulta sostanzialmente simile per la macroarea, mentre rispetto all’Italia c’è un inversione di tendenza per gli studenti dei Tecnici. 98 6.4 Risultati per genere L’attenzione alle differenze di genere è una costante delle indagini internazionali, e anche PISA considera il confronto dei risultati di maschi e femmine come un importante elemento di analisi, basato sulla considerazione che i sistemi educativi di ogni Paese dovrebbero avere l’obiettivo di attenuare le differenze imputabili a elementi culturali esterni. Il confronto dei risultati nei diversi ambiti di competenza rappresenta senza dubbio un buon indicatore di equità di genere. L’esperienza maturata nelle indagini internazionali ha lasciato intravedere due tendenze opposte: una prevalenza delle ragazze nella comprensione della lettura, e un vantaggio dei ragazzi nell’area matematica. In entrambi i casi si tratta di fenomeni rilevati in misura diversa nei Paesi partecipanti alle indagini, con diversi casi in cui le differenze non risultano statisticamente significative. Risulta quindi difficile fare ipotesi per un ambito particolare quale è il Problem solving, anche se la discreta correlazione rilevata con i risultati di matematica può creare attesa verso una prevalenza dei maschi. Il confronto internazionale conferma l’incertezza, con 11 Paesi OCSE in cui i risultati dei maschi sono migliori rispetto alle compagne, e 17 in cui il rapporto si rovescia, con un caso (il Portogallo) in cui c’è una perfetta uguaglianza di esiti. Bisogna però aggiungere che in nessun Paese OCSE la prevalenza maschile risulta significativa (in assoluto l’unico Paese dove ciò accade è Macao-Cina), mentre in Norvegia, Svezia e Islanda lo scarto a favore delle ragazze è significativo (a cui bisogna aggiungere, tra i Paesi non OCSE, Thailandia e Indonesia). In Italia il vantaggio delle studentesse è ridottissimo (471 contro 467), per cui si può parlare di una sostanziale equità di genere per l’ambito di Problem solving. Figura 6.6 – Risultati di Problem solving per genere Paese Problem Solving Corea Messico Grecia Canada Francia Stati Uniti Polonia Media OCSE Svizzera Austria Ungheria Italia Germania Spagna Finlandia Femmine Punt. E.S. Medio 546 (4,8) 382 (4,7) 448 (4,1) 532 (1,8) 520 (2,9) 478 (3,5) 487 (3,0) 501 (0,8) 523 (3,3) 508 (3,8) 503 (3,4) 471 (3,5) 517 (3,7) 485 (2,6) 553 (2,2) Maschi Punt. E.S. Medio 554 (4,0) 387 (5,0) 449 (4,9) 533 (2,0) 519 (3,8) 477 (3,4) 486 (3,4) 499 (0,8) 520 (4,0) 505 (3,9) 499 (3,4) 467 (5,0) 511 (3,9) 479 (3,6) 543 (2,5) Differenza (M - F)1 Punti di E.S. diff. 8 (6,1) 5 (4,5) 2 (4,4) 0 (2,1) -1 (4,1) -1 (3,0) -1 (3,1) -2 (0,8) -2 (4,1) -3 (4,3) -4 (3,7) -4 (6,0) -6 (3,9) -6 (3,1) -10 (3,0) Veneto 519 (6,3) 506 (9,6) -13 (11,7) Nord Est 514 (11,8) 517 (7,6) 3 (13,5) Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. A livello regionale viene praticamente confermato il dato complessivo, anche se con una maggiore prevalenza delle ragazze (519 – 506), mentre il dato relativo alla macroarea Nord-Est, presenta un leggerissimo vantaggio per i loro compagni. Anche in questo caso risulta stimolante l’analisi specifica per livelli della scala di competenza. In quasi tutti i Paesi partecipanti a PISA 2003 le percentuali di maschi che si trovano nei livelli estremi (Inferiore a 1 – 3) sono più alte rispetto a quelle delle femmine. Questo significa che le ragazze presentano una maggiore omogeneità nei risultati, e che il dato medio ottenuto dai loro compagni risente di una marcata polarizzazione dei risultati, che comporta però la presenza di una fascia più larga di studenti che riescono a risolvere solo episodicamente i quesiti più semplici di Problem solving. 99 Figura 6.7 – Livelli di Problem solving per genere 100 80 16 17 60 21 17 Livelli 12 38 46 38 43 29 9 31 40 3 20 2 0 31 32 14 6 28 30 12 10 32 27 1 37 20 40 <1 23 60 80 100 Veneto maschi Veneto femmine Nord Est maschi Nord Est femmine Italia maschi Italia femmine Fonte: database OCSE PISA 2003/INValSI. Nel Veneto i maschi che si trovano nel livello 3 sono un punto in più delle compagne, ma all’opposto crescono di quasi sette punti anche nel livello più basso. Nel complesso le ragazze ottengono risultati che sembrano molto migliori dei ragazzi, accentuando quanto succede nella macroarea e rovesciando la tendenza nazionale. Non si tratta però di differenze significative. 6.5 Esempi di prove di Problem solving Concludiamo la presentazione dei risultati di Problem solving con alcuni esempi specifici di prove e quesiti utilizzati in PISA 2003. Facendo riferimento alla classificazione per tipi di problemi, gli esempi riguarderanno il Prendere decisioni, l’Analisi e progettazione di sistemi, il Localizzare disfunzioni. Inoltre nelle note introduttive di ogni prova è indicato il contesto di riferimento che si riferisce alla motivazione prioritaria con cui gli studenti dovrebbero affrontare la prova, che può riferirsi alla Vita privata, al Lavoro e svago, alla Comunità e società. I quesiti selezionati rappresentano i tre diversi livelli relativi alla scala di Problem solving. Dopo il testo completo della prova, per ogni quesito vengono illustrati i risultati specifici ottenuti dagli studenti del Veneto, raffrontati con il dato nazionale e la media OCSE. Nella prima prova si richiede allo studente di Prendere decisioni disponendo di diverse informazioni e di una compiuta serie di alternative possibili. Si tratta quindi di un problema risolvibile da studenti del secondo livello, che riescono a selezionare una soluzione considerando due o più informazioni. Uno dei due quesiti, come vedremo, è comunque risolvibile anche da studenti del primo livello. Prova: AL CINEMA Tipo: Prendere decisioni – Scegliere uno spettacolo al cinema Contesto: Vita privata Livelli: AL CINEMA domanda 1 = Punteggio pieno – Livello 2; Punteggio parziale – Livello 1 AL CINEMA domanda 2 = Livello 1 100 AL CINEMA In questo esercizio si tratta di trovare una data ed un orario appropriati per andare al cinema. Andrea ha 15 anni. Desidera organizzare un’uscita al cinema con due amici della sua stessa età durante la prossima settimana di vacanze scolastiche. Le vacanze cominciano sabato 24 marzo e terminano domenica 1° aprile. Andrea chiede ai suoi amici quali siano i giorni e gli orari che preferiscono per andare al cinema. Ottiene le seguenti informazioni. Francesco: «Io devo restare a casa il lunedì e il mercoledì pomeriggio dalle 14.30 alle 15.30 per le lezioni di musica». Simone: «Io devo andare a trovare mia nonna tutte le domeniche, quindi le domeniche sono escluse. Ho già visto Pokamin e non voglio rivederlo». I genitori di Andrea insistono perché egli vada a vedere solo film non vietati a ragazzi della sua età e perché non torni a casa a piedi. Si offrono di riportare a casa i ragazzi a qualsiasi ora purché non sia oltre le 10 di sera. Andrea si informa sui programmi del cinema per la settimana di vacanza e trova le seguenti informazioni: CINEMA TIVOLI Prenotazioni al numero: 0800 42300 Informazioni 24 ore su 24: 0800 42001 Prezzo speciale il martedì: tutti i film a 3,00 euro Programma a partire da venerdì 23 marzo, per due settimane: Ragazzi nella rete 113 minuti 14:00 (solo da lun. a ven.) 21:35 (solo sab. e dom.) Pokamin 105 minuti 13:40 (tutti i giorni) 16:35 (tutti i giorni) Vietato ai minori di 12 anni. I mostri degli abissi 164 minuti 19:55 (solo ven. e sab.) Enigma Vietato ai minori di 18 anni. Vietato ai minori 144 minuti 15:00 (solo da lun. a ven.) di 12 anni. 18:00 (solo sab. e dom.) Il cannibale 148 minuti 18:30 (tutti i giorni) Consigliata la presenza di un genitore. Per tutti, ma alcune scene possono non essere adatte ai più giovani. Il re della foresta 117 minuti Per tutti. 14:35 (solo da lun. a ven.) 18:50 (solo sab. e dom.) Vietato ai minori di 18 anni. 101 Domanda 1: AL CINEMA Tenendo conto delle informazioni che Andrea ha raccolto sui film e delle informazioni che ha avuto dai suoi amici, quale o quali tra i seguenti sei film Andrea e i suoi amici possono scegliere di andare a vedere? Fai un cerchio intorno a «Sì» o «No» per ciascun film. Film I tre ragazzi possono prendere in considerazione di andare a vedere il film? Ragazzi nella rete Sì / No I mostri degli abissi Sì / No Il cannibale Sì / No Pokamin Sì / No Enigma Sì / No Il re della foresta Sì / No AL CINEMA: INDICAZIONI PER LA CORREZIONE D1 Punteggio pieno Codice 2: Nell’ordine: Sì, No, No, No, Sì, Sì. Punteggio parziale Codice 1: Una risposta errata. Nessun punteggio Codice 0: Altre risposte Codice 9: Non risponde Domanda 2: AL CINEMA Se i tre ragazzi decidessero di andare a vedere «Ragazzi nella rete», quale delle seguenti date sarebbe adatta per tutti e tre? A B C D E Lunedì 26 marzo Mercoledì 28 marzo Venerdì 30 marzo Sabato 31 marzo Domenica 1° aprile 102 AL CINEMA: INDICAZIONI PER LA CORREZIONE D2 Punteggio pieno Codice 1: C. Venerdì 30 marzo Nessun punteggio Codice 0: Altre risposte Codice 9: Non risponde Analizzando i risultati raggiunti dagli studenti per la prima domanda, vediamo che il punteggio pieno è stato ottenuto da circa il 55% degli studenti italiani e dell’intero campione OCSE, ricordiamo che il punteggio pieno per questo quesito è classificato di secondo livello (522). La condizione minima per ottenere un punteggio (parziale) è raggiunta da poco più del 20% degli studenti, con un lieve svantaggio del dato nazionale rispetto alla media OCSE, in questo caso il punteggio è classificato di primo livello (442). Il dato italiano è leggermente superiore a quello OCSE per quanto riguarda le percentuali di studenti che non raggiungono il punteggio parziale (circa il 20%) o che non tentano nemmeno di rispondere (poco più del 3%). Figura 6.8 – Risultati della domanda 1 della prova AL CINEMA (% studenti) Punteggio pieno Punteggio parziale Risposta sbagliata Omissione Veneto 61,38 20,38 16,17 2,07 AL CINEMA – DOMANDA 1 Italia Media OCSE 54,70 55,50 21,26 23,41 21,37 19,05 2,67 2,04 Fonte: database OCSE PISA 2003/INValSI. Ben diverso, come si può vedere, il risultato raggiunto dagli studenti del Veneto in questo item, con una percentuale di studenti che ottengono il punteggio pieno che risulta superiore sia alla media nazionale che a quella OCSE. Il guadagno si ha soprattutto a scapito delle risposte errate. Sostanzialmente stabile la percentuale relativa alle non risposte per questo item. Il basso numero di omissioni è sicuramente legato al tipo di domanda (serie di risposte chiuse con due sole alternative), che incoraggia gli studenti a rispondere. Passando al secondo quesito della prova, classificato di primo livello (468), notiamo che per rispondere correttamente è sufficiente comprendere e collegare alcune semplici informazioni facilmente osservabili nello stimolo. La media OCSE risulta più alta sia per le risposte corrette che per gli errori, pertanto in questa prova la differenza a livello nazionale è spiegata soprattutto dalle omissioni, che superano il 16% nonostante si trattasse di un quesito a risposta chiusa, ma con 5 alternative di risposta. Figura 6.9 – Risultati della domanda 2 della prova AL CINEMA (% studenti) Punteggio pieno Risposta sbagliata Omissione Veneto 69,26 19,74 11,00 AL CINEMA – DOMANDA 2 Italia Media OCSE 65,91 68,06 17,87 19,12 16,22 12,82 Fonte: database OCSE PISA 2003/INValSI. Anche per questo secondo item il tasso regionale di risposta corretta supera i riferimenti nazionale e internazionale, con una parallela diminuzione delle omissioni, sia rispetto al dato italiano che alla media OCSE, che compensa, rispetto all’OCSE, il leggero aumento delle risposte errate. Passiamo ora a una prova relativo al tipo Analisi e progettazione di un sistema, i cui si richiede agli studenti di collegare una serie di condizioni per costruire una soluzione accettabile considerando 103 anche alcune limitazioni imposte. Si tratta quindi di una prova, costituita da un solo quesito, risolvibile da studenti del terzo livello, considerando anche la necessità di dover comunicare la soluzione attraverso la compilazione di una tabella riassuntiva delle decisioni assunte. E’ comunque prevista anche la possibilità di una risoluzione parziale del problema, raggiungibile da studenti del secondo livello. Prova: IL CAMPO ESTIVO Tipo: Analisi e progettazione di un sistema – Organizzare i dormitori al campo estivo Contesto: Società Livelli: Punteggio pieno – Livello 3; Punteggio parziale – Livello 2. 104 IL CAMPO ESTIVO Il Comune di Zedonia organizza un campo estivo di cinque giorni. 46 bambini (26 femmine e 20 maschi) si sono iscritti a questo campo e 8 adulti (4 uomini e 4 donne) si sono offerti volontariamente di accompagnarli e di organizzare il campo. Tabella 1: Adulti Signora Simona Signora Carola Signora Mimosa Signora La Rosa Signor Bruno Signor Amedeo Signor Guglielmi Signor Di Giovanni Tabella 2: Dormitori Nome Numero di letti Rosso 12 Blu 8 Verde 8 Viola 8 Arancione 8 Giallo 6 Bianco 6 Regole per i dormitori: 1. Maschi e femmine devono dormire in dormitori separati. 2. In ogni dormitorio deve dormire almeno un adulto. 3. L’adulto o gli adulti nel dormitorio devono essere dello stesso sesso dei bambini. Domanda 1: IL CAMPO ESTIVO Assegnazione dei dormitori. Completa la tabella distribuendo i 46 bambini e gli 8 adulti nei dormitori in modo che tutte le regole vengano rispettate. Nome Numero di maschi Numero di femmine Rosso Blu Verde Viola Arancione Giallo Bianco 105 Nome dell’adulto o degli adulti IL CAMPO ESTIVO: INDICAZIONI PER LA CORREZIONE D1 Punteggio pieno Codice 2: 6 condizioni sono rispettate: x x x x x x totale femmine = 26; totale maschi = 20; totale adulti = quattro femmine e quattro maschi; il totale (bambini e adulti) per dormitorio rientra nel limite dei posti letto disponibili in ogni dormitorio; tutti gli occupanti di ogni dormitorio sono dello stesso sesso; deve dormire almeno un adulto in ciascun dormitorio dove sono stati posti i bambini. Punteggio parziale Codice 1: Una o due condizioni (citate nel Codice 2) non sono state rispettate. La ripetuta violazione di una stessa condizione sarà contata come UNA sola violazione. x x x Dimentica di contare gli adulti nel conteggio finale del numero di persone per dormitorio. Il numero delle femmine e il numero dei maschi sono stati invertiti (numero delle femmine = 20, numero dei maschi = 26), ma tutto il resto è corretto. (Da notare che questo corrisponde alla violazione di due condizioni). Viene indicato il numero corretto di adulti in ciascun dormitorio, ma non i loro nomi ed il sesso. (Da notare che ciò viola sia la condizione 3 che la condizione 5). Nessun punteggio Codice 0: Altre risposte Codice 9: Non risponde Dall’analisi delle istruzioni fornite per la correzione del quesito appare chiaro come ci siano diverse alternative valide per esaudire tutte le condizioni imposte dal problema. Un altro aspetto importante considerato nella costruzione dei quesiti, che emerge con chiarezza in questa prova, è il ricorso limitato alla capacità di calcolo: in tutti i casi in cui per risolvere i problemi bisogna svolgere dei calcoli, questi sono semplici e non risulta determinante l’uso della calcolatrice (pur permessa nello svolgimento della prova), così da permettere allo studente di concentrarsi sui meccanismi di risoluzione del problema proposto. Considerando il raffronto fra il dato nazionale e quello relativo alla media OCSE emerge con chiarezza il distacco degli studenti italiani, con un’inferiorità di 5-6 punti per entrambi i livelli misurati dal quesito, che ricordiamo erano il terzo per il punteggio pieno (650) e il secondo per il punteggio parziale (529). E se da una parte si nota la percentuale di poco più alta di studenti che non ottengono punteggio, la differenza negativa è spiegata soprattutto dal numero di omissioni, che diventano quasi il doppio della media OCSE. 106 Figura 6.10 – Risultati della domanda 1 della prova IL CAMPO ESTIVO (% studenti) Punteggio pieno Punteggio parziale Risposta sbagliata Omissione IL CAMPO ESTIVO – DOMANDA 1 Veneto Italia Media OCSE 21,13 17,42 23,67 33,69 27,26 32,85 32,78 37,08 33,24 11,46 18,24 10,34 Fonte: database OCSE PISA 2003/INValSI. Il dato relativo agli studenti del Veneto mostra un sostanziale allineamento alla media OCSE, con una percentuale leggermente superiore per il livello 1 e di poco più alta per il livello 2. Molto simile anche l’andamento relativo alle risposte errate e alle omissioni. Concludiamo la presentazione degli esempi tratti dai materiali di Problem solving di PISA 2003 con una prova relativa al tipo Localizzare disfunzioni, in cui si richiede allo studente di indicare le possibili cause del malfunzionamento di un meccanismo relativamente complesso, con il primo quesito, di livello 1, che intende verificare se lo studente ha compreso il funzionamento di base del sistema di chiuse dell’impianto. I due quesiti successivi invece, entrambi di livello 2, chiedono allo studente di indicare le possibili cause del malfunzionamento, ipotizzando anche una modalità di controllo dell’efficienza dell’impianto. Vengono riportati i risultati relativi solo al primo quesito. Prova: IRRIGAZIONE Tipo: Localizzare disfunzioni – Identificare la chiusa difettosa di un sistema di irrigazione Contesto: Comunità / Tempo libero Livelli: IRRIGAZIONE domanda 1 = Punteggio pieno – Livello 1 107 IRRIGAZIONE Lo schema seguente rappresenta un sistema di canali per l’irrigazione di terreni coltivati. Gli sbarramenti da A ad H possono essere aperti o chiusi per far arrivare l’acqua dove serve. Quando uno sbarramento è chiuso l’acqua non può passare. In questo problema si tratta di trovare lo sbarramento bloccato su «chiuso» che impedisce all’acqua di scorrere attraverso il sistema di canali. Schema 1: Sistema di canali per l’irrigazione A B D C Entrata Uscita E G F H Michele nota che non sempre l’acqua va dove dovrebbe andare. Egli pensa che uno degli sbarramenti sia bloccato su «chiuso», di modo che, quando si dà il comando «aperto», non si apre. Domanda 1: IRRIGAZIONE Michele si serve del sistema di regolazione presentato nella Tabella 1 per verificare il funzionamento degli sbarramenti. Tabella 1: Regolazioni degli sbarramenti A B C D Aperto Chiuso Aperto Aperto 108 E Chiuso F Aperto G Chiuso H Aperto Servendoti del sistema di regolazione degli sbarramenti illustrato nella Tabella 1, traccia nello schema seguente tutti i possibili percorsi seguiti dal flusso dell’acqua. Supponi che tutti gli sbarramenti funzionino secondo il sistema di regolazione A Entrata B E D C G F Uscita H IRRIGAZIONE: INDICAZIONI PER LA CORREZIONE D1 Punteggio pieno Codice 1: Percorsi seguiti dal flusso dell’acqua come segue: A B D C Entrata Uscita E G F H Note per la correzione: Non prendere in considerazione nessuna indicazione sulla direzione del flusso dell’acqua. Da notare che la risposta può essere mostrata NEL DIAGRAMMA FORNITO OPPURE NELLO SCHEMA 1, OPPURE A PAROLE, OPPURE CON FRECCE. Nessun punteggio Codice 0: Altre risposte Codice 9: Non risponde Per la risoluzione del quesito risulta importante la capacità di rappresentare graficamente le condizioni di funzionamento esposte in modo schematico, con la possibilità di considerare positiva anche un eventuale spiegazione verbale corretta. Non si tratta peraltro di informazioni complesse, ma di una semplice concatenazione di eventi successivi, per cui risulta giustificata la collocazione del quesito nel primo livello di competenza (497), anche se molto prossimo alla soglia del secondo livello. Partiamo come sempre dal raffronto fra il dato nazionale e la media OCSE, in cui appare chiara la netta differenza fra le percentuali relative al punteggio pieno, che non trovano riscontro tanto nel numero di studenti che rispondono male al quesito, quanto nell’oltre 10% di studenti in più che rinunciano a rispondere. Si tratta evidentemente di una reazione alla relativa complessità della modalità di risposta, anche se l’impegno richiesto e di tracciare semplici linee in un disegno già fornito. A conferma di ciò le omissioni degli altri due quesiti della prova, più complessi nel contenuto 109 del problema proposto, ma di più tradizionali per la compilazione, risultano nettamente inferiori anche per il nostro Paese. Figura 6.11 – Risultati della domanda 1 della prova IRRIGAZIONE (% studenti) Punteggio pieno Risposta sbagliata Omissione Veneto 69,43 15,50 15,08 IRRIGAZIONE – DOMANDA 1 Italia Media OCSE 50,45 62,88 19,72 18,97 29,83 18,15 Fonte: database OCSE PISA 2003/INValSI. Per questa domanda della prova Irrigazione i risultati ottenuti dagli studenti veneti risultano nettamente migliori anche rispetto alla media OCSE, con una apprezzabile riduzione sia delle risposte errate che delle omissioni. Nella seguente figura sono riepilogati i livelli dei quesiti proposti a titolo esemplificativo. Figura 6.12 – Distribuzione dei quesiti esempio per livelli 725 650 - Il campo estivo (Punteggio pieno) Livello 3 592 529 - Il campo estivo (Punteggio parziale) 522 - Cinema 1 (Punteggio pieno) 499 Livello 2 497 - Irrigazione 1 468 - Cinema 2 442 - Cinema 1 (Punteggio parziale) 405 Livello 1 Sotto Livello 1 Fonte: OCSE 2004b. Considerando il complesso dei quesiti costruiti per il Problem solving e la loro articolazione nei tre tipi previsti, i quesiti relativi a Localizzare disfunzioni tendono a concentrarsi nel secondo livello della scala, segno che per questo tipo di situazioni problematiche le competenze necessarie alla risoluzione sono ben definite, ma risultano alla portata di risolutori normalmente esperti. Al contrario i quesiti del tipo Prendere decisioni sono quelli che presentano la maggiore gamma di punteggi relativi ai livelli, a indicare che le situazioni in cui necessario operare delle scelte possono risultare molto diverse e richiedere strategie di soluzioni dalle più semplici alle più sofisticate. Infine i quesiti relativi a Analisi e progettazione di sistemi tendono a distribuirsi fra il secondo e il terzo livello, poiché le situazioni di questo tipo richiedono quasi sempre una solida competenza per poter essere affrontate. 110 7. Motivazioni, atteggiamenti e strategie di apprendimento Elisa Caponera e Carlo Di Chiacchio1 L’istruzione scolastica oltre a far apprendere conoscenze e abilità in differenti settori disciplinari, ha anche il compito di sviluppare nell’allievo le capacità di ragionamento e di risolvere problemi che siano utilizzabili al di fuori della scuola, nella vita di tutti i giorni. Questo è possibile anche mettendo l’allievo in condizione di utilizzare attivamente gli strumenti dell’ “acquisizione del sapere”. La scuola dovrebbe rendere ogni allievo autonomo rispetto all’acquisizione di strategie di apprendimento necessarie per la vita. In che modo la scuola può stimolare lo studente affinché, terminato il suo percorso di studio, abbia la capacità e la voglia di continuare ad imparare per tutta la vita? Senza un adeguato sviluppo delle abilità e disposizioni gli individui non saranno capaci di adattarsi efficacemente ai differenti contesti della vita. Nell’indagine OCSE PISA 2003 allo studente veniva chiesto di esprimere il suo grado di accordo su una scala a quattro livelli (da “molto d’accordo” a “molto contrario”) rispetto alle seguenti aree: strategie di apprendimento in matematica; motivazione all’apprendimento in matematica; cognizioni riferite al sé, componenti affettive dell’apprendimento della matematica e atteggiamenti più generali nei confronti della scuola. 7.1 Motivazione e apprendimento 7.1.1 Interesse e piacere per la matematica Il concetto di motivazione intrinseca è strettamente correlato a quello d’interesse. Secondo Deci (1992) l’interesse si ha quando l’individuo incontra attività od oggetti che si presentano come nuovi, piacevoli o stimolanti. L’interesse costituisce una preferenza motivazionale intrinseca, relativamente stabile e duratura, nei confronti di attività, discipline di studio, campi di conoscenze specifiche. L’indice di interesse e piacere per la matematica è composto da quattro domande che indagano il gradimento e l’interesse degli studenti per la matematica in generale e per le lezioni svolte in classe. In particolare, per il Veneto il 25% degli studenti dichiara di gradire le letture che riguardano la matematica (31% per l’Italia e la media OCSE); il 21% afferma di frequentare con piacere le lezioni di matematica (28% l’Italia, 31% la media OCSE); il 42% fa matematica perché piace (41% l’Italia, 38% la media OCSE); infine il 55% sostiene di essere particolarmente interessato alle cose che impara in matematica (60% l’Italia, 53% la media OCSE). L’indice assume un valore medio di –0,06 risultando non significativamente diverso dalla media dell’OCSE (0,00), italiana (0,07) e da quella del Nord Est (-0,10). I maschi ottengono un punteggio medio praticamente identico a quello delle femmine (-0,06). Osservando la distribuzione dei punteggi medi nella scala complessiva di matematica per i quartili dell’indice emerge una relazione positiva. Questo significa che all’aumentare dell’interesse aumenta anche il rendimento nelle prove di matematica. L’effetto dell’interesse e piacere per la matematica spiega il 7% della varianza nei punteggi delle prove di matematica, e per ogni aumento di un’unità in questo indice, il punteggio nella scala complessiva di matematica aumenta di 25,8 punti. 1 I paragrafi 7.2.2, 7..3.1, 7.4.2, 7.4.3 e 7.5 sono stati redatti da Elisa Caponera, i paragrafi 7.1.1, 7.1.2, 7.2.1 e 7.4.1 sono stati redatti da Carlo Di Chiacchio 111 Figura 7.1 - Interesse e piacere per la matematica e risultati di matematica, Veneto 600 Punteggio di matematica 580 560 540 520 500 480 460 440 420 400 Primo quartile Secondo quartile Terzo quartile Quarto quartile Distribuzione degli studenti per l'interesse e piacere per la matematica Fonte: database OCSE PISA 2003/INValSI. 7.1.2 La motivazione strumentale Il concetto di motivazione strumentale si riferisce al sistema di credenze possedute da una persona riguardo l’utilità futura del comportamento messo in atto. Ad esempio, nel contesto dell’apprendimento di una seconda lingua, la motivazione strumentale riguarda il desiderio di una persona d’imparare una nuova lingua perché ciò può procurargli un vantaggio esterno di qualche natura: un avanzamento di carriera, la possibilità di viaggiare di più, ecc. (vedi Gardner & Lambert, 1972). Da questo punto di vista, la percezione di un’utilità o valore futuro costituisce un sistema motivazionale per lo studio in generale o l’apprendimento di una materia specifica (ad es. Eccles, 1994). L’indice di motivazione strumentale è costituito da quattro item che indagano l’atteggiamento degli studenti nei confronti dell’apprendimento della matematica in termini di prospettive future legate al lavoro e agli studi successivi. Nel Veneto, il 73% degli studenti sostiene che “vale la pena impegnarsi in matematica perché potrà essere utile per il lavoro che si vorrà fare in futuro” (69% per l’Italia, 75% la media OCSE); per il 77% imparare la matematica potrà migliorare le prospettive professionali (76% per l’Italia, 78% la media OCSE); il 67% sostiene di essere d’accordo nel ritenere che la matematica è una materia importante perché è utile per gli studi futuri (66% l’Italia e l’OCSE); il 65%, infine, sostiene che in matematica si possono imparare cose utili per trovare un lavoro (65% per l’Italia, 70% la media OCSE). Il Veneto ottiene un punteggio medio di -0,16 che risulta essere statisticamente inferiore alla media OCSE (0,00). Non si discosta, invece, dalla media italiana (-0,15) e da quella del Nord Est (-0,26). Le femmine ottengono in quest’indice un punteggio medio inferiore a quello dei maschi (-0,28 e -0,05 rispettivamente). Questo risultato sembra coerente con la media italiana (-0,26 le femmine e -0,04 i maschi). Osservando la distribuzione dei punteggi medi nella scala complessiva di matematica per i quartili dell’indice di motivazione strumentale, è possibile notare una relazione positiva. Pertanto, all’aumentare della motivazione strumentale nei confronti della matematica aumenta anche il punteggio nelle prove cognitive. 112 L’effetto della motivazione strumentale per la matematica spiega il 4% della varianza dei punteggi nella scala di matematica, e per ogni aumento di un punto in questo indice, il punteggio nella scala di matematica aumenta di 19 punti. Figura 7.2 - Motivazione strumentale e risultati di matematica, Veneto 600 Punteggio di matematica 580 560 540 520 500 480 460 440 420 400 Primo quartile Secondo quartile Terzo quartile Quarto quartile Distribuzione degli studenti per la motivazione strumentale per la matematica Fonte: database OCSE PISA 2003/INValSI. 7.2 Cognizioni riferite al sé 7.2.1 Autoefficacia Il concetto di autoefficacia riguarda il sistema di credenze, o aspettative, che un individuo possiede circa la propria capacità di portare a termine determinati compiti. Gli studi di Bandura (1977) hanno messo in luce che queste aspettative determinano se un certo comportamento verrà intrapreso oppure no, e quanto impegno verrà profuso in una certa attività nonostante le eventuali difficoltà. L’indice di autoefficacia in matematica è formato da 8 item che indagano quanto lo studente ritiene di saper fare alcune azioni che coinvolgono la conoscenza della matematica. Esempi di questi item sono: la capacità di consultare un orario ferroviario per calcolare quanto tempo è necessario per andare da un posto a un altro; calcolare il consumo medio di carburante di un automobile; risolvere un’equazione di secondo grado; risalire alla distanza reale leggendo una cartina in scala; ecc. Gli studenti del Veneto ottengono un punteggio medio pari a –0,01. Questo valore non è significativamente diverso dalla media italiana (-0,11), dalla media OCSE (0,00) e dalla media del Nord Est (0,00). I maschi sembrano avere una maggiore autoefficacia matematica delle femmine (maschi 0,12; femmine –0,15). Questo risultato rispecchia quello dell’Italia (maschi 0,05; femmine – 0,25) e del Nord Est (maschi 0,21; femmine –0,21). Osservando l’andamento dei punteggi medi nella scala di matematica per i quartili dell’indice, è possibile notare una relazione positiva. All’aumentare del senso di efficacia, quindi, aumenterebbe anche la prestazione nelle prove cognitive di matematica. 113 L’effetto dell’autoefficacia in matematica spiega il 26% della varianza e, per ogni punto dell’indice, il punteggio nelle prove di matematica aumenta di 53 punti. Figura 7.3 - Autoefficacia e risultati di matematica, Veneto 600 580 Punteggio di matematica 560 540 520 500 480 460 440 420 400 Primo quartile Secondo quartile Terzo quartile Quarto quartile Distribuzione degli studenti per l'autoefficacia in matematica Fonte: database OCSE PISA 2003/INValSI. 7.2.2 Concetto di sé in matematica La definizione di concetto di sé in matematica fa riferimento alla percezione e ai giudizi che gli allievi esprimono nei confronti delle proprie competenze e attività relative allo studio e all’apprendimento della matematica. E’ stato ampiamente dimostrato che il concetto di sé relativo ad un ambito disciplinare è strettamente correlato con i risultati ottenuti in quella disciplina2. L’indice concetto di sé in matematica è costituito da 5 domande. Nel Veneto, chi ottiene punteggi elevati su questo indice dichiara di essere d’accordo con l’affermazione di sentirsi bravo in matematica (51% contro 50% degli studenti in Italia e il 57% della media OCSE); afferma di andare bene (54% contro 55% degli studenti in Italia e della media OCSE); e di imparare rapidamente in matematica (55% contro 50% degli studenti in Italia e della media OCSE); ritiene che la matematica sia una delle materie in cui è sempre andato meglio (33% contro 36% degli studenti in Italia e 35% della media OCSE); dichiara di capire anche gli argomenti più difficili durante le lezioni di matematica (38% contro 40% degli studenti in Italia e 32% della media OCSE). Gli studenti del Veneto ottengono un punteggio medio a questo indice di -0,04. Tale punteggio è in linea col punteggio medio degli studenti del Nord Est (-0.04) e dell’Italia (0,00). A differenza di quanto rilevato a livello nazionale e per il Nord Est, dove i maschi ottengono un punteggio medio (Italia e Nord Est 0,08) più alto delle femmine (Italia -0,07, Nord Est -0,17) nell’indice, nel caso del Veneto la differenza tra il punteggio dei maschi (0,02) e delle femmine (0,11) nell’indice concetto di sé in matematica non è significativa. 2 Secondo Marsh, Byrne e Shavelson gli studenti valutano la propria performance attraverso il confronto sociale, cioè la loro valutazione si basa sulla loro posizione rispetto agli altri studenti e sulla loro performance in altre materie scolastiche (1988). 114 L’andamento dell’indice per il Veneto conferma che il concetto di sé in matematica correla positivamente con il rendimento dei soggetti: gli studenti che ottengono un punteggio più elevato alla prova di matematica sono anche quelli che dichiarano di avere un migliore concetto di sé. L’indice spiega il 13% della varianza nei punteggi delle prove di matematica, e per ogni aumento unitario in questo indice, il punteggio nella scala complessiva di matematica aumenta di 31 punti. In Italia l’effetto dell’indice, invece spiega il 7 % della varianza, contro un 11% per la media OCSE. Figura 7.4 - Concetto di sé in matematica e risultati di matematica, Veneto 600 Punteggio di matematica 580 560 540 520 500 480 460 440 420 400 Primo quartile Secondo quartile Terzo quartile Quarto quartile Distribuzione studenti per concetto di sé in matematica Fonte: database OCSE PISA 2003/INValSI. 7.3 Componenti affettive dell’apprendimento 7.3.1 Ansia verso la matematica L’indice di ansia nei confronti della matematica si riferisce a sentimenti di preoccupazione e stress emozionale sperimentati dallo studente sia in situazione d’esame che durante la fase di apprendimento precedente ad essa: sembra infatti che il danno al rendimento sia causato da interferenze di fattori cognitivi ed emozionali che disturbano lo svolgimento del compito, relative al senso di impotenza e di autosvalutazione. Gli studenti percepiscono le situazioni d’esame come minacciose e non si considerano capaci di superarle, con il risultato che hanno difficoltà a concentrarsi sul compito d’esame3. Nel questionario vengono utilizzate cinque domande che si riferiscono a due aspetti legati all’ansia, preoccupazione ed emozionalità. Nel Veneto, chi ottiene punteggi elevati su questo indice dichiara di essere preoccupato all’idea di avere difficoltà durante le lezioni di matematica (69% contro 70% degli studenti in Italia e il 56% della media OCSE) e di sentirsi molto teso quando deve fare i compiti a casa di matematica (22% contro 28% degli studenti in Italia e 29% della media OCSE); riferisce di sentirsi molto nervoso quando deve risolvere dei problemi di matematica (39% contro 44% degli studenti in Italia e il 29% della media OCSE) e di non farcela quando prova a risolvere un problema di matematica (38% contro 44% degli studenti in Italia e il 28% della media OCSE); dichiara che il pensiero di prendere brutti voti in matematica lo rende ansioso (69% contro 72% degli studenti in Italia e il 58% della media OCSE). 3 Diverse ricerche hanno rilevato che l’ansia nei confronti della matematica è negativamente associata con il rendimento, che risulta essere tanto peggiore quanto più il compito è difficile o percepito come tale, anche se la relazione tra le variabili sembra essere mediata dal background sociale e scolastico dello studente. 115 Gli studenti del Veneto ottengono un punteggio medio all’indice di ansia di 0,19. Tale punteggio è in linea col punteggio medio degli studenti nel Nord Est (0,19), ma è inferiore al punteggio medio degli studenti in Italia (0,29). L’andamento dell’indice per il Veneto conferma che l’ansia è correlata negativamente con il rendimento dei soggetti: gli studenti che ottengono un punteggio più elevato alla prova di matematica sono anche quelli che dichiarano di essere meno ansiosi. L’effetto dell’ansia in matematica spiega il 7% della varianza nei punteggi delle prove di matematica, e per ogni aumento unitario in questo indice, il punteggio nella scala complessiva di matematica diminuisce di 26 punti. Figura 7.5 - Ansia verso la matematica e risultati di matematica, Veneto 600 580 Punteggio di matematica 560 540 520 500 480 460 440 420 400 Primo quartile Secondo quartile Terzo quartile Quarto quartile Distribuzione studenti per ansia in matematica Fonte: database OCSE PISA 2003/INValSI. 7.4 Strategie di apprendimento in matematica 7.4.1 Strategie di memorizzazione Le strategie di memorizzazione sono molto utili in compiti in cui viene richiesto il ricordo verbatim di informazioni. Accanto a questo vantaggio, è da notare che tali strategie si collocano a un livello superficiale di apprendimento e non permettono lo sviluppo della comprensione profonda dell’informazione nei termini di collegamento con conoscenze precedenti. Le ricerche che hanno indagato la relazione tra strategie di apprendimento e sistemi motivazionali hanno mostrato che l’utilizzo di queste strategie era caratteristico di studenti con un maggiore orientamento alla prestazione e all’abilità rispetto a studenti con un orientamento alla comprensione e alla conoscenza (Ames & Archer, 1988). L’indice dell’utilizzo di strategie di memorizzazione è costituito da quattro item che indagano la modalità di apprendimento della matematica rispetto a procedure e contenuti (ad es. “Quando mi preparo in matematica imparo il più possibile”). Il Veneto ottiene un punteggio medio di -0,05 che non si discosta significativamente dalla media OCSE (0,00), dell’Italia (0,03) e del Nord Est (-0,07). L’effetto dell’uso di strategie di memorizzazione spiega (in media) lo 0% della varianza dei punteggi nella scala di matematica. 7.4.2 Strategie di elaborazione Le strategie di elaborazione tendono a produrre forme di apprendimento significativo attraverso la costruzione attiva di connessioni tra le nuove informazioni e l’insieme delle conoscenze preesistenti (fare connessioni tra aree collegate, pensare a soluzioni alternative, ecc). 116 L’indice strategie di elaborazione è costituito da 5 domande che misurano la preferenza per l’elaborazione come strategia di apprendimento: (ad es. “Quando sto imparando degli argomenti di matematica, cerco di collegarli con dei concetti già appresi in altre materie”). Il Veneto ottiene un valore di –0,08. Tale punteggio è in linea con il punteggio medio degli studenti del Nord Est (-0.14) e dell’Italia (0,04). Per quanto riguarda il Veneto, non si è rilevata una correlazione apprezzabile tra la preferenza per strategie di elaborazione e risultati in matematica. L’indice, infatti, spiega meno dell’1% della varianza nei punteggi delle prove di matematica. 7.4.3 Strategie di controllo A differenza delle due scale precedenti le strategie di controllo includono i processi e le operazioni che guidano e valutano la corretta esecuzione di un compito di apprendimento. Riguardano principalmente la capacità dello studente di monitorare, programmare le attività, valutare il livello di difficoltà del compito e regolare l’efficacia delle strategie utilizzate per apprendere. L’Italia ottiene un punteggio all’indice di 0.21, al di sopra della media internazionale: gli studenti Italiani affermano di utilizzare strategie di controllo in misura maggiore di quanto risulta dalla media internazionale. L’indice è costituito da cinque domande: (ad es. “Quando studio per un compito in classe di matematica, cerco di capire quali sono gli argomenti più importanti da imparare”). Il Veneto ottiene un valore di 0,12. Tale punteggio è in linea con il punteggio medio degli studenti dell’Italia (0,21) e del Nord Est (0,10). Per quanto riguarda il Veneto, non si è rilevata una correlazione apprezzabile tra la preferenza per strategie di elaborazione e risultati in matematica. L’indice, infatti, spiega il 2% della varianza nei punteggi delle prove di matematica. 7.5 Atteggiamenti nei confronti della scuola 7.5.1 Utilità della scuola per la vita futura L’indice è costituito da 4 domande che misurano che riguardano la misura in cui gli studenti percepiscono la scuola come qualcosa di utile rispetto alla vita (ad es. “La scuola ha insegnato cose che potranno servire nella vita adulta”). Il Veneto ottiene un valore di –0,14. Tale punteggio è in linea con il punteggio medio degli studenti del Nord Est (-0.16) e dell’Italia (-0,06). Per quanto riguarda il Veneto, non si è rilevata una correlazione apprezzabile tra l’indice di utilità della scuola per la vita futura e risultati in matematica. L’indice, infatti, spiega meno dell’1% della varianza nei punteggi delle prove di matematica. 117 8. I risultati di PISA in relazione al contesto socioeconomico e culturale Maria Teresa Siniscalco Le differenze tra le prestazioni degli studenti quindicenni dei diversi Paesi, evidenziate nel confronto internazionale dei risultati, rappresentano solo un decimo, circa, della varianza complessiva nei risultati degli studenti dell’area dell’OCSE. Più precisamente le differenze tra Paesi rappresentano il 10% della varianza complessiva dei risultati degli studenti in matematica, mentre il restante 90% della varianza è all’interno dei Paesi (OCSE 2004). Tra i fattori che rendono conto delle differenze nelle prestazioni degli studenti all’interno dei diversi Paesi vi sono il background socio-economico e culturale degli studenti e delle scuole, i programmi e i processi di insegnamento/apprendimento, le risorse di cui dispongono le scuole e aspetti a livello di sistema, quali la struttura del sistema scolastico e le politiche relative, ad esempio, all’autonomia, alla valutazione e alla selezione. In questo capitolo si considerano le differenze nei risultati di matematica in relazione ai fattori di background in Veneto, nel quadro nazionale e internazionale. 8.1 I fattori di background considerati da PISA Le caratteristiche socio-economiche e culturali della famiglia di provenienza sono tra i fattori che maggiormente influenzano i risultati scolastici degli studenti. Per rilevare le caratteristiche e la forza della relazione tra background e risultati degli studenti, si sono raccolte informazioni relative allo status socio-economico e culturale della famiglia di provenienza, attraverso alcune domande comprese nel questionario rivolto agli studenti. Le domande del questionario relative al background riguardavano in particolare: il lavoro svolto dalla madre e dal padre, il titolo di studio della madre e del padre, il numero di libri presenti a casa, il possesso di beni che denotano il livello di benessere economico della famiglia, il possesso di “beni” di tipo culturale, il possesso di risorse di tipo educativo, la struttura della famiglia di provenienza, il Paese di nascita dei genitori e dello studente e la lingua parlata a casa. Nei paragrafi che seguono si presentano tali indicatori1 e la loro relazione con i risultati di matematica degli studenti, considerandoli isolatamente e, in alcuni casi, tenendo conto della loro interrelazione con altri fattori di background e “controllando” l’effetto dei fattori a loro interrelati. 1 Per alcune di tali variabili si sono ricavati indici basati sulla categorizzazione delle risposte fornite dai ragazzi (come nel caso delle variabili relative al Paese di origine, alla lingua parlata a casa e alla struttura della famiglia di provenienza) o sulla ricodifica delle risposte dei ragazzi (come ad esempio nel caso dell’indice occupazionale o del livello più elevato di istruzione dei genitori). Per altri indicatori l’indice è stato derivato con la procedura di costruzione di scale dell’Item Response Theory (IRT). Gli indici che fanno parte di questo secondo gruppo sono standardizzati con media OCSE zero e deviazione standard uno, in modo che due terzi della popolazione siano compresi tra +1 e -1. 119 Riquadro 8.1 - Cosa significa “controllare l’effetto di una variabile” Quando si suppone che la relazione tra due variabili sia mediata da un terza variabile, per ottenere una stima più corretta dell’effetto esercitato dalla variabile predittore (ad es. la lingua parlata a casa) sulla variabile criterio (ad es. i risultati di matematica degli studenti) è necessario tenere conto dell’effetto della variabile antecedente (ad es. il background socio-economico della famiglia di provenienza) che interviene in tale relazione. Statisticamente, per fare ciò è necessario tenere costante (cioè controllare) il valore di questa terza variabile, detta anche variabile di controllo. Ciò viene effettuato per mezzo della procedura statistica della regressione multilivello. 8.1.1 Status occupazionale Nel Questionario Studente vi erano tre domande relative all’occupazione dei genitori. Una prima domanda chiedeva di indicare se la madre/il padre lavorasse a tempo pieno o a tempo parziale, se non lavorasse ma fosse alla ricerca di un lavoro, oppure “altro”. Una seconda domanda chiedeva di indicare più precisamente il lavoro del padre e della madre e una terza domanda di descriverlo brevemente. Dalle risposte degli studenti è stato ricavato un indice relativo allo status socioeconomico della famiglia2 (Ganzeboom et al. 1992), espresso su una scala che va da 0 a 90 a livello internazionale (Tabella 8.1 Appendice). Gli studenti quindicenni del Veneto hanno una media di 46,3 nell’indice dello status occupazionale dei genitori, analogo a quello medio dell’Italia (46,8) (media OCSE 48,8). Tra i Paesi selezionati per il confronto, quelli con i valori più elevati nell’indice occupazionale (> 50) sono Canada, Finlandia e Stati Uniti. Tale indice presenta, sia a livello nazionale sia a livello internazionale, una forte correlazione con i risultati degli studenti. In tutti i Paesi che hanno partecipato a PISA gli studenti i cui genitori hanno uno status occupazionale più elevato ottengono risultati migliori di quelli i cui genitori hanno uno status occupazionale più basso. La Figura 8.1 presenta l’andamento dei punteggi di competenza matematica per quartile dell’indice occupazionale, mettendo a confronto il Veneto con la media dell’Italia e la media OCSE. Mentre nel caso dell’Italia, come in quello della media OCSE, si rileva un andamento sostanzialmente regolare tra i quartili dell’indice occupazionale e i punteggi di matematica, nel caso del Veneto invece l’impatto dello status occupazionale cresce in corrispondenza dell’ultimo quartile dell’indice, mentre si avverte meno in corrispondenza dei valori meno elevati dell’indice. 2 Le risposte fornite dagli studenti sono state codificate sulla base della International Standard Classification of Occupations dell’International Labour Office (ILO) (ISCO-88). 120 Figura 8.1 – Punteggi di matematica per quartili dell’indice dello status occupazionale 58 0 Ri s u lta t i d i m ate m atic a 56 0 54 0 Veneto Nor d Est Media OCSE Italia 52 0 50 0 48 0 46 0 44 0 42 0 Pr im o q u ar tile Sec o n d o q u ar t ile T er z o q u ar tile Q u ar t o q u ar t ile Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. La forza della relazione tra lo status occupazionale dei genitori e i risultati di competenza degli studenti può essere quantificata confrontando i punteggi medi del 25% degli studenti che si trova all’estremo più alto della distribuzione dell’indice (i cui genitori svolgono professioni quali quella di medico, professore universitario o avvocato), con quelli del 25% degli studenti che si trova all’estremo più basso (i cui genitori svolgono lavori subordinati di tipo manuale o esecutivo). Nel Veneto la differenza tra i punteggi del 25% superiore e quelli del 25% inferiore della distribuzione dello status occupazionale è di 36 punti. Tale differenza è inferiore a quella rilevata in media in Italia, dove tra il quartile superiore e quello inferiore dell’indice occupazionale vi sono 72 punti, cioè oltre un livello sulla scala di competenza matematica, mentre la differenza italiana è a sua volta inferiore a quella media dei Paesi dell’OCSE che è di 92 punti. Un altro modo per quantificare la relazione tra status occupazionale dei genitori e risultati degli studenti consiste nel calcolare di quanto aumenta il punteggio di matematica con l’aumentare dell’indice occupazionale di una deviazione standard (pari a 16.4 unità). Tale aumento nel caso del Veneto è di 16 punti (Italia 27 punti, media OCSE 34 punti). Anche controllando l’effetto di altri fattori di tipo socio-economico – quali il livello di istruzione dei genitori, i beni legati alla cultura classica, il Paese di origine e la lingua parlata a casa – rimane una differenza di 10 punti nei risultati di matematica, per deviazione standard dell’indice. Questi dati indicano che nel Veneto la relazione tra l’occupazione dei genitori (espressa dall’indice dello status occupazionale) e i risultati degli studenti è apprezzabile, anche se è meno forte di quella riscontrata in media nei Paesi dell’OCSE e anche in Italia. Tra i Paesi selezionati per il confronto, quelli caratterizzati da una relazione più forte tra occupazione dei genitori e risultati degli studenti sono Germania, Polonia e Ungheria, con un aumento di oltre 35 punti per una deviazione standard dell’indice. 121 8.1.2 Titolo di studio di padre e madre Un altro aspetto del background familiare che presenta una relazione positiva con i risultati degli studenti è il livello di istruzione dei genitori. Il Questionario Studente chiedeva di indicare i titoli di studio conseguiti rispettivamente dalla madre e dal padre. Sotto si riporta la percentuale di studenti che hanno dichiarato che, rispettivamente, la madre o il padre hanno un titolo che non va oltre l’istruzione secondaria inferiore, che cioè – nel caso dell’Italia – hanno unicamente la licenza elementare o il diploma di scuola media. Figura 8.2 – Percentuale di madri e di padri senza un titolo di istruzione secondaria superiore % madri SENZA un titolo di istruzione secondaria super. % padri SENZA un titolo di istruzione secondaria superiore Austria 14,8 10,9 Canada 8,5 11,9 Corea 30,8 23,6 Finlandia 16,5 21,9 Francia 28,7 28,8 Germania 23,4 19,2 Grecia 33,0 32,8 Italia 41,3 40,9 Messico 67,0 61,7 Polonia 6,4 8,5 Spagna 46,2 43,3 Stati Uniti 8,9 11,2 Svizzera 34,2 29,5 Ungheria 15,5 9,2 Media OCSE 25,7 24,4 Veneto 44,2 38,6 Nord Est 36,3 Fonte: OCSE 2004 e database OCSE-PISA 2003/INValSI. 35,1 Nel caso del Veneto il 44% delle madri e il 39% dei padri degli studenti quindicenni di PISA risultano non essere in possesso di un titolo di istruzione secondaria superiore, sulla base delle dichiarazioni degli studenti. Tali percentuali sono analoghe a quelle rilevate per l’Italia nel suo complesso, dove le madri e i padri senza un titolo di istruzione secondaria superiore sono circa il 41%, ma sono tra due e tre volte tanto rispetto a quelle di Austria, Finlandia (nel caso delle madri) e Ungheria e oltre quattro volte tanto quelle di Canada, Polonia e Stati Uniti. 122 Nella Figura che segue si presenta la differenza tra i punteggi di matematica e di lettura degli studenti le cui madri hanno un titolo di istruzione secondaria superiore e quelli degli studenti le cui madri non hanno tale titolo. Figura 8.3 – Scarto nei punteggi di matematica e lettura associato con il possesso di un titolo di istruzione secondaria superiore da parte della madre 80 70 Differenza nei punteggi di MATEMATICA legato al possesso di un titolo di istruzione secondaria superiore da parte della madre 60 Differenza nei punteggi di LETTURA legato al possesso di un titolo di istruzione secondaria superiore da parte della madre 50 40 30 20 10 Ve ne to or d Es t N es si c Sv o izz er a U ng he M ed ria ia O C SE St at iU ni ti Ita lia Au st ria Po lo ni a C or ea Fr an ci a G re ci a C an ad a Fi nl an di a Sp ag na M G er m an ia 0 Fonte: OCSE 2004 e database OCSE-PISA 2003/INValSI. Tra gli studenti la cui madre ha conseguito un titolo di istruzione secondaria superiore e quelli la cui madre si è fermata all’istruzione primaria o secondaria inferiore non si sono rilevate differenze significative nei punteggi di matematica (16 punti) o della lettura (19 punti). A partire dalle informazioni raccolte è stato costruito un indice sintetico del livello di istruzione raggiunto dai genitori, che tiene conto del livello di istruzione più elevato, sia questo del padre o della madre. Nel Veneto, gli studenti che hanno almeno un genitore con il diploma di terza media, ma non un titolo di istruzione secondaria superiore, hanno un punteggio medio di 495 (contro una media italiana di 433 per gli studenti nelle stesse condizioni). Gli studenti per i quali almeno uno dei genitori ha proseguito gli studi a livello di scuola secondaria superiore hanno un punteggio medio di 521 punti (media italiana 480), mentre i quindicenni figli di laureati hanno un punteggio medio di 529 (media italiana 500). Un anno di istruzione dei genitori corrisponde, nel caso del Veneto, a una differenza sulla scala di matematica di 2,3 punti. 8.1.3 Beni legati alla cultura “classica” Un indice dei beni legati alla cultura classica è stato derivato dalle risposte fornite dai ragazzi circa la presenza, a casa loro, di libri di letteratura classica, libri di poesia e opere d’arte3. Tali beni sono un indicatore dell’ambiente culturale della famiglia e in quanto tali sono associati positivamente con i risultati di competenza matematica (Tabella 8.4 Appendice). Tale indice ha un valore di 0,05 per il Veneto, che non si discosta in modo significativo dalla media dell’OCSE e dell’Italia. 3 L’indice dei beni legati alla cultura classica è stato derivato con la procedura di costruzione di scale dell’Item Response Theory (IRT) (cfr. PISA 2003 Technical Report, Paris OCSE). Valori positivi indicano un livello di risorse legate alla cultura classica maggiore rispetto alla media OCSE. 123 Alla differenza tra il quartile superiore e quello inferiore nella distribuzione di tale indice corrisponde nel caso del Veneto una differenza di 56 punti sulla scala di competenza matematica, analoga a quella rilevata per l’Italia nel suo complesso e a un aumento di un’unità dell’indice corrisponde un aumento significativo di 22 punti. Anche quando si controlla l’effetto di altri fattori di background, un’unità dell’indice dei beni legati alla cultura classica corrisponde nel caso del Veneto a una differenza di 17 punti sulla scala di competenza matematica. La relazione tra questo indice e i risultati degli studenti risulta dunque – nel caso del Veneto – ancora più forte che la relazione con l’indice dello status occupazionale dei genitori. 8.1.4 Risorse di tipo educativo Un indice delle risorse di tipo educativo è stato ricavato dalle risposte dei ragazzi circa la presenza, a casa loro, a) di un dizionario, b) di un posto tranquillo per studiare, c) di una scrivania per fare i compiti, d) di una calcolatrice e) libri da consultare per fare i compiti4. Tali risorse sono un indicatore della misura in cui l’ambiente domestico favorisca lo studio. Figura 8.4 – Punteggio di matematica e percentuale di studenti e che hanno/non hanno diverse risorse educative INDI CE Punt. Indic e Austria 0,15 Canada posto tranquillo per studiare scrivania per fare i compiti libri da consultare per fare i compiti tua calcolatrice % si punt MA T % no punt MA T % si punt MA T % no punt MA T % si punt MA T % no punt MA T % si punt MA T % no punt MA T 97 509 3 470 91 510 9 481 99 508 1 431 71 519 29 479 0,07 86 540 14 509 90 539 10 511 98 537 2 492 75 542 25 517 Corea -0,32 97 544 2 484 72 552 27 517 60 552 40 527 84 553 15 485 Finlandia 0,13 94 546 6 526 91 547 9 519 97 546 3 494 79 550 21 522 Francia 0,32 98 513 2 443 91 516 9 474 98 514 2 422 85 519 15 474 Germania 0,30 95 514 5 454 93 515 7 463 98 513 2 414 85 519 15 467 Grecia -0,38 92 451 7 378 70 453 30 428 74 459 26 405 72 456 28 419 Italia 0,09 94 468 6 428 79 473 21 437 94 469 6 406 84 472 16 435 Messico -0,88 69 399 31 356 54 401 45 367 80 396 20 342 63 406 37 352 Polonia 0,30 91 494 9 456 94 492 6 464 97 491 3 464 92 496 8 426 Spagna 0,21 97 487 3 430 86 489 14 461 96 488 4 423 83 491 17 458 Stati Uniti -0,17 79 493 21 448 83 491 17 445 93 488 7 415 73 492 27 460 Svizzera 0,03 94 529 6 489 86 531 14 495 98 528 2 452 72 538 27 497 Ungheria Media OCSE 0,08 96 492 3 432 80 494 20 475 91 495 9 436 87 500 13 424 0,0 91 507 9 444 82 509 18 465 92 505 8 447 79 510 21 464 Veneto 0,14 93 513 6 487 81 515 19 496 95 512 5 487 85 515 15 491 Nord Est 0,17 94 513 6 478 82 518 18 483 96 514 4 449 85 516 15 483 Nota: La somma delle percentuali può essere leggermente minore di 100, per la presenza di risposte omesse che non sono state riportate. Fonte: database OCSE-PISA 2003/INValSI. Se praticamente tutti gli studenti italiani hanno un dizionario e solo uno su venti non ha una calcolatrice o una scrivania per fare i compiti, uno studente su sei non ha a casa altri libri di consultazione, oltre a quelli di testo, che possano aiutarlo nel fare i compiti e uno studente su cinque manca di un posto tranquillo per studiare. Il Veneto ha un valore di 0,14 sull’indice delle risorse educative, analogo a quello medio dell’Italia. Un livello più elevato di risorse di tipo educativo è associato con un più alto livello di competenza in tutti i Paesi di PISA. In Italia, tra gli studenti del quartile rispettivamente superiore e inferiore della distribuzione di tale indice vi è una differenza di 42 punti nel punteggio di competenza matematica, mentre per il Veneto la differenza è di 24 punti (Tabella 8.5 Appendice). 4 L’Indice delle risorse di tipo educativo è stato derivato con la procedura di costruzione di scale dell’Item Response Theory (IRT). Valori positivi indicano un livello di risorse educativo maggiore rispetto alla media OCSE. 124 8.1.5 Libri presenti in casa Un ulteriore indicatore del background familiare che, sulla base di numerose indagini, risulta associato con le prestazioni degli studenti in Italia è costituito dalla stima – fornita dai ragazzi – del numero di libri disponibili tra le pareti domestiche. Tale fattore, infatti, è indice del livello socioculturale dei genitori e del tipo di modelli che hanno i ragazzi rispetto alla lettura5. Nel Veneto il 22% degli studenti dichiara di avere in casa non più di 25 libri, una percentuale leggermente più bassa rispetto a quella media dell’Italia, pari al 26%, e analoga a quella media dell’OCSE (23%), ma più bassa rispetto a quella dei Paesi con i risultati più elevati, che si aggira intorno al 17%. A un maggior numero di libri presenti in casa corrisponde un punteggio più elevato sia nel caso della matematica sia in quello della lettura, con una differenza di oltre 68 e 59 punti, rispettivamente per la matematica e per la lettura, tra chi dichiara di avere tra 26 e 100 libri a casa e chi dichiara di averne più di 500. Figura 8.5 – Numero di libri a casa e punteggi di matematica e di lettura Percentuale di quindicenni Errore Standard Punteggio medio di matematica Errore Standard Punteggio medio di lettura 0-10 7 1,0 488 8,5 480 12,0 11-25 15 1,4 474 9,9 475 10,9 26-100 33 1,6 507 5,9 508 5,9 101-200 20 0,9 515 5,5 529 6,7 201-500 14 1,2 549 7,3 556 8,2 Più di 500 10 1,3 542 9,1 534 9,7 0-10 9 0,4 411 6,9 415 6,7 11-25 17 0,6 433 5,2 445 4,8 26-100 33 0,7 459 3,2 470 3,4 101-200 20 0,5 484 3,5 499 3,8 201-500 13 0,5 508 3,8 517 4,0 0,4 520 5,2 520 5,2 Italia Veneto Numero di libri a casa 8 Più di 500 Fonte: database OCSE-PISA 2003/INValSI. Errore Standard 8.1.6 Struttura della famiglia di provenienza Dalle risposte degli studenti alla domanda sul loro nucleo familiare risulta che in Italia l’81% degli studenti vive con i due genitori o con un genitore e un’altra figura che fa le veci del padre o della madre, mentre il 15% degli studenti vive in una famiglia monogenitoriale (media OCSE 20%). L’incidenza delle famiglie monogenitoriali in Italia è analoga a quella di Austria e Irlanda ed è circa la metà di quella di Giappone, Stati Uniti e Norvegia (Tabella 8.6 Appendice). Considerando l’Italia nel suo insieme, gli studenti che vivono in una famiglia monogenitoriale hanno punteggi significativamente più bassi di quelli che vivono in una famiglia nucleare o mista (con due figure adulte di riferimento). Anche quando si controlla l’effetto di altri fattori socio-economici, rimane una differenza che in Italia è pari a 12 punti tra i punteggi degli studenti che vengono da una famiglia monogenitoriale e gli altri. Tale differenza è inferiore a quella riscontrata mediamente nei Paesi dell’OCSE (che è pari a 18 punti), ma sembra comunque confermare la maggiore difficoltà che incontra un genitore solo nel creare a casa un ambiente favorevole alla riuscita scolastica. 5 Mentre non è stato costruito un indice a partire da questa variabile, essa è stata inserita in un indice complessivo dello status socio-economico e culturale della famiglia di provenienza. 125 Italia Veneto Figura 8.6 – Struttura della famiglia di provenienza e punteggi di matematica % di quindicenni Errore Standard Punteggio di competenza matematica Errore Standard Famiglia monogenitoriale 14,2 1,2 505 7,0 Famiglia nucleare o mista 83,2 1,3 513 5,7 Altre risposte 2,5 0,5 490 13,8 Famiglia monogenitoriale 15,0 0,6 454 4,5 Famiglia nucleare o mista 81,0 0,7 470 3,0 3,0 0,3 424 9,4 Altre risposte Fonte: database OCSE-PISA 2003/INValSI. In Veneto gli studenti che hanno alle spalle rispettivamente una famiglia nucleare e una famiglia monogenitoriale hanno percentuali analoghe a quelle riscontrate in media per l’Italia, ma – a differenza di quanto rilevato in Italia – tra i due gruppi di studenti non vi sono differenze significative nei risultati. 