Segregacion Escolas

ISSN: 1696-4713
REICE
Revista Iberoamericana sobre Calidad,
Eficacia y Cambio en Educación
Octubre 2020 – Volumen 18, número 4
https://doi.org/10.15366/reice2020.18.4
rinace.net/reice
revistas.uam.es/reice
Número monográfico: Segregación escolar

CONSEJO EDITORIAL
DIRECTOR
F. Javier Murillo
EDITORA
Cynthia Martínez-Garrido
CONSEJO DIRECTIVO
Elsa Castañeda, Instituto Iberoamericano de Primera Infancia, Colombia
Santiago Cueto, Grupo de Análisis para el Desarrollo (GRADE), Perú
Eduardo Fabara, Universidad Andina Simón Bolívar, Ecuador
Mariano Herrera, Universidad Nacional de Educación (UNAE), Ecuador
Margarita Zorrilla, Universidad Autónoma de Aguascalientes, México
CONSEJO CIENTÍFICO INTERNACIONAL

Lorin W. Anderson, Universidad de Carolina del Sur, USA
Bert Creemers, Universidad de Groningen, Países Bajos
Christopher Day, Universidad de Nottingham, Reino Unido
Andy Hargreaves, Boston College, USA
Kirsti Klette, Universidad de Oslo, Noruega
Leonidas E. Kyriakides, Universidad de Chipre, Chipre
Daniel Muijs, Universidad de Southampton, Reino Unido
Fernando Reimers, Universidad de Harvard, USA
David Reynolds, Universidad de Southampton, Reino Unido
Pam Sammons, Universidad de Oxford, Reino Unido
Jaap Scheerens, Universidad de Twente, Países Bajos
Louise Stoll, Universidad de Londres, Reino Unido
Hechuan Sun, Universidad Normal de Shenyang, China
Tony Tonwnsend, Universidad de Glasgow, Reino Unido
Mel West, Universidad de Manchester, Reino Unido
CONSEJO CIENTÍFICO IBEROAMERICANO

Félix Angulo Rasco, Universidad de Cádiz, España
Manuel E. Bello, Universidad Peruana Cayetano Heredia, Perú
Antonio Bolívar, Universidad de Granada, España
Nigel Brooke, Universidade Federal de Minas Gerais, Brasil
Isabel Cantón, Universidad de León, España
Rubén Cervini, Universidad de Quilmes, Argentina
Ricardo Cuenca, Instituto de Estudios Peruanos, Perú
Inés Dussel, CINVESTAV-IPV, México
Tabaré Fernández, Universidad de la República, Uruguay
Cecilia Fierro, Universidad Iberoamericana, México
Pablo Gentili, LPP-UERJ, Brasil
José F. Lukas, Universidad del País Vasco, España
Elena Martín, Universidad Autónoma de Madrid, España
Sergio Martinic, Pontificia Universidad Católica de Chile, Chile
Nacarid Rodríguez, Universidad Central de Venezuela, Venezuela
Guadalupe Ruiz, Universidad Autónoma de Aguascalientes, México
Juana Mª Sancho, Universidad de Barcelona, España
Sylvia Schmelkes del Valle, CINVESTAV, México
J. Francisco Soares, Universidade Federal de Minas Gerais, Brasil
Josu Solabarrieta, Universidad de Deusto, España
Rosa Mª Torres, Instituto Frónesis, Ecuador
Alexandre Ventura, Universidade de Aveiro, Portugal
ÍNDICE
SEGREGACIÓN ESCOLAR
Presentación: Segregación Escolar como Opresión 5

F. Javier Murillo y Cynthia Martínez-Garrido
¿Segregación Escolar por Nivel Socioeconómico o por Nivel de

Estudios de los Padres? 9
F. Javier Murillo y Raquel Graña
Modes of Grouping Students, Segregation and Educational

Inequalities. A Longitudinal Analysis of a Cohort of Students in 31
Switzerland
Samuel Charmillot y Georges Felouzisb
Segregação Escolar e Desigualdades Educacionais no Início da

Escolarização no Brasil
School Segregation and Education Inequalities at the Start of 57
Schooling in Brazil
Tiago Lisboa Bartholo, Mariane Campelo Koslinski, Felipe Macedo de Andrade y
Daniel Lopes de Castro
Entendiendo los Cambios en la Segregación Escolar. Un Análisis

en Base a Microdescomposiciones 97
Lucía Ramírez Leira y Emmanuel Vazquez
Longitudinal Study of Socioeconomic Segregation Between

Schools in the UK 123
Cynthia Martínez-Garrido, Nadia Siddiqui y Stephen Gorard
Evolución de la Segregación Socioeconómica en la Educación

Pública de Uruguay 143
Fiorella Ferrando, Melissa Hernández-Almeida, Cecilia Oreiro, María-Noé Seijas
y Joana Urraburu
Efectos Compañero en Contextos Escolares Altamente

Segregados 171
Natalia Krüger
Elección de Escuela, Movilidad y Segregación Escolar del

Alumnado Vulnerable en Barcelona 197
Xavier Bonal y Adrián Zancajo
La Incidencia del Programa Bilingüe en la Segregación Escolar
por Origen Socioeconómico en la Comunidad Autónoma de 219
Madrid: Evidencia a partir de PISA
Lucas Gortazar y Pere A. Taberner
Desigualdades Socioespaciales en la Educación Secundaria

Postobligatoria. El Caso de Madrid 241
Javier Rujas, Miriam Prieto y Jesús Rogero-García
Segregaciones Escolares y Desigualdad de Oportunidades

Educativas del Alumnado Extranjero en València 269
Borja de Madaria y Luis E. Vila
La Segregación Invisible: Prácticas Punitivas y de Ordenamiento

Académico en Escuelas Chilenas 301
Verónica López, Sebastián Ortiz, Claudio Allende, Juan Pablo Valenzuela y Luis
González
Preferencias de Elección de Escuela en Dos Casos de Alta

Segregación Escolar 325
Claudia Córdoba, Alonso Laborda y Claudia Reyes
La Segregación Escolar en América Latina. ¿Qué se Estudia y

Cómo se Investiga? 345
Sandra Carrillo
Segregación y Exclusión Escolar de la Primera Generación de

Alumnado de Origen Migrante: De la Integración a la 363
Desintegración
Mohamed Chamseddine
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, 2020, 18(4), 5-8.
Presentación:
Segregación Escolar como Opresión
School Segregation as Oppression

F. Javier Murillo *
Universidad Autónoma de Madrid, España
No seamos inocentes. La segregación no es un efecto colateral indeseado producto de

inocentes políticas educativas que solo buscan mejorar la calidad de la educación. La
segregación escolar es un acto consciente y deliberado de opresión –en el sentido de Iris
Marion Young (2011)– por el cual los grupos que ostentan el poder separan, excluyen y
marginan a colectivos minoritarios, impidiéndoles, de esta forma, recibir una enseñanza
de calidad. Sin esta concepción de segregación como ejercicio de poder, no estamos
captando la verdadera magnitud de la segregación escolar, ni seremos capaces de
comprenderla, ni podremos rearmarnos para luchar contra ella.
Extrapolando las palabras de Manuel Castells (1999), azarosamente en estos
momentos Ministro de Universidades del Gobierno de España, existe segregación
escolar en aquellas situaciones en las que la distribución de estudiantes en escuelas se
plantea no solo en términos de diferencia, sino en términos de jerarquía. O, más
claramente, la segregación escolar existe porque un grupo de estudiantes es
forzado, involuntariamente, a concentrarse en determinadas escuelas, en guetos.
Ello invita a pensar la segregación como una relación de poder entre segregadores y
segregados, entre opresores y oprimidos.
Este año que celebramos el medio siglo de la publicación de uno de los libros
sobre educación más importantes de la historia, y el más citado en la actualidad,
“Pedagogía del Oprimido” de Paulo Freire (1970), y a las puertas de conmemorar el
centenario del nacimiento del genial pensador brasileño, puede ser relevante retomar
la opresión en educación como concepto. Desde luego, en la actualidad, los oprimidos de
la educación son los niños, niñas y adolescentes recluidos en guetos por su situación de
pobreza, por haber nacido en otro país, por pertenecer al pueblo gitano o algún otro
grupo étnico-cultural minoritario, o por su discapacidad. Los opresores son los grupos
económicos y políticos que generan, favorecen y alientan la segregación, o que no
ponen los medios para compensar las desigualdades que se producen con esta
situación. Las administraciones públicas, educativas y económicas, son corresponsables
de esta situación; corresponsables por acción u omisión, por fomentarla o por no evitarla.
Los centros educativos segregados son lugares complejos. Las respuestas normativizadas
que reciben de las administraciones públicas están muy lejos de responder a
sus necesidades reales. La rígida burocracia muestra su peor versión al ser incapaz de
aportar una respuesta diferencial a las exigencias de estos centros. De esta forma, se
convierte en endémica la escasez de recursos y de profesionales de la educación que
soportan. Así, ratios que para centros no segregados pueden ser razonables se convierten
en*Contacto: javier.murillo@uam.es
insuficientes para
ISSN: 1696-4713
www.rinace.net/reice/
F. J. Murillo y C. Martínez-Garrido
dar respuesta a una población estudiantil que necesita apoyo diferencial que compense sus
carencias. Y lo mismo se puede decir de los profesionales especializados, en estos centros
su presencia es especialmente necesaria, y no siempre se cuenta con ellos. Las dinámicas
de aula en estos centros son distintas, en ocasiones el profesorado debe ocuparse de
enseñar rutinas básicas, haciendo que sea imposible abarcar un sobresaturado curriculum
que se muestra excesivamente alejado de la realidad de los alumnos. Los y las docentes se
ven sometidos a una fuerte presión por las familias, por las administraciones y por la
sociedad para obtener unos resultados académicos que, al no considerar el punto de
partida, es siempre injusta. Las direcciones escolares se enfrentan con múltiples retos,
como por ejemplo una plantilla muy inestable, que dificultan la construcción de una
cultura escolar de trabajo en equipo y apoyo mutuo y la puesta en marcha y el desarrollo
de innovaciones. Y, con todo eso, ni remotamente hemos arañado su compleja realidad.
Tenemos evidencias de que la segregación escolar está en estos momentos en unos niveles
inaceptables en muchos países. Y la situación no parece mejorar. Quizá porque se genera
por mecanismos más sutiles y difíciles de visibilizar y combatir, porque se viste de palabras
tales como libertad de elección o de autonomía escolar, o porque se remata con una falaz
igualdad de oportunidades, que acaba responsabilizando al estudiante del fracaso del
sistema. Al fin y al cabo, no lo olvidemos, la segregación escolar no es una anomalía del
sistema, es una realidad buscada deliberadamente para legitimar una sociedad injusta.
En la actualidad, el mecanismo más sutil, pero también más eficaz, para lograr esa
segregación es la aplicación de la lógica del capitalismo a la educación: la creación de cuasi-
mercados escolares. Recibir una educación de calidad ya no es un Derecho Humano que
las administraciones públicas deben garantizar para todos y cada uno de los y las
estudiantes. Ahora es un bien que se somete a las leyes del mercado, que se compra, se
vende y mercadea, eso sí, con dinero público. El Estado desaparece en el uso y la gestión
del dinero de todos y es sustituido por el mercado; o, mejor dicho, el Estado y su voraz
burocracia interviene solo para promover e incentivar lógicas de elección entre la oferta y
la demanda del sistema educativo. Y, como producto, concentraciones de los hijos de los
poderosos en unas escuelas y guetos escolares para los estudiantes más vulnerables.
Así, algunas de las necesidades de este cuasi-mercado escolar son, por ejemplo, contar con
una oferta variada: sin que los centros sean diferentes entre sí, difícilmente pueden
competir. Con ello no solo se fomenta la creación de centros educativos privados, laicos y
religiosos, sino que se apuesta por esta palabra que, por ser mágica, parece que no admite
críticas: la autonomía escolar. Con ella se justifica la creación de centros de excelencia, o
de centros bilingües que son claros mecanismos de segregación. Pero también hace falta
“liberad de elección”, que genera la desaparición de todo tipo de límites para que las
familias pueden elegir el centro más adecuado. Libertad falaz, dado que sólo los padres de
cierto nivel socioeconómico y cultural hacen uso de esa liberad. Es la libertad de la clase
media y alta contra la clase trabajadora. Eso sí, todo bien financiado con fondos públicos.
La segregación escolar es, hoy por hoy, el mecanismo más eficaz que tiene la sociedad de
legitimar las desigualdades sociales. Sin duda, si queremos una sociedad más justa e
inclusiva, acabar con la segregación ha de convertirse en la máxima prioridad ética.
***
Con el anterior discurso, queda sobradamente justificada la elección de la Segregación
escolar como tema del número monográfico 18(4) de REICE. Revista Iberoamericana sobre
6
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
Calidad, Eficacia y Cambio en Educación. A través de 15 artículos que suman 378 páginas,
39 investigadores e investigadoras de Argentina, Brasil, Chile, España, Perú, Reino
Unido, Suiza y Uruguay, y desde ámbitos tan variados como la Educación, la Sociología,
la Economía, la Antropología o la Psicología, realizan su particular aportación acerca de
la segregación escolar en sus contextos. Nos gusta verlo como una continuación del
esencial trabajo colectivo coordinado por Bonal y Bellei (2019). Así, en una equilibrada
combinación de saberes y experiencias, los y las mejores especialistas del tema se mezclan
con jóvenes promesas (que cada uno decida dónde situar las diferentes autorías)
construyendo, de esta forma, un número que solo podemos calificar de excelente.
Sin entrar en el análisis de cada uno de los artículos, tarea que se la dejamos al lector o
lectora, sí que queremos aportar algunas ideas globales que nos han ido sugiriendo en su
revisión. Frente a lo que ocurre en los libros, en este número no hay una planificación a
priori de temas o equipos que lo conforman, su selección se debe exclusivamente a la
calidad de las propuestas presentadas en opinión de las personas expertas que han
valorado los originales. Con ello, no es muy arriesgado afirmar que supone una
panorámica de lo que se está investigando en la actualidad sobre esta temática en América
Latina y España, y una cata de lo que se trabaja en otros países de Europa, sin más sesgo
que la calidad de las aportaciones. Cinco ideas podemos extraer de su lectura.
En primer lugar, encontramos que nueve de los 15 artículos se entran en la segregación
escolar por nivel socioeconómico. Las seis excepciones son, en primer término, los trabajos
que incluyen en su análisis la segregación escolar por origen nacional en dos ciudades
españolas (Barcelona y València, desarrollados por Xavier Bonal y Adrián Zancajo y por
Borja de Madaria y Luis E. Vila, respectivamente). También el artículo teórico de
Mohamed Chamseddine que se ocupa y preocupa de este mismo tipo de segregación. F.
Javier Murillo y Raquel Graña, por su parte, analizan si es más adecuado analizar la
segregación escolar por nivel socioeconómico o por nivel de estudios de los padres
(¿respuesta?, leer el artículo). Javier Rujas, Miriam Prieto y Jesús Rogero-García estudian
las desigualdades socioespaciales en la ciudad de Madrid mediante el análisis de la
distribución de la oferta de educación secundaria postobligatoria. Y, por último, Verónica
López, Sebastián Ortiz, Claudio Allende, Juan Pablo Valenzuela y Luis González, desde
Chile, abordan la agrupación por habilidad u ordenamiento académico dentro de las
escuelas. Con toda probabilidad, este predominio en el estudio de la segregación escolar
por nivel socioeconómico y cultural no es más que una muestra de la preocupación que se
da en todos los países por las desafiantes situaciones en las que se encuentran en este tema.
Las diferentes aportaciones combinan una mirada más global de la segregación escolar en
un país (Chile, Reino Unido, Suiza y Uruguay) o en varios de América Latina (el artículo
de Natalia Krüger), con el estudio en profundidad en una ciudad concreta (Barcelona,
Madrid, Rio de Janeiro y València) o una Región (Comunidad de Madrid). Sin el olvidar
el trabajo de carácter cualitativo de Claudia Córdoba, Alonso Laborda y Claudia Reyes,
centrado en el estudio en profundidad de dos escuelas chilenas de alta segregación. Sandra
Carrillo, por su parte, hace una revisión de la publicado sobre este tema en América Latina.
Otro elemento que llama la atención es el uso de la metodología longitudinal por una
buena parte de los estudios, bien sea para analizar la evolución de la segregación o como
estrategia metodológica para conseguir otro objetivo. Así, por ejemplo, Cynthia Martínez-
Garrido, Nadia Siddiqui y Stephen Gorard analizan la evolución de la segregación en los
países del Reino Unido; algo análogo para Uruguay, con sus propias particularidades, es
7
F. J. Murillo y C. Martínez-Garrido
hecho tanto por un equipo del Instituto Nacional de Evaluación Educativa de Uruguay
(Fiorella Ferrando, Melissa Hernández-Almeida, Cecilia Oreiro, María-Noé Seijas y Joana
Urraburu) como por Lucía Ramírez Leira y Emmanuel Vazquez. Con la segunda de las
aproximaciones en el enfoque longitudinal, Samuel Charmillot y Georges Felouzisb, de la
Universidad de Ginebra, analizan la incidencia en la elección escolar tras asistir a escuelas
con sistemas más segmentados o integrados; Tiago L. Bartholo, Mariane C. Koslinski,
Felipe M. de Andrade y Daniel L. de Castro identifican el efecto de la composición de los
estudiantes en el aprendizaje en Río de Janeiro; y Lucas Gortazar y Pere A. Taberner, por
su parte, determinan la influencia del debatido programa de bilingüismo en la segregación
y en el rendimiento de los estudiantes en la Comunidad de Madrid.
Un cuarto elemento es la gran variabilidad de índices utilizados para medir la segregación
escolar. Así, detectamos el uso de los índices de Disimilitud, de Segregación de Gorard,
de Aislamiento, de Raíz Cuadrada o de Inclusión Social. Este hecho puede ser interpretado
de dos formas: bien como una limitación que dificulta un mayor intercambio entre los
equipos de investigación y que no ayuda a transmitir a las autoridades y a la sociedad una
imagen clara de la situación que ayude a la toma decisiones, bien como una característica
más de la riqueza de la investigación de la que solo podamos congratularnos. Cada quien
que se posicione, ni nosotros estamos de acuerdo en cuál es la opción correcta.
Por último, queremos señalar que el uso de bases de datos de evaluaciones nacionales o
internacionales es, hoy por hoy, esencial para la realización trabajos sobre segregación.
Así, los distintos artículos utilizan los datos liberados de la evaluación internacional PISA,
o de diferentes evaluaciones nacionales como SABER en Colombia, Aristas en Uruguay o
SIMCE en Chile. Solo en los casos con miradas específicas a zonas muy limitadas se usan
otras fuentes de información. La liberación de los datos de evaluaciones nacionales supone
un impulso fundamental para el conocimiento de la segregación escolar, así como para el
desarrollo de la investigación educativa. Debería ser, por tanto, una obligación por parte
de las administraciones.
Acabado y publicado este número monográfico, ahora queda la valoración de la comunidad
científica. Por nuestra parte, como sus impulsores, si con él hemos contribuido a difundir
los conocimientos que se poseen, a mejorar posteriores investigaciones, a situar la
segregación como una prioridad en las agendas políticas o a ayudar a una toma de
decisiones informada que contribuya a luchar contra esta lacra, estamos más que
satisfechos. Feliz lectura.
Referencias
Bonal, X. y Bellei, C. (Eds.). (2018). Understanding school segregation: patterns, causes and consequences
of spatial inequalities in education. Bloomsbury Publishing.
https://doi.org/10.5040/9781350033542
Castells, M. (1999). La cuestión urbana. Siglo XXI.
Freire, P. (1979). Pedagogía del oprimido. Siglo XXI.
Lupton, R. (2005). Social justice and school improvement: Improving the quality of schooling in
the poorest neighbourhoods. British Educational Research Journal, 31(5), 589-604.
https://doi.org/10.1080/01411920500240759
Young, I. M. (2011). Justice and the politics of difference. Princeton University Press.
8
https://doi.org/10.15366/reice2020.18.4.001
¿Segregación Escolar por Nivel Socioeconómico o por

Nivel de Estudios de los Padres?
School Segregation by Socioeconomic Status or by Parental

Education?
F. Javier Murillo *
Raquel Graña
Universidad Autónoma de Madrid, España
Con esta investigación se pretende determinar si es más adecuado considerar la

segregación escolar por nivel socioeconómico de las familias o por nivel de estudios
de los padres, en términos de cuál alcanza valores más altos y cuál tiene una mayor
relación con el rendimiento estudiantil. Para ello, se realiza una explotación especial
de la base de datos de la prueba de evaluación colombiana SABER 2016, de carácter
censal. Se analizan 646.413 estudiantes de 5º grado escolarizados en 14.630 escuelas
de Colombia. En primer lugar, se estima el Índice de Segregación de Gorard y el
Índice de Raíz Cuadrada de Hutchens para nueve grupos según el nivel de estudios
de los padres y otros, con tamaño equivalente, según la segregación por nivel
socioeconómico. En segundo término, se estiman modelos multinivel de dos niveles
(escuela y estudiantes). Los resultados muestran, por un lado, que para todos los
grupos minoritarios y en ambos índices, la segregación escolar por nivel
socioeconómico es mayor que segregación por estudios de los padres. Y, por otro,
que, aunque ambas consideraciones de segregación afectan al rendimiento, la
segregación por nivel socioeconómico muestra una relación mayor. De esta forma se
concluye que, tal y como se venía haciendo, es correcto estimar la segregación por
nivel socioeconómico, más que por nivel de estudios de los padres.
Descriptores: Segregación escolar; Nivel socioeconómico; Nivel de estudios de los
padres; Rendimiento académico; Educación primaria.
This research aims to determine whether it is more appropriate to consider school

segregation by socioeconomic status of families or by parents' educational level, both
in terms of which is higher, and which has a greater relationship with student
performance. We did a special exploitation of the census nature database of the
Colombian evaluation test SABER 2016. A total of 646,413 5th grade students
enrolled in 14,630 schools are analyzed. First, the Gorard Segregation Index and the
Hutchens Square Root Index are estimated for nine groups according to the level of
education of the parents and others, with equivalent size, according to segregation
by socioeconomic level. Second, multilevel models of two levels (school and students)
are estimated. On the one hand, the results show that for all minority groups and in
both indices, school segregation by socioeconomic level is greater than segregation
by parent’s educational level. And, on the other hand, that, although both
segregation considerations affect student performance, segregation by
socioeconomic level shows a greater relationship. In this way, it is concluded that it
is correct to estimate segregation by socioeconomic level at is has been done, rather
than by parents' educational level.
Keywords: School segregation; Socioeconomic status; Parental educational level;
Educational achievement; Primary education.
*Contacto: javier.murillo@uam.es Recibido: 3 de marzo 2020

1ª Evaluación: 27 de junio 2020
ISSN: 1696-4713 2ª Evaluación: 15 de agosto 2020
www.rinace.net/reice/ Aceptado: 29 de agosto 2020
F. J. Murillo y R. Graña
1. Introducción
Hace casi dos décadas, Gorard y Taylor (2002) afirmaron que existe en la literatura
especializada una multiplicidad de interpretaciones sobre el término “segregación”.
Pasado ese tiempo, la situación no ha cambiado en lo esencial: no se cuenta con una
definición clara, operativa y consensuada sobre que es segregación ni, por supuesto, cómo
estimar su magnitud. Las consecuencias de este hecho son mucho más devastadoras de lo
que puede derivarse de un simple debate académico; implican la dificultad de poder
denunciar con rotundidad un hecho que trae implicaciones directas en la equidad de la
educación y en la construcción de una sociedad más justa y sin exclusiones.
Efectivamente, a la falta de una definición consensuada del término “segregación escolar”
se suma la multiplicidad de índices para medirla, las diferentes variables criterios que se
usan para los distintos tipos de segregación o la conformación de los grupos minoritarios.
Este hecho hace que sea muy complicado comparar las diferentes investigaciones para
estudiar los avances en la segregación, pero sobre todo complejiza enormemente la
comunicación a la sociedad y a las personas que asumen responsabilidades políticas en
educación. De esta forma, desde la investigación no se facilita en la manera que sería
deseable el diseño de políticas públicas para luchar contra esta lacra social y educativa.
En una pasada investigación, buscando mejorar los aspectos metodológicos de la
investigación sobre segregación escolar, se abordó el tema de la elección del grupo
minoritario para los casos en los que la variable criterios fuera dependiente y hubiera que
dicotomizarla (Murillo y Martinez-Garrido, 2019). Entonces se propuso la estimación de
un “perfil de segregación escolar” como una forma de comprender mejor la segregación y
ayudar a la toma de decisiones política.
Este trabajo aborda otro elemento metodológico y se centra en contestar de la siguiente
pregunta de investigación: ¿es más adecuado estimar la segregación escolar por nivel
socioeconómico de la familia o por nivel de estudios de los padres? Su justificación recae
en que existe poca investigación sobre segregación escolar con el nivel de estudios del
padre y de la madre como variable criterio, pero, como luego se verá, esta variable tiene
una fuerte influencia sobre el aprendizaje de los estudiantes, más que el nivel de ingresos
de los padres.
2. Revisión de la literatura
Efectivamente, la estimación de la magnitud de la segregación escolar conlleva tener que
tomar una serie de decisiones de carácter técnico y metodológico que puede hacer que los
resultados sean completamente diferentes por un camino u otro. Así, hay que plantearse,
al menos, cinco decisiones: 1) qué definición de segregación se opta, 2) qué tipo de
segregación, 3) con qué variable criterio, 4) qué índice se usa, y 5) qué grupo minoritario
se elige para su estimación. En esta investigación se aborda directamente la segunda
decisión y, con ello, la tercera: qué tipo de segregación y qué variable criterio.
Sin entrar en detalles, es posible hablar de que hay tres grandes concepciones de
segregación escolar. En primer lugar, estaría la segregación escolar como la distribución
desigual de estudiantes en las escuelas en función de sus características personales o
sociales o de sus condiciones. Esta definición se corresponde a la dimensión de uniformidad
de Massey y Denton (1988). A pesar de su aparente sencillez, puede ser operativizada de
10
distintas maneras. Así, por ejemplo, se entiende como la proporción de estudiantes que
tendrían que cambiar de escuela para que existiera una distribución uniforme de
desventaja entre las escuelas dentro del área de análisis; que sería lo que mide el Índice de
Didimilitud (ID). Pero también: la diferencia entre la proporción de un grupo minoritario
en una institución y la proporción de todos los miembros del grupo en la misma
institución, que se correspondería al Índice de Segregación de Gorard (ISG). O también
la segregación escolar entendida como la distancia entre la media geométrica de las
participaciones de estudiantes de distinto grupo minoritario en ausencia de la segregación
y de la media geométrica de las participaciones reales (el alejamiento de cada escuela de la
igualdad distributiva), que es lo que identifica el Índice de Raíz Cuadrada de Hutchens
(IH).
Otra concepción diferente de segregación es la que hace referencia al grado de
aislamiento/exposición de un sujeto respecto a su grupo minoritario. O, en palabras de
Croxford y Raffe (2013, p. 178), “el grado en el que los miembros de un grupo minoritario
están expuestos sólo entre sí y, por lo tanto, aislados de los miembros de su grupo
complementario”. Es lo que mide el Índice de Aislamiento (IA) y se corresponde con la
dimensión de exposición de Massey y Denton (1988).
Por último, sería posible considerar la segregación como “la situación de homogeneidad
social intra-escolar y de heterogeneidad social inter-escolar” (Benito y González-Baetbó,
2007, p. 41). Es decir, el porcentaje de varianza de desigualdad inter escolar respecto al
total, que es lo que estima el Índice de Inclusión Social (ISS) (Murillo, 2016; OECD, 2010).
Ante tanta variedad, es muy habitual que los diferentes trabajos, más que optar por una
definición y un índice, ofrezcan diferentes estimaciones. Ello le dota a los trabajos de
mayor coherencia interna, pero no contribuye a cerrar el debate y decantarse por una
alternativa.
Sea como fuere, en todas estas definiciones se habla de “grupo minoritario” conformado
por sus “características sociales o personales”. Según cual sean esas características, se
estará hablando de un tipo u otro de segregación escolar. De esta forma es posible
distinguir, en primer lugar, la segregación escolar por origen étnico. Como es conocido,
las primeras investigaciones realizadas sobre segregación escolar surgen en Estados
Unidos, tras el fallo que la Corte Suprema que declara inconstitucionales las leyes estatales
que establecían escuelas públicas separadas para estudiantes “negros” y “blancos” en el
llamado caso Brown contra el Consejo de Educación de Topeka (Coleman, 1975). De esta
forma, los primeros pasos en la investigación sobre segregación escolar giraron en torno
a la segregación racial, antes centrada en la segregación de afrodescendientes y,
actualmente, en la segregación de otras minorías, como las personas procedentes de
Latinoamérica (p. ej. Fiel y Zhang, 2018; Fuller et al., 2019; Santiago, 2019).
En Europa la preocupación original procedió de la concentración de estudiantes de origen
extranjero en determinados centros educativos, es la llamada segregación escolar por
origen nacional (Bonal, Zancajo y Scandurra, 2019; Karsten, 2010; Murillo, Martínez-
Garrido y Belavi, 2017; Nordin, 2013). Aunque con un desarrollo más tardío, existe una
especial preocupación por la segregación escolar en función del nivel socioeconómico de
las familias. Uno de los trabajos pioneros sobre esta temática es The Truly Disadvantaged
de William J. Wilson (1987) que estudia las desventajas de la concentración en escuelas
de las familias de clases sociales más desfavorecidas. Desde entonces se han desarrollado
en todo el mundo numerosos trabajos que abordan este tipo de segregación (p. ej., Gorard
11
y Siddiqui, 2018; Janmaat, 2020; Krüger, 2019; Murillo y Martínez-Garrido, 2018;