8.1.7 Paese di nascita Un ulteriore aspetto del background considerato da PISA, tenendo conto dei fenomeni di immigrazione più o meno recente che interessano i Paesi dell’OCSE, è costituito dall’origine geografica dello studente e dei suoi genitori. In Italia solo il 2% degli studenti quindicenni di PISA è d’origine straniera. Si tratta di ragazzi nati in Italia da genitori stranieri (0,4%) o che sono loro stessi, oltre che i genitori, nati in un altro Paese (1,7%). Tale percentuale è inferiore alla media OCSE, dove gli studenti stranieri rappresentano l’8,5% della popolazione di PISA, con Paesi anche limitrofi al nostro – quali Francia, Germania e Svizzera – dove la percentuale è intorno al 15% o più. In Veneto gli studenti di origine straniera risultano essere complessivamente l’1,7% (sulla base delle dichiarazioni degli studenti): lo 0,3% degli studenti di origine straniera è nato in Italia da genitori nati in un altro Paese, mentre nell’1,4% dei casi si tratta di ragazzi nati loro stessi in un altro Paese. Nella maggior parte dei Paesi gli studenti stranieri, sia quelli di prima generazione (cioè quelli nati in Italia da genitori stranieri) sia quelli allogeni (cioè nati essi stessi all’estero), hanno punteggi significativamente inferiori a quelli degli studenti autoctoni (cioè gli studenti nati nel Paese della rilevazione e con almeno uno dei genitori nato nello stesso Paese). Questo è il caso anche per l’Italia dove tuttavia le differenze sono meno marcate che altrove e sono significative solo tra gli studenti allogeni e gli autoctoni (mentre non lo sono nel caso degli studenti di prima generazione)6 (Tabella 8.7 Appendice). Nel caso del Veneto la differenza tra i risultati degli studenti autoctoni e quella degli studenti allogeni è di 62 punti in matematica, ma essa diminuisce e non è più significativa quando si controllano fattori di background quali l’indice dello status occupazionale, l’indice del livello di istruzione dei genitori e la lingua parlata a casa (Tabella 8.9 Appendice). 8.1.8 Lingua parlata a casa Legata al Paese di origine della famiglia è anche la lingua parlata a casa. In Italia, l’1,6% dei quindicenni a casa parla una lingua diversa dall’italiano o da altre lingue ufficialmente riconosciute, il 17% parla un dialetto e circa l’81% parla italiano. Considerando i punteggi di competenza matematica per tali gruppi si osserva che in Italia, chi a casa parla un dialetto ha, mediamente, uno svantaggio analogo a quello di chi a casa parla una lingua straniera, rispetto a chi viene da una 6 Tali dati vanno comunque considerati con cautela data la bassa percentuale di studenti di origine straniera. Nel rapporto internazionale i punteggi per gli studenti di origine straniera sono stati riportati solo nei casi in cui questi ultimi erano superiori al 3% in almeno una delle due sottocategorie (studenti di prima generazione o studenti allogeni) e non sono dunque stati riportati nel caso dell’Italia. 126 famiglia nella quale si parla l’italiano. Tra i Paesi dell’OCSE, le differenze più elevate si riscontrano in Belgio e negli Stati Uniti. In Veneto la percentuale di chi a casa non parla italiano è più alta che in media in Italia e in particolare è maggiore la diffusione del dialetto, parlato a casa dal 38% degli studenti, contro una media nazionale del 17%, mentre la differenza tra i punteggi di chi a casa parla italiano e di chi parla il dialetto non è significativa, diversamente da quanto rilevato per l’Italia in generale. La differenza nel punteggio di matematica tra chi a casa parla italiano (o dialetto) e chi parla un’altra lingua è invece elevata in Veneto, e rimane significativa nonostante il valore elevato dell’errore standard (legato al numero ridotto degli studenti che parlano un’altra lingua e alla disomogeneità dei loro risultati). Figura 8.7 – Lingua parlata a casa e punteggi di matematica degli studenti italiani Italia Veneto Veneto Punt. E.S. Mate. Italia Punt. E.S. Mate. % E.S. % E.S. Italiano 60,7 3,4 81,0 1,1 524 5,6 475 3,0 Un'altra lingua ufficialmente riconosciuta 0,4 0,2 0,4 0,1 c c c c Un dialetto 37,6 3,4 17,0 1,1 498 8,7 441 6,4 Un'altra lingua 1,4 0,5 1,6 0,2 436 32,6 445 13,9 Lingua parlata a casa Fonte: database OCSE PISA 2003. 8.1.9 Disponibilità di computer e collegamento a internet La disponibilità a casa di un computer da utilizzare per lo studio, di software di tipo didattico e di un collegamento a internet può essere anche essa considerata come un indice del livello socioeconomico e culturale della famiglia di provenienza. Se nel Veneto la quasi totalità degli studenti quindicenni (99%) dichiara di avere già usato un computer (media Italia 97%), la percentuale di chi ha a casa un computer che può usare per lo studio scende all’85% (media Italia 78%), mentre scende ulteriormente al 70% la percentuale di chi dispone a casa di un collegamento a internet (media Italia 63%) e al 32% quella di chi ha programmi di tipo didattico (media Italia 30%). Il fatto di disporre a casa delle tecnologie dell’informazione e della comunicazione si accompagna a un vantaggio a livello dei risultati, in questo caso di matematica. Nel caso del Veneto, tra gli studenti che si trovano nel quarto inferiore e quelli che si trovano nel quarto superiore della distribuzione dell’indice della disponibilità a casa delle tecnologie dell’informazione e della comunicazione vi è una differenza di 67 punti sulla scala di matematica, analoga a quella rilevata per l’Italia in generale. 127 8.2 Relazione tra background socio-economico e culturale e risultati degli studenti Un indice sintetico dello status socio-economico e culturale della famiglia di provenienza è stato derivato a partire dagli indici relativi allo status occupazionale, al livello di istruzione dei genitori e alle risorse di tipo educativo e culturale presenti a casa7. Di seguito si presenta l’andamento della distribuzione dell’indice socio-economico e culturale nei Paesi selezionati, a confronto con quello del Veneto e dell’area del Nord Est. Figura 8.8 – Indice dello status socio-economico e culturale Indice dello status socio-economico e culturale Paesi dell'OCSE Tutti gli studenti Indice medio ES 0-25° percentile Indice medio 26°-50° percentile ES 51°-75° Percentile 76°-100° percentile Indice medio ES Indice medio ES Indice medio ES (0,01) Canada 0,45 (0,02) -0,62 (0,01) 0,16 (0,00) 0,76 (0,00) 1,51 Stati Uniti 0,30 (0,03) -0,89 (0,02) 0,01 (0,01) 0,64 (0,01) 1,42 (0,01) Finlandia 0,25 (0,02) -0,82 (0,01) -0,04 (0,00) 0,56 (0,00) 1,30 (0,01) Germania 0,16 (0,02) -1,08 (0,02) -0,14 (0,01) 0,45 (0,01) 1,42 (0,01) Austria 0,06 (0,03) -0,98 (0,02) -0,26 (0,01) 0,29 (0,01) 1,19 (0,02) Svizzera -0,06 (0,03) -1,14 (0,02) -0,31 (0,01) 0,20 (0,00) 1,02 (0,01) Ungheria -0,07 (0,02) -1,14 (0,02) -0,42 (0,00) 0,15 (0,01) 1,14 (0,01) Francia -0,08 (0,03) -1,27 (0,02) -0,37 (0,01) 0,24 (0,01) 1,09 (0,02) Corea -0,10 (0,03) -1,21 (0,01) -0,35 (0,00) 0,20 (0,00) 0,96 (0,02) Italia -0,11 (0,02) -1,41 (0,01) -0,49 (0,01) 0,22 (0,01) 1,23 (0,02) Grecia -0,15 (0,05) -1,41 (0,01) -0,53 (0,00) 0,15 (0,01) 1,19 (0,02) Polonia -0,20 (0,02) -1,16 (0,01) -0,53 (0,00) -0,03 (0,01) 0,92 (0,02) Spagna -0,30 (0,04) -1,60 (0,01) -0,65 (0,01) 0,07 (0,01) 0,99 (0,02) Messico -1,13 (0,05) -2,61 (0,02) -1,63 (0,01) -0,77 (0,01) 0,50 (0,02) Media OCSE 0,00 (0,01) -1,30 (0,01) -0,30 (0,00) 0,34 (0,00) 1,23 (0,00) Veneto -0,10 0,06 -1,3 0,03 0,07 Nord Est -1,17 Fonte: OCSE 2004 e database OCSE PISA 2003. 0,02 -0,5 0,01 0,2 0,01 1,2 0,04 0,04 -0,31 0,01 0,30 0,01 1,32 0,06 Nel caso del Veneto tale indice ha un valore (-0,10) che non si discosta in modo significativo da quello medio dei Paesi dell’OCSE ed è analogo a medio dell’Italia (pari -0,11), mentre è più basso di quello di Paesi con risultati di matematica elevati quali Canada (0,45) e Finlandia (0,25). In PISA l’indice socio-economico e culturale è stato utilizzato per esaminare la relazione tra il background socio-economico degli studenti e i loro risultati. La figura che segue presenta il gradiente socio-economico, cioè la linea con il migliore adattamento ai dati, che indica la relazione tra risultati 7 L’indice dello status socio-economico e culturale è derivato a) dall’indice dello status occupazionale più alto del padre o della madre, b) dal livello di istruzione più alto del padre o della madre tradotto in anni di studio, c) dal numero di libri presenti a casa e dalla presenza in casa di risorse che qualificano l’ambiente educativo e culturale della famiglia di provenienza (una scrivania per fare i compiti, una camera per sé, un posto tranquillo per studiare, un computer che si può usare per lo studio, software didattici, un collegamento a internet, una propria calcolatrice, libri di letteratura classica, libri di poesia, opere d’arte, libri da consultare per fare i compiti, un dizionario). I punteggi dello studente in tale indice sono stati derivati attraverso la Principal Component Analysis e sono standardizzati con media OCSE zero e deviazione standard uno. 128 (di matematica) e lo status socio-economico degli studenti. La figura presenta il gradiente socioeconomico per il Veneto, per l’Italia e per l’area dell’OCSE8. Figura 8.9 – Relazione tra prestazioni e background socio-economico degli studenti (Veneto, Italia e OCSE) 700 650 Punteggio di matematica 600 OCSE 550 Veneto Italia 500 450 400 350 300 -3 -2 -1 0 1 2 3 Indice dello status socio-economico e culturale Fonte: OCSE, 2004 e database OCSE-PISA 2003. Il gradiente è definito da quattro parametri: altezza, inclinazione, lunghezza e scarto dei singoli casi (studenti o scuole) dal gradiente stesso. L’altezza (media) del gradiente (sopra lo 0 dell’ascissa) indica il livello medio delle prestazioni degli studenti che hanno un background socio-economico e culturale uguale alla media dei Paesi OCSE. Anche tenendo conto del background socio-economico i risultati degli studenti del Veneto rimangono complessivamente al di sopra di quelli dell’Italia e anche, leggermente, di quelli medi dei Paesi dell’OCSE. L’inclinazione del gradiente indica la disparità nelle prestazioni che è riconducibile ai fattori socioeconomici ed è misurato dalla differenza nel punteggio che corrisponde a un’unità dell’indice socioeconomico e culturale9. Gradienti più ripidi indicano un maggiore impatto dei fattori socio-economici sulle prestazioni e viceversa. Nel caso del Veneto un’unità dell’indice socio-economico e culturale corrisponde a una differenza di 21 punti sulla scala di matematica, contro una differenza media dell’Italia di 34 punti e una differenza media dei Paesi dell’OCSE di 4210. La minore inclinazione del gradiente del Veneto – rispetto alla media internazionale – è legato all’andamento degli studenti caratterizzati da un background socio-economico rispettivamente alto e basso che si discosta da quello rilevato a livello internazionale. In particolare gli studenti del Veneto con un background socio- 8 Il gradiente dell’OCSE si basa sui dati dell’area dell’OCSE nel suo insieme, presenta cioè la media ponderata dei Paesi dell’OCSE. 9 Un’unità dell’indice socio-economico e culturale corrisponde a una deviazione standard, per cui due terzi della popolazione di studenti dell’OCSE ha un punteggio che cade nell’intervallo di due unità dell’indice. 10 L’inclinazione del gradiente medio nei Paesi dell’OCSE, così come la percentuale di varianza spiegata in media nei Paesi dell’OCSE, sono diversi dalla media e dal totale OCSE presentati nella corrispondente Tabella in Appendice, dal momento che i valori riportati nella Tabella comprendono anche le differenze tra Paesi (OCSE 2004). 129 economico più basso hanno risultati più elevati di quelli rilevati in media nell’OCSE per gli studenti con un background socio-economico paragonabile, mentre gli studenti con un background socioeconomico più alto hanno risultati comparativamente più bassi di quelli rilevati in media nell’OCSE per livelli socio-economici paragonabili. In ragione di questo stesso andamento, lo scarto nei punteggi che separa gli studenti del Veneto da quelli dell’Italia nel suo complesso diminuiscono per gli studenti provenienti da contesti più elevati. Il gradiente socio-economico del Veneto è approssimativamente lineare, cioè a ciascun incremento dell’indice dello stato socio-economico e culturale corrisponde un incremento approssimativamente costante nei risultati sulla scala di matematica. Nel caso dell’Italia il gradiente non è lineare ma curvilineo, cioè è più ripido in corrispondenza dei livelli socio-economici più bassi, mentre diminuisce di inclinazione in corrispondenza dei livelli socio-economici più elevati ad indicare che l’impatto del background sui risultati è più forte per i livelli più bassi di background mentre diminuisce in corrispondenza dei livelli più alti. Anche nel caso dell’area dell’OCSE nel suo complesso il gradiente non è perfettamente lineare, ma come nel caso dell’Italia la relazione tra background e risultati è leggermente più forte per gli studenti con uno status socio-economico più basso (OCSE 2004). Tuttavia nella maggior parte dei Paesi dell’OCSE questi effetti non sono significativi, mentre nel caso di Australia, Germania, Nuova Zelanda e Stati Uniti il gradiente socio-economico ha un andamento opposto, essendo meno inclinato in corrispondenza dei livelli socio-economici bassi e più ripido in corrispondenza di quelli più elevati (per i valori dei singoli Paesi si veda la Tabella 8.12). La lunghezza del gradiente è determinata dall’intervallo dei valori che vanno dal 5° al 95° percentile della scala dell’indice socio-economico e culturale e indica il grado di diversità della popolazione studentesca in termini di background socio-economico. Questo parametro è di 3,14 per il Veneto e non presenta differenze significative da quello medio dell’Italia (3,37) e dell’OCSE (3,34). Lo scarto, verso l’alto o verso il basso, dei risultati (di matematica) dei singoli studenti o delle singole scuole dal gradiente indica la forza della relazione tra prestazioni e background ed è misurato dalla percentuale di varianza nei risultati spiegata dal background socio-economico. Nel caso degli studenti del Veneto l’indice dello stato socio-economico e culturale “spiega”, in termini statistici, il 5.6% della varianza dei punteggi di matematica degli studenti, contro una media dell’Italia del 13.6% e una media OCSE del 16.8%11. La percentuale della varianza nei risultati spiegata dal background è stata utilizzata in PISA come indicatore dell’equità della distribuzione delle opportunità di apprendimento, assumendo che la massima equità sia raggiunta quando le prestazioni degli studenti non sono in relazione con il loro background socio-economico (OCSE 2004). 11 Vedi nota precedente. 130 La Figura 8.10 presenta i risultati degli studenti sulla scala di matematica (asse verticale) e l’impatto del background familiare, rappresentato dalla percentuale di varianza nei risultati spiegata dall’indice socio-economico e culturale (asse orizzontale). I dati vanno letti con cautela, tenendo presente che si sta confrontando una parte, cioè una regione italiana, con interi Paesi, ma risultano comunque indicativi per avere un quadro della regione e della sua peculiarità rispetto all’Italia e al contesto internazionale. Figura 8.10 – Punteggio di matematica e percentuale di varianza nei risultati spiegata dall’indice dello status socio-economico e culturale 600 Punteggio di matematica 550 Finlandia Liechtenstein Paesi Bassi 500 Ungheria Giappone Canada Svizzera Australia Belgio Rep. Ceca N. Zelanda Francia Danimarca Nord Est Svezia Austria Germania Irlanda Norvegia Rep. Slovacca Polonia Spagna Lettonia Stati Uniti Portogallo 450 Hong Kong Corea Macao Islanda Veneto ITALIA Federaz. Russa Grecia Serbia Turchia Uruguay Thailandia 400 Messico Brasile 350 Indonesia Tunisia Relazione tra background e risultati più forte di media OCSE Relazione tra background e risultati meno uguale a media OCSE Relazione tra background e risultati meno forte di media OCSE 300 30 25 20 Media OCSE 15 10 5 0 % di varianza nei risultati spiegata da indice di status socio-economico e culturale Fonte: OCSE, 2004 e database OCSE-PISA 2003. Il Veneto si colloca nel riquadro in alto a destra della figura, nel quale vi sono i Paesi caratterizzati da prestazioni medie elevate degli studenti e, insieme, da un impatto ridotto dello status socioeconomico e culturale. Tali Paesi, tra i quali vi sono Australia, Canada, Finlandia, Giappone, Hong Kong e Macao, riescono a coniugare risultati elevati con una maggiore equità complessiva del sistema (come quest’ultima viene definita da PISA, cioè in termini di impatto ridotto del background sui risultati). Nel riquadro in alto a sinistra vi sono Paesi, quali Belgio, Paesi Bassi e Repubblica Ceca, caratterizzati da prestazioni elevate degli studenti che si accompagnano però a un impatto elevato del background socio-economico e culturale (che nel caso del Belgio è significativamente superiore alla media OCSE). Nella parte bassa a destra della figura vi sono Paesi, quali Italia, Norvegia e Spagna con prestazioni mediamente inferiori alla media internazionale, accompagnate da un impatto ridotto del background socio-economico. Nel riquadro in basso a sinistra, infine, vi sono Paesi, quali Stati Uniti, Turchia e Ungheria, nei quali risultati inferiori alla media non escludono un impatto superiore alla media del background familiare. I dati sembrano dunque indicare che nel caso del Veneto l’impatto del background sui risultati di matematica degli studenti sia contenuto, in presenza di risultati complessivamente elevati. 131 8.3 Risultati delle scuole e background socio-economico Le differenze nei risultati degli studenti all’interno dei singoli Paesi dell’OCSE, che come si è detto rappresentano il 90% della varianza complessiva nei risultati degli studenti dell’area dell’OCSE, sono state ulteriormente analizzate, individuandone una componente legata alle differenze tra scuole all’interno dei diversi Paesi (varianza tra scuole) e una componente legata alle differenze tra studenti all’interno delle scuole (varianza entro le scuole). In media nell’OCSE la varianza tra scuole rappresenta il 34% della varianza complessiva, mentre la varianza entro le scuole rappresenta il 67% della varianza complessiva12 (OCSE, 2004). La ripartizione della varianza tra scuole e entro le scuole viene utilizzata in PISA come un ulteriore criterio di analisi del funzionamento di un sistema scolastico, in quanto indica in che misura i risultati siano omogenei tra scuole. Nella Figura 8.11 la varianza tra scuole è rappresentata dal segmento della barra a sinistra della linea centrale e la varianza entro le scuole dal segmento a destra della barra13. 12 In questo confronto si utilizza la varianza, che è il quadrato della deviazione standard, perché questo consente di scomporre le differenze nei risultati degli studenti, analizzandone le componenti. Le componenti della varianza sono state stimate sui dati degli studenti che avevano risposto alle domande sul background e sul tipo di istruzione frequentata. La somma della varianza tra le scuole e entro le scuole, in quanto sono stimate da un campione, non corrisponde necessariamente alla varianza totale, i cui valori sono riportati nella Tabella 8.11 in Appendice (OCSE 2004). 13 La varianza di ciascun Paese è espressa in termini di percentuale rispetto alla varianza media (dei Paesi dell’OCSE) dei risultati degli studenti. Il totale teorico sarebbe 100 in ciascun paese se ciascuno di essi contribuisse esattamente nello stesso modo alla varianza totale OCSE. In realtà, la varianza totale di alcuni Paesi è più di 100 (ad esempio Germania:108; Italia: 106; Svizzera: 111; Stati Uniti: 105), mentre in altri Paesi , globalmente più omogenei, la varianza totale è meno di 100 (Finlandia: 81, Canada: 89). La lunghezza totale delle barre della figura 8.11 indica queste differenze. 132 Figura 8.11 – Varianza dei risultati di matematica tra le scuole e entro le scuole Veneto 55 29 Media OCSE 67 34 Ungheria 47 66 Italia 57 52 Germania 56 53 Austria 55 Francia 49 52 44 Corea 58 42 Grecia 68 39 Svizzera 70 36 Messico 45 29 Stati Uniti 78 27 Spagna 70 17 Canada 73 15 Polonia 83 12 Finlandia 77 4 100 90 80 70 60 50 40 30 20 10 0 10 20 30 40 50 60 70 80 90 100 varianza totale tra le scuole varianza totale entro le scuole Varianza tra le scuole spiegata da background Varianza entro le scuole spiegata da background Fonte: OCSE 2004 e database OCSE PISA 2003. Il Veneto ha una varianza complessiva, nei risultati di matematica, pari a 7.262, che è inferiore a quella totale dell’OCSE14 (8.593), ammontando all’85% di quest’ultima, ed è notevolmente più bassa di quella dell’Italia (la cui varianza invece è più alta della varianza dell’OCSE, rappresentando il 106% di quest’ultima). Tra i Paesi selezionati per il confronto, il Veneto ha una varianza complessiva analoga a quella di Canada, Finlandia e Spagna. Nel Veneto la varianza tra scuole è pari al 29% della varianza totale dell’OCSE, un valore che rappresenta circa la metà di quella italiana (57% della varianza totale dell’OCSE), ed è inferiore, anche se di poco, anche alla varianza tra scuole dell’OCSE (34%), mentre è doppia o più che doppia rispetto a quella di Paesi quali Finlandia, Polonia e Canada (ma anche di Norvegia, Svezia, Danimarca e Irlanda) nei quali la varianza tra scuole è più contenuta, rappresentando dal 4% al 15% della varianza totale dell’OCSE. In tali Paesi i risultati degli studenti sono per lo più indipendenti dalle scuole frequentate. Infine, mentre nel caso dell’Italia la varianza tra scuole rappresenta più della metà (il 52%) della varianza totale dell’Italia, nel caso del Veneto la varianza tra scuole rappresenta una quota minore della varianza totale della Regione (35%). Una varianza elevata tra scuole è indice del fatto che le scuole raggruppano studenti che hanno risultati di livello relativamente simile. Ciò può avvenire come nel caso dell’Italia (o ad esempio di Austria e Germania) per la presenza di curricoli canalizzati nel livello scolastico in cui sono presenti i quindicenni considerati da PISA (nel nostro caso liceale, tecnico e professionale), o ad esempio per l’azione di politiche scolastiche mirate a raggruppare in scuole diverse gli studenti di diverso livello, o per effetto delle differenziazioni socio-economiche legate al territorio (altro aspetto che gioca sull’elevata varianza tra scuole nel caso dell’Italia e che potrebbe contribuire a spiegare la minore varianza tra scuole del Veneto). 14 Per varianza totale dell’OCSE si intende la media della varianza totale dei Paesi dell’OCSE. 133 I dati evidenziano che uno dei principali fattori che, in particolare nei Paesi con sistemi stratificati, spiega le differenze tra scuole è costituito dal background socio-economico degli studenti e delle scuole, rappresentato nella Figura 8.11 dalla barra più scura a sinistra parzialmente sovrapposta a quella che rappresenta le differenze tra scuole. Nel Veneto, la varianza tra scuole spiegata dal background rappresenta il 35% della varianza tra scuole del Veneto (e il 10% della varianza totale dell’OCSE), mentre in Italia essa rappresenta il 54% della varianza tra scuole dell’Italia (e il 30% della varianza media dell’OCSE). Il background spiega dunque circa un terzo – cioè una quota minore rispetto all’Italia – delle differenze tra scuole e queste ultime sono inoltre più contenute che in media in Italia e nell’OCSE. Tra i Paesi nei quali le scuole differiscono maggiormente rispetto alla composizione socio-economica vi sono Germania e Ungheria (ma anche Belgio, Giappone, Paesi Bassi, Turchia) (cfr. Tabella 8.13 in Appendice). Nella figura che segue si presenta la relazione tra l’indice dello status socio-economico e culturale medio delle scuole e i risultati medi delle scuole. La linea di regressione è tracciata tenendo conto dell’intero campione italiano e ogni puntino corrisponde a una scuola, mentre le scuole del Veneto sono evidenziate, distinte per tipo di istruzione. Figura 8.12 – Risultati di matematica e status socio-economico a livello di scuole, Veneto 700 650 600 Punteggio di matematica 550 500 450 400 350 300 250 Licei Istituti tecnici 200 Istituti Professionali 150 -2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 Indice dello status socio-economico e culturale Fonte: database OCSE PISA 2003. La figura evidenzia che per quanto una parte delle scuole del Veneto siano caratterizzate da uno status socio-economico medio-alto trovandosi alla destra della linea verticale al centro della figura che indica la media internazionale dello status socio-economico, la maggior parte di esse si colloca a sinistra di tale linea, essendo caratterizzate da uno status socio-economico inferiore alla media internazionale. D’altra parte, la maggior parte delle scuole del Veneto si colloca ben al di sopra della linea di regressione, cioè ha un punteggio medio superiore a quello atteso sulla base dello status socio-economico e culturale medio. Tale andamento mostra che il risultato comparativamente elevato ottenuto dal Veneto non è solo dovuto al background favorito di alcune scuole, ma in buona parte alle prestazioni elevate di scuole che hanno, come bacino di utenza, studenti di livello socioeconomico medio-basso. La figura evidenzia anche che le differenze tra scuole rispetto alla loro composizione socioeconomica media coincidono in buona parte con l’articolazione per tipo di istruzione, con i Licei che si collocano nella quasi totalità alla destra della linea verticale che divide la figura, avendo un indice di status socio-economico e culturale superiore alla media internazionale, gli Istituti tecnici si trovano 134 in parte a cavallo e in parte a sinistra della linea verticale che rappresenta la media internazionale dell’indice (0,0) e gli Istituti professionali tutti - tranne uno - a sinistra di tale linea. A questo proposito, tuttavia, è interessante osservare che alcuni Istituti tecnici ottengono risultati analoghi a quelli dei Licei in presenza di un background socio-economico più basso. Questi dati mostrano come le differenze di background che spiegano una parte della varianza tra scuole, si “incrocino” con la stratificazione del sistema scolastico secondario superiore in diversi indirizzi di istruzione, anche se vi sono eccezioni a tale andamento. Dal punto di vista delle politiche scolastiche la relazione tra il background e i risultati a livello di scuola è un aspetto particolarmente rilevante perché ha a che fare con la misura in cui il sistema scolastico, nei suoi aspetti strutturali, risponde all’obiettivo dell’equità intesa come impatto (ridotto) del background sui risultati, nella distribuzione delle opportunità di apprendimento. Per esaminare l’impatto del background sui risultati rispettivamente a livello di studenti e di scuole, si è scomposto il gradiente socio-economico in gradiente entro le scuole, che descrive in che misura il background socio-economico degli studenti sia in relazione con i loro risultati all’interno della stessa scuola, e gradiente tra le scuole, che descrive in che misura il risultato medio di una scuola sia legato al background socio-economico medio dei suoi studenti (OCSE 2004). La figura che segue presenta tre linee che mostrano rispettivamente la relazione tra il background socio-economico e le prestazioni considerando i singoli studenti (gradiente socio-economico), la relazione tra studenti della stessa scuola e i loro risultati (gradiente socio-economico entro le scuole) e la relazione tra le prestazioni medie di studenti di scuole diverse e il loro background socioeconomico medio (gradiente tra le scuole). Figura 8.13 – Relazione tra risultati e background a livello di studenti e di scuole, Veneto 700 Punteggio di matematica 600 Relazione tra risultati e background degli studenti Relazione tra risultati e background degli studenti all'interno delle scuole Relazione tra risultati e background delle scuole 500 400 300 -2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 Indice dello status socio-economico e culturale Fonte: database OCSE-PISA 2003. La figura evidenzia che la relazione tra i risultati degli studenti e il loro background (considerando i dati a livello di studenti, senza tenere conto di come sono raggruppati a livello di scuole) è – come si è visto dalla Figura 8.9 – relativamente poco pronunciata (e risulta esserlo meno della media OCSE) e che, all’interno delle scuole, la relazione tra i risultati degli studenti e il loro background è quasi inesistente. E’ invece più evidente la relazione tra i risultati medi delle scuole e il loro background medio, a indicare che l’impatto del background medio della scuola sui risultati degli studenti è maggiore dell’impatto del background del singolo studente stesso. 135 A un’unità dell’indice socio-economico e culturale medio delle scuole corrisponde una differenza di 47 punti nel punteggio di matematica medio delle scuole e l’indice socio-economico e culturale medio delle scuole spiega il 33% della varianza dei risultati tra scuole (Tabella 8.14 in Appendice)15. Per quanto questi dati vadano presi con cautela dato il numero relativamente ridotto di scuole e la dispersione dei dati (che insieme danno luogo a errori standard elevati delle stime16) essi sono indicativi del peso che la composizione socio-economica complessiva della scuola ha sulle prestazioni degli studenti. Per visualizzare il differente peso del background degli studenti e di quello medio della scuola, la figura che segue presenta l’entità dello scarto tra i punteggi attesi di matematica di due studenti con lo stesso background socio-economico iscritti a due scuole il cui indice socio-economico medio è separato da mezza deviazione standard17 (gradiente tra le scuole) e lo scarto tra i punteggi attesi di matematica di due studenti della stessa scuola separati da mezza deviazione standard18 dell’indice socio-economico (gradiente entro le scuole)19. Figura 8.14 – Effetto dello status socio-economico degli studenti e delle scuole sui risultati 50 46 45 44 Punti sulla scala di matematica 45 Effetto dello status socio-economico e culturale degli studenti Effetto dello status socio-economico e culturale delle scuole 43 39 40 37 35 30 27 30 24 25 24 20 20 15 14 15 8 10 5 13 9 7 7 5 5 18 19 17 13 11 3 2 0. 70 ne to Ve ti 0. M 57 es si co 0. C 97 an ad a 0. Sp 55 ag na 0. Po 79 lo ni a Fi 0. nl 66 an di a 0. 40 0. 86 St at iU ni 57 ci a G re ra 0. 0. 87 Sv iz ze lia Ita ria 0. 84 0. 70 U ng he 0. ia or ea C m an G er Au st ria 0. 77 94 0 Nota: I valori accanto al nome di ciascun Paese indicano la differenza interquartile dell’indice socio-economico e culturale medio delle scuole. Fonte: OCSE, 2004 e database OCSE PISA 2003. Nella maggior parte dei Paesi le barre grigie relativamente lunghe indicano un chiaro vantaggio, in termini di risultati, per chi frequenta una scuola i cui studenti hanno, in media, un background socioeconomico più elevato. 15 Entrambe le stime sono significativamente più basse di quelle dell’Italia considerata nel suo complesso, per la quale la differenza nel punteggio a livello di scuola associata con un’unità dell’indice socio-economico medio della scuola è pari a 78 punti e la percentuale di varianza tra scuole spiegata dall’indice socio-economico medio delle scuole è pari al 54%. 16 Per gli errori standard si veda la Tabella 8.14 in Appendice. 17 La mezza deviazione standard presa come punto di riferimento è mezza deviazione standard della distribuzione internazionale dell’indice a livello di studenti. 18 Si veda la nota precedente. 19 La figura confronta l’inclinazione dei gradienti entro le scuole e tra le scuole. Tale inclinazione è stata stimata con un modello multilivello che ha preso in considerazione l’indice socio-economico e culturale di PISA a livello di studenti e di scuole. Si è utilizzata mezza deviazione standard come punto di riferimento per esaminare lo scarto nei punteggi, dal momento che descrive una differenza realistica tra le scuole rispetto alla composizione socio-economica (OCSE, 2004). 136 In Veneto la differenza tra i risultati di due studenti con lo stesso livello socio-economico iscritti a due scuole con un background socio-economico medio che si differenzia di mezza deviazione standard è di 24 punti20 (rispetto a una differenza di 39 punti per l’Italia nel suo complesso). Uno studente che frequenti una scuola caratterizzata da uno status socio-economico medio elevato tenderà ad avere risultati più elevati (per quanto la differenza nel Veneto sia inferiore a quella media dell’Italia), indipendentemente dal proprio background socio-economico, rispetto a quelli che otterrebbe se frequentasse una scuola caratterizzata da uno status socio-economico medio basso. Tra i Paesi dell’OCSE, quelli caratterizzati da un impatto elevato del background socio-economico medio della scuola (analogo a quello dell’Italia) sono Austria, Corea, Germania, Svizzera e Ungheria, mentre un impatto ridotto o nullo del background medio della scuola si trova in Canada, Spagna, Polonia e Finlandia. In questi ultimi due Paesi, le differenze di background dei singoli studenti all’interno delle scuole sono più predittive dei risultati rispetto al background socio-economico medio della scuola, mentre in Veneto due studenti della stessa scuola con un background socio-economico che si differenzia di mezza deviazione standard ci si aspetta che abbiano un punteggio che si differenzia di soli 2 punti, in modo analogo a quanto rilevato per l’Italia. In Veneto, così come in Italia e nella maggior parte dei Paesi dell’OCSE, l’impatto del background medio della scuola sui risultati del singolo studente è maggiore dell’impatto del background dello studente stesso, e i dati della Figura 8.14 danno un’idea dell’entità di tale impatto. Nella lettura di questo dato può essere utile tenere conto dei meccanismi di autoselezione degli studenti nei diversi tipi di istruzione in relazione al background. La figura che segue presenta la scelta del tipo di istruzione fatta dagli studenti che si collocano agli estremi della scala di competenza matematica, in relazione al loro livello socio-economico basato sull’indice occupazionale. I valori dell’indice socio-economico occupazionale sono raggruppati in relazione alla mediana, in modo da ottenere due livelli, basso e alto. Nella parte alta del grafico è riportata la percentuale di studenti con i risultati migliori (ai Livelli 5 e 6 della scala di matematica) che sono iscritti ai Licei, per livello socioeconomico (alto o basso). Nella parte bassa del grafico è riportata la percentuale di studenti con i risultati più bassi (al Livello 1 o sotto di questo sulla scala di matematica) che sono iscritti agli Istituti professionali, per livello socio-economico. indice socio-economico alto 64 indice socio-economico basso 38 Livello 1 o sotto livello 1 Licei Istituti professionali . Livello 5 o 6 Figura 8.15 – Relazione tra i risultati e il background socio-economico delle scuole, Veneto indice socio-economico alto 50 indice socio-economico basso 81 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Fonte: database OCSE-PISA 2003/INValSI. Considerando gli studenti con i risultati migliori sulla scala di matematica, il 64% degli studenti di livello socio-economico alto è iscritto a un Liceo, mentre la percentuale di chi è iscritto a un Liceo scende al 38% nel caso degli studenti di livello socio-economico basso. Considerando gli studenti con i risultati più bassi sulla scala di matematica, il 50% di quelli con un livello socio-economico alto è 20 Tale dato va considerato come indicativo, tenendo conto dell’errore standard elevato della stima della differenza di punteggio a livello di scuola associata con un’unità dell’indice socio-economico e culturale medio delle scuole (cfr. Tabella 8.14 in Appendice). 137 iscritto a un Istituto professionale, mentre la percentuale degli iscritti al Professionale sale all’81% nel caso di quelli con un livello socio-economico basso. A parità di prestazioni, elevate in un caso e basse nell’altro, la scelta della scuola sembra dunque essere in parte condizionata dal background. Questi dati si prestano ad un ulteriore approfondimento e discussione. Il fatto che nella scelta del tipo di istruzione secondaria superiore vi sia un’autoselezione in relazione al background socioeconomico, in parte indipendente dal livello di competenza, rischia di penalizzare un pieno sviluppo delle potenzialità di tutti gli studenti e di causare uno spreco di risorse umane (OCSE 2001 e OCSE 2004). 138 9. Caratteristiche delle scuole e apprendimento della matematica Maria Teresa Siniscalco e Giorgio Asquini1 Se il background socio-economico e culturale degli studenti, considerato nel capitolo precedente, ha un impatto notevole sui risultati, esso è legato a una serie di fattori sui quali le politiche scolastiche e sociali non possono intervenire, se non a lungo termine. In questo capitolo l’attenzione si concentra su caratteristiche e aspetti di gestione delle scuole che, sulla base dei risultati di precedenti ricerche e dei risultati di PISA 2000, possono contribuire a migliorare i risultati degli studenti e possono essere oggetto di intervento e di politiche scolastiche mirate. In particolare si considerano: a) diversi fattori che insieme contribuiscono a definire l’ambiente di apprendimento della scuola e della classe dal punto di vista del “clima” e delle relazioni studentiinsegnanti e tra pari; b) le risorse della scuola in termini di personale, risorse didattiche e infrastrutture; c) aspetti relativi all’organizzazione e alla gestione della scuola e all’impostazione didattica. Con i dati relativi al clima della scuola e alle risorse sono stati costruiti “indici” che sintetizzano le risposte fornite dagli studenti e dai dirigenti scolastici a una serie di domande dei relativi questionari2. La media OCSE per tali indici è stata fissata convenzionalmente a 0 e la deviazione standard a 1, in modo che due terzi della popolazione siano compresi tra +1 e -1. Valori maggiori di “0” nell’indice indicano una valutazione, ad esempio del clima della scuola o delle relazioni studentiinsegnanti, più positiva della media dell’OCSE, mentre valori inferiori a “0” indicano una percezione di tali aspetti più negativa della media OCSE. Nel considerare tali indici occorre tenere presente che: a) essi si basano su risposte a domande autodescrittive, piuttosto che su osservazioni dirette, e possono dunque essere influenzati da differenze culturali nei comportamenti di risposta o dalla diversa desiderabilità sociale di determinate risposte o più semplicemente dalle esperienze di chi risponde e/o dal contesto in cui si trova la scuola; b) le informazioni a livello di scuola sono state ricavate dal questionario rivolto ai dirigenti scolastici dal momento che non si dispone di dati a livello di insegnanti che fornirebbero informazioni più precise sui contesti di insegnamento/apprendimento; c) le prestazioni degli studenti nelle prove di PISA sono il risultato di una carriera scolastica che non si limita all’anno o ai due anni passati nella scuola secondaria superiore frequentata dagli studenti al momento della rilevazione. Ciò deve portare a una certa cautela nell’interpretare i dati ottenuti, che tuttavia forniscono indicazioni utili per arricchire il quadro dei risultati dei quindicenni. 9.1 Il “clima” della scuola e della classe Sulla base dei risultati di PISA 2000 che avevano evidenziato come prestazioni elevate fossero in relazione con un ambiente di apprendimento caratterizzato da un clima disciplinare positivo, da un 1 Le sezioni 9.1, 9.2 e 9.5 sono state redatte da Maria Teresa Siniscalco e le sezioni 9.3 e 9.4 da Giorgio Asquini. 2 Gli indici sono stati derivati con la procedura di costruzione di scale dell’Item Response Theory (IRT) (cfr. PISA 2003 Technical Report, in corso di stampa). Qualora si rilevi un’apparente contraddizione tra le percentuali relative ai singoli item che compongono ciascun indice (riportate nelle prossime pagine) e il valore dell’indice corrispondente, questa è dovuta al fatto che l’indice è derivato a partire dalle risposte date su una scala con 4 alternative (che va da “molto d’accordo” a “molto contrario”) che hanno un peso differente nel calcolo dell’indice, mentre le percentuali sono il frutto della semplice somma di due delle quattro alternative di risposta, “d’accordo” e “molto d’accordo”. 139 buon rapporto tra studenti e insegnanti, da aspettative elevate nei confronti degli studenti e dalla loro disponibilità a impegnarsi nell’apprendimento, PISA 2003 ha considerato una serie di aspetti che qualificano il clima dell’ambiente di apprendimento in cui operano studenti e insegnanti. 9.1.1 Fattori relativi agli studenti che influiscono sul clima di apprendimento In generale i dati di PISA mostrano che una percezione positiva del clima disciplinare da parte degli studenti, così come una percezione positiva da parte del dirigente del comportamento disciplinare degli studenti e del loro morale, sono in relazione con risultati di apprendimento comparativamente migliori. 9.1.1.1 Clima disciplinare Agli studenti si è chiesto di indicare (su una scala a quattro livelli) con che frequenza si verifichino situazioni che disturbano le lezioni di matematica. Nella figura che segue si riportano le percentuali di chi è d’accordo o molto d’accordo con ciascuna delle affermazioni relative al clima disciplinare. Figura 9.1 – Percentuale di studenti che dichiarano che le seguenti cose si verificano “sempre” o “la maggior parte delle volte” nelle lezioni di matematica % % L'insegnante deve aspettare a lungo prima che gli studenti facciano silenzio % % % Austria 31 27 33 27 30 Canada 29 39 28 18 31 Corea 27 a 19 18 21 Finlandia 36 48 35 19 32 Francia 33 46 38 25 42 Germania 22 25 32 26 26 Grecia 35 43 35 29 39 Italia 37 42 39 25 33 Messico 29 27 26 24 34 Polonia 33 27 30 21 22 Spagna 30 35 36 24 35 Gli studenti non ascoltano ciò che dice l'insegnante C'è rumore e confusione Gli studenti non possono lavorare bene Gli studenti iniziano a lavorare solo molto tempo dopo l'inizio della lezione Stati Uniti 32 34 26 19 27 Svizzera 28 33 32 26 31 Ungheria 28 28 30 22 19 Media OCSE 31 36 32 23 29 Veneto Nord Est 38 42 46 48 40 41 26 25 32 34 Fonte: OCSE 2004 e database OCSE-PISA 2003/INValSI. a: categoria non appropriata per questo Paese. Ciò che più spesso disturba le lezioni di matematica, dal punto di vista degli studenti, è uno stato di rumore e confusione, indicato come qualcosa che avviene sempre o quasi sempre dal 46% degli studenti del Veneto (dal 42% di quelli italiani e dal 36% degli studenti in media nei Paesi dell’OCSE). Circa il 40% degli studenti del Veneto inoltre dichiara che in tutte o in quasi tutte le lezioni di matematica l’insegnante deve aspettare a lungo prima che gli studenti facciano silenzio e il 38% degli studenti dichiara che gli studenti non ascoltano quello che dice l’insegnante. 140 Le risposte degli studenti a tali domande sono state utilizzate per costruire un indice del “clima disciplinare”, che fornisce indicazioni sulla misura in cui l’ambiente della classe è favorevole all’insegnamento/apprendimento (in base alle percezione degli studenti) durante le lezioni di matematica (Tabella 9.1 in Appendice). Figura 9.2 – Clima disciplinare come lo percepiscono gli studenti durante le lezioni di matematica Media indice 1.00 0.80 0.60 0.40 0.20 0.00 -0.20 -0.40 -0.60 -0.80 Ve ne to N or d Es t Ita lia Fr an ci a Fi nl an di a G re ci a ria ng he ria St at iU ni ti C or ea Po lo ni a Sv izz er a C an ad a M es si co Sp ag na Au st U G er m an ia -1.00 Fonte: OCSE 2004 e database OCSE-PISA 2003/INValSI. Il Veneto ha un valore negativo su tale indice (-0,14), a indicare una percezione del clima disciplinare leggermente più negativa rispetto alla media dei Paesi dell’OCSE, analogamente a quanto rilevato per l’area del Nord Est (-0,19) e per Italia in generale (-0,1). Tra i Paesi selezionati, la Grecia è quello in cui gli studenti dichiarano che vi sono maggiori problemi di disciplina durante le lezioni di matematica, con un punteggio inferiore a -0,2, mentre i Paesi in cui il clima disciplinare è percepito come migliore sono Austria e Germania, con un punteggio superiore a 0,2. In Veneto, così come in Italia e in media nei Paesi dell’OCSE, il clima disciplinare risulta positivamente associato con i risultati degli studenti: tra gli studenti che si trovano nel quartile superiore della distribuzione dell’indice e quelli che si trovano nel quartile inferiore vi è una differenza di 41 punti sulla scala di matematica (Nord Est 38 punti, Italia 35 punti, OCSE 50 punti) e a ogni unità dell’indice corrisponde una differenza di 15 punti (media OCSE 18 punti). 9.1.1.2 Aspetti del comportamento degli studenti che incidono sul clima scolastico Ai dirigenti scolastici si è chiesto di indicare (sempre su una scala a quattro livelli) in che misura l’apprendimento degli studenti sia ostacolato da fattori quali l’assenteismo (degli studenti), il disturbo delle lezioni da parte degli stessi, le intimidazioni o il bullismo. Nella seguente tabella si riporta la percentuale di studenti iscritti a scuole nelle quali i dirigenti dichiarano che l’apprendimento è ostacolato in una certa misura o molto da tali fattori. 141 Figura 9.3 – Percentuale di studenti iscritti a scuole nelle quali i dirigenti dichiarano che l’apprendimento degli studenti è ostacolato dai seguenti fattori Assenze degli studenti Austria Disturbo delle lezioni da parte degli studenti Il fatto che gli studenti saltino le lezioni Mancanza di rispetto degli studenti verso gli insegnanti Uso da parte degli studenti di alcool o sostanze stupefacenti Intimidazioni o bullismo tra studenti % % % % % % 53 38 43 17 9 15 Canada 65 34 58 25 32 18 Corea 17 18 13 23 13 13 Finlandia 56 39 34 12 4 7 Germania 35 51 25 22 9 24 Grecia 66 52 46 47 31 23 Italia 68 41 63 17 1 8 Messico 44 27 32 13 8 24 Polonia 47 40 45 21 10 8 Spagna 44 59 38 34 5 Stati Uniti 69 27 36 22 21 13 14 Svizzera 27 52 11 17 19 24 Ungheria 56 42 26 14 6 8 Media OCSE 48 40 30 22 10 15 Veneto 49 41 44 14 2 8 Nord Est 63 39 62 19 1 4 Fonte: OCSE 2004 e database OCSE-PISA 2003/INValSI. Dal punto di vista dei dirigenti scolastici, il problema che maggiormente ostacola l’apprendimento è costituito dall’assenteismo degli studenti, anche se in questa regione il problema sembra essere più contenuto rispetto alla media nel Nord Est e in Italia. Circa il 49% degli studenti del Veneto, (contro il 68% degli italiani) è iscritto a scuole nelle quali il dirigente scolastico percepisce l’assenteismo degli studenti come un ostacolo all’apprendimento (media OCSE 48%) e il 44% degli studenti veneti è iscritto a scuole nelle quali il dirigente percepisce come un ostacolo all’apprendimento il fatto che gli studenti saltino le lezioni (media Italia 63%, media OCSE 30%). Paesi nei quali l’assenteismo è maggiormente indicato come un ostacolo all’apprendimento sono Canada, Grecia e Stati Uniti. L’altro ostacolo all’apprendimento è costituito dal fatto che gli studenti disturbano le lezioni, problema che riguarderebbe – in base alle risposte dei dirigenti – il 41% degli studenti del Veneto (percentuale che conferma quella ricavata sulla base delle risposte degli studenti alle domande sui comportamenti che disturbano le lezioni di matematica, di cui si è detto nel paragrafo precedente). Sulla base di tali risposte è stato costruito un indice degli aspetti del comportamento degli studenti che incidono sul clima scolastico, che fornisce indicazioni relative all’incidenza di problemi di comportamento da parte degli studenti, sulla base della percezione del dirigente scolastico (Tabella 9.2 in Appendice). 142 Figura 9.4 – Aspetti del comportamento degli studenti che incidono sul clima scolastico Media indice 1,00 0,80 0,60 0,40 0,20 0,00 -0,20 -0,40 -0,60 -0,80 Es t o N or d Ve ne t Ita lia Sv iz ze ra Sp ag na Au st ria Po lo ni a G er m an ia Fi nl an di a St at iU ni ti G re ci a C an ad a C or ea U ng he ria M es si co -1,00 Fonte: OCSE 2004 e database OCSE-PISA 2003/INValSI. Il Veneto ha un valore (0,31) più alto della media dell’Italia e di quella dell’OCSE (entrambe pari a 0,0) rispetto a tale indice, che indica una percezione comparativamente positiva, da parte dei dirigenti scolastici, dei comportamenti degli studenti. Tale indice è positivamente associato con i risultati di matematica (per cui a un clima di scuola positivo, per quanto riguarda i comportamenti degli studenti, corrispondono punteggi più elevati), con 54 punti di differenza sulla scala di matematica tra gli studenti nel quartile rispettivamente superiore e inferiore dell’indice nel caso del Veneto, che corrisponde a oltre un livello della scala di matematica, e 61 nel caso dell’Italia (media OCSE 44 punti). Un’unità dell’indice corrisponde a una differenza di 17 punti per il Veneto, 26 per l’Italia nel suo insieme e 19 punti in media nei Paesi dell’OCSE. Gli aspetti del comportamento sintetizzati in tale indice sembrano dunque essere rilevanti per individuare scuole caratterizzate da uno svantaggio nei risultati, oltre che nel clima di apprendimento. 143 9.1.1.3 Morale e impegno/coinvolgimento degli studenti Sempre ai dirigenti scolastici è stato chiesto di dare una valutazione del morale degli studenti, indicando in che misura fossero d’accordo con affermazioni quali ”agli studenti piace stare a scuola”, “gli studenti lavorano con entusiasmo”, “gli studenti danno importanza ai risultati scolastici” e “gli studenti sono collaborativi e rispettosi”. Figura 9.5 – Percentuale di studenti iscritti a scuole nelle quali i dirigenti sono d’accordo o molto d’accordo con le seguenti affermazioni Agli studenti piace stare a scuola Gli studenti lavorano con entusiasmo Gli studenti sono fieri di questa scuola Gli studenti danno importanza ai risultati scolastici Gli studenti sono cooperativi e rispettosi Gli studenti considerano importante il tipo di preparazione che possono ricevere in questa scuola Gli studenti fanno del loro meglio per apprendere il più possibile % % % % % % % Austria 97 85 90 82 93 91 72 Canada 99 94 94 94 97 95 Corea 86 65 81 73 93 81 90 70 64 Finlandia 99 90 87 94 97 90 Germania 99 63 71 63 88 88 40 Grecia 78 65 89 90 93 86 60 Italia 79 64 88 96 86 95 67 Messico 95 89 96 90 88 88 83 Polonia 97 65 96 95 89 87 71 Spagna 97 54 92 77 81 89 35 Stati Uniti 99 89 95 92 96 94 84 Svizzera 98 80 79 92 96 90 77 Ungheria 93 53 93 59 84 90 32 Media OCSE 92 73 86 83 89 87 65 Veneto 83 61 84 92 88 100 65 Nord Est 87 62 84 90 79 93 65 Fonte: OCSE 2004 e database OCSE-PISA 2003/INValSI. 144 Con le risposte a tali domande è stato costruito un indice del “morale e impegno/coinvolgimento degli studenti”, che fornisce indicazioni relative all’atteggiamento degli studenti nei confronti della loro vita scolastica, sulla base della percezione del dirigente scolastico (Tabella 9.3 in Appendice). Figura 9.6 - Morale e impegno/coinvolgimento degli studenti Media indice 1,00 0,80 0,60 0,40 0,20 0,00 -0,20 -0,40 -0,60 -0,80 Ve ne to N or d Es t lia C or ea Tu rc hi a U ng he r ia Sp ag na G er m an ia Ita C an ad a St at iU ni ti M es si co Au st ria Fi nl an di a G re ci a Po lo ni a Sv iz ze ra -1,00 Fonte: OCSE 2004 e database OCSE-PISA 2003/INValSI. Il Veneto ha un valore (0,03) analogo alla media OCSE nell’indice del “morale e impegno/coinvolgimento degli studenti” (Figura 9.6). Mentre risulta che all’83% degli studenti “piace stare a scuola”, solo il 61% di loro lavora con entusiasmo e solo il 65%, secondo i dirigenti scolastici, fa del suo meglio per apprendere il più possibile. Tra gli studenti del Veneto che si trovano nel quartile superiore e quelli del quartile inferiore della distribuzione dell’indice c’è una differenza di 63 punti sulla scala di matematica, più elevata di quella rilevata per Italia in generale (47 punti) e dell’OCSE (45 punti), mentre a un’unità dell’indice corrisponde una differenza di 22 punti sulla scala di matematica (Italia 15 punti, media OCSE 18 punti) (Tabella 9.3 in Appendice). 145 9.1.1.4 Inserimento a scuola Un ulteriore aspetto del “clima” della scuola, dal punto di vista degli studenti, è costituito dalla misura in cui si sentono a loro agio a scuola, in particolare per quanto riguarda i rapporti sociali, cioè su quanto si sentano inseriti, facciano amicizia facilmente, abbiano l’impressione di stare simpatici o viceversa si sentano esclusi, fuori posto e soli. Figura 9.7 – Indice dell’inserimento a scuola Media indice 1,00 0,80 0,60 0,40 0,20 0,00 -0,20 -0,40 -0,60 -0,80 Ve ne to N or d Es t C or ea ad a nl an di a Po lo ni a Fr an ci a Fi re ci a lia Ita C an G G er Au st ria m an ia Sp ag na Sv iz ze ra U ng he ria M es si co -1,00 Fonte: database OCSE-PISA 2003/INValSI. L’indice che sintetizza le risposte degli studenti alle diverse domande relative a questo aspetto ha un valore di -0,113, leggermente inferiore alla media internazionale e alla media italiana (0,05) (Tabella 8.4 in Appendice). A livello di studenti tale indice non è in relazione con i risultati di matematica. Tra i Paesi nei quali gli studenti si sentono maggiormente a loro agio nel contesto scolastico vi sono Austria, Germania, Spagna e Svizzera, mentre – all’estremo opposto della distribuzione – Corea e Francia (ma anche Giappone) sono tra i Paesi nei quali gli studenti si sentono meno bene a scuola. In Corea il 55% degli studenti ha l’impressione di non stare simpatico ai compagni e in Francia la metà o più degli studenti non si sente inserita a scuola. 9.1.2 Fattori relativi agli insegnanti che influiscono sul clima di apprendimento Un altro elemento che contribuisce a caratterizzare il clima della scuola e della classe, di cui PISA tiene conto, è costituito dagli insegnanti. Gli insegnanti giocano un ruolo importante nel motivare e incoraggiare gli studenti a impegnarsi nello studio e la relazione con gli insegnanti rappresenta una parte fondamentale dell’esperienza scolastica degli studenti. 3 A proposito dell’apparente contraddizione tra le percentuali relative ai singoli item (che sembrano indicare una percezione più positiva della media del proprio inserimento a scuola) e il valore dell’indice corrispondente, inferiore alla media, si veda la nota 2. 146 Sulla base delle risposte degli studenti e dei dirigenti a diverse domande di tipo autodescrittivo PISA ha costruito quattro indici che riguardano aspetti del comportamento degli insegnanti e della loro relazione con gli studenti che influiscono sul clima scolastico. 9.1.2.1 Sostegno dato dall’insegnante L’indice del “sostegno dato dall’insegnante” di matematica si basa sulle risposte degli studenti a domande che chiedono con che frequenza (su una scala a quattro livelli) si sentano seguiti e aiutati dall’insegnante durante le lezioni di matematica (Tabella 9.5 in Appendice). In particolare si è chiesto di indicare con che frequenza l’insegnante di matematica, ad esempio, si interessi all’apprendimento di ciascuno studente, aiuti gli studenti nell’apprendimento o continui a spiegare fino a quando gli studenti capiscono. Tali aspetti risultano cruciali rispetto all’esigenza, più che mai attuale, che la scuola e gli insegnanti rispondano in modo efficace all’eterogeneità degli studenti. Figura 9.8 – Indice del sostegno dato dall’insegnante Media indice 1,00 0,80 0,60 0,40 0,20 0,00 -0,20 -0,40 -0,60 -0,80 Ve ne to N or d Es t M es si co St at iU ni ti C an ad a Au st ra lia Fi nl an di Sv a iz ze ra G re ci a Sp ag na U ng he ria Ita lia Fr an ci a Po lo ni a C or ea G er m an ia Au st ria -1,00 Fonte: OCSE 2004 e database OCSE-PISA 2003/INValSI. Il Veneto ha un valore negativo su tale indice (-0,32) che indica che gli studenti percepiscono un sostegno da parte dell’insegnante di matematica minore rispetto alla media dell’OCSE e alla stessa media italiana (-0,12), già inferiore a quella OCSE. In particolare meno di uno studente su due (47%) dichiara che l’insegnante si interessa all’apprendimento di ciascuno studente, o continua a spiegare finché gli studenti hanno capito, sempre o la maggior parte delle volte. Tra i Paesi selezionati, quelli con un valore più elevato nell’indice del sostegno da parte dell’insegnante sono Canada, Messico e Stati Uniti, mentre quelli in cui l’indice ha i valori più bassi sono Austria, Corea e Germania. Nel caso del Veneto, come in quello del Nord Est più in generale e dell’Italia nel suo complesso l’indice del sostegno dato dall’insegnante indice presenta una relazione negativa con i risultati di matematica: alla percezione di un maggiore sostegno da parte dell’insegnante di matematica, corrispondono risultati più bassi da parte degli studenti, anche se la differenza di punteggio per unità dell’indice non è significativa nel caso del Veneto, mentre lo è nel caso dell’Italia (con un decremento di 16 punti sulla scala di matematica per unità dell’indice). Un’ipotesi per spiegare tale apparente paradosso è che in tali Paesi gli insegnanti mettano in atto comportamenti e sforzi compensativi in contesti, o nei confronti di studenti, svantaggiati. Tra i Paesi che hanno lo stesso andamento di una relazione negativa tra sostegno da parte degli insegnanti e risultati (complessivamente 23 Paesi sui 41 partecipanti) vi sono Austria, Francia, Germania, Grecia e Svizzera, mentre una relazione positiva tra sostegno da parte dell’insegnante e risultati degli studenti si riscontra in Canada, Corea, Finlandia e Stati Uniti. 147 9.1.2.2 Rapporto studenti-insegnanti Un indice del “rapporto studenti-insegnanti”, basato sulle risposte degli studenti, fornisce indicazioni sulla misura in cui gli studenti vanno d’accordo e si sentono ascoltati e trattati in modo equo dagli insegnanti (Tabella 9.6 in Appendice). In particolare si è chiesto agli studenti di indicare in che misura fossero d’accordo (su una scala con quattro livelli) con affermazioni quali “gli studenti vanno d’accordo con la maggior parte degli insegnanti”, “la maggior parte degli insegnanti ascolta veramente ciò che ho da dire”, “la maggior parte degli insegnanti mi tratta con giustizia”. Figura 9.9 – Indice del rapporto studenti-insegnanti Media indice 1,00 0,80 0,60 0,40 0,20 0,00 -0,20 -0,40 -0,60 -0,80 Ita lia Ve ne to N or d Es t M es si c Sv o iz ze ra C an ad a St at iU ni ti Au st ria Fi nl an di G a er m an ia C or ea G re ci a Fr an ci a U ng he ria Sp ag na Po lo ni a -1,00 Fonte: OCSE 2004 e database OCSE-PISA 2003/INValSI. L’Italia ha un valore di -0,29 sull’indice del rapporto studenti-insegnanti, inferiore alla media internazionale, a indicare che gli studenti italiani hanno una percezione più negativa della media internazionale del loro rapporto con gli insegnanti. Nel caso del Veneto, l’indice del rapporto studenti-insegnanti ha un valore ancora più basso di quello medio dell’Italia (-0,45), in linea con quello dell’area del Nord Est (-0,40). Per gli studenti del Veneto, l’aspetto più critico del rapporto studenti-insegnanti risulta essere il fatto che non si sentono aiutati dagli insegnanti. Il 48% degli studenti, dunque quasi uno studente su due, non concorda con l’affermazione che “se ho bisogno di maggiore aiuto lo ricevo dai miei insegnanti” (media Italia 41%, media OCSE 23%). Inoltre il 46% degli studenti non concorda con l’affermazione che “la maggior parte dei miei insegnanti ascolta veramente ciò che ho da dire” e il 44% di essi con quella che “gli studenti vanno d’accordo con la maggior parte degli insegnanti” (media Italia 40%, media OCSE 29%). Complessivamente, dunque, oltre il 40% degli studenti è insoddisfatto del rapporto con i propri insegnanti. Come nel caso dell’indice relativo al sostegno dato dagli insegnanti, anche in questo caso tra la percezione da parte degli studenti del rapporto con gli insegnanti e i risultati di matematica vi è una relazione negativa: gli studenti che si collocano nel quartile inferiore dell’indice hanno un punteggio di 22 punti – in media – più alto, sulla scala di matematica, di quelli che si trovano nel percentile superiore, che corrisponde a un decremento significativo di 10 punti sulla scala di matematica per unità dell’indice. La relazione è negativa anche per l’Italia nel suo complesso, con una differenza significativa di 44 punti sulla scala di matematica tra gli studenti nel quartile inferiore e quelli nel quartile superiore dell’indice. Anche in questo caso si può ipotizzare che gli insegnanti siano più disponibili nei confronti degli studenti, nei contesti più svantaggiati e con gli studenti più svantaggiati. 148 9.1.2.3 Aspetti del comportamento degli insegnanti che incidono sul clima scolastico Un indice degli aspetti del comportamento degli insegnanti che incidono sul clima scolastico è basato sulle dichiarazioni dei dirigenti scolastici relative alla misura in cui l’apprendimento degli studenti è ostacolato da relazioni studenti-insegnanti insoddisfacenti, da aspettative basse degli insegnanti nei confronti degli studenti, dall’assenteismo degli insegnanti, dall’incapacità degli insegnanti di rispondere alle esigenze degli studenti, da un’eccessiva severità degli insegnanti, da una resistenza al cambiamento e infine dal fatto che gli studenti non siano spinti a esprimere pienamente il loro potenziale (Tabella 9.7). Nella Tabella che segue si riportano le risposte dei dirigenti scolastici proporzionali al numero di studenti quindicenni iscritti, cioè la percentuale di studenti iscritti alle scuole nelle quali i dirigenti ritengono che i fattori citati ostacolino in certa misura o molto l’apprendimento degli studenti. Figura 9.10 – Percentuale di studenti iscritti a scuole nelle quali i dirigenti dichiarano che i seguenti fattori relativi agli insegnanti ostacolano l'apprendimento degli studenti Scarse aspettative degli insegnanti Rapporto insoddisfa -cente tra insegnanti e allievi % % Gli insegnanti non vengono incontro ai bisogni individuali degli studenti % Austria Canada Corea Finlandia Germania Grecia Italia Messico Polonia Spagna Stati Uniti Svizzera Ungheria Media OCSE 16 11 32 7 10 45 12 41 12 21 24 8 9 9 12 14 14 14 41 34 24 10 10 14 11 17 22 Veneto Nord Est 21 14 Assenteismo degli insegnanti Resistenze al cambiament o da parte del personale scolastico Eccessiva severità degli insegnanti con gli studenti Gli studenti non sono incoraggiati a esprimere fino in fondo le loro potenzialità % % % % 21 33 28 35 31 43 28 35 19 21 32 21 23 14 8 11 20 23 40 10 27 10 13 13 5 21 17 33 17 13 25 31 37 40 10 27 34 23 4 7 8 8 6 3 23 13 27 5 7 5 3 12 22 16 27 16 23 29 25 46 19 21 13 11 23 17 33 19 26 9 23 34 33 27 30 11 7 39 29 13 11 36 34 Fonte: OCSE 2004 e database OCSE-PISA 2003/INValSI. Nel caso del Veneto gli aspetti più critici dei comportamenti degli insegnanti dal punto di vista dei dirigenti scolastici sono, nell’ordine, “le resistenze al cambiamento da parte del personale scolastico”, indicato come un problema che ostacola “molto” o “in una certa misura” l’apprendimento per il 39% degli studenti (media Italia 37%, media OCSE 26%), “il fatto che gli studenti non sono incoraggiati a esprimere fino in fondo le loro potenzialità”, che risulta essere un problema che ostacola “in una certa misura” o “molto” l’apprendimento per il 36% degli studenti (media Italia 25%, media OCSE 23%) e “un rapporto insoddisfacente tra insegnanti e allievi”, che risulta ostacolare l’apprendimento per il 34% degli studenti (media Italia 34%, media OCSE 17%). 149 Nella figura che segue si presenta il valore medio dell’indice che sintetizza le risposte dei dirigenti alle domande relative agli aspetti del comportamento degli insegnanti che incidono sul clima scolastico. Figura 9.11 – Indice degli aspetti del comportamento degli insegnanti che incidono sul clima scolastico Media indice 1,00 0,80 0,60 0,40 0,20 0,00 -0,20 -0,40 -0,60 -0,80 -1,00 iz Sv r ze a U ng he r ia Po ni lo a Co re a a Sp gn a Au ri st a nl Fi an di a Ita lia C an a ad G m er i an a St iU at ni ti M es o s ic G re a ci U gu ru ay N or d t Es Ve t ne o Fonte: OCSE 2004 e database OCSE-PISA 2003/INValSI. Il Veneto ha un valore di -0,04 sull’indice dei comportamenti degli insegnanti che incidono sul clima scolastico, analogo alla media dell’OCSE e alla media italiana (0,05). La relazione tra l’indice e i risultati degli studenti è negativa, ma la differenza associata a un’unità dell’indice non è significativa. I Paesi con un indice più alto dei comportamenti degli insegnanti che incidono sul clima scolastico sono Austria, Corea, Polonia, Spagna e Svizzera, mentre quelli in cui tale indice è più basso sono Grecia e Messico. 9.1.2.4 Morale e impegno/coinvolgimento degli insegnanti Un indice relativo al morale e all’impegno/coinvolgimento degli insegnanti, basato anche esso sulle dichiarazioni dei dirigenti scolastici, fornisce indicazioni sul rapporto degli insegnanti con la scuola (Figura 9.12 e Tabella 9.8 in Appendice). In particolare si è chiesto ai dirigenti di indicare in che misura fossero d’accordo con le affermazioni che gli insegnanti della loro scuola “hanno il morale alto”, “lavorano con entusiasmo”, “sono fieri della loro scuola” e “danno importanza ai risultati degli studenti”. 150 Figura 9.12 – Indice del morale e impegno/coinvolgimento degli insegnanti Media indice 1,00 0,80 0,60 0,40 0,20 0,00 -0,20 -0,40 -0,60 -0,80 Ve ne to N or d Es t lia Ita Au st ri a Fi nl an di a St at iU ni ti Sv iz ze ra C an ad a U ng he ria G re ci a Po lo ni a G er m an ia M es si co Sp ag na C or ea -1,00 Fonte: OCSE 2004 e database OCSE-PISA 2003/INValSI. Nel caso del Veneto il valore dell’indice che sintetizza le risposte alle diverse domande circa il morale degli insegnanti è di -0,84, ben inferiore alla media internazionale e in linea con la media dell’Italia (-0,61). L’Italia è il Paese con il valore più basso tra i Paesi dell’OCSE, mentre valori comparativamente elevati si trovano in Austria (0,49) e in Finlandia (0,30). Nel caso del Veneto, come dell’Italia nel suo complesso, si registra dunque una evidente situazione di scontentezza da parte degli insegnanti. Tra l’indice relativo al morale degli insegnanti e i risultati di matematica degli studenti vi è una relazione positiva, anche se la differenza di 23 punti tra gli studenti che si trovano nel quartile superiore dell’indice e quelli che si trovano del quartile inferiore non è significativa, come non lo è l’aumento di 11 punti nel punteggio di matematica in corrispondenza dell’aumento di un’unità dell’indice. A prescindere da ciò, tuttavia, la questione della scarsa soddisfazione degli insegnanti nei confronti del loro lavoro risulta una questione rilevante di per sé, che richiede di essere approfondita. 151 Di seguito si presentano le percentuali di studenti iscritti a scuole nelle quali i dirigenti si sono dichiarati d’accordo o molto d’accordo con le affermazioni dalle quali è stato derivato l’indice. Figura 9.13 – Percentuale di studenti iscritti a scuole i cui dirigenti si dichiarano d’accordo o molto d’accordo con affermazioni circa il morale degli insegnanti Il morale degli insegnanti di questa scuola è alto Gli insegnanti lavorano con entusiasmo Gli insegnanti sono fieri di questa scuola Gli insegnanti danno molta importanza ai risultati scolastici Indice del morale degli insegnanti % % % % media Austria Canada Corea Finlandia Germania Grecia Italia Messico Polonia Spagna Stati Uniti Svizzera Ungheria Media OCSE 98 88 80 98 97 87 75 91 81 79 88 94 96 87 99 95 93 96 96 84 81 90 97 90 95 99 87 90 97 97 85 96 90 87 87 87 95 93 96 94 96 90 99 99 99 97 99 94 92 99 97 99 98 100 93 0,49 0,13 -0,42 0,30 0,04 0,09 -0,61 -0,02 0,08 -0,35 0,23 0,21 0,10 0,00 Veneto Nord Est 63 65 69 71 75 72 96 91 -0,84 -0,78 87 Fonte: OCSE 2004 e database OCSE-PISA 2003/INValSI. Dalle risposte dei dirigenti ai singoli item che compongono l’indice risulta che il 35% degli studenti, cioè più di 1 studente su 3, è iscritto a scuole nelle quali il morale degli insegnanti non è alto, secondo le dichiarazioni dei dirigenti, il 31% a scuole nelle quali gli insegnanti non lavorano con entusiasmo. 152 9.1.3 Clima scolastico e risultati degli studenti Nella figura che segue viene sintetizzata la relazione con i risultati di matematica dei diversi indici del clima scolastico utilizzati da PISA 2003, considerati ciascuno isolatamente. Figura 9.14 – Differenza nel punteggio di matematica per unità dell’indice Differenza nel punteggio di matematica per unità dell’indice -30 -20 -10 0 10 20 30 40 Media OCSE Italia clima disciplinare Veneto Media OCSE Italia comportamenti studenti Veneto Media OCSE Italia morale studenti Veneto Media OCSE sostegno da insegnanti Italia Veneto . . Media OCSE Media OCSE Austria rapporto studenti-insegnanti Canada Italia Corea Finlandia Veneto Germania Media OCSE Grecia Italia comportamenti insegnanti Messico Italia Polonia Spagna Veneto Stati Uniti Media OCSE Svizzera Ungheria Veneto Italia morale insegnanti . . Veneto Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. 153 50 Non interessa qui esaminare nel dettaglio l’andamento dei singoli Paesi, ma sottolineare il fatto che per alcuni degli indicatori vi è una relazione positiva con i risultati (di matematica) degli studenti che è generalizzata, nei diversi Paesi considerati per il confronto, mentre per altri indicatori la relazione con i risultati cambia di segno da un Paese all’altro (o è assente). Tra gli indicatori del clima scolastico che presentano una relazione positiva con l’apprendimento in tutti i Paesi considerati, per cui ad una percezione più positiva da parte degli studenti o del dirigente corrispondono risultati degli studenti più elevati vi sono: il clima disciplinare della classe, come viene giudicato dagli studenti, i comportamenti degli studenti che influiscono sul clima della scuola e della classe, come vengono percepiti dal dirigente, il morale e il livello di impegno/coinvolgimento degli studenti e quello degli insegnanti, sempre in base alle dichiarazioni dei dirigenti. Tali indicatori meritano un ulteriore approfondimento non solo per l’interesse che essi rivestono in sé, in quanto indicatori della qualità della vita scolastica di studenti e insegnanti, ma anche per la loro relazione con i risultati di apprendimento. Nel caso del Veneto, l’andamento della relazione tra tali indici e i risultati di apprendimento è coerente con quello rilevato a livello internazionale. Gli indici maggiormente in relazione con i risultati di matematica sono quelli relativi agli studenti: l’indice del morale degli studenti, l’indice dei comportamenti degli studenti che incidono sul clima scolastico e quello del clima disciplinare della classe durante le lezioni dimatematica, ma anche l’indice del morale degli insegnanti. 9.1.4 Il rapporto tra voti scolastici e punteggi di PISA Un’informazione indiretta, ma più comparabile rispetto alle dichiarazioni dei dirigenti scolastici, relativa alle aspettative nei confronti degli studenti è costituita da quanto viene considerato rispettivamente sufficiente e insufficiente, nelle prestazioni degli studenti, che si ricava da una domanda del questionario rivolto agli studenti relativa al voto di matematica preso nell’ultima pagella. Se si confronta il punteggio medio sulla scala di competenza matematica che corrisponde alla sufficienza e quello che corrisponde all’insufficienza, è possibile mettere in relazione un criterio oggettivo di valutazione, costituito dal punteggio sulla scala di PISA (dove oggettivo significa che l’attribuzione del punteggio è indipendente da chi la fa) con un criterio più soggettivo e influenzato dal contesto. Oltre che una classificazione di ciascuno studente per quanto riguarda le sue prestazioni, il voto rappresenta un’espressione di quanto ci si aspetta dai ragazzi, e in particolare di quale livello, rispetto alla scala di PISA, venga considerato come insufficiente, e quale coincida, in media con la sufficienza e oltre. 154 Nella figura che segue si presentano i punteggi sulla scala di matematica che corrispondono ai voti di matematica ottenuti nell’ultima pagella, con le seguenti categorie: 4 (o meno), 5, 6, 7, e 8 (o più). Figura 9.15 – Punteggi sulla scala di matematica e voti di matematica ottenuti nell’ultima pagella, Veneto e Italia 600 580 Punteggio di matematica 560 555 541 540 525 520 509 500 492 487 480 460 465 465 444 440 Veneto 420 420 Italia 400 4 o meno 5 6 7 8 o più Voto Fonte: database OCSE PISA 2003/INValSI. I dati evidenziano che uno stesso livello di prestazioni in matematica, come viene rilevato dalle prove di PISA, viene valutato in modi diversi in diverse parti del nostro Paese, come emerge dal décalage tra i punteggi che corrispondono ai diversi voti, rispettivamente in Veneto e nell’Italia nel suo complesso. Tra il punteggio che corrisponde alla sufficienza (voto 6) rispettivamente in Veneto e in media in Italia vi è una differenza di 44 punti e le prestazioni che corrispondono a un voto sufficiente nell’ultima pagella si collocano a Livello 2 nel caso della media italiana, mentre si collocano a Livello 3 nel caso del Veneto. 155 Un décalage ancora maggiore nel rapporto tra voti e punteggi di PISA si rileva nel Veneto tra diversi indirizzi scolastici. Nella figura che segue si riportano i punteggi che corrispondono ai diversi voti per i diversi tipi di istruzione. Figura 9.16 – Punteggi sulla scala di matematica e voti di matematica ottenuti nell’ultima pagella per tipo di istruzione, Veneto 650 600 590 561 556 Punteggio di matematica 550 561 541 500 514 517 502 503 494 494 484 462 450 436 426 400 Licei Istituti Tecnici Istituti Professionali 350 4 o meno 5 6 Voto 7 8 o più Fonte: database OCSE PISA 2003/INValSI. Se tra Licei e Istituti tecnici le differenze sono contenute e non significative, tra Licei e Istituti tecnici da un lato e Istituti professionali dall’altro c’è, invece, un divario notevole nei punteggi che corrispondono ai voti: tra il punteggio che corrisponde alla sufficienza negli Istituti tecnici e quello che corrisponde alla sufficienza negli Istituti professionali ci sono 52 punti di differenza e ce ne sono 79 tra Licei e Istituti professionali. Mentre ci si può aspettare un décalage nei punteggi dei diversi tipi di istruzione, la discrepanza che si rivela tra questi, nel rapporto tra voti e punteggi, e in particolare nel livello di competenza che corrisponde alla sufficienza, da un’idea più precisa delle oscillazioni del metro di misura utilizzato. 156 9.2 Risorse e competenza matematica dei quindicenni In questa sezione si considerano diversi aspetti relativi alle risorse delle scuole, che vengono messi in relazione con le prestazioni degli studenti. Tra questi aspetti si considerano in particolare, il tempo investito nell’apprendimento e la percezione che il dirigente ha dell’adeguatezza rispettivamente del personale, delle risorse didattiche e delle infrastrutture. 9.2.1 Tempo dedicato all’apprendimento Una prima risorsa nel processo di apprendimento/insegnamento è costituita dal tempo durante il quale gli studenti sono impegnati in attività di apprendimento. Esso costituisce uno dei fattori sui quali è possibile intervenire per migliorare i risultati dell’istruzione, aumentandolo e/o ottimizzandone l’uso. In media, gli studenti quindicenni del Veneto hanno poco più di 27 ore alla settimana di istruzione, tempo che supera di 3 ore la media dell’OCSE (24 ore) (media Italia: 26 ore e mezza). Tra i Paesi con il numero di ore settimanali più basso (22-23 ore) vi sono Finlandia, Germania, Polonia, e Stati Uniti, mentre tra quelli con il numero di ore più elevato (da 27 a 30) vi sono Austria e Corea. All’interno di tale monte ore, circa 3 ore e mezza sono, in media, dedicate alla matematica (Italia 3,6, media OCSE 3,3). L’insegnamento istituzionale però costituisce solo una parte del tempo di apprendimento degli studenti. A questo si aggiunge il tempo dedicato a casa ai compiti e quello impiegato in corsi di recupero o di potenziamento, alle ripetizioni e ad altri corsi al di fuori della scuola. Gli studenti del Veneto dichiarano di dedicare allo studio al di fuori della scuola, in media, quasi un terzo del tempo complessivo dedicato all’apprendimento, cioè 12 ore alla settimana (media Italia 13 ore, media OCSE 9 ore). Tra i Paesi nei quali i quindicenni dedicano allo studio al di fuori della scuola un tempo più limitato vi sono Austria, Finlandia e Svizzera (dove il tempo speso per lo studio al di fuori della scuola non supera il 20% del tempo complessivamente impegnato dall’apprendimento di tipo scolastico), mentre tra i Paesi in cui tale tempo è più elevato vi sono, oltre all’Italia, Corea, Grecia, Messico, Spagna e Ungheria. I compiti rappresentano la porzione maggiore di tale tempo, con una media che per l’Italia è pari a 10 ore e mezza alla settimana (contro una media OCSE di circa 6 ore) delle quali 3 e mezza dedicate ai compiti di matematica (a confronto di una media OCSE di circa 2 ore e mezza). Nel caso del Veneto il tempo dedicato ai compiti è di circa 10 ore alla settimana. Il risultato è che in Veneto, così come in generale in Italia e in Corea, Grecia, Messico e Turchia gli studenti sono impegnati complessivamente più di 40 ore alla settimana in attività di apprendimento legate alla scuola, tra quelle passate in classe e quelle dedicate allo studio fuori dall’orario scolastico (media OCSE: 35 ore). Come già rilevato in altre indagini in Italia, il tempo dedicato ai compiti, che può anche costituire un indicatore della motivazione degli studenti e del valore accordato alla riuscita scolastica, sia del lavoro e dell’impegno richiesto dagli insegnanti agli studenti, presenta una relazione positiva con i risultati di apprendimento4. Figura 9.17 – Ore dedicate ai compiti a casa e risultati di matematica, Veneto fino a 2 ore 15,4 1,7 Punteggio di matematica 481 da più di 2 a 4 ore 9,3 0,9 498 8,9 da più di 4 a 10 ore 34,0 2,0 515 6,4 da più di 10 a 15 ore 20,0 0,9 531 7,0 oltre 15 ore 21,4 2,4 531 6,1 Ore dedicate ai compiti a casa % 15enni Errore Standard Fonte: database OCSE PISA 2003/INValSI. 4 Occorre ricordare che tale dato è un dato dichiarato e non un dato accertato. 157 Errore Standard 10,5 9.2.2 Risorse umane Il questionario scuola chiedeva ai dirigenti di indicare su una scala a quattro livelli (da “per niente” a “molto”) in che misura la didattica risentisse della carenza o dell’inadeguatezza delle risorse umane della loro scuola, e più precisamente della mancanza o dell’inadeguatezza di insegnanti di matematica qualificati, di insegnanti di scienze qualificati, di insegnanti di italiano qualificati, di insegnanti di lingua straniera qualificati e di insegnanti con esperienza. Valori positivi in tale indice indicano che i dirigenti ritengono che la didattica risenta dell’inadeguatezza del personale docente, mentre valori negativi indicano che essi non ritengono che la didattica risenta di ciò. Per il Veneto il valore dell’indice (0,30) è superiore alla media internazionale, a indicare che i dirigenti ritengono che vi siano più carenze o inadeguatezze del personale docente delle proprie scuole rispetto alla media dell’OCSE mentre la differenza con il valore medio dell’Italia (0,08) non è significativa. Come a livello nazionale, anche nel caso del Veneto non si è rilevata una relazione tra tale indice e i punteggi di matematica degli studenti 5. 9.2.3 Risorse didattiche e infrastrutture Il questionario scuola chiedeva ai dirigenti di indicare anche in che misura la didattica risentisse dell’inadeguatezza o della carenza di determinate risorse didattiche o delle infrastrutture. Le risorse didattiche elencate comprendevano libri di testo, computer per la didattica, software per la didattica, calcolatrici, materiali della biblioteca, materiali audiovisivi e attrezzature/materiali del laboratorio di scienze, mentre per quanto riguarda le infrastrutture si chiedeva una valutazione dell’edificio scolastico e degli spazi esterni, degli impianti di riscaldamento, degli impianti di illuminazione e delle aule. Sulla base delle risposte ottenute sono stati costruiti due indici, che riguardano rispettivamente la percezione della qualità delle risorse didattiche e di quella delle infrastrutture. Valori positivi in tali indici indicano che i dirigenti non ritengono che le risorse didattiche della scuola e le sue infrastrutture costituiscano un problema per i processi di apprendimento/insegnamento. L’indice relativo alle risorse didattiche ha un valore positivo per il Veneto (0,25) analogo a quello medio dell’Italia (0,14) e non significativamente differente dalla media internazionale. Tra i Paesi dove tale indice ha valori superiori a 0,50 vi sono Corea, Stati Uniti e Svizzera. La percezione dei dirigenti scolastici è invece meno positiva per quanto riguarda le infrastrutture, con un valore di -0,19 sull’indice (media Italia -0,03), anche se la differenza rispetto alla media italiana e internazionale non è significativa. Tra i Paesi in cui i valori di questo indice sono più elevati, a indicare una percezione positiva delle infrastrutture scolastiche, vi sono Corea e Svizzera, mentre tra i Paesi nei quali questo viene percepito come un grosso problema vi è la Grecia. La relazione tra le risorse didattiche e le infrastrutture, da un lato, e i risultati degli studenti, dall’altro, è positiva (per cui a una percezione media più positiva di risorse e infrastrutture corrispondono punteggi medi più elevati), ma la differenza nei punteggi di matematica associata all’aumento di un’unità degli indici non è significativa. Viceversa, tale differenza è significativa nel caso dell’Italia nel suo complesso, con 37 punti di vantaggio per gli studenti che si collocano nel quartile superiore della distribuzione delle risorse didattiche (rispetto a quelli nel quartile inferiore) e 28 punti di vantaggio nel caso delle infrastrutture, a indicare la presenza di scuole connotate da uno svantaggio sia nei risultati sia nelle condizioni materiali in cui si realizza l’apprendimento. 5 Nella lettura di questi dati occorre considerare che l’adeguatezza del corpo docente non è stata accertata in relazione a un’unità di misura comune a livello internazionale, come ad esempio il numero di studenti per insegnante, ma in base alla percezione da parte dei dirigenti scolastici del fatto che l’apprendimento degli studenti sia o meno ostacolato da eventuali carenze a livello di insegnanti. 158 9.3 Pratiche di valutazione 9.3.1 Metodi di valutazione e risultati di matematica Nel questionario scuola erano previste alcune domande per raccogliere informazioni circa i metodi di valutazione adottati nell’istituto e esaminare la relazione tra questi e i risultati raggiunti dagli studenti in matematica. In particolare è stato richiesto ai dirigenti scolastici di dichiarare la frequenza con cui viene attuato ogni particolare tipo di valutazione, identificando come soglia per definire abituale l’uso una periodicità di almeno tre volte all’anno. Nel complesso la frequenza delle modalità attraverso cui viene realizzata la valutazione non sembra avere un effetto decisivo sui risultati in matematica degli studenti, con una debole tendenza al peggioramento degli esiti se il tipo specifico di valutazione viene riproposto in modo più sistematico nel corso dell’anno scolastico. Un esempio indicativo è rappresentato dall’utilizzazione di test standardizzati. Figura 9.18- Percentuale di studenti i cui dirigenti dichiarano di utilizzare valutazioni basate su prove standardizzate e risultati sulla scala di matematica Valutazioni basate su prove standardizzate 2 volte all'anno o meno Almeno 3 volte all'anno Austria Canada Corea Finlandia Germania Grecia Italia Messico Polonia Spagna Stati Uniti Svizzera Ungheria Media OCSE 88,1 87,4 41,3 83,5 93,7 68,1 61,8 59,4 79,9 63,6 78,7 88,9 81,1 77,0 Risultati sulla scala di matematica 503 533 516 544 506 437 474 392 489 490 487 528 495 501 Veneto Nord Est 59,0 70,4 507 510 Percentuale di studenti 11,9 12,6 58,7 16,5 6,3 32,0 38,2 40,6 20,1 36,4 21,3 11,1 18,9 23,0 Risultati sulla scala di matematica 522 532 560 544 486 466 450 375 494 477 481 512 471 496 Differenze fra i risultati di matematica 20 0 44 0 -20 30 -25 -16 5 -14 -6 -15 -24 -5 41,0 29,6 517 501 10 -10 Percentuale di studenti Fonte: OCSE 2004 database OCSE PISA 2003/INValSI. La differenza rilevata a livello nazionale tra i punteggi di matematica degli studenti sottoposti più frequentemente a verifica tramite prove standardizzate e quelli per i quali questo strumento è utilizzato solo sporadicamente cambia del tutto segno per il Veneto (+10), ma non risulta significativa per la presenza di un forte errore standard, con una percentuale di studenti che svolgono più spesso prove standardizzate che sale al 41,0, rispetto al 38,2 degli studenti italiani. Da notare che invece la differenza relativa alla macro area Nord-Est risulta più simile al dato nazionale, anche se attenuata (-10) e non significativa. Tra i diversi Paesi OCSE spicca la differenza tra i risultati di matematica rilevata per gli studenti coreani, dove la maggioranza degli studenti viene sottoposta con maggiore periodicità a verifiche con prove standardizzate e questa maggiore frequenza è legata a un miglioramento netto (+44) e significativo dei risultati in matematica. L’unico altro Paese in cui la differenza positiva risulta essere significativa è la Grecia. Un effetto apprezzabile, ma sempre negativo, sembra esserci anche per la valutazione più frequente (tre o più volte) di lavori individuali degli studenti. Il dato italiano presenta una differenza negativa (159 35) che favorisce il 10% di studenti che vengono valutati meno frequentemente con questa modalità, risultando in controtendenza rispetto alla media OCSE, dove la maggiore frequenza di questo tipo di valutazione risulta associata a migliori risultati in matematica. Figura 9.19 - Percentuali di studenti i cui dirigenti dichiarano la frequenza di valutazioni basate su lavori individuali degli studenti e relativi risultati sulla scala di matematica Valutazioni basate su lavori individuali degli studenti 2 volte all'anno o meno Austria Canada Corea Finlandia Germania Grecia Italia Messico Polonia Spagna Stati Uniti Svizzera Ungheria 11,0 2,1 34,6 11,6 9,6 85,3 10,0 25,0 4,2 2,9 0,5 14,7 1,2 Risultati sulla scala di matematica 466 c 536 540 511 447 497 390 498 c c 548 c Media OCSE 14,1 Veneto Nord Est 6,3 7,4 Percentuale di studenti Almeno 3 volte all'anno 89,0 97,9 65,4 88,4 90,4 14,7 90,0 75,0 95,8 97,1 99,5 85,3 98,8 Risultati sulla scala di matematica 510 532 545 545 504 435 462 383 490 485 486 523 490 477 85,9 503 26 522 478 93,7 92,6 510 514 -12 36 Percentuale di studenti Differenze fra i risultati 44 c 10 5 -7 -12 -35 -7 -9 c c -25 c c: i casi sono troppo pochi per fornire stime affidabili. Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. La differenza di punteggio a favore degli studenti valutati in modo meno sistematico sui propri lavori diminuisce nettamente a livello regionale (-12), e non risulta significativa, con una percentuale di studenti valutati spesso con questa modalità ancora più alta rispetto al dato nazionale. Completamente opposto l’andamento della macroarea, anche se la differenza positiva (+36) a favore degli studenti valutati con maggiore frequenza non risulta significativa. Tra i Paesi OCSE questa volta spicca la differenza rilevata in Austria, con ben 44 punti a favore degli studenti i cui lavori individuali vengono valutati più frequentemente. Anche l’uso frequente (tre o più volte) di test costruiti dall’insegnante non sembra essere in relazione con i risultati di matematica. A livello nazionale la stragrande maggioranza degli studenti è valutata frequentemente con questo strumento (93,4%), ma la differenza di punteggio (-16) rispetto a chi è valutato meno di tre volte nel corso dell’anno non risulta significativa. La differenza di punteggio fra le stesse categorie di studenti diventa invece positiva a livello regionale (+51), risultando significativa a favore di una maggiore frequenza di utilizzo di questo tipo di prove, ma bisogna considerare che la percentuale di frequenza diventa ancora più alta (95,9). Nella maggior parte dei Paesi dell’OCSE le differenze relative a questa modalità di valutazione sono molto contenute o addirittura non apprezzabili in considerazione dell’alta frequenza di utilizzazione da parte degli insegnanti. I risultati completi relativi ai metodi di valutazione e al profitto in matematica sono riportati in Appendice nelle tabelle 5.9. 160 9.3.2 Uso della valutazione e profitto in matematica Per quanto riguarda l’uso che ogni istituto fa delle valutazioni dei propri studenti, non emergono nel complesso relazioni evidenti con i risultati degli studenti, per la maggior parte delle modalità su cui i dirigenti scolastici sono stati chiamati a rispondere nel questionario scuola di PISA 2003. Ma vediamo in particolare quali sono queste modalità. L’informazione ai genitori sui risultati dei ragazzi è attuata nella quasi totalità degli istituti, per cui non risulta possibile il confronto con i casi di non informazione. Un’utilizzazione delle valutazioni degli studenti considerata generalmente positiva è la comparazione con i risultati di indagini locali o nazionali. Nella figura che segue si può notare l’esistenza di nette differenze fra i diversi Paesi OCSE circa la consuetudine relativa a questa utilizzazione delle valutazioni. Figura 9.20 - Percentuale di studenti i cui dirigenti dichiarano di confrontare i risultati della scuola con quelli della realtà locale o nazionale e risultati di matematica Confronto dei risultati con realtà locale o nazionale Scuole che usano questo metodo Scuole che non usano questo metodo Austria Canada Corea Finlandia Germania Grecia Italia Messico Polonia Spagna Stati Uniti Svizzera Ungheria 12,2 67,8 61,0 56,0 20,7 12,1 31,8 53,9 71,1 18,1 89,8 18,3 84,3 Risultati sulla scala di matematica 505 533 562 546 521 465 472 391 493 490 484 540 489 Media OCSE 45,6 504 52,7 496 9 Veneto Nord Est 21,8 29,7 495 511 78,2 70,3 516 512 -21 -1 Percentuale di studenti 85,9 28,9 37,4 43,4 76,8 86,8 65,3 43,2 28,9 81,2 9,2 80,3 13,2 Risultati sulla scala di matematica 505 533 511 542 500 443 463 379 484 484 497 523 503 Differenze fra i risultati di matematica 0 0 52 4 21 22 9 12 9 6 -12 16 -14 Percentuale di studenti Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. Il 22% degli studenti veneti sono coinvolti in questo tipo di confronti, leggermente di meno rispetto al 32% degli studenti italiani e al 30% del Nord Est, ma in tutti e tre gli ambiti non risultano differenze significative di punteggio rispetto agli studenti delle scuole in cui i confronti con risultati locali o nazionali non vengono realizzati, come invece accade in alcuni Paesi (Corea, ma anche Belgio, Olanda, Giappone). 161 Nella figura che segue sono riepilogate le percentuali di studenti interessate da altre modalità di uso della valutazione che però, per la realtà provinciale/regionale come per quella nazionale, non sono associate a differenze significative nei punteggi di matematica. Figura 9.21 - Percentuali di studenti i cui dirigenti dichiarano di utilizzare i risultati della valutazione per determinate finalità. Monitoraggio dei progressi della scuola Comparazion e con risultati di altre scuole Austria Canada Corea Finlandia Germania Grecia Italia Messico Polonia Spagna Stati Uniti Svizzera Ungheria % 57,6 77,1 57,6 65,0 43,2 35,2 67,2 90,4 96,6 68,0 92,3 24,3 93,9 % 36,7 50,7 54,0 34,7 16,7 15,7 28,3 49,6 62,3 17,0 79,4 15,7 75,0 Giudizio sull’efficacia degli insegnanti % 35,0 30,4 53,6 31,9 11,5 15,0 22,5 76,2 73,2 35,6 53,9 36,2 74,5 Media OCSE 69,3 40,4 Veneto Nord Est 65,0 49,3 21,9 24,0 Decisioni su promozioni e bocciature Individuare miglioramenti del curricolo % 92,0 93,0 24,4 34,0 93,6 99,4 81,8 91,5 84,2 99,5 75,2 94,9 92,9 % 63,9 81,9 88,8 65,1 43,6 40,0 81,8 87,9 87,8 87,8 90,9 51,3 90,7 43,9 78,9 74,3 17,0 8,6 89,7 95,3 82,2 80,8 Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. Il monitoraggio periodico dei risultati complessivi dell’istituto riguarda il 65% degli studenti della Veneto, in linea con il 67% del dato nazionale e ben sopra il 49% della macroarea. Questo fattore è associato con risultati significativamente più elevati solo in Corea e Polonia per gli istituti in cui viene svolto regolarmente, e si può notare che sono pochi i Paesi per i quali questa pratica risulta essere effettivamente di sistema, con percentuali superiori al 90%. Se passiamo alla comparazione dei propri risultati con quelli di altre scuole vediamo che questo uso della valutazione interessa solo il 22% degli studenti in Veneto e risulta in genere poco diffuso in Italia e in molti altri Paesi. Si tratta di un fattore che ha una relazione positiva con i risultati in Corea, Grecia e Svizzera. L’uso della valutazione per giudicare l’efficacia degli insegnanti è associato a effetti apprezzabili solo in Grecia (e Belgio), mentre in Italia non è in relazione con differenze significative nei risultati di quel 23% degli studenti che si trova nelle scuole in cui i dirigenti hanno dichiarato di ricorrere a questa pratica, mentre per il 17% degli studenti del Veneto l’effetto risulta essere significativamente negativo, con una differenza a sfavore di questa modalità di 38 punti (480 contro 517). A livello internazionale risulta essere la modalità più in equilibrio (43% dell’OCSE) circa l’utilizzazione, a conferma dell’incertezza esistente sul collegamento fra valutazioni degli studenti e giudizi sugli insegnanti. L’unica utilizzazione della valutazione che in Italia risulta associata con differenze apprezzabili nei risultati di matematica riguarda la presa di decisioni sulle promozioni e sulle bocciature, dichiarata dai capi d’istituto dell’82% degli studenti italiani, che ottengono un risultato in matematica nettamente più alto (474 contro 423) rispetto ai compagni nelle cui scuole questa pratica risulta non applicata (evidentemente sostituita del tutto da meccanismi come quello dei debiti formativi). Ciò si rileva anche in Austria e Messico (come pure in Olanda). Si tratta comunque della modalità più utilizzata a livello internazionale, con una percentuale che sfiora l’80%. Nella Veneto praticamente questa differenza scompare (511 contro 509) e la percentuale di studenti interessati sale addirittura al 90%. Infine la pratica di sfruttare la valutazione per identificare gli aspetti dell’istruzione o del curriculum che possono essere migliorati risulta molto diffusa in Veneto, dove l’82% di studenti interessati 162 ottiene risultati leggermente migliori, ma non in modo significativo, in modo simile a quanto avviene per l’Italia, dove coinvolge la stessa percentuale di studenti. Da osservare la situazione originale della Germania, dove sono significativamente migliori i risultati degli studenti non interessati da questa pratica, che sono anche, unico caso oltre alla Grecia, la maggioranza. I risultati completi relativi all’uso della valutazione e al profitto in matematica sono riportati in Appendice. 9.4 Aspetti di gestione della scuola La possibilità per le diverse componenti scolastiche di influire sul funzionamento della scuola risulta essere uno dei fattori che più caratterizzano un sistema di istruzione. Le possibilità possono essere determinate sia a livello nazionale sia con le abitudini costruite secondo il livello di autonomia scolastica riconosciuto a ogni istituto. Anche in questo caso la fonte di informazione è il dirigente scolastico e le sue dichiarazioni circa l’influenza che possono avere nelle decisioni scolastiche i diversi stakeholders. Si è preferito mantenere il termine originale per la difficoltà oggettiva di tradurlo efficacemente (corrisponde a quello di chi raccoglie le giocate per una scommessa) per definire coloro che hanno un interesse in gioco; in pratica gli stakeholders sono i decisori, gli operatori e i beneficiari di un sistema specifico. Nella tabella seguente sono riportate le percentuali di coinvolgimento degli stakeholders su un tema cruciale della gestione scolastica, il bilancio scolastico. Figura 9.22 - Percentuale di studenti i cui dirigenti dichiarano di coinvolgere determinati stakeholders nella pianificazione del bilancio scolastico Austria Canada Corea Finlandia Germania Grecia Italia Messico Polonia Spagna Stati Uniti Svizzera Ungheria % 67,4 68,9 40,1 96,9 25,5 55,7 30,2 38,1 23,8 52,4 74,5 59,5 64,9 Organi direttivi o di gestione della scuola % 20,5 74,0 69,4 53,3 93,3 49,0 90,0 24,3 16,5 81,1 88,7 74,9 62,3 Media OCSE 58,0 61,4 15,2 17,0 5,4 Veneto Nord Est 39,2 48,7 93,5 95,5 19,2 13,9 22,4 18,3 19,9 20,2 Autorità regionali o nazionali Gruppi di genitori Gruppi di docenti Gruppi di studenti % 10,1 23,8 18,9 32,2 25,3 13,6 23,3 34,9 37,3 28,7 23,7 0,7 2,1 % 14,6 19,7 29,9 4,5 2,5 3,8 17,6 7,5 16,0 9,2 36,1 5,1 31,5 % 0,5 6,6 11,9 0,4 9,8 2,9 17,7 7,8 2,6 8,1 4,3 0,1 7,6 Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. Per il Veneto spiccano, rispetto alle percentuali nazionali, i livelli di coinvolgimento delle autorità locali, degli organi di gestione dell’istituto e dei gruppi di insegnanti, mentre risulta attenuato il coinvolgimento di tutti gli altri stakeholders. Fra i diversi Paesi spicca la posizione della Finlandia, in cui il ruolo delle autorità nazionali e regionali sulle decisioni di bilancio risulta determinante. Da notare anche lo scarsissimo peso che risultano avere i genitori in Svizzera e Ungheria. Per quanto riguarda i gruppi di studenti, l’Italia è il Paese dove la percentuale di coinvolgimento è maggiore. Un altro tema delicato su cui le diverse componenti scolastiche possono essere chiamate in causa riguarda le pratiche di valutazione. In questo caso tra le possibilità previste per le risposte dei 163 dirigenti è stato aggiunto il possibile coinvolgimento di commissioni esterne per gli esami. Come si può notare dai dati relativi alla media OCSE non si tratta di un tema su cui emerge l’assoluto coinvolgimento di uno stakeholder particolare, anche se indubbiamente il ruolo attivo delle autorità scolastiche esterne, degli insegnanti e di commissioni esterne risultano più diffusi. Figura 9.23 - Percentuale di studenti i cui dirigenti dichiarano di coinvolgere determinati stakeholders nella gestione della valutazione Austria Canada Corea Finlandia Germania Grecia Italia Messico Polonia Spagna Stati Uniti Svizzera Ungheria % 43,3 79,9 36,9 66,8 80,5 87,9 12,8 46,4 26,8 50,4 82,3 64,6 32,3 Organi direttivi o di gestione della scuola % 11,1 30,4 5,9 17,6 6,4 14,3 49,8 49,9 35,0 26,5 40,8 35,2 85,5 Media OCSE 52,6 25,2 21,9 40,9 21,8 40,5 Veneto Nord Est 15,4 9,9 52,8 53,0 6,9 15,1 25,6 42,1 1,7 6,7 35,4 28,9 Autorità regionali o nazionali Commisioni esterne per gli esami Gruppi di genitori Gruppi di docenti Gruppi di studenti % 4,0 11,8 13,3 79,0 11,9 5,8 7,9 6,2 78,5 7,8 11,1 1,9 67,2 % 53,7 58,8 43,4 28,5 12,4 11,9 34,3 32,1 8,5 27,6 57,1 39,5 91,9 10,8 7,4 17,3 26,0 8,2 6,0 11,6 15,1 81,9 10,3 8,5 2,8 79,9 % a 42,1 33,6 85,4 11,9 6,7 32,6 42,4 22,2 24,8 40,0 19,2 31,9 Fonte: OCSE 2004 e database OCSE PISA 2003/INValSI. a: la categoria in questione non è appropriata per un dato Paese. In questo caso risulta più alto a livello regionale rispetto al dato dell’Italia il coinvolgimento delle autorità locali e soprattutto degli organi di gestione interni, con un marcato ridimensionamento del ruolo degli insegnanti. Da notare la percentuale molto alta della Finlandia circa il ruolo di un organo esaminatore esterno; in questo caso il dato provinciale risulta superiore a quello nazionale. Decisamente più limitato per gli aspetti riguardanti la valutazione il coinvolgimento degli studenti in Italia, e segnatamente nella regione, studenti che risultano invece determinanti in Polonia e Ungheria. I risultati completi relativi al coinvolgimento dei diversi stakeholders nelle diverse decisioni scolastiche sono riportati in Appendice. 9.5 Scuole pubbliche e private In tutti i Paesi dell’OCSE, con l’eccezione di Belgio e Paesi Bassi, le scuole primarie e secondarie sono per la maggior parte pubbliche, anche se vi sono differenze notevoli, tra i diversi Paesi, nella proporzione di scuole private. Tra le scuole private si distinguono le scuole private indipendenti dallo Stato, per le quali cioè oltre la metà dei finanziamenti proviene da fonti private quali rette pagate dalle famiglie, donazioni, o altre fonti non pubbliche e le scuole private dipendenti dallo Stato, con finanziamenti pubblici per più del 50%. Per quanto riguarda i quindicenni, dai dati di PISA risulta che, in media, nei Paesi dell’OCSE il 16% degli studenti è iscritto a scuole private (il 4% a scuole private indipendenti dallo Stato e il 12% a scuole private finanziate dallo Stato). In Italia i quindicenni iscritti a scuole private risultano essere il 4% (il 3,5% in scuole private indipendenti dallo Stato e lo 0,4% in scuole private dipendenti dallo Stato). 164 Nel caso del Veneto il campione non consente di ottenere stime affidabili degli studenti delle scuole private, per cui non è possibile effettuare un confronto tra le prestazioni degli studenti dei due tipi di scuole. In media, nei Paesi dell’OCSE, il vantaggio delle scuole private è pari a 33 punti, con differenze superiori ai 50 punti in Messico e in Germania. La differenza scende a 24 punti, ma rimane significativa, se si controlla lo status socio-economico degli studenti, mentre si riduce ulteriormente (9 punti) quando, oltre il background socio-economico degli studenti, si controlla quello medio delle scuole. Ciò avviene anche in Germania dove, se si controlla il background di studenti e scuole, il vantaggio, di 14 punti, risulta essere a favore delle scuole pubbliche. Questi dati sembrano indicare che la superiorità dei risultati delle scuole private, nei Paesi dell’OCSE dove questa si registra, è legata in gran parte all’effetto favorevole, rispetto all’apprendimento, dell’ambiente socio-economico complessivo degli studenti di tali scuole. Nel caso dell’Italia le differenze tra i punteggi di matematica degli studenti iscritti alla scuola statale e quelli degli studenti iscritti alla scuola privata sono di segno inverso, con un vantaggio di 22 punti a favore degli studenti della scuola statale, ma tale differenza non è significativa e rimane tale anche controllando l’impatto del background degli studenti. Il vantaggio della scuola statale sale a 27 punti e diventa, invece, significativo se si controlla, oltre al background degli studenti, quello (medio) delle scuole. In Italia, dunque, le prestazioni non significativamente differenti delle scuole rispettivamente statali e private si hanno in presenza di un background socio-economico più elevato degli studenti delle scuole private. Tra i Paesi nei quali, come in Italia, le prestazioni degli studenti delle scuole pubbliche sono migliori di quelle degli studenti delle scuole private vi sono, oltre all’Italia, la Finlandia e la Svizzera e tra quelli in cui gli studenti delle scuole pubbliche passano in vantaggio qualora si tenga conto dello status socio-economico di studenti e scuole vi sono Corea, Germania, Messico, Stati Uniti e Ungheria. Tuttavia, in questi ultimi, le scuole private costituiscono un’alternativa valida per quelle famiglie che cercano di favorire la riuscita dei propri figli anche attraverso la composizione socioeconomica della scuola. 165 Approfondimenti 10. Le competenze di base in matematica in PISA 2003 e il curricolo del biennio superiore Roberta Cielo 10.1 PISA e gli attuali curricoli della scuola italiana L’insegnamento della matematica nella scuola secondaria superiore italiana ha storicamente percorso un cammino difficile a motivo della maggiore considerazione di cui ha sempre goduto l’istruzione umanistico-letteraria. Di fatto l’insegnamento della matematica ha avuto un ruolo marginale nei programmi del liceo classico e dell’istituto magistrale, ma fin dalla sua istituzione lo stesso liceo scientifico dedicava un ruolo privilegiato alle discipline d’insegnamento umanistico-letterarie. La situazione sembra cambiare negli anni ottanta quando vengono pubblicati dal Ministero i programmi del Piano Nazionale di Informatica (P.N.I.) in vari aggiornamenti, l’ultimo dei quali con C.M. 615/96, e diffusi con le sperimentazioni del Progetto Brocca. Tali sperimentazioni avrebbero dovuto portare al rinnovamento dei programmi tradizionali che si dimostravano inadatti a rispondere alle modificate esigenze della società. Inoltre è sempre più sentito il problema legato alle evidenti diversità dei programmi nelle discipline di base tra i vari indirizzi scolastici del biennio di istruzione superiore. In particolare in matematica si evidenziano le più significative differenze che riguardano tanto il monte ore quanto i contenuti stessi (vedi tabella). Per rispondere a tali problematiche, ad inizio anni ’90, prendeva avvio con le prime sperimentazioni nell’anno scolastico 1992/93 il progetto di ristrutturazione dei piani di studio delle scuole secondarie superiori con nuovi programmi d’insegnamento elaborati dalla Commissione presieduta dal Sottosegretario on.le Beniamino Brocca (per questo noti come Programmi Brocca). Il progetto intendeva dare un nuovo equilibrio tra insegnamenti comuni a tutti gli indirizzi e insegnamenti specifici per ciascuno di essi con l’obiettivo di allargamento della base culturale e, non secondariamente, di consentire scelte d’indirizzo rivedibili contro l’abbandono scolastico. Innanzitutto vengono proposti cambiamenti nei quadri orari e, in particolare, per la matematica si minimizzano le differenze orarie nel biennio di scuola secondaria superiore dove si introducono solo due diversificazioni corrispondenti a due programmi di livello differenziato: - 4 ore settimanali nella formazione liceale umanistica (PROGRAMMA A: Licei Classici, Istituti Magistrali, Istituti Tecnici Femminili, Istituti Tecnici per il Turismo, Licei Artistici, Istituti Statali d'Arte); - 5 ore settimanali nella formazione liceale scientifica (PROGRAMMA B: Licei Scientifici, Istituti Tecnici Aeronautici, Istituti Tecnici Agrari, Istituti Tecnici Commerciali, Istituti Tecnici per Geometri, Istituti Tecnici Industriali, Istituti Tecnici Nautici, Istituti Tecnici Periti Aziendali e Corrispondenti in Lingue Estere). I programmi stessi si arricchiscono ed in matematica si ha l’introduzione di due nuovi temi, il tema su probabilità e statistica e il tema sull’informatica; per cui l’insegnamento nei bienni, per alcuni indirizzi, non si chiamerà più “Matematica”, ma “Matematica e Informatica”. Contemporaneamente nell’istruzione professionale si introducono le sperimentazioni del cosiddetto”Progetto ‘92” (C.M. 206/92) che introducono l’insegnamento della matematica nei bienni di scuola secondaria superiore dove, per molti indirizzi, era completamente assente. La situazione attuale nelle scuole superiori vede convivere i programmi tradizionali, tuttora in vigore, con i programmi del Progetto Brocca e, di fatto, tra le stesse scuole che seguono corsi ordinari si trova dal programma tradizionale a quello più innovativo che si ispira, con i dovuti accorgimenti (l’orario settimanale dei corsi ordinari non coincide con quello degli sperimentali), ai “Programmi Brocca”. Ci troviamo perciò nella situazione paradossale in cui non è banale dire quale sia la matematica che oggi si insegna nelle scuole secondarie superiori italiane. 169 Programmi tradizionali: Indirizzo Ore settimanali (biennio) Programma Liceo Classico Liceo Scientifico 2+2 5+4 IV Classe (ginnasio) I Classe Algebra: I numeri razionali relativi e le quattro operazioni fondamentali su di essi. Potenze con esponenti interi relativi. Polinomi (razionali, interi); operazioni su di essi. Prodotti notevoli. Geometria: Rette, semirette, segmenti. Piani, semipiani; angoli, Triangoli e poligoni piani. Uguaglianza dei triangoli. Rette perpendicolari. Rette parallele. Somma degli angoli interni ed esterni di un poligono. Disuguaglianza tra elementi di un triangolo. Parallelogrammi, loro proprietà e casi particolari. Si svolgerà il programma di algebra e di geometria della IV e V ginnasiale. V Classe (ginnasio) Algebra: Casi semplici di scomposizione di polinomi in fattori. Frazioni algebriche; calcolo con esse. Equazioni e problemi di primo grado a una incognita. Geometria: Circonferenza e cerchio. Mutuo comportamento di rette e circonferenze: cenni sul mutuo comportamento di circonferenze complanari. Angoli nel cerchio (al centro o alla circonferenza). Poligoni regolari. Qualche problema grafico fondamentale. Poligoni equivalenti. Teorema di Pitagora. II Classe Concetto di numero reale. Calcolo dei radicali; cenno sulle potenze con esponenti frazionari. Equazioni di 2° grado o ad esse riconducibili. Esempi di sistemi di equazioni di grado superiore al l° risolubili con equazioni di l° e 2° grado. Cenni sulle progressioni aritmetiche e geometriche. Coordinate cartesiane ortogonali nel piano. Funzioni di una variabile e loro rappresentazione grafica;in particolare le funzioni ax + b; ax2; -x. Proporzioni tra grandezze, similitudine dei triangoli e dei poligoni, teoria della misura, area dei poligoni. Programmi Brocca: Indirizzi PROGRAMMA A: Licei Classici, Istituti Magistrali, Istituti Tecnici Femminili, Istituti Tecnici per il Turismo, Licei Artistici, Istituti Statali d'Arte. PROGRAMMA B: Licei Scientifici, Istituti Tecnici Aeronautici, Istituti Tecnici Agrari, Istituti Tecnici Commerciali, Istituti Tecnici per Geometri, Istituti Tecnici Industriali, Istituti Tecnici Nautici, Istituti Tecnici Periti Aziendali e Corrispondenti in Lingue Estere. Ore settimanali (biennio) 4+4 5+5 Alla fine del biennio lo studente dovrà essere in grado di: - individuare proprietà invarianti per trasformazioni semplici; - dimostrare proprietà di figure geometriche; - utilizzare consapevolmente le tecniche e le procedure di calcolo studiate; - riconoscere e costruire semplici relazioni e funzioni; - comprendere il senso dei formalismi matematici introdotti; - cogliere analogie strutturali; - matematizzare semplici situazioni problematiche in vari ambiti disciplinari; Alla fine del biennio lo studente dovrà essere in grado di: - individuare proprietà invarianti per trasformazioni elementari; - dimostrare proprietà di figure geometriche; - utilizzare consapevolmente le tecniche e le procedure di calcolo studiate; - riconoscere e costruire relazioni e funzioni; - comprendere il senso dei formalismi matematici introdotti; - cogliere analogie strutturali e individuare strutture fondamentali; - matematizzare semplici situazioni problematiche in vari ambiti disciplinari; OBIETTIVI DI APPRENDIMENTO 170 ARTICOLAZIONE DEI CONTENUTI - riconoscere le regole della logica e del corretto ragionare; - adoperare i metodi, i linguaggi e gli strumenti informativi introdotti; - inquadrare storicamente qualche momento significativo dell'evoluzione del pensiero matematico. TEMA 1. GEOMETRIA DEL PIANO E DELLO SPAZIO a) Piano euclideo: figure e loro proprietà; congruenze (isometrie) e loro composizione; poligoni equiscomponibili; teorema di Pitagora; teorema di Talete. b) Piano cartesiano: retta. c) Esempi significativi di trasformazioni geometriche nello spazio Individuazione di simmetrie in particolari solidi geometrici. TEMA 2. INSIEMI NUMERICI E CALCOLO a) Operazione, ordinamento e loro proprietà negli insiemi dei numeri naturali, interi, razionali. b) Valori approssimati e loro uso nei calcoli elementari. Introduzione intuitiva dei numeri reali. c) Calcolo letterale: monomi, polinomi, semplici frazioni algebriche. d) Equazioni, disequazioni e sistemi di primo grado. TEMA 3. RELAZIONI E FUNZIONI. a) Insiemi ed operazioni su di essi. b) Prodotto cartesiano. Relazioni binarie: relazioni d'ordine e di equivalenza. Applicazioni (funzioni). c) Funzioni x --> ax + b, x --> ax(alla seconda) + bx + c, x --> a/x e loro grafici. TEMA 4. ELEMENTI DI PROBABILITA' E DI STATISTICA a) Semplici spazi di probabilità: eventi aleatori, aventi disgiunti e "regola della somma". b) Probabilità condizionata, probabilità composta. Eventi indipendenti e "regola del prodotto". c) Elementi di statistica descrittiva: rilevazione di dati, valori di sintesi, indici di variabilità TEMA 5. ELEMENTI DI LOGICA E DI INFORMATICA a) Logica delle proposizioni: proposizioni elementari e connettivi, valore di verità di una proposizione composta. Inferenza logica, principali regole di deduzione. b) Variabili, predicati, quantificatori. c) Analisi, organizzazione e rappresentazione di dati, costruzione strutturata di semplici 171 - riconoscere le regole della logica e del corretto ragionare; - adoperare i metodi, i linguaggi e gli strumenti informatici introdotti; - inquadrare storicamente qualche momento significativo dell'evoluzione del pensiero matematico. TEMA 1. GEOMETRIA DEL PIANO E DELLO SPAZIO a) Piano euclideo: figure e loro proprietà; congruenze (isometrie) e loro composizione; poligoni equiscomponibili; teorema di Pitagora. b) Omotetie e similitudini nel piano. Teorema di Talete. c) Piano cartesiano: retta, parabola, iperbole equilatera e circonferenza. d) Coseno e seno degli angoli convessi. Relazione fra lati ed angoli nei triangoli rettangoli. e) Esempi significativi di trasformazioni geometriche nello spazio Individuazione di simmetrie in particolari solidi geometrici. TEMA 2. INSIEMI NUMERICI E CALCOLO a) Operazioni, ordinamento e loro proprietà negli insiemi dei numeri naturali, interi, razionali. b) Valori approssimati e loro uso nei calcoli elementari. Introduzione intuitiva dei numeri reali. Radicali quadratici ed operazioni elementari su di essi. c) Calcolo letterale: monomi, polinomi, frazioni algebriche. d) Equazioni, disequazioni e sistemi di primo e di secondo grado. TEMA 3. RELAZIONI E FUNZIONI a) Insiemi ed operazioni su di essi. Insiemi finiti: prime nozioni di calcolo combinatorio. b) Leggi di composizione ed individuazione di particolari strutture. Prodotto cartesiano. Relazioni binarie: relazioni d'ordine e di equivalenza. Applicazioni (funzioni). c) Funzioni x --> ax + b, x --> ax (alla seconda) + bx + c, x --> a/x. Grafici e zeri di tali funzioni. TEMA 4. ELEMENTI DI PROBABILITA' E DI STATISTICA a) Semplici spazi di probabilità: eventi aleatori, eventi disgiunti e "regola della somma". b) Probabilità condizionata, probabilità composta. Eventi indipendenti e "regola del prodotto". c) Elementi di statistica descrittiva: rilevazione di dati, valori di sintesi, indici di variabilità, regressione e correlazione. TEMA 5. ELEMENTI DI LOGICA E DI INFORMATICA a) Logica delle proposizioni: proposizioni elementari e connettivi, valore di verità di una proposizione composta. Inferenza logica, principali regole di deduzione. algoritmi e loro rappresentazione. d) Sintassi e semantica. Prima introduzione ai linguaggi formali. b) Variabili, predicati, quantificatori. c) Analisi, organizzazione e rappresentazione di dati, costruzione strutturata di algoritmi e loro rappresentazione. d) Automi finiti, alfabeti, parole e grammatiche generative. Sintassi e semantica. Prima introduzione ai linguaggi formali. Per tentare un confronto con tra matematica insegnata nella scuola italiana e la matematica indagata nell’indagine di PISA faremo riferimento ai “Programmi Brocca”, vista la loro diffusa adozione nelle scuole e nella trattazione dei libri di testo. Il confronto tra matematica dei “Programmi Brocca” e quella dell’indagine PISA, pone immediata evidenza che le 4 aree di contenuto a cui quest’ultima fa riferimento ricalcano i 5 temi in cui i “Programmi Brocca” riuniscono i contenuti del biennio. La corrispondenza tra aree dell’una e temi dell’altro è facilmente individuabile: - l’area spazio e forma corrisponde al tema 1 – Geometria del piano e dello spazio; - l’area cambiamento e relazioni corrisponde a parte del tema 2 – Insiemi numerici e calcolo (per equazioni e disequazioni, e relativi problemi) – e al tema 3 - Relazioni e funzioni; - l’area quantità corrisponde al tema 2 – Insiemi numerici e calcolo; - l’area incertezza corrisponde al tema 4 – Elementi di probabilità e statistica. In PISA non è distintamente individuabile il tema 5 – Elementi di logica e di informatica, che presenta di fatto contenuti che fanno riferimento a competenze trasversali legate allo sviluppo di riflessioni e abilità linguistiche logiche. Tuttavia non è tanto nei contenuti che si evidenziano le differenze significative tra curricolo nazionale e PISA. L’efficacia dell’indagine di PISA si rileva nella chiarezza del modello proposto in cui la competenza matematica è operativamente esplicitata secondo i quattro nuclei fondamentali spazio e forma, cambiamento e relazioni, quantità, incertezza considerati in tre diversi ambiti di difficoltà cognitiva: - riproduzione - connessione - riflessione. Questi sono a loro volta inseriti in quattro diversi contesti: - personali - educativi o lavorativi - pubblici - scientifici. Nella scuola italiana i “Programmi Brocca” elencano le finalità e specificano gli obiettivi di apprendimento da conseguire e i contenuti da sviluppare con indicazioni metodologiche che rimangono piuttosto generiche quali: “Non ci si può illudere di poter partire dalla disciplina già confezionata, cioè da teorie e da concetti già elaborati e scritti, senza prendersi cura dei processi costruttivi che li riguardano. E’ invece importante partire da situazioni didattiche che favoriscano l’insorgere di problemi matematizzabili, la pratica di procedimenti euristici per risolverli, la genesi dei concetti e delle teorie, l’approccio a sistemi assiomatici e formali. Le fonti naturali di queste situazioni sono il mondo reale, la stessa matematica e tutte le altre scienze. Ciò lascia intravedere possibili momenti di pratica interdisciplinare, prima nella scoperta e nella caratterizzazione delle diverse discipline in base al loro oggetto e al loro metodo, poi nel loro uso convergente nel momento conoscitivo.” Se finalità e obiettivi di apprendimento vengono presentati solo con un elenco, i contenuti dei temi sono, invece, arricchiti di un commento esplicativo a cui si accompagnano alcune indicazioni metodologiche. Ciò nonostante i programmi difettano di efficaci strumenti guida per una programmazione didattica a misura dell’alunno e per la conseguente applicazione nella quotidianità della lezione giornaliera. Mancano precise indicazioni sui processi che l’educazione matematica dovrebbe attivare, far sviluppare e crescere negli studenti. E, soprattutto nei livelli scolastici superiori, si verifica come la prassi d’insegnamento sia di tipo tradizionale (lezione frontale con spiegazione teorica dell’insegnante, esercizi di routine a cui seguono prove scritte in classe e interrogazioni orali) 172 con insufficiente attenzione all’insegnamento per problemi, all’apprendere a ragionare, che è proprio quanto richiedono invece le prove di PISA. Bisogna altresì riconoscere che non mancano insegnanti particolarmente motivati che, riuniti in gruppi di ricerca, ma a volte anche in modo isolato, portano avanti validi progetti di sperimentazione. Purtroppo il loro numero, ancora esiguo rispetto all’intero corpo docente, non permette di riscontrarne significativi benefici al di fuori della nicchia di applicazione. Va, inoltre, rilevato il crescente interesse per i cosiddetti giochi/gare matematiche per cui una cultura del problema matematico è in sviluppo, bisogna ora coltivarla in modo tale che non rimangano pratiche limitate nel tempo in intervalli ritagliati dalla normale programmazione didattica quando, invece, dovrebbero essere il metodo dell’approccio didattico. 