Murillo, Duk y Martínez-Garrido, 2018; OECD, 2019; Zhou, Cai y Wang, 2016).
Menos son las investigaciones que han considerado el nivel de estudios del padre y de la
madre para estimar la segregación escolar. Entre ellos, destacan los trabajos sobre la
segregación escolar en Suecia, un país con una fuerte preocupación por la equidad de sus
escuelas. Así es posible encontrar los estudios de Böhlmark, Holmlund y Lindahl (2016),
Yang Hansen y Gustafsson (2016a), de Kornhall y Bender (2019) o de Ortiz y Dehon
(2008), por poner algunos ejemplos. Pero también han usado este enfoque estudios que
analizan la segregación escolar en Países Bajos (Gramberg, 1998), en Grecia (Maloutas et
al., 2013), en Brasil (Bartholo, 2013), en Rusia (Ivaniushina, Makles, Schneider y
Alexandrov, 2019), en Paquistán (Siddiqui, 2017), o en España (Benito y González-Baetbó,
2007; Mancebón-Torrubia y Pérez-Ximénez, 2010), por poner algunos ejemplos.
La opción de usar el nivel de estudio de los progenitores como variable criterio para la
consideración de segregación escolar está más que justificada. El nivel de estudios del
padre y de la madre forma parte de lo que Bourdieu (1973) denominó “capital cultural”
con una clara incidencia en la reproducción social (Davies y Rizk, 2018). Así, está
largamente demostrada su fuerte incidencia en el rendimiento académico de los
estudiantes (p. ej., Bodovski, 2010; Brese y Mirazchiyski, 2013; Davis-Kean, 2005;
Desforges y Abouchaar, 2003; Erola, Jalonen y Lehti, 2016; Gorard y See, 2013; Hansen
y Gustafsson, 2016; Fajardo Bullón et al., 2017; Murillo y Román, 2011, Mullis y Jenkins,
1990; Silles, 2011; Sirin, 2005; White, 1982). Esta incidencia del nivel de estudios de los
padres sobre el rendimiento se explica por sus creencias, valores, expectativas, actitudes
y comportamientos (Gustafsson, Yang Hansen y Rosén, 2013). Así los padres con mayor
formación tendrían expectativas más altas, a la vez que adaptarían sus expectativas al
rendimiento de sus hijos; también en estos hogares el clima en el hogar sería más positivo
y dirigido a lo académico. Los padres con menores estudios, por su parte, tendrían unas
expectativas más bajas o poco realistas.
Pocos trabajos han estimado de forma simultánea la segregación escolar por nivel
socioeconómico y por nivel de estudios que permita comparar ambos resultados.
Mancebón-Torrubia y Pérez-Ximénez (2010), para comenzar, realizan un estudio para
medir la segregación escolar en España y sus Comunidades Autónomas en función de la
titularidad de centro y cómo la segregación se relaciona con el rendimiento de los y las
estudiantes. Los autores, usando los datos de PISA-2006, estiman la magnitud de la
segregación de escolar en España mediante el Índice de Disimilitud para cinco variables
criterio: nivel de estudios de los padres, tipo de trabajo de los padres, status de
inmigración, ocupación de los padres y nivel socioeconómico y cultural. Los resultados
muestran que se da una mayor segregación por origen nacional, a continuación, se
encontraría la segregación por tipo de trabajo de los padres, después con nivel
socioeconómico y cultural, seguido de estudios de los padres y, el menor, por su ocupación
profesional. Aunque con diferencias según si el centro es público o privado. Estos
resultados son análogos a los hallados por Benito y González-Baetbó (2007) que,
analizando diversos municipios de Cataluña, encontraron que la segregación escolar por
origen nacional era superior a la segregación escolar por estudios de los padres, aunque
con diferencias entre municipios.
Resultados similares fueron hallados por Yang Hansen y Gustafsson (2016a) en un estudio
sobre la evolución en la segregación escolar y elección de centro en diferentes tipos de
12
municipios, entre 1998 y 2011, en Suecia. Los autores exploran los cambios que se han
producido entre las escuelas con respecto a la educación de los padres y las madres, los
antecedentes de migración y el rendimiento en diferentes municipios a lo largo del tiempo.
Encuentran, en primer lugar, que el aumento de la elección de las escuelas se asocia con
una mayor segregación escolar con respecto al nivel de educación de los padres. Sin
embargo, existe un mayor aumento de la segregación escolar por origen nacional. Este
trabajo se complementa con el de Böhlmark, Holmlund y Lindahl (2016), también en
Suecia. Sus hallazgos apuntan a que la mayor segregación escolar se da por origen
nacional, seguida por la segregación escolar por nivel de estudios de los padres y, por
último, la segregación por nivel de ingreso de los padres de los estudiantes.
Un último ejemplo lo aporta Bartholo (2014), quien analiza la movilidad de estudiantes
dentro de la red de escuelas públicas de Río de Janeiro y su relación con la segregación
escolar tanto por nivel socioeconómico, antecedentes étnicos como por la educación de
madres y padres. Los resultados apuntan a que la segregación escolar por nivel de estudios
de las familias, medido con el Índice de Segregación de Gorard, presenta valores más altos
que la segregación por nivel socioeconómico. Así, para estudiantes de quinto curso del año
2009 estima que la segregación según el nivel de estudios de las familias es de un 0,24,
mientras que índice de segregación escolar por nivel socioeconómico, en el mismo curso
y año, es del 0,19.
En esta investigación se pretende determinar qué tipo de segregación escolar es más
adecuada para conocer la situación de inequidad de los sistemas educativos, si por nivel
socioeconómico de las familias o por nivel de estudios de los padres. Para ello se alcanzar
dos objetivos: en primer lugar, determinar la magnitud de la segregación escolar por nivel
educativo de las familias y por nivel socioeconómico de las mismas para conocer cuál
alcanza valores más altos y, por otro lado, estimar cuál de los dos tipos de segregación
escolar incide más en el rendimiento de los estudiantes.
3. Método
Para dar respuesta a los objetivos se ha desarrollado una explotación especial de la base
de datos de SABER 2016, correspondiente a la evaluación de estudiantes colombianos de
5ª grado. Se optó por utilizar estos datos por varias razones: por ser datos censales, lo que
evita sesgos generados por el uso de muestras, por aportar información diferenciada sobre
el estatus socioeconómico (ESE) –a partir de las posesiones, los ingresos y las ocupaciones
de los padres– y el nivel de estudios del padre y el de la madre, con lo que es posible hacer
esa diferenciación, y, por último, por tener datos sobre el rendimiento de estudiantes, lo
que permite alcanzar el segundo de los objetivos.
La prueba SABER, diseñada por el Instituto Colombiano para la Evaluación de la
Educación, es una prueba para valorar el desarrollo de competencias básicas en los
estudiantes de Educación Básica de 3º, 5º y 9º curso, a través de cuatro pruebas –Lenguaje,
Ciencias Sociales, Ciencias Naturales y Matemáticas– y un cuestionario de contexto que
los estudiantes deben responder. La muestra de estudio la conforman 646.413 estudiantes
de 5º grado matriculados en 14.630 escuelas de los 32 departamentos en los que se
organiza Colombia y el Distrito Capital de Bogotá.
Para alcanzar el primer objetivo, determinar la magnitud de la segregación escolar por
nivel educativo de las familias y por nivel socioeconómico de las mismas, se estiman
13
mediante el Índice de Segregación de Gorard (ISG) y el Índice de Raíz Cuadrada de

Hutchens (IH). La razón de usar el primero es que frente a otros como el de Disimilitud,
del que procede, es que no se ve afectado por el tamaño del grupo minoritario (Gorard y
Taylor, 2002), además de haberse convertido en los últimos años en la opción más habitual
por los investigadores. La razón de elegir el Índice de Raíz Cuadrada de Hutchens
(Hutchens, 2001, 2004) recae en que, frente a otros índices como el de Disimilitud, de
Aislamiento, de Brecha por Centiles o de Inclusión Socioeconómica (Murillo, 2016) –por
citar los más populares–, es el único que tiene la propiedad de descomposición aditiva de
sus elementos. De tal forma que es posible determinar la segregación de cada escuela
individual, siendo el único que puede usarse, por tanto, para alcanzar el segundo objetivo.
Para tener una imagen lo más completa posible se ha optado por estimar la segregación
con ambos índices para nueve grupos minoritarios: ni el padre ni la madre tienen estudios
completos de primaria (e1), el padre no tiene estudios completos de primaria (e2), la madre
no tiene estudios completos de primaria (e3), ambos progenitores tienen estudios de
primaria o menos (e4), el padre tiene estudios de primaria o menos (e5) y la madre tiene
estudios completos de primaria o menos (e6), la madre tiene estudios universitarios (e7),
el padre tiene estudios universitarios (e8) y ambos progenitores los tienen (e9). Y, para
contrastar con la magnitud de la segregación por nivel socioeconómico sin que influya el
tamaño del grupo minoritario, se ha estimado con nueve grupos minoritarios del mismo
tamaño que los antes mostrados. Así se ha calculado la segregación para el 10,64% de los
estudiantes de familias con menor nivel socioeconómico (c1, P10,64), el 16,35% (c2,
P16,35), el 20,28% (c3, P20,28), el 25,19% (c4, P25,19), el 32,19% (c5, P32,19) y el 37,18%
(c6, P37,18), y el 13,30% de los estudiantes de familias con mayor nivel socioeconómico
(c7, P86,7), el 12,10% (c8, P87,93) y el 7,76% (c9, P92,24).
Para responder al segundo objetivo, estimar cuál de los dos tipos de segregación incide
más en el rendimiento de los y las estudiantes, se han calculado Modelos Multinivel de
dos niveles (escuela y estudiante), con las siguientes variables:
• Variables dependientes: Rendimiento en Lengua y rendimiento en Matemáticas.
Ambas fueron re-escaladas para esta investigación, de tal forma que la media es
de 500 y la desviación típica de 100.
• Variable de ajuste: Nivel socioeconómico de la familia del estudiante. Variable
estimada por el ICFES a partir de un conjunto de variables relativas a las
posesiones familias, los ingresos y el trabajo del padre y la madre Variable
tipificada en origen.
• Variables explicativas: Magnitud de la segregación de cada escuela por nivel de
estudios de los padres y por nivel socioeconómico estimado a través del índice de
Raíz Cuadrada de Hutchens, con los 18 grupos minoritarios antes descritos (nueve
para la segregación por nivel educativo y otros tantos para la segregación por
nivel socioeconómico).
Para estimar la relación entre rendimiento en cada una de las dos áreas (lengua y
matemática) y las diferentes consideraciones de segregación, controlando las variables que
pueden incidir en la relación se utilizaron Modelos Multinivel de dos niveles: escuela y
estudiante. El proceso de modelado multinivel y para cada uno de los rendimientos, es el
siguiente:
14
Modelo 1, sólo con las variables de ajuste:

𝑅𝑅𝑒𝑒𝑒𝑒𝑒𝑒𝑖𝑖𝑖𝑖 = 𝛽𝛽0𝑗𝑗 + 𝛽𝛽1𝑗𝑗 𝑆𝑆𝑆𝑆𝑆𝑆𝑖𝑖𝑖𝑖 + 𝜀𝜀𝑖𝑖𝑖𝑖
2
donde 𝛽𝛽0𝑗𝑗 = 𝛽𝛽0 + 𝜇𝜇0𝑗𝑗 𝜇𝜇0𝑗𝑗𝑗𝑗 ~𝑁𝑁�0, 𝜎𝜎𝜇𝜇0 � 𝜀𝜀𝑖𝑖𝑖𝑖𝑖𝑖 ~𝑁𝑁(0, 𝜎𝜎𝜀𝜀2 )
Donde, para cada estudiante “i” y escuela “j”, 𝛽𝛽0 representa la puntuación media del
rendimiento en cada una de las dos áreas estudiadas, 𝛽𝛽1𝑗𝑗 es la pendiente de la variable de
control, y 𝛽𝛽2𝑗𝑗 es la pendiente de las 18 variables de segregación. 𝜇𝜇0𝑗𝑗 es el error asociado
a cada escuela y 𝜀𝜀𝑖𝑖𝑖𝑖 es el error asociado cada estudiante.
Modelo 2, añadiendo individualmente cada una de las 18 variables explicativas (Seg_k) al
modelo de ajuste (modelo 1):
𝑅𝑅𝑒𝑒𝑒𝑒𝑒𝑒𝑖𝑖𝑖𝑖 = 𝛽𝛽0𝑗𝑗 + 𝛽𝛽1𝑗𝑗 𝑆𝑆𝑆𝑆𝑆𝑆𝑖𝑖𝑖𝑖 + 𝛽𝛽2 𝑆𝑆𝑆𝑆𝑆𝑆_𝑘𝑘𝑗𝑗 + 𝜀𝜀𝑖𝑖𝑖𝑖
2
Modelo 3, final, con todas las variables de forma simultánea.
𝑅𝑅𝑒𝑒𝑒𝑒𝑒𝑒𝑖𝑖𝑖𝑖 = 𝛽𝛽0𝑗𝑗 + 𝛽𝛽1𝑗𝑗 𝑆𝑆𝑆𝑆𝑆𝑆𝑖𝑖𝑖𝑖 + 𝛽𝛽2 𝑆𝑆𝑆𝑆𝑆𝑆_1𝑗𝑗 + 𝛽𝛽3 𝑆𝑆𝑆𝑆𝑆𝑆_2𝑗𝑗 + ⋯ + 𝛽𝛽k+1 𝑆𝑆𝑆𝑆𝑆𝑆_𝑘𝑘𝑗𝑗 + 𝜀𝜀𝑖𝑖𝑖𝑖
2
Para determinar el peso de la influencia de la segregación escolar por nivel socioeconómico
para cada uno de los grupos minoritarios y compararlo con el peso de la incidencia del ISE
se estima el porcentaje de varianza del rendimiento en el nivel escuela explicada por cada
una de las variables explicativas, y el total, y cada uno de los tres rendimientos analizados.
4. Resultados
De acuerdo con los objetivos planteados, se presentan los resultados en dos bloques, en
primer lugar, se aborda la estimación de la magnitud por nivel socioeconómico y por nivel
de estudios de los padres para conocer cuál de esos tipos genera una mayor segregación
y, en segundo término, se analiza cuál de los dos tipos incide más en el rendimiento
académico del estudiante.
4.1. ¿Qué genera mayor segregación escolar?
El primero de los objetivos es determinar qué tipo de segregación escolar, por nivel
educativo de los padres o por su nivel socioeconómico, genera una mayor segregación.
Para ello, se recuerda, se estima la segregación para nueve grupos minoritarios respecto
al nivel educativo del padre y de la madre y se compara con otros tantos grupos del mismo
tamaño, pero relativos al nivel socioeconómico de las familias. Se calcula tanto para el
Índice de Segregación de Gorard, el más habitual, como para el Índice de Raíz Cuadrada
de Hutchens.
Los resultados obtenidos de la estimación del Índice de Segregación de Gorard son bien
nítidos (cuadro 1): la segregación escolar por nivel socioeconómico es más alta en todos y
cada uno de los grupos minoritarios que la segregación escolar por nivel de estudios de
los progenitores. Efectivamente, la segregación escolar considerando como grupo
minoritario que ninguno de ambos progenitores tenga estudios completos de primaria es
de 0,42. Dado que el 10,64% de estudiantes están en esa situación se estima la segregación
15
escolar por nivel socioeconómico para el grupo minoritario del 10,64% de estudiantes de
familias con menos estatus socioeconómico (ESE). En este caso, el resultado es de 0,55,
considerablemente mayor respecto al nivel de estudios de los progenitores. Este mismo
cálculo se repitió para cada uno de los 8 grupos minoritarios restantes y en todos los casos
la segregación por nivel socioeconómico fue más alta. La distancia mayor es con el padre
con estudios completos de primaria (16,35% de los estudiantes) con 0,14 puntos de
diferencia (0,45 y 0,31), y la menor con ambos padres con la primaria completa o menos,
con 0,07 puntos de diferencia (0,41 y 0,34).
Cuadro 1. Magnitud de la segregación escolar por estudios de los padres y por nivel
socioeconómico para seis grupos minoritarios equivalentes. Índice de Segregación de
Gorard (ISG)
SEGREGACIÓN
SEGREGACIÓN POR NIVEL DE ESTUDIOS ISG ISG
SOCIOECONÓMICA
Padre y madre sin estudios completos de Primaria 0,4189 P10,64 0,5526
Padre sin estudios completos de Primaria 0,3135 P16,35 0,4524
Madre sin estudios completos de Primaria 0,3242 P20,28 0,4259
Padre y madre hasta Primaria o menos 0,3429 P25,19 0,4103
Padre con Primaria o menos 0,3247 P32,10 0,4028
Madre hasta Primaria o menos 0,3551 P37,18 0,4024
Madre estudios universitarios acabados 0,4597 P86,70 0,5539
Padre estudios universitarios acabados 0,4529 P87,93 0,5709
Madre y padre con estudios universitarios acabados 0,5658 P92,25 0,6417
Fuente: Elaboración propia a partir de datos de SABER 2016.
Como parece razonable, los resultados son análogos si se estima la magnitud de la

segregación escolar con el índice de Raíz Cuadrada: para todos los casos la segregación
socioeconómica es mayor que la segregación por estudios de los progenitores (cuadro 2).
Cuadro 2. Magnitud de la segregación escolar por estudios de los padres y por nivel
socioeconómico para seis grupos minoritarios equivalentes. Índice de Raíz Cuadrada de
Hutchens (IH)
SEGREGACIÓN
SEGREGACIÓN POR NIVEL DE ESTUDIOS IH IH
SOCIOECONÓMICA
Padre y madre sin estudios completos de primaria 0,2275 P10,64 0,3587
Padre sin estudios completos de primaria 0,1850 P16,35 0,3215
Madre sin estudios completos de primaria 0,1698 P20,28 0,3070
Padre y Madre hasta Primaria o menos 0,2012 P25,19 0,2947
Madre y Padre con estudios universitarios acabados 0,3653 P92,25 0,4574
Efectivamente, comparando grupos equiparables en tamaño se encuentra que siempre la

segregación por nivel socioeconómico es mayor, con diferencias que van desde los 0,1415
puntos menos en la situación en el que el padre tiene estudios universitarios, hasta los
0,0921 en lo que ambos progenitores tienen estudios universitarios completos.
16
Aunque los resultados del uso de ambos índices son similares en lo referente al objetivo
de esta investigación, un sencillo gráfico de dispersión muestra que su comportamiento es
bastante diferente (gráfico 1). Así, la correlación entre la segregación por nivel de estudios
y por nivel socioeconómico es de 0,667 con el Índice de Segregación de Gorard y de 0,833
para el Índice de Raíz Cuadrada de Hutchens (ambas correlaciones bivariadas estimadas
con el Rho de Spearman).
Gráfico 1. Relación entre la magnitud de la segregación escolar por nivel de estudios y

nivel socioeconómico con el Índice de Gorard y con el Índice de Raíz Cuadrada
En todo caso, se puede concluir con toda claridad que hay una mayor segregación escolar
por nivel socioeconómico que por nivel de estudios de los padres.
4.2. ¿Qué segregación escolar incide más en el rendimiento?
El segundo objetivo es determinar qué influye más en el rendimiento académico, si la
segregación por nivel estudios de los progenitores o la segregación socioeconómica. Para
ello se han estimado dos modelos multinivel, uno para cada área académica (rendimiento
en Lengua y en Matemática), con las 18 estimaciones de segregación utilizando el Índice
de Raíz Cuadrada de Hutchens (nueve para los diferentes grupos de nivel de estudios del
padre y de la madre y otros tantos para sus análogos de segregación socioeconómica). A
partir del porcentaje de varianza del rendimiento explicado por cada tipo de segregación
se tendrá una estimación de qué tipo de segregación está más relacionada con el
rendimiento y, con ello, es más adecuada.
En los cuadros 3 y 4 se presenta el resumen de los procesos de modelización donde, por
razones de espacio y claridad, solo se ha incluido el porcentaje de la varianza de la escuela
de cada rendimiento explicada por cada variable independiente respecto al modelo
ajustado. Con esta información es suficiente para el objetivo de esta investigación, aunque
se puede encontrar el proceso detallado de modelado multinivel en el anexo.
Las 18 variables independientes (explicativas), cada una con una forma diferente de medir
la segregación escolar, hace una aportación estadísticamente significativa al modelo
ajustado con el rendimiento en Lenguaje como variable independiente. Es decir, tanto la
segregación escolar por nivel socioeconómico como por estudios de los padres incide en
el rendimiento en Lenguaje. De ellas, las que tienen como grupo minoritario por debajo
de la media (e1 a e6 y c1 a c6) su aportación es negativa, y los que están por encima de la
17
media, la aportación es positiva. Es decir, los niños y niñas en escuelas con alta
concentración de estudiantes de menor nivel socioeconómico y menos nivel de estudios de
los padres ven perjudicado su rendimiento frente a los que no están en esas escuelas. Si,
por el contrario, estudian en una escuela donde la segregación se produce por tener mayor
presencia de alumnos con familias de mayor nivel socioeconómico o de estudios, entonces
su rendimiento es mayor. Todo ello habiendo controlado el nivel socioeconómico del
estudiante.
Cuadro 3. Resumen de resultados de los procesos de Modelado multinivel sobre la
incidencia de la segregación escolar por nivel educativos del padre y de la madre del
estudiante y de la segregación por nivel socioeconómico en el rendimiento en Lengua
% VAR. SEGREGACIÓN % VAR.
SEGREGACIÓN POR NIVEL DE ESTUDIOS
EXPLICADA SOCIOECONÓMICA EXPLICADA
Madre y padre sin est. completos de Primaria 1,87 P10,64 3,36
Madre y padre hasta Primaria o menos 2,12 P25,19 5,72
Madre y padre con est. universitarios acabados 10,17 P92,25 10,35
Si se compara el peso, estimado a través del porcentaje de varianza explicada, que tiene
cada una de las consideraciones de segregación se observa (cuadro 3) que la segregación
por nivel socioeconómico es siempre superior (o casi siempre) que la segregación por nivel
de estudios, confrontando grupos análogos. Sin embargo, es muy interesante verificar que
la diferencia varía en función del nivel de estudios de los padres considerado.
Efectivamente, encontramos que:
• Para la segregación de estudiantes donde al menos uno de los progenitores no
tiene estudios completados de primaria, que se corresponde con los colectivos de
muy bajo nivel socioeconómico, el porcentaje explicado por las distintas medidas
de segregación por nivel de estudios es, de promedio, 1,8 puntos porcentuales
más bajo que sus correspondientes medidas de segregación por nivel
socioeconómico.
• Para la segregación escolar con los grupos minoritarios de estudiantes con
padres y madres donde uno de los dos tenga estudios completos de primaria o
menos, la diferencia con sus correspondientes grupos minoritarios en nivel
socioeconómico es del 4,0%.
• Por último, para los grupos donde al menos uno de los progenitores tiene
estudios universitarios la diferencia es de apenas 0,15%. Incluso con una
situación donde la segregación por nivel de estudios es superior a la segregación
por nivel socioeconómico, en el caso de que el padre tenga estudios universitarios
(que se corresponde al 12,07% de estudiantes con mayor nivel socioeconómico).
El proceso de modelado multinivel para rendimiento en Matemática, como variable
independiente, muestra resultados análogos a los encontrados anteriormente.
18
Efectivamente, para todos los grupos minoritarios equivalentes la segregación escolar por
nivel socioeconómico explica mayor cantidad de varianza del modelo que la segregación
escolar por nivel de estudios (cuadro 5).
También es llamativo observar que la incidencia en el rendimiento en Matemática es
mucho mayor para los grupos minoritarios de mayor nivel de estudios o mayor nivel
socioeconómico. Siendo la menor incidencia (siempre controlado por nivel socioeconómico
del estudiante) para la segregación con ambos padres sin estudios completos de primaria
y con 10,6% de estudiantes con familias de menos nivel socioeconómico.
Cuadro 4. Resumen de resultados de los procesos de Modelado multinivel sobre la
incidencia de la segregación escolar por nivel educativos del padre y de la madre del
estudiante y de la segregación por nivel socioeconómico en el rendimiento en Matemática
% VAR. SEGREGACIÓN % VAR.
SEGREGACIÓN POR NIVEL DE ESTUDIOS
EXPLICADA SOCIOECONÓMICA EXPLICADA
Madre y padre sin estudios com. de Primaria 1,05 P10,64 2,75
Madre y padre hasta Primaria o menos 3,53 P25,19 4,38
Madre y padre con estudios universitarios ac. 7,27 P92,25 7,29
5. Discusión y conclusiones
Este estudio ha aportado sólidas y estables evidencias acerca de los dos objetivos
planteados. Así, por una parte, ha encontrado que la segregación escolar por nivel
socioeconómico es mayor que la segregación escolar por nivel de estudios del padre y la
madre para todas las consideraciones de grupos minoritarios. De esta forma, parece ser
que genera más segregación el nivel económico de las familias, su renta, que el nivel de
estudios del padre o de la madre. Por otra parte, esta investigación ha hallado evidencias
de que la segregación escolar por nivel socioeconómico incide más en el rendimiento
académico de los estudiantes, tanto en Lengua como en Matemática, que la segregación
por nivel de estudios de las familias.
Con ello se puede concluir que, efectivamente, es más adecuado el uso del nivel
socioeconómico que el nivel de estudios de los padres para medir la segregación escolar:
por ser este índice el que está generando mayor segregación escolar y por ser el que incide
en mayor medida en el aprendizaje de los y las estudiantes.
De las pocas investigaciones que han usado el nivel de estudios de las familias, los
resultados encontrados son coherentes. Por ejemplo, Mancebón-Torrubia y Pérez-
Ximénez (2010) informaron índices de segregación más bajos de segregación según el
nivel de estudios de los progenitores que los obtenidos según el tipo de trabajo o el nivel
socioeconómico y cultural de las familias. En cambio, Bartholo (2014) en Brasil o
Böhlmark, Holmlund y Lindahl (2016) en Suecia, hallaron una mayor segregación por
nivel de estudios de los padres. Estas diferencias, pueden ser explicadas por el trabajo de
Yang Hansen y Gustafsson (2016b), que encuentran que la influencia de los estudios de
19
los padres o del nivel socioeconómico en el rendimiento de los estudiantes es diferente en

cada país, por lo que es normal que sea diferente la segregación escolar y su influencia en
el aprendizaje estudiantil.
En todo caso, tal y como demuestra Lee, Zhang y Stankov (2019), una medida compuesta
que incorpore variables de ocupación de los progenitores, ingresos familiares, nivel
educativo del padre y de la madre e incluso algún tipo variable sobre salud familiar es
capaz de explicar la varianza del aprendizaje de los estudiantes mucho mejor que estas
variables tomadas individualmente. De esta forma, es posible concluir que la mejor
variable criterio para estimar la segregación escolar sería un índice compuesto que
recogiera, al menos, información del nivel socioeconómico y del nivel cultural de las
familias. La buena noticia es que esa es la opción más habitual en las investigaciones sobre
segregación, al menos en las que usan datos de evaluaciones internacionales y muchas de
las nacionales.
Pero la utilidad de estos resultados va más allá de una cuestión puramente metodológica.
Esta investigación, al encontrar que el nivel socioeconómico de las familias, pero también
su nivel cultural, generan segregación escolar y tienen una clara incidencia sobre el
rendimiento de los estudiantes, apunta a la necesidad de que las medidas para luchar
contra la segregación tengan en cuenta no solo los ingresos familiares, también el nivel
de estudios de los padres.
El presenta trabajo tiene varias fortalezas de carácter metodológico. Destaca el hecho de
usar datos censales, lo que evita cualquier sesgo por muestreo. Contar con datos de
646.413 estudiantes es claramente un punto fuerte de este trabajo. Además, los datos son
internamente coherentes al usar dos índices para medir la segregación y dos materias para
analizar su influencia. Contar con datos de un país, como Colombia, con una alta
segregación puede haber favorecido una mayor visibilidad en los contrastes, pero no hay
razones para pensar que hubieran sido muy diferentes con otro contexto. En todo caso,
habría que confirmar estos resultados para otras realidades.
Este trabajo ha intentado contribuir a la necesaria reflexión metodológica y técnica para
estimar la segregación escolar. En todo caso, nos queda mucho por saber. Sería
importante, por ejemplo, trabajar para conseguir un consenso entre los equipos de
investigación para asumir un concepto de segregación y su medida y profundizar en él.
Solo en la medida que desde la investigación podamos denunciar la situación de inequidad
de nuestros sistemas educativos, aportando datos claros sobre la situación, sus
consecuencias y causas, estaremos aportando ideas para que cambie esa realidad.
Decía Desmond Tutu, premio nobel de la paz, “Si eres neutral en situaciones de injusticia,
has elegido el lado del opresor”. Esta frase contundente se aplica a la perfección a la
investigación educativa. Si nos limitamos a describir una realidad de forma neutral, sin
contribuir a su transformación, estamos colaborando en su legitimación, estamos
ayudando a los poderosos que quieren que nada cambie porque la situación les favorece.
La investigación social tiene como primera misión denunciar situaciones de injusticia, y,
como segunda, aportar datos que ayuden a comprenderlas y a tomar las adecuadas
decisiones para transformarlas. La segregación escolar es un indicador de un sistema
educativo injusto. En la medida que la investigación puede aportar datos útiles para acabar
con ella, estará contribuyendo a una sociedad más justa y equitativa.
20
Referencias
Bartholo, T. L. (2013). Measuring between-school segregation in an open enrollment system: the
case of Rio de Janeiro. Journal of School Choice, 7(3), 353-371.
https://doi.org/10.1080/15582159.2013.808937
Bartholo, T. L. (2014). Segregação escolar na cidade do Rio de Janeiro: Análise da movimentação
de estudantes. Estudos em Avaliação Educacional, 25(58), 242-271.
https://doi.org/10.18222/eae255820142927
Benito, R. y González-Baetbó, I. (2007). Processos de segregació escolar a Catalunya. Mediterrània.
Bodovski, K. (2010). Parental practices and educational achievement: Social class, race, and habitus.
British Journal of Sociology of Education, 31(2), 139-156.
https://doi.org/10.1080/01425690903539024
Böhlmark, A., Holmlund, H. y Lindahl, M. (2016). Parental choice, neighbourhood segregation or
cream skimming? An analysis of school segregation after a generalized choice reform.
Journal of Population Economics, 29(4), 1155-1190.
https://doi.org/10.1007/s00148-016-0595-y
Bonal, X., Zancajo, A. y Scandurra, R. (2019). Residential segregation and school segregation of
foreign students in Barcelona. Urban Studies, 56(15), 3251-3273.
https://doi.org/10.1177/0042098019863662
Bourdieu, P. (1973). Cultural reproduction and social reproduction. En R. Brown (Ed.), Knowledge,
education, and cultural change: Papers in the sociology of education (pp. 71-84). Tavistock.
Brese, F. y Mirazchiyski, P. (2013). Measuring students' family background in largescale international
education studies. IEA-ETS Research Institute.
Coleman, J. S. (1975). Trends in school segregation, 1968-73. Urban Institute.
Croxford, L. y Raffe, D. (2013). Differentiation and social segregation of UK higher education,
1996–2010. Oxford Review of Education, 39(2), 172-192.
https://doi.org/10.1080/03054985.2013.784193
Davies, S. y Rizk, J. (2018). The three generations of cultural capital research: A narrative review.
Review of Educational Research, 88(3), 331-365.
https://doi.org/10.3102/0034654317748423
Davis-Kean, P. E. (2005). The influence of parent education and family income on child
achievement: The indirect role of parental expectations and the home environment. Journal
of Family Psychology, 19(2), 294-304. https://doi.org/10.1037/0893-3200.19.2.294
Desforges, C. y Abouchaar, A. (2003). The impact of parental involvement, parental support and family
education on pupil achievement and adjustment. DfES.
Erola, J., Jalonen, S. y Lehti, H. (2016). Parental education, class and income over early life course
and children's achievement. Research in Social Stratification and Mobility, 44, 33-43.
https://doi.org/10.1016/j.rssm.2016.01.003
Fajardo Bullón, F., Maestre Campos, M., Felipe Castaño, E., León del Barco, B. y Polo del Río, M.
I. (2017). Análisis del rendimiento académico de los alumnos de educación secundaria
obligatoria según las variables familiares. Educación XXI, 20(1), 209-232.
https://doi.org/10.5944/educxx1.17509
Fiel, J. E. y Zhang, Y. (2018). Three dimensions of change in school segregation: A grade-period-
cohort analysis. Demography, 55(1), 33-58. https://doi.org/10.1007/s13524-017-0632-9
21
Fuller, B., Kim, Y., Galindo, C., Bathia, S., Bridges, M., Duncan, G. J. y García Valdivia, I. (2019).
Worsening school segregation for Latino children? Educational Researcher, 48(7), 407-420.
https://doi.org/10.3102/0013189X19860814
Gorard, S. y See, B. (2013). Overcoming disadvantage in education. Routledge.
https://doi.org/10.4324/9780203741665
Gorard, S. y Siddiqui, N. (2018). Grammar schools in England: A new analysis of social segregation
and academic outcomes. British Journal of Sociology of Education, 39(7), 909-924.
https://doi.org/10.1080/01425692.2018.1443432
Gorard, S. y Taylor, C. (2002). What is segregation? A comparison of measures in terms of
‘strong’and ‘weak’compositional invariance. Sociology, 36(4), 875-895.
https://doi.org/10.1177/003803850203600405
Gramberg, P. (1998). School segregation: The case of Amsterdam. Urban Studies, 35(3), 547-564.
https://doi.org/10.1080/0042098984907
Gustafsson, J. E., Yang Hansen, K. y Rosén, M. (2013). Effects of home background on student
achievement in reading, mathematics, and science at the fourth grade. En M. O. Martin y I.
V. S. Mullis (Eds.), TIMSS and PIRLS 2011: Relationships among reading, mathematics, and
science achievement at the fourth grade. Implications for early learning (pp. 183–289). TIMSS &
PIRLS International Study Center, Boston College.
Hutchens, R. (2001). Numerical measures of segregation: Desirable properties and their
implications. Mathematical Social Sciences, 42(1), 13-29.
https://doi.org/10.1016/S0165-4896(00)00070-6
Hutchens, R. (2004). One measure of segregation. International Economic Review, 45(2), 555-578.
https://doi.org/10.1111/j.1468-2354.2004.00136.x
Ivaniushina, V., Makles, A. M., Schneider, K. y Alexandrov, D. (2019). School segregation in St.
Petersburg. The role of socioeconomic status. Education Economics, 27(2), 166-185.
https://doi.org/10.1080/09645292.2018.1538408
Janmaat, J. G. (2020). School social segregation and social inequalities in political engagement
among 16 to 20 year olds in fourteen countries. Research Papers in Education.
https://doi.org/10.1080/02671522.2020.1789716
Karsten, S. (2010). School segregation. En OECD, Equal opportunities? The labour market integration
on the children of immigrants (pp. 193-209). OECD Publishing.
https://doi.org/10.1787/9789264086395-en
Kornhall, P. y Bender, G. (2019). School segregation in Sweden: Evidence from the local level. NESET.
Krüger, N. (2019). La segregación por nivel socioeconómico como dimensión de la exclusión
educativa. 15 años de evolución en América Latina. Education Policy Analysis Archives, 27(8).
https://doi.org/10.14507/epaa.27.3577
Lee, J., Zhang, Y. y Stankov, L. (2019) Predictive validity of SES measures for student achievement.
Educational Assessment, 24(4), 305-326. https://doi.org/10.1080/10627197.2019.1645590
Maloutas, T., Hadjiyanni, A., Kapella, A., Spyrellis, S. N. y Valassi, D. (2013, agosto). Education
and social reproduction: The impact of social origin, school segregation and residential
segregation on educational performance in Athens. Comunicación presentada en RC21
(ISA) Conference on ‘Resourceful Cities’ Resourceful Cities, Berlin.
Mancebón-Torrubia, M. J. y Pérez-Ximénez, D. (2010). Una valoración del grado de segregación
socioeconómica existente en el sistema educativo español. Un análisis por comunidades
autónomas a partir de PISA 2006. Regional and Sectoral Economic Studies, 10(3), 129-148.
22
Massey, D. S. y Denton, N. A. (1988). Hypersegregation in U.S. metropolitan areas: Black and