10.2 La nuova concezione di matematica in PISA L’indagine PISA rimane unica e interessante per la nuova concezione di competenza matematica che essa afferma e misura. La scelta metodologica di PISA di una matematica per la vita è chiara testimonianza di una nuova più ampia concezione della disciplina che sta affermandosi. La competenza definita in PISA è riduttiva se presa come riferimento alla matematica da insegnare nelle scuole, ma essa può essere un efficace modello metodologico per formare e sviluppare contenuti e competenze più articolati e approfonditi. Le crescenti situazione di difficoltà nell’insegnamento e nell'apprendimento della matematica stanno portando all’abbandono della materia, ritenuta non essenziale nella cultura del cittadino. Si sentono spesso persone professionalmente affermate dire “Io di matematica non ne capisco niente”, come se questo fosse un vanto; in una società che non ammette l’ignoranza nel leggere e nello scrivere, sapere di matematica non è considerato di alcuna necessità, ma solo un sovrappiù. Tra le maggiori cause di disaffezione e conseguente insuccesso in matematica vi è il “come” la matematica viene insegnata, e cioè come teoria svincolata dai contesti reali problematici, come frammentazione delle conoscenze nell’arco del percorso didattico, in sostanza come matematica fatta per esercizi e non per problemi. Ciò risulta particolarmente evidente nella geometria che, pur essendo sempre più trascurata nell’insegnamento, richiede una metodologia didattica per problemi, e perciò si colloca nei punteggi per aree di contenuto di PISA appena al di sotto del contenuto “quantità”, tema che nella tradizione scolastica italiana è di gran lunga il più praticato (per il Veneto ricordiamo che il punteggio in quantità è 521, mentre in spazio e forma è 518). Nella situazione attuale non si possono trascurare i profondi mutamenti della realtà che formano studenti diversi da quelli di trenta/cinquanta anni fa. La pervasività e varietà di mezzi di informazione tra cui i giovani crescono, generano in loro strutture cognitive non più di carattere sequenziale, ma ipertestuale. È quindi scarsa lungimiranza credere che la concezione didattica tradizionale della matematica sia altrettanto efficace per l’apprendimento degli studenti di oggi. Diventa scelta ragionevole, a questo punto, l’abbandono di contenuti obsoleti e di metodologie superate per portare avanti una nuova didattica disciplinare che va supportata con strumenti multimediali e nuove tecnologie non meno idonei rispetto ai tradizionali “carta e penna”, “gesso e lavagna”. A fronte delle trasformazioni che hanno investito la società e che vedono sempre più forte l’impatto della scienza e della tecnologia sulla vita quotidiana il “bisogno di matematica” è cresciuto rapidamente, così negli anni recenti si è sviluppata una concezione che dà nuova dignità alla matematica, considerando l’educazione matematica elemento fondamentale per la formazione culturale del cittadino, per un’attiva e responsabile vita sociale. La matematica educa alla capacità di esprimere giudizi, leggere e usare le informazioni, analizzare e risolvere i problemi, usare criteri di valutazione nelle decisioni, fino alla progettazione di modelli. Da ciò nuovi modelli di curricolo si sviluppano dando pari importanza sia alla funzione culturale della matematica (concetti, conoscenze) che a quella strumentale (mezzo per comprendere, competenze). La nuova concezione della matematica affermata dal modello proposto da PISA presenta principi condivisi dal modello del National Council of Teachers of Mathematics (NCTM) che nel documento “Principles and Standards for School Mathematics: Discussion Draft” (15 ottobre 1998; anche tradotto in italiano come Principi e standard per la matematica scolastica a cura dell’IRRSAE-ER, 2000) afferma la stretta connessione tra il pensare e il fare matematica, sottolineando nel “principio dell’apprendimento” come “i programmi di matematica dovrebbero mettere in grado gli studenti di capire e usare la matematica. (…) Un curricolo completo dovrebbe conseguire un appropriato equilibrio tra conoscenze concettuali e competenze procedurali in aree importanti. (…) l’apprendimento matematico è inestricabilmente legato alla comprensione e all’uso. La nozione della matematica come qualcosa che deve essere profondamente capito, per essere effettivamente usato, 173 non è sempre stato lo scopo riconosciuto dell'insegnamento della matematica. Non può esserci dubbio che la comprensione concettuale e l’abilità procedurale sono entrambe importanti. Non è il primato di una di queste che dovremmo considerare. Piuttosto, sono le connessioni tra loro ad essere importanti.” Il modello del NCTM pone sullo stesso piano temi di contenuto e temi metodologici, che si sviluppano in simbiosi realizzando il principio guida secondo cui ”che cosa una persona è in grado di fare dipende molto da cosa conosce e da come sa sfruttare le sue conoscenze”. In Principi e standard sono presentati i cinque standard di contenuto (rappresentano ciò che gli studenti dovrebbero conoscere) che definiscono le aree: - numeri misura algebra geometria dati. Ognuna di esse descrive gli obiettivi di apprendimento di concetti e procedure, suddivisi in alcuni punti nodali. Ad essi si sommano cinque standard sui processi (si riferiscono ai modi di acquisire e usare questa conoscenza) che riguardano: - il problem solving il ragionamento le connessioni la comunicazione le rappresentazioni. “Gli standard di processo puntano sulle competenze essenziali per la crescita matematica degli studenti. Mentre gli studenti imparano la matematica, essi svilupperanno un repertorio sempre crescente di abilità per la risoluzione dei problemi, una vasta gamma di abitudini mentali e una crescente raffinatezza nei ragionamenti. Gli studenti dovrebbero anche abituarsi a esprimersi in modo matematico, sia oralmente sia per iscritto, guadagnando scioltezza nel linguaggio matematico ed essendo in grado di fare collegamenti all’interno della matematica e tra la matematica e le altre materie.” Il modello NCTM propone una concezione matematica moderna in un quadro di completezza della disciplina. PISA focalizza la competenza matematica su un aspetto legato alla preparazione del giovane ad entrare nel mondo, e tale matematica per la vita copre una parte di una disciplina che, non va dimenticato, ha ben più alte finalità. 10.3 PISA nella prospettiva dei nuovi curricoli nazionali Da alcuni anni è al lavoro anche in Italia una commissione presieduta dall’UMI (Unione Matematica Italiana) e formata da docenti universitari e di scuola superiore che ha elaborato un documento di proposta sui nuovi curricoli di matematica per la scuola superiore, nei quali si sostiene la centralità dell’“educazione matematica nella formazione dei giovani, cittadini del domani.” “L’educazione matematica deve contribuire, insieme con tutte le altre discipline, alla formazione culturale del cittadino, in modo da consentirgli di partecipare alla vita sociale con consapevolezza e capacità critica. Le competenze del cittadino, al cui raggiungimento concorre l’educazione matematica, sono, per esempio: esprimere adeguatamente informazioni, intuire e immaginare, risolvere e porsi problemi, progettare e costruire modelli di situazioni reali, operare scelte in condizioni d’incertezza. La conoscenza dei linguaggi scientifici, e tra essi in primo luogo di quello matematico, si rivela sempre più essenziale per l’acquisizione di una corretta capacità di giudizio. In particolare, l’insegnamento della matematica deve avviare gradualmente, a partire da campi di esperienza ricchi per l’allievo, all’uso del linguaggio e del ragionamento matematico come strumenti per l’interpretazione del reale, e non deve costituire unicamente un bagaglio astratto di nozioni.” Si propone “perciò l’idea della “matematica per il cittadino”, cioè di un corpus di conoscenze e abilità fondamentali, necessarie a tutti coloro che entrano nell’attuale società, da acquisire secondo una scansione organica articolata nei successivi livelli scolastici.” Le competenze matematiche vengono costruite sulla base di nuclei essenziali che seguono il curricolo fin dal primo ciclo e vengono suddivisi in nuclei tematici centrati sugli oggetti: - numero e algoritmi - spazio e figure - relazioni e funzioni - dati e previsioni 174 e in tre nuclei trasversali, centrati sui processi mentali degli allievi, che proseguono anch’essi il percorso iniziato fin dalla scuola primaria: - argomentare, congetturare, dimostrare - misurare - risolvere e porsi problemi. I contenuti sono arricchiti da indicazioni di carattere metodologico e contenutistico fondamentali per la loro comprensione e la messa in pratica all’interno delle aule. Così i programmi (anche se questo non sarà più il loro nome) diventano effettivamente realizzabili nei tempi e nei contenuti fissati. A conferma di una nuova concezione dell’educazione matematica tra le indicazioni metodologiche si dà grande risalto all’“attivazione di esperienze in campi significativi per l'allievo, mediate dal linguaggio naturale; in tali campi è bene privilegiare l'attività di costruzione di problemi” e alla contestualizzazione in “situazioni varie, significative e problematiche, relative alla vita di tutti i giorni, alla matematica e agli altri ambiti disciplinari”. Il progetto sui nuovi curricoli si presenta ricco di potenzialità per sviluppare effetti positivi che vanno dalla visione unitaria delle conoscenze e competenze dal primo anno di scuola all’ultimo, al superamento della rigidità di pensiero legata ai programmi. Si apre, infatti, un panorama in cui il progetto didattico è un progetto a lungo termine con chiare competenze da raggiungere dove, nel corso degli anni scolastici, la didattica continua a ritornare sugli stessi argomenti non per ripeterli, bensì per trattarli a livello più approfondito in una visione a spirale. Viene superata la programmazione per moduli che troppo spesso ha prodotto un insegnamento settoriale degli argomenti. Le prospettive sembrano fornire garanzie anche per risolvere le annose questioni della matematica in Italia, quali l’unitarietà dell’insegnamento su tutto il territorio nazionale e l’omogeneità in ogni ordine di scuola per giungere ad un più alto grado di affidabilità del sistema. 10.4 Prospettive In una realtà della scuola secondaria superiore italiana in cui prevale la mancanza di programmi univoci e, in assenza di chiarezza su quale matematica debba essere insegnata, lo smarrimento domina il corpo docente che non avendo direttive certe su “cosa” insegnare ancor meno ne ha sul “come” insegnare. Un corpo docente, quello degli insegnanti di matematica, già in qualche forma debole perché proveniente, in numero rilevante, da lauree scientifiche diverse dalla matematica, che si è formato all’insegnamento direttamente sul campo senza alcuna preparazione metodologica all’insegnamento della disciplina. Docenti lasciati a se stessi e alla loro buona volontà per l’aggiornamento, rimangono ancora legati a metodi tradizionali di cinquant’anni fa con studenti che non sono più quelli di allora, ma sono il prodotto della società in cui oggi crescono. Tutto ciò va ad aggravare una situazione didattica che si fonda su programmi obsoleti, e allora ci si chiede se possano veramente stupire i non brillanti risultati in matematica di PISA. Come ci si può aspettare risultati di buon livello nella scala di prestazioni misurata dall’indagine OCSE quando i nostri studenti apprendono la matematica in situazione tradizionale del tutto differente dalla matematica della vita reale che PISA richiede? Peraltro là dove la matematica riveste un ruolo significativo, anche se insegnata tradizionalmente, come in molti istituti tecnici e licei, i risultati raggiunti in PISA sono meno allarmanti. In tali indirizzi scolastici, dove l’approccio didattico è orientato sugli aspetti procedurali, sulla dimostrazione, e viene dato spazio alla riflessione, alla logica e all’attività di pensiero, si può parlare di matematica vissuta dallo studente, di “matematica partecipe”. Dal lato opposto si trovano gli istituti professionali, in cui gli insegnanti messi in difficoltà da allievi che arrivano in quel indirizzo di scuola già carichi di preconcetti verso la disciplina, indirizzano la propria didattica verso una matematica ripetitiva, mero tecnicismo procedurale, a torto ritenuta più facile, e che lo studente percepisce come “matematica subita” fino alle estreme conseguenze, in non pochi casi, dell’atrofia del pensiero matematico. Per tali studenti trovarsi di fronte ai quesiti dell’indagine di PISA diventa come parlare una lingua mai sentita, privi degli strumenti non solo per dare una qualsivoglia risposta, ma anche solo per leggere la richiesta stessa. Nell’ipotesi sui futuri curricoli per la scuola secondaria l’insegnamento della matematica è orientato tanto ai contenuti quanto ai processi in stretta sinergia tra loro e si rafforza l’approccio alla disciplina per problemi con rilievo ai contesti di problematizzazione. Essa, quindi, fornisce le basi per una matematica del quotidiano, ma è anche una matematica utile alla costruzione concettuale e alla strutturazione di pensiero autonomo e consapevole. 175 La competenza proposta da PISA diventa quindi parte di questo progetto con effetti positivi certi sulle prestazioni legate all’indagine internazionale. Il problema della matematica, di una matematica che sia strumento concettuale e operativo utile per la vita ha visto crescere un progetto sui nuovi curricoli dell’UMI che ha tutti i presupposti per fornire risposte positive. Ora che la strada è stata aperta si tratta d’intraprendere il cammino e di farlo al più presto e nel modo giusto. 176 11. Differenze di genere e organizzazione della scuola secondaria Angela Martini Ad un'analisi delle differenze di genere che emergono dai risultati veneti dell'indagine PISA è dedicato uno degli approfondimenti che costituiscono la terza parte del Rapporto. Diverse sono le ragioni che sottostanno a tale scelta e che qui esponiamo per sommi capi. Innanzitutto, quello delle differenze di genere costituisce un tema ricorrente degli studi sui risultati scolastici sia nelle indagini a larga scala che nelle rilevazioni di ambito più ristretto, nazionale o subnazionale. L'esistenza di differenze più o meno pronunciate nei risultati di apprendimento e in generale nella carriera scolastica e professionale è infatti una delle "spie" del grado di equità di un sistema educativo, vale a dire della sua capacità di affrontare il nodo costituito dall'eterogeneità in ogni senso (socio-economica, culturale, ecc.) del corpo studentesco e di fornire a tutti un'istruzione della medesima qualità. Centrata inizialmente sull'ineguaglianza fra i membri di classi sociali diverse, l'attenzione dei ricercatori che si occupano di questo argomento si è successivamente estesa anche ad altre differenze di riuscita segnate dall'appartenenza a una specifica categoria. Come osserva Denis Meuret (GERESE, 2003), le diseguaglianze di fronte all'istruzione si possono classificare in tre grandi gruppi: le differenze tra individui, le differenze tra categorie di soggetti, e la proporzione di individui che si collocano al di sotto d’una soglia minima di competenza nelle abilità cognitive fondamentali (es. la capacità di lettura). Per quanto riguarda, in particolare, le differenze tra categorie, le più importanti sono quelle legate alle appartenenze cui l’individuo non può sottrarsi: la classe sociale, l’origine etnica e - appunto - il sesso. Nel caso del Veneto esso incide sui risultati più della provenienza famigliare degli alunni. In secondo luogo, nel caso specifico, il semplice confronto dei risultati di maschi e femmine nelle quattro prove al solo livello regionale si lascia per forza di cose sfuggire - come vedremo - aspetti interessanti e ricchi di stimolazioni dal punto di vista della riflessione critica, aspetti che soltanto disaggregando i dati a livelli più fini vengono alla luce e che sostengono interpretazioni o conclusioni differenti da quelle che potevano esser suggerite ad un livello superiore. Infine, la terza e più importante giustificazione del percorso di analisi qui intrapreso risiede nel fatto che quello delle differenze di genere si è rivelato un punto di osservazione particolarmente significativo dal quale guardare all'attuale situazione dell’istruzione di secondo grado, all'evoluzione che essa ha subito negli ultimi decenni e alle conseguenze che ciò comporta per il sistema di formazione in generale, università compresa, e per lo sviluppo scientifico e tecnologico del nostro paese. Alcuni dei risultati delle analisi qui svolte sui dati PISA del Veneto smentiscono l'immagine o le idee correnti che si hanno della nostra scuola secondaria, mentre nello stesso tempo mettono in discussione anche i tentativi compiuti o che si stanno compiendo per riformarla. Senza anticipare quello che diremo in seguito nel commentare tali risultati, ci sembra tuttavia opportuno sottolineare fin d'ora che una maggiore attenzione ai fatti e al funzionamento effettivo del sistema educativo, al di là delle intenzioni conclamate o delle retoriche verbali, potrebbe, a parere di chi scrive, aiutare meglio sia la comprensione dei fenomeni sia l'impostazione di politiche che si propongano di introdurre modifiche in una realtà indubbiamente complessa e per certi versi sfuggente come quella rappresentata dalla scuola. 177 11.1 Le differenze di genere nel Veneto e nei tre tipi di scuola secondaria Come si evince dai paragrafi dedicati all'argomento dai capitoli 3, 4, 5 e 6 della parte II del Rapporto, a livello regionale, cioé considerando tutti gli studenti quindicenni del Veneto nel loro insieme1, le differenze di prestazione tra maschi e femmine sono, tranne nel caso della lettura, di entità moderata e, in ogni caso, non significative statisticamente. Sulla scala complessiva di matematica, le femmine ottengono un punteggio medio inferiore a quello dei maschi di 8 punti, mentre nelle altre tre prove il vantaggio è a favore delle prime. In lettura, in particolare, le femmine sopravanzano i maschi di 42 punti (la differenza in questo caso risulta significativa); le ragazze superano i coetanei dell'altro sesso anche in scienze (+17) e in problem-solving (+13), benché con un distacco rispetto al punteggio medio conseguito dai maschi molto meno netto. Come osservato anche nel commento al dato regionale nella seconda parte del Rapporto, l'andamento che si riscontra nel Veneto per quanto concerne le differenze di genere nei risultati di PISA non si discosta in maniera sostanziale da quanto accade nei paesi OCSE, né da quanto già osservato in altre ricerche condotte su studenti di questa fascia d'età (o d'età similari). In generale, considerando i 30 paesi membri dell'OCSE, le femmine a quindici anni hanno in media un punteggio più alto in lettura di 34 punti rispetto ai maschi e il vantaggio femminile si manifesta, in termini più o meno consistenti, in tutti i 41 paesi che hanno preso parte a PISA 2003, nessuno escluso. All'opposto, nel test di matematica sono i maschi ad ottenere un punteggio mediamente superiore, sebbene in tale prova la differenza - misurata sulla scala complessiva - sia alquanto meno pronunciata che in quella di comprensione del testo; in media essa equivale infatti a 11 punti. Anche in questo caso tuttavia il vantaggio a favore dei maschi è pervasivo e riguarda pressoché tutti i paesi partecipanti all'indagine (con due sole eccezioni, rappresentate dall'Islanda e - fra i paesi non OCSE - dalla Thailandia). Per quanto riguarda le scienze, mediamente i maschi hanno un punteggio più alto delle femmine di 6 punti, ma il vantaggio maschile, per altro assai ridotto, è meno generalizzato che nel caso precedente: benché siano più numerosi i paesi OCSE in cui prevalgono i maschi, sono molti quelli dove le femmine sono alla pari con essi o addirittura li superano (in Finlandia e Islanda in particolare). Può forse esser qui il caso di notare che il Veneto, dove il punteggio raggiunto dalle femmine è migliore, come già accennato, rispetto a quello dei maschi, è in controtendenza con quanto si verifica nella maggior parte dei paesi - Italia inclusa - e nella macroarea di riferimento, il Nord-Est, di cui il Veneto è parte, ma il fatto che la differenza non risulti statisticamente significativa ridimensiona il valore di tale risultato. Ancor più piccola e ancor meno coerente a favore dell'uno o dell'altro sesso è, infine, la differenza nella prova di problem-solving: nonostante l'elevata correlazione che tale prova presenta con quella di matematica (r = 0,89 a livello internazionale), la media OCSE del punteggio di maschi e femmine è praticamente uguale (499 nel primo caso e 501 nel secondo), con una trascurabile differenza a sfavore dei primi, mentre è più o meno pari il numero di paesi in cui i maschi superano le femmine rispetto a quello dei paesi in cui accade il contrario. Questo dunque, in sintesi, il quadro generale. Quando però nel Veneto da un esame delle differenze fra maschi e femmine condotto sui dati aggregati a livello regionale si passa ad un'analisi che li disaggrega per tipologia di scuola secondaria (liceo, istituto tecnico e istituto professionale), il panorama che così si delinea muta, apparendo non solo più articolato ma anche più interessante in termini di osservazioni che se ne possono trarre. Come si può constatare dal grafico di figura 1 alla pagina seguente, che pone a confronto le differenze di risultato fra maschi e femmine nell'intero campione complessivamente considerato e nei tre tipi di scuola, nei licei, e in minor misura negli istituti tecnici, i risultati dei maschi sono migliori 1 Si ricorda che, in relazione agli scopi dell’indagine PISA, il campione veneto, come ogni altro campione nazionale o sub-nazionale, è rappresentativo degli studenti quindicenni a prescindere dalla scuola e dalla classe frequentata. Benché la classe “modale”, cioè quella in cui si trova il maggior numero di alunni di 15 anni, sia nel nostro caso la seconda superiore, tuttavia esso comprende anche studenti in anticipo o in ritardo e fra questi un piccolo numero di alunni di scuola media. Quando dunque nel testo, e nelle tabelle o nei grafici presentati, si usa la dizione “Veneto”, senza ulteriori distinzioni o specificazioni, si intende riferirsi a tutti gli studenti del campione preso nella sua interezza. 178 di quelli delle femmine (fa eccezione solo la lettura nei Tecnici), mentre il quadro si rovescia negli istituti professionali, dove le femmine superano i maschi in tutte le prove, riflettendo così da vicino il risultato complessivo che si determina sul piano regionale e che vede le femmine in vantaggio ovunque, tranne che in matematica. Le femmine fanno meglio I maschi fanno meglio Ist. Profess. Ist.Tecnici Licei Veneto Fig. 1: Differenze di genere nelle 4 prove in generale e per tipo di scuola -80 -60 -40 -20 0 20 40 60 80 Differenze di punteggio medio (F - M) Lettura Matematica Scienze Problem solving Ist. Profess. Ist. Tecnici Licei Veneto Fig. 2: Differenze di genere nelle 4 sub-scale di Matematica in generale e per tipo di scuola -70 Le femmine fanno meglio I maschi fanno meglio -60 -50 -40 -30 -20 -10 0 10 20 30 Differenze di punteggio medio (F - M) Spazio e Forma Cambiamento e Relazioni Incertezza Quantità Se si va a guardare tuttavia la significatività della differenza fra le medie, si può constatare (vedi tab. 1) che essa, nei licei, è statisticamente significativa in tutte le prove tranne che in 179 comprensione della lettura, mentre negli istituti tecnici - dove la distanza femmine-maschi è globalmente minore che negli altri due tipi di scuola2 - risulta significativa solo la differenza nella prova di matematica e negli istituti professionali solo quella nella prova di comprensione della lettura. Tab. 1: Differenze di punteggio tra maschi e femmine nelle quattro prove, errori standard della differenza fra le medie (in parentesi) e valori di "t" Veneto Licei Ist.Tecnici Ist. Prof. Lettura F-M t (2 code) Matematica F-M t (2 code) Scienze F-M t (2 code) Problem-s. F-M t (2 code) 42 (12,5) -4 (10,0) 13 (10,0) 57 (25,0) 3,34 (S) -0,36 (NS) 1,26 (NS) 2,26 (S) -8 (12,4) -55 (10,7) -32 (10,4) 7 (21,2) -0,65 (NS) -5,18 (S) -3,07 (S) 0,31 (NS) 17 (12,3) -27 (13,1) -17 (10,1) 36 (22,4) 1,41 (NS) -2,05 (S) -1,7 (NS) 1,6 (NS) 13 (11,7) -29 (9,5) -13 (8,0) 31 (19,7) 1,11 (NS) -3,06 (S) -1,58 (NS) 1,55 (NS) (S: p < 0,05) Da rilevare tuttavia che le differenze tra femmine e maschi in scienze e in problem-solving negli istituti professionali, pari rispettivamente a 36 e 31 punti, non arrivano alla soglia di significatività statistica, stabilita a un margine d'errore del 5%, anche a causa dell'entità degli errori standard di misura3, particolarmente consistenti in questo tipo di scuola. In sintesi, possiamo dunque dire che mentre nei licei i maschi ottengono ovunque un risultato superiore alle femmine, con un vantaggio che raggiunge l’entità massima nella prova di matematica e minima in quella di lettura, il contrario accade negli istituti professionali, dove sono le femmine a sopravanzare in ogni ambito i maschi, ma con uno scambio di posizioni nell'ordine dei punteggi per quanto riguarda la lettura e la matematica: il vantaggio femminile che si registra nei corsi professionali diventa infatti massimo nella prova di comprensione e minimo in quella di matematica. La situazione degli istituti tecnici, sotto il profilo che stiamo esaminando, rispecchia sostanzialmente quella dei licei, con due differenze che segnaliamo: il vantaggio dei ragazzi nei confronti delle ragazze è più ridotto di quanto non accada nei licei, tanto che esso diventa significativo solo nella prova di matematica; in lettura, inoltre, sono ancora una volta le femmine ad avere un risultato superiore a quello dei maschi, mentre nei licei i ragazzi conseguono anche in tale area un punteggio più alto, sebbene di pochissimo, rispetto alle ragazze. Le ragioni di quest'ultimo risultato, per qualche verso inaspettato data la netta e, come si vedrà nel prossimo paragrafo, costantemente confermata superiorità femminile nella comprensione di testi, saranno affrontate più avanti nel corso di questa discussione. 11.2 Differenze di genere in lettura e matematica Come si può spiegare il quadro delle differenze maschi-femmine che appare quando si disaggrega il dato regionale per tipologia di scuola e che sembra in gran parte contraddire la visione che se ne poteva avere rimanendo a livello del Veneto globalmente preso? Se si assume la frequenza di un liceo, un istituto tecnico o un istituto professionale come un indicatore approssimativo del possesso di un certo grado (rispettivamente “alto”, “medio” e “basso”) di capacità in termini di rendimento da parte degli studenti negli ambiti misurati da PISA4, si può avanzare una prima ipotesi di spiegazione al diverso andamento che si constata nelle tre tipologie di istituto, innanzitutto per quanto riguarda le differenze fra maschi e femmine che si manifestano nella comprensione della lettura e in matematica e che sono, come abbiamo visto, le più coerentemente documentate dalle indagini comparative. 2 La somma delle differenze maschi-femmine in valore assoluto, senza tener conto del segno positivo o negativo, ammonta nel caso dei licei a 115 punti, a 131 negli istituti professionali e a 71 negli istituti tecnici. 3 Il calcolo dell'errore standard (vedi OECD, Data Analysis Manual, 2005a) sui dati PISA implica una procedura particolarmente laboriosa, che tiene conto sia dell'errore di campionamento (sampling variance) che dell'errore di misura delle variabili (imputation variance). Sulla sua maggiore o minore ampiezza influiscono vari elementi e da essa dipende la significatività o meno della differenza di una qualsiasi misura rispetto a un'altra o al parametro di riferimento. 4 Non si vuol con questo dire che gli alunni dei Licei siano sempre e in tutti i casi superiori agli alunni dei Tecnici e questi a quelli dei Professionali: fra le curve di distribuzione dei punteggi di tutte le prove di PISA vi sono infatti ampie zone di sovrapposizione nei risultati dei tre tipi di scuola, anche se mediamente - come si è visto dai paragafi 3.7, 4.4.4, 5.6 e 6.3 della II parte del Rapporto - il risultato dei Licei è migliore di quello dei Tecnici e questo a sua volta è più alto di quello dei Pofessionali. E' inoltre opportuno precisare che non si intende qui nemmeno entrare nel merito delle ragioni alla base di tale fenomeno né della sua consistenza effettiva. 180 Dai dati di PISA 2003 si evince come tali differenze non abbiano la stessa ampiezza lungo tutta la scala delle competenze, ma tendano ad accentuarsi, nel caso della lettura, soprattutto verso l'estremità inferiore e, nel caso della matematica, nella direzione diametralmente opposta, man mano cioè che ci si avvicina ai gradini superiori della scala. Se si considerano ad esempio (vedi tabelle 2a e 2b) le percentuali di alunni che si collocano ai vari livelli di competenza nella prova di comprensione del testo e in matematica si può osservare come, in media, nei paesi OCSE la percentuale di maschi che non supera il livello 1 in lettura è del 24,2% ma è solo del 13,8 % tra le femmine; per converso, in matematica, la percentuale di maschi che si colloca al sesto e più alto livello della scala complessiva è mediamente del 5,1% contro il 2,9% delle femmine. Tab. 2a: Percentuali di alunni ai vari livelli di competenza in lettura per genere Veneto Italia M. OCSE Sotto liv. 1 (< 335) M F 5,2 0,7 13,4 5,0 9,2 4,1 Livello 1 (335-407) M F 12,6 4,2 17,6 12,2 15,0 9,7 Livello 2 (408-480) M F 23,8 17,1 25,7 24,1 24,3 21,2 Livello 3 (481-552) M F 30,1 35,7 24,9 31,4 27,3 30,0 Livello 4 (553-625) M F 22,1 32,0 14,7 20,7 18,1 24,4 Livello 5 (>625) M F 6,2 10,4 3,7 6,5 6,1 10,6 Fonte: OECD, Learning for tomorrow's world, 2004a Tab. 2b: Percentuali di alunni ai vari livelli di competenza in matematica per genere Veneto Italia M. OCSE Sotto liv. 1 Livello 1 (<358) (358-420) M F M F 4,9 2,4 11,0 10,4 12,5 13,9 17,2 20,1 8,1 8,4 12,6 13,8 Livello 2 (421-482) M F 19,2 24,2 22,8 26,4 20,0 22,1 Livello 3 (483-544) M F 27,2 31,8 22,7 23,1 22,9 24,5 Livello 4 (545-606) M F 22,0 22,1 15,1 11,9 19,5 18,8 Livello 5 (607-668) M F 11,0 7,6 7,1 3,9 11,8 9,5 Livello 6 (>668) M F 4,7 1,5 2,5 0,7 5,1 2,9 Fonte: OECD, Learning for tomorrow's world, 2004a Lo stesso quadro emergeva per altro anche dai dati della prima fase di PISA, dove il rapporto maschi/femmine con prestazioni non superiori al livello 1 in lettura oscillava, secondo il paese, dall'1,3 al 3,5; viceversa in matematica i maschi avevano una maggiore probabilità rispetto alle femmine di trovarsi nel gruppo degli studenti con un punteggio superiore a 600 (cioè al di sopra di una deviazione standard dalla media) in 15 dei 28 paesi OCSE partecipanti all'indagine, mentre in nessun paese succedeva il contrario (OECD, 2001, p. 126). In generale, possiamo dire che il miglior risultato medio delle femmine in lettura risente dell'influsso esercitato dal numero comparativamente più grande di maschi che si trovano ai livelli bassi della scala di comprensione del testo mentre sul più elevato punteggio medio dei maschi in matematica incide in qualche misura la più ampia differenza di risultati a favore di questi ultimi che si registra fra gli studenti migliori. La tendenza dei maschi ad avere in matematica prestazioni superiori alle femmine ai livelli più alti spiega perché, se si tiene sotto controllo il tipo di scuola frequentata, a seconda che essa abbia un curricolo più orientato alla prosecuzione degli studi a livello universitario oppure più professionalizzante, la differenza maschi-femmine in molti paesi OCSE tende ad aumentare, passando in media dagli 11 ai 15 punti (OECD, 2004a, p. 98). Ciò riflette il fatto che, sebbene le femmine risultino più spesso dei maschi iscritte a scuole o indirizzi con un curricolo ad esigenze elevate - mentre il contrario accade per i secondi - tuttavia esse conseguono in tali scuole o indirizzi risultati in matematica inferiori a quelli dei loro coetanei dell'altro sesso. Uno dei fattori che si ipotizza possano contribuire alle differenze di genere sono i processi di selezione e autoselezione che hanno luogo nei sistemi scolastici organizzati in filiere nel grado secondario, in molti dei quali si osserva un'ampiezza della differenza maschi-femmine all'interno delle scuole che si discosta da quella registrata nella popolazione complessiva. Ad esempio, in Germania, dove il sistema scolastico è strutturato in tre filiere distinte fin dalla conclusione della scuola primaria, la differenza di genere in lettura e in matematica che si ricava dai dati di PISA 2003 è rispettivamente di 42 punti (a favore delle femmine) e di 9 punti (a favore dei maschi), ma le differenze attese all'interno di una qualsiasi scuola, in base ai coefficienti di regressione multilivello del sesso sui risultati, diventano di 19 punti nel primo caso e di 31 punti nel secondo (OECD, 2005a, cap. 13, p. 24). Stando ai risultati della prima fase di PISA, in media nei paesi OCSE la proporzione di femmine nei corsi orientati alla preparazione per l'università era di 8 punti percentuali più alta di quella dei maschi e nello stesso tempo, in tali corsi, la differenza a favore delle femmine in lettura tendeva ad esser più 181 piccola, mentre il vantaggio maschile in matematica risultava invece due volte più grande di quanto non accadesse nell'insieme della popolazione di studenti quindicenni (OECD, 2001, p. 127 e ss.). Nel Veneto i due fenomeni sopra descritti - vale a dire la maggior presenza di femmine rispetto ai maschi nelle scuole più orientate in senso "accademico" (i licei nel nostro caso) e l'ampliarsi della differenza tra i sessi in matematica insieme al suo ridursi in lettura nelle scuole dove il curricolo è in teoria più esigente - sono particolarmente evidenti. Nelle tabelle che seguono sono presentate le percentuali di studenti maschi e femmine complessivamente iscritti negli istituti secondari del campione veneto calcolate sul totale degli alunni in ciascuna tipologia di scuola e sul totale degli alunni dell'uno e l'altro sesso5. Come si può vedere, per lo meno in due dei tre settori d’istruzione è netto lo squilibrio nel rapporto fra gli alunni dei due sessi rispetto al rapporto femmine/maschi esistente nella popolazione, più o meno pari ad 1. La presenza femminile diviene in proporzione sempre più consistente passando dagli istituti professionali ai licei, dove i maschi rappresentano solo il 30% degli iscritti (tab. 3a). Parallelamente, sul totale delle femmine, il 44% frequenta un liceo contro soltanto il 18% del totale dei maschi (tab. 3b). Tab. 3a: Proporzione di maschi e femmine iscritti nei tre tipi di scuole e in tutte le scuole secondarie Maschi Femmine Totali Licei 30% 70% 100% Tecnici 57% 43% 100% Profess. 67% 33% 100% Tot. Scuole 51% 49% 100% Tab. 3b: Proporzione di iscritti ai tre tipi di scuole in rapporto al totale dei maschi e delle femmine e al totale complessivo Maschi Femmine Tot. Alunni Licei 18% 44% 31% Tecnici 48% 38% 43% Profess. 34% 18% 26% Totali 100% 100% 100% Il secondo fenomeno, vale a dire l'aumento della differenza di genere in matematica, e il suo parallelo ridursi in lettura, man mano che cresce il livello di esigenza della scuola, è illustrato dai dati presentati nella tabella 1, dove si può constatare (colonna 3) come la grandezza della differenza media tra maschi e femmine passi, in valore assoluto, da 7 punti negli istituti professionali (come già notato a favore in questo caso delle femmine) a 32 punti negli istituti tecnici e a ben 55 punti nei licei. Nello stesso tempo, la dimensione della differenza media in comprensione del testo (colonna 1) si riduce dai 57 punti degli istituti professionali a 13 punti negli istituti tecnici e a 4 punti (con un'inversione di segno a favore dei maschi) nei licei. Per chiudere, un'ultima notazione: la differenza di genere che emerge dai dati della prima e della seconda fase di PISA è particolarmente ampia per quanto riguarda la lettura, più di quanto non rilevato in altre indagini comparative. Ciò è dovuto principalmente al tipo di quesiti usato nelle prove di comprensione del testo di PISA: esse comprendono, accanto ai quesiti a scelta multipla, un discreto numero di quesiti a risposta aperta (prefissata, breve o lunga), che richiedono di costruire attivamente e di scrivere la risposta. A partire dai risultati di PISA 2000, è stato dimostrato che il divario maschi-femmine nella comprensione della lettura aumenta o diminuisce a seconda del tipo di item utilizzati, gli item a scelta multipla favorendo i maschi e quelli a risposta aperta le femmine (Monseur e Demeuse, 2004). Non a caso, delle tre sotto-scale che costituivano il test di lettura del 2000, lo scarto maggiore fra i due sessi si registrava sulla scala "Riflessione e Valutazione" che includeva un gran numero di tali domande. 11.3 Le differenze di genere in scienze e in problem-solving Come già sopra accennato, nel caso delle scienze il pattern delle differenze di genere è meno definito e soprattutto meno coerente. Mentre in matematica e in lettura si assiste ad un tendenziale 5 I dati sono desunti dall'item 2 del Questionario-Scuola di PISA, che rileva il numero totale di studenti maschi e femmine iscritti nell'istituto alla data del 30.1.2003. È qui il caso di notare che è lecito sollevare qualche dubbio sulla correttezza del campione veneto di istituti secondari, non per quanto riguarda la distribuzione di alunni nelle tre tipologie di scuola considerate in PISA ma la proporzione di alunni maschi e femmine al loro interno. I dati sugli iscritti alla scuola secondaria per l'anno 2002-2003 elaborati dal COSES e pubblicati nel Secondo Rapporto sulla Scuola Veneta (Regione del Veneto, 2003) presentano percentuali relative al tasso di femminilizzazione dei vari indirizzi di scuola secondaria che si discostano da quelle ricavabili dai dati di PISA, per difetto per quanto riguarda i licei (S.R.S.V.: 63,5%) e per eccesso per quanto concerne gli istituti professionali (S.R.S.V.: 40,7), mentre il tasso relativo agli istituti Tecnici (S.R.S.V.: 42,8) è invece del tutto comparabile. Va detto tuttavia che il confronto è reso difficile per una serie di motivi che qui non analizziamo, ma in particolare per il fatto che la classificazione delle scuole secondarie operata in PISA fa rientrare nella categoria "licei" gli istituti magistrali e nella categoria "istituti professionali" i licei artistici. 182 aumento della differenza a favore dell'uno o dell'altro sesso man mano che si sale o si scende verso i livelli superiori o inferiori della scala di competenze misurate da PISA, e lo scarto nei punteggi fra maschi e femmine è esteso a tutti o quasi tutti i paesi che hanno partecipato sia alla prima che alla seconda fase dell'indagine, non altrettanto accade nel caso delle scienze. Nella prova di competenza scientifica non si osservano differenze rilevanti tra i due sessi nelle percentuali di alunni che si collocano verso gli estremi della scala - vale a dire rispettivamente al di sotto dei 400 punti e al di sopra dei 6006 - e la differenza di prestazione, per lo più a favore dei maschi, non è generalizzata. Può esser qui interessante confrontare i risultati di PISA con quelli di altre comparazioni internazionali e in particolare con la TIMSS (Terza Indagine Internazionale sulla Matematica e le Scienze). Premesso che gli obiettivi dell'una e l'altra indagine sono diversi così come le popolazioni su cui le rilevazioni sono condotte (TIMSS monitora conoscenze e abilità legate al curricolo scolastico e le popolazioni oggetto d'inchiesta sono definite in base alla classe scolastica frequentata e non all'età), è interessante osservare che sia la TIMSS 1995 (Beaton e al., 1996) che la TIMSS-R del 1999 (Martin e al., 2000) avevano fatto emergere, a livello internazionale e in molti dei singoli paesi, significative differenze di genere nell'apprendimento scientifico (a favore dei maschi) all'ottavo anno di scuola, cioè - per gli alunni regolari - a 13 anni circa di età. Le differenze risultavano in generale addirittura più marcate in scienze che non in matematica. Tuttavia, l'ultima e più recente TIMSS 2003 (Martin e al., 2004) mostra un vantaggio dei maschi in scienze all'ottavo anno assai più contenuto che non nelle precedenti rilevazioni (solo 6 punti) e nello stesso tempo meno diffuso tra i vari paesi partecipanti, a riprova del carattere più ondivago e meno sistematico che la differenza di genere in scienze riveste. Un fattore che sembra esercitare un certo peso nel senso di ampliarla o al contrario di ridurla è rappresentato dal contenuto dei test: a seconda che questi diano più o meno spazio a certe discipline scientifiche piuttosto che ad altre l'esito infatti può mutare. Ad esempio, il test di scienze della TIMSS 1995 e 1999 includeva un maggior numero di quesiti che vertevano su conoscenze di Fisica (area di contenuto in cui le femmine incontrano più difficoltà), Chimica e Scienze della Terra rispetto a quesiti di biologia o ecologia, settori di contenuto che sono più rappresentati in PISA e dove le femmine hanno prestazioni più positive. Nel caso del Veneto, abbiamo visto come, a livello regionale, le femmine in scienze superino i maschi ma come questo sia dovuto principalmente al miglior risultato da esse ottenuto negli istituti professionali, mentre negli istituti tecnici e soprattutto nei licei i maschi conseguono in media risultati più alti delle loro coetanee, tanto che in quest'ultimo ordine di scuola la differenza diviene statisticamente significativa (vedi tab. 1, colonne 5 e 6). Nella fase 2003 di PISA è stata introdotta per la prima e unica volta, accanto alle prove che riguardano i settori di competenza regolarmente e sistematicamente monitorati ad ogni stadio del programma, una prova di problem-solving. Il test, concepito per rilevare competenze cosiddette “cross-curricolari”, cioè trasversali a tutte le discipline, è, oltre che nuovo nella storia delle indagini internazionali, particolarmente interessante in quanto - come osservato anche nel capitolo 6 della parte II del Rapporto - ancor più delle altre prove svincolato da contenuti e abilità specificamente oggetto di insegnamento scolastico. Sebbene la denominazione della prova faccia riferimento alla “soluzione di problemi”, val la pena di ribadire che non si intende con tale dicitura riferirsi alla risoluzione di problemi di tipo matematico, secondo il significato corrente dell'espressione, ma alla capacità di affrontare situazioni problemiche di vario tipo attinenti il mondo reale e la vita quotidiana. Essa ha dunque come matrice teorica di sfondo la ricerca psicologica sui processi di pensiero e di ragionamento in contesti concreti e in situazioni di incertezza (Legrenzi-Mazzocco, 1973; Wason e al., 1977). La scala di problem-solving, al pari di quelle di lettura e matematica, prevede livelli distinti di prestazione, in questo caso tre, dal più basso (livello 1) al più alto (livello 3), cui corrispondono 6 Poiché nel caso della scala di competenza scientifica non sono stati individuati livelli di prestazione qualitativamente definiti (oltre che quantitativamente) come è accaduto per la lettura e la matematica - che sono state il centro d'attenzione di PISA rispettivamente nella fase del 2000 e del 2003 - l'unica possibilità di comparazione delle percentuali di alunni in ciascun paese che si collocano a gradi diversi di competenza consiste nel confrontare quanti alunni abbiano un punteggio superiore o inferiore a "tot" unità di deviazione standard. Quando nella terza fase di PISA (2006) le scienze rappresenteranno il focus dell'indagine, la relativa scala di competenza sarà costruita in modo articolato così da avere un punteggio complessivo e punteggi separati per i sub-test, e da permettere la definizione di livelli di prestazione distinti non solo in termini quantitativi. 183 competenze differenti. L'analisi fattoriale alla quale gli item delle prove di lettura, di matematica e di problem-solving sono stati sottoposti7 ha dimostrato (OECD, 2004b, p. 53) che quest'ultimo test è più vicino alla prova di matematica che non a quella di lettura e che gli item di cui si compone condividono in ampia misura con quelli di matematica un fattore generale identificabile come “abilità di ragionamento analitico”. Nonostante l'elevata correlazione con il test di competenza matematica, nel problem-solving, in media, la differenza di genere nei paesi OCSE è insignificante e, come per le scienze, non si registrano divari rilevanti nella proporzione di alunni dell'uno e l'altro sesso che si trovano agli estremi della scala, vale a dire sotto il livello 1 e al livello 3, anche se nella stragrande maggioranza dei paesi è leggermente prevalente in entrambi i casi la percentuale dei maschi. Nel campione veneto, a livello regionale, la differenza di genere, non significativa, a favore delle femmine, è più alta sia della media OCSE che della media italiana, risentendo, come nel caso delle scienze, del migliore risultato conseguito dalle ragazze negli istituti professionali. Negli istituti tecnici e nei licei la differenza è invece a vantaggio dei maschi e, ancora come nel caso delle scienze, essa diviene in questo secondo tipo d'istituti anche significativa in termini statistici (vedi tab. 1, colonne 7 e 8). 11.4 Le differenze di genere nei quattro sub-test di competenza matematica Il test di matematica, che costituiva nel 2003 il focus dell'indagine PISA, si compone di quattro subtest, ciascuno dei quali esplora aree di contenuto diverse, grosso modo riferibili a differenti branche della disciplina più strettamente coinvolta nella prova: a)geometria, b)algebra e funzioni, c)calcolo della probabilità e statistica, d)aritmetica. I quattro sub-test (si veda il paragrafo 3.2 del terzo capitolo, parte II, del Rapporto) sono denominati rispettivamente: "Spazio e Forma", "Cambiamento e relazioni", "Incertezza", "Quantità". Per ciascun alunno testato sono dunque disponibili stime del punteggio sulla scala complessiva e stime del punteggio su ciascuna delle quattro sub-scale. Nel grafico di figura 2 a pagina 179, sono rappresentate le differenze di genere nei quattro sub-test di matematica, per tutti gli studenti veneti globalmente considerati e per le tre tipologie di scuole, mentre nella tabella 4 sono riportati, insieme all'ampiezza delle differenze in ciascuna scala, gli errori standard di misura e i valori del test "t" sulla differenza delle medie con accanto l'indicazione della loro significatività o meno. Tab. 4: Differenze di punteggio tra maschi e femmine nei quattro sub-test della scala di matematica, errori standard della differenza fra le medie (in parentesi) e valori di "t" Veneto Licei Ist.Tecnici Ist. Prof. Spazio e Forma (F - M) t (2 code) Cambiam. e Relazioni (F - M) t (2 code) Incertezza -19 (12,8) -63 (12,5) -43 (10,3) -7 (20,7) -1,52 (NS) -5,04 (S) -4,16 (S) -0,33 (NS) -11 (12,9) -57 (9,9) -36 (9,4) -0 (22,3) -0,86 (NS) -5,78 (S) -3,79 (S) -0,01 (NS) -12 (11,4) -58 (8,43) -37 (8,8) 6 (18,6) t (2 code) Quantità -1,09 (NS) -6,90 (S) -4,23 (S) 0,32 (NS) 6 (13,8) -44 (10,9) -20 (10,9) 20 (24,5) (F - M) t (2 code) (F - M) 0,47 (NS) -4,00 (S) -1,79 (NS) 0,80 (NS) (S: p < 0,05) Come si può constatare, si riproduce, nelle sotto-scale della prova di matematica, una situazione analoga a quella che si era vista per le prove relative ai quattro principali ambiti di competenza esaminati da PISA. Finché si resta a livello regionale, le differenze sono modeste e non significative statisticamente, ma quando si disaggregano i dati a livello delle tre tipologie di scuola secondaria il quadro cambia. Nei 7 L'analisi fattoriale è una tecnica statistica che ha lo scopo di individuare, in un insieme di variabili, la o le dimensioni latenti (fattori), non direttamente osservabili, comuni a più variabili e dunque in grado di renderne conto. Essa si fonda sull'analisi della matrice delle correlazioni fra le variabili. Nel nostro caso l'analisi fattoriale, di tipo esplorativo, è stata svolta sulle correlazioni fra gli items della prova di lettura, di matematica e di problem-solving, facendo emergere due fattori principali, 1 e 2, dei quali il primo, denominato "fattore di ragionamento analitico", è comune a tutte e tre le prove ma satura in particolare gli items delle prove di problem-solving e matematica, mentre il secondo è più legato alla prova di comprensione del testo. Mentre nessuno degli items di problem-solving presenta saturazioni più elevate sul secondo fattore rispetto al primo, alcuni degli items di matematica e gran parte degli items di comprensione hanno saturazioni più alte sul secondo fattore. 184 licei in particolare e negli istituti tecnici le differenze diventano più grandi e sono sempre significative, fatta eccezione per la scala "Quantità" nei Tecnici, mentre negli istituti professionali le differenze si annullano (Cambiamento e Relazioni) o addirittura si rovesciano a favore delle femmine (Incertezza e Quantità), e l'unica differenza negativa rimasta (Spazio e Forma) è piccola e non significativa. La seconda osservazione che possiamo fare è che l'ordine di grandezza delle differenze sulle quattro sub-scale si mantiene invece pressoché costante nel passaggio dai risultati del Veneto in generale ai risultati nei tre tipi di istituti: in tutti i casi la scala "Spazio e forma" è quella dove si registra il massimo divario fra le prestazioni dell'uno e l'altro sesso a sfavore delle femmine, mentre all'opposto la scala "Quantità" è quella in cui esso si riduce maggiormente, tanto che nei Professionali sono le femmine ad avere un risultato migliore dei maschi di 20 punti; le scale "Cambiamento e Relazioni" ed "Incertezza" hanno una posizione intermedia e fanno nel contempo registrare risultati molto simili fra loro. È interessante osservare che le differenze maschi-femmine nelle quattro sub-scale di matematica seguono per lo più nei paesi OCSE - a prescindere dalle variazioni nell'ampiezza che sono invece peculiari a ciascun paese - il medesimo andamento che abbiamo riscontrato nel campione veneto: la differenza di genere sulla scala "Spazio e Forma" è mediamente di 17 punti, mentre essa si riduce fino a 6 punti sulla scala "Quantità" ed è rispettivamente di 11 e 13 punti sulle scale "Cambiamento e Relazioni" e "Incertezza". Inoltre, sulla scala "Spazio e Forma" il vantaggio maschile non solo è pervasivo (unica eccezione l'Islanda) ma esso è anche significativo statisticamente in 24 paesi sui 29 partecipanti per cui siano disponibili dati comparabili8. Se per ipotesi dunque si eliminasse questa sottoscala dal test di matematica lo svantaggio femminile subito diminuirebbe. Sebbene le diseguaglianze di risultati fra i due sessi riscontrate nelle indagini a larga scala siano il frutto di molteplici fattori di varia natura e interagenti fra loro, tuttavia è difficile non pensare che quest'ultimo dato non abbia una qualche relazione - in che misura è naturalmente tutt'altra questione - con un'osservazione ricorrente di cui si ha testimonianza nella storia della psicometria, e cioè con le differenze nelle “abilità primarie” (Thurstone, 1939) che le batterie di test fattoriali, ma anche altri tipi di reattivi, cui soggetti appartenenti all'uno e all'altro sesso sono stati sottoposti, hanno tipicamente messo in luce. Generalmente gli uomini si mostrano superiori alle donne nelle capacità visuo-spaziali e dunque riescono meglio in tutte le prove che implichino tale fattore specifico. In compenso, le femmine sono superiori nelle capacità verbali e ottengono migliori risultati rispetto ai maschi nelle prove che coinvolgono l'uso del linguaggio (Eysenck e Kamin, 1982). E da questo punto di vista l'universale prevalenza femminile nei risultati della prova di comprensione di PISA 2000 e 2003 sembrerebbe portare ulteriore conferma ad una constatazione che, al pari della precedente, è stata più volte effettuata. 11.5 La “segregazione sessuale” nella scuola secondaria Come si è già visto sopra alle tabelle 3a e 3b, i due sessi sono ripartiti nelle tre tipologie di scuola secondaria in maniera ineguale. Ancor più ineguale tuttavia risulta la distribuzione di maschi e femmine nei vari indirizzi inclusi all'interno dei canali liceale, tecnico e professionale. Ciò naturalmente ha a che fare con il carattere specializzato che contraddistingue la formazione in questi due ultimi settori, ma il fenomeno coinvolge ampiamente anche il settore liceale, che dovrebbe in teoria fornire una preparazione generale e propedeutica. Come si può vedere dal grafico di figura 3, che mostra le percentuali di alunni maschi e femmine iscritti nelle scuole secondarie venete partecipanti a PISA 20039 in funzione dell'indirizzo di studi10 8 Si ricorda che il Regno Unito pur avendo preso parte all'indagine nel 2003 non ha raggiunto il tasso di risposte ai test richiesto dal Consorzio PISA per assicurare la comparabiltà dei dati. 9 I dati illustrati nel grafico sono ricavati dall’accorpamento, in funzione dell’indirizzo, del totale degli iscritti alle scuole secondarie del campione veneto (vedi tavola IX alla fine). Per inquadrare meglio il fenomeno, si veda anche la tavola X, che riporta i dati relativi alle iscrizioni ai vari indirizzi di scuola secondaria nel Veneto, in totale e per sesso, dall'anno sc. 1952-53 al 2002-03. 10 Si intende per “indirizzo” la denominazione ufficiale sotto cui l'istituto è classificato (es. Liceo Classico, Istituto Tecnico Industriale, ecc.). 185 Fig.3 : Femmine e maschi iscritti alle scuole secondarie del campione veneto per indirizzo Percentuale di femmine e maschi 100 90 80 70 60 50 40 30 20 10 ag Is tM ur Te cT l C om /C T oC Maschi Li ce Femmine Pr of Te cA S oA r Li ce Pr of Al b Te cC om /C G oS c Li ce Ag r Pr of In d Pr of Te cI nd 0 cui l'istituto appartiene, mentre nella popolazione complessiva la proporzione femmine-maschi è rispettivamente del 49% e del 51%, sono pochi gli indirizzi in cui il rapporto numerico fra gli alunni dei due sessi risulta equilibrato. In pratica, solo il liceo scientifico e l'istituto professionale alberghiero hanno percentuali quasi eguali di maschi e di femmine, mentre in tutti gli altri casi prevalgono o i primi o le seconde fino ad una quasi totale femminilizzazione o maschilizzazione in alcuni percorsi di studio (ad es. l'istituto magistrale da una parte e gli indirizzi industriali dell'istituto tecnico e professionale dall'altra). Sulla base delle risposte al questionario-scuola di PISA, abbiamo calcolato un indice di "segregazione sessuale" delle scuole secondarie del campione veneto utilizzando la misura più comunemente usata fra i vari indicatori disponibili (Gorard e Taylor, 2002), vale a dire l'indice di Dissimilarità11. L'indicatore, che ha un range di variazione oscillante da 0, in caso di una distribuzione totalmente uniforme dei soggetti di due diverse categorie nelle unità di un sistema, ad 1, nel caso opposto di una completa separazione dei due gruppi, fornisce in pratica una stima della proporzione di soggetti dell'una o l'altra categoria che sarebbe necessario spostare per avere un'equa ripartizione. Nel caso del Veneto, il valore dell'indice di dissimilarità ottenuto sui dati relativi a tutti gli alunni dei due sessi iscritti nelle scuole secondarie campionate è pari a: 0,57 (per i dati di riferimento si veda la Tavola IX alla fine). Tornando al grafico di figura 3, è il caso di sottolineare che anche gli indirizzi a prima vista più equilibrati dal punto di vista della composizione sessuale, possono di fatto celare una realtà affatto diversa al proprio interno. I dati rappresentati nel grafico riflettono infatti la situazione delle iscrizioni a livello di scuola e non dei singoli corsi dentro le scuole, tra i quali potrebbero esservi classi con un rapporto maschi-femmine molto differente da quello dell'istituto nel suo insieme. È infatti oggetto di comune esperienza che è sufficiente l'introduzione di una sperimentazione linguistica in una classe di liceo scientifico (con l'aggiunta di alcune ore di una seconda lingua straniera al curricolo) perché questa divenga ben presto quasi totalmente femminile. Al di là delle considerazioni che si potrebbero fare sul paradosso di una scuola dove vige in teoria il principio della coeducazione di ragazzi e ragazze ma dove in realtà questo costituisce di fatto più l'eccezione che la regola, vorremmo rilevare che ciò non è del tutto privo di conseguenze sulla qualità dell'insegnamento e sul rigore con cui il curricolo delle varie discipline è sviluppato, anche se non è facile valutarne con sicurezza l'effetto e soprattutto darne un'interpretazione. 11 D = 0,5 * Sommatoria |Ai/X - Bi/Y| (dove: Ai è il numero di alunni di una categoria iscritti nella scuola i; X è il numero totale di alunni di tale categoria; Bi è il numero di alunni dell'altra categoria iscritti nella scuola i; Y è il numero totale di alunni della seconda categoria). Gli indicatori di segregazione sono normalmente usati per valutare il grado di relegazione di gruppi minoritari o discriminati (ad es. determinati gruppi etnici, o categorie sociali) all'interno del sistema scolastico o di altre organizzazioni. 186 I quattro grafici delle figure 4 e 5 alle pagine seguenti mettono in relazione, nell'insieme delle scuole secondarie, nei licei, negli istituti tecnici e negli istituti professionali, la proporzione di femmine in ciascuna scuola sul totale degli iscritti (variabile pcgirls del dataset PISA) con il punteggio medio in matematica e in lettura dell'istituto. Per quanto riguarda la matematica, come si può vedere, mentre nell'insieme delle scuole secondarie la relazione è praticamente nulla, nei licei il punteggio tende a decrescere man mano che aumenta il tasso di femminilizzazione; lo stesso accade ma in misura più contenuta negli istituti tecnici, mentre la relazione s'inverte negli istituti professionali, divenendo moderatamente positiva. In lettura, il punteggio mostra invece una tendenza a crescere in funzione del tasso di femminilizzazione dell'istituto sia nell'insieme delle scuole sia - in misura maggiore - nei Professionali, mentre nei tecnici la linea di tendenza è praticamente piatta e nei licei, infine, ancora una volta essa si abbassa - anche se meno che in matematica - man mano che aumenta la proporzione di femmine. Inoltre, si può rilevare come nei licei la retta sia più breve che negli altri tipi di scuola per l'assenza di istituti a forte composizione maschile. 11.6 Tipologie di scuola e indirizzi La situazione delineata dai grafici si presta a più di una considerazione e riflessione. Cominciamo col dire che, forse, il grafico che può maggiormente sorprendere è quello relativo alla lettura nei licei, in quanto la superiorità femminile nella comprensione del testo a tutti i livelli della scala di competenza anche se con una progressiva riduzione del vantaggio nei confronti dell'altro sesso man mano che si procede verso i livelli più alti - è un dato che emerge dai risultati di PISA sia della prima che della seconda e più recente fase. Se si guarda infatti alla tabella 2, riferita a quest'ultima, si può osservare che la percentuale media di femmine che si collocano al livello 5 in lettura sopravanza quella dei maschi sia nel Veneto globalmente considerato che in Italia e nei paesi OCSE in genere. L' “anomalia”, evidenziata dal grafico di figura 5 relativo ai licei, era d'altronde - ricordiamolo - già in qualche modo stata segnalata dal raffronto delle medie di ragazzi e ragazze per tipologia di scuola secondaria (vedi sopra tabella 1), che vedeva sulla scala di comprensione del testo prevalere nel settore liceale i maschi, sebbene di poco. Essa è tuttavia più apparente che sostanziale. L'andamento della linea di tendenza nel grafico di cui si sta discutendo dipende infatti principalmente dal diverso risultato ottenuto dagli studenti degli indirizzi che nell'indagine sono stati classificati all'interno della categoria “licei”, e in particolare dal punteggio nettamente più basso conseguito dall'indirizzo magistrale, che, essendo anche quello (vedi fig. 3) dove la percentuale di femmine supera il 90%, incide in particolare sul punteggio di queste ultime. 187 Fig. 4: Relazione tra proporzione di femmine nella scuola e risultato medio in Matematica Tutte le Scuole Secondarie Licei Istituti Tecnici Istituti Professionali 188 Fig. 5: Relazione tra proporzione di femmine nella scuola e risultato medio in Lettura Tutte le Scuole Secondarie Licei Istituti Tecnici Istituti Professionali 189 Nella tabella 5 sono presentati i punteggi medi ottenuti in lettura e in matematica dagli alunni iscritti ai vari indirizzi all'interno delle tre tipologie di scuola secondo la classificazione usata in PISA. Tab. 5: Punteggi medi in Matematica e Lettura degli studenti di 15 anni nei vari indirizzi Licei Liceo Scientifico Liceo Classico Istituto Magistrale Istituti Tecnici Industriale Attività Sociali Commerciale/Comm. e per Geometri Turistico Istituti Professionali Liceo Artistico Alberghiero Agricolo Commerciale/Comm. e Turistico Industriale Matematica Lettura 575 543 495 581 567 529 553 535 507 482 523 555 511 515 527 460 449 446 556 479 463 478 445 428 Nota: I punteggi all'interno dei tre tipi di scuola sono ordinati in ordine decrescente in base al risultato in matematica Prima di proseguire è opportuno precisare che le medie fornite nella tabella vanno assunte con prudenza e a titolo indicativo12 per due motivi: il primo è che la popolazione target di PISA è rappresentata dagli studenti quindicenni ancora scolarizzati qualunque sia la classe e il tipo di scuola frequentata e obiettivo principale dell'indagine è la rilevazione delle “competenze di base” maturate dai ragazzi di questa fascia d'età in quanto essa rappresenta in vari paesi - non nel nostro né in altri la conclusione dell'istruzione obbligatoria. La seconda, e più importante, ragione è che la categoria di appartenenza della scuola (liceo, istituto tecnico, istituto professionale) costituisce una variabile esplicita del campionamento13 effettuato in Italia, mentre non altrettanto può dirsi per quanto riguarda l'indirizzo dell'istituto. Ciò detto, è però evidente che la decisione su quali scuole considerare in ognuna delle categorie previste come variabile di stratificazione del campione non è senza conseguenze, né per quanto riguarda in generale il risultato medio di ciascuna tipologia di istituto - che è uno dei criteri che guidano la pubblicazione degli esiti dell'indagine a livello nazionale e regionale – né, in particolare, per la questione di cui ci stiamo qui occupando e cioè le differenze fra maschi e femmine. Le due cose, poi, a loro volta non sono senza legame fra loro in quanto, se, come si è sopra constatato, la caratterizzazione maschile o femminile degli indirizzi è forte e se la differenza di genere ha un peso sui risultati, la presenza, e la misura di tale presenza, delle scuole di un certo indirizzo all'interno di questa o quella categoria può influire anche sul risultato medio complessivo. Il criterio che ha presieduto alla classificazione dei percorsi di studio non è chiaro, in special modo, per quanto concerne i licei, poiché non si comprende per quale ragione l'istituto magistrale sia stato incluso in questa categoria (se non, forse, in base al principio prettamente burocratico e ormai anacronistico che vedeva far capo ad un'unica Direzione Generale dell'ex M.P.I. la cosiddetta “Istruzione Classica, Scientifica e Magistrale”) ma non altrettanto il liceo artistico, che figura invece tra gli istituti professionali, rispetto ai quali per altro, guardando ai dati della tabella, consegue risultati sia in matematica che in lettura alquanto differenti. Ma c'è di più: come sopra osservato, se non è in qualche modo controllata la composizione interna delle categorie di campionamento sotto il profilo del rapporto effettivamente esistente fra gli indirizzi di scuole presenti sul territorio regionale, cioè se entro una data categoria sono casualmente incluse più scuole di un certo indirizzo rispetto a quella che è l’effettiva offerta educativa, rischiano di esser alterati i risultati - per i motivi prima indicati - non 12 Per questo non si è ritenuto opportuno riportare gli errori standard di misura o la significatività delle differenze fra l'una e l'altra. 13 Il campionamento in PISA è un campionamento stratificato a due stadi: in un primo stadio vengono selezionate le scuole e in un secondo stadio, sull'elenco di tutti gli studenti quindicenni di ciascuna scuola, sono selezionati 35 alunni da esaminare. Tutti i dati relativi agli alunni sono pesati in rapporto alla dimensione della scuola. 190 solo a livello delle categorie d'istituto previste come variabile di stratificazione ma anche, in ultima analisi, a livello complessivo14. Lasciando da parte questa discussione, e ritornando ai risultati degli studenti maschi e femmine degli indirizzi compresi all’interno del settore liceale, se da questo si toglie l’indirizzo magistrale, il quadro delle differenze di genere si modifica in parte. Come si può vedere dalla tabella 6, innanzitutto non solo ora il risultato nella prova di comprensione vede in testa le ragazze sia nell'indirizzo classico che Tab. 6: punteggi medi di maschi e femmine del liceo classico e scientifico nelle quattro prove disaggregati per indirizzo e in totale Indirizzi liceali Classico Scientifico Totale Licei* Matematica M 566 594 586 584 F 536 555 544 529 F-M -30 -39 -42 -55 Lettura M 554 574 568 567 F 571 588 578 563 Scienze F-M 17 14 10 -4 M 587 602 598 597 F 578 594 585 570 Problem-Solving F-M -9 -8 -13 -27 M 568 575 573 570 F 549 568 557 541 F-M -19 -7 -16 -29 *Tutti gli indirizzi, compreso l'istituto magistrale scientifico (con 17 e 14 punti rispettivamente), ma mentre i punteggi medi, in tutte e quattro le prove, dei maschi di questi due indirizzi presi insieme (riga 3) si scostano solo di qualche punto rispetto alla media di tutti i maschi del settore liceale (incluso l’istituto magistrale), il divario è più ampio nel caso delle femmine. Come sopra accennato, il più basso livello di prestazione, in particolare per quanto riguarda la matematica, degli studenti degli istituti magistrali, che rappresentano circa un quarto degli alunni di liceo del campione veneto, influisce, per la loro composizione quasi completamente femminile, soprattutto sul risultato medio delle ragazze: non solo ne abbassa il punteggio in lettura al di sotto di quello dei maschi, ma contribuisce ad aumentare la differenza di genere anche nelle altre tre prove (oltre, naturalmente, a far diminuire il punteggio medio complessivo). Un altro elemento, di carattere più generale, su cui intendiamo richiamare l'attenzione a conclusione di questo primo esame dei dati della tabella 5, è la maggiore variabilità che si osserva nei risultati medi degli indirizzi del settore liceale e del settore tecnico rispetto a quello professionale (fatto salvo il liceo artistico, della cui discutibile collocazione si è già parlato). Da segnalare, in particolare, il buon risultato in matematica degli studenti dell'indirizzo tecnico-industriale, il cui punteggio medio supera quello del liceo classico. Quest'ultimo dato è naturalmente in relazione con la composizione prevalentemente maschile del corpo studentesco, ma anche con l'importanza tradizionalmente attribuita all'insegnamento della matematica in tale indirizzo. 11.7 L’organizzazione della scuola secondaria L'osservazione fatta a conclusione del paragrafo precedente, apre ad una seconda serie di considerazioni che possono esser sviluppate in riferimento ai dati della tabella 5. A titolo esemplificativo, ci soffermiamo per svolgere il nostro ragionamento sui risultati dell'indirizzo classico del liceo in confronto a quelli dell'indirizzo scientifico. Nella tradizione della scuola secondaria italiana, risalente alla riforma Gentile, il liceo classico ha a lungo rappresentato la scuola dell'élite, rispetto a cui il liceo scientifico occupava un posto di secondo piano, anche per il fatto di non riuscire a far dimenticare la propria meno nobile origine da una sezione, quella Fisico-Matematica, dell'istituto tecnico15. Sul piano delle competenze, dai dati della 14 Ritorna qui la questione già sollevata alla nota 5. C'è da chiedersi, a questo punto, se il più basso punteggio medio in matematica dei licei veneti rispetto alla limitrofa Lombardia - che non trova analogo riscontro nei Tecnici e nei Professionali - non sia anche in qualche misura frutto di una maggior presenza nel campione veneto, sotto la comune etichetta “licei”, di istituti magistrali (e di licei classici) rispetto al campione lombardo. Dei 16 istituti classificati come licei, nel caso veneto 4 sono magistrali, 6 scientifici e 6 classici, mentre nel caso della Lombardia si hanno 2 magistrali, 8 scientifici, 3 classici, 3 misti. 15 Prima della riforma Gentile, l’organizzazione dell’istruzione secondaria post-elementare, risalente alla legge Casati (1859), valevole dapprima per il solo Regno di Piemonte e Sardegna e poi, con l’unificazione, estesa progressivamente a tutto il territorio nazionale, prevedeva due canali: quello dell’istruzione classica, strutturata nel “ginnasio” di 5 anni e nel “liceo” di 3 anni, e quello dell’istruzione tecnica, articolata nelle scuole tecniche di 3 anni e nell’istituto tecnico, di 4 o 5 anni a seconda della sezione frequentata. La sezione “Fisico-Matematica” dell’istituto tecnico, che ebbe un ruolo rilevante nello sviluppo scientifico e tecnologico dell’Italia nei primi decenni del secolo scorso, venne soppressa dalla riforma Gentile e sostituita con il liceo scientifico. 191 tabella emerge come il primato del liceo classico sia ormai più un ricordo del passato che una realtà attuale16: come si può osservare, non solo il punteggio medio in matematica degli studenti del Classico è più basso di quello degli studenti dello Scientifico (di 32 punti), ma tale risultato - che forse potrebbe esser giustificato dalla diversità d'orientamento fra i due indirizzi, oltre che dalla maggior presenza femminile - non è compensato da un più elevato punteggio nella prova di lettura, come ci si sarebbe invece potuto attendere. Anche nella comprensione del testo il punteggio dell'indirizzo classico è inferiore, sebbene in questo caso con uno stacco più ridotto (24 punti), a quello medio degli alunni del liceo scientifico. Facciamo osservare che la superiorità di risultati - quando la valutazione è realizzata con strumenti “oggettivi” standardizzati - del liceo scientifico rispetto al liceo classico era un dato già in parte messo in luce dall'indagine condotta nel 1993 dall'Istituto Cattaneo su un campione nazionale di alunni dell'ultimo anno di corso di quattro indirizzi secondari, due liceali, classico e scientifico, e due tecnici, industriale e commerciale. Il punteggio medio complessivo conseguito dagli alunni del liceo scientifico in una prova strutturata coinvolgente vari settori disciplinari risultava anche in quella circostanza superiore al punteggio medio degli studenti del classico (Gasperoni, 1996, p.153). Naturalmente, le diversità esistenti fra l'indagine del Cattaneo e l'indagine PISA, in particolare per quanto riguarda la popolazione esaminata, non rendono possibile un confronto degli esiti se non in termini molto generali. Ciò detto, rispetto al 1993, la tendenza al sorpasso sugli alunni del Classico da parte degli studenti dello Scientifico sembrerebbe essersi accentuata, poiché, all'epoca, nella sottosezione della prova strutturata che verteva sulla comprensione della lettura non si erano registrate differenze nel punteggio medio ottenuto dagli alunni dei due indirizzi, anche se si potrebbe rilevare come, in ogni caso, gli studenti dell'indirizzo classico non avessero nemmeno allora conseguito risultati più elevati in lettura rispetto agli alunni dell'indirizzo scientifico17. D'altra parte, il relativo declino del liceo classico nei confronti del liceo scientifico, che viene ormai almeno nel Veneto - di fatto a soppiantarlo nel ruolo di scuola generale propedeutica agli studi universitari, è testimoniato anche dall'evoluzione che si è avuta nelle iscrizioni ai due indirizzi, dal periodo immediatamente successivo alla fine della seconda guerra mondiale ai giorni nostri; esso, inoltre, non è un fenomeno solo italiano, sebbene la valorizzazione della formazione classicoumanistica come la migliore via di preparazione per l'accesso all'istruzione superiore sia un retaggio sopravvissuto probabilmente in Italia più a lungo che altrove. Per quanto concerne il primo punto, il grafico di figura 6 alla pagina seguente mostra l'evolversi, ad intervalli di 10 anni dal 1952-53 al 2002-03, quando si è svolta la seconda fase di PISA, delle iscrizioni al liceo classico e al liceo scientifico, distinte per sesso. Due cose sono da sottolineare: mentre fino agli anni '60 gli iscritti al Classico, sia maschi che femmine, superavano per numero gli iscritti allo Scientifico, negli anni '70 la situazione si è ormai del tutto capovolta. Inoltre, dal punto di vista del rapporto fra l'uno e l'altro sesso all'interno di ognuno dei due indirizzi, ancora nei primi anni '70 i maschi nel liceo classico erano in leggera maggioranza rispetto alle femmine, mentre queste ultime continuavano ad esser largamente minoritarie nel liceo scientifico. Negli anni '80 tuttavia è già visibile il sorpasso numerico da parte delle femmine sui maschi nel liceo classico - dove i secondi cessano da questo momento di crescere - mentre la forbice maschi-femmine nel liceo scientifico comincia progressivamente a restringersi fino a chiudersi quasi del tutto ai giorni nostri. Il secondo dei due fenomeni è descritto in modo più evidente dal grafico di figura 7 (nella stessa pagina della fig. 6), che rappresenta, sulla base dei medesimi dati del precedente, il mutare del rapporto tra numero di iscrizioni femminili e numero di iscrizioni maschili nel corso dello stesso arco di tempo. 16 Da questo punto di vista non condividiamo l'affermazione, contenuta nella presentazione alla ricerca di T. Mariano Longo (2003, p. 6) secondo cui in Italia, a differenza della Francia, il Liceo Classico sarebbe la scuola dell'èlite. 17 Gli studenti del liceo classico ottenevano punteggi più alti rispetto agli alunni del liceo scientifico solo nelle sottosezioni della prova concernenti la storia e la letteratura. 192 Fig. 6: Iscritti per sesso agli indirizzi Classico e Scientifico nel Veneto dal 1952-53 al 2002-03 20000 18000 16000 14000 12000 10000 8000 6000 4000 2000 0 1952-53 Maschi Classico 1962-63 1972-73 1982-83 1992-93 Maschi Scientifico Femmine Classico 2002-03 Femmine Scientifico Fonte: vedi Tavola X alla fine. Fig. 7: Rapporto femmine/maschi fra gli iscritti agli indirizzi Classico e Scientifico nel Veneto dal 1952-53 al 2002-03 2,5 2,0 1,5 1,0 0,5 0,0 1952-53 1962-63 1972-73 Liceo Classico Fonte: vedi Tavola X alla fine. 193 1982-83 Liceo Scientifico 1992-93 2002-03 Si diceva poco sopra che la progressiva perdita di status della formazione classico-umanistica trova riscontro anche in altri paesi che condividono con noi origini storiche e tradizioni culturali, insieme ad alcune somiglianze nell'organizzazzione del sistema scolastico. Ad esempio, in Francia18 - osserva Teresa Mariano Longo (2003) - già da molto tempo la filiera “nobile” è quella scientifica, che ha quasi del tutto preso il posto degli studi classici. Gli alunni migliori, al momento in cui si decide del loro orientamento, si iscrivono alla sezione scientifica (série S) del liceo generale ed in genere da questa filiera proviene la maggior parte degli alunni che, dopo il baccalaureato, accedono alle classes préparatoires per poi sostenere il concorso di ingresso alle Grandes Écoles19. «Che la sezione scientifica funzioni in Francia più come un buon Liceo per le élites che come una sezione di preparazione agli studi scientifici approfonditi, è stato sottolineato da molto tempo dagli esperti. I bacheliers S sono presenti in tutte le Facoltà e hanno accesso privilegiato in qualunque specializzazione essi scelgano» (ibidem, p. 70). Onde evitare equivoci, si tiene a precisare che le osservazioni qui svolte intendono descrivere fenomeni in atto nella scuola secondaria italiana e non significano che la formazione classicoumanistica abbia in sé perduto valore. Ciò che ci preme invece sottolineare è che, nella scuola reale, qualità dell'insegnamento, qualità del curricolo e qualità degli studenti sono fattori che interagiscono fra loro e si influenzano a vicenda, cosa che tende troppo spesso ad esser dimenticata, sebbene l'osservazione empirica ne fornisca ampia documentazione. Ad esempio, la tendenza ad un minor rigore in termini di esigenze nell'apprendimento della matematica nelle scuole frequentate unicamente o quasi da ragazze è stata più d'una volta rilevata dalla ricerca (Grisay, 1984). In altre parole, al di là di quanto stabilisce il curricolo ufficiale o prescritto, il curricolo effettivamente insegnato e a maggior ragione il curricolo appreso non sono indipendenti dalle caratteristiche della popolazione scolastica reclutata dai vari istituti. Quando nel nostro paese si parla di riforma della scuola, secondaria e non, e qualunque siano gli obiettivi perseguiti o le proposte avanzate dai partigiani delle diverse ipotesi in discussione, questa constatazione non andrebbe trascurata. Riprendendo il discorso sulle diversità di risultato fra gli indirizzi ricompresi all'interno della categoria “licei”, che esse siano da porsi in relazione con le differenze, più e meno marcate, nelle caratteristiche della popolazione scolastica è comprovato anche da un'analisi dei dati relativi all'indicatore di status socio-economico-culturale (Escs index) degli alunni che frequentano i diversi indirizzi, come si può constatare dalla tabella 7. La prima osservazione che in base ad essa possiamo fare riguarda gli indici medi di status degli indirizzi scientifico e classico rispetto all'istituto magistrale: mentre i primi due sono quasi eguali fra loro, l'indice medio di status degli alunni che frequentano l'istituto magistrale è più basso di circa mezza unità di deviazione standard (0,6 per l'esattezza), il che indica che la popolazione reclutata Tab. 7: Indice di status socio-economico e culturale negli indirizzi liceali, in totale e per sesso Liceo Classico Liceo Scientifico Istituto Magistrale Indice medio totale di Escs* 0,64 0,66 0,04 Escs medio Maschi Escs medio Femmine 1,02 0,75 0,01 0,53 0,58 0,04 *L'indice è standardizzato con media = 0 e dev.st. = 1 (la media di standardizzazione è la media OCSE) dalle scuole di questo indirizzo ha presumibilmente caratteristiche socio-economiche e culturali distinte da quelle degli alunni che frequentano i licei - i cui studenti mostrano valori dell'indice nettamente superiori alla media - e assai più vicine invece alla media regionale (pari a -0,1). Nonostante le riforme dei curricoli particolarmente radicali in questo tipo di scuola (con l'introduzione 18 Il sistema scolastico francese è organizzato in una scuola elementare di 5 anni, una scuola secondaria inferiore (Collége) di 4 anni e una scuola secondaria superiore (lycée) di tre anni, che prevede tre indirizzi: generale, tecnologico e professionale. Nel 1993 i percorsi triennali del lycée general e technique sono stati riorganizzati in due cicli, il primo o di “determinazione”, corrispondente all'anno iniziale, con funzione di cerniera e orientamento, e il secondo o “terminale”, corrispondente agli ultimi due anni, in cui la scelta dell'indirizzo diviene irreversibile. 19 L’istruzione superiore comprende in Francia diversi tipi di istituzioni: le Università vere e proprie, gli Istituti Universitari di Tecnologia (IUT), gli Istituti Universitari di Formazione degli Insegnanti (IUFM), e gli Istituti Universitari Professionali (IUP), cui si è ammessi, in genere, sulla base del possesso del titolo di baccalaureato (diploma che si consegue alla conclusione degli studi secondari dopo il superamento di un esame di stato) e, infine, le Grandes Écoles, scuole di alta qualificazione molto selettive, che sono una peculiarità del sistema francese; ad esse si accede per concorso dopo due anni di preparazione, successiva al baccalaureato, nelle classi preparatorie esistenti presso alcuni Licei. 194 dei corsi quinquennali di liceo psico-pedagogico e del liceo delle scienze sociali in sostituzione dei vecchi programmi quadriennali), la tradizionale gerarchia fra licei e istituto magistrale non sembra essersi modificata nella percezione e nei comportamenti di scelta degli utenti. La seconda osservazione - forse più interessante e che può per qualche verso sorprendere - è che, nei licei classico e scientifico, le femmine hanno uno status molto simile fra loro, sia che frequentino l'uno o l'altro indirizzo, ma più basso in entrambi i casi rispetto a quello dei maschi. La differenza più marcata, come si può vedere, è quella che intercorre fra le alunne e gli alunni del liceo classico. Alcune delle ragioni che possono spiegare questa “curiosa” osservazione saranno esaminate nel prossimo paragrafo. Nel frattempo, ci preme esprimere un'ultima considerazione su cui varrebbe la pena di riflettere nell'ambito della discussione sui progetti di riforma della scuola secondaria. Negli ultimi dieci-vent'anni, per complesse ragioni che non possiamo qui analizzare, si è avuto un mutamento nelle politiche scolastiche di molti paesi. Uno degli aspetti di tale cambiamento è il passaggio da quella che si dice una scuola incentrata sull'offerta ad una scuola basata sulla domanda, nel contesto, da un lato, della nuova autonomia che, ridotto il ruolo dello stato centrale nel campo educativo, vuole protagoniste in prima persona le scuole e le famiglie, e dall'altro di quella che potremmo definire una progressiva “soggettivizzazione” dei processi di insegnamento e apprendimento. Ciò spinge le scuole a modellarsi sulle richieste, più o meno esplicite e consapevoli, dell'utenza e a cercare di adattarvisi in maniera flessibile e “creativa”. Se si tengono presenti le interdipendenze che abbiamo sopra sottolineato, i pericoli di “deriva” dei curricoli che - specie in mancanza di un quadro certo di regole e di controlli - il progetto di una scuola à la carte contiene, non sono stati forse abbastanza meditati. Questo rischio è particolarmente degno d'attenzione in un paese come l'Italia, dove un certo modo di intendere l'autonomia ha incentivato fra le scuole, complice anche il calo generalizzato degli studenti, dovuto alla caduta demografica successiva alla generazione del baby-boom e che metteva in dubbio la stessa sopravvivenza degli istituti, una competizione concepita in termini eminentemente quantitativi, basata sulla capacità di attrarre il maggior numero possibile di alunni a scapito di ogni altro obiettivo. Da tale punto di vista, ad esempio, il “decadimento” del liceo classico potrebbe anche esser in qualche misura riportato alla relativa facilità con cui l’insegnamento delle lingue antiche – che un tempo fungeva da strumento di selezione e formazione delle capacità di ragionamento e di analisi attraverso lo studio grammaticale e l’esercizio della traduzione - può esser piegato verso generiche forme di storia della letteratura o della civiltà greca-latina, edulcorandone e annacquandone gli aspetti più ostici e difficili. 11.8 La scuola “penalizza” i maschi? Prima di proseguire vogliamo far notare che un sintomo della situazione evidenziata dalla tabella 7 per quanto riguarda il diverso status degli alunni maschi e femmine dei licei si era già manifestato nella ricerca dell'Istituto Cattaneo, cui ci siamo prima richiamati. Fin d'allora era possibile rilevare come le maturande (Gasperoni, 1996, p. 53) avessero, rispetto ai coetanei dell'altro sesso, origini sociali più modeste e come il divario fosse più pronunciato nell'istituto tenico commerciale e in particolare nel liceo classico. L'ipotesi che l'autore dell'indagine avanza per spiegare il fenomeno è che, a parità di origini sociali, le ragazze siano più motivate dei maschi a frequentare la scuola secondaria superiore e soprattutto a proseguire negli studi fino all'anno terminale. Nel nostro caso, c'è da notare che la discrepanza fra lo status delle femmine rispetto ai coetanei dell'altro sesso appare già all'inizio della scuola secondaria e che, prendendo in considerazione sotto questo profilo le tre categorie di scuole considerate in PISA globalmente prese, si può vedere (tab. 8) come il divario di status fra maschi e femmine, assente praticamente negli istituti professionali, diventi percepibile passando da questi agli istituti tecnici per evidenziarsi soprattutto nei licei, dove la differenza risulta statisticamente significativa. 195 Tab. 8: Medie e differenze dell'indice Escs di maschi e femmine nelle tre tipologie di scuola (s.e. tra parentesi) e valori di “t” Istituti Professionali Istituti Tecnici Licei Escs Maschi Escs Femmine -0,54 (0,08) -0,18 (0,06) 0,80 (0,08) -0,50 (0,20) -0,34 (0,05) 0,38 (0,15) Differenza (F - M) 0,04 (0,20) -0,16 (0,09) -0,42 (0,11) t (2 code) 0,179 (NS) -1,815 (NS) -3,981 (S) (S: p < 0,05) Ad un esito simile si perviene se, anziché l’indice medio di status, si considera la distribuzione percentuale di alunni maschi e femmine dei tre tipi di scuole nei quattro quartili regionali dell’indice, come si può vedere dal grafico di figura 9. Fig. 9: Percentuali di alunni maschi e femmine per quartili regionali di ESCS e per tipo di scuola secondaria 2° Quartile 1° Quartile 6,2 Ist. Profess. Ist. Tecnici Licei M 6,9 21,8 10,0 F 20,2 27,2 38,8 F 39,4 10,0 31,9 29,0 M 0,0 42,6 24,8 30,4 F 20,0 4° Quartile 65,1 24,5 M 3° Quartile 18,8 27,2 31,9 19,4 33,0 30,0 40,0 50,0 13,4 60,0 14,1 70,0 80,0 9,9 13,5 90,0 100,0 Ma veniamo alla domanda che dà il titolo al paragrafo: essa può infatti stupire se si pensa che la politica cosiddetta delle “pari opportunita” è in genere partita dal presupposto dell’esistenza di forme esplicite ed occulte di discriminazione a danno del sesso femminile variamente operanti. Se ciò rimane probabilmente vero per l’ambito delle carriere professionali e per altri settori della vita sociale, almeno per quanto riguarda il contesto scolastico, è forse il caso di ridiscutere tale assunto di base. Innanzitutto, se si guarda alla regolarità dei percorsi, questa è molto più frequente tra le femmine che non tra i maschi. Da questo punto di vista, i dati di PISA 2003 non fanno che portare ulteriore conferma (vedi il grafico di fig. 10) a questa constatazione per altro già ben conosciuta. In tutti gli ordini di scuola la percentuale di maschi in ritardo di uno o più anni è superiore a quella delle femmine ma il fenomeno è particolarmente evidente negli istituti tecnici e professionali dove il divario assume proporzioni considerevoli, specie nei primi. Inoltre, quando si tien conto del numero di anni di ritardo (vedi Tavola III alla fine), si osserva che sono quasi esclusivamente i quindicenni maschi ad aver accumulato più di una ripetenza nel corso della carriera scolastica, mentre tra le femmine la percentuale è irrisoria. Solo i licei sembrano far caso a sè, con una proporzione di alunni in ritardo nei due sessi molto vicina, sebbene anche qui con una leggera prevalenza maschile. Come già più volte rilevato nel corso di altre indagini, i licei sono anche d’altra parte l'ordine di scuola dove il fenomeno delle ripetenze ha la minore incidenza. 196 Fig. 10: Percentuali di alunni in ritardo, in totale e per sesso, fra i quindicenni veneti 35 30 25 20 15 10 5 0 Veneto Licei Tecnici Tutti Maschi Professionali Femmine La tendenza della scuola a giudicare, per così dire, con maggior severità20 gli studenti maschi emerge d'altronde con più forza se si comparano le valutazioni che gli alunni dichiarano di aver ottenuto in matematica nella loro ultima pagella e i risultati sulla scala di competenza in termini di livello raggiunto. Facendo il confronto fra il voto medio conseguito rispettivamente dagli alunni dell'uno e l'altro sesso, a parità di livello di competenza in matematica misurato dal test PISA, si può constatare (vedi il grafico di fig. 11) che la valutazione media riportata dai maschi è sistematicamente più bassa rispetto Fig. 11: Voto medio in matematica, in totale e per sesso, in funzione del livello di competenza misurato dalla prova di matematica PISA 2003 9,0 8,5 Voto medio in matematica 8,0 7,5 7,0 6,5 6,0 5,5 5,0 4,5 4,0 3,5 3,0 Sotto liv. 1 Livello 1 Livello 2 Livello 3 Livello 4 Maschi Femmine 20 Livello 5 Livello 6 Tutti Naturalmente, non si intende con ciò affermare che la cosa sia intenzionale. Come si dice in seguito, la riuscita scolastica dipende da diversi fattori, tra cui il grado di applicazione gioca un ruolo importante. 197 a quella delle coetanee, anche se il divario è più ampio ai livelli inferiori al sesto – in particolare al livello 4 e 5 - e si restringe, senza però scomparire del tutto, al livello più alto della scala di competenza. Se poi si considera (vedi tab. 9) il voto medio di femmine e maschi nei tre ordini di scuola in relazione alla loro prestazione media misurata da PISA, si riconferma che, in tutti i tipi di scuola secondaria, i maschi ottengono voti inferiori alle femmine, pur essendo la loro prestazione, “oggettivamente” rilevata, superiore o non significativamente diversa (istituti professionali) da quella delle coetanee. Tab. 9: Voti medi e punteggi PISA di maschi e femmine in totale e nei tre tipi di scuola M Punt. medio in Matematica Voto medio in Matematica Veneto F 515 5,8 507 6,2 Licei M F 584 6,2 529 6,3 Istituti Tecnici M F 539 5,9 507 6,3 Istituti Profess. M F 452 5,5 458 6,0 La discrepanza che si osserva tra valutazione istituzionale e valutazione mediante uno strumento obiettivo21 - nonostante che, come si vede dal grafico di figura 9, tra voti e punteggi in matematica vi sia una relazione positiva sia che si consideri l'insieme di tutti gli alunni sia i maschi o le femmine separatamente presi - può esser interpretata nel senso che i voti scolastici – oltre a esser dipendenti dal contesto, come si evince dal capitolo 9, parte II, del Rapporto - riflettono di fatto anche caratteristiche degli studenti (diligenza nello studio, intensità e continuità di applicazione, disciplina in classe, ecc.) che esulano dal puro e semplice livello di capacità e in relazione a cui le femmine in genere si distinguono positivamente rispetto ai coetanei. Questo è probabilmente tanto più vero nel caso in cui il confronto fra voto e misurazione "oggettiva” sia fatto con una prova come quella usata in PISA per valutare la competenza matematica; come è stato già detto, essa misura infatti non tanto l'apprendimento direttamente legato ad un curricolo scolastico quanto la capacità di usare conoscenze e abilità maturate attraverso la frequenza della scuola – ma non solo - in contesti cosiddetti di “vita reale” e quindi, da questo punto di vista, è più vicina a un test d'attitudine o d'intelligenza che a un test di profitto (achievement) in senso stretto22. Ciò detto, lo scarto sistematico che abbiamo riscontrato fra prestazioni obiettivamente misurate di maschi e femmine e valutazioni dei docenti ci consente di gettar luce sulle possibili ragioni alla base della disparità nell'indice medio di status maschile e femminile osservabile in particolare nei licei scientifico e soprattutto classico, sulla quale ci siamo soffermati nel precedente paragrafo. Sia il primo che il secondo fenomeno sembrerebbero convergere nell'indicare che il sistema scolastico opera di fatto un processo di più rigida selezione nei confronti dei maschi, favorendo così indirettamente, a parità di status sociale e di capacità potenziali, la mobilità ascensionale delle ragazze. Ciò spiegherebbe anche perché esse siano sovrarappresentate negli indirizzi liceali e sottorappresentate in quelli professionali. Inoltre, il fatto che lo scarto tra valutazione istituzionale e valutazione “oggettiva” tenda a chiudersi al livello alto della scala di competenza matematica mentre la divaricazione dell'indice medio di status fra maschi e femmine si restringe nella direzione opposta, parrebbe suggerire che la “discriminazione” nei confronti degli studenti di sesso maschile è più forte quanto più il loro status sociale e il grado di capacità diminuiscono. Naturalmente, per poter avvalorare le ipotesi avanzate, sarebbero necessarie altre ricerche e indagini più mirate e approfondite e quindi le conclusioni dell’analisi che abbiamo qui cercato di fare vanno assunte con beneficio d'inventario. 21 Anche da questo punto di vista i risultati da noi ottenuti dall'analisi dei dati PISA 2003 del Veneto collimano con gli esiti dell'indagine dell'Istituto Cattaneo più volte ricordata, che aveva fatto emergere un'analoga discrepanza fra i punteggi nella prova strutturata ottenuti da maschi e femmine da una parte e le valutazioni istituzionali, rappresentate dai voti del primo quadrimestre e dal voto finale dell'esame di maturità. 22 Usiamo la dizione “test d'attitudine o d'intelligenza” e “test di profitto” per distinguere non due categorie di prove diverse e mutualmente escludentisi ma, secondo la riformulazione che del concetto di test d'attitudine e test d'acquisizione in relazione all'apprendimento è stata fatta, due polarità d'un continuum che vede da una parte i test cosiddetti “culture free” (o culture fear), dall'altra parte i test di profitto su argomenti scolastici specifici e nel mezzo tutta una gamma di prove intermedie più e meno vicine all'uno o all'altro estremo (Novaga e Pedon, 1979). Per una discussione critica su cosa misurino le prove PISA, si veda: Prais, 2003. 198 Un argomento nella direzione indicata può tuttavia esser ricavato dal confronto tra le caratteristiche (altezza e pendenza) dei gradienti socio-economici di maschi e femmine del campione veneto distintamente considerati (vedi tabella 10). Tab.10 : Gradienti socio-economici degli studenti veneti in generale e per sesso Veneto Femmine Maschi Altezza del gradiente Errore standard Inclinazione del gradiente Errore standard 513,1 507,7 518,5 5,17 5,98 8,65 21,3* 10,6* 24,3* 3,11 4,03 5,35 *Il valore è significativo (p <0,05) Innanzitutto, per un alunno di status medio, il punteggio atteso in matematica è di quasi 519 punti se si tratta di un maschio e di quasi 508 punti se si tratta di una femmina (colonna 1), il che significa che, a parità di status i maschi hanno una prestazione migliore delle femmine; inoltre, per ogni aumento di una unità sull'indice di status, il punteggio dei maschi aumenta di 24 punti mentre quello delle femmine cresce solo di circa 11 punti (colonna 3). Il gradiente maschile è dunque più ripido di quello femminile, vale a dire che l'effetto dello status socio-economico sulle prestazioni in matematica nel Veneto è più forte per i maschi che per le femmine. Prima di proseguire, ci si consenta un’ultima osservazione: nello specifico contesto italiano, alla situazione sopra evidenziata contribuiscono probabilmente vari fattori, alcuni rintracciabili anche altrove ma altri che ci sono peculiari; tra essi si possono citare: la massiccia femminilizzazione del corpo docente, che priva i maschi di modelli di riferimento a cui identificarsi; l’assenza di processi rigorosi di orientamento, basati anche su standard oggettivi, che modulino il passaggio fra ciclo inferiore e ciclo superiore della scuola secondaria, lasciato di fatto alla scelta degli alunni e delle famiglie; la predominanza nei curricoli dei licei (compreso lo scientifico) di materie umanistiche e linguistiche; infine, il “premio” che le modalità didattiche e di valutazione prevalenti nella nostra scuola assegnano alle capacità verbali, in particolare a quelle di espressione orale. 11.9 Il profilo delle caratteristiche degli studenti secondo il genere Il questionario-studenti di PISA poneva agli alunni oggetto dell’indagine una nutrita serie di domande, da cui sono ricavabili un insieme di scale, standardizzate sulla media dei paesi OCSE e concernenti svariati aspetti23, che vanno dalle caratteristiche socio-demografiche degli alunni agli atteggiamenti e ai comportamenti verso la scuola e lo studio, alle strategie di apprendimento della matematica. Qui ci interesseremo a due dimensioni in particolare: la prima è rappresentata dalle caratteristiche relative alla percezione di sé e agli atteggiamenti e motivazioni nei confronti della matematica degli alunni dei due sessi. La nostra analisi riprende e approfondisce da questo punto di vista quella svolta in modo più sintetico e globale nei primi cinque paragrafi del capitolo 7, parte II, del Rapporto. La seconda dimensione riguarda due variabili di tipo comportamentale: 1)l'impegno nello studio a casa, in termini di ore settimanali dedicate complessivamente allo svolgimento dei compiti e delle lezioni assegnate dagli insegnanti di tutte le discipline; 2)la proporzione di tempo dedicato in particolare alla matematica sul tempo complessivo impiegato per attività di studio personale. L’intento è in entrambi i casi di vedere se il profilo dei maschi e delle femmine, costruito sulla base di queste variabili, si differenzi in maniera significativa. Il primo gruppo di variabili prese in considerazione è costituito da: a)la motivazione, intrinseca ed estrinseca o strumentale, nei confronti dello studio della matematica; 23 Il questionario-studenti usato nell'indagine PISA 2003 in Italia comprende tre questionari: il questionario-studenti già utilizzato nella prima fase dell'inchiesta, che raccoglie una serie di informazioni di sfondo sugli alunni (background famigliare, atteggiamenti verso la scuola, abitudini di studio, ecc.), un questionario sul percorso scolastico di ciascun alunno, e un questionario sul rapporto degli alunni colle tecnologie dell'Infomazione e della Comunicazione. 199 b)la percezione che gli studenti hanno del proprio livello di riuscita in matematica (academic selfconcept); c)il sentimento di “autoefficacia” in matematica; d)l’ansia nei confronti della matematica. Nel grafico di figura 12 sono rappresentati i valori medi assunti dalle variabili suelencate, distintamente per gli alunni veneti maschi e femmine, mentre nella tabella 11 si danno, per ciascuna delle dimensioni considerate, gli scarti fra il valore medio dell’indice femminile rispetto al valore medio dell’indice maschile, gli errori di misura della differenza fra le medie e i valori di “t” con accanto l’indicazione della loro significatività o meno. Fig. 12: Profilo di alcune caratteristiche individuali di maschi e femmine del campione veneto Motivazione intrinseca F Motivazione intrinseca M Motivazione estrinseca F Motivazione estrinseca M Concetto di sé F Concetto di sé M Autoefficacia F Autoefficacia M Ansia F Ansia M -0,35 -0,30 -0,25 -0,20 -0,15 -0,10 -0,05 Maschi 0,00 0,05 0,10 0,15 0,20 0,25 0,30 Femmine Nota: Tutte le variabili sono standardizzate con media=0 e dev.st.=1 (la media di standardizzazione è la media OCSE) Come si può vedere dal grafico, tranne che sulla scala di motivazione intrinseca, per quanto riguarda la motivazione strumentale, la concezione di sé dal punto di vista della riuscita in matematica e il sentimento di autoefficacia, le femmine mostrano un valore medio più basso di quello maschile; invece, sulla scala di ansia nei confronti della matematica, la media delle femmine è più alta di quella dei coetanei. La differenza maschi-femmine (vedi tab. 11) risulta significativa per tre su cinque delle caratteristiche considerate, mentre per una - concetto di sé - essa è vicina alla soglia di significatività. Gli scarti più ampi si riscontrano nel sentimento di autoefficacia e nella motivazione strumentale. Tab. 11: Differenze tra femmine e maschi, errori standard della differenza fra le medie e valori di “t” per 5 caratteristiche individuali Variabile Scarto del valore medio dell’indice femminile rispetto al valore medio dell’indice maschile Errore standard t (2 code) -0,00 -0,24 -0,13 -0,28 0,12 0,06 0,06 0,07 0,07 0,05 -0,071 (NS) -4,283 (S) -1,956 (NS) -4,080 (S) 2,374 (S) Motivazione intrinseca allo studio della matematica Motivazione estrinseca allo studio della matematica Concetto di sé in matematica Autoefficacia in matematica Ansia verso la matematica (S: p < 0,05) 200 Per quanto riguarda i comportamenti nei confronti dello studio in genere e della matematica in particolare, le femmine (vedi tabella 12, riga 1) dichiarano di dedicare settimanalmente allo studio a casa di tutte le discipline circa 4 ore e mezza in più di quanto non facciano i maschi. Quando però si considera l'indicatore costituito dal rapporto fra il tempo impegnato nello studio della matematica e il tempo complessivo impiegato per lo studio extra-scolastico (rmhmwk), in questo caso le femmine fanno registrare un valore inferiore, in maniera statisticamente significativa, a quello dei coetanei dell'altro sesso. In pratica, mentre i maschi dedicano alla matematica, in media, circa il 40% del tempo complessivo per i compiti e le lezioni, le femmine le dedicano solo il 30% circa. Tab. 12: Tempi medi di studio settimanale a casa di maschi e femmine, differenze fra le medie e valori di "t" (e.s. tra parentesi) Variabile Tempo medio settimanale dedicato allo studio a casa (in ore) Rapporto fra tempo dedicato allo studio della matematica e tempo dedicato complessivamente allo studio a casa (rmhmwk) Maschi Femmine 12,6 (0,64) Differenza (F -M) 4,6 (0,68) t (2 code) 6,774 (S) 8,0 (0,47) 0,42 (0,01) 0,34 (0,02) -0, 08 (0,02) -3,522 (S) (S: p < 0,05) Nel commentare i risultati di quest'analisi, bisogna in via preliminare sottolineare che le correlazioni fra ciascuna delle variabili sopra considerate e il risultato in matematica sono in genere basse (vedi Tavola VIII alla fine), in particolare per quanto riguarda il tempo dedicato allo studio personale (per l'indicatore rmhmwk la relazione è addirittuta negativa). L'unica caratteristica che mostra una correlazione positiva moderatamente elevata con il punteggio in matematica è il sentimento di autoefficacia (r = 0,51 nell'insieme del campione veneto), a riprova della connessione che intercorre tra percezione della propria efficacia personale, cioè la convinzione di saper gestire adeguatamente attività e situazioni, e il successo effettivamente ottenuto, connessione che la ricerca psico-sociale ha evidenziato in svariati campi (Caprara G.V., 2001). Le persone con un elevato senso di autoefficacia personale appaiono più inclini a considerare le difficoltà come un'occasione per mettere alla prova le proprie capacità anziché come ostacoli insormontabili, reagiscono più prontamente ad eventuali esperienze di frustrazione invece di lasciarsi andare a sentimenti depressivi, si focalizzano sulle soluzioni dei problemi e fanno l'uso migliore delle risorse a disposizione. Per contro, come hanno mostrato gli studi condotti sulle relazioni tra aspetti emotivi della personalità e apprendimento, l'ansietà esercita un effetto negativo sui processi cognitivi, nel senso di tendere a disorganizzarli; essa interagisce con la difficoltà del compito che dev'essere affrontato, abbassando il livello di prestazione nei compiti complessi, mentre può migliorarlo in quelli semplici (Sieber e al. 1977). Val poi la pena di rilevare per quanto concerne la motivazione strumentale – la quale, insieme con l'autoefficacia, è la caratteristica su cui si registra il maggior divario fra maschi e femmine - che, sebbene sia nel nostro caso che a livello internazionale la relazione fra motivazione e risultati sia più debole nel caso della motivazione estrinseca che di quella intrinseca, tuttavia la prima costituisce un importante predittore per la scelta dei corsi a livello d'istruzione superiore e per quella dell’attività professionale. Nei paesi dove lo scarto tra maschi e femmine nella motivazione strumentale è maggiore (ad esempio, Austria, Germania, Olanda, ecc.), la percentuale di donne che si laureano in matematica o in informatica è al di sotto della media OCSE (OECD, 2004a, p. 123). Si è testé detto che, ad eccezione dell'autoefficacia, la correlazione fra tutti gli altri aspetti esaminati e le prestazioni in matematica è bassa. Ma anche se le associazioni tra le caratteristiche prese in esame e il punteggio sulla scala PISA di competenza fossero più strette, identificare la direzione della relazione causale, in particolare per quelle del primo gruppo, resta in ogni caso quanto mai problematico, per la difficoltà di stabilire se sia l'esperienza dell'insuccesso e della frustrazione a generare ansia, o un'immagine negativa di sé e delle proprie possibilità, oppure il contrario. Per quanto riguarda poi il rapporto fra tempo dedicato allo studio e risultati ottenuti, l'impiego di un tempo 201 più lungo per lo svolgimento dei compiti e delle lezioni a casa potrebbe denotare l'esistenza di difficoltà di apprendimento ed esser dunque associato con un punteggio più basso anziché più alto24. Ciò detto, resta in ogni caso il fatto - ed è questo che qui ci interessa - che il profilo delle caratteristiche individuali e dei comportamenti nei confronti dello studio delle ragazze di quindici anni si differenzia da quello dei maschi e che esso è intimamente coerente in se stesso e con quanto ci si poteva attendere sulla base dell'analisi finora svolta: le femmine manifestano, rispetto ai maschi, più alti livelli di ansia nei confronti della matematica, appaiono meno disposte a credere all'utilità di questa disciplina per la prosecuzione degli studi e l'attività professionale futura, hanno un'immagine di sè più negativa e sono meno fiduciose nella propria capacità di affrontare positivamente le difficoltà connesse al suo apprendimento. Nello stesso tempo, pur dichiarando di dedicare allo studio a casa un numero di ore settimanali nettamente superiore a quello dei coetanei, tuttavia il tempo dedicato alla matematica rispetto al tempo complessivo impegnato per lo studio extra-scolastico è, in proporzione, inferiore a quello dei maschi. Nonostante dunque la maggiore diligenza femminile nello studio, questa non sembra esplicarsi nello stesso grado per quanto riguarda la matematica. 11.10 La crisi delle vocazioni scientifiche Prima di concludere, dedichiamo alcuni cenni ad un fenomeno che da alcuni anni a questa parte è al centro di crescenti preoccupazioni nei paesi industrializzati dell'Occidente: intendiamo riferirci a quella che va sotto il nome di crisi delle vocazioni scientifiche (Mariano Longo, 2003; Observa, 2004). Con questa espressione si intende la diminuzione della quantità di giovani che, a conclusione della scuola secondaria, si iscrivono a Facoltà scientifiche, in particolare a Fisica, Matematica, Chimica, ecc., rispetto al numero di coloro che si iscrivono a percorsi ad indirizzo tecnico-applicativo o umanistico. La crisi, emersa negli Stati Uniti già a partire degli anni '80, sembra coinvolgere in maniera più o meno pronunciata tutti i paesi occidentali (fra le nazioni industrializzate fa eccezione il Giappone). I motivi chiamati in causa per spiegare la minor attrazione esercitata dagli studi scientifici sulle giovani generazioni sono di vario tipo. Per quanto riguarda in particolare il nostro paese essi sono individuati in: - la scarsa domanda di lavoro altamente qualificato dovuta alla particolare struttura dell'economia italiana, basata sulla piccola e media impresa, e su produzioni a basso valore aggiunto; - la scarsità di investimenti, pubblici e privati, nella ricerca e nello sviluppo scientifico e tecnologico; - la poca diffusione della cultura scientifica e l'immagine che la scienza e la tecnica hanno nella società in generale. Fra le ragioni invocate come comuni al nostro e ad altri paesi occidentali vi è il massiccio ingresso delle donne negli studi universitari, le quali, pur essendo ormai in maggioranza nell'istruzione superiore, non scelgono, o lo fanno con minor frequenza degli uomini, Facoltà di carattere scientifico. Senza entrare nel merito di questa discussione, ci basti dire che l'analisi che abbiamo qui svolto porta un contributo in questa direzione. In Italia, fin dall'anno accademico 1993-94 la percentuale di donne iscritte all'università ha superato quella degli uomini per poi crescere ulteriormente fino ad arrivare al 57% nel 2001-02. Ma esse si concentrano in grande maggioranza in percorsi di tipo umanistico, mentre sono minoranza in Facoltà come Ingegneria (Gasperoni e Tridentini, 2005). La struttura delle scelte universitarie tende dunque sostanzialmente a riprodurre le scelte d'indirizzo della scuola secondaria. Ciò ci porta ad affermare che, se si intende intervenire per indurre un più alto numero di ragazze, almeno quelle che avrebbero le potenzialità per farlo, ad iscriversi a Facoltà scientifiche e 24 A questo proposito l'indagine TIMSS-R 1999 aveva mostrato che la relazione fra tempo dedicato ai compiti a casa di matematica e risultati non è lineare: gli alunni che, sul primo indicatore, si collocavano ad un livello intermedio ottenevano risultati in matematica eguali o addirittura migliori degli alunni che si situavano su di esso ad un livello più alto (Mullis e al., 2000). Dalla figura 9.17 nel cap. 9, parte II, del Rapporto, appare una relazione positiva fra tempo dedicato allo studio e punteggio in matematica; si noti però che i dati della figura si riferiscono al tempo complessivo dedicato ai compiti e alle lezioni e non a quello specificamente impegnato per la matematica (indicatore rmhmwk). 202 tecnologiche è necessario agire per tempo e in diverse direzioni. Farlo al momento del passaggio dalla scuola secondaria all'università è sicuramente troppo tardi. Da questo punto di vista azioni “intelligenti” di orientamento, tese a evitare la formazione di stereotipi legati al sesso - o a superarli se già presenti - e a coltivare la curiosità e l'interesse per il sapere scientifico in tutti gli alunni maschi e femmine, andrebbero anticipate a prima del passaggio alla scuola secondaria, visto che all'ingresso di essa attitudini, preferenze e atteggiamenti sembrano già seguire schemi di genere ben precisi. Conclusioni Alla fine di questa lunga carrellata trarre conclusioni definite non è semplice. La prima cosa che vorremmo anzi sottolineare è proprio che la questione delle differenze di genere che emergono dalle indagini comparative internazionali costituisce un problema dalle molteplici sfaccettature, su cui non vi sono ancora certezze a livello scientifico e che in tempi recenti ha attirato su di sè l'attenzione del mondo della ricerca e stimolato fra i pedagogisti un dibattito sulla opportunità di proseguire sulla via della coeducazione o di un ritorno alle classi separate. Il fatto che tali differenze siano assai meno evidenti a livello di scuola primaria, come mostrano le indagini IEA sugli alunni delle classi elementari, e tendano ad aumentare nel corso dell'itinerario educativo (Blondin e Lafontaine, 2003) ci conforta nel ritenere che vi intervengano ampiamente fattori culturali e sociali connessi alle immagini dei ruoli maschile e femminile e alle pratiche educative famigliari, ma la loro pervasività ci indica anche che esse sono un fenomeno radicato e che i sistemi scolastici devono ancora percorrere un buon tratto di strada prima di giungere ad una istruzione egualmente efficace per ragazzi e ragazze. Ciò detto, vorremmo riprendere e riassumere, per quanto concerne la realtà veneta, le principali acquisizioni dell'analisi effettuata. Le differenze di genere nelle prove PISA 2003 sono, a livello regionale, non significative, tranne nel caso della comprensione della lettura, dove prevalgono nettamente le femmine. Quando però si disaggrega il dato a livello delle tre tipologie di scuole secondarie del campione il quadro cambia e le differenze tendono ad ampliarsi, fino a diventare talvolta significative: nei licei, e in parte nei tecnici, a favore dei maschi, negli istituti professionali a favore delle femmine. Per ciò che concerne i licei, tuttavia, la constatazione dell'esistenza di significative differenze a vantaggio dei maschi in tre prove su quattro va temperata dalla considerazione che esse sono rese particolarmente acute dalla presenza in questa categoria di scuole degli istituti magistrali, i cui risultati, più bassi di quelli degli alunni liceali, incidono in special modo sul punteggio medio delle ragazze. Analizzando la ripartizione degli alunni dei due sessi negli istituti secondari del campione veneto classificati in funzione dell'indirizzo si rileva come questi, sebbene in teoria fondati su un'organizzazione per classi miste, appaiano fortemente “segregati” in base al genere e come tale fatto debba invitarci a riflettere sulle conseguenze che ciò può avere sul curricolo insegnato ed appreso. Inoltre, gli stessi istituti mostrano, a seconda dell'indirizzo cui appartengono, una variabilità di risultati che non solo travalica a volte i confini fra una categoria di scuole e l'altra, specie nel caso dei licei e dei tecnici, ma che in qualche caso contrasta, quando il giudizio si basi sui risultati obiettivamente valutati, con le immagini o le idee correnti sulla efficacia di un determinato percorso educativo. Il funzionamento del sistema scolastico, sotto il profilo dell'equità di genere, appare ambivalente: da un lato - anche qui in contrasto con un diffuso stereotipo - esso sembrerebbe esser “discriminatorio” nei confronti degli alunni di sesso maschile, la cui mobilità ascendente, in un quadro regionale in cui i livelli di competenza, globalmente considerati, non hanno a livello individuale una stretta relazione con l'origine sociale, appare minore rispetto a quella femminile. Dall'altro lato, il maggior successo scolastico in termini istituzionali delle ragazze, che sfocia anche in un più alto tasso di partecipazione agli studi universitari, se da un certo punto di vista rappresenta un traguardo raggiunto e superato sulla via del raggiungimento di pari opportunità, rischia per qualche verso di trasformarsi in una “vittoria di Pirro” giacché resta fortemente legato a scelte educative “tradizionali” e che portano le donne ad autoescludersi dai percorsi universitari più promettenti e dalle occupazioni meglio retribuite. 203 Sul piano degli interventi e delle politiche scolastiche più immediatamente praticabili, valgono due considerazioni finali: in primo luogo, qualunque intervento rivolto a prevenire la dispersione scolastica o al recupero delle difficoltà di apprendimento non dovrebbe trascurare che i soggetti a rischio hanno un identikit con alcuni tratti piuttosto precisi: esser maschio, di modesta estrazione sociale e con un deficit a livello di capacità linguistiche. In secondo luogo, poiché il profilo degli atteggiamenti e dei comportamenti nei confronti dello studio e della scuola appare, all'inizio dell'istruzione secondaria, già ben definito e differenziato dal punto di vista dell'appartenenza sessuale, se si ritiene che ciò costituisca un fattore negativo sul piano dello sviluppo economico, sociale e, in senso lato, culturale - giacché l'opposizione fra le "due culture" non solo non viene superata ma essa tende per di più a riproporsi secondo un clivage di genere - e si volessero dunque riequilibrare gli orientamenti dei due sessi per quanto riguarda le scelte a livello di istruzione superiore e delle carriere professionali, le azioni da intraprendere dovrebbero esser assai più mirate e tempestive di quanto normalmente non accada. 204 TAVOLE Nota: tutti i dati presentati nelle tabelle e nei grafici del testo che precede e nelle tavole seguenti sono stati ottenuti (tolti quelli di cui è esplicitamente citata in calce la fonte) da elaborazioni sul dataset veneto PISA 2003 effettuate, presso la Facoltà di Statistica dell'Università di Padova, con il software SPSS (tranne alcune analisi svolte utilizzando il foglio di calcolo Excel) e secondo le procedure definite dal Manuale di Analisi dei dati, OECD 2005a. Tavola I: Percentuali di alunni quindicenni del campione veneto per sesso e tipo di scuola Totale Licei Tecnici Professionali Scuola Media Femmine 48,80 69,70 43,90 32,90 27,30 Maschi 51,20 30,30 56,10 67,10 72,70 100,00 100,00 100,00 100,00 100,00 Tavola II: Percentuale di alunni quindicenni del campione veneto, sul totale e per sesso, nei vari tipi di scuola Totale Maschi Femmine Licei 31,60 18,70 45,10 Tecnici 39,80 43,60 35,80 Professionali 27,20 35,60 18,30 Scuola media 1,40 2,10 0,80 100,00 100,00 100,00 Tavola III: Percentuali di alunni quindicenni regolari, in anticipo e in ritardo in totale e per tipo di scuola secondaria del campione veneto Veneto Licei Tecnici Professionali 3 anni di ritardo 0,20 0,00 0,00 0,30 2 anni di ritardo 1,31 0,00 0,00 0,00 1 anno di ritardo 14,08 5,50 12,80 26,70 Regolari 83,99 93,40 87,00 73,00 In anticipo 0,42 1,10 0,20 0,00 100,00 100,00 100,00 100,00 Tavola IV: Percentuali di alunni quindicenni regolari, in anticipo e in ritardo per sesso nei vari tipi di scuola secondaria del campione veneto Veneto Licei Tecnici Professionali 3 anni di ritardo 2 anni di ritardo 1 anno di ritardo Regolari In anticipo maschi femmine maschi femmine maschi femmine maschi femmine 0,40 0,00 0,00 0,00 0,00 0,00 0,40 0,00 1,80 0,80 0,00 0,00 0,00 0,00 0,00 0,00 20,10 7,80 6,30 5,10 18,10 6,00 30,90 18,30 77,30 91,00 92,20 93,90 81,60 94,00 68,80 81,70 0,40 0,40 1,50 1,00 0,30 0,00 0,00 0,00 100,00 100,00 100,00 100,00 100,00 100,00 100,10 100,00 205 Tavola V: Risultati delle quattro prove nel Veneto per sesso e per tipo di scuola secondaria MASCHI Veneto Media Err.st. 515,038 9,567 493,738 9,882 524,940 9,809 Matematica Lettura Scienze Problem Solving 506,062 Licei Media Err.st. 584,019 7,669 567,062 7,900 596,772 9,294 Tecnici Media Err.st. 538,791 10,083 512,375 10,681 549,988 10,363 Professionali Media Err.st. 451,572 12,881 435,476 14,715 460,249 13,238 9,558 570,044 8,347 528,893 9,146 444,606 13,336 FEMMINE Veneto Media Licei Err.st. Media Err.st. Tecnici Media Professionali Err.st. Media Err.st. Matematica Lettura Scienze 506,965 535,322 542,238 6,648 528,793 9,679 506,966 6,900 458,106 16,516 6,817 563,467 9,810 524,944 6,760 491,980 19,128 6,980 569,984 10,178 532,624 7,086 496,062 20,083 Problem Solving 519,081 6,314 541,084 9,413 516,283 6,656 475,206 14,898 Tavola VI: Risultati dei quattro sub-test di Matematica nel Veneto per sesso e tipo di scuola secondaria MASCHI Spazio e forma Cambiamento e Relazioni Incertezza Quantità Veneto Media Err.st. 527,599 9,583 506,340 9,922 511,445 9,170 517,366 Licei Media Err.st. 592,800 7,736 575,929 8,575 576,238 7,139 Tecnici Media Err.st. 552,248 9,692 530,954 9,201 536,243 8,895 Professionali Media Err.st. 463,271 13,085 442,771 13,953 450,148 12,380 10,248 591,618 6,309 544,079 10,404 448,559 13,867 FEMMINE Spazio e forma Cambiamento e Relazioni Incertezza Quantità Tutti Femmine Maschi Veneto Media Err.st. 508,173 7,277 495,208 6,873 499,016 6,100 523,810 Licei Media Err.st. 529,635 11,461 518,806 9,485 518,040 9,486 Tecnici Media Err.st. 509,338 6,269 495,324 7,276 499,086 5,935 Professionali Media Err.st. 456,484 16,654 442,498 15,944 456,092 14,064 7,589 547,876 10,605 524,555 7,517 468,171 18,923 Tavola VII: Voto medio per livello di competenza in matematica Sotto liv. 1 Livello 1 Livello 2 Livello 3 Livello 4 Livello 5 5,0 5,3 5,7 6,0 6,4 6,8 5,3 5,5 5,9 6,2 6,7 7,1 4,9 5,1 5,4 5,8 6,0 6,5 Livello 6 7,2 7,3 7,2 Tavola VIII: Coefficienti di correlazione (r) tra variabili individuali e punteggio in matematica VARIABILE Autoefficacia Concetto di sé Motivazione intrinseca motivazione estrinseca r Totale Err.st. 0,507 0,026 0,364 0,030 0,272 0,031 0,199 0,036 r Maschi Err. st. r Femmine Err. st. 0,527 0,032 0,473 0,030 0,355 0,037 0,376 0,037 0,288 0,034 0,252 0,049 0,250 0,047 0,115 0,037 Ansia verso la matematica Tempo dedicato allo studio -0,261 0,187 0,028 0,040 -0,204 0,269 0,038 0,050 -0,334 0,172 0,039 0,046 Tempo studio matematica -0,183 0,034 -0,193 0,039 -0,205 0,058 206 Tavola IX: Alunni maschi e femmine iscritti nelle scuole secondarie del campione veneto 1 2 3 4 5 6 7 Differenza Scuola Tipo Femmine Maschi F+M %F F/Totale F M/Totale M (5 - 6) 01 Liceo 236 83 319 74,0 0,02 0,01 0,01 02 Liceo 193 11 204 94,6 0,01 0,00 0,01 03 Liceo 209 231 440 47,5 0,01 0,01 0,00 04 Liceo 347 340 687 50,5 0,02 0,02 0,00 05 Liceo 335 330 665 50,4 0,02 0,02 0,00 06 Liceo 326 334 660 49,4 0,02 0,02 0,00 07 Liceo 59 76 135 43,7 0,00 0,00 0,00 08 Liceo 637 39 676 94,2 0,04 0,00 0,04 09 Liceo 642 203 845 76,0 0,04 0,01 0,03 10 Liceo 367 57 424 86,6 0,02 0,00 0,02 11 Liceo 456 99 555 82,2 0,03 0,01 0,02 12 Liceo 623 35 658 94,7 0,04 0,00 0,04 13 Liceo 905 354 1259 71,9 0,06 0,02 0,04 14 Liceo 1127 441 1568 71,9 0,07 0,03 0,05 15 Liceo 82 130 212 38,7 0,01 0,01 0,00 16 Liceo 83 34 117 70,9 0,01 0,00 0,00 17 Tecnico 137 27 164 83,5 0,01 0,00 0,01 18 Tecnico 89 143 232 38,4 0,01 0,01 0,00 19 Tecnico 420 224 644 65,2 0,03 0,01 0,01 20 Tecnico 256 111 367 69,8 0,02 0,01 0,01 21 Tecnico 12 558 570 2,1 0,00 0,04 0,03 22 Tecnico 623 65 688 90,6 0,04 0,00 0,04 23 Tecnico 32 466 498 6,4 0,00 0,03 0,03 24 Tecnico 428 144 572 74,8 0,03 0,01 0,02 25 Tecnico 54 585 639 8,5 0,00 0,04 0,03 26 Tecnico 67 672 739 9,1 0,00 0,04 0,04 27 Tecnico 482 356 838 57,5 0,03 0,02 0,01 28 Tecnico 606 215 821 73,8 0,04 0,01 0,03 29 Tecnico 601 325 926 64,9 0,04 0,02 0,02 30 Tecnico 66 753 819 8,1 0,00 0,05 0,04 31 Tecnico 853 270 1123 76,0 0,06 0,02 0,04 32 Tecnico 105 1140 1245 8,4 0,01 0,07 0,07 33 Tecnico 20 1244 1264 1,6 0,00 0,08 0,08 34 Tecnico 752 128 880 85,5 0,05 0,01 0,04 35 Tecnico 98 160 258 38,0 0,01 0,01 0,00 36 Professionale 222 1133 1355 16,4 0,01 0,07 0,06 37 Professionale 11 992 1003 1,1 0,00 0,06 0,06 38 Professionale 1 841 842 0,1 0,00 0,05 0,05 39 Professionale 465 467 932 49,9 0,03 0,03 0,00 40 Professionale 482 198 680 70,9 0,03 0,01 0,02 41 Professionale 643 143 786 81,8 0,04 0,01 0,03 42 Professionale 314 220 534 58,8 0,02 0,01 0,01 43 Professionale 71 329 400 17,8 0,00 0,02 0,02 44 Professionale 177 128 305 58,0 0,01 0,01 0,00 45 Professionale 0 386 386 0,0 0,00 0,02 0,02 46 Professionale 280 57 337 83,1 0,02 0,00 0,02 47 Professionale 2 260 262 0,8 0,00 0,02 0,02 48 Professionale 0 166 166 0,0 0,00 0,01 0,01 49 Professionale 42 121 163 25,8 0,00 0,01 0,00 207 Fonti: 4243 6573 10816 6233 250 6483 156 982 251 1389 53896 1454 374 1546 1920 4910 635 5545 59 44 166 269 9882 451 16 180 806 1 694 516 63 645 182 890 36507 511 0 511 3388 4125 7513 824 9938 180 6106 2524 54 0 19626 93 337 69 499 17389 5722 250 5972 855 2448 3303 15 185 2 3364 30 60 856 4512 ANNO 1962-63 T M F 2597 2284 313 4450 4371 79 316 316 0 3348 839 2509 201 157 44 158 0 158 3103 7967 11070 839 10123 182 9470 2554 114 856 24138 - 0 178 F 1702 1473 3175 122069 10820 1148 11968 17648 10623 28271 2289 19927 224 22591 9996 616 1422 57065 1432 74147 629 803 1323 0 1323 10824 5689 16513 2195 19290 219 11730 9610 173 0 43217 ANNO 1972-73 T M 2943 2109 7830 7507 272 272 8409 1265 721 509 1415 0 21590 11662 Anno sc. 1952-53: Annuario statistico dell'istruzione italiana, ISTAT, Serie I, Vol. 6°, 1955; Anno sc. 1962-63: Annuario statistico dell'istruzione italiana 1963 e 1964, ISTAT, Voll. XV e XVI; Anno sc. 1972-73: Annuario statistico dell'istruzione, ISTAT, Vol. XXVI, edizione 1974; ANNO 1952-53 Istituti Professionali T M Agrario 837 837 Industriale 1701 1523 Marinaro Commerciale 1221 705 Alberghiero Servizi sociali 3759 Totale Istituti Professionali 3065 Istituti Tecnici Agrario 451 0 Industriale 2579 2563 Nautico/Aeronautico 180 0 Commerciale 4314 3508 Geometri 955 954 Turistico Femminile/Att. Sociali Totale Istituti Tecnici 7025 8479 Licei Scientifico 2552 2178 Classico 5267 3721 Linguistico 5899 7819 Totale Licei Istruzione Magistrale Istituto Magistrale 5790 880 Scuola Magistrale 635 0 880 6425 Totale Istruzione Magistrale Istruzione Artistica Liceo Artistico 122 63 Istituto d'Arte 210 166 Scuola d'Arte 1337 1171 1400 1669 Totale Istruzione Artistica Totale generale 28151 18269 1962 2843 4805 174580 13344 1180 14524 19956 11687 3290 34933 3030 21692 601 42725 9648 3252 2064 83012 673 1012 1685 89330 785 0 785 11783 4869 455 17107 2754 20693 561 17717 8399 565 152 50841 1289 1831 3120 85250 12559 1180 13739 8173 6818 2835 17826 276 999 40 25008 1249 2687 1912 32171 ANNO 1982-83 T M F 3064 2051 1013 13828 12711 1117 452 444 8 14408 1520 12888 3385 2096 1289 2169 90 2079 37306 18912 18394 3347 4918 8265 207226 10275 968 11243 31908 14841 2932 49681 2040 23852 284 47953 12440 3389 3162 93120 997 1636 2633 102384 933 1 934 17397 4703 469 22569 1823 22460 272 18689 10129 447 456 54276 5632 104842 2350 3282 9342 967 10309 14511 10138 2463 27112 217 1392 12 29264 2311 2942 2706 38844 ANNO 1992-93 T M F 3084 2114 970 16458 13434 3024 297 296 1 17633 2832 14801 5343 3044 2299 2102 252 1850 44917 21972 22945 6943 179036 2929 4014 12409 266 12675 28478 15974 1604 46056 1858 27019 352 30388 4152 3968 3090 70827 2399 90248 898 1501 2061 8 2069 14555 5282 346 20183 1570 25066 336 11385 3372 561 693 42983 4544 88788 2031 2513 10348 258 10606 13923 10692 1258 25873 288 1953 16 19003 780 3407 2397 27844 ANNO 2003-03 T M F 2794 2152 642 17310 13676 3634 194 190 4 12059 2296 9763 8438 4096 4342 1740 204 1536 42535 22614 19921 Anno sc. 1982-83: Annuario statistico dell'istruzione, ISTAT, Vol. XXXVI, edizione 1984; Anno sc. 1992-93: Statistiche delle scuole sec. sup. a.s. 1992-1993, ISTAT, n. 4, 1994; Anno sc. 2002-2003: Elaborazione COSES (Venezia) su dati SIMPI-CSA di Venezia 2003. 