Hispanic segregation along five dimensions. Demography, 26, 373- 391.
https://doi. org/10.2307/2061599
Murillo, F. J. (2016). Midiendo la segregación escolar en América Latina. Un análisis metodológico
utilizando el TERCE. REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en
Educación, 14(4), 33-60. https://doi.org/10.15366/reice2016.14.4.002
Murillo, F. J. y Martínez-Garrido, C. (2018). Magnitud de la segregación escolar por nivel
socioeconómico en España y sus Comunidades Autónomas y comparación con los países de
la Unión Europea. RASE. Revista de Sociología de la Educación, 11(1), 37-58.
https://doi.org/10.7203/RASE.11.1.10129
Murillo, F. J. y Martínez-Garrido, C. (2019). Perfiles de segregación escolar por nivel
socioeconómico en España y sus Comunidades Autónomas. RELIEVE, 25(1), art. 1.
https://doi.org/10.7203/relieve.25.1.12917
Murillo, F. J. y Román, M. (2011). ¿La escuela o la cuna? Evidencias sobre su aportación al
rendimiento de los estudiantes de América Latina. Estudio multinivel sobre la estimación
de los efectos escolares. Profesorado. Revista de Curriculum y Formación de Profesorado, 15(3),
27-53.
Murillo, F. J., Duk, C. y Martínez-Garrido, C. (2018). Evolución de la segregación socioeconómica
de las escuelas de América Latina. Estudios Pedagógicos, 44(1), 157-179.
https://doi.org/10.4067/S0718-07052018000100157
Murillo, F. J., Martínez-Garrido, C. y Belavi, G. (2017). Segregación escolar por origen nacional
en España. OBETS. Revista de Ciencias Sociales, 12(2), 395-432.
https://doi.org/10.14198/OBETS2017.12.2.04
Nordin, M. (2013). Immigrant school segregation in Sweden. Population Research and Policy Review,
32(3), 415-435. https://doi.org/10.1007/s11113-013-9271-z
OECD. (2010). PISA 2009 results: Overcoming social background. Equity in learning opportunities and
outcomes. OECD Publishing. https://doi.org/10.1787/9789264091504-en
OECD. (2019). PISA 2018 results: Where all students can succeed. OECD Publishing.
https://doi.org/10.1787/b5fd1b8f-en
Ortiz, E. A. y Dehon, C. (2008). What are the factors of success at university? A case study in
Belgium. Economic Studies, 54(2), 121-148. https://doi.org/10.1093/cesifo/ifn012
Santiago, M. (2019). A framework for an interdisciplinary understanding of Mexican American
school segregation. Multicultural Education Review, 11(2), 69-78.
https://doi.org/10.1080/2005615X.2019.1615246
Siddiqui, N. (2017). Parental education as a determinant of school choice: A comparative study of
school types in Pakistan. Research in Education, 99(1), 3-18.
https://doi.org/10.1177/0034523717725862
Silles, M. A. (2011). The intergenerational effects of parental schooling on the cognitive and non-
cognitive development of children. Economics of Education Review, 30(2), 258-268.
https://doi.org/10.1016/j.econedurev.2010.09.002
Sirin, S. R. (2005). Socioeconomic status and academic achievement: A meta-analytic review of
research. Review of Educational Research, 75(3), 417-453.
https://doi.org/10.3102/00346543075003417
White, K. R. (1982). The relation between socioeconomic status and academic achievement.
Psychological Bulletin, 91,461-481. https://doi.org/10.1037/0033-2909.91.3.461
23
Wilson, W. J. (1987). The truly disadvantaged: The inner city, the underclass, and public policy.
University of Chicago Press.
Yang Hansen, K. y Gustafsson, J. E. (2016). Causes of educational segregation in Sweden: School
choice or residential segregation. Educational Research and Evaluation, 22(1-2), 23-44.
https://doi.org/10.1080/13803611.2016.1178589
Yang Hansen, K. y Gustafsson, J. E. (2016b). Determinants of country differences in effects of
parental education on children’s academic achievement. Large-scale Assessments in Education,
4(11). https://doi.org/10.1186/s40536-016-0027-1
Zhou, Y., Cai, T. y Wang, D. (2016). Social segregation in Hong Kong’s schools: 2000–2012.
Chinese Sociological Review, 48(3), 248-270.
https://doi.org/10.1080/21620555.2016.1166340
24
Anexo
Cuadro A1. Resultados del proceso de Modelado Multinivel sobre la incidencia de la segregación escolar por nivel educativos del padre y de la madre del
estudiante en el rendimiento en Lengua
MODELO 1 MODELO 2A MODELO 2B MODELO 2C MODELO 2D MODELO 2E
B (EE) B (EE) B (EE) B (EE) B (EE) B (EE)
Parte fija
Intercepto 435,26 (1,02) 439,29 (1,05) 440,07 (1,05) 439,58 (1,05) 439,83 (1,06) 441,12 (1,05) 440,66 (1,00) 434,60 (1,00) 343,66 (1,00) 434,34 (1,00)
SES 1,56 (0,02) 1,53 (0,02) 1,52 (0,02) 1,52 (0,02) 1,52 (0,02) 1,51 (0,02) 1,51 (0,02) 1,49 (0,02) 1,49 (0,02) 1,50 (0,02)
-154268,72
Seg e1
(9693,39)
-217407,45
Seg. e2
(11329,90)
-208154,27
Seg e3
(11771,29)
-185640,66
Seg e4
(10804,01)
-259786,34
Seg e5
(11666,18)
-247334,09
Seg e6
(11843,37)
175397,31
Seg e7
(4621,56)
189894,31
Seg e8
(4878,72)
118015,58
Seg e9
(344,11)
Parte aleatoria
Entre escuelas 3508,64 3443,19 3410,97 3426,32 3434,09 3375,11 3394,61 3082,78 3064,32 3151,91
Entre alumnos 6438,49 6437,44 6437,40 6438,26 6437,28 6437,04 6437,25 6440.31 6440.35 6440,01
% var explicada de
0,00 1,87 2,78 2,35 2,12 3,81 3,25 12,14 12,66 10,17
escuela
25
Cuadro A2. Resultados del proceso de Modelado Multinivel sobre la incidencia de la segregación escolar por nivel socioeconómico en el rendimiento en
Lengua
Parte fija
Intercepto 435,26 (1,02) 440,46 (1,05) 441,46 (1,05) 442,15 (1,05) 442,86 (1,06) 444,15 (1,06) 444,97 (1,06) 434,08 (1,00) 434,11 (1,00) 434,28 (1,00)
SES 1,56 (0,02) 1,51 (0,02) 1,50 (0,02) 1,50 (0,02) 1,49 (0,02) 1,48 (0,02) 1,48 (0,02) 1,48 (0,02) 1,49 (0,02) 1,50 (0,02)
-118161,05
Seg c1
(5431,20)
-155596,95
Seg. c2
(6453,03)
-180247,58
Sep c3
(6980,33)
-208966,38
Seg c4
(7477,70)
-246132,91
Seg c5
(7909,28)
-268774,91
Seg c6
(8051,19)
154155,72
Seg c7
/3932,54)
144136,42
Seg c8
(3744,06)
104158,73
Seg c9
(2978,81)
Parte aleatoria
Entre escuelas 3508,64 3390,78 3360,60 3338,05 3307,84 3257,07 3217,82 3061,65 3075,94 3145,39
Entre alumnos 6438,49 6437,49 6438,20 6437,44 6437,40 6437,47 6438,35 6440,86 6440,77 6440,35
% var explicada de
0,00 3,36 4,22 4,86 5,72 7,17 8,29 12,74 12,33 10,35
escuela
26
Cuadro A3. Resultados del proceso de Modelado Multinivel sobre la incidencia de la segregación escolar por nivel de estudios de los padres en el
rendimiento en Matemática
Parte fija
433,55
Intercepto 436,65 (1,06) 437,33 (1,06) 436,80 (1,06) 436,77 (1,07) 437,99 (1,07) 437,50 (1,07) 432,90 (1,01) 432,94 (1,01) 432,68 (1,02)
(1,03)
SES 1,64 (0,02) 1,62 (0,02) 1,61 (0,02) 1,61 (0,02) 1,61 (0,02) 1,60 (0,02 1,61 (0,02) 1,58 (0,02) 1,58 (0,02) 1,59 (0,02)
-124525,45
Seg e1
(10305,05)
-178786,89
Seg. e2
(12042,24)
-164713,83
Seg e3
(12526,02)
-137715,00
Seg e4
(11484,56)
-205827,45
Seg e5
(12435,48)
-189517,52
Seg e6
(12617,61)
156491,56
Seg e7
(4976,49)
168939
Seg e8
(5258,76)
105856,73
Seg e9
(3690,88)
Parte aleatoria
Entre escuelas 3950,79 3909,44 3886,01 3901,03 3811,52 3867,47 3886,21 3611,17 3598,22 3662,63
Entre alumnos 6274,39 6273,80 6273,78 6273,79 6273,74 6273,85 6273,69 6275,98 6276,02 6275,78
% var explicada de
0,00 1,05 1,64 1,26 3,53 2,11 1,63 8,60 8,92 7,29
escuela
27
Cuadro A4. Resultados del proceso de Modelado Multinivel sobre la incidencia de la segregación escolar por nivel socioeconómico en el rendimiento en
Matemática
Parte fija
Intercepto 433,55 (1,03) 438,21 (1,06) 439,08 (1,06) 439,66 (1,06) 440,36 (1,07) 441,44 (1,07) 442,17 (1,07) 432,49 (1,01) 432,52 (1,01) 432,66 (1,02)
SES 1,64 (0,02) 1,60 (0,02) 1,59 (0,02) 1,59 (0,02) 1,58 (0,02) 1,58 (0,02) 1,57 (0,02) 1,58 (0,02) 1,58 (0,02) 1,59 (0,02)
-110317,87
Seg c1
(5773,19)
-144614,55
Seg. c2
(6861,52)
-166393,27
Sep c3
(7426,89)
-192184,28
Seg c4
(7962,45)
-226805,59
Seg c5
(8434,22)
-247477,19
Seg c6
(8598,00)
133964,19
Seg c7
(4248,27)
125675,68
Seg c8
(4040,56)
92258,68
Seg c9
(3199,87)
Parte aleatoria
Entre escuelas 3950,79 3842,18 3819,53 3802,13 3777,94 3734,45 3702,01 3611,64 3620,13 3663,56
Entre alumnos 6274,39 6273,99 6273,89 6273,87 6273,84 6273,90 6273,96 6276,22 6276,17 6275,93
% var explicada de
0,00 2,75 3,32 3,76 4,38 5,48 6,30 8,58 8,37 7,27
escuela
28
Breve CV de los autores

F. Javier Murillo
Director de la Cátedra UNESCO en Educación para la Justicia Social de la Universidad
Autónoma de Madrid. Profesor titular del Área de Métodos de Investigación y
Diagnóstico en Educación de la Universidad Autónoma de Madrid. Coordinador del
grupo de Investigación Cambio Educativo para la Justicia Social (GICE). Secretario
académico del Instituto de Derechos Humanos, Democracia y Cultura de Paz y No
Violencia (DEMOSPAZ), de la UAM. Fue Coordinador General del Laboratorio
Latinoamericano de Evaluación de la Calidad de la Educación (LLECE), de la UNESCO,
y Director de Estudios del Centro de Investigación y Documentación Educativa (CIDE)
del Ministerio de Educación de España. Es Coordinador de la Red Iberoamericana de
Investigación sobre Cambio y Eficacia Escolar (RINACE), Director de REICE. Revista
Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, de la Revista
Iberoamericana de Evaluación Educativa y de la Revista Internacional de Educación para
la Justicia Social. Página personal: https://www.fjaviermurillo.es. ORCID ID:
https://orcid.org/0000-0002-8003-4133. E-mail: javier.murillo@uam.es
Raquel Graña Oliver

Personal Técnico en Investigación de la Cátedra UNESCO en Educación para la Justicia
Social de la Universidad Autónoma de Madrid. Máster en Calidad y Mejora de la
Educación especializada en gestión y liderazgo escolar por la Universidad Autónoma de
Madrid (España), Grado em Educación Infantil por la Universidad de Valladolid.
Miembro del Grupo de Investigación Cambio Educativo para la Justicia Social,
Universidad Autónoma de Madrid. En la actualidad está desarrollando su tesis doctoral
sobre el tema de segregación escolar. ORCID ID: http://orcid.org/0000-0002-4223-
8354. E-mail: raquel.granna@uam.es
29
Modes of Grouping Students, Segregation and

Educational Inequalities. A Longitudinal Analysis of a
Cohort of Students in Switzerland
Modos de Agrupación de Estudiantes, Segregación y

Desigualdades Educativas. Un Análisis Longitudinal de una
Cohorte de Estudiantes en Suiza
Samuel Charmillot *
Georges Felouzisb
University of Geneva, Switzerland
The education system in Geneva, Switzerland, offers two organisationally

contrasting modes of grouping students in secondary 1 education. Students either
belong to schools which run a segmented system (students are grouped into two
streams based on their academic level) or a more integrated system, with
heterogeneous classes made up of ability groups for some subjects. Using
longitudinal data, this article examines the impact of these two modes of grouping
students and of within-school segregation on the way students are oriented in
secondary 2 education. The results of a multilevel logistic regression analysis show
that students attending the segmented system are less likely to be oriented towards
a baccalaureate school, the most selective path of secondary 2 education. They also
show that the effects of within-school segregation contribute to reinforcing
inequalities between students: the likelihood of attending a baccalaureate school is
much lower in classes with a high percentage of students from a disadvantaged
background. Finally, they show that the negative effects of school segregation tend
to be stronger in the segmented system.
Keywords: Segmented school system; Integrated school system; School inequalities;
School segregation; Educational policies.
El sistema educativo en Ginebra, Suiza, ofrece dos modos organizativos para agrupar
a los estudiantes de educación secundaria 1. Los estudiantes pertenecen a escuelas
que tienen un sistema segmentado (se agrupan en dos corrientes según su nivel
académico) o un sistema más integrado, con clases heterogéneas compuestas por
grupos de habilidades para algunas materias. Utilizando datos longitudinales, este
artículo examina el impacto de estos dos modos de agrupar a los estudiantes en la
educación secundaria 2. Los resultados del análisis de regresión logística multinivel
muestran que los estudiantes que asisten al sistema segmentado tienen menos
probabilidades de estar orientados hacia una escuela de bachillerato, el camino más
selectivo de la educación secundaria 2. También muestran que los efectos de la
segregación dentro de la escuela contribuyen a reforzar las desigualdades entre los
estudiantes: la probabilidad de asistir a una escuela de bachillerato es mucho menor
en las clases con un alto porcentaje de estudiantes de origen desfavorecido.
Finalmente, muestran que los efectos negativos de la segregación escolar tienden a
ser más fuertes en el sistema segmentado.
Keywords: Sistema escolar segmentado; Sistema escolar integrado; Desigualdades
escolares; Segregación escolar; Políticas educativas.
*Contacto: samuel.charmillot@unige.ch Recibido: 15 de marzo 2020

1ª Evaluación: 28 de abril 2020
ISSN: 1696-4713 2ª Evaluación: 22 de junio 2020
www.rinace.net/reice/ Aceptado: 9 de julio 2020
S. Charmillot and G. Felouzisb
1. Introduction
The aim of this study is to compare different modes of grouping students in compulsory
secondary education in Switzerland in order to determine their respective effects on
school careers and inequalities. Studies in this area often focus on comparing two modes
of grouping students: on the one hand, segmented systems which group students into
different streams according to their academic level and, on the other hand, integrated
systems which enrol students in heterogeneous classes irrespective of their academic
level. In reality, the situation is not nearly as clear cut. For example, in Germany or
Switzerland, compulsory secondary education is generally made up of streams, but the
extent of this split varies depending on the Länder or the canton (i.e. state) (Hörner et al.,
2015). In France, in spite of a supposedly integrated education system, schools
differentiate themselves greatly depending on their student composition and the academic
level of their students, recreating de facto streams (Felouzis, Fouquet-Chauprade, &
Charmillot, 2019). In many cases, instead of bringing highly segmented and perfectly
integrated systems into opposition, many education policies have chosen mixed solutions,
trying to take advantage of both systems.
Up until recently, the school district of Geneva, Switzerland, had the specificity of using
in parallel a somewhat flexible form of a segmented system –using two different streams–
in certain schools and a more integrated system – with heterogeneous classes made up of
ability groups for some subjects – in others. This quasi-experimental situation lasted for
several years. Using longitudinal data, we followed a cohort of students who spent their
secondary 1 education in one or another of these systems and measured the respective
effects of these two modes of grouping students on educational achievement and
inequalities in educational paths.
2. Modes of grouping students, segregation and

educational inequalities
Research findings on the impact of the modes of grouping students within schools tend
to agree that segmented systems are not particularly effective on the overall population
all the whilst increasing inequalities between students (Brunello & Checchi, 2007;
Gamoran, 2010; Oakes, 2005; Woessmann, 2009). Hanushek and Woessmann (2006)
compared all the international assessments –those conducted by the International
Association for the Evaluation of Educational Achievement (IEA) at the primary school
level and by the Organization for Economic Cooperation and Development (OECD) at
the secondary school level– in order to study the relationship between early academic
segmentation and the extent of educational inequalities in each country. The authors
concluded that educational inequalities intensify between primary and secondary school
to a much greater extent in countries where secondary education is comprised of streams
rather than a unified programme.
Hence, the question that arises concerns the mechanisms responsible for these aggravated
inequalities in segmented systems. For Gamoran and his colleagues (1995), it is the logic
underlying segmented systems that reinforces inequalities. By separating students into
different groups based on their academic level, schools are looking to manage
heterogeneity by dividing students into relatively homogeneous units. The aim of this
32
logic is to allow schools to meet their objectives more easily by allocating ‘separated tasks
to specialized subunits’ (p. 688). In other words, grouping students in homogeneous
streams according to their academic level should enable the academic differences between
peers to be considered more effectively, in particular by providing adapted teaching. This
is a principle inspired by organisational theory that considers that in a heterogeneous
environment, productivity and effectiveness can be improved by segmentation in
structurally homogeneous units. Applied to schooling, this logic has its limits because
students are considered to be ‘raw materials of the school system’. Yet dividing students
is far from being a ‘neutral act’ (p. 689). Selecting students based on their academic level
almost mechanically causes a distinction according to social, cultural, racial/ethnic
criteria. Therefore, segmented systems prove to be problematic, since their effectiveness
goals contradict objectives of equity.
These negative effects of segmented systems on equity have repeatedly been highlighted
by research: students from disadvantaged backgrounds and minority groups are more
likely to be oriented towards less demanding streams (Felouzis, Charmillot, & Fouquet-
Chauprade, 2011; Lucas, 1999; Lucas & Berends, 2002; Mickelson, 2003; Oakes, 2005).
Their over-representation in the less demanding streams cannot, nevertheless, be solely
explained by differences in academic level, since when academic level is controlled for, the
effect of socioeconomic status and ethno-racial origin decreases, but does not disappear
entirely (Hallinan, 1994). In other words, for the same academic level, disadvantaged and
minority group students are significantly more likely to be placed in a less demanding
stream.
It therefore appears that segmented systems, by selecting students based on their
academic level, also indirectly contribute to increasing social and ethno-racial segregation
between students. Yet educational research has since long highlighted the relationship
between school or class composition and educational inequalities (Rumberger & Palardy,
2005; van Ewijk & Sleegers, 2010a, b). These composition effects may be defined as ‘the
impact of pupils’ aggregated characteristics (socioeconomic status, sociocultural capital,
prior achievements, etc.) when these variables have been taken into account at the
individual level’ (Dumay & Dupriez, 2007, p. 440). This means that it is not simply the
individual characteristics of students that have an impact on their academic success, but
also that students with similar characteristics will succeed differently depending on the
composition of their school or class (Coleman et al., 1966; Padilla & Bazán, 2016).
Research on the effects of segregation tends to show that students with comparable
characteristics are not as successful if they are schooled in a segregated context (Monseur
& Crahay, 2008; OECD, 2013; van Ewijk & Sleegers, 2010a, b). Some research, however,
provides more nuanced results, highlighting that the effects of segregation may vary
depending on the individual characteristics of the students (Schofield, 1995; Weinberg,
1975), especially for students from minority groups, migrant students and
socioeconomically disadvantaged students who seem to be more sensitive to the effects of
segregation (Charmillot, 2013; Jencks & Mayer, 1990).
Based on these studies, the relationship between modes of grouping students and
educational inequalities seems clear: segmented systems tend to increase not only
academic segregation, but also, indirectly, social and migratory segregation, which
contributes to increasing inequalities between students. Nevertheless, the issue has not
been totally resolved, as some studies present more contrasting, or even contrary, results.
33
The findings of Slavin (1987, 1990, 1993) bring nuance to the theory that the effects of
segmented systems are systematically negative, as its consequences also depend on its
concrete implementation within a particular context. Reviewing the literature on
experimental research at three levels of schooling (primary, secondary 1 and secondary
2), Slavin shows that there is no clear evidence that students in more demanding streams
learn more and those in less demanding streams learn less than students in integrated
systems. If the quality and quantity of teaching are held constant, the way students are
grouped together does not affect their learning. It is therefore important to note the
discrepancies between the results of experimental studies and those achieved in situ. The
former has the capacity to isolate – through their experimental approach – the effects of
the modes of grouping students from all other effects. In reality, division into streams
goes hand in hand with other characteristics that are varied and decisive for learning, such
as type of programme, training of teachers, teachers’ expectations, stigmatisation of
weaker students, etc. Thus, it seems that knowing the way in which segmented systems
are really organised plays a decisive role in our understanding of their effects on students.
The purpose of this article is to use data collected in the Geneva canton to provide new
empirical evidence on the relationship between modes of grouping students, school
segregation and inequalities between students. The education system in Geneva has the
particularity to offer in parallel, depending on the specific school, a segmented system or
an integrated system with ability groups. Going to a school which uses streams or one
which does not, in no way depends on the academic level of the students or the academic
choices of the families, but solely on the school catchment area one belongs to. Access to
one system or the other therefore does not introduce any bias in the composition of the
public of students, which makes it possible to reason on the consequences of these two
modes of grouping students. The empirical framework for this article is a sample of
students in Geneva public schools, finishing their compulsory curriculum during the
2002-03 school year, who participated in the 2003 PISA Suisse study. These students
were studied over a four-year period in order to follow their school careers until the end
of secondary 2 education. We use multilevel logistic regression analysis on these data in
order to estimate the impact of the modes of grouping students (segmented system vs
integrated system with ability groups) and of within-school segregation on how students
are oriented in the various educational paths of secondary 2 education; we will be focusing
on baccalaureate schools, the most selective path of secondary 2 education 1. Three
questions will be addressed with this analysis:
• Does the probability of being in a baccalaureate school in secondary 2 education
varies according to the modes of grouping students in secondary 1 education?
• Does the probability of being in a baccalaureate school in secondary 2 education
varies according to social and migratory segregation in secondary 1 education?
• Does the impact of the mode of grouping students varies depending on academic,
social and migratory segregation in secondary 1 education?
1Baccalaureate schools lead to further education in Swiss Federal Institutes of Technology and
universities.
34
3. Method
The data used for our analysis come from two statistical sources:
• The Geneva schooling database, which takes a census of Geneva students
entering the school system. Updated on a yearly basis, this database monitors
students throughout their school-life, up until they leave the education system.
• The data from the 2003 PISA Suisse study for the canton of Geneva. This is an
oversample of the data from the PISA International study, in which 20 000
students from all over Switzerland participated. The difference between the two
studies is that the PISA Suisse study questioned students at a given level (last
year of secondary 1 education) instead of at a specific age (15 years old). The
sample is therefore representative of all students in the last year of their
compulsory curriculum in Geneva in 2002-03.
These two databases have a common identification number allowing the students who
participated in the 2003 PISA Suisse study to be identified in the school database. We
therefore have at our disposal the modes of grouping students at the end of secondary 1
education, a measure of their competences at this time (PISA score in mathematics) and
their orientation up until the third year of secondary 2 education.
3.1. The education system in Geneva
Because of Switzerland’s federal structure, three political bodies share the educational
tasks: Confederation (central government), the cantons and the municipalities.
Compulsory schooling (primary and secondary 1 education) is mainly under the
jurisdiction of the cantons. They are more or less free to organise the education system
as they see fit, providing that they meet the general objectives set at the federal level.
3.1.1. Secondary 1 education
In Geneva, at the time the data were collected, compulsory education spanned 9 years.
Primary school, from year 1 to year 6 (for students aged from 6 to 11) was split into
heterogeneous classes, irrespective of academic level. Secondary 1 education lasted for 3
years (year 7 to 9); students were typically between 12 and 15. At this stage, the Geneva
education system offered two organisationally contrasting modes of grouping students:
entirely dependent on their catchment area, students either belonged to schools which
ran a system presented as segmented or a system presented as integrated.
In 17 of the schools, students were grouped in two streams, based on their academic level:
the best students were oriented towards classes with high requirements (top stream),
whilst the weaker students were oriented towards small size classes with low
requirements (bottom stream).
In 3 of the schools, students were grouped in heterogeneous classes; however, certain
subjects were divided into ability groups 2.
2Admission to the different streams, or for the heterogeneous classes to the different ability
groups, is principally based on the grades obtained at the end of primary school in the ‘main
subjects’ (French, German and mathematics).
35
The ‘segmented’ and ‘integrated’ character of these modes of grouping, however needs to
be nuanced, as the way they are organised differs significantly to their official title. Thus,
in the system considered ‘segmented’, three quarters of the students (73.7%) are grouped
into the top streams, while the bottom stream enrols only 26,3% of the students, the
academically weaker ones. Far from being totally homogeneous and streamed, the
segmented system contributes first and foremost to separating the large majority of
students from their peers with learning difficulties. At the same time, the ‘integrated
system’ only seems to be ‘partially integrated’ as the teaching of certain key subjects
(German and mathematics) is undertaken in ability groups. It is therefore important to
distinguish between the ‘official’ definition of the modes of grouping and the far more
complex way in which they actually work in the Geneva education system.
3.1.2. Secondary 2 education
After completing their compulsory schooling, the majority of Geneva students head
towards secondary 2 education, made up of three educational paths:
• Baccalaureate schools: a four-year academic path which opens the way to
university or Swiss Institutes of Technology.
• Vocational training: commonly known as ‘apprenticeships’, this training
provides the acquisition of the necessary skills and knowledge to carry out
certain professions. Here we can distinguish between full time vocational
training where students accomplish all of their training at a professional school
and dual vocational training where students split their time between a training
company and school.
• General culture schools (GCS): this path offers general culture education and
specific courses in the domains of health, social work, communication-
information and applied arts. It prepares students for Switzerland’s Universities
of Applied Sciences and Higher Vocational Schools.
3.2. Measuring the effect of social and migratory segregation
In the framework of this article, we are taking into account simultaneously the effect of
social and migratory segregation. This choice is motivated by the somewhat specific
structure of Geneva’s migrant population. With almost 40% of Geneva students having
foreign origins, the education system in Geneva exhibits a very large cultural diversity.
However, this migrant population is far from being homogeneous on a socioeconomic
level. On the one hand, there are, as in most European countries, socioeconomically
disadvantaged migrants. These are essentially ‘economic migrants’, who have come to
Switzerland to work, often in low-skilled jobs. However, at the same time, Geneva is home
to many international companies and organisations, hence migrants with a very high
socioeconomic and cultural level can also be found.
To measure the social status of the students, we rely on a variable derived from the ‘index
of economic, social and cultural status’ (ESCS) used in PISA studies. The ESCS index is
developed from three variables measuring different dimensions of the family environment:
• The index of parents’ social status, which indicates the highest professional
status out of both parents based on the International Socio-Economic Index of
Occupational Status (ISEI) (Ganzeboom, De Graaf, & Treiman, 1992).
36
• The index of home possessions, which indicates the level of family wealth. The
household’s material, cultural and educational possessions are taken into
account.
• The index of highest educational level of parents. This variable is based on the
International Standard Classification of Education (ISCED) drawn up by
UNESCO, which differentiates between seven educational levels from pre-
primary (ISCED 0) to the second stage of tertiary education (ISCED 6)
(UNESCO, 2006).
For the analysis, the ESCS index was split into three terciles: disadvantaged students (low
ESCS), middle-class students (middle ESCS) and advantaged students (high ESCS).
To determine the migratory status of students, we differentiated between them using both
their place of birth and that of their parents. Native students are those born in Switzerland
having at least one parent who was born in Switzerland. Second-generation students are
those born in Switzerland to parents born abroad. First-generation students are those
born abroad to parents born abroad.
By grouping these two variables, we obtain a measure of ‘social and migratory status’
which distinguishes between native and migrant students according to their
socioeconomic status (see table 1). Native students represent 66.1% of the total students
in Geneva, 27.9% of whom have a high ESCS and 13.5% of whom have a low ESCS.
Second-generation migrants make up 20.4% of all students: 3.6% of whom have a high
ESCS and 11.1% of whom have a low ESCS. First-generation migrants make up 13.4% of
the sample: 2.2% of whom have a high ESCS and 7.1% of whom have a low ESCS. Almost
three quarters of second-generation migrant students have either Portuguese (26.7%),
Italian (25.1%) or Spanish (20.9%) origins. First-generation migrants are mainly students
born in Portugal (23.3%), in one of the countries making up the ex-Yugoslavia (23.5%)
and in Africa (16.9%).
Table 1 gives detailed information on the social and migratory composition of the two
modes of grouping students in secondary 1 education (segmented or integrated system)
and of the different paths undertaken in secondary 2 education.
In secondary 1 education, students’ social and migratory characteristics are very similar
in both systems. However, it should be noted that the integrated system is made up of
slightly less native students with a high ESCS (25.6% compared to 28.4% in the
segmented system) and more first-generation students (17.6% compared to 12.5%).
Despite these slight differences, the two systems can be considered as schooling
comparable students in terms of their social and migratory characteristics. Within the
segmented system, however, large differences can be observed between the top stream
and the bottom stream. Generally, the more advantaged a student’s social status is, the
more likely it is that he or she will be in a top stream. Nevertheless, the migratory status
also needs to be taken into consideration as with an equivalent social status, native
students are more present in the top stream than their peers with an immigrant
background. Thus, native students with a high ESCS appear to be rather over-represented
in the top stream, accounting for 34.3% of the students in this stream. Conversely,
students with a low ESCS are over-represented in the bottom stream, whether they be
native (20.9%), second-generation (20.9%) or first-generation students (13.3%).
37
Table 1. Modes of grouping students in the last year of secondary 1 education and path undertaken in the third year of secondary 2 education, depending
on social and migratory status
TOTAL Nº OF MODES OF GROUPING STUDENTS IN
PATH IN SECONDARY 2 EDUCATION
STUDENTS SECONDARY 1 EDUCATION
Segmented system
Full-time Dual
Top Bottom Total Integrated Baccalaureate
N % vocational vocational GCS
stream stream segmented system schools
training training
system
Native students with a low ESCS 419 13.5% 11.9% 20.9% 13.8% 12.0% 9.1% 15.6% 21.4% 15.3%
Native students with a middle ESCS 766 24.7% 26.2% 18.9% 24.7% 25.2% 22.8% 25.7% 24.8% 29.7%
Native students with a high ESCS 864 27.9% 34.3% 6.7% 28.4% 25.6% 42.5% 19.5% 10.9% 14.4%
Second-generation students with a low
343 11.1% 8.4% 20.9% 11.1% 11.0% 6.6% 14.2% 19.0% 10.9%
ESCS
Second-generation students with a
178 5.7% 5.3% 8.3% 5.9% 4.8% 4.9% 6.4% 4.5% 9.2%
middle ESCS
Second-generation students with a high
112 3.6% 4.0% 2.3% 3.6% 3.7% 3.8% 3.8% 2.6% 3.7%
ESCS
First-generation students with a low
221 7.1% 5.0% 13.3% 6.8% 8.9% 3.1% 10.6% 10.3% 10.9%
ESCS
First-generation students with a
126 4.1% 2.9% 7.2% 3.8% 5.2% 3.6% 4.1% 5.1% 4.2%
middle ESCS
First-generation students with a high
67 2.2% 2.0% 1.4% 1.9% 3.5% 3.6% 0.3% 1.3% 1.7%
ESCS
Total 3096 100.0% 100.0% 100.0% 100.0% 100.0% 100.0% 100.0% 100.0% 100.0%
Note: Computed by the authors.
38
These findings show that the segmented system produces segregation between classes
(within-school segregation): classes of the top stream are characterised by an over-
representation of socioeconomically advantaged students, in particular native students
with a high ESCS, whereas classes of the bottom stream are predominantly made up of
disadvantaged students, whether natives or migrants.
Being in the top or bottom stream in secondary 1 education largely determines the path
undertaken in secondary 2 education. As a result, native students with a high ESCS are
overrepresented in baccalaureate schools (42.5%). On the contrary, vocational training
concentrates a large proportion of the students with a low ESCS. For example, more than
half of the students on dual vocational training have a low ESCS (21.4% natives, 19%
second-generation and 10.3% first-generation students).
Table 2. Within-school segregation in the last year of secondary 1 education depending
on students’ social and migratory status and the modes of grouping students (variance
ratio)
SEGMENTED INTEGRATED SEGMENTED AND
INTEGRATED
SYSTEM SYSTEM
SYSTEM TOGETHER
Native students with a low ESCS 8.5% 5.7% 8.1%