1073 670 1743 47922 9497 1148 10645 6824 4934 11758 94 637 5 10861 386 443 1422 13848 F 834 323 0 7144 212 1415 9928 Tavola X: Iscrizioni, in totale e per sesso alla scuola secondaria nel Veneto dal 1952-53 al 2002-03 12. Analisi multilivello dell'impatto di variabili individuali e scolastiche sulle prestazioni in matematica e in lettura Lorenzo Bernardi, Angela Martini, Susanna Zaccarin1 Questo capitolo della III parte del Rapporto sui dati PISA del Veneto è dedicato all’approfondimento delle relazioni tra le prestazioni in matematica e lettura degli studenti veneti e i molteplici fattori di “contorno” – che caratterizzano gli alunni, da un lato, e le scuole, dall’altro – esaminati singolarmente nelle parti precedenti. In questa sede, l’analisi è svolta considerando congiuntamente i vari fattori al fine di evidenziare l’effettivo apporto di ciascuno di essi sul risultato conseguito, ovvero "al netto" delle possibili associazioni tra fattori, che non risultano esplicitamente evidenti quando l’analisi è condotta separatamente per ogni variabile. L’analisi, inoltre, segue un approccio a più livelli (multilevel) che consente di valutare il contributo specifico delle caratteristiche dello studente e delle caratteristiche della scuola frequentata sulla prestazione osservata. 12.1 Una premessa Districarsi tra le cause o le responsabilità degli eventi; scoprire le leve per “sollevare” la conoscenza (o la voglia di conquistarla); costruire i percorsi e selezionare gli strumenti più efficaci per elevare le competenze del maggior numero di individui. Queste le sfide esistenti, in pari misura, per la ricerca scientifica e per il mondo dell’educazione. Sfide perenni, cicliche, sempre aperte: perché poco o nulla vi è di meccanicistico nei comportamenti e nella crescita dell’uomo così come poco vi è di ordinato e lineare nello sviluppo delle sue organizzazioni collettive e nella stessa storia della comunità umana; ma, ciononostante, sfide da cogliere e affrontare, in un sereno, affinabile, sempre più articolato, itinerario di scavo sulle evidenze empiriche e di tentativi di comprensione delle realtà complesse e dinamiche. Fin dalla nascita dell’approccio positivista allo studio dei fenomeni sociali, il sistema, le strutture, le finalità stesse dell’educazione delle nuove generazioni sono stati messi al centro dell’attenzione in ogni paese in cui esisteva chiara consapevolezza del vantaggio competitivo che sul piano internazionale poteva derivare dalla presenza di ampie masse sociali colte, avvertite, dotate, in pari grado, di metodo nell’approfondimento delle conoscenze e di creatività, di solidità di competenze e di curiosità intellettuale, di capacità di ordinamento e di sistemazione organica delle acquisizioni storicamente raggiunte e di voglia e spirito innovativi, trasgressivi, critici. Da ciò sono nate le prime ricerche scientifiche sulle determinanti della conquista dei saperi, dei processi motivazionali che favoriscono l’impegno nello studio, degli stessi intenti e attese nella partecipazione ai percorsi formativi come viatico alla più generale crescita personale; si è trattato - e si tratta - di ricerche stimolate e guidate dall’interesse verso la promozione culturale, scientifica, civile, della popolazione, assunta come premessa irrinunciabile per lo sviluppo della civiltà e della ricchezza, in tutti i sensi, di ogni paese. Ogni epoca storica e ogni contestualizzazione economico-sociale hanno pertanto suggerito di individuare orizzonti formativi indispensabili, dalla necessità dell’alfabetizzazione generalizzata dei primi dell’Ottocento, all’obbligo del possesso di competenze tecnologiche e di abilità comunicative con tutti i significati e i riferimenti che questo termine contiene - invocato negli anni recenti. Ma le modalità, i mezzi, le strategie individuali e/o sistematiche, i piani di lavoro per avvicinare tali orizzonti, raramente potevano essere noti in modo certo a priori e ancor meno potevano - e possono - essere dominati, maneggiati, governati con l’agilità necessaria e con la preliminare sicurezza degli esiti. 1 Il paragrafo 1 e le conclusioni sono state redatte da Lorenzo Bernardi, i paragrafi 2 e 4 da Susanna Zaccarin, i paragrafi 3 e 5 da Angela Martini 209 La rilevanza di studi di «analisi scientifica dei processi sociali e dei modelli sociali coinvolti nel sistema educativo» (Brookover e Gottlieb, 1964, pp. 11-12) accompagna pertanto l’impegno pubblico nell’organizzare il sistema scolastico, nel tentativo di comprendere e, se possibile, di identificare i fattori che, in un intreccio virtuoso ma di non facile riconoscimento, concorrono a favorire l’efficacia formativa quale requisito irrinunciabile per la crescita delle nazioni. In letteratura, alla base di questi studi, si ritrovano approcci teorici anche fortemente diversificati se non esplicitamente antagonisti: da quello funzionalista, giunto a più organica sistemazione con Musgrave (1971), a quello cosiddetto alternativo, rappresentato, spesso con accenti differenziati ma in qualche misura tra loro integrantisi, dalla scuola inglese di Bernstein (1961), da quella francese di Bourdieu (1966), dalla scuola di Francoforte - in particolare Marcuse (1967) - fino a giungere a proposte/visioni “naturiste” come quella di Illich (1972). Ma su alcuni nodi di fondo, al di là delle ipotesi interpretative adottate, esiste una convergenza di considerazioni e di premesse a orientare gli interessi di ricerca al riguardo; in particolare vi è sostanziale accordo sul fatto che a definire natura e qualità di un sistema educativo contribuiscano tre macrodimensioni: i) le caratteristiche dei rapporti tra cultura e società, che si sostanziano nei legami tra sistema formativo e modelli del controllo sociale (con riguardo alla struttura del potere); tra sistema formativo e processi di mutamento o di conservazione sociale; tra sistema formativo e struttura sociale della popolazione, vale a dire tra partecipazione all’istruzione, stratificazione sociale e opportunità di mobilità ; ii) la natura dei rapporti tra singola istituzione scolastica e comunità ristretta, rivolta a valutare il ruolo, il coinvolgimento, l’interesse verso la partecipazione e la qualificazione della formazione da parte dei vari agenti sociali che con il mondo scolastico hanno rapporti diretti e indiretti; iii) i caratteri dei rapporti umani dentro le istituzioni formative, con attenzione alle reciproche influenze che regolano i comportamenti, gli atteggiamenti e le interazioni tra tutti i suoi membri; in quest’ambito assumono inoltre particolare rilievo le finalità educative, i contenuti disciplinari, le disponibilità di materiali e strumentazioni, le condizioni strutturali dell’esperienza scolastica, che risultano assegnate in modo anche specifico ai vari ordini e cicli scolastici. La compresenza e l’azione congiunta di questi tre grandi ordini di fattori nel determinare il prodotto scolastico, conduce, da un lato, all’affermazione che «l’educazione rappresenta una tipica manifestazione dell’interazione sociale; la scuola è un gruppo sociale organizzato; esiste sempre una influenza di altre istituzioni sulla istituzione scolastica e, viceversa, quest’ultima svolge funzioni nei riguardi della società» (Swift, 1969, p. 11); dall’altro lato, promuove la consapevolezza che per poter operare scelte convincenti nel continuo processo di aggiustamento, di innovazione, di affinamento, in tutti gli aspetti, dell’organizzazione del sistema educativo, a livello centrale così come nelle realtà periferiche, occorre sviluppare e verificare ipotesi conoscitive di grande spessore e di specifico valore, per ciascuna delle tre sfere in precedenza richiamate. Nel tempo, l’attenzione si è peraltro indirizzata con maggiore o minore efficacia verso l’una o l’altra di esse, assumendo talora anche pesanti risvolti ideologici, e pur tuttavia contribuendo ad affinare progressivamente la lettura dei fatti che avvengono nel sistema così come nella singola classe scolastica. Le ipotesi sugli effetti della stratificazione sociale, della privazione culturale, del peso della socializzazione linguistica, e sulle responsabilità delle famiglie e degli insegnanti nei processi di apprendimento, hanno accompagnato l’interesse per la comprensione del ruolo delle determinanti dovute alle caratteristiche di personalità degli allievi, in un percorso che ha condotto da un lato a precisare i concetti adottati e dall’altro a perfezionare gli strumenti per riconoscerli e rilevarli. Così, dopo i primi studi sull’intelligenza, sulle motivazioni, sulle attitudini degli alunni, rivelatisi concetti sfuggenti e non chiaramente definiti, si sono condotte indagini per misurare l’influenza di fattori che apparivano di più semplice rilevazione quali quelli rappresentati da termini come diligenza, perseveranza, desiderio di eccellere, sicurezza e stabilità emotiva. In questo ambito “personale”, si sono considerate anche le caratteristiche dell’humus famigliare, non solo tenendo globalmente conto della natura del ceto sociale di appartenenza ma declinando quest’ultimo in variabili più analitiche, quali il possesso di un patrimonio economico e soprattutto culturale, l’attenzione per la vita scolastica 210 dei figli, il sostegno materiale e psicologico agli studi, la capacità e volontà di partecipazione alla vita dell’istituzione scolastica. Altrettanto articolato, e a volte riduzionista, è stato il processo di selezione delle ipotesi sulle responsabilità della scuola: da una visione degli insegnanti come mediatori di cultura si è passati ad una in cui essi apparivano piuttosto come dei “colonizzatori”, intenti cioè ad imporre, anche inconsapevolmente, i valori della classe cui appartengono, fino ad essere pensati come i più efficaci fautori della conservazione sociale. A livello di intero sistema educativo ha coerentemente assunto rilievo conoscitivo l’esame della funzione di attrazione dei contenuti formativi, della loro capacità di corrispondere alle presunte aspettative dei partecipanti responsabilmente e consapevolmente inseriti nei processi sociali, economici, culturali più generali, così come sempre più rilevante è apparso il peso delle caratteristiche del più circoscritto contesto in cui i giovani vivono la loro esperienza scolastica e in riferimento al quale formulano le proprie scelte, accettano peculiari condizioni di partecipazione, decidono di resistere alle spinte centrifughe che il sistema educativo non raramente genera, stabiliscono le proprie aspirazioni mediante un processo, più o meno convinto o ribelle, di interiorizzazione delle probabilità oggettive di soddisfarle. La crescita della ricchezza di molte nazioni, il modificarsi delle strutture famigliari (in particolare la forte riduzione del numero di figli per famiglia), l’esplosione della tecnologia, il presentarsi di nuovi agenti di formazione e socializzazione, hanno logorato parecchie delle ipotesi che avevano costituito il lievito degli studi su scuola e società e, in particolare, sulle dinamiche della partecipazione e dell’esposizione ai processi educativi; la scuola di massa è un fatto ormai incontestabile, ma non si può tuttora affermare di aver organicamente individuato le chiavi della riuscita scolastica e delle modalità più efficaci di apprendimento. Alla luce di quest’ultima considerazione si giustificano indagini come PISA, ispirate non solo dall’intento della comparazione internazionale, ma, ci pare, soprattutto dalla volontà di affrontare con pertinenza la multifattorialità del prodotto scolastico, cercando di prendere in considerazione “contestualmente” sottoinsiemi di variabili afferenti a componenti sistemiche tra loro complementari: l’allievo, la famiglia, la scuola, il contesto; non valutandone solo gli aspetti oggettivi, ma accogliendo anche dimensioni soggettive, psicologiche, organizzative. I paragrafi che seguono cercano di illustrare, per quanto possibile con semplicità di esposizione, i risultati che si possono ottenere dall’uso di modelli statistici che analizzano contestualmente effetti dovuti alla compresenza dei vari fattori: l’attenzione è centrata sugli apprendimenti in matematica e in lettura, considerate non solo come competenze in se stesse ma anche come strumenti per l'acquisizione di altre abilità e conoscenze. Se si può riconoscere un contributo aggiuntivo al nuovo approccio rispetto agli studi tradizionali, esso sta proprio, grazie al modello statistico, nella capacità di esplorare possibili interpretazioni dei fatti non analizzando il peso di una variabile (e quindi considerando una sola ipotesi) alla volta, ma cercando di contemplare l’azione congiunta di più fattori, cogliendone effetti diretti ed effetti combinati: ancora un piccolo passo avanti verso la comprensione di un fenomeno complesso, senza intenzioni risolutive, senza smettere di continuare ad allargare l’orizzonte conoscitivo. 12.2 Relazioni tra variabili: regressione semplice e regressione multipla a più livelli Prima di illustrare e commentare i risultati ottenuti, è il caso di riassumere brevemente i presupposti alla base delle procedure statistiche per lo studio delle relazioni tra variabili, a partire dalla descrizione della relazione tra prestazioni in matematica e status socio-economico degli studenti, misurato in PISA mediante l’indicatore sintetico Escs (cap.8, parte II, del Rapporto). La situazione in un dato paese potrebbe essere rappresentata come nella figura 1, dove si può notare che, tendenzialmente, a condizioni sociali più elevate corrispondono anche prestazioni più alte e, viceversa, a condizioni sociali più basse corrispondono prestazioni meno elevate. Anche se ciò non si verifica per tutti gli studenti (qualche studente con basso status consegue prestazioni elevate e, al contrario, qualche studente con status alto mostra prestazioni non particolarmente 211 brillanti) l’andamento complessivo dell’insieme dei punti2 rappresentati nel grafico evidenzia una relazione concorde (o positiva) tra valori dell'indice Escs e punteggi in Matematica. Fig. 1: Relazione tra punteggio in matematica e status socio-economico-culturale Punteggio dello studente in matematica Indice di status s.e.c. dello studente Immagine riadattata da: OECD, Data Analysis Manual, 2005 La situazione evidenziata nel grafico si presta ad essere tradotta in termini formali tramite un modello di regressione lineare. La relazione tra la variabile Y (variabile dipendente o variabile-risposta) ossia, nel nostro caso, il risultato in matematica - e la variabile X (variabile indipendente o esplicativa) - vale a dire, sempre nel nostro caso, il livello di status socio-economico - raffigurata nel grafico può essere rappresentata mediante una linea retta, espressa dalla seguente equazione: Yi D EX i ei i = 1, …n (1) Il coefficiente D (intercetta) corrisponde al valore medio assunto da Y quando il valore di X è pari a 03, mentre il coefficiente E (coefficiente di regressione) indica la variazione media di Y associata ad una variazione unitaria della variabile X (par. 8.2.1, cap. 8, parte II, del Rapporto). Il termine ei (errore o residuo) è dato dalla differenza tra il valore di Y effettivamente osservato e il corrispondente valore ottenuto dalla equazione di regressione: Y i D EX i la quale, nell’esempio considerato, è pari a: Yi La presenza di un errore (o residuo) 250.5 5.5 X i . e i YiY i indica che il modello (1), in quanto tale, non descrive una relazione esatta tra X e Y4 ma coglie l’andamento complessivo dell’insieme di osservazioni. Ciò significa che la prestazione dello studente può essere verosimilmente espressa come una funzione lineare del suo status socio-economico più 2 Ogni punto del piano definito dai due assi cartesiani rappresenta uno studente ed ha come coordinate, sull'asse delle X, lo status socio-economico individuale e, sull'asse delle Y, il punteggio conseguito in matematica. 3 In vari contesti applicativi, tra cui quello degli studi sull’istruzione, risulta più utile stimare i coefficienti del modello considerando non la metrica naturale dei valori X ma i corrispondenti scarti dalla media. In questo caso, l’intercetta D rappresenta il valore medio della prestazione in matematica Y per uno studente con status socio-economico medio. 4 Se così fosse tutti i punti del grafico di fig. 1 sarebbero allineati sulla medesima retta. 212 un errore o scarto (positivo o negativo: vedi fig. 2), e che la variazione media del risultato in matematica associata ad una variazione di una unità sulla scala dell’indice Escs è pari a 5,5 punti (si veda anche la fig. 8.9 del cap. 8, parte II, del Rapporto). Il residuo è quindi la parte di Y non prevista, o non “spiegata”, sulla base della conoscenza di X. Fig. 2: Linea di regressione dello status s.e.c. sul punteggio in matematica Punteggio dello studente in matematica Indice di status s.e.c. dello studente Immagine riadattata da: OECD, Data Analysis Manual, 2005 Il modello (1) può essere esteso anche al caso in cui, anziché una sola variabile esplicativa, se ne consideri più di una (ad esempio, oltre allo status socio-economico, il livello di intelligenza, il sesso, l'origine etnica, o qualunque altra caratteristica dello studente in grado di influire sul risultato in matematica). Da una regressione bivariata si passa così ad un modello di regressione multipla, espresso dalla seguente equazione: Yi D E 1 X 1i E 2 X 2i .... E k X ki ei (2) X 1i .... X ki nella formulazione (2) rappresentano le diverse variabili indipendenti o esplicative. I coefficienti E 1 ....E k (o coefficienti di regressione parziale) indicano il cambiamento medio di Y in corrispondenza ad una variazione unitaria della rispettiva variabile Xk, al netto dei possibili effetti esercitati dalle altre variabili X coinvolte nella relazione con Y. Le formulazioni (1) e (2) del modello di regressione non tengono conto della principale caratteristica che, tipicamente, contraddistingue i dati degli studi sull’istruzione, ovvero che le prestazioni fornite dagli studenti, a parità di capacità e impegno individuale, possono essere influenzate, a causa di processi di selezione o autoselezione all'atto dell'iscrizione oppure semplicemente per esposizione a fattori comuni, anche dal contesto scolastico (scuola o classe frequentata) di appartenenza. In tali studi dei quali PISA, e in generale le indagini comparative sui risultati scolastici, costituiscono un caso esemplare i dati sugli alunni sono infatti ottenuti a partire dalle scuole frequentate (o dalle classi, come nelle inchieste della IEA). Il raggruppamento5 non è senza effetti sui dati relativi al fenomeno oggetto di studio, né per conseguenza sulla procedura statistica per analizzarli e sul metodo di raccolta. Le osservazioni appartenenti allo stesso gruppo, cioè, non sono fra loro indipendenti, ma è probabile che, rispetto a tutta una serie di caratteristiche, esse presentino una certa omogenità. Per restare al nostro caso, è verosimile che il comportamento di studenti che frequentano la stessa scuola, o la stessa classe, sia più simile di quello di studenti di scuole, o classi, diverse. Della correlazione presente nei dati appartenenti ad uno stesso gruppo, si deve dunque 5 In vari ambiti di studio le informazioni sono organizzate in unità gerarchicamente ordinate : ad esempio, individui e famiglia, lavoratori e impresa per cui lavorano, ecc. 213 tener conto anche nel modello statistico utilizzato per l'analisi, estendendo il modello di regressione classico al caso di osservazioni correlate. I modelli di regressione gerarchica (o multilevel) considerano come una caratteristica strutturale dei dati il loro esser riuniti in unità "annidate" (nested) l'una all'interno dell'altra e dunque organizzati secondo una struttura gerarchica a più livelli in cui gli studenti sono raggruppati entro le classi e queste a loro volta entro la scuola, le scuole entro i distretti o i provveditorati, e così via. Nel caso dell'indagine PISA, sul piano internazionale, i livelli della gerarchia sono tre: studente, scuola, paese, mentre a livello nazionale, o sub-nazionale, i livelli di gerarchia considerati sono due: studenti e scuole. Riprendiamo, per comprendere meglio quanto abbiamo qui appena detto, l’esempio iniziale: la relazione tra prestazione in matematica e status socio-economico all'interno della scuola potrebbe presentarsi come nella figura 3. Fig. 3: Relazione tra status s.e.c. e risultato in matematica, in generale e per scuola, in quattro diverse situazioni Prestazione in matematica Prestazione in matematica Indice di status s.e.c. Indice di status s.e.c. Prestazione in matematica Prestazione in matematica Indice di status s.e.c. Immagine riadattata da: OECD, Data Analysis Manual, 2005 214 Indice di status s.e.c. Nei quattro grafici, la linea nera rappresenta la relazione lineare secondo il modello (1), calcolata cioè senza tener conto della scuola di appartenenza; le linee rosse rappresentano, invece, la relazione calcolata per ogni scuola6. La linea nera descrive la relazione complessiva tra status e prestazione nell’intera popolazione di studenti senza tener conto della scuola di appartenenza (come in fig. 2); tale relazione appare essere la stessa in tutti e quattro i grafici. Le linee rosse, corrispondenti alle diverse scuole, descrivono invece la relazione tra le due variabili in ogni singola scuola. Esse, pur essendo tutte parallele tra loro, mostrano una pendenza (data dal valore del coefficiente di regressione E ) molto diversa nelle quattro situazioni. Nel primo caso (n. 1, in alto a sinistra), le scuole comprendono studenti di ogni status sociale e, allo stesso tempo, in ogni scuola ci sono studenti con differenti prestazioni; la relazione tra le due variabili è molto stretta e l'andamento nella singola scuola non si discosta di molto da quello medio generale (linea nera). Opposta appare, invece, la situazione rappresentata in basso a destra (n. 4), in cui la scuola 1 è frequentata da studenti con elevato status sociale ed elevate prestazioni, mentre al contrario, la scuola 4 è frequentata da studenti con basso status sociale e basse prestazioni. In questo caso, all’interno delle scuole, la relazione tra status e prestazione è praticamente inesistente. Le situazioni in alto a destra (n. 2) e in basso a sinistra (n. 3) sono intermedie tra le due appena descritte. Un'ultima situazione, infine, è quella in cui la relazione tra le variabili esaminate non necessariamente è la stessa in ogni scuola – circostanza indicata invece dalle linee parallele in figura 3, dove i coefficienti di regressione sono tutti uguali – ma può risultare più o meno accentuata nelle varie scuole, come rappresentato in figura 4. Fig. 4: Relazione tra status s.e.c. e prestazione in matematica in 4 scuole (situazione 5) Prestazione in matematica Indice di status s.e.c. Immagine riadattata da: OECD, Data Analysis Manual, 2005 E’ il caso di sottolineare, ancora una volta, che in tutte le situazioni presentate la relazione secondo il modello (1), che rappresenta la tendenza complessiva, è sempre la stessa e non consente di cogliere l'andamento effettivo entro le scuole, portando a conclusioni fuorvianti circa la reale relazione al loro interno, tranne che nel caso particolare rappresentato nella situazione 1 della figura 3 (corrispondente ad una situazione in cui la scuola di appartenenza non esercita alcuna influenza sulla relazione esaminata). L’impostazione di analisi più corretta sarebbe, quindi, quella di effettuare regressioni separate scuola per scuola. Non sempre però le informazioni per singolo gruppo sono sufficienti per rappresentare 6 Il punto nero e quelli in rosso indicano, rispettivamente, i punti di coordinate pari alla media generale e alle medie per scuola di X e Y. 215 adeguatamente le relazioni studiate e, in presenza di molte scuole, le regressioni da valutare risulterebbero in numero eccessivo. Inoltre, molto spesso, ed è anche il caso dell’indagine PISA, gli obiettivi di analisi non riguardano le scuole di per sé, ma solo in quanto rappresentative del sistema scolastico complessivo, sul quale si desidera ottenere informazioni più generali. A questo proposito, la regressione a più livelli (Bryk e Raudenbush, 2000; Goldstein, 1995; Snijders e Bosker, 1999) consente di estendere la formulazione (1) al caso di dati organizzati gerarchicamente, tenendo conto in modo adeguato degli effetti dovuti al raggruppamento degli studenti entro le scuole e consentendo così di valutare il “peso” (effetto) della scuola sulle prestazioni individuali. In generale, la relazione tra la variabile-risposta, le variabili individuali e le variabili cosiddette di contesto è descritta integrando il livello di analisi individuale con quello aggregato (riferito alla scuola), senza dover però specificare un modello per ogni gruppo di dati, come sarà meglio illustrato nel seguito. Nella formulazione multilevel, la relazione tra una variabile-risposta Y, osservata sull’individuo i, che appartiene al gruppo j , e una variabile esplicativa individuale X è rappresentata nel modo seguente: Yij E 0 j E 1 j X ij eij (3) dove i = 1, …, nj indica le unità del primo livello (studenti nel nostro caso); j = 1, …, J indica le unità di secondo livello (scuole). La prestazione a livello di individuo (studente) Yij è funzione della prestazione media della scuola (Eoj) cui l'individuo appartiene, dell’effetto della relazione con la variabile Xij (E1j) all'interno della scuola, e di una componente di errore (eij) con media nulla e varianza fissa pari a V2. Il principio fondamentale del modello multilevel è che i coefficienti Ej non assumono necessariamente lo stesso valore in ogni gruppo (scuola) ma possono variare da gruppo a gruppo. La variabilità tra i coefficienti può essere espressa, a sua volta, in funzione di un livello medio di gruppo (Joo e J1o), di una qualche caratteristica di gruppo Zj e un termine di errore u0 j e u1 j : E oj J 00 J 01 Z j u 0 j (4) E1 j J 10 J 11 Z j u1 j (5) Gli errori u0 j e u1 j hanno media nulla e varianza pari a var ( u0 j ) V u20 e var ( u1 j ) V u21 . Sostituendo le equazioni (4) e (5) nella (3), si ottiene il modello completo: Yij J 00 J 10 X ij J 01 Z j J 11 X ij Z j u1 j X ij u 0 j eij (6) Immediata risulta l’estensione al caso di più variabili esplicative individuali X e di gruppo Z. L’equazione (6) costituisce la formulazione più generale del modello multilevel e consente di specificare situazioni entro le scuole (gruppi) come quelle rappresentate in figura 4, caratterizzate sia da prestazioni medie diverse da scuola a scuola che da relazioni più o meno accentuate tra Y e X entro le scuole. La situazione illustrata nella figura 3, in cui le scuole si differenziano rispetto al livello della prestazione media, ma non rispetto all’intensità della relazione tra X e Y (linee parallele), è rappresentata dalla formulazione semplificata dell’equazione (5): E1 j J 10 (5a). Nelle applicazioni della regressione multilevel all'analisi di dati reali, si stima dapprima il cosiddetto modello “nullo”: Yij E 0 j eij (6) 216 E oj J 00 u0 j (7) Yij J 00 u0 j eij (8) il quale considera la prestazione dello studente in funzione solo della prestazione media complessiva (Joo), di una componente di errore associata alla scuola (uoj) e di una componente di errore individuale (eij). In questo modello, in cui non viene inclusa nessuna variabile esplicativa e che di fatto equivale ad una analisi della varianza (ANOVA), la differenza tra scuole è data solo dal diverso livello medio di prestazione delle scuole (equazione (7)) e la variabilità delle prestazioni degli studenti è data - (equazione (8)) - dalla somma di due componenti, la variabilità tra le scuole (gruppi) e la variabilità entro le scuole: var (Yij ) var ( uoj e ij ) 2 V2 V uo (9) Dalla (9), è possibile derivare il coefficiente di correlazione intraclasse U , che fornisce una misura del grado di omogeneità tra osservazioni appartenenti alla stessa scuola (gruppo) o, in altri termini, di avere un'indicazione di quanto la variabile risposta sia influenzata dal raggruppamento; esso dunque esprime la quota di variabilità che è attribuibile alla scuola: U V u20 V u20 V 2 Il coefficiente U permette di valutare l’importanza delle differenze tra scuole nel determinare le diverse prestazioni degli studenti. Quanto più il valore di U risulta elevato, tanto maggiore sarà l’effetto del raggruppamento e quindi l’influenza del contesto sulle prestazioni individuali. Le analisi di regressione a più livelli applicate allo studio dei risultati scolastici perseguono due obiettivi principali: 1)stabilire gli effetti "netti" di ciascuna delle variabili in gioco, vale a dire al netto dell'influenza esercitata dalle altre variabili considerate che incidono sulle prestazioni degli studenti; 2)tentare di identificare, tenendo "sotto controllo" le caratteristiche degli studenti e quelle di contesto7, le variabili scolastiche (quelle che potremmo definire variabili di processo: organizzazione, clima relazionale, modalità di insegnamento, ecc.) che hanno un'influenza significativa sui risultati. La ricerca sull’efficacia della scuola (school effectiveness research) ha individuato una serie di fattori associati a una maggior produttività dell’istruzione che si collocano a diversi livelli: la struttura del sistema scolastico, l’organizzazione e la gestione delle singole scuole, i processi d’insegnamento e apprendimento che hanno luogo nella classe. Il paradigma "classico" della ricerca sull’effetto-scuola si basa su alcuni principi-guida che possono esser così sintetizzati: -la selezione del campione di scuole, che deve essere effettuata in modo tale da rappresentare situazioni massimamente differenziate, così da consentire un’analisi contrastiva dei fattori che distinguono le scuole più efficaci dalle meno efficaci; -la considerazione delle caratteristiche individuali degli alunni (origine sociale, personalità, atteggiamenti, ecc.) come "variabili di controllo", così da poter valutare i risultati raggiunti dalle scuole prescindendo dall'influenza delle prime (ceteris paribus); -l'assunzione di una prospettiva diacronica: la determinazione dell'effetto-scuola, o di quello che si definisce il "valore aggiunto", oltre che la comparazione tra istituti, suppone che si disponga di due serie temporalmente successive di rilevazioni del livello di competenza degli stessi alunni, all'inizio e al termine di un ciclo d'istruzione; -il ricorso ad analisi statistiche di regressione a più livelli e alla scomposizione della varianza dei risultati (calcolo del coefficiente intra-classe). 7 Per la spiegazione di ciò che significa tener "sotto controllo” una variabile, si veda riquadro 8.1, cap. 8, parte II del Rapporto. 217 Nel caso dei dati PISA, che è un'indagine cosiddetta cross-sectional8, viene a mancare un requisito fondamentale, vale a dire la disponibilità di due serie di misure rilevate sugli stessi alunni in due diversi momenti del tempo. Tutti i dati riferiti agli alunni sono infatti acquisiti nello stesso momento, nè si ha alcuna misura del livello di preparazione o di abilità degli studenti all'ingresso nelle varie scuole. Inoltre, come si è prima accennato, l'attenzione delle indagini comparative internazionali è centrata fondamentalmente sul campione di alunni piuttosto che sul campione di scuole. Se non è possibile, in termini propri, misurare il valore aggiunto o l'effetto-scuola nel quadro di un'indagine come PISA, è tuttavia possibile, attraverso l'analisi a più livelli, stabilire il contributo di ognuno dei fattori considerati alla variabilità dei risultati e distinguere gli effetti delle variabili individuali da quello delle variabili scolastiche e, all'interno di queste, fra gli effetti delle variabili di contesto e di processo. Ciò consente di parlare di "valore aggiunto" della scuola - come fa il Rapporto internazionale - inteso come l'impatto che fattori come le risorse, il clima, le pratiche e politiche degli istituti hanno sui risultati, una volta tenuto conto delle differenze nel background degli studenti. 12.3 Le variabili inserite nel modello multilevel per il Veneto Un aspetto cruciale nell’applicazione dei modelli di regressione a più livelli riguarda la scelta dei fattori da considerare per le analisi, in particolare quelli riferiti alla scuola. La selezione delle variabili, individuali e relative alle scuole, da inserire nell’analisi multilevel del dataset veneto è stata ispirata a tre criteri: - la conformità con il quadro delle variabili utilizzate nell'analoga analisi condotta sull'insieme dei paesi OCSE, di cui si dà conto nel Rapporto internazionale; - l'interesse che alcune variabili potevano rivestire in relazione allo specifico contesto italiano e alla discussione in corso su alcuni nodi di politica scolastica (ad esempio l'utilità o meno di anticipare l'ingresso alla scuola elementare); - infine, la significatività statistica dell'effetto sui risultati in base all'analisi univariata svolta inizialmente su un numero di fattori del dataset veneto superiore a quello che poi è stato ritenuto per l'analisi finale. Seguendo il modello internazionale, le variabili d’interesse sono classificate in tre categorie principali: 1) variabili individuali relative agli studenti; 2) variabili relative al contesto delle scuole; 3) variabili relative alle scuole che possono esser modificate da parte dei decisori politici o dei responsabili della gestione degli istituti, a loro volta suddivise in tre sottogruppi: a)risorse materiali ed umane, b)clima scolastico, c)prassi e politiche d'istituto. Rientrano nella prima categoria tutte le caratteristiche che sono proprie degli alunni singolarmente considerati e che dunque comprendono sia le variabili di tipo socio-demografico che quelle che attengono alla personalità o agli atteggiamenti e comportamenti nei confronti della scuola e dello studio. Di fatto, seguendo l'esempio internazionale, sono state considerate per l'analisi multilevel unicamente le variabili di carattere demografico e sociale (sesso, status socio-economico individuale, ecc.) e alcune variabili riguardanti il percorso scolastico dello studente: regolarità o ritardo (in base al fatto che la classe frequentata al momento dell'indagine fosse la seconda superiore - o anche una classe successiva - oppure una classe antecedente), la frequenza per almeno un anno della scuola dell'infanzia, l'inizio anticipato o meno della scuola elementare e infine l'eventuale cambiamento di scuola alle superiori. 8 Tali indagini si distinguono dalle indagini longitudinali perché le rilevazioni, anche se ripetute a intervalli di tempo, non sono effettuate sugli stessi soggetti, come nelle precedenti, ma su individui che mutano ogni volta. In certo modo, è come se esse operassero dei tagli o sezioni trasversali del fenomeno studiato in un dato momento o in momenti successivi. 218 Le variabili relative al contesto scolastico comprendono l'ubicazione dell'istituto (in un centro più o meno grande), la sua dimensione (sulla base del numero di alunni), il livello medio di status socioeconomico del corpo studentesco e il rapporto studenti/docenti. Il terzo insieme di variabili include: la quantità e qualità delle risorse, materiali ed umane, a disposizione dell'istituto; il clima scolastico, valutato sulla base delle relazioni fra insegnanti e alunni, del grado di disciplina in classe, del morale e dei comportamenti di docenti e studenti; infine, le politiche e le prassi poste in atto dagli istituti. Come già detto, l'interesse che l'analisi multilevel riveste è che essa consente, dopo aver suddiviso la varianza dei risultati in varianza “tra scuole” (between variance) e varianza “entro le scuole” (within variance), di determinare gli effetti “netti” di ciascuna delle variabili inserite nei modelli statististici e, in particolare, tenendo “sotto controllo” le caratteristiche degli studenti e quelle di contesto, di tentare di identificare quali siano le variabili scolastiche suscettibili d'intervento (cioè quelle classificate nella terza categoria), che possono avere un'influenza significativa sui risultati degli alunni. Ci sembra qui opportuno osservare, prima di proseguire, che la distinzione comunemente effettuata fra variabili di contesto considerate tutte come caratteristiche “fisse”, e dunque come vincoli all'azione della scuola, e variabili a livello d'istituto “manipolabili”, è a nostro parere discutibile. Il termine “contesto” è infatti assunto, nel Rapporto PISA e in genere in letteratura, con almeno due accezioni differenti: da una parte con esso si indica il contesto inteso come ambiente esterno in cui la scuola si trova ad operare (ad esempio, in un'area urbana o rurale o in una zona a maggiore o minore sviluppo economico), dall'altra parte esso è usato per indicare principalmente la composizione socio-demografica della popolazione reclutata dalla scuola. Riguardo a quest'ultimo significato del termine “contesto”, si può far notare che la composizione della popolazione scolastica (a parte le caratteristiche che possono effettivamente dipendere dall’ambiente in cui la scuola è inserita) è in relazione con tre ordini di fattori: a)la struttura del sistema educativo (ad esempio, sistema a filiere versus sistema comprensivo), b)le politiche più o meno selettive dei singoli istituti, qualora sia ad essi consentito di "scremare" gli studenti (o all'atto dell'ammissione, o nel corso degli studi tramite il ricorso alla bocciatura o al trasferimento in un'altra sede), o, infine, con le scelte operate dagli utenti quando sia loro accordata la libertà di optare fra un istituto e l'altro. In tutti e tre i casi ci troviamo evidentemente di fronte a dimensioni che possono costituire oggetto di decisione politica, a livello d'amministrazione nazionale o sub-nazionale, oppure a livello dei singoli istituti, e che quindi come tali, non meno dell'assegnazione di risorse o delle pratiche pedagogiche, sono passibili d'intervento e di modifica. Ciò detto, diamo di seguito un elenco delle variabili di cui si sono stimati gli effetti, distintamente sul risultato in matematica e in lettura, nel campione veneto di scuole secondarie (quando la variabile è stata inserita solo nell'analisi sulla matematica oppure solo in quella sulla lettura, ne è data indicazione fra parentesi): 1)VARIABILI INDIVIDUALI : x Status socio-economico e culturale x Frequenza della scuola dell'infanzia x Sesso x Classe frequentata 2)VARIABILI SCOLASTICHE : 2a.Variabili di contesto: x Tipo di scuola (liceo, istituto tecnico, istituto professionale) x Composizione della popolazione scolastica (indice medio di status socio-economicoculturale) x Dimensione della scuola (numero totale iscritti) x Localizzazione della scuola (lettura) 219 x Percentuale alunne (lettura) x Rapporto numerico alunni/docenti 2b.Variabili relative alle risorse, al clima e alle pratiche scolastiche: x Carenza, quantitativa e qualitativa, degli insegnanti x Fattori legati al comportamento degli studenti x Morale e coinvolgimento degli studenti x Proporzione di alunni che hanno cambiato scuola x Disciplina in classe durante le lezioni di matematica Per una descrizione del significato e contenuto delle variabili si rinvia alla Tavola III alla fine di questo testo e, in particolare per le variabili del gruppo 2b, si rimanda al capitolo 9, parte II, del Rapporto. 12.4 Risultati dell’analisi a più livelli sulle prestazioni in matematica e lettura degli studenti veneti La stima dei modelli a due livelli (studenti e scuole) è stata condotta separatamente per le prestazioni in matematica e lettura degli studenti veneti, a partire dagli insiemi di variabili individuali e di scuola discusse nel paragrafo precedente. Le caratteristiche del dataset considerato e le opzioni tecniche relative al software utilizzato per l’analisi multilevel sono riportate nel riquadro che segue. Stima modelli multilevel - Le elaborazioni sono state condotte solo sugli studenti delle scuole secondarie superiori, che rappresentano oltre il 99% della popolazione di studenti di 15 anni nel Veneto. - Le stime dei parametri dei modelli sono state condotte con il software HLM, versione 5 (Raudenbush et al., 2001), con le seguenti opzioni: I) esclusione dei casi con valori mancanti in una o più delle variabili esplicative considerate sia a livello di studente che di scuola (opzione listwise deletion). I risultati dei modelli sono quindi basati su un campione di 1280 studenti raggruppati in 42 scuole; II) la variabile dipendente è data dai 5 plausible values per la matematica e per la lettura; III) le stime sono ottenute da dati pesati secondo il peso finale di campionamento riportato nel file studenti. I pesi sono stati standardizzati affinché la loro somma corrisponda al numero di records individuali (studenti) presenti nel file di dati; IV) la formulazione dei modelli con variabili esplicative considerati nell’analisi, fa riferimento a modelli ad intercetta casuale (equazioni (3), (4) e (5a)) in quanto le prove condotte con la formulazione più generale (a coefficienti casuali) non evidenziano relazioni diverse tra prestazioni e caratteristiche degli studenti a livello di scuola; V) le variabili continue, come ad esempio lo status socio-economico (indice Escs) sono state centrate rispetto alla media regionale (vedi nota 2); VI) per le variabili categoriali, come ad esempio la frequenza della scuola dell’infanzia o il tipo di scuola frequentata, la codifica effettuata è indicata nella Tavola III in coda al capitolo. I risultati ottenuti sono riassunti nelle tabelle 1 e 2 (alle pagine seguenti), che riportano le stime dei coefficienti associati alle variabili esplicative via via introdotte nei vari modelli specificati, unitamente alla stima del coefficiente di correlazione intra-classe ottenuto dal modello nullo (equazioni (6) – (9) del primo paragrafo). Tale coefficiente, come già anticipato, esprime l’effetto del raggruppamento 220 entro la scuola sulla prestazione dello studente e quindi può essere interpretato come l’influenza da attribuire all'ambiente scolastico sull’apprendimento individuale. Nel Veneto, il 32% circa della variabilità delle prestazioni in matematica9 e il 37% circa in lettura (colonna 1 nelle tabelle 1 e 2) può essere attribuito a differenze tra le scuole frequentate dagli studenti (vedi sotto fig. 5). Fig. 5: Varianza tra scuole e tra alunni in matematica e lettura nelle scuole secondarie venete Questi valori del coefficiente di correlazione intra-classe sono più contenuti di quelli calcolati per l’Italia (pari rispettivamente al 52% e al 49%) e in linea con la media OCSE, almeno per la matematica (media OCSE pari al 33%) e un po’ meno per la lettura (OCSE pari al 31%)10. Fattori legati alle caratteristiche socio-demografiche degli studenti (fattori individuali) e/o alle caratteristiche degli istituti possono spiegare le differenze che emergono tra le scuole. Anche se la variabilità delle scuole venete risulta minore della media nazionale, è apparso comunque interessante approfondire la disamina dei fattori responsabili di tali differenze, introducendo nell’analisi sia le variabili a livello degli studenti che quelle a livello di scuola individuate nel paragrafo precedente. Nelle colonne successive alla prima delle tabelle 1 e 2 sono raccolti i risultati dei modelli stimati con le varie tipologie di variabili esplicative considerate. Tra tutte le candidate a "spiegare" le prestazioni degli studenti, in tali modelli sono state introdotte solo le variabili che, in una preliminare analisi univariata (in cui, cioè, solo una variabile per volta è introdotta nella regressione multilevel), avevano mostrato un effetto significativo sui risultati nei due ambiti esaminati e che quindi avrebbero potuto mantenere tale effetto anche in un modello a più variabili. Come evidenziato dalla Tavola II in coda al capitolo, in entrambi i settori di competenza, molte candidate non sono risultate avere una relazione apprezzabile con la variabile dipendente, in particolare fra le variabili del sottogruppo “risorse materiali ed umane”. 9 La varianza tra scuole risulta un po' più bassa di quella (35%) riportata per il Veneto nel cap. 8, parte II, del Rapporto, in quanto, come detto nel riquadro sulla stima dei modelli multilevel, dai dati sono stati eliminati gli alunni di scuola media (11 soggetti) e sono stati esclusi i casi con valori mancanti. 10 I dati sui coefficienti intra-classe dell'OCSE e dell'Italia sono desunti da: Cosgrove e al., 2005 221 (1) (2) (3) 1.84% ** p < 0.10 Proporzione di varianza spiegata entro le scuole * p < 0.05 4.53% Proporzione di varianza spiegata tra scuole Proporzione di varianza attribuita alle scuole (U) 31.79% 4.24% 14.99% 54.63% 994.42* 4616.71 4503.79 4503.39 62.11% 830.52* 4503.55 60.33% 869.52* 4502.47 (6) COMPONENTI CASUALI 2192.01* 2092.72* 1863.42* 26.30* Clima disciplinare in classe 4703.17 -0.57 Percentuale alunni che hanno cambiato corso Varianza a LIVELLO 2 3.59 Morale e coinvolgimento degli studenti Varianza a LIVELLO 1 -0.59 Comportamento degli studenti (5) 10.23 Carenza di insegnanti Risorse, clima e pratiche 0.03** 42.29% 1265.06* 4502.28 (5a) 2.99 0.03** 2.32 (5a) 35.51* -25.32* 3.75 4.13 Dimensione della scuola (4) 490.88* (5a) Rapporto studenti/insegnanti 41.94* 52.44* (6) 34.45* -26.72* 4.64 4.23 (6) 457.46* 38.79* 54.90* 75.39* (5) 35.31* -24.69* 4.46 4.17 (5) 447.76* 7.61 Status socio-economico e culturale medio 78.85* 57.55* Tipo di scuola: Istituto tecnico (4) 35.07* -26.28* 3.85 4.53** (4) 442.74* Tipo di scuola: Liceo Caratteristiche contesto scolastico (3) (2) 35.90* (1) LIVELLO SCUOLA -23.80* 2.24 5.63* (3) 491.29* Esser regolare (o in anticipo) -20.45* 4.69 Essere femmina Aver frequentato la scuola d’infanzia (2) 518.20* 6.13* (1) 513.08* Status socio-economico e culturale individuale LIVELLO STUDENTI Intercetta o prestazione media complessiva 48.36% 1131.97* 4501.98 (6a) 31.18* -1.60** 8.17 1.68 9.54 (6a) 34.59* -25.80* 3.86 4.72** (6a) 491.69* 62.60% 819.75* 4502.51 (7) 10.14 -0.71 5.71 8.23 4.25 0.85 0.02 -2.41 45.71* 64.65* (7) 34.76* -25.09* 4.76 4.14 (7) 463.85* Tabella 1: Stime dell’effetto di caratteristiche relative a studenti e scuole sulle prestazioni degli studenti in matematica 514.27* 48.35% 1132.14* 4502.19 (7a) 13.47 -1.91* 7.13 7.43 1.62 2.42 0.02 19.30 (7a) 34.76* -25.16* 3.92 4.15 (7a) (2) (3) (4) 1.21 Rapporto studenti/insegnanti 10.20 ** p < 0.10 1.08% Proporzione di varianza spiegata entro le scuole * p < 0.05 14.55% 36.77% Proporzione di varianza attribuita alle scuole (U) Proporzione di varianza spiegata tra scuole 4.09% 24.83% 2586.19* 2209.96* 1944.13* Varianza a LIVELLO 2 4264.26 4446.23 Varianza a LIVELLO 1 4398.21 57.01% 1111.74* 4262.91 64.89% 908.09* 4263.31 Clima disciplinare in classe 70.35% 766.71* 4261.42 (6) 32.41* Percentuale alunni che hanno cambiato corso COMPONENTI CASUALI 6.17 -0.76 Morale e coinvolgimento degli studenti 4.35 Carenza di insegnanti 23.07* 40.27* (6) 37.30* 11.29* 25.15* 3.69 (6) 431.73* Comportamento degli studenti (5) -5.39 Percentuale di ragazze alta (=> 70%) Risorse, clima e pratiche 8.53 Percentuale di ragazze media (35%-70%) 17.52 0.63 Localizzazione (centro fra 15.000 e 100.000 ab.) Localizzazione (centro con oltre 100.000 ab.) 0.03* 14.66 38.47* 64.74* (5) 38.06* 12.74* 24.82* 3.48 (5) 408.99* Dimensione della scuola Status socio-economico e culturale medio 80.31* 43.95* (4) 37.98* 12.27* 23.98* 4.04 (4) 410.56* Tipo di scuola: Istituto tecnico (1) (3) 38.70* 14.24* 22.73** 5.12* (3) 453.75* Tipo di scuola: Liceo Caratteristiche contesto scolastico LIVELLO SCUOLA (2) 17.75* Essere regolare (o in anticipo) Essere femmina 5.63* (2) 482.78* 25.40* (1) (1) Aver frequentato la scuola d’infanzia Status socio-economico e culturale individuale LIVELLO STUDENTI 515.90* 54.03% 1188.98* 4263.20 (5a) 2.60 3.23 10.25 9.83 1.04 0.03** 43.45* (5a) 38.43* 12.78* 24.31* 3.48 (5a) 444.51* 66.49% 866.68* 4261.22 (6a) 37.23* -1.45** 11.17** 5.81 7.63 (6a) 37.51* 12.10* 24.64* 73.22% 692.69* 4261.95 (7) 20.45** -0.75 7.85 10.81 5.25 -1.10 -16.75 10.33 8.28 -6.78 0.03** 0.73 26.77** 48.56* (7) 37.62* 12.20* 25.55* 3.44 (7) (6a) 4.21 429.36* 453.90* Tabella 2: Stime dell’effetto di caratteristiche relative a studenti e scuole sulle prestazioni degli studenti in lettura Intercetta o prestazione media complessiva 462.92* 69.04% 800.67* 4261.76 (7a) 23.58 -1.53** 9.56 9.54 1.58 0.13 -13.16 9.80 -2.68 -14.23 0.02 18.99 (7a) 37.73* 12.16* 25.03* 3.44 (7a) Dall’analisi dei risultati emergono alcune considerazioni di rilievo11. Le femmine, come atteso, hanno sempre prestazioni significativamente diverse da quelle dei maschi: inferiori di circa 20-25 punti in matematica e superiori di circa 12-17 punti in lettura. La regolarità del percorso scolastico è un elemento importante nel determinare il livello della prestazione, il cui contributo rimane inalterato anche quando sono introdotte le caratteristiche della scuola. La differenza di punteggio tra alunni regolari o in anticipo e alunni in ritardo si mantiene sopra i 35 punti circa in tutte le prove effettuate. Lo status socio-economico dello studente dimostra un limitato effetto positivo sulle prestazioni (modelli 2 e 6a), che si attenua (modello 4) o scompare del tutto quando si tiene conto del tipo di scuola frequentata o di altre variabili di scuola (modelli 5a, 7 e 7a). L’aver frequentato la scuola dell’infanzia non discrimina rispetto alla prestazione in matematica, mentre è un importante elemento di differenziazione delle prestazioni in lettura, facendo conseguire all’incirca almeno 20 punti in più a chi ha frequentato la scuola materna rispetto a chi abbia iniziato l’esperienza scolastica direttamente dalla scuola primaria. Da sottolineare che l'aver iniziato in anticipo la scuola elementare non sembra invece avere un'incidenza significativa sul risultato, nè in lettura né in matematica (vedi Tavola II in coda). Le quattro caratteristiche individuali appena descritte danno un contributo alquanto modesto alla spiegazione della variabilità individuale (4% circa: modello 3) in ambedue gli ambiti. Esse assumono invece maggiore rilievo, soprattutto in lettura, per quanto riguarda la variabilità tra scuole, dove sono responsabili di circa un quarto (24.83%) della variabilità osservata in questa seconda competenza. La popolazione scolastica, come d’altronde c’era da aspettarsi data la struttura della scuola superiore italiana, non appare quindi distribuita in modo del tutto omogeneo nelle varie scuole, anche se ciò è meno rilevante nel caso della matematica (il contributo alla spiegazione della varianza tra scuole è pari al 15% circa). L’essere iscritto ad un liceo o ad un istituto tecnico comporta un notevole vantaggio, in termini di punteggio, rispetto a chi è iscritto ad un istituto professionale, sia in matematica che in lettura (modello 4); la differenza di punteggio è pari, rispettivamente, a poco più di 78 e 57 punti in matematica e a 80 e 44 punti circa in lettura. L’effetto si mantiene pressochè inalterato in matematica e si ridimensiona, invece, soprattutto per il liceo, nella lettura quando si considerano le variabili di contesto (modello 5), tra le quali solo la dimensione della scuola risulta significativa in entrambi gli ambiti. Il ridimensionamento dell’influenza della scuola frequentata, sebbene essa rimanga sempre consistente, soprattutto in matematica, si verifica anche quando è introdotto solo il gruppo di variabili della terza categoria (risorse umane, clima e pratiche), tra le quali risulta significativo per entrambi gli ambiti soltanto l’indicatore che fa riferimento al clima disciplinare della scuola (modello 6). L’importanza decisiva del tipo di scuola frequentata sul risultato in matematica emerge, infine, con ulteriore forza quando entrambi i gruppi di caratteristiche scolastiche sono considerati congiuntamente (insieme alle caratteristiche dello studente) nel modello 7. In questo caso, l’unica variabile che mantiene un effetto significativo tra le variabili scolastiche è, appunto, il tipo scuola. In tale modello, che è il più completo, la proporzione di varianza spiegata delle differenze tra scuole raggiunge per la matematica quasi il 63%. Il 37% delle differenze tra le scuole rimane quindi non adeguatamente spiegato e altre caratteristiche, degli studenti e delle scuole dovrebbero essere considerate se si volesse ulteriormente ridurre questa quota. Il compito appare però abbastanza arduo, dato l’ampio insieme di variabili sin qui esaminate. Nella lettura, la situazione sembra un po’ più articolata, poichè anche la dimensione della scuola e il clima disciplinare hanno un peso sui risultati di apprendimento e la percentuale di varianza spiegata raggiunge un valore più elevato, pari al 73%. 11 Per agevolare la lettura dei dati delle tabelle 1 e 2, si ricorda che l'aumento (o la diminuzione, nel caso di coefficiente negativo) del punteggio in matematica o in lettura attribuibile ad un effetto significativo delle variabili esplicative considerate è relativo alla prestazione media, indicata dal valore dell'intercetta, realizzata da uno studente "base" con caratteristiche individuali e della scuola frequentata corrispondenti, nel caso di variabili categoriali, alla condizione cui è assegnato il valore "0" (ad es.: non ha frequentato la scuola materna, o la scuola cui è iscritto è un istituto professionale) e, nel caso di variabili continue, alla media regionale (ad es.: ha uno status s.ec. individuale medio, o la scuola cui è iscritto ha una dimensione media). 224 Al fine di approfondire il significato dei risultati ottenuti dalla stima dei modelli ora descritti, sono state stimate delle versioni alternative ai modelli 5 e 6 e al modello complessivo 7, che non prevedono l’inserimento del tipo di scuola. I risultati paiono, a nostro avviso, abbastanza interessanti poichè emergono effetti significativi anche di altri fattori nei due gruppi di variabili scolastiche (modello 5a e 6a), che erano assorbiti dal “contenitore” rappresentato dal tipo di scuola. Nel primo gruppo, si nota infatti, oltre alla dimensione, anche un effetto positivo significativo dello status socio-economico medio della scuola. Nel secondo gruppo, oltre al clima disciplinare, la percentuale di studenti della scuola che ha cambiato percorso rispetto al primo anno di superiori ha un effetto negativo sia in matematica che in lettura, effetto che, in questo secondo ambito, è contrastato dall’effetto positivo dell’indicatore relativo al morale e al coinvolgimento degli studenti. Nel modello 7a, che comprende tutte le variabili dei due gruppi, solo la percentuale di studenti che hanno cambiato corso alle superiori rimane significativa. In questo modello, la percentuale di varianza spiegata è pari al 48% in matematica, valore inferiore al precedente ottenuto dal modello 7 che includeva il tipo scuola, mentre essa è molto simile per la lettura, con un valore pari al 69%. E’ appena il caso di notare che la percentuale di alunni che dichiarano di aver cambiato tipo di scuola è il 4% circa nei licei e il 4.7% negli istituti tecnici, mentre raggiunge il 12% negli istituti professionali. 