Native students with a middle ESCS 17.8% 13.2% 17.1%
Native students with a high ESCS 7.3% 5.8% 7.1%
Second-generation students with a low ESCS 10.8% 7.8% 10.3%
Second-generation students with a middle
12.1% 5.5% 11.2%
ESCS
Second-generation students with a high ESCS 4.7% 5.0% 4.7%
First-generation students with a low ESCS 11.3% 7.2% 10.6%
First-generation students with a middle ESCS 8.8% 7.8% 8.7%
First-generation students with a high ESCS 7.0% 8.9% 7.7%
A more accurate measure of the extent of within-school segregation in secondary 1

education can be given by using segregation indexes (Murillo, 2016; Murillo & Martínez-
Garrido, 2019). We use the variance ratio 3 (James & Taeuber, 1985) which may be
interpreted as a measure of the relative difference between the observed exposition of a
group x to a group y and their expected exposition, if the two groups had been equally
distributed in spatial units. The variance ratio varies between 0 and 100%; the maximum
value indicates that the group is totally isolated in spatial units. In the framework of our
data, this means that the higher the value of the variance ratio, the more likely the
members of a given group are to be together in the same class.
Table 2 shows that within-school social and migratory segregation is relatively low in
Geneva since the variance ratio never exceeds 17.1%. However, it is not identical for all
groups of students: it is more pronounced for native students with a middle ESCS (V =
3The variance ratio (V) is calculated using the following formula: 𝑉𝑉 = ∑ 𝑡𝑡𝑖𝑖 (𝑝𝑝𝑖𝑖 − 𝑃𝑃)2 /𝑇𝑇𝑇𝑇(1 − 𝑃𝑃),
where T stands for the total population, P is the population of a group, 𝑡𝑡𝑖𝑖 is the total population
in a spatial unit 𝑖𝑖 and 𝑝𝑝𝑖𝑖 is the population of a group in the spatial unit 𝑖𝑖.
39
17.1%), for second-generation students with a middle ESCS (V = 11.2%), as well as for
second and first-generation students with a low ESCS (10.3% and 10.6% respectively).
The comparison between the two modes of grouping students indicates that within-school
segregation is higher in the segmented system. Large differences can be noted for second-
generation students with a middle ESCS, as well as for all the students with a low ESCS,
irrespective of their migratory status, who are clearly more segregated in the segmented
system than in the integrated system. As we have seen, it is particularly these
disadvantaged students who are over-represented in the classes of the bottom stream. It
is therefore they who should suffer most from the negative effects of the segregation
produced by streaming.
3.3. Analytical strategy
We use multilevel logistic regression analysis which enables us to examine the
relationship between an independent binary variable and several explanatory variables.
We are therefore reasoning on the probability of being oriented towards one of the
different paths of secondary 2 education. Multilevel modelling allows the hierarchical
structure of the data to be considered, in order to have a reliable estimate of the contextual
effects. Indeed, when data are hierarchical –individuals (level 1) are grouped in larger
units (level 2)– one can suppose that there will be a correlation between residuals within
the groups. This means that observations nested within the same group ‘are likely to be
experientially and demographically similar to each other, but different from observations
in other groups’ (Bickel, 2007, pp. 61-62). In the framework of our data, level 1 represents
the students in Geneva public schools (n = 1643) 4; level 2 represents the class in which
students are enrolled in secondary 1 education (n = 94) 5.
Dependent variables
Our analysis focuses on the most demanding and selective secondary 2 education path:
baccalaureate schools. Our dependant variable is dichotomous: 1 represents the students
in baccalaureate schools and 0 represents their peers in another path (vocational training
or GCS). We analyse the probability of being in a baccalaureate school, three years after
the end of secondary 1 education. We focus on medium-term orientations –rather than
immediately after the end of secondary 1 education– in order to take mid-course
reorientations into account, these being commonplace. Indeed, only 62.1% of students
who start secondary 2 education in a baccalaureate school actually have an uninterrupted
career. Their peers either repeat a year or change path to a less demanding one.
Independent variables
Individual characteristics of students are taken into account using the following variables:
gender, social and migratory status, language spoken, years repeated and age. Their initial
4 These are unweighted numbers. Due to the sampling method used in PISA, it is necessary to
weigh the sample for it to be representative of the population. Our analysis is based on 1643
pupils, representative of 3138 pupils. For more details on the weighing method used in PISA, see
OECD (2005).
5 Our analysis does not include ‘workshop classes’ aimed at students with extensive educational
difficulties nor ‘reception classes’ aimed at integrating migrant students newly arrived in Geneva.
40
level of competence is measured by the PISA score in mathematics in the last year of
secondary 1 education 6.
Along with these individual variables, we also have class-level control variables. The
effect of within-school segregation is taken into account by measuring the social and
migratory composition of classes. We selected three variables: average percentage of
native students with a low ESCS per class, average percentage of second-generation
students with a low ESCS per class and average percentage of first-generation students
with a low ESCS per class. We assume that being in a class with a high proportion of
native or migrant students from a disadvantaged social background has a significant effect
on one’s chances of continuing on to a baccalaureate school.
We also included other variables measuring the composition of the class (average
percentage of boys per class, average percentage of students who repeated a year per class,
average age of the class and average mathematics score per class), as well as variables
measuring several dimensions of the class climate: the index of teacher-student relations,
which measures the students’ perception of their relationship with their teachers; the
teacher support index, which is based on the students’ perception of whether their
teachers support them or not; the index of disciplinary climate, which evaluates whether
the environment of the class is adapted to learning.
Finally, we have included a variable which differentiates between the modes of grouping
students in classes. We assume that –all other things being equal– being at school in the
segmented system has a negative effect on one’s chances of being oriented into a
baccalaureate school.
Using these variables (see table A1 in Appendix), we have built four regression models.
• Model 0 (empty) allows to decompose between level 1 variance (individual) and
level 2 variance (class).
• Model 1 includes the effect of students’ individual characteristics.
• Model 2 introduces the effect of within-school segregation.
• Model 3 includes the effect of class composition and classroom climate.
• Model 4 draws on the effect of the modes of grouping students in classes.
4. Results
The empty model allows to determine the proportion of the variance explained at the class
level (level 2). The class explains 36.3% of the total variance in the probability of being in
a baccalaureate school three years after the end of secondary 1 education 7.
6 PISA studies measure competences in reading, mathematics and science. We focus on

mathematics as it is the major domain of the 2003 PISA study. This means that two thirds of
testing time is given over to mathematics, whilst reading and science are subject to briefer
assessments.
7 To calculate the level 2 variance, we use the intraclass correlation coefficient (ICC). It is given by
𝜏𝜏02
the following formula: 𝐼𝐼𝐼𝐼𝐼𝐼 = , where 𝜏𝜏02 represents the random intercept variance. For
𝜏𝜏02 + 𝜋𝜋2 /3
more details, see Snijders and Bosker (2012).
41
When we include the effect of students’ individual characteristics (model 1), the level 2
variance only accounts for 14.5% of the total variance, which indicates that a large part of
the class effect is linked to students’ individual characteristics. The effect of social and
migratory status is significant for native students with a middle ESCS (OR = .443, p <
.001), as well as for native students (OR = .319, p < .001), second-generation students
(OR = .243, p < .001) and first-generation students (OR = .210, p < .001) with a low
ESCS. The effect of the PISA score in mathematics is also significant (OR = 2.936, p <
.001), which highlights the key role of the initial level of competence on the orientation in
secondary 2 education.
Model 2 takes the effect of within-school segregation into account, which is measured by
taking the average percentage of native, second-generation and first-generation students
with a low ESCS per class. Adding in the variables that measure the social and migratory
composition of the classes contributes to reducing the level 2 variance, which only
explains 10.5% of the total variance. Odds-ratio indicate a negative and significant effect
of the average percentage of native and second-generation students with a low ESCS per
class. The likelihood of being in a baccalaureate school decreases by 1.67 each time the
percentage of native students with a low ESCS per class increases by a standard deviation
(OR = .596, p < .001) and by 1.57 each time the percentage of second-generation students
with a low ESCS increases (OR = .636, p < .001). The percentage of first-generation
students with a low ESCS per class does not have a significant effect (OR = .862, p =
.222).
Model 3 aims to test the effect of other variables measuring class composition and
classroom climate. Introducing these variables into the regression model further reduces
the class variance, which now only explains 4.7% of the total variance. Only one of these
level 2 variables has a significant effect: the average PISA score in mathematics per class
(OR = 1.545, p = .018).
Model 4 takes into account the effect of the modes of grouping students in classes. All
other things being equal, students from the segmented system are 1.6 times less likely to
be in a baccalaureate school (OR = .625, p = .035). This shows that the integrated system
is more effective than the segmented system as its students have a higher probability of
being in a baccalaureate school.
Model 4b (see table A2 in Appendix) allows for a more thorough look at the effects of the
segmented system by differentiating between top stream students and their bottom
stream peers. There is a significant effect for bottom stream students: they are 20 times
less likely than their peers from the integrated system to be in a baccalaureate school (OR
= .048, p < .001).
Figure 1 gives the predicted probability of being in a baccalaureate school depending on
the modes of grouping students in classes and the PISA score in mathematics.
42
Table 3. Probability of being in a baccalaureate school, three years after the end of secondary 1 education. Multilevel logistic regression analysis (odds-
ratio)
MODEL 0 MODEL 1 MODEL 2 MODEL 3 MODEL 4
Constant 0.630** 0.691** 0.583** 0.555** 0.796
Native students with a low ESCS 0.319*** 0.397*** 0.38*** 0.384***
Native students with a middle ESCS 0.443*** 0.467*** 0.466*** 0.469***
Native students with a high ESCS 0.243*** 0.304*** 0.278*** 0.281***
Second-gen. students with a low ESCS 0.619 0.688 0.696 0.712
Social and migratory
Second-gen. students with a middle ESCS 0.682 0.738 0.688 0.7
status
Second-gen. students with a high ESCS 0.210*** 0.256** 0.210*** 0.214***
First-gen. students with a low ESCS 0.851 1.009 1.067 1.096
First-gen. students with a middle ESCS 2.073 2.373 2.586 2.672
First- gen. students with a high ESCS ref. ref. ref. ref.
Girls 3.161*** 3.158*** 2.974*** 2.959***
Sex
Boys ref. ref. ref. ref.
Other languages 1.394 1.459 1.584* 1.562*
Language spoken
French ref. ref. ref. ref.
Did repeat a year 0.310*** 0.313*** 0.330** 0.332**
Years repeated
Did not repeat a year ref. ref. ref. ref.
Age 0.858 0.85 0.899 0.899
PISA score in mathematics 2.936*** 2.757*** 2.524*** 2.512***
Average percentage of native students with a low
0.596*** 0.723** 0.731**
ESCS per class
Social and migratory Average percentage of second-gen. students with a low
composition of 0.636*** 0.780* 0.813
ESCS per class
classes
Average percentage of first-gen. students with a low
0.862 1.236 1.228
ESCS per class
43
Average percentage of boys per class 0.934 0.954

Average percentage of students who repeated a year per class 1.221 1.203
Average age of the class 0.776 0.776
Average mathematics score per class 1.545* 1.714**
Average score per class on the index of teacher-student relations 1.172 1.225
Average score per class on the teacher support index 0.846 0.85
Average score per class on the index of disciplinary climate 1.087 1.065
Modes of grouping Segmented system 0.625*
students Integrated system ref.
Proportion of total variance explained at the class level (level 2) - ICC 36.3 14.5 10.5 4.7 4.5
44
Figure 1. Predicted probability of being in a baccalaureate school, three years after the
end of secondary 1 education, depending on the PISA score in mathematics and the
modes of grouping students in classes in the last year of secondary 1 education (Model
4b)
The probability of being in a baccalaureate school is not significantly different between

students from the top stream and those from the integrated system. On the other hand,
students from the bottom stream always have a significantly lower probability of being in
a baccalaureate school, irrespective of their PISA score in mathematics. For example, a
student whose score is a standard deviation below average will only have a 2% chance of
being oriented towards a baccalaureate school if they are in the bottom stream, whereas
a student with exactly the same level of competence from the integrated system will have
about 25% chance. This shows that being in the bottom stream in secondary 1 education
almost totally excludes being oriented towards a baccalaureate school as the probability
never exceed 20%, even for students with the highest mathematics scores.
Models 4 and 4b assume that the effects of the segmented and integrated systems are
identical for all students, irrespective of class composition. We are going to modify this
assumption to allow the effects of modes of grouping students to vary depending on class
composition. We have first built model 4c (see table A2 in Appendix) which adds an
interaction effect between the modes of grouping students and the average PISA score in
mathematics per class. The aim is to estimate whether the effect of within-school academic
segregation is different in the segmented and integrated systems.
45
end of secondary 1 education, depending on the average PISA score in mathematics per
class and the modes of grouping students in classes in the last year of secondary 1
education (Model 4c)
Figure 2 shows the differences in predicted probability between the segmented and the
integrated systems depending on the average PISA score in mathematics per class. As the
integrated system is the reference, the predicted probability remains constant no matter
the average mathematics score per class. In classes where the average score in
mathematics is below average, students who are in the segmented system always have a
lower probability of being in a baccalaureate school. The more the average score per class
increases, the closer the predicted probabilities get to those observed in the integrated
system. When the average score per class is above average, the 95% confidence interval
indicates that the differences in probability are no longer significant. This means the
segmented system tends to penalise students more strongly in classes where the average
academic level is low, yet, in comparison with the integrated system, it does not provide
any advantage for students in classes where the average level is high.
With model 4d (see table A2 in Appendix), an interaction effect between the modes of
grouping students and the social and migratory composition of classes has been
introduced. The aim is to estimate whether within-school social and migratory
segregation has a different effect in the segmented and integrated systems.
A significant interaction effect can be found for the average percentage of disadvantaged
first-generation students per class: in the segmented system, each time the percentage of
the first-generation students with a low ESCS per class increases by a standard deviation,
the probability of being in a baccalaureate school decreases by 1.87 (OR = .534, p < .001).
This is illustrated in figure 3, which shows the differences in predicted probabilities
46
between the segmented system and the integrated system depending on the average
percentage of disadvantaged first-generation students per class.
end of secondary 1 education, depending on the average percentage of first-generation
students with a low ESCS per class and the modes of grouping students in classes in the
last year of secondary 1 education (Model 4d)
The average percentage of disadvantaged first-generation students per class produces

different effects in the segmented and integrated systems. When the percentage of
disadvantaged first-generation students per class is below average, the probability of
being in a baccalaureate school is not significantly different between the segmented and
the integrated systems. However, when the percentage of disadvantaged first-generation
students is above average, students from the segmented system are significantly less
likely to be in a baccalaureate school. In other words, the segmented system produces
more inequalities because students seem more sensitive to the effects of social and
migratory composition of classes.
5. Discussion
Academic success does not only depend on the individual characteristics of students. It is
also linked to the school context, and, in particular, the composition of the public in
schools and classes. In the educational context described in this article, these
compositional effects are mainly linked to the segmented system, which, by grouping
students together in different classes according to their academic level, indirectly
produces segregation depending on their social and migratory characteristics. The
purpose of this article was to estimate the impact of different modes of grouping students
and of within-school segregation in secondary 1 education on the way students are
47
oriented in secondary 2 education. We carried out multilevel logistic regression analysis

using longitudinal data on the education system in Geneva, which, when the data were
collected, offered a dual system of both segmented and integrated classes.
We initially questioned the role played by the modes of grouping students in classes. A
negative effect of the segmented system was found: compared to the integrated system,
students attending the segmented system are 1.6 times less likely to be in a baccalaureate
school, three years after ending secondary 1 education. This negative effect of the
segmented system appears to be mainly related to the bottom stream, where students are
approximately 20 times less likely to be in a baccalaureate school. This means that, the
bottom stream, far from fulfilling its official mission of helping students overcome their
academic difficulties, instead contributes to selecting these students at the beginning of
secondary 1 education, which greatly reduces their chances of being oriented to a
baccalaureate school in secondary 2 education.
We then examined the effects of within-school segregation. We show that social and
migratory segregation contributes to reinforcing inequalities between students: the
likelihood of attending a baccalaureate school is much lower in classes with a higher
percentage of native and second-generation students from a disadvantaged background.
Finally, the relationship between the modes of grouping students in classes and academic,
social and migratory segregation was analysed. The segmented system tends to penalise
students more in classes where the level of competence is low and where the concentration
of disadvantaged first-generation students is high. This means the segmented system
appears to be both less effective than the integrated system –students have a lower
probability of being oriented to a baccalaureate school– and also less equitable, as the
negative effects of within-school segregation tend to be stronger. In other words, the
segmented system seems to amplify the effects of within-school segregation: students
whose schooling takes place in the most disadvantaged context are at a much greater
disadvantage than their peers in the integrated system. Ultimately, the segmented system,
as it was organised in Geneva up to 2011, questions the functioning of educational policies
in terms of social justice, as the segmented system does not seem to be very conducive to
equalising educational opportunities.
The findings of this study have to be seen in light of some limitations. The first is that
inequalities are analysed during the transition from secondary 1 to secondary 2 education.
However, research has shown that educational inequalities are already present from the
very beginning of schooling and that they increase and accumulate throughout the school
career (Duru-Bellat, 2007). Data that include measures of inequality in the early stages of
schooling would allow a more precise estimation of the effect of modes of grouping. The
second limitation is that our analysis focuses on the orientation towards baccalaureate
schools. However, this is not the only way to access higher education. In Switzerland,
students who follow a vocational track in secondary 2 education can obtain a Federal
Vocational Baccalaureate which then gives access to universities of applied science.
Research has shown that it is an important pathway to tertiary education, especially for
students with a migrant background (for Albanian/Kosovan, former Yugoslavs,
Portuguese and Turks in particular) (Murdoch et al., 2016). It would therefore be relevant
to examine how the modes of grouping in secondary 1 education influence the orientation
towards a vocational track.
These results lead to a more general reflection on the organisation of education systems
and the policies to be implemented in order to reduce inequalities. The analysis of the
48
orientations at the end of secondary 1 education in Geneva shows that the academic
selection which takes place in secondary 1 education due to the streaming system is
always a social and migratory selection. This produces strong polarisation in secondary
2 education, with, on one side, the baccalaureate schools which lead the academic and
social ‘elites’ towards further education and on the other side, vocational education and
training, where disadvantaged migrants and academically weaker students are clearly
over-represented.
Research comparing segmented and integrated systems tends to indicate that in
integrated systems, weaker students benefit greatly from being in classes with their
stronger peers whilst the best students draw very few disadvantages from the situation.
Our results obtained in the educational context of Geneva tend to agree with this:
integrated systems contribute more to reducing inequalities.
Nevertheless, can one conclude that segmented systems systematically have a negative
impact and subsequently, that it is pertinent to generalise integrated systems?
Comparative analyses carried out on other Swiss cantonal education systems from the
data collected in the PISA studies incites us to nuance this affirmation (Felouzis &
Charmillot, 2013). Indeed, cantons that use a segmented system produce very variable
levels of inequality and cantons with an integrated system do not necessarily produce the
least inequalities. However, these analyses have highlighted a very clear result: cantons
with the most segregated educational systems, socially and academically speaking, are
also the most unequal. The ‘official’ boundaries laid out for dividing segmented or
integrated systems may not be sufficient to understand the true degree of school
segregation that stems from them. It can therefore be argued that it is not simply the fact
that students are split into segmented or integrated systems that is important, but also
how these divisions operate in the reality of school life: social and migratory segregation.
From a scientific standpoint, this implies that the debate cannot simply focus on the
analysis of the respective merits of the segmented and the integrated systems concerning
their effectiveness and their equity, insofar as there is sometimes a big difference between
the official designation of the modes of grouping students and the way the grouping is
undertaken in reality. It thus seems more pertinent to reason on the contributing factors,
in a given context, that make certain ways of organising educational systems more
effective and more equitable than others (teacher training, level of expectation in the class,
recommended study plans for each stream, etc.). This would lead to new research
perspectives, the object of which would be to analyse the real implementation of school
policies and the role of the different public actors involved in their design and their
application. This is the purpose of a current research project in which we aim to
understand how the reform of secondary 1 education in Geneva is constructed and how it
will be implemented.
Acknowledgements
We thank the Federal Office of Statistics (OFS-Office Fédéral de la Statistique) for
providing us with the data from the PISA Suisse study. We thank Geneva Educational
Research Department (SRED-Service de la Recherche en Éducation) for providing us
with the Geneva schooling database. We would also like to thank our colleague, Carl
Denecker, for his help reviewing the manuscript.
49
References
Bickel, R. (2007). Multilevel analysis for applied research: it's just regression! The Guildford Press.
Brunello, G. & Checchi D. (2007). Does school tracking affect equality of opportunity? New
international evidence. Economic Policy 22(52), 781-861. https://doi.org/10.1111/j.1468-
0327.2007.00189.x
Charmillot, S. (2013). Ségrégation et inégalités scolaires: Le cas de l'enseignement secondaire à Genève.
Faculté de Psychologie et des Sciences de l'Éducation, Université de Genève.
Coleman, J. S., Ernest Q., Campbell, C. F., Hobson, J. M., McPartland, A. M., Mood, R. L., York,
& Weinfeld, F. (1966). Equality of educational opportunity. U.S. Department of Health,
Education and Welfare.
Dumay, X. & Dupriez, V. (2007). Does the school composition effect matter? Some methodological
and conceptual considerations. Les Cahiers de Recherche du Girsef, 60, 1-29.
Duru-Bellat, M. (2007). Social inequality in French education. Extent and complexity of the issues.
In R. Teese, S. Lamb, and M. Duru-Bellat (Eds.), International studies in educational inequality,
theory and policy (pp. 337-356). Springer. https://doi.org/10.1007/978-1-4020-5916-2_12
Felouzis, G. & Charmillot, S. (2013). School tracking and educational inequality: A comparison of
12 education systems in Switzerland. Comparative Education 49(2), 181-205.
https://doi.org/10.1080/03050068.2012.706032
Felouzis, G., Charmillot, S., & Fouquet-Chauprade, B. (2011). Les inégalités scolaires en Suisse et
leurs déclinaisons cantonales: L’apport de l’enquête PISA 2003. Revue Suisse de Sociologie
37(1), 33-55.
Felouzis, G., Fouquet-Chauprade, B., & Charmillot, S. (2019). School segregation in France: The
role of public policies and stakeholder strategies. In X. Bonal and C. Bellei (Eds.),
Understanding school segregation. Patterns, causes and consequences of spatial inequalities in
education (pp. 29-44). Bloomsbury. https://doi.org/10.5040/9781350033542.ch-002
Gamoran, A. (2010). Tracking and inequality: New directions for research and practice. In M.
Apple, S. Ball, and L. Armando Gandin (Eds.), The Routledge international handbook of the
sociology of education (pp. 213-228). Routledge.
Gamoran, A., Nystrand, M., Berends, M., & Lepore, P. (1995). An organizational analysis of the
effects of ability grouping. American Educational Research Journal, 32(4), 687-715.
https://doi.org/10.3102/00028312032004687
Ganzeboom, H. B. G., De Graaf, P. M., & Treiman, D. J. (1992). A standard international socio-
economic index of occupational status. Social Science Research, 21(1), 1-56.
https://doi.org/10.1016/0049-089X(92)90017-B
Hallinan, M. T. (1994). School differences in tracking effects on achievement. Social Forces, 72(3),
799-820. https://doi.org/10.1093/sf/72.3.799
Hanushek, E. A. & Woessmann, L. (2006). Does educational tracking affect performance and
inequality? Differences- in-differences evidence across countries. The Economic Journal
116(510), 63-76. https://doi.org/10.1111/j.1468-0297.2006.01076.x
Hörner, W., Döbert, H., Reuter, L., & von Kopp, B. (2015). The education systems of Europe. Springer.
https://doi.org/10.1007/978-3-319-07473-3
James, D. R. & Taeuber, K. E. (1985). Measures of segregation. Sociological Methodology, 15, 1-32.
https://doi.org/10.2307/270845
50
Jencks, C. & Mayer, S. E. (1990). The social consequences of growing up in a poor neighborhood.
In L. E. Lynn & M. G. H. McGeary (Eds.), Inner-city poverty in the United States (pp. 348-
363). National Academy Press.
Lucas, S. R. (1999). Tracking inequality: Stratification and mobility in american high schools. Teachers
College Press.
Lucas, S. R. & Berends, M. (2002). Sociodemographic diversity, correlated achievement, and de
facto tracking. Sociology of Education, 75(4), 328-348. https://doi.org/10.2307/3090282
Mickelson, R. A. (2003). When are racial disparities in education the result of racial discrimination?
a social science perspective. Teachers College Record, 105(6), 1052-1086.
https://doi.org/10.1111/1467-9620.00277
Monseur, C. & Crahay, M (2008). Composition académique et sociale des établissements, efficacité
et inégalités scolaires: Une comparaison internationale. Revue Française De Pédagogie, 164,
55-65. https://doi.org/10.4000/rfp.2128
Murdoch, J., Guégnard, C., Griga, D., Koomen, M., & Imdorf, C. (2016). How do second-generation
immigrant students access higher education? The importance of vocational routes to higher
education in Switzerland, France, and Germany. Swiss Journal of Sociology 42(2), 245-265.
https://doi.org/10.1515/sjs-2016-0011
utilizando el TERCE [Measuring the school segregation in Latin America. A
methodological analysis using TERCE]. REICE. Revista Iberoamericana sobre Calidad,
Eficacia y Cambio en Educación, 14(4), 33-60. https://doi.org/10.15366/reice2016.14.4.002
Murillo, F. J. & Martínez-Garrido, C. (2019). Profiles of school segregation by socioeconomic
status in Spain and its Autonomous Communities. RELIEVE, 25(1), 1-21.
https://doi.org/10.7203/relieve.25.1.12917
Oakes, J. (2005). Keeping track: How schools structure inequality. Yale Univ. Press.
Padilla, E. & Bazán A. (2016). Contextual, socioeconomic and cultural impacts on the outcomes of
mexico in reading in PISA 2009. REICE. Ibero-American Journal on Quality, Effectiveness and
Change in Education, 14(2), 79-95.
OECD. (2005). PISA 2003 technical report. OECD. https://doi.org/10.1787/9789264010543-en
OECD. (2013). PISA 2012 results: What makes schools successful? Resources, policies and practices (Volume
IV). OECD Publishing. https://doi.org/10.1787/9789264201156-en
Rumberger, R. W. & Palardy, G. J. (2005). Does segregation still matter? The impact of student
composition on academic achievement in high school. Teachers College Record, 107(9), 1999-
2045. https://doi.org/10.1111/j.1467-9620.2005.00583.x
Schofield, J. W. (1995). Review of research on school desegregation's impact on elementary and
secondary school students. In J. A. Banks & C. A. MaGee Banks (Eds.), Handbook of research
on multicultural education (pp. 597-617). Mac Millan.
Slavin, R. E. (1987). Ability grouping and student achievement in elementary schools: A best-
evidence synthesis. Review of Educational Research, 57(3), 293-336.
https://doi.org/10.3102/00346543057003293
Slavin, R. E. (1990). Achievement effects of ability grouping in secondary schools: A best-evidence
synthesis. Review of Educational Research, 60(3), 471-499.
https://doi.org/10.3102/00346543060003471
Slavin, R. E. (1993). Ability grouping in the middle grades: Achievement effects and alternatives.
Elementary School Journal, 93(5), 535-552. https://doi.org/10.1086/461739
51
Snijders, T. A. & Bosker, R. J. (2012). Multilevel analysis. An introduction to basic and advanced
multilevel modeling. SAGE Publications.
UNESCO. (2006). International standard classification of education, ISCED 97. UNESCO.
van Ewijk, R. & Sleegers, P. (2010a). The effect of peer socioeconomic status on student
achievement: A meta-analysis. Educational Research Review, 5(2), 134-150.
https://doi.org/10.1016/j.edurev.2010.02.001
van Ewijk, R. & Sleegers, P. (2010b). Peer ethnicity and achievement: A meta-analysis into the
compositional effect. School Effectiveness and School Improvement, 21(3), 237-265.
https://doi.org/10.1080/09243451003612671
Weinberg, M. (1975). The relationship between school desegregation and academic achievement:
A review of the research. Law and Contemporary Problems, 39(2), 241-270.
https://doi.org/10.2307/1191101
Woessmann, L. (2009). International evidence on school tracking: A review. Ifo Institute.
52
Appendix
Table A1. Descriptive statistics for the variables included in the multilevel logistic
regression models
N MIN. MAX. MEAN SD
Path in secondary 2 Baccalaureate school 3138 0.00 1.00 0.46 0.50
education Other path 3138 0.00 1.00 0.54 0.50
Native students with a low
3095 0.00 1.00 0.14 0.34
ESCS
Native students with a middle
3095 0.00 1.00 0.25 0.43
ESCS
Native students with a high
3095 0.00 1.00 0.28 0.45
ESCS
Second-gen. students with a
3095 0.00 1.00 0.11 0.31
low ESCS
Social and migratory Second-gen. students with a
3095 0.00 1.00 0.06 0.23
status middle ESCS
Second- gen. students with a
3095 0.00 1.00 0.04 0.19
high ESCS
First- gen. students with a low
3095 0.00 1.00 0.07 0.26
ESCS
First- gen. students with a
3095 0.00 1.00 0.04 0.20
middle ESCS
First- gen. students with a high
3095 0.00 1.00 0.02 0.15
ESCS
Girls 3138 0.00 1.00 0.52 0.50
Sex
Boys 3138 0.00 1.00 0.48 0.50
Other languages 3138 0.00 1.00 0.32 0.47
Language spoken
French 3138 0.00 1.00 0.68 0.47
Did repeat a year 3105 0.00 1.00 0.13 0.34
Years repeated
Did not repeat a year 3105 0.00 1.00 0.87 0.34
Age 3138 12.00 17.00 14.30 0.55
PISA score in mathematics 3138 205.36 763.08 515.95 83.66
Average percentage of native
students with a low ESCS per 3138 0.00 0.40 0.14 0.09
class
Average percentage of second-
Social and migratory
gen. students with a low ESCS 3138 0.00 0.50 0.11 0.10
composition of classes
per class
Average percentage of first-
gen. students with a low ESCS 3138 0.00 0.45 0.08 0.08
per class
Average percentage of boys per class 3138 0.18 0.77 0.48 0.11
Average percentage of students who repeated a year per
3138 0.42 1.00 0.84 0.14
class
Average age of the class 3138 13.90 14.92 14.33 0.19
Average mathematics score per class 3138 381.67 600.06 512.26 47.46
Average score per class on the index of teacher-student
3138 -1.07 0.57 -0.25 0.36
relations
53
Average score per class on the teacher support index 3138 -1.63 0.72 -0.28 0.54
Average score per class on the index of disciplinary
3138 -1.67 1.42 -0.33 0.47
climate
Segmented system 3138 0.00 1.00 0.83 0.37
Modes of grouping Top stream 3138 0.00 1.00 0.65 0.48
students Bottom stream 3138 0.00 1.00 0.18 0.38
Integrated system 3138 0.00 1.00 0.17 0.37
Table A2. Probability of being in a baccalaureate school, three years after the end of
secondary 1 education. Multilevel logistic regression analysis (odds-ratio). Model 4b, 4c,
4d
MODEL MODEL MODEL
4B 4C 4D
Constant 0.828 0.782 0.791
Native students with a low
0.387*** 0.383*** 0.384***
ESCS
Native students with a
0.467*** 0.466 0.465***
middle ESCS
Native students with a high
0.287*** 0.284*** 0.289***
ESCS
0.738 0.715 0.708
low ESCS
Social and migratory status 0.707 0.716 0.709
middle ESCS
Second- gen. students with a
0.234*** 0.222*** 0.226***
high ESCS
1.261 1.081 1.116
low ESCS
3.216 2.829 2.933
middle ESCS
ref. ref. ref.
high ESCS
Girls 2.942*** 2.956*** 2.977***
Sex
Boys ref. ref. ref.
Other languages 1.442 1.519 1.505
Language spoken
French ref. ref. ref.
Did repeat a year 0.312*** 0.322*** 0.319**
Years repeated
Did not repeat a year ref. ref. ref.
Age 0.906 0.903 0.905
PISA score in mathematics 2.487*** 2.509*** 2.512***
Average percentage of native
students with a low ESCS per 0.763** 0.748** 0.89
Social and migratory class
composition of classes Average percentage of
second-gen. students with a 0.837 0.82 0.988
low ESCS per class
54
Average percentage of first-

gen. students with a low 1.204 1.135 1.716**
ESCS per class
Average percentage of boys per class 1.047 0.955 0.931
Average percentage of students who repeated a year per
0.999 1.102 1.129
class
Average age of the class 0.702* 0.748 0.731
Average mathematics score per class 1.007 0.828 1.685**
Average score per class on the index of teacher-student
1.231* 1.219 1.196
relations
Average score per class on the teacher support index 0.844 0.868 0.862
Average score per class on the index of disciplinary climate 1.1 1.039 1.045
Segmented system 0.605* 0.604*
Bottom stream 0.048***
Modes of grouping students
Top stream 0.942
Integrated system ref. ref. ref.
Average mathematics score per class*Modes of grouping
2.438***
students
Average percentage of native students with a low ESCS per
0.788
class*Modes of grouping students
Average percentage of second-gen. students with a low