12.5 I risultati dell'analisi multilivello nel Veneto a confronto coi risultati internazionali e italiani In quest'ultimo paragrafo ci proponiamo di confrontare i risultati emersi dall'analisi multilivello sui dati PISA delle scuole del Veneto con quelli della stessa analisi condotta prima sull'insieme degli stati OCSE e quindi ripetuta a livello dei singoli paesi, illustrati nel rapporto internazionale pubblicato alla fine del 2004 (Tab. 5.21a e 5.21b-Annesso B1, OECD, 2004a). Possiamo dunque far riferimento ai risultati di tale analisi per quanto concerne, da un lato, la media OCSE e, dall'altro, l'Italia. Il confronto, limitato alla matematica e agli effetti delle sole variabili in comune, è condotto in termini del tutto generali e indicativi, poiché i modelli stimati nei due casi, OCSE e Italia da un lato e Veneto dall’altro, non sono esattamente gli stessi per quanto riguarda l'insieme complessivo delle variabili esaminate. In via preliminare, riportiamo nella tabella 3 alla pagina seguente gli effetti "netti" di caratteristiche degli studenti e delle scuole per l'insieme dei paesi OCSE e per l'Italia individualmente presa. Come il Rapporto internazionale ribadisce, nel leggere i dati della tabella 3 va tenuto presente che gli effetti che risultano significativi a livello dell'insieme dei paesi OCSE (prima colonna), possono non esserlo a livello dei singoli paesi. Ad esempio, la povertà delle relazioni fra insegnanti e studenti, che comporta negli stati OCSE un effetto netto statisticamente significativo, con un abbassamento del punteggio in matematica mediamente di 74 punti, non è significativa per l'Italia (seconda colonna) e per la maggioranza dei paesi individualmente considerati a causa del piccolo numero di studenti che dichiarano di avere relazioni molto negative coi propri docenti. Viceversa, fattori che hanno un effetto netto non significativo per l'insieme dei paesi OCSE, possono invece averlo a livello di singolo paese (ad esempio, nel caso dell'Italia l'uso di test standardizzati). Inoltre, non bisogna dimenticare che altri fattori non considerati nelle analisi potrebbero avere influenza sulle prestazioni e, in secondo luogo, che alcuni aspetti delle politiche e delle pratiche scolastiche sono in vari paesi regolati a livello nazionale o sub-nazionale, per cui vi può essere poca o nessuna variabilità per tali aspetti da una scuola all’altra. Poiché si misura solo ciò che varia, e nella misura in cui esso varia, ciò impedisce di fatto di valutare l’impatto di queste variabili all'interno di un singolo stato, il che va tenuto presente nell'interpretare i dati riferiti all'Italia. Infine - e questo vale anche per i risultati dell'analisi multilevel sui dati del Veneto illustrati nel paragrafo precedente - i valori nelle due ultime colonne della tabella 3 corrispondono al contributo unico che ciascun fattore nell'elenco dà alla variabilità dei risultati o, in altre parole, all'effetto specifico che ogni variabile ha sul punteggio in matematica "al netto" dell'effetto di altre variabili, cioè a parità di tutte le altre condizioni che influiscono sul risultato. Questo, per quanto riguarda in particolare le variabili della terza categoria (vedi paragrafo 2), conduce ad una sottostima del "valore aggiunto" della scuola, vale a dire dell'influenza che il clima, le risorse e le pratiche degli istituti hanno sui risultati degli alunni, al di là delle differenze di prestazione tra scuole che sono spiegate dalla composizione del corpo studentesco. E ciò perché parte di tali differenze è da attribuire all’effetto congiunto delle caratteristiche della scuola e degli studenti, che interagiscono fra loro 225 potenziandosi a vicenda. In sintesi, mentre le differenze "lorde" tra scuole - vale a dire le differenze di prestazione senza tener conto delle differenze della popolazione reclutata - sovrastimano l'effettoscuola, le analisi volte a stimare il valore aggiunto al netto dell’influenza del background degli studenti e delle scuole inducono una sottostima del peso dei fattori scolastici (OECD, 2004a, cap. 5 ; OECD, 2005b, cap. 3). Tab. 3: Effetti netti di caratteristiche individuali e di scuola sul risultato in matematica per l'area OCSE nel suo insieme e per l'Italia CARATTERISTICHE DEGLI STUDENTI Sesso femminile Nazionalità straniera Lo studente parla a casa una lingua diversa da quella del test Frequenza della scuola materna Indice di status socio-economico-culturale (per l'aumento di 1 unità) CARATTERISTICHE DELLE SCUOLE Media dell'indice di status s.e.c. della scuola frequentata (per l'aumento di 1 unità) Localizzazione in un'area rurale La scuola è statale (o di un Ente pubblico locale) Dimensione (per ogni 100 studenti in più) Dimensione al quadrato (per ogni 100 studenti in più) Rapporto studenti/insegnanti Rapporto studenti/insegnanti al quadrato Qualità delle attrezzature educative (per l'aumento di 1 unità dell'indice) Carenza o inadeguatezza insegnanti (per l'aumento di 1 unità dell'indice) Morale e coinvolgimento degli studenti (per l'aumento di 1 unità dell'indice) Morale e coinvolgimento degli insegnanti (per l'aumento di 1 unità dell'indice) Comportamenti negativi legati agli insegnanti (per l'aumento di 1 unità dell'indice) Clima disciplinare (per l'aumento di 1 unità dell'indice medio della scuola) Senso di appartenenza (per l'aumento di 1 unità dell'indice medio della scuola) Estrema povertà delle relazioni fra insegnanti e alunni Selettività (i voti sono una priorità o un requisito per l'ammissione) Non selettività Frequenza nell'uso di test standardizzati (per ogni volta in più nell'anno s.) Frequenza nell'uso di test preparati dagli insegnanti (per ogni volta in più ad anno s.) Raggruppamento degli alunni per livello di abilità in tutte le classi Nessun raggruppamento per livello di abilità Offerta corsi di recupero o arricchimento o entrambi in matematica (x 1 attività in più) Offerta di attività extra legate alla matematica (Olimpiadi, ecc.) (x 1 attività in più) Numero di decisioni a livello di scuola sul budget e il personale Numero di decisioni a livello di scuola sul curricolo e la valutazione Fonte: OECD, Learning for tomorrow's world, 2004 (Annesso B1-Tab. 5.21a, 5.21b) Nota: I valori in grassetto sono statisticamente significativi (p<0,05) 226 OCSE Effetto netto -15,3 -12,3 -10,2 8,0 22,0 ITALIA Effetto netto -23,45 -9,58 6,24 9,43 7,44 Effetto netto 52,9 Effetto netto 70,66 8,7 7,3 1,7 0,0 0,0 0,0 1,7 12,51 33,50 1,05 -0,03 -0,57 0,00 10,29 -1,2 1,43 2,5 3,82 -0,8 -2,21 -0,6 -1,46 27,1 19,54 2,8 -2,94 -74,4 11,6 1,8 -0,4 -61,82 -12,59 5,16 -1,91 0,3 0,21 -2,1 5,4 0,6 -16,43 0,54 -3,80 2,4 7,20 -1,6 0,3 -2,45 -9,31 Ritornando dopo questa premessa generale al tema che costituisce l'oggetto di questo paragrafo, rispetto all'insieme dei paesi OCSE, le variabili individuali che risultano significative "ceteris paribus" sono lo status socio-economico-culturale, il sesso, l'origine straniera, il fatto di parlare a casa una lingua diversa da quella del test, e, infine, l'aver frequentato la scuola dell'infanzia per almeno un anno o più. Le stesse variabili, tranne la lingua parlata a casa, hanno effetti netti significativi anche per l’Italia. Nel caso del Veneto, non è stata presa in considerazione come variabile da inserire nell'analisi multilevel l'origine immigrata degli alunni, né di conseguenza la lingua parlata a casa, perché il numero di alunni stranieri del campione frequentanti la scuola secondaria è molto basso (vedi paragrafo 8.1.6, cap. 8, parte II del Rapporto). Per quanto riguarda le altre variabili, l'esser di sesso femminile e lo status socio-economico risultano avere un effetto significativo (modelli 2 e 3), negativo in un caso e positivo nell'altro, anche nella nostra regione, analogamente a quanto accade mediamente nell'area OCSE. Dei due fattori però, nel Veneto, solo il sesso continua ad avere un effetto significativo in tutti i modelli stimati, mentre lo status non è più significativo quando è considerato in congiunzione con le variabili di scuola. Inoltre, l'effetto netto del genere sul risultato in matematica è più ampio di quello esercitato dallo status, il che conferma l'importanza della differenza di genere, cui è stato specificamente dedicato uno degli approfondimenti della terza parte del Rapporto. Insieme al sesso, l'altra variabile che ha un effetto netto stabilmente positivo, e ancora più ampio di quello attribuibile al primo, è il fatto di essere in regola (o in anticipo) con il percorso degli studi, il che comporta un incremento del punteggio di circa 35 punti rispetto a chi è in ritardo, sempre a parità delle altre condizioni. Questa variabile non è considerata nei modelli stimati a livello OCSE. Per ciò che concerne infine la frequenza della scuola dell'infanzia, essa, come s'è visto, è risultata nel Veneto significativa per il risultato in lettura ma non per quello in matematica. Tra le variabili scolastiche, ciò che si può innanzitutto osservare è che l'effetto della composizione della popolazione reclutata da un istituto dal punto di vista socio-economico e culturale (media dell'indice di status s.e.c. della scuola frequentata) ha un effetto assai più marcato a livello internazionale (e ancor più a livello dell'Italia, dove comporta un aumento di quasi 71 punti) di quanto non accada nel Veneto, ma ciò è dovuto essenzialmente al fatto che non viene considerato il tipo di scuola12 (liceo o istituto tecnico versus istituto professionale), variabile che è stata invece inserita nei modelli multilevel stimati per il Veneto e che "cattura" in gran parte l'effetto della composizione del corpo studentesco. Infatti, quando si tiene sotto controllo il tipo di scuola, l'aumento di un'unità dell'indice medio di status socio-economico dell'istituto comporta un miglioramento nei risultati di soli 8 punti circa (modello 5), ed esso ha un effetto statisticamente significativo (vedi tabella 1) soltanto nel modello 5a, dove sono inseriti, oltre alle variabili individuali, i fattori di contesto senza però il tipo di scuola. Questo non soltanto rimane significativo in tutti i modelli, ma "spiega", una volta tenuto conto delle caratteristiche individuali degli studenti, il 55% circa della varianza tra scuole (modello 4). Da notare che il tipo di scuola in quanto tale, senza cioè le altre variabili di contesto e in particolare la composizione sociale della popolazione scolastica, contribuisce ad un aumento di 40 punti percentuali della varianza spiegata tra scuole (differenza tra modello 4 e 3) Ciò è d'altronde congruente con quanto emerge, da un lato, da un'analisi dei gradienti socioeconomici all'interno delle tre tipologie di scuole (fig. 6) e dall'altro dalla tabella 4, che riporta le 12 È evidente che ciò avrebbe avuto poco senso per un'analisi condotta sull'insieme dei paesi OCSE, dove coesistono sistemi scolastici diversi e dunque gli alunni possono a 15 anni trovarsi ancora a frequentare una classe del percorso comune dell'insegnamento (come accade nei paesi anglosassoni e del Nord-Europa) o invece essere in una classe del secondo ciclo della scuola secondaria (come accade in Italia ma anche in molti altri paesi OCSE, in cui l'età media della prima differenziazione degli itinerari di studio è a 14 anni). L'indice medio di status della popolazione scolastica reclutata da ciascun istituto assume dunque in sé, in questo caso, anche l'eventuale effetto dovuto al tipo di scuola per quei paesi in cui, a partire dai 15 anni o anche prima di quest'età (es. Germania), il sistema scolastico è organizzato in diverse filiere d'insegnamento. 227 medie e le differenze tra le medie dei punteggi degli alunni appartenenti ai quartili13 regionali superiore e inferiore dell'indice Escs nei tre tipi di scuola secondaria. Innanzitutto, come si può vedere dal grafico alla pagina seguente14, che rappresenta il gradiente socio-economico del Veneto (linea nera tratteggiata) e quelli dei licei (linea rossa), degli istituti tecnici (linea verde) e degli istituti professionali (linea azzurra), la relazione fra status socio-economico e prestazione15 all’interno delle scuole è debole, in particolare nei licei e negli istituti tecnici (le linee hanno una scarsa inclinazione), mentre nei Professionali il gradiente è un po’ più ripido (denotando una maggior influenza dell'origine sociale sulle prestazioni in questo tipo di scuola). Inoltre, le altezze dei gradienti degli alunni dei licei e dei tecnici sono vicine e le rette, pressoché parallele fra loro, sono sempre al di sopra della media OCSE (il punteggio atteso per un alunno di status medio del liceo è di 542 punti e di 526 per un alunno del medesimo status dell’istituto tecnico), mentre diverso è l'andamento della retta degli istituti professionali, che si mantiene sempre al di sotto della media OCSE (500). Fig. 6: Gradienti socio-economici del Veneto e dei tre tipi di scuola secondaria 700 Punteggio in matematica 650 600 550 500 450 400 350 300 -3 -2,5 -2 -1,5 -1 -0,5 0 0,5 1 1,5 2 2,5 3 Indice di status socio-economico-culturale Veneto Licei Tecnici Professionali Analogamente, dalla tabella 4, si può constatare che, all'interno dei tre tipi di scuola, la differenza di punteggio medio in matematica fra gli studenti appartenenti al quartile superiore e al quartile inferiore dell’indice regionale di Escs (che cioè si trovano, dal punto di vista socio-economico, rispettivamente nel gruppo di alunni con lo status più elevato e in quello con lo status più basso a livello regionale), è significativa solo per gli allievi dei Professionali - a indicare una maggior variabilità di risultati in funzione dell'origine sociale - e che gli alunni dei licei e degli istituti tecnici, a qualunque quartile appartengano, hanno comunque un punteggio medio in matematica superiore alla media del Veneto (511), mentre il contrario accade per gli studenti dei Professionali, i cui risultati, qualunque sia il quartile di appartenenza, sono inferiori alla media. Questo ci dice che il tipo di scuola ha un suo 13 I quartili sono i punteggi percentili che ripartiscono una qualunque distribuzione di valori in quattro parti di pari frequenze. Il primo quartile (o quartile inferiore) è il valore al di sotto del quale si trova il 25% dei valori di una distribuzione, il secondo quartile (o mediana) è il valore al di sopra e al di sotto del quale si trova il 50% dei valori, il terzo quartile (75° percentile) è il valore al di sotto del quale si trova il 75% dei valori. Il termine è usato anche per indicare i quattro gruppi così delimitati, ciascuno composto dal 25% dei valori di una distribuzione. Si veda nella Tavola IV, alla fine, la distribuzione percentuale nel Veneto degli alunni appartenenti ai quattro quartili regionali di Escs per tipo di scuola secondaria. 14 Il grafico è stato tracciato tenendo conto solo di due caratteristiche dei gradienti, altezza e pendenza. Per i dati di riferimento, si veda la Tavola V alla fine. 15 Si ricorda che si tratta in questo caso di una regressione bivariata fra status s.e.c. e punteggio in matematica. 228 Tab. 4: Punteggi medi in matematica e differenze tra le medie del quartile regionale superiore e inferiore dell'indice Escs nei tre tipi di scuola Licei Istituti Tecnici Istituti Professionali Quarto superiore Quarto inferiore 551 (8,2) 530 (12,6) 475 (16,2) 545 (11,1) 513 (9,6) 440 (10,7) Differenza (Qs – Qi) 6 (13,8) 17 (14,8) 35 (15,6) t 0,417 (NS) 1,177 (NS) 2,222 (S) (S = p < 0,05) peso16 sulle differenze di prestazione fra alunni dei licei e degli istituti tecnici da una parte e alunni dei Professionali dall'altra, che sovrasta quello dovuto alle differenze nel rispettivo background. Tornando agli esiti dell’analisi multilivello nel Veneto e al confronto con i risultati sul piano internazionale e nazionale, degli altri fattori di contesto, la dimensione della scuola ha un piccolissimo effetto significativo, in analogia con quanto accade mediamente nei paesi OCSE (non in Italia), mentre non è significativo il rapporto studenti/insegnanti (anche qui in analogia con l'insieme dei paesi OCSE e in questo caso anche con la situazione italiana). Fra le variabili scolastiche relative alle risorse, al clima e alle pratiche (cioè le variabili "manipolabili"), dal modello 7, che integra tutti i fattori esaminati, emerge come nessuno abbia un effetto netto statisticamente significativo, mentre nei modelli 6 e 6a risulta significativo l'effetto del clima disciplinare in classe e nei modelli 6a e 7a quello della proporzione di alunni dell'istituto che hanno cambiato tipo di scuola (variabile non considerata a livello internazionale). Da notare che la disciplina in classe durante le lezioni ha un effetto positivo sul punteggio in matematica in quasi tutti i paesi partecipanti a PISA 2003, con rare eccezioni. Anche se nessuna delle variabili di scuola "manipolabili" ha nel Veneto un effetto netto significativo quando è considerata insieme al tipo di scuola e alle altre variabili di contesto scolastico, tuttavia esse, se considerate senza le precedenti (modello 6a), spiegano il 48% della varianza tra scuole. Possiamo dunque anche dire che il contributo dato dall'insieme delle variabili relative alle risorse, al clima e alle pratiche alla variabilità dei risultati tra scuole corrisponde a circa l’8 % (differenza tra la varianza spiegata dal modello 7 e dal modello 4) In definitiva, nel Veneto, il tipo di scuola si conferma come la dimensione più rilevante per spiegare la variabilità delle prestazioni in matematica, così come, d'altronde, a livello internazionale, l'indice medio di status socio-economico e culturale della scuola è il fattore che, con 63 punti in media, contribuisce di più, al di là e al di sopra del background individuale, alla variabilità dei risultati. È importante sottolineare che parte di questo effetto dipende dal fatto che gli alunni migliori tendono a frequentare scuole con caratteristiche associate a migliori prestazioni. La parte dell'effetto della composizione della popolazione scolastica che è mediata dalle caratteristiche dell'istituto frequentato corrisponde, nell'insieme dei paesi OCSE, a circa 10 punti, cioè al valore della differenza tra l'effetto complessivo, valutato come s'è detto in 63 punti, e l'effetto netto dello status socio-economico medio della scuola, che è (vedi sopra tabella 3) di 53 punti (OECD, 2004a, pag. 257). Nel Veneto tale valore, sostituendo il tipo di scuola all'indice medio di status, può esser ritenuto di circa 12 punti per il liceo e di circa 14 punti per l’istituto tecnico. Va tuttavia ribadito, per chiudere che, sulla base dei dati di un'indagine come PISA, non è possibile stabilire se e in che misura il contesto della scuola influisca direttamente oppure indirettamente sul risultato degli studenti (per esempio, indirettamente attraverso un processo di selezione o autoselezione all'ingresso). 16 Come detto anche altrove nel testo, non è possibile stabilire in questa sede in che misura ciò sia dovuto a processi di selezione o autoselezione in entrata o ad altri fattori. 229 Conclusioni Come la storia della ricerca scientifica insegna, molte volte si è costretti ad ammettere che è necessario ribadire l’ovvio affinché tale rimanga. Meglio se, in tale operazione, l’ovvio e quanto il buon senso già ci suggeriva trovano convincente razionalizzazione e adeguata sistemazione formale. Ancor meglio se, nel dipanare correttamente gli elementi forniti dalle informazioni raccolte e dalle analisi compiute per dare giustificazione ad ipotesi solo intuitive, si perviene a qualche, anche circoscritta, sorpresa, e a qualche, pur modesto, incremento di conoscenza. L’itinerario percorso appare quasi come un paradigma delle considerazioni iniziali. Letteratura, evidenze empiriche, semplici osservazioni non guidate, hanno da sempre posto in luce la multifattorialità del processo generativo del prodotto scolastico e dei meccanismi di riuscita educativa, individuando come aspetti fondamentali per la comprensione della variabilità degli esiti non solo i tratti comportamentali e di atteggiamento degli allievi, ma anche il ruolo giocato dalle famiglie, dalle caratteristiche dell’organizzazione dell’intero sistema scolastico, dalla qualità delle politiche attive promosse dal singolo istituto, più in generale dalla natura del raccordo, più o meno stringente, tra scuola e società. Ciò che comunque continua a meritare attenzione, affinamento e specificazione d’analisi è il peso peculiare che assumono questi macrofattori e le intensità con cui intervengono le rispettive componenti (variabili) mediante cui essi si manifestano, il loro modo di intrecciarsi e combinarsi all’interno di contesti a loro volta originali e difformi, l’isolamento e la messa a fuoco di forme, modalità, tempi e strumenti per poter agire in modo da favorire la migliore, più generalizzata, più incisiva e solida formazione delle giovani generazioni. L’obiettivo degli studi sull’educazione non si arresta al conoscere, ha l’ambizione di chiedersi se sia plausibile l’azione tesa al cambiamento verso direzioni desiderabili, giungendo a riconoscere le leve più opportune per operare nella scuola e per incrementare le competenze, le conoscenze, le sensibilità del futuro cittadino. Muovendo dall’assunto che le prove predisposte per valutare le abilità conseguite in matematica e lettura rappresentino strumenti validi ed affidabili (assunto per il quale vi è da sperare che, in ragione dell’autorevolezza internazionale di coloro che le hanno messe a punto, permangano limitati sospetti e/o rifiuti), il complesso di elaborazioni illustrato nelle pagine precedenti sembra condurre ad alcune conferme interpretative e a segnalare, piuttosto che risultati di grande rilievo, nuove ipotesi da testare. Richiamando in sintesi gli aspetti principali emersi che sono stati analiticamente discussi nei paragrafi precedenti, ci pare opportuno fermarsi alle seguenti considerazioni formulate con intento più spiccatamente qualitativo: i) In primo luogo viene, anche marcatamente, confermato l’ “effetto Tipo di Scuola”, risultato esplicito della natura con cui sono stati pensati e offerti i contenuti e l’organizzazione delle varie filiere formative; peraltro esso assume un ruolo ancor più rilevante nell’analisi compiuta in congiunzione con le caratteristiche economico-sociali dei rispettivi frequentanti: da questo punto di vista il risultato ci pare costituisca una chiara dimostrazione di quanto sostenuto da Bourdieu a proposito di “rassegnazione” dei giovani ai destini possibili, attraverso un processo di razionalizzazione e di interiorizzazione delle possibilità oggettive di riuscita loro concesse, data una peculiare appartenenza di ceto; ii) rimane presente un “effetto Genere, con esiti opposti per quanto riguarda abilità matematiche e abilità linguistiche; esso, peraltro, ci sembra vada accolto non come condanna o promessa, ma piuttosto come risultato in parte generato da introiezione di atteggiamenti carsici, personali e/o relazionali, assorbiti dalla storia, dai processi sociali, da valori che attengono all’antropologia sociale dei quali la comunità è ancora erede; iii) naturalmente, agisce anche un “effetto Studente”, che in questa sede, in assenza della disponibilità di misure di variabili attitudinali e intellettive, non oggetto di rilevazione, si manifesta in termini di precedenti di carriera (ritardo scolastico, frequenza della scuola dell’infanzia); iv) sembrano invece meno influenti le variabili afferenti alle prassi e alle politiche scolastiche interne agli istituti: può apparire questo un risultato frustrante per tutte le attenzioni prestate in questi ultimi anni ai temi della qualità della scuola, ma occorre da 230 un lato ricordare come particolarmente decisivo (e quindi capace di assorbire e spiegare anche altri fattori) sia il ruolo giocato dal tipo di scuola e dall’altro porsi l’interrogativo se le variabili considerate possano essere ritenute come i migliori indicatori della vitalità, dell’impegno, delle capacità autonome “dovute” esplicitamente alla Scuola. Tuttavia questo segnale deve invitare a potenziare lo studio in tale ambito, per lo meno per l’importante ragione che esso costituisce quasi l’unico terreno immediato di azione, intervento e gestione delle responsabilità periferiche; v) il confronto nazionale e internazionale mette in luce anche un “effetto Regione” e un “effetto Paese” che si combinano, illustrando similarità e differenze, in una visione del mondo educativo che sembra patire universalmente per analoghi problemi, in certi luoghi ridimensionati, in altri enfatizzati, e mostra in particolari realtà tratti ancor più allarmanti; su un piano più complessivo, essi si possono assumere come un indicatore del più generale contributo del contesto storico, economico, sociale, che induce e stimola scelte scolastiche e modalità di partecipazione ai processi educativi in qualche misura specifiche. Per finire, l’interesse per la continuazione e il potenziamento di studi scientifici in campo educativo è il prerequisito per approfondire le analisi, per proseguire l’opera di specificazione delle ipotesi interpretative, per alimentare un confronto internazionale che arricchisca le esperienze e che individui politiche nazionali e locali sempre più efficaci e capaci di avvicinare l’obiettivo di una scuola nello stesso tempo adatta agli individui e a promuovere lo sviluppo collettivo: PISA è da questo punto di vista una opportunità preziosa. 231 TAVOLE Tavola I: Statistiche descrittive delle variabili inserite nei modelli multilevel Variabile Livello Alunni pv1math (valore 1 in matematica) pv2math (valore 2 in matematica) pv3math (valore 3 in matematica) pv4math (valore 4 in matematica) pv5math (valore 5 in matematica) pv1read (valore 1 in lettura) pv2read (valore 2 in lettura) pv3read (valore 3 in lettura) pv4read (valore 4 in lettura) pv5read (valore 5 in lettura) escs_i (status s.e.c. individuale) female (sesso femminile) frequenza scuola infanzia anticipo scuola primaria* famstruc (famiglia nucleare) grade (regolarità/ anticipo) sturel_i (relazioni fra studenti e docenti) disclim_i (clima disciplinare) cambiamento scuola alle superiori Livello Scuola stdyprgm 4 (liceo) stdyprgm 2 (tecnico escs_s (status s.e.c. medio) ubicazione in un centro fra 15.000 e 100.000 ab. ubicazione in un centro oltre i 100.000 ab. pcgirls_med (% ragazze <=35% e <70%) pcgirls_alt (% ragazze => 70% schsize (dimensione scuola) stratio (rapporto alunni/docenti) scmatbui (qualità infrastrutture) scmatedu (qualità attrezzature) tcshort (insufficienza insegnanti) disclim_s (clima disciplinare medio) sturel (relazione media alunni-docenti) studbeha (comportamenti degli alunni) teachbeha (comportamenti dei docenti) stmorale (morale degli studenti) tcmorale (morale degli insegnanti) proporzione alunni che hanno cambiato scuola alle superiori (ec05q01) N Media 1527 1527 1527 1527 1527 1527 1527 1527 1527 1527 1522 1527 1527 1527 1527 1527 1522 1522 1504 514,03 515,47 513,97 515,05 514,97 517,26 517,10 519,68 518,39 517,89 -0,06 0,48 0,97 0,04 0,81 0,87 -0,46 -0,10 0,94 49 49 49 49 49 49 49 49 47 49 49 47 49 49 49 49 49 49 49 0,31 0,43 -0,05 0,50 0,36 0,33 0,36 639,81 8,34 0,35 -0,14 0,22 -0,12 -0,44 0,29 0,01 0,07 -0,80 7,67 Dev.st. Min Max 82,74 82,02 81,58 82,02 82,97 82,75 82,93 81,42 83,16 83,12 0,95 0,50 0,16 0,18 0,40 0,34 0,87 1,02 0,24 225,77 250,62 272,04 248,90 249,60 180,59 158,94 168,56 146,10 154,93 -2,73 0,00 0,00 0,00 0,00 0,00 -3,09 -2,74 0,00 790,73 797,20 774,14 808,88 806,78 755,29 779,90 757,65 722,70 777,52 2,34 1,00 1,00 1,00 1,00 1,00 2,85 2,35 1,00 0,47 0,50 0,53 0,51 0,48 0,48 0,48 360,63 2,10 1,15 0,99 0,66 0,48 0,35 0,99 1,04 0,99 0,85 5,04 0,00 0,00 -0,91 0,00 0,00 0,00 0,00 117 1,99 -1,83 -2,31 -1,20 -0,88 -1,03 -1,93 -3,01 -1,79 -2,18 2,00 1,00 1,00 1,21 1,00 1,00 1,00 1,00 1568 13,57 2,20 1,49 1,52 1,03 0,62 2,61 2,49 1,64 1,65 24,00 *Nota: La proporzione di alunni nel campione che hanno dichiarato di aver iniziato la scuola primaria "prima dei 6 anni" è circa il 13%, dato chiaramente incongruo con quanto emerge da altre fonti sulla percentuale di alunni che in Italia inizia anticipatamente la scuola elementare. Per questo è sembrato opportuno costruire una nuova variabile dummy ponendo valore 0 ai soggetti che hanno iniziato la scuola a 6 anni compiuti, dopo quest'età o anche a 5 anni ma sono nati in un mese da settembre in poi, e valore 1 ai soli soggetti che hanno iniziato la scuola a 5 anni e sono nati prima del mese di settembre. In tal modo, la percentuale di alunni che hanno incominciato in anticipo la scuola elementare si riduce a poco meno del 4%. 232 Tavola II: Variabili esplicative inserite nei modelli multilevel (analisi univariata) Significatività dell'effetto in Matematica Significatività dell'effetto in Lettura + n.s. n.s. + n.s. n.s. n.s. n.s. n.s. + n.s. + + n.s. n.s. n.s. n.s. + + + + n.s. + + + + + n.s. n.s. n.s. n.s. + n.s. n.s. + n.s. n.s. n.s. + + + n.s. + + n.s n.s. n.s. n.s n.s. n.s. + + + Livello Alunni: Status socio-economico-cult. individuale (escs_i) Frequenza scuola dell'infanzia (st20q01) Anticipo scuola primaria (st21q01) Sesso femminile (female) Classe frequentata (grade) Struttura famigliare (famstruc) Cambiamento di scuola alle superiori (ec05q01) Relazioni studenti-insegnanti individuale (sturel_i) Clima disciplinare individuale(disclim_i) Livello Scuola: Tipo di scuola: liceo (stdyprg 4) Tipo di scuola: ist. tecnico (stdyprg 2) Composizione corpo studentesco (escs_s) Dimensione della scuola (schlsize) Localizzazione in un centro fra 15.000 e 100.000 abitanti (sc01q01) Localizzazione in un centro oltre i 100.000 abitanti (sc01q01) Percentuale ragazze fra 35% e 70% (pcgirls_med) Percentuale ragazze => 70% (pcgirls_alt) Rapporto alunni/insegnanti (stratio) Qualità infrastrutture (scmatbui) Qualità attrezzature (scmatedu) Carenza degli insegnanti (tcshort) Relazioni studenti insegnanti (sturel_s) Comportamenti degli insegnanti (teachbeha) Morale e coinvolgimento degli insegnanti (tcmorale) Comportamenti degli alunni (studbeha) Morale e coinvolgimento degli alunni (stmorale) % alunni che hanno cambiato corso (ec05q01) Clima disciplinare in classe (disclim_s) Legenda: + : effetto significativo positivo; - : effetto significativo negativo; (Livello di significatività: p < 0,10) 233 n.s. : effetto non significativo Tavola III: Variabili inserite nei modelli multilevel (analisi multivariata) NOME Variabili dipendenti Valore plausibile 1 matematica (pv1math) Valore plausibile 2 matematica (pv2math) Valore plausibile 3 matematica (pv3math) Valore plausibile 4 matematica (pv4math) Valore plausibile 5 matematica (pv5math) Valore plausibile 1 lettura (pv1read) Valore plausibile 2 lettura (pv2read) Valore plausibile 3 lettura (pv3read) Valore plausibile 4 lettura (pv4read) Valore plausibile 5 lettura (pv5read) Variabili indipendenti Livello Alunni: Status socio-economicoculturale individuale (escs_i) Frequenza scuola dell'infanzia (st20q01) Sesso (st03q01) Classe frequentata (grade) Livello Scuola: Tipo di scuola (stdyprg 4) Tipo di scuola (stdyprg 2) Composizione corpo studentesco (escs_s) Dimensione della scuola (schlsize) Localizzazione della scuola (sc01q01) in un centro di medie dimensioni Localizzazione della scuola (sc01q01) in un centro di grandi dimensioni Percentuale ragazze media (pcgirls_med) Percentuale ragazze alta (pcgirls_alt) Rapporto alunni/insegnanti (stratio) Carenza degli insegnanti DESCRIZIONE TIPO Punteggio 1 in matematica Continua Punteggio 2 in matematica Continua Punteggio 3 in matematica Continua Punteggio 4 in matematica Continua Punteggio 5 in matematica Continua Punteggio 1 in lettura Continua Punteggio 2 in lettura Continua Punteggio 3 in lettura Continua Punteggio 4 in lettura Continua Punteggio 5 in lettura Continua CODIFICA Livello socio-economico e Continua culturale della famiglia d'origine Frequenza della scuola Categoriale 1=Sì dell'infanzia per un anno o 0=No più Genere femminile o maschile Categoriale 1=Femmina; 0=Maschio Anno di scuola frequentato Categoriale 1=Regolare o in anticipo; 0=In ritardo La scuola è un "Liceo" La scuola è un "Istituto Tecnico" Indice medio di status s.e.c. della scuola Numero totale iscritti Categoriale 1=Sì; 0=No Categoriale 1=Sì; 0=No Ubicazione in un centro fra 15.000 e 100.000 abitanti Categoriale 1=Sì 0=No Ubicazione in un centro con più di 100.000 abitanti Categoriale 1=Sì 0=No Percentuale di alunne compresa fra 35% e 70% Percentuale di alunne eguale o superiore al 70% Numero alunni per insegnante Insufficienza, quantitativa e Categoriale 1=Sì 0=No Categoriale 1=Sì 0=No Continua 234 Continua Continua Continua (tcshort) Comportamenti degli alunni (studbeha) Morale e coinvolgimento degli alunni (stmorale) Proporzione di alunni che hanno cambiato corso (ec05q01) Clima disciplinare in classe (disclim) qualitativa, degli insegnanti Comportamenti degli studenti che influiscono sul clima scolastico Grado di identificazione degli alunni coi valori della scuola Percentuale di alunni che hanno cambiato scuola alle superiori Disciplina durante le lezioni in classe Continua Continua Continua Continua Tavola IV: Percentuali di alunni per quartili regionali dell'indice Escs e per tipo di scuola secondaria Licei Istituti Tecnici Istituti profess. 1° Quartile (fino al 25° perc.) 8,9 27,1 39,0 2° Quartile 3° Quartile 4° Quartile (dal 25° al 50° perc.) (dal 50° al 75° perc.) (dal 75° perc. in poi) 16,2 25,5 49,4 26,6 29,8 16,5 31,8 18,1 11,1 Tavola V: Gradienti socio-economici del Veneto e dei tre tipi di scuola secondaria Veneto Licei Ist. Tecnici Ist. Profess. Altezza del gradiente Errore standard Inclinazione del gradiente Errore standard 513,086 541,628 526,486 462,688 5,169 9,926 8,265 9,822 21,325 7,498 6,753 16,999 3,108 4,317 4,877 5,975 I valori in grassetto sono significativi (p < 0,05) I dati presentati alla tabella 4 del paragrafo 5 e alle Tavole IV e V qui sopra sono stati ottenuti da elaborazioni effettuate con SPSS sul dataset PISA-Veneto 2003. 235 Dopo PISA: dalla riflessione sui dati alle politiche di miglioramento Claudio Marangon 1. La riflessione sui dati La ricerca PISA 2003 sulle competenze dei quindicenni scolarizzati fornisce indicazioni di grande interesse oltre che per la comprensione del funzionamento del nostro sistema scolastico nazionale, messo a confronto con quelli dei molti altri paesi che vi hanno preso parte, anche per lo sguardo che consente di rivolgere, all’interno del sistema, alle sue sottoarticolazioni geografiche, a livello di macroaree e di singole realtà regionali. Questo Rapporto mette ora gli esiti nel Veneto della ricerca PISA a disposizione di tutti coloro che sono interessati alla comprensione o al governo del sistema scolastico su scala regionale. I soggetti che a vario titolo hanno competenza in merito alle politiche scolastiche (dalle articolazioni regionali del Ministero dell’Istruzione all’Ente Regione e agli Enti Locali), le Istituzioni scolastiche del territorio regionale, gli Atenei universitari, e gli Enti di formazione e di ricerca, dispongono dei risultati di un’indagine che viene ritenuta dalla comunità scientifica internazionale di grande rilevanza e affidabilità. Un’indagine che, oltre a basarsi su strumenti di misurazione particolarmente raffinati, fonda la propria filosofia su una logica innovativa che, anziché ancorarla all’accertamento di abilità maturate in relazione ai curricoli scolastici, la proietta verso l’apprezzamento di quelle competenze che serviranno ai giovani studenti di oggi per entrare nel mondo del domani, nella società competitiva della conoscenza e dell’apprendimento continuo. È forse la prima volta che si registra nel nostro paese un così pronunciato interesse verso queste tematiche, finora rimaste relegate alla sola cerchia della comunità dei ricercatori. Lo stesso precedente ciclo di PISA 2000 aveva fornito indicazioni che erano circolate tra i soli addetti ai lavori, così come era accaduto ad altre importanti indagini della IEA (International Association for the Evaluation of Educational Achievement) che si sono tenute dagli anni ‘70 ad oggi, tra le quali vanno ricordate quelle che si occupano di apprendimenti matematici (TIMSS, per gli alunni del quarto e dell’ottavo anno di scolarità) e di competenze di lettura (ICONA-PIRLS, per gli alunni di nove anni d’età). È solo con il ciclo di PISA 2003 che il Ministero dell’Istruzione ha promosso una riflessione sulla situazione del sistema scolastico italiano che, facendo seguito all’uscita del Rapporto internazionale PISA 2003, è stata avviata nel corso della Conferenza nazionale sugli apprendimenti di base tenutasi a Roma nel febbraio del 2005. Un elemento che, tra gli altri, certamente ha contribuito a stimolare il dibattito in questo senso è stata la partecipazione all’indagine di quattro regioni (tra le quali il Veneto) e di due province autonome, che hanno preso parte alla rilevazione commissionando un sovracampionamento che ha permesso loro di disporre di dati statisticamente significativi di livello rispettivamente regionale e provinciale. Le iniziative che questi soggetti locali hanno promosso e messo in atto per la pubblicizzazione e la valorizzazione della loro partecipazione, e per una prima riflessione sui risultati, hanno in qualche modo impegnato anche il decisore politico a livello centrale ad affrontare tempestivamente la riflessione sul sistema nazionale, così come accade negli altri paesi nei quali simili indagini sono regolarmente oggetto di dibattito e strumento per la definizione di interventi di politica scolastica. Si è trattato, dunque, di un effetto potenziato anche dalla vivacità e dall’autonoma iniziativa dei soggetti che hanno commissionato l’indagine e che, avendo impiegato risorse finanziarie non indifferenti, hanno un forte interesse a lavorare nella prospettiva di ricavarne un efficace strumento di governo del sistema. Ciò ha forse costituito una sorta di volano, tanto che un indicatore significativo dell’accresciuto interesse verso analoghe esperienze già si può individuare nel numero di regioni, più che raddoppiato, che hanno dato la propria adesione al successivo ciclo di PISA. Dunque, uno scenario che lascia spazio ad un cauto ottimismo, a condizione che, ai diversi livelli di responsabilità, vi sia la capacità di far seguire alle azioni annunciate, o in via di definizione, concreta attuazione attraverso strumenti operativi che consentano interventi in grado di modificare in modo incisivo le aree di criticità che l’indagine ha evidenziato. 237 Diversi sono i livelli che si possono identificare in funzione di coinvolgimento e responsabilità nella prospettiva di possibili azioni di miglioramento. Una distinzione tra un macro-livello nazionale, un livello intermedio (di dimensione regionale o provinciale, nel caso delle province autonome) e un livello che fa capo ad ogni singola istituzione scolastica, può forse utilmente rappresentare i soggetti che sono interessati a comprendere le principali risultanze dell’indagine PISA e a mettere in atto, ognuno per i propri ambiti di competenza, misure conseguenti di riequilibrio di criticità o di miglioramento continuo. A livello nazionale si è già accennato alla Conferenza nazionale sugli apprendimenti di base, con la quale il MIUR ha reso noto il piano d’azione per consentire all’Italia di migliorare i livelli di apprendimento degli studenti nelle discipline considerate essenziali e, conseguentemente, meglio figurare nelle successive rilevazioni di PISA e nelle altre indagini internazionali cui il nostro paese partecipa. Partendo dal presupposto che occorra arrivare preparati ai futuri appuntamenti, il Ministro propone come punto di partenza “la diffusione e riflessione nelle scuole dell’indagine PISA” e, in particolare, “una riflessione approfondita da parte dei docenti di italiano, matematica e scienze delle scuole secondarie di 1° grado e del primo biennio delle superiori”. A questa premessa fa seguire una serie di indicazioni, articolate in dieci punti, che toccano i nodi sui quali ritiene necessario intervenire. Si tratta tuttavia di un documento caratterizzato da enunciazioni di intenti cui mancano ancora incisive indicazioni per tradurre le intenzioni in azioni realmente praticabili. Più interessante l’aspetto per cui le realtà regionali vengono impegnate a dotarsi di una serie di organismi (denominati Cabine di regia e Task force di livello regionale e provinciale) che devono lavorare in questo senso a supporto dell’attività delle scuole autonome. In ossequio al principio di sussidiarietà e al processo di devoluzione delle competenze dal centro alla periferia del sistema, il livello intermedio dell’amministrazione scolastica viene così investito della responsabilità di saper “leggere” e interpretare i dati che emergono dalla ricerca e di mettere in atto gli interventi di miglioramento che, in quanto più vicino alla realtà locale, è in grado di individuare e sostenere con maggiore efficacia. Pur rilevando che gli organismi destinati ad operare in tal senso si trovano innestati in realtà locali spesso caratterizzate da condizioni e competenze molto differenziate, e che investimenti e interventi strutturali rimangono di pertinenza del livello centrale, la soluzione di affidare l’iniziativa alla dimensione regionale sembra una prospettiva ragionevolmente praticabile per poter realmente incidere a livello di crescita e miglioramento della qualità degli apprendimenti, e per cercare di ridurre lo squilibrio evidenziato all’interno del nostro sistema nazionale, caratterizzato da forti differenze tra Nord e Sud del paese. A livello intermedio, l’Ufficio Scolastico Regionale per il Veneto aveva autonomamente anticipato azioni in tal senso già prima della Conferenza nazionale sugli apprendimenti di base e delle indicazioni che ne sono derivate. La stessa decisione di prendere parte alla rilevazione PISA 2003 con un proprio campione, che ha comportato a suo tempo un forte investimento economico, è un indicatore di sensibilità e apertura che consente ora alla nostra regione di entrare in una dimensione di misurazione e confronto internazionale. In questo senso va interpretata anche la costituzione di un gruppo di ricerca in grado di rapportarsi con l’Agenzia nazionale e, al tempo stesso, di crescere professionalmente fino a condurre l’elaborazione e l’interpretazione dei dati con autonomia di ricerca. A questo proposito si è dimostrata essenziale, e andrà ulteriormente sviluppata nel futuro, la sinergia con le realtà più stimolanti del territorio tra le quali vanno segnalati i rapporti con l’Università di Padova e con l’IRRE del Veneto, che hanno messo a disposizione competenze essenziali nel campo della statistica e della ricerca educativa. È forte la convinzione che su questa strada occorra continuare, investendo quindi nella partecipazione alle successive edizioni dell’indagine, e rafforzando in questa prospettiva i rapporti interistituzionali con l’Ente Regione cui il futuro assetto di governo del sistema scolastico affida competenze di grande rilevanza. Altrettanto importante è l’opera di sensibilizzazione che nel territorio l’Ufficio Scolastico Regionale per il Veneto ha intrapreso, con la diffusione dei risultati dell’indagine e con l’attenzione al miglioramento delle competenze di base indicata come priorità di lavoro nel corso nelle Conferenze di servizio tenutesi all’inizio del corrente anno scolastico. In questa occasione, all’atto della stipula del contratto con i Dirigenti scolastici, è stata inserita come obiettivo prioritario l’attenzione da 238 dimostrare verso le attività di valutazione degli apprendimenti e del sistema scolastico per favorire in tal modo l’apertura e la crescita del proprio istituto. Successivamente alla Conferenza nazionale sugli apprendimenti di base, anche nel Veneto si sono costituiti gli organismi locali che hanno lo scopo di stimolare la riflessione sui dati che emergono dalla ricerca PISA e di promuovere azioni di miglioramento conseguenti. I primi soggetti interessati a questo Rapporto regionale sono, dunque, proprio i componenti di questi organismi, che si sono dati, tra gli altri compiti, l’obiettivo di portare a sistema le diverse iniziative di valutazione che interessano il nostro territorio, favorendo una riflessione sulla valutazione e la metavalutazione che dia alle scuole la misura e il senso delle numerose, forse troppe, sollecitazioni che ricevono in questo campo. Oltre all’indagine PISA di cui tratta questo Rapporto, e oltre alle altre indagini internazionali che possono fornire utili indicazioni, le nostre scuole sono sempre più interessate dalle rilevazioni nazionali condotte dall’INValSI che, con la recente istituzione del Servizio Nazionale di Valutazione, sono diventate un appuntamento annuale in vista del quale sono necessari interventi di formazione e approfondimenti mirati per favorire la diffusione di una cultura della valutazione realmente condivisa. Un terzo livello di coinvolgimento e di responsabilità, come si è visto, è un livello “molecolare” che fa capo ad ogni singola istituzione scolastica sul territorio. L’autonomia funzionale di cui dal 2000 sono istituzionalmente investite le scuole, articolata in diversi campi di intervento, stenta ancora a decollare e ad esprimersi negli aspetti che sarebbero più qualificanti. Tenute spesso al margine rispetto alla possibilità di sviluppare una riflessione in tal senso, molte scuole si stanno affacciando solo in questi anni alle complesse problematiche della valutazione e dell’autovalutazione, e all’obiettivo del miglioramento del servizio basato su standard di qualità. Ma sono proprio le scuole lo snodo cruciale di un’operazione che deve raggiungere ogni singolo studente del sistema e portarlo verso quegli obiettivi che il nostro paese si è impegnato a raggiungere in accordo con gli altri paesi membri dell’Unione Europea. E nelle scuole è agli insegnanti che è affidato il delicato compito di rapportarsi agli studenti con modalità e atteggiamento che siano coerenti con gli obiettivi da raggiungere. È questa, dunque, una possibile filiera lungo la quale può riuscire o fallire un intervento riequilibrativo che impegna la nostra regione e il nostro paese. Per l’Ufficio Scolastico Regionale per il Veneto si tratta, necessariamente in una prospettiva di breve e medio termine, di utilizzare al meglio questi e altri dati disponibili, mettendo a frutto un investimento considerevole che lo ha impegnato sul piano finanziario, professionale e organizzativo. Possedere dati affidabili e quanto più possibile raffinati è condizione essenziale per ogni decisore prima di impostare interventi di qualunque natura. In questo campo la funzione della ricerca è proprio quella di fornire precise e dettagliate informazioni per contribuire alla conoscenza di un determinato fenomeno; ricerca scientifica e livello amministrativo-politico, tuttavia, in questo campo non hanno finora dato segnali di dialogo particolarmente confortanti circa la possibilità di interagire efficacemente nell’individuazione di piste di intervento concrete e sostenibili. 2. Le indicazioni della ricerca La nostra regione dispone ora di dati di notevole complessità e organizzati a diversi livelli di dettaglio. Sono possibili una prima lettura e successivi approfondimenti per una riflessione che impegni le energie dei ricercatori anche per i prossimi anni. Dalla complessità dell’analisi che ci viene restituita è necessario, quindi, isolare dalla mole di dati alcune piste di lavoro. E a questo scopo è importante ricordare alcune delle domande alle quali PISA è in grado di rispondere, cioè alcuni degli aspetti principali del fenomeno sui quali i risultati che abbiamo di fronte possono contribuire a fare luce: - il livello complessivo di performance di un paese o, nel nostro caso, di una regione, e l’individuazione della tendenza rispetto al ciclo di PISA 2000 - l’omogeneità degli standard di prestazione a livello di singole scuole - la distribuzione di eccellenze e criticità lungo le scale di competenza - il grado di equità del sistema, cioè se e quanto la scuola sia in grado di ridurre, o moderare almeno in parte, l’impatto che ha sui risultati del singolo studente il suo background socioeconomico e culturale 239 - l’equità di genere, ovvero se esistano differenze di rendimento tra la popolazione maschile e femminile, e in che rapporto queste siano con i risultati - le caratteristiche che, a livello di studenti e di scuole, si correlino positivamente con prestazioni elevate - in ultima analisi, in quale misura la scuola prepari i giovani ad affrontare la vita, ad esercitare una cittadinanza attiva e consapevole, ad inserirsi in un mondo del lavoro che richiede loro mobilità e apprendimento continuo. Prendiamo dunque in considerazione alcune indicazioni, consapevoli che il quadro che emerge dai risultati è complesso e non consente di individuare alcuna semplice soluzione. Tuttavia, come si è visto nei capitoli precedenti, è stato possibile identificare alcune interessanti caratteristiche del nostro sistema scolastico, sulle quali iniziare a riflettere anche alla luce delle caratteristiche di quei paesi che hanno ottenuto i risultati migliori coniugando elevate prestazioni degli studenti con un’equa distribuzione delle opportunità di istruzione offerte indipendentemente dal contesto socio-economico e culturale di provenienza degli studenti. Il livello complessivo di performance della regione Veneto è un dato di partenza dal quale non si prescinde, ovviamente, ma che occorre superare per non fermarsi ad una lettura necessariamente superficiale, quale quella che viene frequentemente riportata dagli organi di informazione. Un approccio, questo, tipicamente giornalistico, più attento alle classifiche a punti che a quanto queste possano rivelare ad una più attenta analisi. Nel caso del Veneto, il dato medio regionale, che in tutte le aree oggetto della rilevazione (matematica, lettura, scienze e problem solving) risulta decisamente migliore del dato nazionale e anche della media OCSE, potrebbe indurre ad evidenziare solo il posizionamento nella graduatoria dei diversi paesi. Il confronto tra Veneto e Nord Est, il suo più naturale punto di riferimento, oppure tra Veneto e le altre macroaree geografiche del paese, induce ancor più a "sedersi sugli allori" quando non innesca addirittura spinte centrifughe che vanno nella direzione opposta a quella dell'unitarietà del sistema nazionale di istruzione. Sono solo indicativi, infine, i confronti che vengono spesso fatti tra i risultati del Veneto e quelli di altre nazioni, e che a volte si trovano proposti, con le debite precisazioni, anche nelle pagine di questo rapporto. Accostare il Veneto a paesi quali Francia o Svezia perché i punteggi medi sono simili non è un'operazione del tutto corretta perché mette a confronto oggetti appartenenti a diverse categorie di grandezza. La tendenza evidenziata rispetto alla rilevazione del 2000 non vede per l’Italia significativi spostamenti rispetto ai livelli all’epoca registrati e, poiché allora non era prevista la partecipazione separata di regioni con propri campioni, non è nemmeno possibile azzardare ipotesi di trend sull’andamento del Veneto. La semplice indicazione che emerge in questo caso è dunque di andare oltre, di analizzare i dati in maggiore dettaglio per cogliere la ricchezza delle implicazioni e delle sfumature che una fotografia del sistema meglio definita potrebbe offrirci. E non fermarsi ai risultati, complessivamente soddisfacenti, conseguiti dalla nostra regione. Un’analisi dei dati più raffinata evidenzia infatti che esistono anche aree di criticità e molti aspetti nei quali è comunque auspicabile un miglioramento dei risultati fin qui raggiunti. Un dato maggiormente interessante è quello offerto dalla percentuale di studenti che si collocano nelle diverse fasce di competenza, che fornisce una misura della distribuzione delle situazioni di criticità, di sufficiente o buona padronanza di competenze, e di eccellenza. In tutte e quattro le aree di indagine, le fasce all'estremo superiore della scala, che ospitano gli studenti che si possono definire, appunto, eccellenti, vedono per il Veneto una percentuale superiore a quella dell'Italia, mentre i valori si invertono, ad indicare un risultato positivo, per le fasce inferiori (1 e al di sotto di 1). Rispetto alla media OCSE la situazione si ripete, con la sola eccezione della matematica nelle fasce di eccellenza 5 e 6; dunque, una minore percentuale di eccellenze, una minore percentuale di casi critici e, di conseguenza, una maggiore percentuale di studenti che si situano nelle fasce intermedie: il segno, forse, di un sistema veneto “compresso” ma equo? Le differenze di prestazione tra maschi e femmine nel Veneto non sono statisticamente significative, tranne nel caso della lettura, e si allineano sostanzialmente a quanto accade nei paesi OCSE e ai risultati delle altre ricerche condotte su studenti di questa età. Sulle scale complessive di lettura, 240 scienze e problem solving, le femmine fanno registrare un punteggio medio superiore a quello dei coetanei maschi, mentre nella prova di matematica il vantaggio è a favore dei maschi. Tuttavia, questo dato restituisce indicazioni assai interessanti quando viene disaggregato per tipologia di scuola secondaria (Liceo, Istituto tecnico e Istituto professionale). Si è visto infatti che: - nei Licei i maschi ottengono ovunque risultati migliori delle femmine (con un vantaggio massimo in matematica e minimo in lettura dove, comunque, il dato è in sorprendente controtendenza); negli Istituti professionali avviene il contrario; negli Istituti tecnici la situazione è simile a quella dei Licei, con la differenza che le femmine sono nuovamente avanti in lettura - si verifica un accentuarsi di tali differenze agli estremi delle scale, ad esempio quelli inferiori per la lettura e quelli superiori per la matematica. In Veneto la percentuale dei maschi ai livelli più bassi della scala di lettura (17,8%) è tre volte e mezza quella delle femmine (4,9%), il che suggerisce l’opportunità e l’urgenza di azioni mirate ad innalzare il loro interesse e la loro motivazione in questo settore - la marcata segregazione di genere che caratterizza la composizione della popolazione degli istituti superiori è suscettibile di influenzare i curricoli realmente insegnati e appresi. Interessante e molto indicativo, anche ai fini di eventuali azioni di orientamento, è incrociare queste indicazioni con il dato sulla proporzione tra maschi e femmine iscritti nei vari tipi di scuola: si è visto che, mentre a livello generale il rapporto è equilibratissimo (51% maschi e 49% femmine), i dati disaggregati per tipo di scuola indicano invece nei Licei una prevalenza di femmine, cui fa riscontro una distribuzione pressoché invertita negli Istituti professionali. Le forti e prevedibili differenze di performance fra Licei, Istituti tecnici e Istituti professionali devono sicuramente sollecitare un’attenta riflessione, ma è importante sottolineare che tali dati non vanno necessariamente imputati ad una maggiore o minore efficacia di un tipo di istruzione rispetto ad un’altra, quanto piuttosto ad un’autoselezione operata dalle famiglie e basata sia sul livello di abilità dei loro figli che sul loro background socio-economico e culturale di provenienza. A questo proposito, un ultimo dato che vogliamo prendere in considerazione ci segnala che nel Veneto la maggior parte delle scuole, nonostante abbia un indice di status socio-economico e culturale medio inferiore alla media internazionale, ha un punteggio medio di performance superiore a quello atteso sulla base del proprio indice. Il che indicherebbe che il risultato comparativamente elevato ottenuto dal Veneto non è solo dovuto al fatto che alcune scuole hanno un background favorito, ma in buona parte anche alla capacità di ottenere prestazioni elevate di scuole il cui bacino di utenza sono studenti di livello socio-economico medio-basso. Scuole, insomma, che funzionano bene nonostante le difficili condizioni di contesto, a ulteriore riprova di un sistema veneto relativamente equo? 3. Alcune priorità di intervento Le indicazioni sopra riportate, così come sono emerse dalla ricerca PISA, possono fornire in questa fase ipotesi che prefigurino interventi a breve e medio termine per una politica scolastica di livello regionale, nonché tracce di lavoro che le singole istituzioni scolastiche, purché adeguatamente supportate dagli organi di governo del sistema scolastico a livello centrale e periferico, potrebbero far proprie e iniziare a percorrere nell’ambito della propria autonomia didattica e organizzativa. Innanzitutto, la partecipazione all’indagine PISA ha dimostrato la convenienza per il Veneto di essersi inserito in un circuito virtuoso di livello nazionale e internazionale, da cui consegue la necessità di proseguire nell’impegno, rafforzando le competenze interne e partecipando ai cicli successivi. Ciò anche per poter disporre nel tempo di una serie storica di dati che consenta un’affidabile analisi di trend e un monitoraggio che permetta di controllare l’efficacia degli interventi eventualmente messi in atto. Esercitare quindi una funzione di indirizzo verso le scuole, indicando loro priorità e strumenti attraverso una capillare e incisiva azione di informazione sui risultati dei monitoraggi e delle ricerche che fanno luce sullo stato del sistema, nonché sulle opportunità di crescita professionale per i docenti e il personale tutto della scuola, chiamati ad interpretare le sollecitazioni sempre più forti e urgenti verso il miglioramento dei livelli di qualità del servizio offerto. 241 Attivare politiche di formazione del personale della scuola più mirate ed efficaci. Su questo argomento esistono ricerche e conclusioni ben note. Si tratta di indirizzare i necessari finanziamenti verso tipologie di utenza e precise tematiche, e utilizzando precise metodologie, evitando di disperdere preziose risorse in interventi generici e a troppo ampio spettro. Per fare un esempio sul piano degli interventi più immediatamente praticabili per la prevenzione della dispersione scolastica, essi andrebbero prioritariamente indirizzati verso quei soggetti a rischio di cui la ricerca PISA ci ha fornito un identikit piuttosto preciso: maschi, di modesta estrazione sociale e con un deficit a livello di capacità linguistiche, dei quali è urgente innalzare interesse e motivazione prima ancora di pensare a correggerne il rendimento in termini più prettamente scolastici. Occorre affrontare, con incisive e innovative azioni di orientamento, il problema del forte sbilanciamento nella composizione della popolazione degli istituti superiori, nei quali si è visto che l’esistenza di una forma di segregazione di genere è suscettibile di influenzare i curricoli effettivamente insegnati e, conseguentemente, i livelli di apprendimento raggiunti e raggiungibili dalla rispettiva utenza. Una politica di orientamento altrettanto innovativa è chiamata in causa anche per modificare quegli atteggiamenti e quei comportamenti nei confronti dello studio e della scuola che possono costituire, in ultima analisi, un freno allo sviluppo economico, sociale e culturale del paese quando determinano fenomeni quali, ad esempio, la nota crisi delle vocazioni scientifiche che ha drasticamente ridotto il numero degli iscritti alle facolta dove si studiano le scienze cosiddette “dure”. Per intervenire radicalmente sugli stereotipi che influenzano negativamente atteggiamenti e comportamenti degli studenti servono “percorsi lunghi", caratterizzati da una continuità educativa e didattica che copra tutto l'arco di tempo che va dal primo ciclo (in particolare dalla scuola primaria quando non addirittura dalla scuola dell'infanzia) al secondo ciclo. Esperienze pilota in questo senso, ad esempio l’avvicinamento alle scienze dei bambini della scuola dell’infanzia, già esistono in Veneto, così come non mancano le iniziative che lo stesso Ufficio Scolastico regionale promuove accanto agli interventi di livello nazionale (quali, ad esempio, il Progetto lauree scientifiche). Sono in corso azioni di formazione e didattica laboratoriale che mirano a modificare la didattica delle discipline nel senso di avvicinarla maggiormente all’esigenza di non esaurirsi nell’insegnamento di saperi astratti, ma di promuovere negli studenti abilità e competenze personali che possano essere da loro impiegate nella vita. È importante intraprendere azioni mirate e tempestive più di quanto normalmente non si faccia, ed evitare di intervenire solo alla fine del processo: stereotipi, atteggiamenti, e una buona immagine di sé si originano infatti in tenera età e si radicalizzano già prima dell'ingresso dello studente nella scuola superiore. In linea più generale, un’attenzione particolare va destinata alle scuole, che vanno supportate con convinzione in quanto costituiscono, come si è detto, lo snodo cruciale dell’azione didattica verso lo studente. Occorre incentivare la formazione e la valorizzazione delle competenze di docenti e personale ATA, responsabilizzando tutti i soggetti e coinvolgendoli in prima persona nell’obiettivo dell’innalzamento dei livelli di apprendimento. Nel caso del Veneto, una politica di assegnazione di fondi finalizzati potrebbe utilmente sostenere sia quelle scuole che si trovano nelle condizioni più svantaggiate sia quelle che, pur trovandosi in analoghe situazioni, hanno comunque saputo conseguire quei risultati superiori alle aspettative che la ricerca ci ha indicato. Le scuole hanno dunque la responsabilità di realizzare nella pratica didattica quotidiana quelle condizioni che sole possono favorire l’auspicato innalzamento dei livelli di apprendimento. Ma quali sono i fattori che risultano determinanti in questo senso? La ricerca PISA ha dimostrato che esiste una stretta correlazione tra prestazioni elevate e la presenza di un contesto, un “clima” di scuola e di classe in cui: - siano stimolate la voglia di imparare e la motivazione - sia favorito un sereno e corretto rapporto tra studenti e docenti 242 - vi sia disciplina e tranquillità, fattori che gli studenti stessi hanno ritenuto essenziali per un proficuo svolgimento delle lezioni, e che i risultati indicano come positivamente correlati a prestazioni elevate in matematica - ci siano elevate aspettative da parte degli insegnanti. Infine, è necessario intervenire con attenzione per valorizzare le eccellenze che, nella nostra regione e ancor più nel resto del paese, sono scarsamente rappresentate rispetto ad altri paesi. Poiché si ritiene che esista uno stretto rapporto tra sviluppo economico e competitività di un paese e la presenza di studenti nelle fasce alte di competenza, è chiaro che questa si pone come priorità per tutti i sistemi scolastici. In questo senso occorre anche puntare verso un innalzamento delle prestazioni degli studenti dei Licei, che si differenziano da quelle degli studenti degli Istituti tecnici meno di quanto ci si potrebbe attendere. Risulta evidente, in conclusione, l’importanza di una forte condivisione di prospettiva tra i soggetti che, ognuno per il proprio ruolo, concorrono al miglioramento dei livelli di apprendimento e, più in generale, alla qualità del servizio scolastico. Questo obiettivo è perseguibile e sostenibile solo a condizione che l’amministrazione (centrale o periferica) agisca in conseguenza di informazioni affidabili e dettagliate che diano periodicamente un quadro del funzionamento del sistema, e ponga in atto interventi di sostegno mirati ed efficaci. Analogamente l’amministrazione dovrà avere cura che le scuole siano informate e coinvolte, e quindi sostenute e sollecitate a mettere in atto tutta la loro capacità progettuale per meglio sostanziare quelle condizioni organizzative e didattiche che sono state individuate come cruciali per il raggiungimento dell’obiettivo. 243 Riferimenti bibliografici AA.VV. (2004), Le immagini e le pratiche della scienza nei libri di testo della scuola primaria e della scuola secondaria di primo grado, Zadigroma (progetto finanziato dal MIUR). Adams, R., Wu, M. (eds.) (2002), PISA 2000 Technical Report, Paris, OECD Publications. Artelt, C., Baumert, J., McElvany, N. J., Peschar, J. (2003), Learners for life – Student approaches to learning, Paris, OECD Publications. Bandura, A. (1986), Social foundations of thought and action: A social cognitive theory, Englewood Cliffs, NJ, Prentice Hall. Beaton, A. E. et al. (1996), Science Achievement in the Middle School Years: IEA's TIMSS, Chestnut Hill, MA, Boston College. Bernstein, B. (1961), “Social Class and Linguistic Development: A Theory of Social Learning”, in Halsey A.H. et al. (eds), Education, Economy and Society, New York, The Free Press of Glengoe, pp. 288-314. Blondin C., Lafontaine D. (2003), "Des différences liees au sexe: pas si simple", Cahiers du Service de Pédagogie expérimentale, Université de Liège, 15-16, pp.347-360. Boncori, L. (2000), Teoria e Tecniche dei Test, Torino, Bollati Boringhieri. Boscolo, P. (1997), Psicologia dell’apprendimento scolastico: aspetti cognitivi e motivazionali, Torino, UTET. Bourdieu, P. (1966), Les héritiers, Paris, Les editions de Minuit. Bove, G. (2004), “ll piano di campionamento italiano dell’indagine OCSE-PISA 2003”, in M. T. Siniscalco (a cura di), Il livello di competenza dei quindicenni italiani in matematica, lettura, scienze e problem solving. Rapporto Nazionale di PISA 2003 (di prossima pubblicazione). Brookover, W.B., Gottlieb, D. (1964), A Sociology of Education, New York, American Book Company. Bryk, A., Raudenbush, S. (2001), Hierarchical Linear Models, New York, Sage. Caputo, A.M. (1999), "Third International Mathematics and Science Study: una ricerca internazionale sulle competenze in matematica e in scienze”, Cadmo, Anno VII, n. 20, pp. 7-17. Caputo, A.M. (2001), “Terza indagine internazionale sulla matematica e le scienze (IEA Timss 1999)”, in Ricerche valutative internazionali 2000, Istituto Nazionale per la Valutazione del Sistema dell’Istruzione (Cede), Milano, Franco Angeli. Caprara, G.V. (2001), La valutazione dell'autoefficacia: Costrutti e strumenti, Trento, Erickson. Corbetta, P., Gasperoni, G. e Pisati M. (2001), Statistica per la ricerca sociale, Bologna, Il Mulino. Cosgrove, J. et al. (2005), Education for life: the achievements of 15-year olds in Ireland in second cycle of PISA, Dublin, Educational Research Centre. Deci, E. L. (1992), “The relation of interest to the motivation of behavior: A self-determination theory perspective”, in Renninger K.A., Hidi S., Krapp A. (eds.), The role of interest in learning and development, Hillsdale, NJ, Lawrence Erlbaum, pp. 43-70. 245 Eysenck, H.J., Kamin, L.K. (1982), Intelligenti si nasce o si diventa?, Bari, Laterza. European Commission (2001), European report on the quality of school education: sixteen quality indicator. Luxemburg, Office for Official Publications of the European Communities. Fierli, M. (1985), "La seconda indagine IEA sull’apprendimento delle scienze: prime informazioni", Ricerca Educativa, n. 2-3, anno II. Gallina, V. (a cura di) (2000), La competenza alfabetica in Italia. Una ricerca sulla cultura della popolazione, Milano, Franco Angeli-CEDE. Ganzeboom, H.B.G., Treiman D.J. e Donald J. (1996), “Internationally comparable measures of occupational status for the 1988 International Standard Classification of Occupations“, Social Science Research, vol. 25, pp. 201-239. Gasperoni, G. (1996), Diplomati e istruiti, Bologna: Il Mulino. Gasperoni, G., Tridentini, M. (2005), Le nuove generazioni tra orientamento, studio e lavoro, Bologna, Misure/Materiali di ricerca dell'Istituto Cattaneo. GERESE (2003), L'equité des systèmes éducatifs européens. Un ensemble d'indicateurs, Projet Socrates SO2-61OBGE, Service de Pédagogie théorique et expèrimentale, Université de Liège. Goldstein, H. (1995), Multilevel Statistical Models, 2nd edition, London, Kendall-Arnold. Gorard, S., Taylor, C. (2002), "What is segregation? A comparison of measures in terms of 'strong' and 'weak' compositional invariance", Sociology, 36-4, pp. 875-895. Grisay, A. (1984), "Quels indicateurs pour quelle réduction des inégalités scolaires?", Revue de la Direction Générale de l’Organisation des Études, 9, pp. 3-14. Illich, I. (1972), Descolarizzare la società, Milano, Mondadori. ISTAT, www.istat.it Kirsch, I., de Jong, J., Lafontaine, D., McQueen, J., Mendelovits, J., Monseur, C. (2002), Reading for change. Performance and engagement across countries. Results from PISA 2000, Paris, OECD Publications. Legrenzi, P., Mazzocco, A. (1973), Psicologia del pensiero, Milano, Martello. Marcuse, H (1967), L’uomo a una dimensione, Torino, Einaudi. Mariano Longo, T. (2003), Scienze, un mito in declino? La crisi delle iscrizioni alle Facoltà scientifiche: Italia, Francia, sguardo internazionale, Bollettino dell'A.N.I.S.N., Anno XII numero speciale. Marsh, H. W., Byrne, B. & Shavelson, R. J. (1988), “A multifaceted academic self-concept: Its hierarchical structure and its relation to academic achievement”, Journal of Educational Psychology, 80, 366-380. Martin, M.O. et al. (2000), TIMSS 1999 International Science Report: Findings from the IEA's Repeat of the Third International Mathematics and Science Study at the Eighth Grade, Chestnut Hill, MA, Boston College. Martin, M.O. et al. (2004), TIMSS 2003 International Science Report: Findings from the IEA's Trends in International Mathematics and Science Study at the Fourth and Eighth Grade, TIMSS & PIRLS International Study Center, Lynch School of Education, MA, Boston College. 246 Monseur, C., Demeuse, M. (2004), "Quelques réflexions méthodologiques à propos des enquêtes internationales dans le domaine de l'éducation", Politiques d'Èducation et de Formation, 2-11, pp. 37-54. Musgrave, P. W (1971), La sociologia dell’educazione, Roma, Armando. Nardi, E. (2002), Come leggono i quindicenni. Riflessioni sulla ricerca OCSE-PISA, Milano, Franco Angeli. Novaga, M., Pedon, R. (1979), Il test in psicologia, Bologna, Patron. Observa (2004), La crisi delle vocazioni scientifiche e le sue motivazioni, Vicenza, Scienza e società. OECD (2000), Literacy in the Information Age: Final Report of the International Adult Literacy Survey, Paris, OECD Publications. OECD (2001), Knowledge and Skills for Life. First results from PISA 2000, Paris, OECD Publications. OECD (2002), Sample Tasks from the PISA 2000 Assessment - Reading, Mathematical and Scientific Literacy, Paris, OECD Publications. OECD (2003a), Literacy Skills for the World of Tomorrow - Further results from PISA 2000, Paris, OECD Publications. OECD (2003b), The PISA 2003 assessment framework: Mathematics, Reading, Science and Problem Solving knowledge and skills, Paris, OECD Publications (trad. it. PISA 2003. Valutazione dei quindicenni. Quadro di riferimento: conoscenze e abilità in matematica, lettura, scienze e problem solving, Roma, Armando, 2004). OECD (2004a), Learning for tomorrow’s world. First results from PISA 2003, Paris, OECD Publications. OECD (2004b), Problem solving for tomorrow’s world. First measures of cross-curricular competencies from PISA 2003, Paris, OECD Publications. OECD (2004c), Education at a glance. OECD Indicators, Paris, OECD Publications. OECD (2005a), Data Analysis Manual, Paris, OECD Publications. OECD (2005b), School factors related to quality and equity. Results from PISA 2000, Paris, OECD Publications. Prais, S. (2003), "Cautions on OECD’s recent educational survey (PISA)", Oxford Review of Education, 29 (2), pp. 139-163. Raudenbush, S., Bryk, A., Cheong, Y.F., Congdon, R. (2001), HLM 5. Hierarchical linear and Nonlinear Modeling, Scientific Software International Inc. Sieber, J., O'Neil, H.F., Tobias, S. (1977), Anxiety, Learning and Instruction, Hillsdale, NJ, Erlbaum. Siniscalco, M.T. (2003), “La valutazione della competenza di lettura dei quindicenni italiani nell’indagine internazionale OCSE-PISA”, in N. Bottani e A. Cenerini (a cura di), Una pagella per la scuola, Trento, Erickson, pp. 289-237. Siniscalco, M.T. (a cura di), Il livello di competenza dei quindicenni italiani in matematica, lettura, scienze e problem solving. Rapporto Nazionale di PISA 2003 (di prossima pubblicazione). Snijders, T.A.B., Bosker R.B. (1999), Introduction to Basic and Advanced Multilevel Modelling, London, Sage. 247 Swift, D.F. (1969), The Sociology of Education, London, Routledge & Kegan. TreeLLLe (2002), Moratti-Morris. Due Ministri commentano la presentazione dell’indagine PISAOCSE. Seminario n. 1, maggio 2002, Genova,Tipografia Araldica. Thurstone, L.L. (1938), Mental Primary Abilities, Chicago, Psychological Monographs. Wason, P.C. et al. (1977), Psicologia del ragionamento, Milano, Martello. Willms, J.D. (2003), Student engagement at school, Paris, OECD Publications. Per altre pubblicazioni, documenti e materiali relativi a PISA si rimanda: - al sito dell’OCSE (www.pisa.oecd.org), e - alle pagine di PISA 2003 nel sito dell’INValSI (http://www2.invalsi.it). 248 Gli Autori Giorgio Asquini, componente del Gruppo di lavoro Invalsi di PISA 2003 e attualmente collaboratore dell’Istituto, ha seguito il progetto PISA in qualità di ricercatore INValSI fin dal primo ciclo (PISA 2000), e ha collaborato alla realizzazione di diverse indagini IEA. Lorenzo Bernardi è Professore Ordinario di Statistica sociale preso il Dipartimento di Scienze Statistiche dell'Università di Padova. Si occupa di statistiche dell'istruzione e di metodi di ricerca sociale e di valutazione. Raimondo Bolletta, componente del Gruppo di lavoro INValSI di PISA 2003, è stato membro del MFEG (Mathematics Functional Expert Group) di Pisa 2000 che ha messo a punto la prima versione del framework e, successivamente, è stato rappresentante italiano presso il Mathematical Forum di Pisa 2003. Elisa Caponera, componente del Gruppo di lavoro INValSI di PISA 2003, ha seguito il progetto PISA fin dal ciclo 2000. Specialista in Valutazione Psicologica, per il ciclo PISA 2003 si è occupata dell’analisi dei dati e degli aspetti metodologici. Roberta Cielo, componente del Gruppo di lavoro dell’Ufficio Scolastico Regionale per il Veneto di PISA 2003, è esperta di analisi statistiche e si occupa di valutazione del sistema scolastico. Carlo Di Chiacchio, componente del Gruppo di lavoro INValSI di PISA 2003, ha seguito il progetto PISA fin dal ciclo 2000. Dottore di Ricerca in Psicologia, per il ciclo PISA 2003 si è occupato dell’analisi dei dati e degli aspetti metodologici. Claudio Marangon, responsabile regionale per il Veneto del progetto OCSE-PISA 2003, lavora alla Direzione Generale dell’Ufficio Scolastico Regionale per il Veneto. Si occupa di monitoraggio e valutazione del sistema scolastico. Angela Martini, componente del Gruppo di lavoro dell’Ufficio Scolastico Regionale per il Veneto di PISA 2003, laureata in Filosofia e in Psicologia Sperimentale presso l'Università di Padova, svolge lavoro di ricerca presso l’Istituto Regionale di Ricerca Educativa (IRRE) del Veneto, dove si occupa di valutazione e di analisi delle politiche dell'istruzione. Michela Mayer, componente del Gruppo di lavoro INValSI di PISA 2003, ha seguito il progetto PISA in qualità di ricercatore INValSI fin dal ciclo 2000. Rappresenta l'Italia nel Forum OCSE-PISA per le Scienze e fa parte del SEG, il Gruppo internazionale di Esperti per le Scienze che appoggia il Consorzio nella costruzione e nella scelta delle prove PISA. Stefania Pozio, componente del Gruppo di lavoro INValSI di PISA 2003, si è occupata in particolare della messa a punto delle prove cognitive di matematica e della correzione delle risposte aperte degli studenti italiani. Maria Teresa Siniscalco, responsabile italiano per l’INValSI del progetto OCSE-PISA 2003, opera come consulente nel campo della ricerca educativa. In precedenza ha lavorato per l’International Association for the Evaluation of Educational Achievement (IEA) ad Amburgo, occupandosi di indagini comparate sul profitto scolastico in lettura, matematica e scienze. È autrice di numerose pubblicazioni ed è stata titolare di incarichi di collaborazione per organismi quali Eurydice, l’ILO, l’OCSE e l’UNESCO e, in Italia, l’Istituto di Ricerca sulla Comunicazione “Gemelli e Musatti” e TREELLLE. Susanna Zaccarin è Professore straordinario di Statistica Sociale presso la Facoltà di Economia dell'Università di Trieste. I suoi interessi di ricerca riguardano la modellizzazione statistica e le tecniche d'indagine, in particolare la loro applicazione allo studio della transizione scuola-lavoro e le relazioni tra comportamenti socio-demografici e contesto d'appartenenza. 249 APPENDICE #)/)40 02(34 5342%-,% 5342,% )-*,0 %/%(% 02)% %/,.%2'% ,/-%/(,% 2%/',% )2.%/,% ,%110/) 2)',% 2-%/(% 3-%/(% 4%-,% 533).&52*0 )33,'0 026)*,% 506%$)-%/(% %)3,%33, 0-0/,% 0240*%--0 )15&&-,'%)'% )15&&-,'% -06%''% 1%*/% 4%4,"/,4, 6)8,% 6,88)2% !52'+,% "/*+)2,% 2%3,-) )()2%8,0/)533% 0/*0/*,/% /(0/)3,% )440/,% ,)'+4)/34),/ %'%0,/% )2&,%)0/4)/)*20 !+%,-%/(,% !5/,3,% "25*5%7 !%&)--% ! ! ! ! ! ! &,&1-/%01 $ 201/"*)" 201/)" &*')","%" -/&" ",)+"/$" ),*",%)" /",$)" &/+",)" )"..-,& /&$)" /*",%" 0*",%" 1"*)" 200&+#2/'&00)$-/3&')" 2-3"!&*",%" "&0)"00) -*-,)" -/1-'"**&.2##*)$"&$" &.2##*)$"*-3"$$" ."'," 1"1),)1) 3&4)" 3)44&/" 2/$()" ,'(&/)" "#&**" # %&$%& % "# $& '! $ !"$$'%% $ '$&$!"$$'%% !%%!'! '! '! '! '! ! "& % "& % "& % "& % "& % '! "& % '! !%# "& % &,&1-/% 01 % 201/"*)" 201/)" &*')","%" -/&" ",)+"/$" ),*",%)" /",$)" &/+",)" )"..-,& /&$)" /*",%" 0*",%" 1"*)" 200&+#2/'&00)$-/3&')" 2-3"!&*",%" "&0)"00) -*-,)" -/1-'"**&.2##*)$"&$" &.2##*)$"*-3"$$" ."'," 1"1),)1) 3&4)" 3)44&/" 2/$()" ,'(&/)" "#&**" $!&' %&'!& #$ %'! (" % & &#)" "$ (%'%& &#)""$ % (" "&&"(" (" (" (" !" #'!& #'!& #'!& #'!& #'!& (" #'!& (" "&$ #'!& &,&1-/% 01 ) &( & '!'!!"'# *#" #''# ) # ) # ) # ) # ) # "# $("' $("' $("' $("' $("' & & 201/"*)" 201/)" &*')","%" -/&" ",)+"/$" ),*",%)" /",$)" &/+",)" )"..-,& /&$)" /*",%" 0*",%" 1"*)" 200&+#2/'&00)$-/3&')" 2-3"!&*",%" "&0)"00) -*-,)" -/1-'"**&.2##*)$"&$" &.2##*)$"*-3"$$" ."'," 1"1),)1) 3&4)" 3)44&/" 2/$()" ,'(&/)" %"'( &'("'$%&(" ) # & '!'!!"'# *#" "#&**" ) # $("' ) # # '% $("' &,&1-/% 01 & 201/"*)" 201/)" &*')","%" -/&" ",)+"/$" ),*",%)" /",$)" &/+",)" )"..-,& /&$)" /*",%" 0*",%" 1"*)" 200&+#2/'&00)$-/3&')" 2-3"!&*",%" "&0)"00) -*-,)" -/1-'"**&.2##*)$"&$" &.2##*)$"*-3"$$" ."'," 1"1),)1) 3&4)" 3)44&/" 2/$()" ,'(&/)" & "#&**" #''# ) # "# $("' ) # $("' ) &( & '!'("''* ) # ) # ) # ) # ) # # '% $("' $("' $("' $("' $("' %"'( &'("'$%&(" ) # & '!'("''* &,&1-/% 01 % 201/"*)" 201/)" &*')","%" -/&" ",)+"/$" ),*",%)" /",$)" &/+",)" )"..-,& /&$)" /*",%" 0*",%" 1"*)" 200&+#2/'&00)$-/3&')" 2-3"!&*",%" "&0)"00) -*-,)" -/1-'"**&.2##*)$"&$" &.2##*)$"*-3"$$" ."'," 1"1),)1) 3&4)" 3)44&/" 2/$()" ,'(&/)" % "#&**" "&&"(" !" #'!& (" #'!& (%'%& &!$&)) (" (" (" (" (" "&$ #'!& #'!& #'!& #'!& #'!& $!&'%&'!&#$%'!("%& &!$&)) &,&1-/% 01 201/"*)" 201/)" &*')","%" -/&" ",)+"/$" ),*",%)" /",$)" &/+",)" )"..-,& /&$)" /*",%" 0*",%" 1"*)" 200&+#2/'&00)$-/3&')" 2-3"!&*",%" "&0)"00) -*-,)" -/1-'"**&.2##*)$"&$" &.2##*)$"*-3"$$" ."'," 1"1),)1) 3&4)" 3)44&/" 2/$()" ,'(&/)" !" # "#&**" " # # # # # &,&1-/% 01 ! 201/"*)" 201/)" &*')","%" -/&" ",)+"/$" ),*",%)" /",$)" &/+",)" )"..-,& /&$)" /*",%" 0*",%" 1"*)" 200&+#2/'&00)$-/3&')" 2-3"!&*",%" "&0)"00) -*-,)" -/1-'"**&.2##*)$"&$" &.2##*)$"*-3"$$" ."'," 1"1),)1) 3&4)" 3)44&/" 2/$()" ,'(&/)" "# $ ! $ ! "#&**" ! ! # $ ! $ ! $ ! $ ! &,&1-/% 01 ! 201/"*)" 201/)" &*')","%" -/&" ",)+"/$" ),*",%)" /",$)" &/+",)" )"..-,& /&$)" /*",%" 0*",%" 1"*)" 200&+#2/'&00)$-/3&')" 2-3"!&*",%" "&0)"00) -*-,)" -/1-'"**&.2##*)$"&$" &.2##*)$"*-3"$$" ."'," 1"1),)1) 3&4)" 3)44&/" 2/$()" ,'(&/)" "# % ! "#&**" ! ! ! $ % ! % ! % ! % ! % ! &,&1-/%01 2,1&'' )- &%)" 201/"*)" 201/)" &*')","%" -/&" ",)+"/$" ),*",%)" /",$)" &/+",)" )"..-,& /&$)" /*",%" 0*",%" 1"*)" 200&+#2/'&00)$-/3&')" 2-3"!&*",%" "&0)"00) -*-,)" -/1-'"**&.2##*)$"&$" &.2##*)$"*-3"$$" ."'," 1"1),)1) 3&4)" 3)44&/" 2/$()" ,'(&/)" "&0) 5 2,1&'' )- &3)"4)-,& 1",%"/% "#&**" &%)"&%)0.&/0)-,&%&)/)02*1"1)02**"0$"*"%)"1&+"1)$",$&/1&44" 2,1&'' )- 5 2,1&'' )- 5 5 2,1&'' )- &/$&,1)*) 2,1&'' )- 5 2,1&'' )- 5 "#&**" ) &+,$ #*+, &+# ( ) #*,&$#- $$' $$ *$ '%($ **#-#+ %+# ( ) " * '++'#$$#- $$' #- $$' #- $$' !#&' (,&+# (,&+# (,&+# *# 201/"*)" 201/)" &*')","%" -/&" ",)+"/$" ),*",%)" /",$)" &/+",)" )"..-,& /&$)" /*",%" 0*",%" 1"*)" 200&+#2/'&00)$-/3&')" 2-3"!&*",%" "&0)"00) -*-,)" -/1-'"**&.2##*)$"&$" &.2##*)$"*-3"$$" ."'," 1"1),)1) 3&4)" 3)44&/" 2/$()" ,'(&/)" &,&1-/%01 & ) #- $$' (,&+# #- $$' (,&+# #- $$' (,&+# #- $$' '$+) (,&+# '++'#$$#- $$' #- $$' !#&' (,&+# (,&+# #- $$' (,&+# #- $$' (,&+# #- $$' (,&+# #- $$' (,&+# #- $$' '$+) (,&+# #$'++# 3120#+*# 3120*# '+(*. #-#&# .0'# #-*,#0%# *-+#-&*# 0#-%*# '0,#-*# *#//.-' 0'%*# 0+#-&# 1+#-&# 2#+*# 311',$30(. '11*%. .04'(*# 3.4#"'+#-&# #'1*#11* .+.-*# .02.(#++. '/3$$+*%#'%# '/3$$+*%#+.4#%%# /#(-# 2#2* -*2* 4'5*# 4*55'0# 30%)*# -()'0*# !'-'2. .0&12 ! "#&**" $&%% $& "&%%# $ % %% !## $ !' # &% $ 201/"*)" 201/)" &*')","%" -/&" ",)+"/$" ),*",%)" /",$)" &/+",)" )"..-,& /&$)" /*",%" 0*",%" 1"*)" 200&+#2/'&00)$-/3&')" 2-3" !&*",%" "&0) "00) -*-,)" -/1-'"**&.2##*)$" &$" &.2##*)$" *-3"$$" ."'," 1"1) ,)1) 3&4)" 3)44&/" 2/$()" ,'(&/)" &,&1- &% % #' #' $ &% &% #' $ &% &% #%'' &%%( &% #' $ &% &% &% #' $ &% &% ! ! ! ! ! ! .(-"$$%) "!% .(-"$$%) "!% .(-"$$%) "!% "/%0%)("-(!+! "/%0%)("-(!+! "/%0%)("-(!+! %,.&--%,.&&, & )'*&",,%/!%-"'-% *"+-%*)!%,-+.0%)(" %/"&&%,.&&, & )'*&",,%/!%-"'-% %/"&&) %/"&&) %/"&&) ! ! ! *.(-% *.(-% *.(-% %/"&&%,.&&, & )'*&",,%/!%-"'-% %/"&&) %/"&&) %/"&&) ! ! ! *.(-% *.(-% *.(-% %/"&&) ! *.(-% %/"&&) ! *.(-% %/"&&%,.&&, & )'*&",,%/!%'-"'-% -&% %/"&&) )--)%&&%/"&&) %/"&&) %/"&&) %/"&&) %/"&&) ! ! ! ! ! #%() *.(-% *.(-% *.(-% *.(-% *.(-% *.(-% )--)%&&%/"&&) %/"&&) ! #%() *.(-% *.(-% %/"&&) )--)%&&%/"&&) ! #%() *.(-% *.(-% %/"&&) )&-+" *.(-% %/"&&) )&-+" *.(-% %/"&&) )&-+" *.(-% #)/)40 02(34 5342%-,% 5342,% )-*,0 %/%(% 02)% %/,.%2'% ,/-%/(,% 2%/',% )2.%/,% ,%110/) 2)',% 2-%/(% 3-%/(% 4%-,% 533).&52*0 )33,'0 026)*,% 506%$)-%/(% %)3,%33, 0-0/,% 0240*%--0 )15&&-,'%)'% )15&&-,'% -06%''% 1%*/% 4%4,"/,4, 6)8,% 6,88)2% !52'+,% "/*+)2,% 2%3,-) )()2%8,0/)533% 0/*0/*,/% /(0/)3,% )440/,% ,)'+4)/34),/ %'%0,/% )2&,%)0/4)/)*20 !+%,-%/(,% !5/,3,% "25*5%7 !%&)--% ! ! ! ! ! ! &,&1-/% 01 ! 201/"*)" 201/)" &*')","%" -/&" ",)+"/$" ),*",%)" /",$)" &/+",)" )"..-,& /&$)" /*",%" 0*",%" 1"*)" 200&+#2/'&00)$-/3&')" 2-3"!&*",%" "&0)"00) -*-,)" -/1-'"**&.2##*)$"&$" &.2##*)$"*-3"$$" ."'," 1"1),)1) 3&4)" 3)44&/" 2/$()" ,'(&/)" ! ""$ #" $ #" "#&**" "#!"#" !#$!""# $ #" $ #" $!#!!!$""# $ #" $ " #" #$'++# !#""""""# !% !$ ! ""# #" ! 3120#+*# 3120*# '+(*. #-#&# .0'# #-*,#0%# *-+#-&*# 0#-%*# '0,#-*# *#//.-' 0'%*# 0+#-&# 1+#-&# 2#+*# 311',$30(. '11*%. .04'(*# 3.4#"'+#-&# #'1*#11* .+.-*# .02.(#++. '/3$$+*%#'%# '/3$$+*%#+.4#%%# /#(-# 2#2* -*2* 4'5*# 4*55'0# 30%)*# -()'0*# !'-'2. .0&12 % ! #" #" "#&**" $!&'%&'!&#$%'!("%&&'$#$!$ % "&&"(" (" #'!& !" #'!& % 201/"*)" 201/)" &*')","%" &.2##*)$"&$" ",)+"/$" ),*",%)" /",$)" &/+",)" /&$)" ,'(&/)" 0*",%" /*",%" 1"*)" )"..-,& -/&" 200&+#2/'&00)$"&0)"00) 2-3"!&*",%" -/3&')" -*-,)" -/1-'"**&.2##*)$"*-3"$$" ."'," 3&4)" 3)44&/" 2/$()" 1"1),)1) &,&1-/%01 ! (%'%&&'$ (" (" #'!& #'!& (" #'!& "&&"(" !" #'!& (" "&$ #'!& (" #'!& % (%'%&&'$ (" (" #'!& #'!& (" #'!& (" "&$ #'!& ! ! ! ! ! ! +%* ""#& # +%* ""#& # +%* ""#& # #)+$**#)+$$)$#$ **+(' (*#'&#)*(+-#&% ,#-#&% *%( ,#-#&% *%( ,#-#&% *%( &**&#$$#, $$& #, $$& !#%& '+%*# '+%*# &**&#$$#, $$& #, $$& !#%& '+%*# '+%*# #, $$& &**&#$$#, $$& !#%& '+%*# '+%*# #, $$#)+$$)$#$ **+( #, $$& #, $$& '+%*# '+%*# #, $$#)+$$)$#$ **+( #, $$& #, $$& '+%*# '+%*# #, $$#)+$$)$#$ **+( #, $$& #, $$& '+%*# '+%*# #, $$& '+%*# #, $$& '+%*# #, $$& '+%*# #, $$& &$*( '+%*# #, $$& &$*( '+%*# #, $$& &$*( '+%*# #)/)40 02(34 5342%-,% 5342,% )-*,0 %/%(% 02)% %/,.%2'% ,/-%/(,% 2%/',% )2.%/,% ,%110/) 2)',% 2-%/(% 3-%/(% 4%-,% 533).&52*0 )33,'0 026)*,% 506%$)-%/(% %)3,%33, 0-0/,% 0240*%--0 )15&&-,'%)'% )15&&-,'% -06%''% 1%*/% 4%4,"/,4, 6)8,% 6,88)2% !52'+,% "/*+)2,% 2%3,-) )()2%8,0/)533% 0/*0/*,/% /(0/)3,% )440/,% ,)'+4)/34),/ %'%0,/% )2&,%)0/4)/)*20 !+%,-%/(,% !5/,3,% "25*5%7 !%&)--% #$'++# ! !#" # ! 3120#+*# 3120*# '+(*. #-#&# .0'# #-*,#0%# *-+#-&*# 0#-%*# '0,#-*# *#//.-' 0'%*# 0+#-&# 1+#-&# 2#+*# 311',$30(. '11*%. .04'(*# 3.4#"'+#-&# #'1*#11* .+.-*# .02.(#++. '/3$$+*%#'%# '/3$$+*%#+.4#%%# /#(-# 2#2* -*2* 4'5*# 4*55'0# 30%)*# -()'0*# !'-'2. .0&12 ! # ! ! ! ! ! $# $# $# ! ! ' $# ' $# ' $# %& #! %& #! %& #! ' $# $# ' $# ' " !"!"$##"#$#""& !# "#!$& ' $# $# ' $# ' ' ' $# !# $# ' $# !# !# ' ' $# ' $# $# ' ' $# ' $# $# #)/)40 02(34 !" 5342%-,% 5342,% )-*,0 %/%(% 02)% %/,.%2'% ,/-%/(,% 2%/',% )2.%/,% ,%110/) 2)',% 2-%/(% 3-%/(% 4%-,% 533).&52*0 )33,'0 026)*,% 506% $)-%/(% %)3, %33, 0-0/,% 0240*%--0 )15&&-,'% )'% )15&&-,'% -06%''% 1%*/% 4%4, "/,4, 6)8,% 6,88)2% !52'+,% "/*+)2,% 2%3,-) )()2%8,0/) 533% 0/* 0/* ,/% /(0/)3,% )440/,% ,)'+4)/34),/ %'%0 ,/% )2&,% ) 0/4)/)*20 !+%,-%/(,% !5/,3,% "25*5%7 # !%&)--% ! # # # # # &,&1-/%01 ! 201/"*)" 201/)" &*')","%" -/&" ",)+"/$" ),*",%)" /",$)" &/+",)" )"..-,& /&$)" /*",%" 0*",%" 1"*)" 200&+#2/'&00)$-/3&')" 2-3" !&*",%" "&0) "00) -*-,)" -/1-'"**&.2##*)$" &$" &.2##*)$" *-3"$$" ."'," 1"1) ,)1) 3&4)" 3)44&/" 2/$()" ,'(&/)" ! ""$ #" $ #" $!#! !$ $ #" "#&**" "#!"#" !#$! $ " #" #$'++# !# ! " 3120#+*# 3120*# '+(*. #-#&# .0'# #-*,#0%# *-+#-&*# 0#-%*# '0,#-*# *#//.-' 0'%*# 0+#-&# 1+#-&# 2#+*# 311',$30(. '11*%. .04'(*# 3.4# "'+#-&# #'1* #11* .+.-*# .02.(#++. '/3$$+*%# '%# '/3$$+*%# +.4#%%# /#(-# 2#2* -*2* 4'5*# 4*55'0# 30%)*# -()'0*# " !'-'2. .0&12 ! ! ! ! ! ! ! !% ! !% *$) !% *$) *$) +!,!%$)$' +!,!%$)$' !(*"))!(*""("!&'%"#(%"+!$ &')!&%!!()'*,!%$ ! +!,!%$)$' %))%!""!+""% %))%!""!+""% !$% &*$)! %))%!""!+""% !$% &*$)! !+""!(*""("!'%"#%"+!$ !+""% !+""% !+""!(*""("!'%"#%"+!$ !+""% !+""% &*$)! &*$)! !+""!(*""("!'%"#%"+!$ !+""% !+""% &*$)! &*$)! !+""% !+""% %")'&*$)! !+""% %")'&*$)! $%(,,$ '$ $$'- + ,, )$ + ) +%&- &-$) +*.+-$%$ %%$'$ , '$ $$'- + ,, )$ + ) +%&- &-$ .+-$%$ .--$"%$,-. '-$ &&$' ,#$ $!! + '/ $ " ' + 1 $ $ $! !(.(3/ /1' 23 $22/ '+ 1+20/23$ 31/00/ %$22/0(1)$1$.3+1( ,$ &/-0$1$%+,+37 '(+ '$3+ $ 1 $ ,$ 4231$,+$ 4231+$ (,)+/ $.$'$ /1($ $.+-$1&$ +.,$.'+$ 1$.&+$ (1-$.+$ +$00/.( 1(&+$ 1,$.'$ 2,$.'$ 3$,+$ 422(-%41)/ (22+&/ /15()+$ 4/5$ "(,$.'$ $(2+ $22+ /,/.+$ /13/)$,,/ (04%%,+&$ (&$ (04%%,+&$ ,/5$&&$ 0$).$ 3$3+ .+3+ 5(6+$ 5+66(1$ 41&*+$ .)*(1+$ ()./ .+3/ $ 1 $ $,.%--$,.%%,%$&- &-$) +*.+-$%$ %%$'$ $$'- + ,, )$ + ) +%&- &-$ .+-$%$ 1 $ 1 $ 1 $ 1 1 $ $ .& '-( %%)+($%$-0 # "%$,-. '-$' % &$& '-(' % *.+-$% $'! +$(+ %% ).'- ""$($ $,-+$./$(' %%$'$ &- &-$) + $'(.').'- ""$($ .'$-0 %%$'$ &- &-$# ,$(%%( ' %*.+-$% $'! +$(+ %% $,-+$./$(' '/$('% .'-$ ))(+-( +$'/ ,)$ "-' $ +$,.%--$ "%$ ,-. '-$ $%(,,$ '$ $&(-$/0$(' ,-+.& '-% $'&- &-$ +$,.%--$,.%%,%$&- &-$) +*.+-$%$ %%$'$ , '$ $&(-$/0$(' ,-+.& '-% $'&- &-$ .+-$%$ .--$"%$,-. '-$ &&$' ,#$ $!! + '0 $ " ' + 2 $ $ $! !(.(3/ /1' 23 $22/ '+ 1+20/23$ 31/00/ %$22/0(1)$1$.3+1( ,$ &/-0$1$%+,+37 '(+ '$3+ $ 2 $ ,$ 4231$,+$ 4231+$ (,)+/ $.$'$ /1($ $.+-$1&$ +.,$.'+$ 1$.&+$ (1-$.+$ +$00/.( 1(&+$ 1,$.'$ 2,$.'$ 3$,+$ 422(-%41)/ (22+&/ /15()+$ 4/5$ "(,$.'$ $(2+ $22+ /,/.+$ /13/)$,,/ (04%%,+&$ (&$ (04%%,+&$ ,/5$&&$ 0$).$ 3$3+ .+3+ 5(6+$ 5+66(1$ 41&*+$ .)*(1+$ ()./ .+3/ $ 2 $ $,.%--$,.%%,%$&- &-$) +*.+-$%$ %%$'$ $ &(-$/0$(' ,-+.& '-% .+-$%$ 2 $ 2 $ 2 $ 2 $ 2 $ .& '-( %% )+($%$-1# "%$ ,-. '-$' %*.+-$% $'! +$(+ %% &$& '-(' % $,-+$.0$(' %%$'$ ).'- ""$($ &- &-$) + $'(.').'- ""$($ &- &-$# ,$ .'$-1 %%$'$ (%%(' %*.+-$% $'! +$(+ %% $,-+$.0$(' '0$('% .'-$ ))(+-( +$'0 ,)$ "-' $ +$,.%--$ "%$ ,-. '-$ $%(,,$ '$ $.-( !!$$$'&- &-$ +$,.%--$,.%%,%$&- &-$) +*.+-$%$ %%$'$ , '$ $.-( !!$$$'&- &-$ .+-$%$ .--$"%$,-. '-$ $ ,$ 4231$,+$ 4231+$ (,)+/ $.$'$ /1($ $.+-$1&$ +.,$.'+$ 1$.&+$ (1-$.+$ +$00/.( 1(&+$ 1,$.'$ 2,$.'$ 3$,+$ 422(-%41)/ (22+&/ /15()+$ 4/5$ "(,$.'$ $(2+ $22+ /,/.+$ /13/)$,,/ (04%%,+&$ (&$ (04%%,+&$ ,/5$&&$ 0$).$ 3$3+ .+3+ 5(6+$ 5+66(1$ 41&*+$ .)*(1+$ ()./ .+3/ $ $!! + '/ $ " ' + ,#$ &&$' $ !(.(3/ /1' 23 $22/'+1+20/23$31/00/%$22/0(1)$1$.3+1(,$&/-0$1$%+,+37'(+'$3+ $! 1 1 1 $ $ $ $,.%--$,.%%,%$&- &-$) +*.+-$%$ %%$'$ $.-( !!$$$' &- &-$ .+-$%$ 1 1 1 1 1 .& '-( %% )+($%$-0# "%$ ,-. '-$' %*.+-$% $'! +$(+ %% &$& '-(' % $,-+$./$(' ).'- ""$($ %%$'$ $'( &- &-$) + .').'- ""$($ .'$-0 %%$'$ &- &-$# ,$ (%%(' %*.+-$% $'! +$(+ %% $,-+$./$(' '/$('% $ $ $ $ $ .'-$ )) +$'/ ,)$ "-' $ +$,.%--$ "%$ ,-. '-$ #$'++# $ .'-(%(,-. '- ,$, '- ) $,/(%" + $/ +,$(&)$-$$-$)(&- &-$() + " ' + , -$%$11+ .'(++$(! ++(/$+$( %(%+ *.'-(,$+$,)+&$ ) +%(%+ *.'-(- &)($ (&)+'(.'- %/$,(+ ('$% /.(% ) +'+ .')(,-( $,('-( %%%-+( &&$' ,$ 3120#+*# 3120*# '+(*. #-#&# .0'# #-*,#0%# *-+#-&*# 0#-%*# '0,#-*# *#//.-' 0'%*# 0+#-&# 1+#-&# 2#+*# 311',$30(. '11*%. .04'(*# 3.4# !'+#-&# #'1* #11* .+.-*# .02.(#++. '/3$$+*%# '%# '/3$$+*%# +.4#%%# /#(-# 2#2* -*2* 4'5*# 4*55'0# 30%)*# -()'0*# '(-. -*2. ,#$ &&$' ,#$ + '-.% $,-. '-$# ,$, '-('()$(&(%-( %(%+ *.'-$& -+$ *.+-$$)$,-+ %% ,('( ' ,,+$) ++$()+$+ .' )/$& '-( &&$' ,#$ )$+ $"+!$).%$-$,.$ "$(+'%$ &&$' ,#$ '-'2. .0& 12 #11.&*0*1/.12#20.//.$#11./'0(#0#-2*0'+#%.,/#0#$*+*26&'** )$' %% , ".$+ $, ". '-$(&)$-$&- &-$$ %(%+ %$,-'1 $,(%/ + .' *.1$(' % $,(%/ + .' *.1$(' + % -+. %.("#$ -$)( %-$)(0 $'$-$,..'+-$'$' 000 ,% &&$' ,#$ &&$' ,#$ &&$' %(%+ $%(',.&(& $($ +.+'- $.'.-(&($% ,#$ &&$' ,#$ $%(,,$ '$ $(' --($,1$'&- &-$ +$,.%--$,.%%,%$&- &-$) +*.+-$%$ %%$'$ , '$ $(' --($,2$'&- &-$ .+-$%$ .--$"%$,-. '-$ $ &&$' $ $!! + '/ $ " ' + ,#$ $ $! ,$ 4231$,+$ 4231+$ (,)+/ $.$'$ /1($ $.+-$1&$ +.,$.'+$ 1$.&+$ (1-$.+$ +$00/.( 1(&+$ 1,$.'$ 2,$.'$ 3$,+$ 422(-%41)/ (22+&/ /15()+$ 4/5$ "(,$.'$ $(2+ $22+ /,/.+$ /13/)$,,/ (04%%,+&$ (&$ (04%%,+&$ ,/5$&&$ 0$).$ 3$3+ .+3+ 5(6+$ 5+66(1$ 41&*+$ .)*(1+$ ()./ .+3/ !(.(3/ /1' 23 $22/'+1+20/23$31/00/%$22/0(1)$1$.3+1(,$&/-0$1$%+,+37'(+'$3+ 3 3 3 3 $ $ $ $ $,.%--$,.%%,%$&- &-$) +*.+-$%$ %%$'$ $(' --($,2$' &- &-$ .+-$%$ 3 3 3 3 .& '-( %% )+($%$-0# "%$ ,-. '-$' %*.+-$% $'! +$(+ %% &$& '-(' % $,-+$./$(' ).'- ""$($ %%$'$ $'( &- &-$) + .').'- ""$($ .'$-0 %%$'$ &- &-$# ,$ (%%(' %*.+-$% $'! +$(+ %% $,-+$./$(' '/$('% .'-$ $ $ $ $ )) +$'/ ,)$ "-' $ +$,.%--$ "%$ ,-. '-$ $%(,,$ '$ $',$/ +,(%&- &-$ +$,.%--$,.%%,%$&- &-$) +*.+-$%$ %%$'$ , '$ $',$/ +,(%&- &-$ .+-$%$ .--$"%$,-. '-$ $ ,$ 4231$,+$ 4231+$ (,)+/ $.$'$ /1($ $.+-$1&$ +.,$.'+$ 1$.&+$ (1-$.+$ +$00/.( 1(&+$ 1,$.'$ 2,$.'$ 3$,+$ 422(-%41)/ (22+&/ /15()+$ 4/5$ "(,$.'$ $(2+ $22+ /,/.+$ /13/)$,,/ (04%%,+&$ (&$ (04%%,+&$ ,/5$&&$ 0$).$ 3$3+ .+3+ 5(6+$ 5+66(1$ 41&*+$ .)*(1+$ ()./ .+3/ &&$' $ $!! + '0 $ " ' + ,#$ $ !(.(3/ /1'23 $22/'+1+20/23$31/00/%$22/0(1)$1$.3+1(,$&/-0$1$%+,+37'(+'$3+ $! 2 2 2 $ $ $ $,.%--$,.%%,%$&- &-$) +*.+-$%$ %%$'$ $',$/ +,(% &- &-$ .& '-( %% )+($%$-1# "%$ ,-. '-$' %*.+-$% $'! +$(+ %% &$& '-(' % $,-+$.0$(' ).'- ""$($ %%$'$ $'( &- &-$) + .').'- ""$($ .'$-1 %%$'$ &- &-$# ,$ (%%(' %*.+-$% $'! +$(+ %% $,-+$.0$(' '0$('% .+-$%$ 2 2 2 2 2 $ $ $ $ $ .'-$ )) +$'0 ,)$ "-' $ +$,.%--$ "%$ ,-. '-$ $%(,,$ '$ $,-+- "$ $& &(+$///$(' $'&- &-$ +$,.%--$,.%%,%$&- &-$) +*.+-$%$ %%$'$ , '$ $,-+- "$ $& &(+$///$(' $'&- &-$ .+-$%$ .--$"%$,-. '-$ $ $ $ $ !(.(3/ /1'23 $22/'+1+20/23$31/00/%$22/0(1)$1$.3+1(,$&/-0$1$%+,+37'(+'$3+ $! 1 $ 1 1 $ $!! + '/ $ " ' + ,#$ ,$ 4231$,+$ 4231+$ (,)+/ $.$'$ /1($ $.+-$1&$ +.,$.'+$ 1$.&+$ (1-$.+$ +$00/.( 1(&+$ 1,$.'$ 2,$.'$ 3$,+$ 422(-%41)/ (22+&/ /15()+$ 4/5$ "(,$.'$ $(2+ $22+ /,/.+$ /13/)$,,/ (04%%,+&$ (&$ (04%%,+&$ ,/5$&&$ 0$).$ 3$3+ .+3+ 5(6+$ 5+66(1$ 41&*+$ .)*(1+$ ()./ .+3/ &&$' $,.%--$,.%%,%$&- &-$) +*.+-$%$ %%$'$ $,-+- "$ $ & &(+$///$(' $'&- &-$ .+-$%$ 1 1 1 1 1 .& '-( %% )+($%$-0# "%$ ,-. '-$' %*.+-$% $'! +$(+ %% $,-+$./$(' &$& '-(' % %%$'$ $'( ).'- ""$($ .').'- ""$($ &- &-$) + &- &-$# ,$ .'$-0 %%$'$ (%%(' %*.+-$% $'! +$(+ %% $,-+$./$(' '/$('% $ $ $ $ $ .'-$ )) +$'/ ,)$ "-' $ +$,.%--$ "%$ ,-. '-$ $%(,,$ '$ $,-+- "$ $ %(+/$(' $'&- &-$ +$,.%--$,.%%,%$&- &-$) +*.+-$%$ %%$'$ , '$ $,-+- "$ $ %(+/$(' $'&- &-$ .+-$%$ .--$"%$ ,-. '-$ $ ,$ 4231$,+$ 4231+$ (,)+/ $.$'$ /1($ $.+-$1&$ +.,$.'+$ 1$.&+$ (1-$.+$ +$00/.( 1(&+$ 1,$.'$ 2,$.'$ 3$,+$ 422(-%41)/ (22+&/ /15()+$ 4/5$ "(,$.'$ $(2+ $22+ /,/.+$ /13/)$,,/ (04%%,+&$ (&$ (04%%,+&$ ,/5$&&$ 0$).$ 3$3+ .+3+ 5(6+$ 5+66(1$ 41&*+$ .)*(1+$ ()./ .+3/ &&$' $ $ $! 1 1 1 $ $ $ !(.(3/ /1'23 $22/'+1+20/23$31/00/%$22/0(1)$1$.3+1(,$&/-0$1$%+,+37'(+'$3+ $!! + '/ $ " ' + ,#$ $,.%--$,.%%,%$&- &-$) +*.+-$%$ %%$'$ $ ,-+- "$ $ %(+/$(' $'&- &-$ .+-$%$ 1 1 1 1 1 .& '-( %% )+($%$-0# "%$ ,-. '-$' %*.+-$% $'! +$(+ %% &$& '-(' % $,-+$./$(' +$'/ ).'- ""$($ %%$'$ $'( ,)$ "-' $ &- &-$) + .').'- ""$($ +$,.%--$ "%$ .'$-0 %%$'$ &- &-$# ,$ ,-. '-$ (%%(' %*.+-$% $'! +$(+ %% $,-+$./$(' '/$('% $ $ $ $ $ .'-$ )) $%(,,$ '$ $,-+- "$ $('-+(%%($'&- &-$ +$,.%--$,.%%,%$&- &-$) +*.+-$%$ %%$'$ , '$ $,-+- "$ $('-+(%%($'&- &-$ .+-$%$ .--$"%$ ,-. '-$ $ ,$ 4231$,+$ 4231+$ (,)+/ $.$'$ /1($ $.+-$1&$ +.,$.'+$ 1$.&+$ (1-$.+$ +$00/.( 1(&+$ 1,$.'$ 2,$.'$ 3$,+$ 422(-%41)/ (22+&/ /15()+$ 4/5$ "(,$.'$ $(2+ $22+ /,/.+$ /13/)$,,/ (04%%,+&$ (&$ (04%%,+&$ ,/5$&&$ 0$).$ 3$3+ .+3+ 5(6+$ 5+66(1$ 41&*+$ .)*(1+$ ()./ .+3/ &&$' $ $ $! 1 1 1 $ $ $ !(.(3/ /1'23 $22/'+1+20/23$31/00/%$22/0(1)$1$.3+1(,$&/-0$1$%+,+37'(+'$3+ $!! + '/ $ " ' + ,#$ $,.%--$,.%%,%$&- &-$) +*.+-$%$ %%$'$ $ ,-+- "$ $ %(+/$(' $'&- &-$ .+-$%$ 1 1 1 1 1 .& '-( %% )+($%$-0# "%$ ,-. '-$' %*.+-$% $'! +$(+ %% &$& '-(' % $,-+$./$(' ).'- ""$($ %%$'$ $'( &- &-$) + .').'- ""$($ &- &-$# ,$ .'$-0 %%$'$ (%%(' %*.+-$% $'! +$(+ %% $,-+$./$(' '/$('% $ $ $ $ $ .'-$ )) +$'/ ,)$ "-' $ +$,.%--$ "%$ ,-. '-$ $%(,,$ '$ $.-$%$-1 %%,.(%) +%/$-!.-.+ +$,.%--$,.%%,%$&- &-$) +*.+-$%$ %%$'$ , '$ $.-$%$-1 %%,.(%) +%/$-!.-.+ .+-$%$ .--$"%$ ,-. '-$ $ ,$ 4231$,+$ 4231+$ (,)+/ $.$'$ /1($ $.+-$1&$ +.,$.'+$ 1$.&+$ (1-$.+$ +$00/.( 1(&+$ 1,$.'$ 2,$.'$ 3$,+$ 422(-%41)/ (22+&/ /15()+$ 4/5$ "(,$.'$ $(2+ $22+ /,/.+$ /13/)$,,/ (04%%,+&$ (&$ (04%%,+&$ ,/5$&&$ 0$).$ 3$3+ .+3+ 5(6+$ 5+66(1$ 41&*+$ .)*(1+$ ()./ .+3/ &&$' $ $!! + '0 $ " ' + ,#$ $ !(.(3/ /1'23 $22/'+1+20/23$31/00/%$22/0(1)$1$.3+1(,$&/-0$1$%+,+37'(+'$3+ $! 2 2 2 $ $ $ $,.%--$,.%%,%$&- &-$) +*.+-$%$ %%$'$ $.-$%$-1 %%,.(%) +%/$-!.-.+ .+-$%$ 2 2 2 &$& '-(' % ).'- ""$($ &- &-$) + .'$-1 %%$'$ 2 2 )) +$'0 ,)$ "-' $ +$,.%--$ "%$ ,-. '-$ $ $ $ $ $ .'-$ .& '-( %% )+($%$-1# "%$ ,-. '-$' %*.+-$% $'! +$(+ %% $,-+$.0$(' %%$'$ $'( .').'- ""$($ &- &-$# ,$ (%%(' %*.+-$% $'! +$(+ %% $,-+$.0$(' '0$('% $%(,,$ $!!$*($,!%$"""%)**+))%!%%$%#!%%+&,!%$"(!)+"**!)+"")"!#*#*!&('+(*!"!""!$! ) !)+"**!)+"")"#*#*!&('+(*!"!""!$!)%!%%$%#!% %+&,!%$" $!!$*($,!%$"""%)**+)%+&,!%$" +**!"!)*+$*! +(*!"! . . +(*!"! . . . . . . ! ! ! ! ! ! ! ! ! !(.(3/ /1'23 $22/'+1+20/23$31/00/%$22/0(1)$1$.3+1(,$&/-0$1$%+,+37'(+'$3+ )! 4231$,+$ 4231+$ (,)+/ $.$'$ /1($ $.+-$1&$ +.,$.'+$ 1$.&+$ (1-$.+$ +$00/.( 1(&+$ 1,$.'$ 2,$.'$ 3$,+$ 422(-%41)/ (22+&/ /15()+$ 4/5$"(,$.'$ $(2+$22+ /,/.+$ /13/)$,,/ (04%%,+&$(&$ (04%%,+&$,/5$&&$ 0$).$ 3$3+ .+3+ 5(6+$ 5+66(1$ 41&*+$ .)*(1+$ ()./ .+3/ +#$*%"" &(%!"!*- "! +$*%#!!" )*+$*! )! &+$*!%! %""%$%$"'+(*!" #*#*!&( !$(!%(""!$! (!$,)&!* +$!*-""!$!)%!% $!(!)+"**!"! !$%+$ %$%#!% )*+$*! &+$*!% )! %+&,!%$" %""%$"'+(*!" !$*($,!%$" !$(!%("" !)*(!+,!%$ $,!%$"! &+$*!! #*#*! !($,*(!" '+(*!"!$(!%( )+&(!%( +$*! &&%(*% ! #$'++# &"() '()"(&') ((') ' !(!( (()&'"+$& * #'# &+++#" !& ' &#"((# #'(&)+#"'#"&')$&#& &#"((# #'(&)+#"$&!&#'#"&"&#&# )"( )"( (!( '()"( (!( '"+ '()"( )"( # ' 3120#+*# 3120*# '+(*. #-#&# .0'# #-*,#0%# *-+#-&*# 0#-%*# '0,#-*# *#//.-' 0'%*# 0+#-&# 1+#-&# 2#+*# 311',$30(. '11*%. .04'(*# 3.4#!'+#-&# #'1*#11* .+.-*# .02.(#++. '/3$$+*%#'%# '/3$$+*%#+.4#%%# /#(-# 2#2*-*2* 4'5*# 4*55'0# 30%)*# -()'0*# '(-.-*2. (()& '-'2. .0&12 #11.&*0*1/.12#20.//.$#11./'0(#0#-2*0'+#%.,/#0#$*+*26&'** )"( # )"( # )"( # (()& '"+ )"( # )"( # &#"((# #'(&)+#"(&+& # )"( (!( '()"( )"( # (()& '"+ )"( # )"( # )!"(# $&# (, '()"( ) !&"#")"((# # '(&)+#"'#"& ')$&#&"#)" $)"(#'# # " %)&( "&#& '(&)+#""+#" $)"( !(!( $$#&(# #$'++# + '-.% $,-. '-$ +$,.%--$,.%% ,% $&- &-$% --.+ ,$ '0 ) +%$/ %%($,(%+$000$(' %)+ , +$('-$-(%($$,-+.0$(' )+$&+$(, ('+$$'! +$(+ ( +$('-$-(%($$,-+.0$(' , ('+$,.) +$(+ .'- ""$ $,-. '-$ ,$ 3120#+*# 3120*# '+(*. #-#&# .0'# #-*,#0%# *-+#-&*# 0#-%*# '0,#-*# *#//.-' 0'%*# 0+#-&# 1+#-&# 2#+*# 311',$30(. '11*%. .04'(*# 3.4# !'+#-&# #'1* #11* .+.-*# .02.(#++. '/3$$+*%# '%# '/3$$+*%# +.4#%%# /#(-# 2#2* -*2* 4'5*# 4*55'0# 30%)*# -()'0*# '(-.-*2. %$ - &-$ .'- ""$ %$% --.+ %$,$ '0 $ ,-. '-$ .'- $( .'- $( .'- $( '-'2. .0&12 #11.&*0*1/.12#20.//.$#11./'0(#0#-2*0'+#%.,/#0#$*+*26&'** %$ - &-$ %$% --.+ %$,$ '0 .'- $( .'- $( .'- $( +$('-$-(%($$,-+.0$(' - +0$+$( .'- ""$ $ ,-. '-$ %$ - &-$ %$% --.+ %$,$ '0 .& '-( %% )+($%$-1# "%$ ,-. '-$%.$&+ '('#.'-$-(%($ $,-+.0$(' , ('+$ ,.) +$(+ $'(.' ).'- ""$(# ,$ (%%(' %*.+-$% $'! +$(+ %% $,-+$.0$(' '0$('% $).'- ""$ $&- &-$ .'- $( .'- $( .'- $( ))(+-( "#&**" " !" ! ! ! !" ! # !! ! 201/"*)" 201/)" &*')","%" -/&" ",)+"/$" ),*",%)" /",$)" &/+",)" )"..-,& /&$)" /*",%" 0*",%" 1"*)" 200&+#2/'&00)$-/3&')" 2-3" &*",%" "&0) "00) -*-,)" -/1-'"**&.2##*)$" &$" &.2##*)$" *-3"$$" ."'," 1"1) ,)1) 3&4)" 3)44&/" 2/$()" ,'(&/)" &',- ,)1- ! ! &,&1 "00-%)/)0.-01"1/-..-#"00-.&/'"/",1)/&*"$-+."/"#)*)15%&)%"1) !"# ! "! ! !" " ! ! "'(+//' '$ $ '$% "-$%%.%-.+%,,$)+ , '-$, +$,.%--$,.%%,%$&- &-$) +*.+-$%$ %%$'$ , $,.%--$,.%%,%&- &-$) +*.+-$%$ %%$'$ $ '$% "-$%% .%-.+%,,$)+ , '-$, '$ $ '$% "-$%%.%-.+%,,$)+ , '-$, .+-$%$ .--$"%$,-. '-$ 2 $ ,$ 8675'/.' 8675.' +/,.2 '1'*' 25+' '1.0'5)' .1/'1*.' 5'1).' +50'1.' .'3321+ 5+).' 5/'1*' 6/'1*' 7'/.' 866+0(85,2 +66.)2 259+,.' 829'%+/'1*' '+6.'66. 2/21.' 2572,'//2 +38((/.)'+)' +38((/.)'!/29'))' !3',1' !7'7.#1.7. !9+;.' !9.;;+5' "85)-.' #1,-+5.' +,12#1.72 $ 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 .+-$%$ 2 2 $ $ 2 2 $ 0': 0': 0': 0': 0': 0': 0': 0': 0': 0': 0': 0': 0': 0': 0': 0': 0': 0': $ 2 $ 2 $ 2 $ $+1+72 25*67 "'662*.5.63267'752332('6623+5,'5'17.5+/')203'5'(./.7<*+.*'7. 27'.1.1*.)'.'+6.)213.=*+/*+,/.678*+17.)21./9'/25+3.=('662.148+672.1*.)+ ':.1*.)'.'+6.)213.=*+/*+,/.678*+17.)21./9'/25+3.='/72.148+672.1*.)+ .'-(&$$% ).'- ""$($ .& '-( %% &- &-$) +.'$-1 $!! + '0-+$% )+($%$-1# "%$ %%$'$ $ '$ *.+-$% $'! +$(+ ,-. '-$# ,$ % "-$%%.%-.+ ,.) +$(+ (%%('(' %*.+-$% %,,$)+ , '-$$' $'! +$(+ %%$'$ $ +$'0 , '$% "-$%%.%-.+ ,)$ "-' $ %,,$)+ , '-$$' +$,.%--$ "%$ ,$'(.' ,-. '-$+% ).'- ""$(# ,$ *.+-(/ (%%(' %*.+-$% $'! +$(+ %% $,-+$.0$(' '0$('% $).'- ""$$ &- &-$ $!! + '0 ))(+-( $! #(),00( &#$$*#+'*+#,#('-,#.'*#+-$,,#+-$$+$#%,%,#(*)-*,#$#$$#&# + #+-$,,#+-$$+$%,%,#(*)-*,#$#$$#&#$$*#+'*+#,#(' -,#.'(*+&,#+ &#$$*#+'*+#,#('-,#.'(*+&,#+ -,,#!$#+,-&,# -*,#$# 2 # +# 9786(0/( 9786/( ,0-/3 (2(+( 36,( (2/1(6*( /20(2+/( 6(2*/( ,61(2/( /(4432, 6,*/( 60(2+( 70(2+( 8(0/( 977,1)96-3 ,77/*3 36:,-/( 93:(&,0(2+( (,7/(77/ 3032/( 3683-(003 !,49))0/*(,*( !,49))0/*("03:(**( "4(-2( "8(8/$2/8/ ":,</( ":/<<,6( #96*./( $2-.,6/( !,-23$2/83 # -*,#$# 2 2 # # 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 2 1(; # 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 1(; 2 # 2 # 2 %,2,83 36+78 #(773+/6/74378(863443)(7734,6-(6(28/6,0(*314(6()/0/8=+,/+(8/ 38(/2/2+/*(/ (,7/*324/>+,0+,-0/789+,28/*32/0:(036,4/>)(773/259,783/2+/*,(;/2+/*(/ (,7/*324/>+,0+,-0/789+,28/*32/0:(036,4/>(083/259,783/2+/*, # 2 # -%&,'$$(*'#$#,1 "!$#+,-&,#"+# '$$'&'&$)-*,#$ #& *#'*$$#&#$$ -&,'%##$ *#+'*+#,#('-,#.' *#&0+(#!, (-&,!!#'#%,%,# (*+&,#+#&' &#*#+-$,,#!$# (*-&#,1$$#&#$$ +,-&,#*$ -&(-&,!!#'"+# *#+'*+#,#('-,#.' )-*,'/ '$$'&$)-*,#$ (*+&,#+ #& *#'*$$ #+,*#-0#'&&0#'&$ #(-&,!!## %,%,# # *&0 (('*,' # *&0,*#$ )-*,#$#& *#'* +-(*#'* # #$'++# !" # ! "" 3120#+*# 3120*# '+(*. #-#&# .0'# #-*,#0%# *-+#-&*# 0#-%*# '0,#-*# *#//.-' 0'%*# 0+#-&# 1+#-&# 2#+*# 311',$30(. '11*%. .04'(*# 3.4#!'+#-&# #'1*#11* .+.-*# .02.(#++. '/3$$+*%#'%# '/3$$+*%#+.4#%%# /#(-# 2#2*-*2* 4'5*# 4*55'0# 30%)*# -()'0*# '(-.-*2. '-'2. .0&12 #11.&*0*1/.12#20.//.$#11./'0(#0#-2*0'+#%.,/#0#$*+*26&'** #$'++# ! ! 3120#+*# 3120*# '+(*. #-#&# .0'# #-*,#0%# ! ! '-'2. .0&12 #11.&*0*1/.12#20.//.$#11./'0(#0#-2*0'+#%.,/#0#$*+*26&'** *-+#-&*# 0#-%*# '0,#-*# *#//.-' 0'%*# 0+#-&# 1+#-&# 2#+*# 311',$30(. '11*%. .04'(*# 3.4#!'+#-&# #'1*#11* .+.-*# .02.(#++. '/3$$+*%#'%# '/3$$+*%#+.4#%%# /#(-# 2#2*-*2* 4'5*# 4*55'0# 30%)*# -()'0*# '(-.-*2. ! " !! #" ""# '-'2. .0&12 #11.&*0*1/.12#20.//.$#11./'0(#0#-2*0'+#%.,/#0#$*+*26&'** #" "" !"#" !#"" #" !% # "! ""'(# $% #" ###" ""! ! 3120#+*# 3120*# '+(*. #-#&# .0'# #-*,#0%# *-+#-&*# 0#-%*# '0,#-*# *#//.-' 0'%*# 0+#-&# 1+#-&# 2#+*# 311',$30(. '11*%. .04'(*# 3.4#!'+#-&# #'1*#11* .+.-*# .02.(#++. '/3$$+*%#'%# '/3$$+*%#+.4#%%# /#(-# 2#2*-*2* 4'5*# 4*55'0# 30%)*# -()'0*# '(-.-*2. ! #$'++# "#!"#" !#""!#!""""# !% # "! !"#" #" "" #" ""# !#"" #" !% # "! ""'(# $% #" ###" ""! " #" "& !"#" ! ##!" $%# #"! # " !" #%% #" "" $%(--$ ####!%!"#$#"$!"$####"#$# " $#!&""#%!"##!"$ %!#$###!##! #!## " 6453$-,$ 6453,$ (-*,0 $/$'$ (16%%-,&$ (&$ $/,.$3&$ ,/-$/',$ 3$/&,$ (3.$/,$ 3(&,$ /*+(3,$ 4-$/'$ 3-$/'$ 5$-,$ ,$110/( 03($ 644(.%63*0 (44,&0 $(4, $44, 607$ "(-$/'$ 037(*,$ 0-0/,$ 0350*$--0 (16%%-,&$ -07$&&$ 1$*/$ 7(9,$ 7,99(3$ 63&+,$ 5$5, /,5, (*/0 /,50 !(/(50 ##$" $ & ) ##! $# %"#!$& )%# #! "!#' # $#$!"" #! $ !# #$# ! "(%!" !& /$5,/(- #$# $$" $(4(,/&6,470-*0/0 /$5,,/6/$-530$(4( "% !% -$1307$'$*(/,503, '$*(/,503,/$5,$/&+( #!$## /$5,,/6/$-530$(4( (44,,/6/$-530$(4( " $# $# $# $# $# $# $# $# . . & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & $ & & & & & & & & & & & & & & $ & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & & $7$3,$/9$6/,&$;-$7$3,$/9$41,(*$5$'$&,$4&6/)$5503(,/$**,6/5$$--$7$3,$/9$41,(*$5$'$*-,$-53,)$5503,'(-.0'(--0 $440',3,41045$530110%$4401(3*$3$/5,3(-$&0.1$3$%,-,5:'(,'$5, $-$&$5(*03,$/0/;$11-,&$%,-(,/26(450$(4( &,&$4,40/053011010&+,1(3)03/,3(45,.($)),'$%,-,(45$5,45,&+(40/045$5(5655$7,$,/&-64(/(-&$-&0-0'(--$.(',$53$$(4, .,'$5,/0/40/0',410/,%,-, 8,'$5,40/045$5,3,5,3$5,463,&+,(45$'(-$(4( " !&" # !"#&"#$#$$## !&$#"$###! ##$"$ & )##! " 6453$-,$ 6453,$ (-*,0 $/$'$ (16%%-,&$ $/,.$3&$ ,/-$/',$ 3$/&,$ (3.$/,$ 3(&,$ /*+(3,$ 4-$/'$ 3-$/'$ 5$-,$ ,$110/( 03($ 644(.%63* (44,&0 $(4, $44, 607$ "(-$/ 037(*,$ 0-0/,$ 0350*$--0 (16%%-,&$ 1$*/$ 7(9,$ 7,99(3$ 63&+,$ 5$5, /,5, (*/0 /,50 !(/(50 % "#!$& ) %# #! # $#$!"" #! "! "#$# ! !& !& $ " # " # )$ $ !#" ##! !&## " # & & & & & & & & & & & & & & & & & & & & & & & & & $%(,,$ &#$$'+,,-++'#''&'%#'-$,-*$*#+-$,,#+-$$+$#%,%,#(*)-*,#$#$$#&# + &##&,*&/#'&$$$'+,,-++'#''&'%#'-$,-*$ #+-$,,#+-$$+$%%,%,#(*)-*,###+,*#-/#'& -*,#$# -*,#$# -,,#!$#+,-&,# 1 1 1 1 1 1 1 1 &# %#' &# %#' &# %#' &#%#' &# %#' -&, #' -&, #' -&, #' -&, #' +# 4231$,+$ 4231+$ (,)+/ $.$'$ /1($ $.+-$1&$ +.,$.'+$ 1$.&+$ (1-$.+$ +$00/.( 1(&+$ 1,$.'$ 2,$.'$ 3$,+$ 422(-%41)/ (22+&/ /15()+$ 4/5$"(,$.'$ $(2+$22+ /,/.+$ /13/)$,,/ (04%%,+&$(&$ (04%%,+&$,/5$&&$ 0$).$ 3$3+ .+3+ 5(6+$ 5+66(1$ 41&*+$ .)*(1+$ ()./ .+3/ !(.(3/ /1'23 $22/'+1+20/23$31/00/%$22/0(1)$1$.3+1(,$&/-0$1$%+,+37'(+'$3+ -&,'%##$ (-&,!!#'# %,%,#(*-&#,0 $$#&# -%&,'$$ (*'#$#,0"!$# # *&/,*#$ +,-&,#"+# )-*,#$#& *#'* '$$'&'&$ *&,-$# +-(*#'* )-*,#$#& *#'* .*#&/# $$#&##&' *#+-$,,## -&(-&,!!#'"+# %,%,# '$$'&$)-*,#$ +(#!, #& *#'*$$ $$#&# #+,*#-/#'& &/#'&$# (-&,!!## %,%,# -&,# (( # "'(+00' +0'</32+86'/6/7908'8/*/1'8+1'8/)'*+-0/789*+28/+0/2*/)+!*+00378'89773)/3+)3231/)3+)90896'0+!!/2! !.! 0)/!##%*(! %* 0)/!##%*(! %* .!'%) %! (! %*"*..!0#0'! %)/0//%%!.% *-3 !''-!'3%*)!/-+-!./3%*)% )'%)3%*)! !'#- %!)/!.*%* !*)*(%* !'' !#'%./0 !)/%%) %! 0)#$!33 !''+-*%!3%*)! !'''%)! !'#- %!)/! *+!-!)/%'! !''%) %! *+!-!)/%'! !''%) %! %""!-!)3/-%'*!%' *+!-!)/%'! 0)/ (! %* 0)/ (! %* !-!)/0'! %1-%)3 .+%!#/)!%-%.0'//% !#'%./0 !)/% %""!-!)3)!' +0)/!##%*+!-0)%/4 !''%) %! ) %! ) %! %""!-!)3 !.% 9786'0/' 9786/' +0-/3 '2'*' +49((0/)'+)' '2/1'6)' /20'2*/' 6'2)/' +61'2/' 6+)/' #2-.+6/' 70'2*' 60'2*' 8'0/' /'4432+ 36+' 977+1(96-3 +77/)3 '+7/'77/ 93:'%+0'2*' 36:+-/' 3032/' 3683-'003 +49((0/)'!03:'))' !4'-2' !:+</' !:/<<+6' "96)./' !8'8/#2/8/ !.%+-/)!6'7/0+ 32-32-/2' 2*32+7/' +8832/' /+).8+278+/2 ')'3/2' +*+6'</32+ 977' !+6(/' ".'/0'2*/' "92/7/' #69-9'; 1 1 1 1 1 1 1 1 1 1 1 1 1 1 +-23#2/83 $+2+83 +-6+77/32+(/:'6/'8''920/:+003*+/6/7908'8/*/1'8+1'8/)'7900!!0')96:'>/0)3+,,/)/+28+*/6+-6+77/32+*+00!! +-6+77/32+'0/:+003*/789*+28/*+/6/7908'8/*/1'8+1'8/)'7900!!+8+61/2+'059'*6'83*+00!!0/2*/)+*/)96:/0/2+'6/8=>/0)3+,,/)/+28+*/6+-6+77/32+*+08+61/2+'059'*6'83 "'773*/6/74378'863443('7734+6-'6'28/6+0')314'6'(/0/8=*+/*'8/ !.! (! %* %""!-!)3)!' +0)/!##%*+!-0)%/4 %' ,0 -/* ) %! 1 1 1 1 1 1 1 1 1 !.% 9786'0/' 9786/' +0-/3 '2'*' +49((0/)' '2/1'6)' /20'2*/' 6'2)/' +61'2/' 6+)/' #2-.+6/' 70'2*' 60'2*' 8'0/' /'4432+ 36+' 977+1(96+77/)3 '+7/'77/ 93:'%+0'2 36:+-/' 3032/' 3683-'003 +49((0/)' ! !4'-2' !:+</' !:/<<+6' "96)./' !8'8/#2/8/ !.%+-/)!6'7/0+ 32-32- 2*32+7/' +8832/' /+).8+278+/2 ')'3/2' +*+6'</32+ !+6(/' ".'/0'2*/' "92/7/' #69-9'; +-23#2/83 ) %! %0-1%'%)!-%/4 ++-*..%(/ *(! +!-!)/0'! % ./0 !)/%*)0) 1'*-!%)"!-%*-! .0''%) %! !1%3%*)! ./) - ) %! (! %* $+2+83 %.+!-.%*)!)!''%) %! !-!)/0'! %./0 !)/% $!.%/-*1)*!)/-*%' ) %! % +%5..* !'' .&!2)!..)!'' %./-%03%*)! %./-%03%*)! %)/!-)3%*)'! !''%) %! !''%) %! ")1)72 !&## !"$##" !"" !& !#$ !&## ## %!& !"$###! !"$###! "$ !"$## "$ "#$#" !&#! "$ " # !& #! "$ " # !&#! "$ " # !& #! "$ " # !&" # !&" # #!& #!& "##$"" "##$"" $#$! $#$! "#$# "#$# "$ !&#! "$" # !& #! "$ " # !&" # "#!$##$!""# ""# !&" !"" !#$%!&!"$##"#$#" ## !&#! "$" # !& #! "$ " # !&" # "#!$##$!""# ""# #!&" $#$! "#$#"$ !&###! "$" !"" !#$ %!&## #!" 8)672-1(-');63)662()120-1%72'255)/%:-21)-175%'/%66)5,2 3 + 4 + 3 + 3 (--6758:-21)*5)48)17%7%%9%5-%1:%727%/);-/48%(5%72()//%()9-%:-21)67%1(%5(%9%5-%1:%67%7-67-'%'216)17)(-6'203255)/)'20321)17-()//%9%5-%1:%%6200%()//%9%5-%1:%75%/)6'82/)))1752/)6'82/)38<3)5%/'81-%)6-)66)5)/)++)50)17) !&## !"$## " 8675%/-% 8675-% )/+-2 %1%(% 25)% %1-0%5'% -1/%1(-% 5%1'-% )50%1-% -%3321) 5)'-% 5/%1(% 6/%1(% 7%/-% 866)0&85+2 )66-'2 259)+-% 829%#)/%1(% %)6-%662/21-% 2572+%//2 )+12!1-72 )3)'% )3/29%''% 3%+1% 7%7-!1-79):-% 9-::)5% 85',-% !1+,)5-% !& " %&)//% !&#!"$#!"$!"$#### !&'*//& " #"%)"!$!&!"%&&'%%"""!" "'&'$!" #"!!&&$%'"!&$"%'" % &&"" #%%(" &&!&$"%'" .++*5*1;&1*/ 3817*,,.2&/.9*//2). 678)*17./*,&7&& 8181.7<)*//.1).(* &/.9*//2). 678)*17. : : 7&/.& .&3321* 25*& 866*0'85,2 *66.(2 &*6.&66. 829&$*/&1)& 259*,.& 2/21.& 2572,&//2 *38''/.(& /29&((& 3&,1& 9*;.& 9.;;*5& !85(-.& 7&7."1.7. *,12"1.72 #*1*72 % 8675&/.& 8675.& */,.2 &1&)& *38''/.(&*(& &1.0&5(& .1/&1).& 5&1(.& *50&1.& 5*(.& "1,-*5.& 6/&1)& 5/&1)& .++*5*1;&1*/ 3817*,,.2/*,&7&& 8181.7<)*//.1).(* %&$')"!%&'!&$%#&&"! 23*5(*17./* )*//&).675.'8;.21* )*,/.678)*17. 1*//.1).(* : : #&5.&1;& 63.*,&7&*1752/* 6(82/* : : .++*5*1;& .17*548&57./*)*//& ).675.'8;.21* )*//.1).(* & /.9*//2).678)*17. : : : : 23*5(*17./*)*//& ).675.'8;.21*)*,/. 678)*17.1*//.1).(* : : 1&/(81.&*6.621267&7*(&03.21&7*6277281.7<&//.17*512)*//*6(82/*&)*6*03.2.1).5.;;.).678).2.19*(*(-*.17*5*6(82/*.17*6*(20*81.7<&00.1.675&7.92*48*67238>.1(.)*5*68//&67.0&)*,/.*++*77.75&6(82/* *,5*66.21*'.9&5.&7&&81/.9*//2)*.5.68/7&7.).0&7*0&7.(&68// /&(859&=./(2*++.(.*17*).5*,5*66.21*)*// *,5*66.21*&)8*/.9*//.)*.5.68/7&7.).0&7*0&7.(&68// )*,/.678)*17.* 0*).2)*//*6(82/*(859&)*// *1752/*6(82/**9&5.&1;&&/.9*//2).678)*17.63.*,&7&)&/02)*//2 *,5*66.21*&)8*/.9*//.)*.5.68/7&7.).0&7*0&7.(&68// )*,/.678)*17.* 0*).2)*//*6(82/*(859&)*// 75&6(82/**9&5.&1;&75&/*6(82/*63.*,&7&)&/02)*//2 .675.'8;.21*)*// 0*).2)*//*6(82/*.3*5(*17./.6212(&/(2/&7.&/.9*//2).678)*17. .1).(*)..1(/86.21*=)*5.9&72)&//&(255*/&;.21*.175&(/&66*3*5/ 5-2 !&662).5.63267&752332'&6623*5,&5&17.5*/&(203&5&'./.7<)*.)&7. &&&$%'" .++*5*1;&1*/ 3817*,,.2&/.9*//2). 6(82/&/*,&7&& 8181.7<)*//.1).(* &/.9*//2). 6(82/& %&$')"!%'"$%#&&"! 7-3*5(*17./*2+ 7-*6(-22/0*&1 ).675.'87.212+ : : 7-3*5(*17./*2+7-* 6(-22/0*&1 ).675.'87.212+ : : #&5.&1;& 63.*,&7&*1752/* 6(82/* : : !!'%"! 17*548&57./*5&1,*2+ 7-*).675.'87.212+ 6(-22/0*&1 ).675.'87.212+ #&5.&1;&63.*,&7& *1752/*6(82/* : : : : : : !(.(3/ /1'23 - - $2&$,$823$3$+.5(13+3$+.-/'/&*(5$,/1+0/2+3+&+((,(5$3++.'+&$./4.&,+-$'+2&4/,$0/2+3+5/ $22/'+1+20/23$31/00/%$22/0(1)$1$.3+1(,$&/-0$1$%+,+37'(+'$3+ - )&( " !'$ "&)&"( +#"!(!( )(( '()"( ' 4231$,+$ 4231+$ (,)+/ $.$'$ /1($ $.+-$1&$ +.,$.'+$ 1$.&+$ (1-$.+$ +$00/.( 1(&+$ 1,$.'$ 2,$.'$ 3$,+$ 422(-%41)/ (22+&/ /15()+$ 4/5$"(,$.'$ $(2+$22+ /,/.+$ /13/)$,,/ (04%%,+&$(&$ (04%%,+&$,/5$&&$ 0$).$ 3$3+ .+3+ 5(6+$ 5+66(1$ 41&*+$ .)*(1+$ ()./ .+3/ ' - - - )&( - - ') ((') ' !(!($&%)&( " ! '$ "& " !'$ "&)&"( +#"!(!(&') (( '()"(') ' !(!($&%)&( " $%(,,$ )"( )"(#! $)"(# !(!($& )"(, " &$$#&(# )!"(# $&# (, '()"(' &"() # #"#" %)&( *&"+ "&#& " &') (( "#)"$)"(# !(!( '# #" '$( %)&( "&#& " '(&)+#""+#" $)"( !(!( &"+(& &') (( %)&( "&#&%) %)&( ')$&#& !(.(4/ /2'34 - - - )&( - - - - )&( - ') ((') ' !(!($&%)&( " #!$#&(!"( '()"(" )'#"#') !')# $33/'+2+30/34$42/00/%$33/0(2)$2$.4+2(,$&/-0$2$%+,+48'(+'$4+ $3&$,$934$4$+.6(24+4$+.-/'/&*(6$,/2+0/3+4+&+((,(6$4++.'+&$./5.&,+-$'+3&5/,$0/3+4+6/0(215$.4/2+)5$2'$&/-0/24$-(.4+'(),+345'(.4+ )(( '()"( "#!$#&(!"( '()"(" )'#"#') !')# ' 5342$,+$ 5342+$ (,)+/ $.$'$ /2($ $.+-$2&$ +.,$.'+$ 2$.&+$ (2-$.+$ +$00/.( 2(&+$ 2,$.'$ 3,$.'$ 4$,+$ 533(-%52)/ (33+&/ /26()+$ 5/6$"(,$.'$ $(3+$33+ /,/.+$ /24/)$,,/ (05%%,+&$(&$ (05%%,+&$,/6$&&$ 0$).$ 4$4+ .+4+ 6(7+$ 6+77(2$ 52&*+$ .)*(2+$ ()./ .+4/ ' $4+%$3$4+35,,('+&*+$2$7+/.+'(+'+2+)(.4+3&/,$34+&+02/0/27+/.$4+$,.5-(2/'+345'(.4+15+.'+&(..++3&2+44+ $%(,,$ " $&+#"$&(&"('# '(#!$#&(!"( '()"(" )'#"#') !')# &') ((') ' !(!($&%)&( " $)"( )"(#! $)"(# !(!($& )"(, " $$#&( # )!"(# $&# (, '()"(' # #"#" %)&( "&#& ""# )"$)"(#' # #" %)&( "&#& '(&)+#" "+#" $)"( !(!( &"() *&"+ &') (( !(!( '$( " &"+(& &') (( %)&( "&#&%) %)&( ')$&#& - - - )&( " !#& !$"# '()"( $33/'+2+30/34$42/00/%$33/0(2)$2$.4+2(,$&/-0$2$%+,+48'(+'$4+ !(.(4/ /2'34 )(( '()"( ' 5342$,+$ 5342+$ (,)+/ $.$'$ /2($ $.+-$2&$ +.,$.'+$ 2$.&+$ (2-$.+$ +$00/.( 2(&+$ 2,$.'$ 3,$.'$ 4$,+$ 533(-%52)/ (33+&/ /26()+$ 5/6$"(,$.'$ $(3+$33+ /,/.+$ /24/)$,,/ (05%%,+&$(&$ (05%%,+&$,/6$&&$ 0$).$ 4$4+ .+4+ 6(7+$ 6+77(2$ 52&*+$ .)*(2+$ ()./ .+4/ ' $4+%$3$4+35,,('+&*+$2$7+/.+'(+'+2+)(.4+3&/,$34+&+02/0/27+/.$4+$,.5-(2/'+345'(.4+15+.'+&(..++3&2+44+ - - - - )&( - ') ((') ' !(!($&%)&( " !#& !$"# '()"( $%(,,$ " $&+#"$&(&"('# '( !#& !$"# '()"(&') ((') ' !(!($&%)&( " )"( )"(#! $)"(# !(!($& )"(, " $$#&( # )!"(# $&# (, '()"(' # #"#" %)&( "&#& " "#)"$)"(# '# #" %)&( "&#& '(&)+#" "+#" $)"( !(!( &"() *&"+ &') (( !(!( '$( " &"+(& &') (( %)&( "&#&%) %)&( ')$&#& %&)--% %"""%*)"$%+&*,&#)"*,#++"*,##*#"$+$+"')(,)+"#"##"%" * %"""%*)"$%+&*,&# ,)+"#" ,++" #"*+,%+" *!" $$"% ")%." %) 0 *" 5342%-,% 5342,% )-*,0 %/%(% 02)% %/,.%2'% ,/-%/(,% 2%/',% )2.%/,% ,%110/) 2)',% 2-%/(% 3-%/(% 4%-,% 533).&52*0 )33,'0 026)*,% 506%#)-%/(% %)3,%33, 0-0/,% 0240*%--0 )15&&-,'%)'% )15&&-,'%-06%''% 1%*/% 4%4,!/,4, 6)7,% 6,77)2% 52'+,% !/*+)2,% )*/0!/,40 ")/)40 02(34 0 0 0 " " " " " " " " %330(,2,31034%420110&%3301)2*%2%/4,2)-%'0.1%2%&,-,48(),(%4, "*,#++"*,##*#"$+$+"')(,)+"#"##"%"""%*)"$%+& *,&# ,%+&$" "#',%+ "&" $+$+"') ,%"+/##"%" ,)+"#" 0 0 0 ,$%+&## ')&"#"+/! #" *+,%+"!*" &##&%&%#(,)+"# )%+,#" ")%.+)" "%)"&)##"%" -)"%." )"*,#++"# "%&,%',%+ "& )"*,#++"" (,)+"#"%)"&) !*"&##&%# $+$+" (,##"#(,)+"# (,)+"#"%)"&)## *'" + *,')"&) "*+)",."&% ##"%" %."&%#" ',%+ "" $+$+" 0 " " " " ,%+" ''&)+& " $%(,,$ )(( '()"( - - - )&( - " '#'("#&*)(# "'""(" +#"!(!( $22/'+1+20/23$31/00/%$22/0(1)$1$.3+1(,$&/-0$1$%+,+37'(+'$3+ !(.(3/ /1'23 ' 4231$,+$ 4231+$ (,)+/ $.$'$ /1($ $.+-$1&$ +.,$.'+$ 1$.&+$ (1-$.+$ +$00/.( 1(&+$ 1,$.'$ 2,$.'$ 3$,+$ 422(-%41)/ (22+&/ /15()+$ 4/5$"(,$.'$ $(2+$22+ /,/.+$ /13/)$,,/ (04%%,+&$(&$ (04%%,+&$,/5$&&$ 0$).$ 3$3+ .+3+ 5(6+$ 5+66(1$ 41&*+$ .)*(1+$ ()./ .+3/ ' - - - )&( - ') ((') ' !(!($&%)&( " '#'("# &*)(# "'""( " '#'("#&*)(# "'""(" +#"!(!(&') ((') ' !(!($&%)&( " )"( )"(#! $)"(# !(!($& )"(, " $$#&(# )!"(# $&# (, '()"(' # #"#" %)&( &"() &"+(& "&#& " *&"+ &') (( "#)" &') (( %)&( "&#& $)"(#' %) # #" %)&( !(!( %)&( "&#& '$( ')$&#& '(&)+#" " "+#" $)"( !(!( -0,45 -0,40 Veneto Nord Est (0,03) (0,03) (0,01) (0,03) (0,02) (0,01) (0,02) (0,02) (0,02) (0,02) (0,03) (0,02) (0,03) (0,02) (0,02) (0,02) (0,02) (0,02) (0,03) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,03) (0,03) (0,03) (0,01) (0,00) (0,02) E.S. -1,47 -1,44 -0,93 -1,28 -1,15 -0,94 -1,08 -0,93 -1,07 -1,16 -1,30 -1,57 -1,23 -1,17 -1,28 -1,42 -1,64 -0,76 -1,33 -1,01 -1,01 -1,34 -0,80 -1,21 -1,26 -1,31 -1,00 -0,96 -1,07 -1,11 -1,20 -1,18 -1,19 -1,07 Media 1° (0,02) (0,02) (0,02) (0,02) (0,01) (0,01) (0,01) (0,02) (0,01) (0,02) (0,01) (0,02) (0,02) (0,02) (0,02) (0,01) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,01) (0,01) (0,02) (0,01) (0,01) (0,02) (0,01) (0,02) (0,01) (0,01) (0,00) (0,01) E.S. -0,74 -0,71 0,03 -0,41 -0,35 -0,02 -0,37 0,02 -0,31 -0,45 -0,48 -0,75 -0,48 -0,32 -0,35 -0,64 -0,77 0,14 -0,44 -0,16 -0,32 -0,62 0,06 -0,47 -0,60 -0,46 -0,09 -0,07 -0,12 -0,29 -0,45 -0,33 -0,35 -0,23 Media 2° (0,01) (0,01) (0,01) (0,01) (0,00) (0,01) (0,01) (0,01) (0,01) (0,01) (0,01) (0,01) (0,01) (0,01) (0,01) (0,00) (0,01) (0,01) (0,01) (0,01) (0,01) (0,00) (0,01) (0,01) (0,00) (0,01) (0,01) (0,01) (0,01) (0,01) (0,01) (0,00) (0,00) (0,01) E.S. 3° -0,28 -0,21 0,38 0,33 0,25 0,39 0,21 0,44 0,28 0,11 0,20 -0,16 0,14 0,31 0,31 -0,02 -0,18 0,78 0,21 0,38 0,23 -0,05 0,39 0,10 -0,02 0,16 0,38 0,38 0,61 0,45 0,14 0,31 0,28 0,38 Media Quartili (0,01) (0,01) (0,00) (0,01) (0,01) (0,00) (0,01) (0,01) (0,01) (0,01) (0,01) (0,01) (0,01) (0,01) (0,01) (0,01) (0,01) (0,01) (0,01) (0,00) (0,01) (0,01) (0,00) (0,01) (0,01) (0,01) (0,00) (0,00) (0,01) (0,01) (0,01) (0,00) (0,00) (0,00) E.S. Indice del rapporto studenti-insegnanti 1. Tasso di risposta troppo basso per garantire la comparabilità dei dati. 0,21 0,04 -0,05 0,22 -0,08 0,27 -0,03 -0,12 -0,03 -0,41 -0,10 -0,01 0,02 -0,29 -0,39 0,54 -0,09 0,11 -0,07 -0,29 0,24 -0,18 -0,25 -0,13 0,20 0,21 0,32 0,18 -0,12 0,04 0,00 0,08 Media Tutti gli studenti Paesi OCSE Australia Austria Belgio Canada Corea Danimarca Finlandia Francia Germania Giappone Grecia Irlanda Islanda Italia Lussemburgo Messico Norvegia Nuova Zelanda Paesi Bassi Polonia Portogallo Repubblica Ceca Repubblica Slovacca Spagna Stati Uniti Svezia Svizzera Turchia Ungheria Totale OCSE Media OCSE 1 Regno Unito Paesi 0,68 0,75 1,37 1,51 1,05 1,48 0,91 1,57 0,99 1,04 1,47 0,82 1,16 1,14 1,40 0,91 1,05 2,01 1,21 1,22 0,81 0,86 1,34 0,88 0,88 1,10 1,52 1,50 1,85 1,68 1,04 1,35 1,26 1,24 Media 4° Tabella 9.6 Indice del rapporto studenti-insegnanti e risultati sulla scala di matematica per quartili dell'indice Dati basati sulle dichiarazioini degli student (0,03) (0,03) (0,01) (0,02) (0,02) (0,01) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,03) (0,02) (0,02) (0,01) (0,01) (0,02) E.S. 524 517,67 498 499 519 519 530 499 529 504 511 506 452 493 491 486 496 388 465 501 523 498 464 520 510 477 459 488 520 432 487 487 494 482 Media 1° (8,0) (6,73) (3,3) (4,1) (3,4) (2,2) (3,9) (4,1) (2,9) (3,4) (4,3) (5,1) (4,5) (3,5) (3,5) (2,7) (2,8) (4,2) (3,8) (3,8) (4,4) (3,5) (4,6) (3,9) (3,6) (3,8) (3,4) (4,3) (5,4) (8,4) (3,5) (1,2) (0,8) (3,4) E.S. 508 510,86 523 517 535 536 544 515 546 511 522 535 451 504 517 471 499 390 498 517 539 498 473 523 509 493 486 504 534 429 493 495 503 505 Media 2° (6,3) (8,64) (3,0) (3,9) (3,6) (2,3) (3,2) (3,9) (3,0) (3,4) (4,2) (4,7) (5,1) (3,6) (2,6) (3,7) (2,7) (5,3) (3,7) (4,3) (4,5) (4,0) (4,1) (4,4) (3,7) (3,4) (4,5) (3,9) (6,2) (8,0) (3,8) (1,4) (0,9) (3,9) E.S. 3° 512 515,53 539 515 550 546 545 525 553 522 519 548 445 511 526 466 498 393 515 547 558 490 474 530 500 493 500 523 538 426 497 501 513 525 Media Quartili (6,1) (8,71) (3,2) (4,9) (3,6) (2,3) (5,3) (4,1) (2,8) (4,3) (4,2) (5,1) (4,9) (3,8) (3,4) (3,7) (2,9) (4,2) (3,8) (2,8) (4,3) (3,7) (4,1) (4,3) (4,1) (3,0) (3,7) (3,9) (4,4) (8,0) (4,2) (1,5) (0,8) (3,2) E.S. 501 501 540 498 529 544 553 523 551 512 497 550 435 503 530 442 482 373 508 536 551 477 455 518 475 481 490 524 516 413 483 479 496 521 Media 4° (7,7) (13,1) (2,9) (4,5) (3,8) (2,3) (5,3) (4,0) (3,2) (4,9) (5,5) (5,7) (5,5) (4,0) (3,3) (5,2) (3,0) (4,6) (3,8) (4,4) (4,7) (3,8) (4,6) (4,2) (5,4) (3,3) (4,3) (4,1) (4,6) (7,5) (5,1) (1,8) (1,1) (4,3) E.S. Risultati sulla scala di matematica per quartili dell'indice del rapporto studenti-insegnanti -10,1 -8 18,4 -1,0 2,1 10,6 11,7 9,3 9,4 2,3 -5,8 16,7 -7,9 2,6 12,3 -18,4 -5,9 -5,6 15,8 16,0 12,5 -10,6 -4,0 -2,2 -18,3 -1,0 11,9 14,5 -0,9 -7,4 -5,3 -2,8 0,5 17,0 Punti (3,58) (5,8) (1,07) (1,78) (1,69) (1,12) (2,60) (1,77) (1,51) (2,30) (1,98) (2,51) (2,07) (1,75) (1,50) (2,02) (1,44) (1,55) (1,64) (2,04) (3,18) (2,05) (1,88) (1,95) (2,44) (1,55) (1,63) (1,45) (2,60) (2,79) (2,20) (0,70) (0,40) (1,56) E.S. Quanto cambia il punteggio di matematica per unità dell'indice 0,72 1 1,54 1,10 1,19 1,41 1,19 1,28 1,32 1,16 0,94 1,57 0,84 1,17 1,59 0,62 0,83 1,00 1,70 1,36 1,35 0,81 1,02 1,03 0,73 1,14 1,46 1,44 1,08 0,84 0,94 0,99 1,05 1,50 Rapporto 3,35 0,02 0,03 1,35 1,15 1,02 0,96 0,05 0,43 2,66 0,67 0,09 2,17 3,34 0,49 0,52 3,21 2,29 1,20 1,16 0,16 0,04 3,05 0,01 1,59 2,34 0,02 0,62 0,28 0,1 0,0 3,08 % (0,39) (0,06) (0,06) (0,28) (0,50) (0,39) (0,30) (0,11) (0,31) (0,78) (0,35) (0,11) (0,53) (0,73) (0,24) (0,28) (0,66) (0,58) (0,63) (0,44) (0,15) (0,08) (0,77) (0,04) (0,44) (0,46) (0,11) (0,45) (0,26) (0,04) (0,00) (0,57) 22,44 16,8 -42,40 1,03 -10,49 -25,74 -22,88 -24,22 -21,91 -8,10 14,40 -44,30 17,23 -9,30 -38,42 43,80 14,00 15,93 -43,32 -34,84 -28,03 21,44 9,08 1,97 35,06 -3,13 -30,58 -36,28 3,62 19,25 4,08 7,1 -2,1 -38,71 E.S. dif1-4 (9,23) (12,21) (3,47) (5,37) (4,08) (2,76) (5,45) (4,82) (3,67) (5,96) (6,15) (6,18) (5,58) (5,03) (4,83) (4,58) (4,28) (4,61) (5,04) (5,34) (6,23) (4,74) (4,69) (4,96) (5,54) (3,92) (4,21) (4,51) (7,70) (8,86) (5,71) (1,90) (1,22) (4,34) E.S. Percentuale Differenza tra i di varianza risultati del dei risultati quartile inferiore di e quelli del matematica quartile spiegata superiore dall'indice (0,12) 1,09 (0,80) (0,2) 0,7 (0,97) (0,06) (0,08) (0,06) (0,05) (0,06) (0,09) (0,07) (0,07) (0,06) (0,10) (0,06) (0,09) (0,10) (0,04) (0,06) (0,07) (0,11) (0,10) (0,10) (0,06) (0,07) (0,08) (0,06) (0,07) (0,08) (0,10) (0,09) (0,08) (0,07) (0,02) (0,01) (0,11) E.S. Aumento della probabilità che gli studenti che si collocano nel quartile inferiore dell'indice abbiano un punteggio che si colloca nel quartile inferiore della distribuzione nazionale dei punteggi di matematica !(.(4/ /2'34 - $33/'+2+30/34$42/00/%$33/0(2)$2$.4+2(,$&/-0$2$%+,+48'(+'$4+ )(( '()"( - - )&( - "#!$#&(!"( "'""(" )"+"# !')# ' 5342$,+$ 5342+$ (,)+/ $.$'$ /2($ $.+-$2&$ +.,$.'+$ 2$.&+$ (2-$.+$ +$00/.( 2(&+$ 2,$.'$ 3,$.'$ 4$,+$ 533(-%52)/ (33+&/ /26()+$ 5/6$"(,$.'$ $(3+$33+ /,/.+$ /24/)$,,/ (05%%,+&$(&$ (05%%,+&$,/6$&&$ 0$).$ 4$4+ .+4+ 6(7+$ 6+77(2$ 52&*+$ .)*(2+$ ()./ .+4/ ' - - )&( - - ') ((') ' !(!($&%)&( " #!$#&(!"( "'""(" )"+"# !')# " $&+#"$&(&"('# '(#!$#&(!"( "'""(" )"+"# !')# &') ((') ' !(!($&%)&( " $4+%$3$4+35,,('+&*+$2$7+/.+'(+'+2+)(.4+3&/,$34+&+02/0/27+/.$4+$,.5-(2/'+345'(.4+15+.'+&(..++3&2+44+ $%(,,$ )"( $$#&(# )!"(# $&# (, '()"(' # #"#" &"() &"+(& %)&( "&#& &') (( )"(#! *&"+ ""# %)&( $)"(# &') (( )"$)"(#' !(!($& !(!( "&#&%) # #" %)&( %)&( )"(, " '$( "&#& ')$&#& " '(&)+#" "+#" $)"( !(!( !(.(4/ /2'34 . . . *') ! # !"$'!!! "%#$! #(##) $33/'+2+30/34$42/00/%$33/0(2)$2$.4+2(,$&/-0$2$%+,+48'(+'$4+ *)) ! ()*#) ( 5342$,+$ 5342+$ (,)+/ $.$'$ /2($ $.+-$2&$ +.,$.'+$ 2$.&+$ (2-$.+$ +$00/.( 2(&+$ 2,$.'$ 3,$.'$ 4$,+$ 533(-%52)/ (33+&/ /26()+$ 5/6$"(,$.'$ $(3+$33+ /,/.+$ /24/)$,,/ (05%%,+&$(&$ (05%%,+&$,/6$&&$ 0$).$ 4$4+ .+4+ 6(7+$ 6+77(2$ 52&*+$ .)*(2+$ ()./ .+4/ ( $4+%$3$4+35,,('+&*+$2$7+/.+'(+'+2+)(.4+3&/,$34+&+02/0/27+/.$4+$,.5-(2/'+345'(.4+15+.'+&(..++3&2+44+ . . . . *') ! . (*!)) (*!!(! ")") %'&*') ! !! # !"$'! !! "%#$! #(##) $%(,,$ # !!%', $#%') ' #) ($!() ' !"$'!! "%#$$ #+$! "#)$! #(##) ' (*!)) (*!!(! ")") %'&*') ! !! # *#) %%$')$ *"#)$!! %'$ ! )-! ()*#) ( $!!$#$#!&*') ! '#)*! +' #, *#)$" ! #' $'!! # ' (*!)) %*#) $ #$*#%*#) $ ")") ")") %' ( $!!$#! (% ) *# )-!! # &*') ! #' $'!! !! # ()' *, $# #, $#! %*#) ")") '#,)' ' (*!)) !&*') ! #' $'&*!! ! &*') !(*%' $' 8 ! 8 #! 8 $ $ ! 8 $ $ 8 ! 8 8 ! 8 ! # !"# ! ! 8 ! 8 8 ! 8 ! !# ## ! ! ! ! ! ! ! # ! $ ! $440',3,41045$530110%$4401(3*$3$/5,3(-$&0.1$3$%,-,5: $-$&$5(*03,$/0/;$11-,&$%,-(,/26(450$(4( &,&$4,40/053011010&+,1(3)03/,3(45,.($)),'$%,-,(45$5,45,&+(40/045$5(5655$7,$,/&-64(/(-&$-&0-0'(--$.(',$53$$(4, .,'$5,/0/40/0',410/,%,-, 8,'$5,40/045$5,3,5,3$5,463,&+,(45$'(-$(4( !(/(50 03'45 (*/0 /,50 6453$-,$ 6453,$ (-*,0 $/$'$ 03($ $/,.$3&$ ,/-$/',$ 3$/&,$ (3.$/,$ ,$110/( 3(&,$ 3-$/'$ 4-$/'$ 5$-,$ 644(.%63*0 (44,&0 037(*,$ 607$"(-$/'$ $(4,$44, 0-0/,$ 0350*$--0 (16%%-,&$(&$ (16%%-,&$-07$&&$ 1$*/$ 5$5, /,5, 7(9,$ 7,99(3$ 63&+,$ /*+(3,$ $%(--$ ! 8 8 8 ! 8 $ 8 $ ! 8 $ $ $ $ $ $ 8 $ $ $ $ $ & $ & $440',3,41045$530110%$4401(3*$3$/5,3(-$&0.1$3$%,-,5:'(-'$50 $-$&$5(*03,$/0/;$11-,&$%,-(,/26(450$(4( &,&$4,40/053011010&+,1(3)03/,3(45,.($)),'$%,-,(45$5,45,&+(40/045$5(5655$7,$,/&-64(/(-&$-&0-0'(--$.(',$53$$(4, .,'$5,/0/40/0',410/,%,-, 8,'$5,40/045$5,3,5,3$5,463,&+,(45$'(-$(4( 03'45 8 # " " 8 8 8 $ $ $ $ $ $ $ & 8 $ $ $ $ $ & $ $ & & $ 8 $ $ $ $ 8 $ $ $ & " " !(/(50 (*/0 /,50 6453$-,$ 6453,$ (-*,0 $/$'$ 03($ $/,.$3&$ ,/-$/',$ 3$/&,$ (3.$/,$ ,$110/( 3(&,$ 3-$/'$ 4-$/'$ 5$-,$ 644(.%63*0 (44,&0 037(*,$ 607$"(-$/'$ $(4,$44, 0-0/,$ 0350*$--0 (16%%-,&$(&$ (16%%-,&$-07$&&$ 1$*/$ 5$5, /,5, 7(9,$ 7,99(3$ 63&+,$ /*+(3,$ $%(--$$ ! " 8 8 ! 8 " ! 8 $ ! 8 & $ & " 8 ! 8 ! $440',3,41045$530110%$4401(3*$3$/5,3(-$&0.1$3$%,-,5;'(-'$507(',//(9 $-$&$5(*03,$/0/<$11-,&$%,-(,/26(450$(4( &,&$4,40/053011010&+,1(3)03/,3(45,.($)),'$%,-,(45$5,45,&+(40/045$5(5655$7,$,/&-64(/(-&$-&0-0'(--$.(',$53$$(4, .,'$5,/0/40/0',410/,%,-, 8,'$5,40/045$5,3,5,3$5,463,&+,(45$'(-$(4( !(/(50 8 ! ! $ # !# 8 ! 8 ! 8 $ $ $ $ ! & 8 $ $ $ $ & ! ! $ $ 8 $ $ $ $ $ $ $ ! $ $ & 8 $ $ $ $ & $ $ $ & ! ! !! !!# !! # 03'45 (*/0 /,50 6453$-,$ 6453,$ (-*,0 $/$'$ 03($ $/,.$3&$ ,/-$/',$ 3$/&,$ (3.$/,$ ,$110/( 3(&,$ 3-$/'$ 4-$/'$ 5$-,$ 644(.%63*0 (44,&0 037(*,$ 607$"(-$/'$ $(4,$44, 0-0/,$ 0350*$--0 (16%%-,&$(&$ (16%%-,&$-07$&&$ 1$*/$ 5$5, /,5, 7(:,$ 7,::(3$ 63&+,$ /*+(3,$ $%(--$% " !# 8 8 8 ! 8 8 ! 8 8 $440',3,41045$530110%$4401(3*$3$/5,3(-$&0.1$3$%,-,5:'(-'$50 $-$&$5(*03,$/0/;$11-,&$%,-(,/26(450$(4( &,&$4,40/053011010&+,1(3)03/,3(45,.($)),'$%,-,(45$5,45,&+(40/045$5(5655$7,$,/&-64(/(-&$-&0-0'(--$.(',$53$$(4, .,'$5,/0/40/0',410/,%,-, 8,'$5,40/045$5,3,5,3$5,463,&+,(45$'(-$(4( 03'45 8 # " " 8 8 8 $ 8 $ $ 8 $ 8 " !(/(50 (*/0 /,50 6453$-,$ 6453,$ (-*,0 $/$'$ 03($ $/,.$3&$ ,/-$/',$ 3$/&,$ (3.$/,$ ,$110/( 3(&,$ 3-$/'$ 4-$/'$ 5$-,$ 644(.%63*0 (44,&0 037(*,$ 607$"(-$/'$ $(4,$44, 0-0/,$ 0350*$--0 (16%%-,&$(&$ (16%%-,&$-07$&&$ 1$*/$ 5$5, /,5, 7(9,$ 7,99(3$ 63&+,$ /*+(3,$ $%(--$& ! 8 8 # " " 8 8 ! 8 8 ! 8 8 8 8 8 8 $ 8 $ 8 " ! " $440',3,41045$530110%$4401(3*$3$/5,3(-$&0.1$3$%,-,5:'(-'$50 $-$&$5(*03,$/0/;$11-,&$%,-(,/26(450$(4( &,&$4,40/053011010&+,1(3)03/,3(45,.($)),'$%,-,(45$5,45,&+(40/045$5(5655$7,$,/&-64(/(-&$-&0-0'(--$.(',$53$$(4, .,'$5,/0/40/0',410/,%,-, 8,'$5,40/045$5,3,5,3$5,463,&+,(45$'(-$(4( 03'45 !(/(50 (*/0 /,50 6453$-,$ 6453,$ (-*,0 $/$'$ 03($ $/,.$3&$ ,/-$/',$ 3$/&,$ (3.$/,$ ,$110/( 3(&,$ 3-$/'$ 4-$/'$ 5$-,$ 644(.%63*0 (44,&0 037(*,$ 607$"(-$/'$ $(4,$44, 0-0/,$ 0350*$--0 (16%%-,&$(&$ (16%%-,&$-07$&&$ 1$*/$ 5$5, /,5, 7(9,$ 7,99(3$ 63&+,$ /*+(3,$ $%(--$' ! ! " ,, +/0$(' %% % 0$('$)+- $$,) --(+$ ($) +,(' ,- +' %%,.(% 9 9 ' 9 ' ' ' ' 9 ' ' ' 9 9 9 ' ' 9 ' ' + '-.% "%$ $!! + '0 ,.%%,%$ + '-.% "%$ $!! + '0 ,.%%,%$ ,-. '-$' %% &- &-$!+"%$ &- &-$!+"%$ ,-. '-$' %% ,.(% $'.$$ ,-. '-$ %% ,.(% $' ,-. '-$ %% ,.(% $' ,.(% $'.$$ $+$" '-$$#$+'( .$,$.,*. ,-(& -(( $+$" '-$$#$+'( .$,$.,*. ,-(& -(( $.,+ *. ,-( $.,+ *. ,-( *. %%$$,.(% $'.$ *. %%$$,.(% $'.$ & -(( & -(( '(',$., '(',$., .'""$( .'""$( ,, +/0$(' %% % 0$('$)+- % $+$" '- ,(%,-$(($$', "''-$(' ,) +$ '0 /$,$(' -+(%% "#$ %%)+("+&&0$(' %% % 0$('$ "%$,-+.& '-$$/%.-0$(' %% % 0$('$ % 9 % 9 % 9 % 9 % 9 % 9 % 9 % 9 + '-.% "%$ ,-. '-$' %% $!! + '0 ,.%%,%$ + '-.% "%$ $!! + '0 ,.%%,%$ &- &-$!+"%$ ,-. '-$' %% ,.(% $'.$$ &- &-$!+"%$ ,-. '-$ %% ,.(% $' ,.(% $'.$$ $+$" '-$ ,-. '-$ %% ,.(% $' $#$+'($ .$,$.,*. ,-(& -(( $+$" '-$$#$+'( .$,$.,*. ,-(& -(( *. %%$$,.(% $'.$ $.,+ *. ,-( .,+ *. ,-( *. %%$$,.(% $'.$ '(',$., & -(( & -(( '(',$., .'""$( .'""$( -$%$000$(' $+$,.%--$$)+(!$--( "%$ ,-. '-$' %% )+(/ (' %% / +$!$# + '-.% $,-. '-$' %% ,.(% $'.$$$+$" '-$!! +&'($/ +&('$-(+-(% )+-$# $( '-$$&- &-$' %%''()+ '- --+/ +,($, ". '-$& -($ %551(-4-52156%641221&%5512)4+%4%06-4).%'1/2%4%&-.-6;().(%61 %.%'%6)+14-%010<%22.-'%&-.)-037)561%)5) '-'%5-510164122121',-2)4*140-4)56-/)%**-(%&-.-)56%6-56-',)510156%6)6766%8-%-0'.75)0).'%.'1.1()..%/)(-%64%%)5- /-(%6-0105101(-5210-&-.- 9-(%6-510156%6-4-6-4%6-574-',-)56%().%)5) ")0)61 14(56 )+01!0-61 ,$ 7564%.-% 7564-% ).+-1 %0%(% )27&&.-'%)'% %0-/%4'% -0.%0(-% 4%0'-% )4/%0-% 4)'-% !0+,)4-% 5.%0(% 4.%0(% 6%.-% -%2210) 14)% 755)/&74+1 )55-'1 %)5-%55718%#).%0(% 148)+-% 1.10-% 1461+%..1 )27&&.-'%.18%''% 2%+0% 8):-% 8-::)4% 74',-% 6%6-!0-6- , %&)..% ('$-(+""$( %% )+-$# "%$$', "''-$$&- &-$ #$'++# !# !# " " " ! " " , , , , , , '-'2. .0&12 3120#+*# 3120*# '+(*. #-#&# .0'# #-*,#0%# *-+#-&*# 0#-%*# '0,#-*# *#//.-' 0'%*# 0+#-&# 1+#-&# 2#+*# 311',$30(. '11*%. .04'(*# 3.4#!'+#-&# #'1*#11* .+.-*# .02.(#++. '/'%# '/+.4#%%# /#(-# 2#2*-*2* 4'5*# 4*55'0# 30%)*# -()'0*# '(-.-*2. #11.&*0*1/.12#20.//.$#11./'0(#0#-2*0'+#%.,/#0#$*+*26&'+. !# !# " " ! " !# " , , , , $%(,,$ "&"+#")(++ "'""(&') (( '()"(') ' !(!($&%)&( " ' " &"+")(++ "'""( ') ((') ' !(!($&%)&( " )&( )&( )(( '()"( - ' 4231$,+$ 4231+$ (,)+/ $.$'$ /1($ $.+-$1&$ +.,$.'+$ 1$.&+$ (1-$.+$ +$00/.( 1(&+$ 1,$.'$ 2,$.'$ 3$,+$ 422(-%41)/ (22+&/ /15()+$ 4/5$"(,$.'$ $(2+$22+ /,/.+$ /13/)$,,/ (0(&$ (0,/5$&&$ 0$).$ 3$3+ .+3+ 5(7+$ 5+77(1$ 41&*+$ .)*(1+$ ()./ .+3/ - - - - - - - 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 !(.(3/ /1'23 $22/'+1+20/23$31/00/%$22/0(1)$1$.3+1(,$&/-0$1$%+,+38'(,'$3/ )!"(# $&# (, '()"(' # #"#" %)&( )"(#! "&#& " $)"(# "#)"$)"(# !(!($&)"(, '# #" " %)&( "&#& '(&)+#""+#" $)"( !(!( )"( &$$#&(# &"() *&"+ &') (( !(!( '$( " 6 6 6 6 6 6 $%(,,$ " %) (, &'#&'(( ')# &') ((') ' !(!($&%)&( " "!! ! "#! !#!"" !! ' ') ((') ' !(!($&%)&( " %) (, &'#&'(( ')# " %) (, &'#&'(( ')# )&( )&( )(( '()"( - - - - - - - - ' 4231$,+$ 4231+$ (,)+/ $.$'$ /1($ $.+-$1&$ (1-$.+$ +$00/.( +.,$.'+$ 1$.&+$ 1(&+$ 1,$.'$ 2,$.'$ 3$,+$ 422(-%41)/ (22+&/ /15()+$ 4/5$"(,$.'$ $(2+$22+ /,/.+$ /13/)$,,/ (04%%,+&$(&$ (04%%,+&$,/5$&&$ 0$).$ 3$3+ .+3+ 5(6+$ 5+66(1$ 41&*+$ .)*(1+$ !(.(3/ /1'23 ()./ .+3/ $2&$,$823$3$+.5(13+3$0(1&4+5$,/1+0/2+3+5+(,(5$3++.'+&$./&*(,(1+2/12('+'$33+&*('(,,$2&4/,$./.2/./0(1&(0+3(&/-(4.01/%,(-$)1$5( $22/ '+ 1+20/23$ 31/00/ %$22/ 0(1 )$1$.3+1( ,$ &/-0$1$%+,+37 '(, '$3/ )!"(# $&# (, '()"(' # #"#" %)&( "&#& )"(#! ""# $)"(# )"$)"(#' !(!($& # #" %)&( )"(, " "&#& '(&)+#" "+#" $)"( !(!( )"( &$$#&(# &"() *&"+ &') (( !(!( '$( " &"+(& &') (( %)&( "&#&%) %)&( ')$&#& #$'++# " %) (- "&'(&)(()& ')# &') ((') ' !(!($&%)&( " #)"(&+ ') ((') ' !(!($&%)&( " %) (- "&'(&)(()& ')# " %) (- "&'(&)(()& ')# )&( )&( )(( '()"( . ' 3120#+*# 3120*# '+(*. #-#&# .0'# . . . . . . . #-*,#0%# *-+#-&*# 0#-%*# '0,#-*# *#//.-' 0'%*# 0+#-&# 1+#-&# 2#+*# 311',$30(. '11*%. .04'(*# 3.4#"'+#-&# #'1*#11* .+.-*# .02.(#++. '/3$$+*%#'%# '/3$$+*%#+.4#%%# /#(-# 2#2* -*2* 4'5*# 4*55'0# 30%)*# -()'0*# '(-. -*2. !'-'2. .0&12 )!"(# $&# (- '()"(' # #"#" &"() *&", %)&( "&#& )"(#! ""# &') (( $)"(# )"$)"(#' !(!($& # #" %)&( !(!( )"(- " '$( "&#& " '(&),#" ",#" $)"( !(!( )"( &$$#&(# &",(& &') (( %)&( "&#& %) %)&( ')$&#& %&)..% "" ! ! 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 7564-% ' ' ' ' ).+-1 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 7564%.-% 9 %0%(% ' ' ' ' )27&&.-'%)'% ' ' ' ' %0-/%4'% ' ' ' -0.%0(-% % % % % 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 ' ' ' ' 4%0'-% )4/%0-% ' 4)'-% % % % % ' ' ' ' !0+,)4-% ' ' ' ' 5.%0(% % % % % ' ' ' ' 4.%0(% ' ' ' ' 6%.-% ' ' ' ' -%2210) ' ' ' ' 14)% 755)/&74+1 % % % % )55-'1 ' ' ' ' %)5-%55- % % % % 718%#).%0(% % % % % 148)+-% ' ' ' ' % % % % 1.10-% ' ' ' ' ' ' ' 1461+%..1 ' ' ' ' )27&&.-'%.18%''% % % % % 2%+0% 8):-% % % % % 8-::)4% ' ' ' ' 74',-% % % % % ' ' ' ' 6%6-!0-6- )+01!0-61 ")0)61 14(56 ' % % % % ' ' ' ' %.%'%6)+14-%010;%22.-'%&-.)-037)561%)5) '-'%5-510164122121',-2)4*140-4)56-/)%**-(%&-.-)56%6-56-',)510156%6)6766%8-%-0'.75)0).'%.'1.1()..%/)(-%64%%)5- /-(%6-0105101(-5210-&-.- 9-(%6-510156%6-4-6-4%6-574-',-)56%().%)5) # ! ! # ! 9 9 9 9 9 9 9 9 ! 9 9 # 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 ' ' ' ' ' ' ' ' ' 9 9 ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' ' '