0.836
ESCS per class*Modes of grouping students
Average percentage of first-gen. students with a low ESCS

0.566*
per class*Modes of grouping students
Proportion of total variance explained at the class level
2.2 4.1 3.8
(level 2) - ICC
Brief CV of the authors

Samuel Charmillot
PhD in Education Science from the University of Geneva, Switzerland. He is a lecturer
and researcher at the Faculty of Psychology and Educational sciences of the University
of Geneva, where he teaches statistics and quantitative methods. His main research
interests focus on sociology of education, evaluation of educational policies, design and
implementation of educational policies, distribution of educational opportunities and
school segregation. His current research investigates the relationship between the
organization of education systems, school segregation and educational inequalities.
ORCID ID: https://orcid.org/0000-0003-1164-2212. Email:
samuel.charmillot@unige.ch
Georges Felouzis
Full professor at the University of Geneva. His main research expertise is in sociology of
educational policies and evaluation of educational systems. He teaches and publishes on
efficiency and equity in educational systems, international comparisons in the field of
55
education, sociology of educational policies, educational inequalities, school segregation

theory and quantitative methods in social sciences. He founded and directs the Geneva
group for educational policy analysis (GGAPE). He has published numerous articles and
books on schooling and school inequalities such as in 2019, School segregation in France:
inequality of origins and origin of inequalities In X. Bonal, C. Bellei & A. Tarabini (Eds.).
School segregation in Europe and Latin America. London: Bloomsbury Publishing (with
Barbara Fouquet-Chauprade and Samuel Charmillot). His most recent work is the second
edition of Les inégalités scolaires, Presses Universitaires de France, 2020. ORCID ID:
https://orcid.org/0000-0002-2636-8001. Email: georges.felouzis@unige.ch
56
School Segregation and Education Inequalities at the

Start of Schooling in Brazil
Segregação Escolar e Desigualdades Educacionais no Início da

Escolarização no Brasil
Tiago Lisboa Bartholo *
Mariane Campelo Koslinski
Felipe Macedo de Andrade
Universidade Federal do Rio de Janeiro, Brazil
The paper describes patterns of school segregation at the start of the formal
schooling in the city of Rio de Janeiro, Brazil, and estimates the compositional
effect (school mix-effect) on children's learning in the first two years at school.
This is an important phenomenon to analyze the process of distributing
educational opportunities in public and private schools. The concept of school
segregation used in this paper refers to the unequal distribution of students who
share specific characteristics within a group of public schools. The study uses the
Segregation Index for two characteristics of disadvantaged: 1) color/race; 2)
parents' education. The effect of social composition was estimated with data from a
longitudinal study and analyzed separately the compositional effect for the first and
second years at school. Preliminary results suggest that the patterns of school
segregation observed in preschool are similar to those described in the first year of
elementary school. There is, therefore, no major impact on segregation patterns in
the transition between teaching stages. The models for estimating the effect of the
compositional effect on student learning suggest that there is an effect, with more
consistent results for the measurement of language.
Keywords: School segregation; School inequality; Compositional effect;
Longitudinal Study; Preschool.
O artigo descreve padrões de segregação escolar no início do processo formal de

escolarização na cidade do Rio de Janeiro, Brasil, e estima o efeito da segregação
escolar (efeito par ou efeito mistura/compositional effect) no aprendizado das crianças
nos dois primeiros anos na escola. Este é um fenômeno importante para analisar o
processo de distribuição de oportunidades educacionais nas redes públicas e
privadas de ensino. O conceito de segregação escolar utilizado neste artigo se refere
à distribuição desigual de alunos que partilham de uma característica específica em
um agrupamento de escolas. O estudo utiliza o Índice de Segregação (Segregation
Index) e considera duas características dos alunos: 1) cor/raça; 2) escolaridade dos
pais. O efeito da composição social foi estimado com dados de um estudo
longitudinal e analisa separadamente o aprendizado no primeiro e segundo ano na
escola. Os resultados preliminares sugerem que os padrões de segregação escolar
observados na pré-escola são semelhantes aos descritos no primeiro ano do ensino
fundamental. Não há, portanto, grande impacto nos padrões de segregação na
transição entre as etapas de ensino. Os modelos para estimar o efeito da composição
social das escolas (compositional effect) no aprendizado dos alunos sugerem que há
efeito, com resultados mais consistentes para a medida de linguagem.
Palavras-chave: Segregação escolar; Desigualdades educacionais; Efeito par;
Estudo Longitudinal; Pré-escola.
*Contacto: tiagobartholo@ufrj.br Recibido: 15 de mayo 2020

ISSN: 1696-4713 2ª Evaluación: 28 de julio 2020
T. L. Bartholo, M. C. Koslinski, F. M. de Andrade, and D. L de Castro
1. Introduction
This paper describes patterns of school segregation at the start of compulsory education
in the city of Rio de Janeiro, Brazil, and estimates the potential effect of school
segregation (compositional effect) on children's learning in their first two years at
school 1. Previous studies conducted in Brazil have shown that school segregation is a
relevant phenomenon for understanding the distribution of educational opportunities in
public and private education systems (Bartholo & Costa, 2018, 2016; Mendes, 2017).
This topic is not new and has already been investigated using secondary data in the city
of Rio de Janeiro and other cities in Brazil (Bartholo & Costa, 2016; Bruel & Bartholo,
2012; Carvalho Filho, 2016). However, this work addresses two new dimensions: 1) the
use of indicators of school segregation to describe the distribution of students in
preschool (four and five years old)– became part of the compulsory education since 2009;
and 2) the effect of school segregation on students' learning in their first two years at
school, analyzed using longitudinal data.
In this paper, the concept of school segregation refers to an unequal distribution of
students who share a specific characteristic in a group of schools. The phenomenon was
analyzed based on Gorard’s Segregation Index (GS) (Gorard, Taylor, & Fitz, 2003),
which was used mainly because it is an index appropriate for longitudinal analyses
(Murillo, 2016). The concept of segregation should not be interpreted as a synonym for
discrimination or injustice. In fact, in view of the strategy adopted to measure the
phenomenon, segregation is almost inevitable. The debate on school segregation is
closely linked to the issue of the distribution of educational opportunities and, more
broadly, social justice (Rawls, 1971). It is a universal phenomenon that is associated
with residential segregation, parental choice, and educational policies. Other factors
associated with social inequality and social, economic, and cultural isolation partially
explain the variation observed in the phenomenon (Harris, 2012).
It is possible to divide studies on school segregation into two groups. The first seeks to
describe the patterns of school segregation and to identify factors associated with this
phenomenon. Studies in the field of education focus mainly on public policies that can
impact the allocation of students in schools. One example is the policy of school choice,
which has been analyzed in several studies alongside an intense discussion of its effects
on patterns of school segregation in different countries (Goldhaber, 1995; Gorard,
Taylor, & Fitz, 2003; Santos & Elacqa, 2016).
The second group analyses the impacts of segregation on students' educational
trajectories and/or results. Studies conducted in different countries suggest different
effects. On the one hand, it is possible to argue that clustering students with similar
characteristics (for example, students with learning difficulties) can be effective when
the intention is to implement policies aimed at helping such groups. On the other hand,
evidence suggests that clustering potentially disadvantaged students (for example, poor
students or those with learning difficulties) can influence the way they are treated at
1This study was funded by the Inter-American Development Bank, the Rio de Janeiro State
Research Foundation (Fundação de Amparo à Pesquisa do Estado do Rio de Janeiro), the
National Council for Scientific and Technological Development (Conselho Nacional de
Desenvolvimento Científico e Tecnológico), and the Alfa e Beto Institute (Instituto Alfa e Beto).
78
school, their educational aspirations, or the quality of the teaching. More segregated
educational systems or policies that intentionally group students with similar
characteristics show a greater association between the socioeconomic level of families
and the students' learning levels (Haahr et al., 2005; Jenks et al., 1972; Quiroz, Dari, &
Cervini, 2020).
The paper is divided into five parts including the introduction. The second part reviews
the main findings of Brazilian studies on the patterns of school segregation in the public
and private systems and their effects on students' school results. The third part
describes the databases used in the analyses and the proposed models for analysis. The
fourth part presents the main findings of the study and establishes a dialogue with
previous studies conducted in Brazil and other countries in Latin America. Finally, the
fifth part presents preliminary conclusions and discusses gaps and ideas for future
analyses.
2. School segregation in Brazil: What do we already

know?
In Brazil, studies that describe patterns of school segregation and identify factors that
explain the phenomenon mainly focused on public schools (Bartholo, 2013; Bruel &
Bartholo, 2012; Carvalho & Koslinski, 2015; Érnica & Batista, 2012; Mendes, 2017). We
identified a single study that used population data and measured school segregation by
incorporating data from the public and private systems in four capitals in Brazil, namely,
Rio de Janeiro, São Paulo, Belo Horizonte, and Curitiba (Bartholo & Costa, 2018).
The elements of school segregation that are studied in Brazil can be grouped into the
following categories: a) Stratification between public and private systems; b) enrollment
rules for the allocation of students in the public system; c) family strategies for school
choice; d) patterns of residential segregation and their relationship to school
segregation; e) the movement of students between schools; f) allocation in school shifts;
and g) the effect of the social composition of schools on student learning. We will
explain each of these seven points in detail.
In Brazil, the proportion of students enrolled in the private school system is
substantially higher than that observed in the US and most European countries. The
proportion of students in fundamental education (aged 6 to 14) enrolled in the private
system increased from 13% to approximately 16% between 2010 and 2014. Between
2015 and 2019, the number remained almost stable, reaching 17%. However, when we
analyze the data broken down by different cities, it is possible to observe a great
variation. In the city of Rio de Janeiro, the proportion of enrollments in the private
system increased from 29% in 2010 to 33% in 2014, and remained virtually stable until
2019. In the city of Fortaleza, the capital of the State of Ceará, the numbers are even
higher, representing 36% of enrollments in 2010 and 44% in 2014, followed by a slight
decrease in 2019 to 42%.
This context creates a dilemma for researchers interested in the topic of school
segregation. When working only with public data, the phenomenon of school
segregation is necessarily underestimated. This is because the allocation of families
between public and private schools is not random and is strongly marked by the
socioeconomic profile of families who can afford private school tuition.
79
Using data on the entire population of students, Bartholo & Costa (2018) measured the
effect of including enrollments in the private system on the segregation levels measured
over 10 years (2007 to 2016). The data showed an important increase in the levels of
school segregation observed in four cities in Brazil. For example, in the city of Rio de
Janeiro, the data showed a leap in the calculation of the GS from 15% to 25% when data
on black students from the private system were incorporated.
Studies on the impact of enrollment rules have already been conducted in many different
countries, including Brazil. Enrollment rules may or may not allow parents to choose
which school their child will be enrolled in. Evidence from around the world shows
mixed results on this topic. For example, Gorard, Taylor, & Fitz (2003) conducted
transversal monitoring over 20 years, calculating the levels of school segregation in the
English education system and suggested that the implementation of parental policies
(school choice) is associated with a decrease in levels of school segregation. However, a
study conducted in Chile observed an increase in school segregation, in addition to
residential segregation, as a result of the adoption of a voucher policy. This could be
explained by the loose regulation of the Chilean school quasi-market; that is, by the
interaction between parents' choice and the barriers imposed by the collection of fees
and selective admission processes (Santos & Elacqua, 2016).
Another group of studies conducted in several countries (especially in North America)
investigated the association between patterns of residential or socio-spatial segregation
and school segregation (Denton, 1995; Frankenberg, 2013; Santos & Elacqua, 2016).
However, in Brazil, this relationship was treated only indirectly. For example, some
studies aimed at analyzing the relationship between residential segregation and school
results suggested that, in addition to the influence of socialization mechanisms in the
neighborhood, there was an effect of socio-spatial segregation on school supplies
(unequal distribution of school supplies, the student composition, and teacher-student
relationships in poorer areas) (Koslinski, Alves, & Lange, 2013). Other studies analyzed
the relationship between socio-spatial segregation and the possibility of choosing and
moving between more or less prestigious public schools, which in turn impacts school
segregation (Koslinski et al., 2014).
The unfettered movement of students between schools was also analyzed by researchers
from different countries. The findings suggested that the movements are not random.
On the one hand, there are different perceptions of those responsible for the quality of
schools and different strategies for obtaining a place in schools with a better reputation.
On the other hand, schools can be agents that maximize student movement by
suggesting student exchange, imposing barriers to the entry of students with a certain
profile, or making students fail, which can lead to them moving from one school to
another (Noreisch, 2007; West, Hind, & Pennell, 2004; Zanten, 2005).
When analyzing unregulated student movements, Saporito (2003), Bruel & Bartholo
(2012), Bartholo (2014), and Koslinski and others (2014) suggested that the transfer of
students from one school to another in the same education system is not random and
can increase the levels of school segregation. In the case of some education systems in
Brazil, the absence of clear rules and the lack of transparency from public managers may
give rise to procedures provided for in the law, such as informal interviews with parents
or guardians and the selection of students based on their academic performance in
previous years (Alves et al., 2015; Koslinski & Carvalho, 2015; Rosistolato et al., 2019).
80
The last topic studied in the city of Rio de Janeiro, which is possibly present in other
education systems in developing countries, is the non-random allocation of students
between school shifts (Bartholo & Costa, 2014). Until 2014, 90% of schools had two
teaching shifts: morning and afternoon. In this context, students are allocated by the
school management to one of the shifts and attend school in the morning or afternoon.
This pattern of school organization is the result of a system with a high demand for
basic education and with a limited number of buildings/infrastructures to meet the
demand. Some authors compared school segregation when students are allocated in
shifts and when they are not. The allocation of students in shifts significantly increased
the level of segregation in the system, suggesting non-random allocation (Bartholo &
Costa, 2014).
However, a few other studies sought to estimate the impacts of segregation on students'
school performance or trajectories. This is a topic widely explored in international
studies and still incipient in Brazil. Harker & Tymms (2004) conducted an important
review on the subject, especially on the methodological difficulties in measuring the
compositional effect and how to interpret the results. According to the authors, this
would be the specific effect of a single variable aggregated at the school level on a school
result variable, in addition to the contribution of this variable at the individual level. As
students are not randomly distributed among schools, we can expect schools with a
greater or lesser concentration of students in situations of vulnerability and/or with
greater or lesser motivation toward school performance/results. However, the authors
argued that the compositional effect is not necessarily limited to interactions between
peers and may reflect interactions between the composition of the students and the
teachers’ actions, school climate, parental involvement, teachers' commitment, and
others. That is, students react to school structures/processes and to their peers, and
schools react to the composition of the students.
In Brazil, we highlight the studies by Marino (2014), Castro (2016), and Bartholo &
Costa (2016) that used longitudinal data to estimate the compositional effect in the city
of Rio de Janeiro of different cohorts and ages that vary in fundamental education. The
results were mixed but suggested the existence of a compositional effect considering key
variables such as poverty and ethnicity/race. The main limitation of the studies was the
use of measures obtained via external evaluation that had a large measurement error at
the individual level and a high percentage of missing data.
The aforementioned studies conducted in Brazil described the phenomenon of school
segregation and attempted to identify factors associated with the observed variation.
However, the data used referred to fundamental education (children between 6 and 14
years old). The present study analyses a different stage of schooling: preschool
education (children between 4 and 5 years old). This stage became part of compulsory
education in 2009 for all States in Brazil and universal access to preschool was
scheduled for 2016, according to the current National Education Plan-Plano Nacional de
Educação (Law 13.005/2014).
3. Design and methods

The paper presents two separate analysis: the first sought to observe patterns of school
segregation in preschools and in the first year of fundamental education in public
81
schools in the municipal system of Rio de Janeiro. The second part aimed at
understanding the student composition effect on learning during preschool. To this end,
the two parts used different databases and analysis models.
We used databases from the Academic Management System (Sistema de Gestão
Acadêmica; SGA) of the public municipal education system in Rio de Janeiro to identify
patterns of school segregation. The databases of this system allow the identification of
the school in which the students are enrolled and some sociodemographic characteristics
such as gender, ethnicity, access to cash transfer programs, and parents' education. The
organization of the databases allows the calculation of school segregation in preschools
between the years 2006 and 2013. School segregation was calculated for two groups of
students: a) preschool students (4/5 years old) and b) students in the first year of
fundamental education (6/7 years old). The aim of this design was to compare the
segregation patterns observed in preschools with those in the first year of fundamental
education to reveal similarities and differences in this transition.
It was not possible to calculate segregation indicators for students enrolled in
preschools for subsequent years due to a limitation in the database used. The authors
intend to update the segregation indicators in a future study. The calculation of school
segregation for students enrolled in fundamental school has already been conducted up
to 2016 (Bartholo & Costa, 2018). For the calculation of school segregation, we used the
GS (Gorard, Taylor, & Fitz, 2003), an indicator that represents what Gorard & Taylor
(2002) called a strong compositional invariance, comparing it with another indicator
widely used in educational research, the Dissimilarity Index (Duncan, 1955). Moreover,
in a thorough comparison between Duncan's Dissimilarity Index, the GS, and the
Square Root Index (Hutchens, 2004), Murillo (2016) argues that the GS allows the
comparison of school segregation among different groups, being an indicator that stands
out from the other two in the longitudinal analysis of the evolution of segregation in a
system, which is a prominent feature of the present study.
The GS is represented by the following equation: GS = 0.5 * {∑│Fi / F – Ti / T│}
Where:
Fi is the number of potentially disadvantaged students in school “i,” and “i” ranges from
1 to the total number of schools investigated;
F is the total number of potentially disadvantaged students from the same set of schools;
Ti is the number of students in school “i,” and “i” ranges from 1 to the total number of
schools investigated; and
T is the total number of students in schools in the same set of schools (Gorard, Taylor,
& Fitz, 2003).
The GS was calculated considering two potential disadvantages: a) parent education and
b) ethnicity/race. Parent education was coded with two distinct cutoff points. The first
considered parents who had not completed fundamental education (EducF) as a
potential disadvantage and the second considered parents who had not completed
secondary education (EducS). Parental education is probably one of the best predictors
of a child's school trajectory, except for direct measures of student proficiency (Gorard
82
and See, 2013). Ethnicity/race was coded as a potential disadvantage for black students 2.
In Brazil, several studies in the fields of education, economics, and sociology used
ethnicity/race to understand social inequalities associated not only with educational
opportunities but also with income, access to the labor market, exposure to violence, etc.
However, the ethnicity variable used in the databases had some limitations. First, more
data were missing on the ethnicity of children enrolled in preschool than on children
enrolled in fundamental education, representing 17.4% and 4% of cases, respectively.
Moreover, ethnicity in Brazil is usually obtained by self-declaration, which represents a
limitation given the age range of the children/students analyzed here 3. The information
from the school records was obtained from the parents/guardians of the children, but in
some cases, the school’s administrative employees entered the information into the
system based on their perceptions (hetero-attribution), possibly going against the
parents' perceptions.
The second part of the analysis, which sought to identify the effect of student
composition on learning during the two years of preschool, used the databases of a
longitudinal study that collected data during March 2017 and December 2018 with
children enrolled in the municipal system of Rio de Janeiro. This study selected a
random probabilistic sample from 46 schools, composed of approximately 2,700 children
that were stratified by area and type of school supply. The longitudinal study included
three waves of data collection on children: two collections in 2017, at the beginning and
end of the school year, at four/five years of age, and one collection at the end of the 2018
school year, at five/six years. For more details on the sample, see Bartholo and others
(2019, 2020). The figure below illustrates the design of the longitudinal study.
In waves 2 and 3, children who joined any investigated school during preschool were
included. The students' cognitive development was estimated at each wave of the study,
using an adapted version of the Performance Indicators in Primary Schools (PIPS)
instrument, a tool developed by researchers at Durham University in England (Tymms,
1999).
Figure 1. Longitudinal study design

Source: Prepared by the authors.
The instrument measures two dimensions, language and mathematics, which are
composed of the following subdimensions: “a) Writing; b) vocabulary; c) ideas about
2 For this purpose, we used the categories created by the Brazilian Institute of Geography and
Statistics (Instituto Brasileiro de Geografia e Estatística; IBGE).
3 Carvalho (2005) explores issues related to race identity in students at the beginning of basic
education.
83
reading-evaluates concepts about prints; c) phonological awareness; d) letter

identification; e) word recognition and reading; f) ideas about mathematics; g) counting
and numbers; h) addition and subtraction without symbols; i) identification of forms; and
j) identification of numbers” (Koslinski & Bartholo, 2019, p. 293).
The scores for language and mathematics were estimated from the items of the
cognitive test of the adapted PIPS test using Rasch measures (Boone, 2006) and the
Winstep software.
Table 1. Description of the analyzed variables and their sources
NAME TYPE DESCRIPTION SOURCE
Dependent Variables
Language Continuous Language measure on wave 2 or 3 Cognitive test
Mathematics Continuous Mathematics measure on wave 2 or 3 Cognitive test
Explanatory Variables
Level 2 - school
Questionnaire
Average indicator of SES aggregated by for guardians
SES (school) Continuous
school and parents and
SGA/SME
Level 1 – child
Language Continuous Language measure on wave 1 or 2 Cognitive test
Mathematics Continuous Mathematics measure on wave 1 or 2 Cognitive test
Indicator of the socioeconomic status of the
child, calculated using the Rasch model Quest. Guardians
SES (child) Continuous including items on parental education, and Parents and
ownership of assets, household density, and SGA/SME
poverty (access to cash transfer programs)
Indicates the child's gender (0 = Girl; 1 =
Gender Dichotomous SGA/SME
Boy)
Indicates the child's age in years in wave 1,
Age Continuous SGA/SME
2, or 3
Indicates whether a child has special
SEN Dichotomous
educational needs
Table 1 presents the variables used in the multilevel models to estimate the
compositional effect for the first and second years at school. The models were
interpreted based on the effect of the indicator of the aggregated socioeconomic status
for the school (level two of the multilevel model). To minimize the loss of cases over the
two years of the study, the models separately estimated the compositional effect in the
first and then in the second year at school.
In addition to the children's cognitive data, the longitudinal study collected information
from the family context during waves 2 and 3 by administering questionnaires to
parents and guardians. The demographic data on the children (age, ethnicity, and
gender) and the additional data on the socioeconomic context of the family (education of
the parents and participation in the Bolsa Família program) were obtained from the
Academic Management System of the Municipal Department of Education (Sistema de
Gestão Acadêmica da Secretaria Municipal de Educação; SGA/SME).
We estimated models using the individual SES level aggregated at the school level to
calculate the compositional effect. The multilevel regression models, in which level 1
84
refers to the individual/child and level 2 refers to the school, included the level 1
variables centered on the grand mean. The simpler models, which only included SES at
level 1 and the aggregated SES per school at level 2, can be expressed by the equation
below:
Level 1 model:
Cognitive Measureij = β0j + β1j*(SESij) + rij
Level 2 model:
β0j = γ00 + γ01*(SES schoolj) + u0j,
β1j = γ10
The results of the compositional effect were observed directly from the SES coefficient
aggregated by school (γ01), the intra-group effect from the SES coefficient at level 1 (γ10),
and the inter-group effect from the sum of the two effects (intra-group and
compositional effects) (Harker & Tymms, 2010). In addition to the SES variables at level
1 and aggregated at level 2, subsequent models included other controls related to the
children’s demographic characteristics (gender, age, and special educational needs) and
control of the previous cognitive measure. The tables in the body of the text show the
coefficients, standard error, and effect sizes for the compositional and intra-group effects
and the sum of the two coefficients that express the inter-effect groups of the estimated
models 4. The article presents the coefficients in effect sizes (ES) to report the difference
between the two groups. For more details, see Tymms (2004). An increasing number of
studies in the field of education choose to report their results in terms of effect size, and
there is an extensive debate on the best forms of interpretation (Higgins, Kokotsaky, &
Coe, 2012).
We also estimated similar models including the ethnicity (black) variable at level 1 and
aggregated at level 2. Previous work conducted with data from fundamental education
found a school racial composition effect (Bartholo & Costa, 2016). However, the models
estimated for preschool showed inconsistent results and the estimated coefficients for
ethnicity were not statistically significant in any of the estimated models. Given the
aforementioned limitations of the ethnicity variable, we chose not to present the results
of these models.
4. Segregation patterns at the beginning of formal

schooling
Several studies in Brazil have calculated indicators of school segregation using
secondary data from the Inep School Census (National Institute of Educational
Statistics-Instituto Nacional de Estatística Educacional) or administrative databases of
municipal or state education departments (Bartholo, 2013; Bartholo & Costa, 2018;
Mendes, 2017). However, the aforementioned studies did not calculate segregation for
preschools, which include children of four and five years old, a mandatory period of
schooling in Brazil since 2009.
4 The complete tables are in the appendix.
85
Table 2 shows the segregation rates between 2006 and 2013 using the GS for two
disadvantages –namely, parent education and ethnicity/race– and compares the
segregation patterns between preschool and the first year of fundamental education.
Table 2. School segregation patterns in preschool and in the first year of fundamental
education (2006–2013)
2006 2007 2008 2009 2010 2011 2012 2013
Preschool - Ethnicity 17.5 18 18.5 18 18.5 19 18.5 18.5
First Year - Ethnicity 19.5 19 20 20 19 19 20.5 20.5
Preschool - EducF 24 24 22 22.5 24.5 23.5 24 25
First Year - EducF 24 23 22.5 22 21 22 22.5 23
Preschool - EducS 11 11.5 10 10.5 12 12.5 12 13
First Year - EducS 10.5 10.5 10.5 10 10 11.5 12 12
The data suggest relative stability of the segregation patterns in preschools over the
period studied. Even more important, there is great similarity in the levels of
segregation described for preschools and the first year of fundamental education. This
result reinforces the hypothesis that the factors that influence school segregation in the
two stages are similar. Attention should be paid to enrollment rules, which are identical
in both age groups. However, two important differences could affect the observed
patterns of school segregation. The first is the proportion of children enrolled in public
schools in preschool and primary education in the city of Rio de Janeiro. The second is
the total number of schools in the public-school system that offer preschool and first-
year classes of fundamental education. Both characteristics could change the measured
levels of school segregation.
The total number of schools and their relationship with school segregation patterns
have already been explored by Bartholo (2014) in a study conducted on the public
system of the city of Rio de Janeiro. This study indicated an important reduction in the
levels of school segregation measured in the transition between the first and second
segments of fundamental education, a period in which most students change from one
school to another. In this transition, an average reduction of 45% in the total number of
schools was observed, increasing the likelihood of schools presenting a more diversified
student profile. Therefore, it is a probabilistic effect, which is also observed in other
educational systems when the number of schools decreases significantly (Bartholo,
2014). Table 3 shows the total number of schools with students enrolled in preschool
and the first year of fundamental education between 2007 and 2013.
The data show a proportional increase of approximately 18% in the number of schools in
the transition between preschool and primary education. This scenario could, at least in
theory, increase the level of school segregation in the educational system. However, the
data do not suggest this effect.
86
Table 3. Number of schools and students/children enrolled in the municipal system of

Rio de Janeiro by stage
2007 2008 2009 2010 2011 2012 2013
Number of schools with
students enrolled in 731 723 721 708 697 728 709
preschool
Number of schools with
students enrolled in the
870 874 896 852 877 840 833
first years of
fundamental education
Source: Statistical synopsis of basic education (Sinopse Estatística da Educação Básica, 2007-
2013).
Data from the 2010 Population Census of Rio de Janeiro indicated good family
adherence and an increase in the supply of places in preschool and fundamental
education: the enrollment rate for children and adolescents aged 6 to 14 (fundamental
education) was 97%, while the enrollment rate for children aged 4 to 5 in early
childhood education was 88%. Moreover, in the period studied, the private school
system was responsible for a higher proportion of enrollments in the preschool stage
(ranging from 27 to 45%), compared to the proportion of enrollments in fundamental
education (ranging from 18 to 32%). In this way, we expected to find greater
homogeneity of students and less school segregation in the preschool stage than among
schools that serve students enrolled in the first year of fundamental education. Figure 1
shows the proportion of enrollments in the public system considering all children
enrolled in the two stages of education, preschool and the first year of fundamental
education.
90
80
70
60
50
40
30
20
10
0
Preschool 1st Grade
Figure 1. Proportion of enrollments in public schools in preschool and the first year of
fundamental education in the city of Rio de Janeiro
Source: School Census, Inep. Prepared by the authors.
It is interesting to note that between 2007 and 2019, the proportion of students enrolled
in the public system decreased, showing a proportional increase in enrollment in the
private system both in preschool and the first year of fundamental education. This
phenomenon deserves to be studied in more detail by researchers in the educational field
87
and may be associated with the perception of the quality of public education and the
differential fall in the birth rate of groups with different socioeconomic profiles in Brazil.
The proportion of children enrolled in fundamental education and preschool in the
public system suggests that a greater part of the demand during preschool was met by
the private system. This can be explained by the non-mandatory provision of preschool
until 2009 and the subsequent establishment of goals for universal access to the school
system for children between four and five years old by 2016.
This factor is important because it suggests a double effect on the transition from
preschool to fundamental education. The first effect is a migration of students who were
in the private system to the public system, possibly due to the lack of places in the
preschool stage in the public system. The second effect is the entry of children who were
out of school. They started to attend the first year of fundamental education without
having attended preschool. These two changes have the potential to significantly change
the proportion of students at a potential disadvantage in the public system when
comparing preschool with the first year of fundamental education. It is not clear
whether students who were out of preschool had a disadvantaged profile, but data on the
state of Rio de Janeiro obtained from the 2010 Population Census suggests this. For
example, the enrollment rate for children aged 4 and 5 was equivalent to 88% for white
children and 83% for black and brown children, reinforcing the idea that more
vulnerable children had less access to this stage of schooling.
5. The effect of student composition in the first two

years of school
The results of the hierarchical models that estimated children's learning throughout the
first and second years at school will be presented in this stage. We divided the analyses
into two sets. The first focused on the indicator of socioeconomic status (SES) designed
using data from the interviews with guardians and secondary data from the SGA/SME
in the first year of school (first year of preschool), with the second replicating the same
analyses for the second year at school (second year of preschool). Replication helped to
identify a pattern in the results and to refute, albeit partially, what Harker & Tymms
(2004) called the phantom effect.
The coefficients of the multilevel regressions are shown in table 4. The models showed
the results for mathematics and language, separated into the first and second years at
school, including only the SES variable at the individual level and the aggregated SES
for school in level two of the model. The results suggested a greater effect of student
composition for language, especially in the second year of preschool. This result
corroborates the findings of Harker & Tymms (2004) and Bartholo & Costa (2016). It is
important to note that the partition of the variance observed in the null model
suggested little variation between schools. The value observed in the second year at
school was slightly higher than that observed in the first year; however, the difference
was still small.
88
Table 4. Compositional effect of the SES aggregated in mathematics and language

MATHEMATICS MATHEMATICS LANGUAGE LANGUAGE
FIRST YEAR SECOND YEAR FIRST YEAR SECOND YEAR
Coef. (ES) SE Coef. (ES) SE Coef. (ES) SE Coef. (ES) SE
0.311*** 0.301*** 0.084** 0.172***
Intra 0.028 0.031 0.029 0.020
(0.481) (0.404) (0.419) (0.379)
Between 0.428 0.425 0.253 0.304
0.127** 0.124** 0.169*** 0.133***
Comp. 0.039 0.040 0.018 0.031
(0.196) (0.166) (0.207) (0.293)
Note: *** p˂ 0,001, ** p ˂ 0,01.
The model presented in table 5 is very simple and there is a real possibility that the
measurement of SES at the individual level and aggregated for the school partially
explain the variation in other dimensions absent in the model (for example, age, gender,
or even an initial measure of development). Subsequent models included new covariables
to identify if the effects observed in the SES at levels one and two of the model
continued to partially explain the variation in student learning. Table 5 presents the
coefficients of a model that introduced three new variables: gender, age, and special
educational needs.
Table 5. Compositional effect of aggregated SES, controlled by other level 1 variables
0.319 *** 0.321*** 0.176*** 0.191***
Intra 0.026 0.016
(0.523) (0.461) 0.029 (0.468) (0.453) 0.018
Between 0.466 0.474 0.273 0.339
0.147*** 0.153*** 0.097*** 0.148***
Comp. 0.032 0.026
(0.241) (0.220) 0.036 (0.257) (0.352) 0.032
Note: p˂ 0,001.
***
The results of the models suggested that there was an effect of student composition for
mathematics and language over the first two years at school. It is worth noting that,
even after the introduction of other control variables, the effect size observed in the
aggregated SES became slightly larger in all of the estimated models. However, these
models were still highly fragile because they did not include an initial measure of
control over the students’ development. Table 6 presents the final model, including all
the aforementioned covariables and an initial measure of students' development in
mathematics or language.
89
Table 6. Compositional effect of the aggregated SES, controlling for level 1 variables
and previous performance
0.120*** 0.042+ 0.061*** 0.052***
Intra 0.020 0.024 0.014 0.014
(0.270) (0.093) (0.210) (0.178)
Between 0.174 0.098 0.122
0.055+ 0.055* 0.066* 0.070*
Compo. 0.032 0.025 0.025 0.026
(0.123) (0.121) (0.225) (0.241)
Note: *** p˂ 0,001, ** p ˂ 0,01, * p ˂0,05, + p<0,10.
For the first year of school, the coefficients suggested a compositional effect for the
measure of language with the SES indicator aggregated for the school being significant
at the 5% level. The introduction of the other covariables, especially the initial measure,
did not change the direction of the result for mathematics. However, the effect size of
the indicator decreased and the coefficient estimated was only significant at the 10%
level. This is a good example of what Harker & Tymms (2004) call the “phantom effect”;
that is, when the observed effect disappears, especially after introducing a measure of
control over the students' previous cognitive development. This result reinforces the
importance of value-added models for research on the effect of schools, the impact of
educational programs, or even the effect of student composition. The absence of
longitudinal measures of children's development can lead researchers to the wrong
results and interpretations.
For the second year at school, the results suggested that there was an effect of the
student composition on language and mathematics learning. The effect size for both
models decreased but remained statistically significant at the 5% level, even in the final
model that controlled the starting point in the cognitive test. It should be noted that in
the second year of preschool, there was an increase in variation between schools, which
may explain the larger and significant coefficients of composition effect for both
language and mathematics. The preliminary results reinforced the findings of Bartholo
& Costa (2016) and suggested the existence of a student composite effect for language.
The results were less clear for mathematics, suggesting that there is a student
composition effect only in the second year of school.
The results presented here used only data on students enrolled in public schools. This is
an important limitation of the results. It is reasonable to assume that, when
incorporating data from students enrolled in the private system, the results will differ.
Bartholo & Costa (2018) showed that when levels of segregation were calculated
considering only students enrolled in public schools, they underestimated the
phenomenon. The explanation is that there is a clear bias in the socioeconomic profile of
students when comparing enrollments in public and private systems. The same
argument can be used to understand the effect of student composition. It is likely that
the effect size will be larger than that described in the article. When estimating the
compositional effect with only a homogeneous section of the students enrolled in the
public system, an important part of the variation between schools is not captured in the
model.
90
The results reinforce the need to expand the debate on educational inequalities at the
beginning of compulsory schooling. Clear enrollment rules, transparent processes, and
policies aimed at making public schools more attractive can help reverse at least part of
the observed school segregation patterns (Rosistolato et al., 2019). This is because, in
addition to the enrollment rules, the phenomenon of school segregation is influenced by
the residential segregation patterns that are characteristic of large Brazilian cities, as the
present study deals with stages of the school system that serve young children and
those with less mobility with regard to the choice of and access to schools (Érnica &
Batista, 2012; Koslinski et al., 2013).
6. Conclusion
There is a growing debate on the importance of early childhood education and, more
specifically, on the possibility of using preschools as public policies to reduce educational
and social inequalities. It is important to analyze the distribution of educational
opportunities in this period of the schooling process to understand the equity of the
system.
This study is the first attempt to measure the phenomenon of school segregation in
preschool over time (the mandatory period of the schooling process) and to estimate the
compositional effect for the first two years of school in the Brazilian context. The
preliminary results suggested that the patterns of school segregation observed in
preschools are similar to those described in the first year of fundamental education.
Therefore, there is no major impact on segregation patterns in the transition between
education stages. Future studies should incorporate data from the private system on the
preschool stage and describe the impact of the stratification between public and private
systems. Nevertheless, the results obtained reinforce the importance of studying the
topic of school segregation and reveal for the first time the size of the phenomenon in
the four-to-five-year age group in a large city in Brazil.
The models for estimating the effect of the social composition of schools (compositional
effect) on student learning suggested that there is an effect, with more consistent results
for the measurement of language. We emphasize that the measures of socioeconomic
level used in the present study –based on data collected directly from students’
parents/guardians– are more detailed, with less missing data and, therefore, are more
reliable than the measures present in studies using secondary data based on students'
responses. The proposal to present models with an increasing number of control
variables reinforces the importance of longitudinal research with two or more measures
of children's development. It is also important to note that the absence of students
enrolled in the private system likely led us to underestimate the phenomenon of the
effect of student composition. Future studies should recalculate the model after
including this portion of the population and observe possible changes in the pattern of
school segregation in view of the persistent trend of increasing enrollments in the
preschool stage in the public system, which has been taking place since 2013.
Future studies should explore other potential disadvantages in an attempt to estimate
the compositional effect, such as ethnicity/race or neighborhood of residence, and even
consider children living in slums. Furthermore, they could use controls of other
variables related to teachers, such as self-efficacy, school processes, and school climate,
91
which would allow them to differentiate the effect of the student composition from the
effects deriving from the school/classroom context.
Referências
Alves, L., Batista, A. A. G., Ribeiro, V. M., & Érnica, M. (2015). Seleção velada em escolas
públicas: Práticas, processos e princípios geradores [Veiled selection in public schools:
Practices, processes and generating principles]. Educação e Pesquisa, 41, 37-152.
https://doi.org/10.1590/S1517-97022015011488.
Bartholo, T. L. (2013). Measuring between-school segregation in an open enrollment system:
The case of Rio de Janeiro. Journal of School Choice, 7, 353-371.
https://doi.org/10.1080/15582159.2013.808937
de estudantes [School segregation in the city of Rio de Janeiro: Analysis of student
movement]. Estudos em Avaliação Educacional, 25, 242.
https://doi.org/10.18222/eae255820142927
Bartholo, T. L. & Costa, M. (2014). Turnos e segregação escolar: Discutindo as desigualdades
intraescolares [Shifts and school segregation: Discussing intra-school inequalities].
Cadernos de Pesquisa, 44, 670-692. https://doi.org/10.1590/198053142771
Bartholo, T. L. & Costa, M. (2016). Evidence of a school composition effect in Rio de Janeiro
public schools. Ensaio, 24, 498-521. https://doi.org/10.1590/S0104-40362016000300001
Bartholo, T. L. & Costa, M. (2018). Patterns of school segregation in Brazil: Inequalities and
education policy. En X. Bonal e C. Bellei (Orgs.), Understanding school segregation: Patterns,
causes and consequences of spatial inequalities in education (pp. 65-82). Bloomsbury Academic.
https://doi.org/10.5040/9781350033542.ch-004
Bartholo, T. L., Koslinski, M. C., Costa, M., & Barcellos, T. M. (2019). What do children know
upon entry to pre-school in Rio de Janeiro? Ensaio, 7, 1-22.
https://doi.org/10.1590/s0104-40362019002702071
Bartholo, T. L., Koslinski, M. C., Costa, M., Tymms, P. B., Merrell, C., & Barcellos, T. M. (2020).
The use of cognitive instruments for research in early childhood education: Constraints
and possibilities in the Brazilian context. Pro-Posições, 31, e20180036.
https://doi.org/10.1590/1980-6248-2018-0036
Boone, W. J. (2006). Rasch analysis for instrument development: Why, when, and how? Erin Dolan.
Bruel, A. L. & Bartholo, T. L. (2012). Desigualdade de oportunidades educacionais na rede
pública municipal do Rio de Janeiro: Transição entre os segmentos do ensino fundamental
[Inequality of educational opportunities in the municipal public network of Rio de Janeiro:
Transition between the segments of fundamental education]. Revista Brasileira de
Educação, 17, 303-328. https://doi.org/10.1590/s1413-24782012000200004
Carvalho, M. P. (2005). Quem é negro, quem é branco: Desempenho escolar e classificação racial
de alunos [Who is black, who is white: School performance and racial classification of
students]. Revista Brasileira de Educação, 28, 77-95.
https://doi.org/10.1590/S1413-24782005000100007.
Carvalho Filho, J. L. (2016). Segregação espacial e segregação escolar: Notas para uma sociologia
da distribuição espacial e social dos estabelecimentos de ensino [Spatial segregation and
school segregation: Notes for a sociology of the spatial and social distribution of
educational establishments]. Mediações, 21(2), 359-380. https://doi.org/10.5433/2176-
6665.2016v21n2p359
92
Castro. C. M. (2016). Avaliação do aprendizado no ciclo de alfabetização de alunos da rede municipal do

Rio de Janeiro [Learning assessment in the literacy cycle of students from the municipal network of
Rio de Janeiro] (Dissertação de Mestrado). Escola Nacional de Ciências Estatísticas IBGE.
Denton, N. A. (1996). The persistence of segregation: Links between residential segregation and
school segregation. Minnesota Law Review, 80, 795-824.
Duncan, O. D. & Duncan, B. (1955). A methodological analyses of segregation indexes. American
Sociological Review, 20(2), 210-217.
Érnica, M. & Batista, A. A. G. (2012). A escola, a metrópole, e a vizinhança vulnerável [The
school, the metropolis, and the vulnerable neighborhood]. Cadernos de Pesquisa, 42, 640-
666. https://doi.org/10.1590/S0100-15742012000200016
Frankenberg, E. (2013) The role of residential segregation in contemporary school segregation.
Education and Urban Society, 45(5), 548-570. https://doi.org/10.1177/0013124513486288
Goldhaber, D. (1999). School choice: An examination of the empirical evidence on achievement,
parental decision making and equity. Educational Researcher, 28, 16-25.
https://doi.org/10.3102/0013189X028009016
Gorard, S., Taylor, C., & Fitz, J. (2003). Schools, markets and choice policies. Routledge.
https://doi.org/10.4324/9780203609040
Gorard, S. & See, B. H. (2013) Overcoming disadvantage in education. Routledge.
Harker, R. & Tymms, B. (2004). The effects of student composition on school outcomes. School
effectiveness and school improvement. An International Journal of Research, Policy and
Practice, 15(2), 177-199. https://doi.org/ 10.1076/sesi.15.2.177.30432
Harris, R. (2012). Local indices of segregation with application to social segregation between
London’s secondary schools. Environment and Planning, 44, 669-687.
https://doi.org/10.1068/a44317
Higgins, S., Kokotsaky, D., & Coe, R. (2012). The teaching and learning toolkit: Technical appendices.
Education Endowment Foundation.
https://doi.org/10.1111/j.1468-2354.2004.00136.x
Koslinski, M. C. & Carvalho, J. T. (2015). Escolha, seleção e segregação nas escolas municipais do
Rio de Janeiro [Choice, selection and segregation in municipal schools in Rio de Janeiro].
Cadernos de Pesquisa, 45(158), 916-942. ttps://doi.org/10.1590/198053143352
Koslinski, M. C., Alves, F., & Lange, W. (2013). Desigualdades educacionais em contextos
urbanos: Um estudo da geografia de oportunidades educacionais na cidade do Rio de
Janeiro [Educational inequalities in urban contexts: A study of the geography of
educational opportunities in the city of Rio de Janeiro]. Educação & Sociedade, 34(125),
1175-1202. https://doi.org/10.1590/S0101-73302013000400009
Koslinski, M. C., Costa, M., & Alves, F. (2014). Residential segregation, school quasi-market and
school segmentation in the context of Rio de Janeiro. En L. Ribeiro (Org.), The metropolis
of Rio de Janeiro: A space in transition (pp. 219-246). Routledge.
Marino, L. L. (2016). Análise de dados com característica longitudinal em educação: Um estudo sobre o
município do Rio de Janeiro [Analysis of data with longitudinal characteristics in education: A
study on the city of Rio de Janeiro] (Dissertação de Mestrado). Escola Nacional de Ciências
Estatísticas IBGE.
Mendes, I. A. A. (2017). Território, segregação escolar e políticas de regulação de matrícula: Um estudo
da cidade de Belo Horizonte [Territory, school segregation and enrollment regulation policies: A
93
study of the city of Belo Horizonte] (Tese Doutorado). Programa de Pós-Graduação em

Educação. Universidade Federal de Minas Gerais.
Murillo, F. J. (2016). Midiendo la segregación escolar en América Latina. Un análisis
metodológico utilizando el TERCE [Mesuring the school segregation in Latin America.
A methodological analysis using TERCE]. REICE. Revista Iberoamericana sobre Calidad,
Noreisch, K. (2007). Choice as rule, exception and coincidence: Parents’ understandings of
catchment areas in Berlin. Urban Studies, 44(7), 1307-1328.
https://doi.org/10.1080/00420980701302320
Quiroz, S. S., Dari, N. L., & Cervini, R. A. (2020). Oportunidad de aprender e segmentación
socioeconómica en Argentina PISA 2015 [Opportunity to learn and socio-economic
segmentation in Argentina PISA 2015]. REICE. Revista Iberoamericana sobre Calidad,
Eficacia y Cambio en Educación, 18(3), 93-112.
Rawls, J. (1971). A theory of justice. Harvard University Press.
Rosistolato, R., Pires do Prado, A. P., Muanis, M. C., & Cerdeira, D. G. (2019). Burocracia
educacional em interação com as famílias nos processos de matrícula escolar na cidade do
Rio de Janeiro [Educational bureaucracy in interaction with families in school enrollment
processes in the city of Rio de Janeiro]. Jornal de Políticas Educacionais, 13, 1-28.
https://doi.org/10.5380/jpe.v13i0.68554
Santos, H. & Elacqua, G. (2016). Socioeconomic school segregation in Chile: Parental choice and
theoretical counterfactual analysis. CEPAL Review, 119, 123-137.
https://doi.org/10.18356/bf11809a-en
Saporito, S. (2003). Private choices, public consequences: Magnet school choice and segregation
by race and poverty. Social Problems, 50(2), 181-203.
https://doi.org/10.1525/sp.2003.50.2.181
Tymms, P. (1999). Baseline assessment and monitoring in primary schools: Achievements, attitudes and
value-added indicators. David Fulton Publishers.
Tymms, P. (2004). Effect sizes in multilevel models. En I. Schagen e K. Elliot (Orgs.), But what
does it mean? The use of effect sizes in educational research (pp. 79-112). National Foundation
for Educational Research.
Van Zanten, A. (2005). Efeitos da concorrência sobre a atividade dos estabelecimentos escolares
[Effects of competition on school activity]. Cadernos de Pesquisa, 35(126), 565-593.
https://doi.org/10.1590/S0100-15742005000300003.
West, A., Hind, A., & Pennell, H. (2004). School admissions and "selection" in comprehensive
schools: Policy and practice. Oxford Review of Education, 30(3), 347-369.
https://doi.org/10.1080/0305498042000260485
94
Annex
Table A. Multilevel regression models - first year in preschool
LANGUAGE MATHEMATICS
Model 1 Model 2 Model 3 Model 1 Model 2 Model 3
Intercept 0,253*** 0,345 *** 0,269*** -1,875*** -1,821 *** -1,869***
SES (school) 0,083* 0,096*** 0,065* 0,126** 0,147*** 0,054+
Gender -0,127*** -0,030 -0,026 0,007
Age 0,278*** 0,094*** 0,454 *** 0,138***
SEN -0.926 *** -0,405*** -1,000 *** -0,859***
SES (child) 0,169*** 0,176*** 0,061*** 0,311*** 0,319*** 0,119***
Mathematics Wave 1 0,937***
Language Wave 1 0,535***
INTRCPT1, u0 0,025 0,021 0,017 0,037 0,033 0,015
level-1, r 0,653 0,566 0,338 1,670 1,488 0,784
N1 1955 1952 1951 1955 1952 1951
N2 46 46 46 46 46 46
Note: p˂ 0,001, p ˂ 0,01, p ˂0,05, p<0,10.
*** ** * +
Source: Prepared by the authors
Table B. Multilevel regression models - second year in preschool

LANGUAGE MATHEMATICS
Model 1 Model 2 Model 3 Model 1 Model 2 Model 3
Intercept 0,920*** 1,038*** 0,959*** -0,602*** -0,625*** -0,642***
SES (school) 0,132*** 0,148*** 0,069* 0,123** 0,153*** 0,055*
Gender -0,150*** -0,056* -0,146 * 0,193***
Age 0,247*** 0,073*** 0,471 *** 0,116***
SEN -1,394*** -0,362*** -1,850 *** -0,903***
SES (child) 0,171*** 0,190*** 0,051*** 0,301*** 0,321*** 0,042
Mathematics Wave 2 1,140***
Language Wave 2 0,672***
INTRCPT1, u0 0,053 0,047 0,033 0,087 0,071 0,026
level-1, r 0,819 0,708 0,334 2,224 1,938 0,836
N1 2704 2670 1920 2704 2670 1920
N2 46 46 46 46 46 46
Note: p˂ 0,001, p ˂ 0,01, p ˂0,05, + p<0,10.
*** ** *
Source: Prepared by the authors

Tiago Lisboa Bartholo
Professor at the Post-Graduation Program in Education at the Federal University of
Rio de Janeiro and researcher of the Laboratory School at the Federal University of Rio
de Janeiro. PhD in Education from the Federal University of Rio de Janeiro and
researcher at the Laboratory for Research in Educational Opportunities
(LaPOpE/UFRJ). His main research interests are related to the topics of educational
inequalities, school segregation, and assessment of the impact of educational programs
95
and policies. ORCID ID: https://orcid.org/0000-0002-2400-8707. Email:

tiagobartholo@ufrj.com

Associate professor at the Faculty of Education and the Graduate Program in Education
at the Federal University of Rio de Janeiro. PhD in Sociology from the Federal
University of Rio de Janeiro/UFRJ (2007) and Post-Doctorate at the Urban and
Regional Planning Research Institute (2008–2009). Coordinator of the LaPOpE/UFRJ.
Her main research interests are in the areas of the sociology of education (educational
assessment), analysis of educational policies, inequalities in educational opportunities,
and socio-spatial segregation and educational inequalities. ORCID ID:
https://orcid.org/0000-0002-9644-5041. Email: mckoslinski@ufrj.br

Professor at the Laboratory School at the Federal University of Rio de Janeiro. PhD in
Education from the Federal University of Rio de Janeiro and researcher at the
LaPOpE/UFRJ. His main research interests are the sociology of education,
accountability policies, and large-scale assessment. ORCID ID: https://orcid.org/0000-
0002-1153-2614. Email: felipema8@ufrj.br

Graduate in pedagogy from the Federal University of Rio de Janeiro (2019) and master’s
student in education from the Post-Graduation Program in Education at the Federal
University of Rio de Janeiro – scholarship from CAPES, participates in the Academic
Excellence Program, and is a researcher at the LaPOpE/UFRJ. He works in large-scale
education assessment, public policies, and educational programs. ORCID ID:
https://orcid.org/0000-0001-8512-5520. Email: dcastro@ufrj.br
96
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, 2020, 18(4), 57-76
Segregação Escolar e Desigualdades Educacionais no

Início da Escolarização no Brasil
School Segregation and Education Inequalities at the Start of

Schooling in Brazil
Tiago Lisboa Bartholo *
Universidade Federal do Rio de Janeiro, Brasil

escolarização na cidade do Rio de Janeiro, Brasil, e estima o efeito da segregação
escolar (efeito par ou efeito mistura/compositional effect) no aprendizado das crianças
nos dois primeiros anos na escola. Este é um fenômeno importante para analisar o
processo de distribuição de oportunidades educacionais nas redes públicas e privadas
de ensino. O conceito de segregação escolar utilizado neste artigo se refere à
distribuição desigual de alunos que partilham de uma característica específica em um
agrupamento de escolas. O estudo utiliza o Índice de Segregação (Segregation Index)
e considera duas características dos alunos: 1) cor/raça; 2) escolaridade dos pais. O
efeito da composição social foi estimado com dados de um estudo longitudinal e
analisa separadamente o aprendizado no primeiro e segundo ano na escola. Os
resultados preliminares sugerem que os padrões de segregação escolar observados
na pré-escola são semelhantes aos descritos no primeiro ano do ensino fundamental.
Não há, portanto, grande impacto nos padrões de segregação na transição entre as
etapas de ensino. Os modelos para estimar o efeito da composição social das escolas
(compositional effect) no aprendizado dos alunos sugerem que há efeito, com resultados
mais consistentes para a medida de linguagem.
Palavras-chave: Segregação escolar; Desigualdades educacionais; Efeito par; Estudo
Longitudinal; Pré-escola.
The paper describes patterns of school segregation at the start of the formal
schooling in the city of Rio de Janeiro, Brazil, and estimates the compositional effect
(school mix-effect) on children's learning in the first two years at school. This is an
important phenomenon to analyze the process of distributing educational
opportunities in public and private schools. The concept of school segregation used
in this paper refers to the unequal distribution of students who share specific
characteristics within a group of public schools. The study uses the Segregation
Index for two characteristics of disadvantaged: 1) color/race; 2) parents' education.
The effect of social composition was estimated with data from a longitudinal study
and analyzed separately the compositional effect for the first and second years at
school. Preliminary results suggest that the patterns of school segregation observed
in preschool are similar to those described in the first year of elementary school.
There is, therefore, no major impact on segregation patterns in the transition
between teaching stages. The models for estimating the effect of the compositional
effect on student learning suggest that there is an effect, with more consistent results
for the measurement of language.
Keywords: School segregation; School inequality; Compositional effect;
Longitudinal Study; Preschool.
*Contacto: tiagobartholo@ufrj.br Recibido: 15 de mayo 2020

T. L. Bartholo, M. C. Koslinski, F. M. de Andrade y D. L de Castro
1. Introdução
escolarização na cidade do Rio de Janeiro, Brasil, e estima o efeito potencial da segregação
escolar (efeito par ou efeito mistura/compositional effect) no aprendizado das crianças nos
dois primeiros anos na escola. 1 Estudos anteriores realizados no Brasil, evidenciaram que
a segregação escolar é um fenômeno relevante para pensar a distribuição de oportunidades
educacionais nas redes públicas e privadas de ensino (Bartholo e Costa, 2018, 2016;
Mendes, 2017).
O tema não é novo e já foi investigado utilizando dados secundários na cidade do Rio de
Janeiro e em outras cidades do Brasil (Bartholo e Costa, 2016; Bruel e Bartholo, 2012;
Carvalho Filho, 2016). Há, entretanto, duas dimensões inéditas nesse trabalho: 1) o uso de
indicadores de segregação escolar para descrever a distribuição de alunos na pré-escola (4
e 5 anos), período obrigatório do processo de escolarização desde 2009; 2) a análise do
efeito da segregação escolar no aprendizado dos alunos nos primeiros dois anos na escola,
utilizando com dados com características longitudinais.
Nesse artigo, os autores adotam uma definição específica para o fenômeno de segregação
escolar. Trata-se de uma distribuição desigual de estudantes que compartilham uma
determinada característica específica em um agrupamento de escolas. O fenômeno foi
calculado com base no Índice de Segregação (Segregation Index, GS) (Gorard, Taylor e
Fitz, 2003) e seu uso se justifica, em grande parte, por ser um índice apropriado para
análises longitudinais (Murillo, 2016). O conceito de segregação não deve ser interpretado
como um sinônimo de discriminação ou injustiça. De fato, diante da estratégia adotada
para mensurar o fenômeno, a segregação é quase inevitável. O debate sobre segregação
escolar está intimamente ligado à temática da distribuição das oportunidades educacionais
e, de forma mais ampla, à justiça social (Rawls, 1971). Trata-se de um fenômeno universal
que está associado com a segregação residencial, escolha parental e políticas educacionais.
Outros fatores relacionados com a desigualdade social, isolamento social, econômico e
cultural ajudam a explicar parte da variação observada no fenômeno (Harris, 2012).
É possível dividir os estudos sobre segregação escolar em dois grupos. A primeira busca
descrever os padrões de segregação escolar e identificar fatores associados ao fenômeno.
Estudos no campo da educação focam em especial na formulação de políticas públicas que
podem impactar a alocação dos alunos nas escolas. Um exemplo são as políticas da escolha
escolar (school choice) que já foram objeto de análises em diversos países com uma discussão
intensa sobre seus efeitos nos padrões de segregação escolar em diferentes países
(Goldhaber, 1995; Gorard, Taylor e Fitz, 2003; Santos e Elacqa, 2016).
O segundo grupo analisa os impactos da segregação na trajetória e/ou resultados
educacionais dos alunos. Estudos realizados em diferentes países sugerem efeitos
distintos. Por um lado, é possível formular o argumento que agrupar alunos com
características semelhantes, por exemplo, estudantes com dificuldades de aprendizado,
pode ser eficaz quando se pretende implementar políticas direcionadas para ajudar tais
1 O estudo contou com financiamento do Banco Interamericano de Desenvolvimento (IADB),
Fundação de Amparo a Pesquisado do Estado do Rio de Janeiro (FAPERJ), Conselho Nacional de

Desenvolvimento Científico e Tecnológico (CNPq) e Instituto Alfa e Beto (IAB).
58
grupos. Por outro lado, há evidencias que sugerem que agrupar alunos com desvantagem
potencial (por exemplo, alunos pobres ou com dificuldades de aprendizado) pode
influenciar a forma como são tratados na escola, suas aspirações educacionais ou a
qualidade do ensino. Sistemas educacionais mais segregados ou com políticas que
intencionalmente agrupam alunos com características semelhantes possuem maior
associação entre o nível socioeconômico das famílias e os níveis de aprendizado dos alunos.
(Haahr et al., 2005; Jenks et al., 1972; Quiroz, Dari e Cervini, 2020).
O presente artigo está dividido em cinco partes incluindo a introdução. A segunda parte
faz uma revisão dos principais achados produzidos no Brasil sobre os padrões de
segregação escolar nas redes pública e privada e também dos seus efeitos nos resultados
escolares dos alunos. A terceira parte descreve as bases de dados utilizadas nas análises e
os modelos de análise propostos. A quarta parte apresenta os principais achados do estudo
e realiza um diálogo com estudos prévios realizados no Brasil e outros países da américa
latina. Por fim, a quinta parte apresenta conclusões preliminares e sugere lacunas e
análises futuras.
2. Segregação escolar no Brasil: O que já sabemos?

Estudos sobre segregação escolar que descrevem os padrões de segregação e identificam
fatores que explicam o fenômeno no Brasil têm focado suas análises em estudantes da rede
pública de ensino (Bartholo, 2013; Bruel e Bartholo, 2012; Carvalho, 2015; Érnica e
Batista, 2012; Mendes, 2017). Há um único estudo que conhecemos que utilizou dados
populacionais e mensurou a segregação escolar incorporando dados das redes público e
privada em quatro capitais no Brasil, a saber, Rio de Janeiro, São Paulo, Belo Horizonte e
Curitiba (Bartholo e Costa, 2018).
Os elementos estudados sobre o fenômeno da segregação escolar no Brasil podem ser
agrupados nas seguintes categorias: a) Estratificação entre as redes pública e privada; b)
Regras de matrícula para alocação de alunos na rede pública; c) Estratégias familiares para
a escolha escolar; d) Padrões de segregação residencial e sua relação com a segregação
escolar; e) Movimentação de alunos entre escolas; f) Alocação nos turnos escolares e; g)
efeito da composição social das escolas no aprendizado dos alunos. Vamos falar de forma
mais detalhada sobre cada um dos sete pontos.
No Brasil, a proporção de estudantes matriculados na rede privada de ensino é
substancialmente maior do que o observado nos EUA, e na grande maioria dos países
europeus. A proporção de alunos no ensino fundamental (idade entre 6 e 14 anos)
matriculados na rede privada aumentou, entre 2010 e 2014, de 13% para 16%
aproximadamente. Entre 2015 e 2019 o número se manteve quase estável chegando a 17%.
No entanto, quando analisamos dados discriminados por diferentes cidades é possível
observar grande variação. Na cidade do Rio de Janeiro, a proporção de matrículas na rede
privada aumentou de 29% em 2010, para 33% em 2014, e praticamente ficou estável neste
patamar até 2019. Já na cidade de Fortaleza, capital do Estado do Ceará, os números são
ainda maiores: representavam 36% das matrículas em 2010, 44% em 2014, com uma leve
queda, chegando a 42% em 2019.
Esse contexto cria um dilema para pesquisadores interessados no tema da segregação
escolar. Ao optar por trabalhar apenas com dados da rede pública, há necessariamente uma
subestimação do fenômeno da segregação escolar. Isso ocorre porque a alocação de
59
famílias entre escolas públicas e privadas não é aleatória e é fortemente marcada pelo perfil
socioeconômico das famílias que desejam e podem pagar mensalidades nas escolas
privadas.
Bartholo e Costa (2018) realizaram estudo, utilizando dados para toda a população de
alunos, mensurando o efeito da inclusão das matrículas da rede privada nos níveis de
segregação medidos ao longo de 10 anos (2007 até 2016). Os dados evidenciam um
incremento importante nos níveis de segregação escolar observados em quatro cidades no
Brasil. Por exemplo, na cidade do Rio de Janeiro, os dados mostram um salto no cálculo
do Segregation Index (GS) de 15% para 25% quanto incorporados os dados da rede privada
para alunos negros.
Estudos sobre o impacto das regras de matrículas já foram realizados em diferentes países
do mundo incluindo o Brasil. As regras de matrícula podem permitir ou não a escolha dos
responsáveis sobre a escola que seu filho será matriculado. Evidências ao redor do mundo
apresentam resultados mistos sobre o tema. Por exemplo, Gorard, Taylor e Fitz (2003)
realizaram acompanhamento transversal ao longo de 20 anos calculando os níveis de
segregação escolar no sistema inglês de ensino e sugerem que a implementação de
políticas de escolha parental (School Choice) está associada com uma diminuição dos níveis
de segregação escolar. No entanto, estudos realizados no contexto chileno observam
aumento da segregação escolar, para além da segregação residencial, com a adoção da
política de voucher. Tal situação poderia ser explicada pela baixa regulamentação do quase-
mercado escolar chileno, ou seja, pela interação entre escolha dos pais e as barreiras
impostas por cobrança de taxas e por processos de admissão seletivos (Santos e Elacqua,
2016).
Outro grupo de estudos –difundido em diversos contextos, em especial no norte-
americano– investiga a associação entre padrões de segregação residencial ou
socioespacial e de segregação escolar (Denton, 1995; Frankenberg, 2013; Santos e
Elacqua, 2016). No entanto, no contexto brasileiro, esta relação é tratada somente de
forma indireta. Por exemplo, alguns estudos que buscaram observar a relação entre a
segregação residencial e os resultados escolares sugerem, para além da influência de
mecanismos de socialização na vizinhança, um efeito da segregação socioespacial sobre a
oferta escolar (distribuição desigual de insumos escolares, composição do alunado e
relações professor-aluno em áreas de maior concentração de pobreza) (Koslinski, Alves e
Lange, 2013). Outros estudos observaram a relação entre a segregação socioespacial, a
possibilidade de escolha e movimentação entre escolas públicas de maior ou menor
prestígio, o que, por sua vez, teria impacto sobre a segregação escolar (Koslinski et al.,
2014).
A movimentação de alunos entre escolas também é objeto de análise por pesquisadores de
diferentes países. A hipótese aventada sugere que as movimentações não são aleatórias.
De um lado há percepções distintas dos responsáveis sobre a qualidade das escolas e
estratégias distintas para obter vaga nas escolas de melhor reputação. De outro lado, as
próprias escolas podem ser agentes que maximizam a movimentação dos estudantes
sugerindo a troca dos estudantes, impondo barreira para a entrada de alunos de certo perfil
ou ainda via reprovação dos estudantes o que pode gerar ao longo dos anos a troca de
escolas (Noreisch, 2007; West, Hind e Pennell, 2004; Zanten, 2005).
A movimentação não regulada de estudantes foi analisada por Saporito (2003), Bruel e
Bartholo (2012), Bartholo (2014); Koslinski e outros (2014), e sugerem que a transferência
60
de estudantes de uma escola para outra do mesmo sistema de ensino não é aleatória e pode
aumentar os níveis de segregação escolar. No caso de algumas redes de ensino no Brasil,
a ausência de regras claras e a falta de transparência do gestor público podem gerar
procedimentos previstos na lei, como por exemplo, entrevistas informais com os
responsáveis e seleção dos alunos baseada no rendimento escolar dos anos anteriores
(Alves et al., 2015; Koslinski e Carvalho, 2015; Rosistolato et al., 2019).
Um último elemento estudado na cidade do Rio de Janeiro, que possivelmente está
presente em outras redes de ensino em países em desenvolvimento, com população ainda
jovem, é a alocação de alunos de forma não aleatória entre turnos escolares (Bartholo e
Costa, 2014). Foi observado até 2014 que 90% das escolas apresentavam dois turnos de
ensino, manhã e tarde. Nesse contexto, alunos são alocados pela direção da escola em um
dos turnos e frequentam a escola pela manhã ou tarde. Esse padrão de organização das
escolas é fruto de um sistema com grande demanda por ensino básico e com um número
limitado de prédios/infraestrutura para atender a demanda. Os pesquisadores fizeram uma
análise comparando a segregação escolar considerando a alocação nos turnos e
comparando com contra factual que desconsiderava os turnos. A alocação dos alunos nos
turnos aumentava de forma importante os níveis de segregação no sistema sugerindo uma
alocação não aleatória (Bartholo e Costa, 2014).
Há, no entanto, um outro conjunto de estudos, menor em quantidade, que buscam estimar
os impactos da segregação no desempenho ou trajetória escolar dos estudantes. Esse é um
tema bastante explorado em estudos internacionais e, em menor intensidade, no Brasil.
Harker e Tymms (2004) fazem importante revisão sobre o tema, em especial as
dificuldades metodológicas para medir o fenômeno do efeito par (compositional effect) e
como interpretar seus resultados. De acordo com os autores, este seria o efeito específico
de uma variável individual agregada no nível da escola sobre uma variável de resultado
escolar, para além da contribuição desta variável no nível do indivíduo. Como alunos não
estão distribuídos de forma aleatória entre as escolas, podemos esperar escolas com maior
ou menor concentração de alunos em situação de vulnerabilidade e/ou com maior ou
menor motivação para a performance/resultados na escola. No entanto, os autores
argumentam que o efeito da composição não necessariamente se resume a interação entre
pares e podem refletir a interação entre a composição do alunado e ação do professor, clima
escolar, envolvimento dos pais, comprometimento dos professores entre outros. Isto é,
alunos reagem às estruturas/processos escolares e a seus pares e as escolas, por sua vez,
reagem à composição do alunado.
No Brasil destacamos os estudos de Marino (2014), Castro (2016), Bartholo e Costa (2016)
que utilizaram dados com características longitudinais para estimar o efeito par na cidade
do Rio de Janeiro com coortes distintas e idades que também variam ao longo do ensino
fundamental. Os resultados são mistos, mas apontam, na média, para a existência de efeito
par considerando variáveis chave como pobreza e cor/raça. Os estudos têm como principal
limitação o uso de medidas oriundas de avaliação externa que apresentam grande erro de
mensuração no nível do indivíduo e elevado percentual de dados faltantes.
Os resultados dos estudos realizados no contexto brasileiro descritos acima têm relação
com a descrição do fenômeno da segregação escolar e tentativas de identificar fatores
associados à variação observada. No entanto, os dados utilizados são referentes ao ensino
fundamental (crianças entre 6 e 14 anos). As análises apresentadas no presente estudo
tratam de uma etapa de escolarização distinta, a pré-escola (crianças entre 4 e 5 anos). Esta
61
etapa tornou-se parte obrigatória do sistema educacional brasileiro desde 2009 e a

universalização do acesso a pré-escola estava previsto para 2016, de acordo com o atual
Plano Nacional de Educação (Lei 13.005/2014).
3. Desenho e métodos
As análises realizadas para o presente estudo estão divididas em duas partes: a primeira
buscou observar padrões de segregação escolar na pré-escola e no primeiro ano do ensino
fundamental de escolas públicas da rede municipal do Rio de Janeiro. A segunda parte teve
como objetivo compreender o efeito da composição do alunado das escolas da mesma rede
de ensino sobre aprendizagem durante a pré-escola. Para tanto, as duas partes utilizaram
bases de dados e modelos de análises distintos.
Para identificar os padrões de segregação escolar, utilizamos bases de dados da Sistema
de Gestão Acadêmica (SGA) da rede pública municipal de educação do Rio de Janeiro. As
bases de dados do referido sistema permitem identificar em que escola os alunos estão
matriculados, bem como algumas características sociodemográficas tais como sexo, cor,
acesso a programas de transferência de renda e escolaridade dos pais. A organização das
bases permite o cálculo da segregação escolar para o período da pré-escola entre os anos
de 2006 e 2013. Foram realizados o cálculo de segregação escolar para dois grupos de
alunos: a) estudantes na pré-escola (4 e 5 anos) e; b) estudantes no primeiro ano do ensino
fundamental (6/7 anos). A ideia do desenho é comparar os padrões de segregação
observados na pré-escola com os padrões no 1º ano do ensino fundamental, observando
similaridades e diferenças nessa transição.
Até o presente momento, não é possível calcular os indicadores de segregação para os anos
subsequentes para os alunos matriculados na pré-escola em função de um limite na base
de dados utilizada. Os autores têm intenção em atualizar os indicadores de segregação em
estudo futuro. O cálculo da segregação escolar para os alunos matriculados no ensino
fundamental já foi realizado até o ano de 2016 (Bartholo e Costa, 2018). Para o cálculo da
segregação escolar utilizamos o Índice de Segregação (GS) (Gorard, Taylor e Fitz, 2003),
um indicador que apresenta o que Gorard e Taylor (2002) denominaram como uma
invariância composicional robusta (strong compositionally invariant), em comparação com
outro indicador muito utilizado em pesquisas educacionais, o Índice de Dissimilaridade
(Duncan, 1955). Para além desse elemento, em uma comparação aprofundada entre o
Índice de Dissimilaridade de Duncan, o Índice de Segregação de Gorard e o Índice da Raiz
Quadrada (Hutchens, 2004), Murillo (2016) argumenta que o GS possibilita comparar
a segregação escolar para diferentes grupos, expressando-se, ainda, como um
indicador destacado entre os três para análise longitudinal da evolução de segregação de
um sistema, característica de destaque do presente trabalho.
O GS é representando pela seguinte equação (GS):
GS = 0.5 * {∑│Fi / F – Ti / T│}
Onde:
Fi é o número de alunos em desvantagem potencial na escola “i”, e “i” varia de 1 até
o número total de escolas no universo em foco;
F é o número total de alunos em desvantagem potencial do mesmo conjunto de
escolas;
62
Ti é o número de alunos na escola “i”, e “i” varia de 1 até o total de escolas no

universo em foco;
T é o total de alunos nas escolas do mesmo conjunto de escolas (Gorard, Taylor y
Fitz, 2003).
O Segregation Index (GS) foi calculado considerando duas características de desvantagem
potencial: a) educação dos pais e; b) cor/raça. Educação dos pais foi codificada com dois
pontos de corte distintos. O primeiro considera os pais que não completaram o ensino
fundamental (EducEF) como característica de desvantagem potencial e o segundo
considera os pais que não completaram o ensino médio (EducEM). Educação dos pais é
provavelmente um dos melhores preditores de trajetória escolar de uma criança, exceto
uma medida de proficiência direta do estudante (Gorard e See, 2013). A variável cor/raça
foi codificada como característica de desvantagem potencial alunos pretos 2. No Brasil,
diversos estudos no campo da educação, economia e sociologia utilizam a cor/raça para
compreender desigualdades sociais associadas não somente ao tópico das oportunidades
educacionais, como também de renda, acesso ao mercado de trabalho, exposição à
violência, etc.
No entanto, a variável cor nas bases utilizadas apresenta algumas limitações. Em primeiro
lugar, os dados faltantes de cor para crianças matriculadas na pré-escola são mais elevados
do que para o ensino fundamental, representando 17,4% e 4% dos casos, respectivamente.
Além disso, a utilização mais recorrente da variável cor no contexto brasileiro é a auto
declaração de cor, o que representaria limitações dada a faixa etária das crianças/alunos
foco presente estudo 3. Os registros das escolas, a princípio, são provenientes de
informações obtidas pelos pais/responsáveis das crianças, mas em alguns casos os
funcionários da secretaria da escola preenchem as informações no sistema a partir de suas
percepções (hetero-atribuição), que não necessariamente estariam de acordo com a
percepção dos pais.
A segunda parte das análises, que busca identificar o efeito da composição do alunado
sobre a aprendizagem durante os dois anos da pré-escola, utilizou bases de um estudo
longitudinal que coletou dados durante março de 2017 e dezembro de 2018 com crianças
matriculadas na rede municipal do Rio de Janeiro. A pesquisa selecionou uma amostra
probabilística aleatória de 46 escolas, aproximadamente 2700 crianças, estratificadas por
área e por tipo de oferta escolar. O estudo longitudinal contou com 3 ondas de coleta de
dados sobre as crianças: duas coletas em 2017, no início e final do ano letivo, aos 4/5 anos
de idade, e uma coleta no final do ano letivo de 2018, aos 5/6 anos. Para mais detalhes
sobre a amostra ver Bartholo e outros (2019; 2020). A figura abaixo ilustra o desenho do
estudo longitudinal.
Nas ondas 2 e 3 foram incluídas na amostra crianças que entraram durante a pré-escola
nas escolas da amostra. O desenvolvimento cognitivo dos alunos foi estimado a cada onda
da pesquisa, utilizando uma adaptação do instrumento Performance Indicators in Primary
2 Utilizamos para tanto as categorias criadas pelo Instituto Brasileiro de Geografia e Estatística
(IBGE).
3 O estudo de Carvalho (2005) explora questões relacionadas à identidade da raça para alunos no
início do ensino fundamental.
63
Schools (PIPS), uma ferramenta desenvolvida por pesquisadores da Durham University,

na Inglaterra (Tymms, 1999).
Figura 1. Desenho do estudo longitudinal

Fonte: Elaboração própria dos autores.
O instrumento mede duas dimensões, Linguagem e Matemática, sendo estas compostas

pelas seguintes subdimensões: “a) Escrita; b) Vocabulário; c) Ideias sobre leitura – avalia
conceitos sobre diferentes impressos; c) Consciência fonológica; d) Identificação de letras;
e) Reconhecimento de palavras e leitura; f) Ideias sobre matemática; g) Contagem e
números; h) Adição e subtração sem símbolos; i) Identificação de formas; j) Identificação
de números” (Koslinski e Bartholo, 2019, p. 293).
Os escores de Linguagem e Matemática foram estimados a partir dos itens do teste
cognitivo da adaptação do teste PIPS empregando medidas de Rasch (Boone, 2006), com
base no software Winstep.
Quadro 1. Descrição das variáveis analisadas e suas fontes
NOME TIPO DESCRIÇÃO FONTE
Variáveis Dependentes
Linguagem Contínua Medida de linguagem na onda 2 ou 3 Teste cognitivo
Matemática Contínua Medida de matemática na onda 2 ou 3 Teste cognitivo
Variáveis Explicativas
Nível 2 – escola
Questionário
NSE Média do indicador de NSE agregado por
Contínua responsáveis e
(escola) escola
SGA/SME
Nível 1 – criança
Linguagem Contínua Medida de linguagem na onda 1 ou 2 Teste cognitivo
Matemática Contínua Medida de matemática na onda 1 ou 2 Teste cognitivo
Indicador de nível socioeconômico da
criança, calculado utilizando modelagem de
Quest.
NSE Rasch com itens sobre escolaridade dos
Contínua Responsáveis e
(criança) pais, posse de bens, densidade domiciliar e
SGA/SME
pobreza (acesso a programas de
transferência de renda)
Indica o sexo da criança (0 = Menina; 1 =
Sexo Dicotômica SGA/SME
Menino)
Indica a idade em anos da criança na onda 1,
Idade Contínua SGA/SME
2 ou 3
Indica se criança é portadora de
SEN Dicotômica
necessidades educacionais especiais
Fonte: Elaboração dos autores.
64
O quadro 1 apresenta as variáveis utilizadas nos modelos multinível para estimar o efeito
par (compositional effect) para o primeiro e segundo ano na escola. A interpretação dos
modelos foca no efeito do indicador de nível socioeconômico agregado para a escola (nível
dois do modelo multinível). Para minimizar a perda de casos ao longo dos dois anos do
estudo, os modelos estimaram separadamente o efeito par (compositional effect) no primeiro
e em seguida no segundo ano na escola.
Além dos dados cognitivos das crianças, o estudo longitudinal coletou informações do
contexto familiar durante as ondas 2 e 3 a partir de questionários para pais e responsáveis.
Os dados demográficos das crianças (idade, cor, sexo) e a complementação de dados sobre
o contexto socioeconômico da família (escolaridade dos pais e participação do programa
bolsa-família) foram obtidos a partir do Sistema de Gestão Acadêmica da Secretaria
Municipal de Educação (SGA/SME).
Para calcular o efeito par (compositional effect) estimamos modelos utilizando a variável de
NSE do nível individual agregadas para o nível da escola. Os modelos de regressão
multinível, em que o nível 1 se refere ao indivíduo/criança e o nível 2 à escola, incluíram
as variáveis no nível 1 centrados na grande média. Os modelos mais simples, que incluíram
somente a variável de NSE no nível 1 e o NSE agregado por escola no nível 2, podem ser
expressos pela equação abaixo:
Modelo nível 1:
Medida Cognitivaij = β0j + β1j*(NSEij) + rij
Modelo nível 2:
β0j = γ00 + γ01*(NSE escolaj) + u0j,
β1j = γ10
Os resultados do efeito par/compositional effect são observados diretamente a partir do
coeficiente de NSE agregado pela escola (γ01), o efeito intra-grupo a partir do coeficiente
do NSE no nível 1 (γ10) e o efeito entre-grupos é obtido a partir da soma dos dois efeitos,
intra-grupo e efeito par/compositional effect (Harker e Tymms, 2010). Modelos
subsequentes incluíram, além das variáveis de NSE no nível 1 e agregada no nível 2, outros
controles relacionados às características demográficas da criança (sexo, idade e
necessidades educacionais especiais) e controle da medida cognitiva anterior. Os quadros
no corpo do texto apresentam os coeficientes, erro padrão e effect sizes, calculados
utilizando a metodologia proposta por Tymms (2004), somente para o compositional
effect, efeito intra-grupo, além da soma dos dois coeficientes que expressam o efeito entre-
grupos, dos modelos estimados 4. O artigo apresenta os coeficientes em effect size para
relatar a diferença entre dois grupos, para maiores detalhes ver Tymms (2004). Um
número crescente de estudos no campo da educação opta por reportar seus resultados em
effect size e há extenso debate sobre as melhores formas de interpretação (Higgins,
Kokotsaky e Coe, 2012).
Também estimamos modelos similares com a inserção da variável cor (preto) no nível 1 e
agregada no nível 2. Trabalho anterior realizados com dados do ensino fundamental
4 Os quadros completos no anexo do artigo.
65
observaram efeito da composição racial da escola (Bartholo e Costa, 2016). No entanto, os

modelos estimados para a pré-escola apresentaram resultados inconsistente e os
coeficientes estimados para cor não apresentaram significância estatística em nenhum dos
modelos estimados. Frente as limitações da variável cor anteriormente relatadas, optamos
por não apresentar os resultados desses modelos.
4. Padrões de segregação no início da escolarização

formal
Diversos estudos no Brasil calcularam indicadores de segregação escolar utilizando dados
secundários do Censo Escolar Inep (Instituto Nacional de Estatística Educacional) ou
bases administrativas de secretarias municipais ou estaduais de ensino (Bartholo, 2013;
Bartholo e Costa, 2018; Mendes, 2017). No entanto, os estudos citados não calcularam a
segregação para o período compreendido como pré-escola, crianças entre 4 e 5 anos,
período obrigatório de escolarização no Brasil desde 2009. Alteração foi feita na Lei de
Diretrizes e Bases (LDB) por meio da lei número 12.796.
O quadro 2 apresenta os índices de segregação entre 2006 e 2013 utilizando o GS para
duas características de desvantagem, a saber, educação dos pais e cor/raça e compara os
padrões de segregação entre a pré-escola e o 1º ano do ensino fundamental.
Quadro 2. Padrões de segregação escolar na pré-escola e no 1º ano do ensino fundamental
(2006-2013)
2006 2007 2008 2009 2010 2011 2012 2013
Pré-escola Cor 17,5 18 18,5 18 18,5 19 18,5 18,5
1º Ano Cor 19,5 19 20 20 19 19 20,5 20,5
Pre-Escola EducEF 24 24 22 22,5 24,5 23,5 24 25
1o Ano EducEF 24 23 22,5 22 21 22 22,5 23
Pre-Escola EducEM 11 11,5 10 10,5 12 12,5 12 13
1o Ano EducEM 10,5 10,5 10,5 10 10 11,5 12 12
Os dados descritos sugerem relativa estabilidade dos padrões de segregação na pré-escola

ao longo do período estudado. Ainda mais importante, é possível observar grande
similaridade dos níveis de segregação descritos para a pré-escola e 1º ano do ensino
fundamental. Esse resultado reforça a hipótese de que os fatores que influenciam a
segregação escolar nas duas etapas seriam semelhantes. Podemos destacar as regras de
matrícula, que são idênticas para ambas as faixas etárias. No entanto, duas diferenças
importantes poderiam afetar os padrões de segregação escolar observados. A primeira é a
proporção de crianças matriculadas na rede pública na pré-escola e no ensino fundamental
na cidade do Rio de Janeiro. A segunda é o total de escolas na rede pública de ensino que
ofertam turmas de pré-escola e do 1º ano do ensino fundamental. Ambas as características
poderiam, potencialmente, alterar os níveis de segregação escolar mensurados.
O número total de escolas e sua relação com os padrões de segregação escolar já foi
explorado por Bartholo (2014) em estudo na rede pública da cidade do Rio de Janeiro. Esse
estudo indicou uma redução importante nos níveis de segregação escolar mensurados na
transição entre o primeiro e segundo segmentos do ensino fundamental, período em que
grande parte dos alunos mudam de escola. Nessa transição, pode ser observada uma
66
redução média de 45% no total de escolas, o que aumenta a chance de as escolas

apresentarem perfil discente mais diversificado. Trata-se, portanto, de um efeito
probabilístico, observado em outros sistemas educacionais quando ocorre uma diminuição
importante no número de escolas (Bartholo, 2014). O quadro 3 apresenta o total de escolas
que oferecem matrículas na pré-escola e 1º ano do ensino fundamental entre 2007 e 2013.
Quadro 3. Número de escola e de alunos/crianças matriculados na rede municipal do Rio
de Janeiro por etapa
2007 2008 2009 2010 2011 2012 2013
N escolas c/ oferta de pré-
731 723 721 708 697 728 709
escola
N escolas c/ oferta dos
870 874 896 852 877 840 833
anos iniciais do EF
Fonte: Sinopse estatística da educação básica (MEC/INEP, 2007-2013).
Os dados evidenciam um aumento proporcional de aproximadamente 18% no número de

escolas na transição entre a pré-escola e o ensino fundamental. Esse cenário poderia, pelo
menos em tese, aumentar os níveis de segregação escolar no sistema educacional, no
entanto, os dados não sugerem esse efeito.
Na cidade do Rio de Janeiro, os dados do Censo Populacional de 2010 indicavam boa
adesão das famílias e um aumento da oferta de vagas na pré-escola e no ensino
fundamental: a taxa de matrícula para crianças e adolescentes de 6 a 14 (Ensino
Fundamental) era de 97%, enquanto a taxa de matrícula de crianças de 4 a 5 anos na
educação infantil era de 88%. Além disso, no período estudado, a rede privada era
responsável por uma proporção maior de matrículas na etapa da pré-escola (variando de
27 a 45%), se comparada com a proporção do ensino fundamental (variando de 18 a 32%).
Desta forma, esperávamos encontrar uma maior homogeneidade do alunado e menor
segregação escolar na etapa da pré-escola do que entre as escolas que atendem alunos
matriculados no 1º ano do ensino fundamental. O gráfico 1 apresenta a proporção de
matriculas na rede pública, considerando todas as crianças matriculadas nas duas etapas
de ensino, pré-escola e 1º ano do ensino fundamental.
90
80
70
60
50
40
30
20
10
0
Pré-escola 1o ano EF
Gráfico 1. Proporção de matrículas na rede pública para a pré-escola e 1º ano do ensino

fundamental no município do Rio de Janeiro
Fonte: Censo Escolar, Inep. Elaboração própria dos autores.
67
É interessante notar que no período entre 2007 e 2019 a proporção de alunos matriculados
na rede pública diminui, o que evidencia um aumento proporcional de matriculas na rede
privada tanto na pré-escola quanto no 1º ano do ensino fundamental. Esse fenômeno
merece ser estudado com mais detalhes por pesquisadores do campo educacional e pode
estar associado a percepção sobre a qualidade do ensino público e, também, queda
diferencial na taxa de natalidade de diferentes grupos de perfil socioeconômico no Brasil.
A proporção de crianças matriculadas no ensino fundamental e na pré-escola na rede
pública sugere que uma parte maior da demanda durante a pré-escola era atendida pela
rede privada. Isso pode ser explicado pela não obrigatoriedade da oferta da pré-escola até
2009 e a subsequente estabelecimento de metas para universalização do acesso ao sistema
escolar para crianças entre 4 e 5 anos até o ano de 2016.
Esse fator é importante porque sugere um duplo efeito na transição da pré-escola para o
ensino fundamental. O primeiro é uma migração de alunos que estavam na rede privada
para a rede pública, possivelmente diante da falta de vagas na rede pública na etapa da pré-
escola. Um segundo efeito é o ingresso de crianças que estavam fora da escola, portanto
não frequentaram a pré-escola, e passaram a frequentar o 1º ano do ensino fundamental.
Essas duas mudanças têm o potencial de alterar de forma significativa a proporção de
alunos em desvantagem potencial na rede pública quando comparamos a pré-escola com
o 1º ano do ensino fundamental. Não é claro se os alunos que estavam fora da pré-escola
eram de perfil desfavorecido, mas os dados da Amostra do Censo Populacional de 2010
para o Estado do Rio de Janeiro sugerem que sim. Por exemplo, a taxa de matrícula de
crianças de 4 e 5 anos era equivalente a 88 % para as crianças brancas e a 83% para crianças
pretas e pardas, reforçando a ideia de que crianças mais vulneráveis teriam menos acesso
à essa etapa de escolarização.
5. Efeito da composição do alunado nos primeiros dois

anos na escola
Nessa etapa serão apresentados os resultados dos modelos hierárquicos que estimam o
aprendizado das crianças ao longo do primeiro e do segundo ano na escola. Dividimos as
análises em dois conjuntos. O primeiro foca no indicador de nível socioeconômico (NSE)
construído utilizando dados da entrevista com os responsáveis e dados secundários do
SGA/SME no primeiro ano da escola e o segundo replica as mesmas análises para o
segundo ano na escola. A replicação ajuda a observar um padrão nos resultados e refutar,
mesmo que parcialmente, o que Harker e Tymms (2004) denominaram efeito fantasma/
phantom effect.
Os coeficientes das regressões multínivel são apresentados no quadro 4. Os modelos
apresentam resultados para matemática e linguagem, separados para o primeiro e segundo
ano na escola, inserindo apenas a variável de NSE no nível do indivíduo e o NSE agregado
para a escola no nível dois do modelo. Os resultados sugerem um efeito maior da
composição do alunado para linguagem, em especial no segundo ano da pré-escola. Esse
resultado corrobora o achado de Harker e Tymms (2004) e Bartholo e Costa (2016). É
importante destacar que a partição da variância observada no modelo nulo sugere que há
pouca variação entre escolas. O valor observado no segundo ano na escola é ligeiramente
maior do que o observado no primeiro ano, no entanto, ainda pequeno.
68
Quadro 4. Efeito par (compositional effect) do NSE agregado em Matemática e Linguagem

MATEMÁTICA MATEMÁTICA LINGUAGEM LINGUAGEM
1º ANO 2º ANO 1º ANO 2º ANO
Coef. Err. Coef. Err. Coef. Err. Coef. Err.
(ES) pad. (ES) pad. (ES) pad. (ES) pad.
0,311*** 0,301*** 0,084** 0,172***
Intra 0,028 0,031 0,029 0,020
(0,481) (0,404) (0,419) (0,379)
Entre 0,428 0,425 0,253 0,304
0,127** 0,124** 0,169*** 0,133***
Comp. 0,039 0,040 0,018 0,031
(0,196) (0,166) (0,207) (0,293)
Nota: *** p˂ 0,001, ** p ˂ 0,01.
O modelo apresentado no quadro 5 é muito simples e há possibilidade real que a medida

de NSE no nível individual e agregado para a escola esteja explicando parte da variação
de outras dimensões ausentes no modelo. Por exemplo, idade, sexo ou mesmo uma medida
inicial de desenvolvimento. Os modelos subsequentes inserem novas covariáveis para
observar se os efeitos observados no NSE no nível um e dois do modelo continuam
explicando parte da variação no aprendizado dos alunos. O quadro 5 apresenta os
coeficientes de um modelo que introduz três novas variáveis, a saber, sexo, idade e
necessidades educacionais especiais.
Quadro 5. Efeito par (compositional effect) do NSE agregado, controlando por outras
variáveis do nível 1
0,319*** 0,321*** 0,176*** 0,191***
Intra 0,026 0,029 0,016 0,018
(0,523) (0,461) (0,468) (0,453)
Entre 0,466 0,474 0,273 0,339
0,147*** 0,153*** 0,097*** 0,148***
Comp. 0,032 0,036 0,026 0,032
(0,241) (0,220) (0,257) (0,352)
Nota: *** p˂ 0,001.
Os resultados dos modelos sugerem que há efeito da composição do alunado para

matemática e linguagem ao longo dos dois primeiros anos na escola. É interessante notar
que, mesmo após a introdução de outras variáveis de controle, o tamanho do efeito
observado no NSE agregado tornou-se ligeiramente maior em todos os modelos
estimados. No entanto, esses modelos ainda apresentam uma grande fragilidade por não
apresentarem uma medida inicial de controle sobre o desenvolvimento do aluno. O quadro
6 apresenta o modelo final, incluindo todas as covariáveis descritas anteriormente e uma
medida inicial sobre o desenvolvimento dos alunos em matemática ou linguagem.
69
Quadro 6. Efeito par (compositional effect) do NSE agregado, controlando por variáveis do
nível 1 e desempenho anterior
0,120*** 0,042+ 0,061*** 0,052***
Intra 0,020 0,024 0,014 0,014
(0,270) (0,093) (0,210) (0,178)
Entre 0,174 0,098 0,122
0,055 + 0,055* 0,066* 0,070*
Compo. 0,032 0,025 0,025 0,026
(0,123) (0,121) (0,225) (0,241)
Nota: *** p˂ 0,001, ** p ˂ 0,01, * p ˂0,05, + p<0,10.
Para o primeiro ano na escola, os coeficientes sugerem um efeito par (compositional effect)
para a medida de linguagem com o indicador de NSE agregado para a escola significativo
a 0,05. Para matemática, a introdução das demais covariáveis, em especial a medida inicial,
não alteram a direção do resultado, porém o indicador diminui em tamanho do efeito a
0,10. Esse é um bom exemplo do que Harker e Tymms (2004) chamam de phantom effect,
quando o efeito observado desaparece, em especial após introdução de medida de controle
sobre o ponto e partida dos alunos no desenvolvimento cognitivo. O resultado reforça a
importância de modelos de valor agregado (value-added models) para pesquisas sobre efeito
da escola, impacto de programas educacionais ou mesmo efeito da composição do alunado.
A ausência de medidas longitudinais sobre o desenvolvimento das crianças pode levar o
pesquisador a resultados e interpretações equivocadas.
Para o segundo ano na escola, os resultados sugerem que há efeito da composição do
alunado sobre o aprendizado em linguagem e matemática. O tamanho do efeito para ambos
os modelos diminui, porém permanecem estatisticamente significativo a 0,05, mesmo no
modelo final com controle do ponto de partida no teste cognitivo. Cabe reforçar que no
segundo ano da pré-escola observamos um aumento da variação entre escolas, o que em
tese pode explicar o fato de encontramos um efeito da composição do alunado para
linguagem e matemática. Os resultados preliminares reforçam o achado de Bartholo e
Costa (2016) e sugerem a existência de um efeito da composição do alunado para
linguagem. Para matemática, os resultados são menos claros e sugerem que há apenas
efeito da composição do alunado no segundo ano na escola.
Os resultados apresentados no artigo, utilizaram dados apenas para os alunos
matriculados na rede pública. Essa é uma limitação importante dos resultados. É razoável
presumir que, ao incorporar os dados dos alunos matriculados na rede privada, os
resultados seriam diferentes. Bartholo e Costa (2018) evidenciaram que os níveis de
segregação quando calculados apenas com alunos matriculados na rede pública
subestimam o fenômeno. A explicação é que há claro viés no perfil socioeconômico dos
alunos quando comparamos as matrículas nas redes pública e privada. O mesmo
argumento pode ser construído para pensarmos o efeito da composição do alunado. É
provável que o tamanho do efeito seja maior do que o descrito no artigo. Ao estimar o
efeito par apenas com uma parte mais homogênea do alunado matriculada na rede pública,
uma parte importante da variação entre escolas não é captada no modelo.
70
Os resultados reforçam a necessidade de qualificar o debate sobre as desigualdades

educacionais no início da escolarização obrigatória. Regras de matrícula claras, processos
transparentes e políticas focadas em tornar as escolas públicas mais atraentes podem
ajudar reverter ao menos parte dos padrões de segregação escolar observados
(Rosistolato, et al., 2019). Isto porque, para além das regras de matrícula, como o presente
estudo trata de etapas do sistema escolar que atendem a crianças pequenas e com menor
mobilidade no que diz respeito à escolha e acesso ao estabelecimento escolar, o fenômeno
da segregação escolar sofre maior influência dos padrões de segregação residencial
característicos das grandes cidades brasileiras (Érnica e Batista, 2012; Koslinski, Alves e
Lange, 2013).
6. Conclusão
Há um crescente debate sobre a importância da educação infantil, e de forma mais
específica da pré-escola, como política pública capaz de diminuir desigualdades
educacionais e sociais. Analisar a distribuição de oportunidades educacionais nesse período
do processo de escolarização é importante para pensarmos a equidade do sistema.
Os dados analisados no artigo apresentam a primeira tentativa de medir o fenômeno da
segregação escolar ao longo do tempo para a pré-escola (período obrigatório do processo
de escolarização) e estimar o efeito par para os primeiros dois anos na escola no contexto
brasileiro. Os resultados preliminares sugerem que os padrões de segregação escolar
observados na pré-escola são semelhantes ao descritos no 1º ano do ensino fundamental.
Não há, portanto, grande impacto nos padrões de segregação na transição entre as etapas
de ensino. Estudos futuros devem incorporar dados da rede privada para a etapa da pré-
escola e descrever o impacto da estratificação entre as redes pública e privada. Não
obstante, os resultados descritos reforçam a importância do estudo da temática da
segregação escolar e revelam pela primeira vez o tamanho do fenômeno para a faixa etária
entre 4 e 5 anos em uma grande cidade do Brasil.
Os modelos para estimar o efeito da composição social das escolas (compositional effect) no
aprendizado dos alunos sugerem que há efeito, com resultados mais consistentes para a
medida de linguagem. Ressaltamos que as medidas de nível socioeconômico utilizadas no
presente trabalho –elaboradas a partir de dados coletados diretamente com
pais/responsáveis das crianças– são mais detalhadas, com menos dados faltantes e,
portanto, mais confiáveis que as medidas presentes em estudos que utilizam dados
secundários, elaboradas a partir da resposta dos alunos. A proposta de apresentar modelos
com um crescente número de variáveis de controle reforça a importância de pesquisas
longitudinais com duas ou mais medidas sobre o desenvolvimento das crianças. É
importante destacar ainda que é provável que a ausência dos alunos matriculados na rede
privada, subestime o fenômeno do efeito da composição do alunado. Estudos futuros
devem recalcular o modelo incorporando essa parcela da população, bem como observar
possíveis alterações no padrão da segregação escolar frente a persistência da tendência,
observada desde 2013, de aumento das matrículas da etapa da pré-escola na rede pública
Estudos futuros devem explorar ainda outras características de desvantagem potencial na
tentativa de estimar o efeito par, como por exemplo, cor/raça ou bairro de moradia
considerando crianças que vivem em favelas. Além disso, podem utilizar controles de
outras variáveis relacionadas tanto ao professor, como autoeficácia, quanto aos processos
71
escolares, como clima escolar, que permitam diferenciar o efeito da composição do alunado
dos efeitos relacionados ao contexto da escola/sala de aula.
Referências
Alves, L., Batista, A. A. G., Ribeiro, V. M. e Érnica, M. (2015). Seleção velada em escolas públicas:
Práticas, processos e princípios geradores. Educação e Pesquisa, 41, 37-152.
https://doi.org/10.1590/S1517-97022015011488.
Bartholo, T. L. (2013). Measuring between-school segregation in an open enrollment system: The
case of Rio de Janeiro. Journal of School Choice, 7, 353-371.
https://doi.org/10.1080/15582159.2013.808937
de estudantes. Estudos em Avaliação Educacional, 25, 242.
https://doi.org/10.18222/eae255820142927
Bartholo, T. L. e Costa, M. (2014). Turnos e segregação escolar: Discutindo as desigualdades
intraescolares. Cadernos de Pesquisa, 44, 670-692. https://doi.org/10.1590/198053142771
Bartholo, T. L. e Costa, M. (2016). Evidence of a school composition effect in Rio de Janeiro public
schools. Ensaio, 24, 498-521. https://doi.org/10.1590/S0104-40362016000300001
Bartholo, T. L. e Costa, M. (2018). Patterns of school segregation in Brazil: Inequalities and
education policy. En X. Bonal e C. Bellei (Orgs.), Understanding school segregation: Patterns,
causes and consequences of spatial inequalities in education (pp. 65-82). Bloomsbury Academic.
https://doi.org/10.5040/9781350033542.ch-004
Bartholo, T. L., Koslinski, M. C., Costa, M. e Barcellos, T. M. (2019). What do children know upon
entry to pre-school in Rio de Janeiro? Ensaio, 7, 1-22.
https://doi.org/10.1590/s0104-40362019002702071
Bartholo, T. L., Koslinski, M. C., Costa, M., Tymms, P. B., Merrell, C. e Barcellos, T. M. (2020).
The use of cognitive instruments for research in early childhood education: constraints and
possibilities in the Brazilian context. Pro-Posições, 31, e20180036.
https://doi.org/10.1590/1980-6248-2018-0036
Boone, W. J. (2006). Rasch analysis for instrument development: Why, when, and how? Erin Dolan.
Bruel, A. L. e Bartholo, T. L. (2012). Desigualdade de oportunidades educacionais na rede pública
municipal do Rio de Janeiro: Transição entre os segmentos do ensino fundamental. Revista
Brasileira de Educação, 17, 303-328. https://doi.org/10.1590/s1413-24782012000200004
Carvalho, M. P. (2005). Quem é negro, quem é branco: Desempenho escolar e classificação racial
de alunos. Revista Brasileira de Educação, 28, 77-95.
https://doi.org/10.1590/S1413-24782005000100007.
Carvalho Filho, J. L. (2016). Segregação espacial e segregação escolar: Notas para uma sociologia
da distribuição espacial e social dos estabelecimentos de ensino. Mediações, 21(2), 359-380.
https://doi.org/10.5433/2176-6665.2016v21n2p359
Castro. C. M. (2016). Avaliação do aprendizado no ciclo de alfabetização de alunos da rede municipal do
Rio de Janeiro (Dissertação de Mestrado). Escola Nacional de Ciências Estatísticas IBGE.
Denton, N. A. (1996). The persistence of segregation: Links between residential segregation and
school segregation. Minnesota Law Review, 80, 795-824.
Duncan, O. D. e Duncan, B. (1955). A methodological analyses of segregation indexes. American
72
Érnica, M. e Batista, A. A. G. (2012). A escola, a metrópole, e a vizinhança vulnerável. Cadernos de

Pesquisa, 42, 640-666. https://doi.org/10.1590/S0100-15742012000200016
Frankenberg, E. (2013) The role of residential segregation in contemporary school segregation.
Education and Urban Society, 45(5), 548-570. https://doi.org/10.1177/0013124513486288
Goldhaber, D. (1999). School choice: An examination of the empirical evidence on achievement,
parental decision making and equity. Educational Researcher, 28, 16-25.
https://doi.org/10.3102/0013189X028009016
Gorard, S. e See, B. H. (2013) Overcoming disadvantage in education. Routledge.
Gorard, S., Taylor, C. e Fitz, J. (2003). Schools, markets and choice policies. Routledge.
https://doi.org/10.4324/9780203609040
Harker, R. e Tymms, B. (2004). The effects of student composition on school outcomes. School
effectiveness and school improvement. An International Journal of Research, Policy and
Practice, 15(2), 177-199. https://doi.org/ 10.1076/sesi.15.2.177.30432
London’s secondary schools. Environment and Planning, 44, 669-687.
Higgins, S., Kokotsaky, D. e Coe, R. (2012). The teaching and learning toolkit: Technical appendices.
Education Endowment Foundation.
https://doi.org/10.1111/j.1468-2354.2004.00136.x
Koslinski, M. C. e Carvalho, J. T. (2015). Escolha, seleção e segregação nas escolas municipais do
Rio de Janeiro. Cadernos de Pesquisa, 45(158), 916-942.
ttps://doi.org/10.1590/198053143352
Koslinski, M. C., Alves, F. e Lange, W. (2013). Desigualdades educacionais em contextos urbanos:
Um estudo da geografia de oportunidades educacionais na cidade do Rio de Janeiro.
Educação & Sociedade, 34(125), 1175-1202.
https://doi.org/10.1590/S0101-73302013000400009
Koslinski, M. C., Costa, M. e Alves, F. (2014). Residential segregation, school quasi-market and
school segmentation in the context of Rio de Janeiro. En L. Ribeiro (Org.), The metropolis of
Rio de Janeiro: A space in transition (pp. 219-246). Routledge.
Marino, L. L. (2016). Análise de dados com característica longitudinal em educação: Um estudo sobre o
município do Rio de Janeiro (Dissertação de Mestrado). Escola Nacional de Ciências
Estatísticas IBGE.
Mendes, I. A. A. (2017). Território, segregação escolar e políticas de regulação de matrícula: Um estudo
da cidade de Belo Horizonte (Tese Doutorado). Programa de Pós-Graduação em Educação.
Universidade Federal de Minas Gerais.
Noreisch, K. (2007). Choice as rule, exception and coincidence: Parents’ understandings of
catchment areas in Berlin. Urban Studies, 44(7), 1307-1328.
https://doi.org/10.1080/00420980701302320
Quiroz, S. S., Dari, N. L. e Cervini, R. A. (2020). Oportunidad de aprender e segmentación
socioeconómica en Argentina PISA 2015. REICE. Revista Iberoamericana sobre Calidad,
73
Rawls, J. (1971). A theory of justice. Harvard University Press.

Rosistolato, R., Pires do Prado, A. P., Muanis, M. C. e Cerdeira, D. G. (2019). Burocracia
educacional em interação com as famílias nos processos de matrícula escolar na cidade do
Rio de Janeiro. Jornal de Políticas Educacionais, 13, 1-28.
https://doi.org/10.5380/jpe.v13i0.68554
Santos, H. e Elacqua, G. (2016). Socioeconomic school segregation in Chile: Parental choice and
theoretical counterfactual analysis. CEPAL Review, 119, 123-137.
https://doi.org/10.18356/bf11809a-en
Saporito, S. (2003). Private choices, public consequences: Magnet school choice and segregation by
race and poverty. Social Problems, 50(2), 181-203.
https://doi.org/10.1525/sp.2003.50.2.181
Tymms, P. (1999). Baseline assessment and monitoring in primary schools: Achievements, attitudes and
value-added indicators. David Fulton Publishers.
Tymms, P. (2004). Effect sizes in multilevel models. En I. Schagen e K. Elliot (Orgs.), But what
does it mean? The use of effect sizes in educational research (pp. 79-112). National Foundation
for Educational Research.
Van Zanten, A. (2005). Efeitos da concorrência sobre a atividade dos estabelecimentos escolares.
Cadernos de Pesquisa, 35(126), 565-593.
https://doi.org/10.1590/S0100-15742005000300003.
West, A., Hind, A. e Pennell, H. (2004). School admissions and "selection" in comprehensive
schools: Policy and practice. Oxford Review of Education, 30(3), 347-369.
https://doi.org/10.1080/0305498042000260485
74
Anexos
Quadro A. Modelos de Regressão multinível - primeiro ano na pré-escola
LINGUAGEM MATEMÁTICA
Modelo Modelo Modelo Modelo Modelo Modelo
1 2 3 1 2 3
Intercepto 0,253*** 0,345*** 0,269*** -1,875*** -1,821*** -1,869***
NSE (escola) 0,083* 0,096*** 0,065* 0,126** 0,147*** 0,054+
Sexo -0,127*** -0,030 -0,026 0,007
Idade 0,278*** 0,094*** 0,454*** 0,138***
SEN -0.926*** -0,405*** -1,000*** -0,859***
NSE (criança) 0,169*** 0,176*** 0,061*** 0,311 *** 0,319*** 0,119***
Matemática Onda 1 0,937***
Linguagem Onda 1 0,535***
INTRCPT1, u0 0,025 0,021 0,017 0,037 0,033 0,015
level-1, r 0,653 0,566 0,338 1,670 1,488 0,784
N1 1955 1952 1951 1955 1952 1951
N2 46 46 46 46 46 46
Nota: *** p˂ 0,001, ** p ˂ 0,01, * p ˂0,05, + p<0,10.
Quadro B. Modelos de Regressão multinível - segundo ano na pré-escola

LINGUAGEM MATEMÁTICA
Modelo Modelo Modelo Modelo Modelo Modelo
1 2 3 1 2 3
Intercepto 0,920*** 1,038*** 0,959*** -0,602*** -0,625*** -0,642***
NSE (escola) 0,132*** 0,148*** 0,069* 0,123** 0,153*** 0,055*
Sexo -0,150*** -0,056* -0,146 * 0,193***
Idade 0,247*** 0,073*** 0,471 *** 0,116***
SEN -1,394*** -0,362*** -1,850*** -0,903***
NSE (criança) 0,171*** 0,190*** 0,051*** 0,301*** 0,321*** 0,042
Matemática Onda 2 1,140***
Linguagem Onda 2 0,672***
INTRCPT1, u0 0,053 0,047 0,033 0,087 0,071 0,026
level-1, r 0,819 0,708 0,334 2,224 1,938 0,836
N1 2704 2670 1920 2704 2670 1920
N2 46 46 46 46 46 46
Nota: *** p˂ 0,001, ** p ˂ 0,01, * p ˂0,05, + p<0,10.
Breve CV dos autores

Tiago Lisboa Bartholo
Professor do Programa de Pós-Graduação em Educação da Universidade Federal do Rio
de Janeiro e do Colégio de Aplicação da Universidade Federal do Rio de Janeiro.
Doutorado em Educação pela Universidade Federal do Rio de Janeiro e pesquisador do
Laboratório de Pesquisas em Oportunidades Educacionais (LaPOpE/ UFRJ).
Pesquisador visitante na Universidade de Durham, Inglaterra, (2017 e 2014),
75
Universidade de Birmingham, Inglaterra, (2012 e 2013) e Universidade León, Espanha,

(2009). Seus principais interesses de pesquisa são relacionados à temática das
desigualdades educacionais, segregação escolar e avalição de impacto de programas e
políticas educacionais. ORCID ID: https://orcid.org/0000-0002-2400-8707. Email:
tiagobartholo@ufrj.com

Professora associada da Faculdade de Educação e do Programa de Pós-graduação em
Educação da Universidade Federal do Rio de Janeiro. Doutorado em Sociologia pela
Universidade Federal do Rio de Janeiro/UFRJ (2007) e Pós-Doutorado no Instituto de
Pesquisa em Planejamento Urbano e Regional IPPUR/UFRJ (2008-2009). Pesquisadora
visitante no Center of Organizational Innovation/Columbia University (2005-2006).
Coordenadora do Laboratório de Pesquisa em Oportunidades Educacionais
(LaPOpE/UFRJ). Coordenadora do GT 13 Educação e Sociedade da Sociedade Brasileira
de Sociologia. Seus principais interesses de pesquisa são nas áreas de sociologia da
educação (avaliação educacional), análise de políticas educacionais, desigualdades de
oportunidades educacionais e segregação socioespacial e desigualdades educacionais.
ORCID ID: https://orcid.org/0000-0002-9644-5041. Email: mckoslinski@ufrj.br

Professor do Colégio de Aplicação da Universidade Federal do Rio de Janeiro. Doutorado
em Educação pela Universidade Federal do Rio de Janeiro e pesquisador do Laboratório
de Pesquisa em Oportunidades Educacionais (LaPOpE/UFRJ). Coordenador do Curso de
Especialização Saberes e Práticas na Educação Básica (CESPEB/ UFRJ) na ênfase de
Educação Física Escolar. Seus principais interesses de pesquisa são sociologia da educação,
políticas de responsabilização e avaliação em larga escala. ORCID ID:
https://orcid.org/0000-0002-1153-2614. Email: felipema8@ufrj.br

Graduado em Pedagogia pela Universidade Federal do Rio de Janeiro (2019) e Mestrando
em Educação na linha de Políticas e Instituições Educacionais pelo Programa de Pós-
Graduação em Educação da Universidade Federal do Rio de Janeiro. É bolsista CAPES
do Programa de Excelência Acadêmica (PROEX) e pesquisador do Laboratório de
Pesquisa em Oportunidades Educacionais (LaPOpE/ UFRJ). Atua em pesquisas de larga
escala em Avaliação de Sistemas, Políticas Públicas e Programas Educacionais focados em
Educação Infantil e anos iniciais do Ensino Fundamental. Atualmente estuda sociologia
da educação com foco em desigualdades escolares na Educação Infantil e avaliação de larga
escala. ORCID ID: https://orcid.org/0000-0001-8512-5520. Email: dcastro@ufrj.br
76
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, 2020, 18(4), 97-121
Entendiendo los Cambios en la Segregación Escolar. Un

Análisis en Base a Microdescomposiciones
Understanding the Changes in School Segregation. An Analysis

Based on Microdecompositions
Lucía Ramírez Leira 1, 2 *
Emmanuel Vazquez 1
1 CEDLAS-IIE-FCE-Universidad Nacional de La Plata, Argentina
2 IECON, Universidad de la República, Uruguay
La separación de estudiantes de diferentes entornos socioeconómicos entre escuelas

públicas y privadas ha aumentado en numerosos países en los últimos años. Este
trabajo propone una metodología para descomponer los cambios en la segregación
escolar en el tiempo y cuantificar la importancia relativa de diferentes factores que
dan cuenta de esos cambios. Para ilustrar su utilidad, el estudio provee una aplicación
empírica al caso uruguayo, uno de los países de América Latina que mayor
incremento de la segregación escolar entre escuelas públicas y privadas ha
experimentado en los últimos años. El trabajo encuentra que los cambios en las
preferencias por asistir a la escuela dan cuenta de una fracción muy pequeña del
aumento de la segregación en Uruguay entre 1992 y 2017. En cambio, las
preferencias por asistir a un establecimiento del tipo privado tuvieron un rol
importante en el cambio observado en la segregación, particularmente en secundaria,
mientras que los cambios en la restricción presupuestaria, captados vía
modificaciones en los ingresos, explican la mayor parte del cambio observado en la
segregación durante el período. Pese a las limitaciones de la metodología que se
discuten en el trabajo, se propone su utilización para enriquecer el análisis de los
determinantes de la segregación escolar y ayudar a desentrañar el aporte relativo de
diferentes teorías que pueden dar cuenta de los cambios observados.
Descriptores: Segregación; Elección de escuela; Educación; Microdescomposiciones
Uruguay.
The separation of students from different socioeconomic backgrounds between

public and private schools has increased in many countries during the past few years.
This article proposes a methodology to decompose changes in school segregation
over time and quantify the relative importance of the different factors that may
account for these changes. To illustrate its usefulness, the study provides an
empirical application to the Uruguayan case, one of the Latin American countries
that has experienced the greatest increase in school segregation between public and
private schools in recent years. The article finds that changes in preferences for
attending school account for a very small fraction of the increase in segregation in
Uruguay between 1992 and 2017. In contrast, preferences for attending a private
type institution played an important role in the observed change in segregation,
particularly in secondary education, while changes in the budget constraint, captured
via changes in income, explain most of the observed change in segregation during
the period. Despite the limitations of the methodology that are discussed in the
article, its use is proposed to enrich the analysis of the determinants of school
segregation and help to unravel the relative contribution of different theories that
are able to account for the observed changes.
Keywords: Segregation; School choice; Education; Microdecompositions; Uruguay.
*Contacto: lucia.ramirez@econo.unlp.edu.ar
Recibido: 7 de abril 2020
www.rinace.net/reice/ 2ª Evaluación: 9 de julio 2020
Aceptado: 28 de agosto 2020
L. Ramírez Leira y E. Vazquez
1. Introducción
Durante mucho tiempo, la escuela pública constituyó en varios países del mundo un
espacio de interacción clave para aprender a convivir con personas provenientes de
estratos sociales diferentes e igualar oportunidades. A la escuela pública asistían personas
de distintas clases sociales; pobres y ricos se mezclaban en las aulas y recibían una
educación semejante. En las últimas décadas, sin embargo, la mayoría de estos países ha
presenciado un fuerte crecimiento de la matrícula en escuelas privadas, impulsado por la
migración selectiva de los grupos no carenciados desde la escuela pública a la privada.
Este fenómeno ha sido particularmente importante en América Latina (Arcidiácono et al.,
2014; Murillo, 2016; Murillo y Martínez-Garrido, 2017), pero no exclusivo de ella (véase,
por ejemplo, Murillo, Belavi y Pinilla, 2018 para España) y ha dado forma al fenómeno de
segregación escolar, por el cual estudiantes de distinto nivel socioeconómico ya no
interactúan de igual manera en las aulas, porque asisten a diferentes tipos de
establecimientos.
La segregación escolar, entendida aquí como la separación de alumnos de distinto nivel
socioeconómico entre centros educativos públicos y privados 1, tiene profundas
consecuencias sobre la sociedad: contribuye a la generación de fenómenos de exclusión y
desintegración en otros ámbitos (Gasparini et al., 2011); da lugar a la generación de
desigualdades persistentes y trampas de pobreza (Durlauf, 2006); estrecha las
posibilidades y contactos de los grupos más vulnerables, afectando además su probabilidad
de exposición a códigos, mensajes y conductas necesarias para una movilidad social
ascendente (Valenzuela, 2008). Finalmente, cuando la segregación es elevada puede
también amenazar la cohesión social existente (Jenkins, Micklewright y Schnepf, 2008;
Wilson, 1987). En efecto, cuando distintas clases sociales no se “mezclan” en espacios
comunes, no pueden comunicarse, conocerse, ni aprender las necesidades y motivaciones
del otro, lo que vuelve particularmente difícil entenderlo, favoreciendo el prejuicio y la
estigmatización, e incrementando las posibilidades de un mayor conflicto social en el
futuro.
Entender los determinantes de la segregación escolar ha sido todo un desafío para la
literatura. Múltiples explicaciones desde diferentes ramas de la economía y la sociología
han sido ofrecidas. La economía típicamente le ha asignado un rol importante a las
preferencias y a la restricción presupuestaria de los individuos. En efecto, si las
preferencias por los centros educativos o su composición socioeconómica son
heterogéneas, la segregación ocurre con un resultado de equilibrio fácilmente (como en
modelos al estilo Schelling, 1971 o Card, Mas y Rothstein, 2008). Si los individuos tienen
en cambio las mismas preferencias, la segregación se obtiene como resultado a través del
conflicto sobre recursos escasos, surgiendo a través de mecanismos explícitos o implícitos
de racionamiento del acceso a las escuelas (como en los modelos de equilibrio parcial de
Becker y Murphy, 2003 y de equilibrio general de Nechyba, 2006, o Epple y Romano,
1998, donde las diferencias de precios e ingresos son claves).
1El presente trabajo se centra en la segregación entre el agregado de escuelas públicas y privadas,
que explica un porcentaje importante de la segregación total en América Latina (Vazquez, 2012,
2016).
98
Entender los cambios que han ocurrido recientemente en la segregación escolar requiere
cuantificar la importancia relativa que han tenido los distintos determinantes de la
decisión de asistencia a un establecimiento educativo y de la selección de un centro
educativo del tipo público o privado. Aunque resulta imposible estimar un modelo
completo que capte todos los determinantes de este cambio, este trabajo propone una
metodología para cuantificar la importancia relativa que tienen los cambios en las
preferencias y en la restricción presupuestaria de los individuos sobre la segregación
escolar. Para ello, propone una microdescomposición de los cambios en la segregación y
realiza una aplicación empírica al caso de Uruguay. Este país constituye un caso de estudio
interesante, ya que, junto con Argentina y Perú, ha sido el país que ha experimentado un
mayor aumento en la segregación entre escuelas públicas y privadas entre las décadas de
1990 y 2010 en América Latina (Arcidiácono et al., 2014) 2.
El estudio encuentra que los cambios en las preferencias por asistir a la escuela dan cuenta
de una fracción muy pequeña del aumento que ha experimentado la segregación en
Uruguay entre 1992 y 2017. En cambio, las preferencias por asistir a un establecimiento
del tipo privado tuvieron un rol importante en el cambio observado en la segregación,
particularmente en secundaria, lo cual es consistente con el hecho de que las brechas de
calidad que se perciben entre escuelas públicas y privadas han aumentado en el período
considerado. Asimismo, los cambios en la restricción presupuestaria, captados vía
modificaciones en los ingresos, explican la mayor parte del cambio observado en la
segregación durante el período, lo que sugiere que el ingreso ha sido el principal
determinante de la evolución en la segregación escolar en el caso uruguayo.
El resto del trabajo está organizado de la siguiente forma. La Sección 2 desarrolla la
metodología. La Sección 3 describe los datos utilizados para ilustrar la metodología con
una aplicación empírica, proveyendo el contexto general del caso analizado. La Sección 4
muestra los resultados de las microdescomposiciones del cambio en la segregación escolar
aplicados a este caso, mientras que la Sección 5 concluye con algunos comentarios finales.
2. Metodología
2.1. Microdescomposición propuesta
La metodología de microdescomposiciones propuesta en este trabajo para explicar los
cambios en la segregación educativa constituye una extensión de la metodología diseñada
por Bourguignon, Ferreira y Lustig (2005), que permite medir la importancia que pueden
haber tenido distintos factores en el cambio de la segregación entre los momentos t y t´.
Si bien la metodología se diseñó originalmente para ser aplicada a temas distributivos, es
posible utilizarla en este caso para determinar cuánto del cambio en la segregación en un
período analizado está relacionado con cambios en características observables e
inobservables de los asistentes a la educación pública y privada; y cuánto con cambios en
los parámetros que gobiernan sus decisiones de asistencia.
2De acuerdo con el mencionado estudio, Uruguay fue el país que experimentó el mayor incremento
de la segregación entre escuelas públicas y privadas medida por el índice de Brecha por centiles
entre 1992 y 2011, y el tercer mayor aumento de acuerdo al índice de Disimilitud, detrás de Perú
y Argentina.
99
La idea básica consiste en comparar las decisiones de asistencia a centro educativos

públicos/privados en el momento t, con decisiones contrafactuales simuladas. Estas
decisiones contrafactuales surgen de simular cómo serían las decisiones de asistencia y
elección público/privado en el momento t si algunos de los factores fueran los del
momento t´.
A continuación, se presenta analíticamente la metodología propuesta, que sigue de cerca
a la empleada en Gasparini (2006) para descomponer los cambios en la incidencia
distributiva del gasto público. Se supone una población de tamaño N, donde cada uno de
sus integrantes se indexa por i = 1,….,N. Cada individuo se identifica por un vector de
características observables 𝑋𝑋𝑖𝑖 y no observables U𝑖𝑖.
Dentro de la población total, los individuos en edad escolar pueden decidir asistir o no a
un centro educativo. Condicional a su decisión de asistencia, eligen posteriormente si
concurren a un centro educativo público o privado. Sea 𝑑𝑑𝑖𝑖𝑖𝑖 una variable binaria que vale
1 si el individuo i está en edad escolar y asiste a una escuela pública en el momento t.
Entonces, podemos escribir
𝑑𝑑𝑖𝑖𝑖𝑖 = 𝑐𝑐𝑖𝑖𝑖𝑖 ∗ 𝑎𝑎𝑖𝑖𝑖𝑖 ∗ 𝑝𝑝𝑖𝑖𝑖𝑖 (1)
donde c vale 1 si el individuo se encuentra en edad escolar y 0 en caso contrario; a es igual
a 1 si el individuo asiste a un centro educativo dado que está en edad escolar y 0 en caso
contrario; y p toma el valor 1 si el individuo, una vez que decide asistir, elige una
institución pública.
Sea 𝛿𝛿𝑡𝑡 el vector de parámetros que determinan la regla de acceso (en este caso, tener edad
escolar) en el momento t. Las características que determinan si un individuo cumple o no
la regla de acceso son observables, por lo que se asume que c es determinística:
𝑐𝑐𝑖𝑖𝑖𝑖 = 𝐶𝐶(𝑋𝑋𝑖𝑖𝑖𝑖 ; 𝛿𝛿𝑡𝑡 ) (2)
Por su parte, debido a que la decisión de asistencia y de elección público/privada depende
de factores observables e inobservables, ait y pit, son consideradas variables aleatorias:
𝑎𝑎𝑖𝑖𝑖𝑖 = 𝐴𝐴(𝑋𝑋𝑖𝑖𝑖𝑖 ; 𝑈𝑈𝑖𝑖𝑖𝑖 ; 𝛽𝛽𝑡𝑡 ) (3)
𝑝𝑝𝑖𝑖𝑖𝑖 = 𝑃𝑃(𝑋𝑋𝑖𝑖𝑖𝑖 ; 𝑈𝑈𝑖𝑖𝑖𝑖 ; 𝜆𝜆𝑡𝑡 ) (4)
Combinando las ecuaciones anteriores, se obtiene:
𝑑𝑑𝑖𝑖𝑖𝑖 = 𝐷𝐷(𝑋𝑋𝑖𝑖𝑖𝑖 ; 𝑈𝑈𝑖𝑖𝑖𝑖 ; 𝛿𝛿𝑡𝑡 ; 𝛽𝛽𝑡𝑡 ; 𝜆𝜆𝑡𝑡 ) (5)
Por tanto, la asistencia a un centro educativo público/privado del individuo i en el
momento t depende de características observables 𝑋𝑋𝑖𝑖𝑖𝑖 que afectan tanto la asistencia
educativa como la elección del tipo de centro al que asiste, de un vector de características
inobservables U𝑖𝑖𝑖𝑖 y un vector de parámetros 𝛽𝛽𝑡𝑡 (que determinan la asistencia) y otro 𝜆𝜆𝑡𝑡
(que conducen la elección público/privado).
Por su parte, los indicadores normalmente utilizados para medir la segregación educativa
St son una combinación de la distribución de dit y de algunas características Y del vector X
(por lo general, los ingresos de los individuos), por lo que pueden expresarse
analíticamente como:
𝑆𝑆𝑡𝑡 = 𝐹𝐹 ({𝑋𝑋𝑖𝑖𝑖𝑖 }, {𝑈𝑈𝑖𝑖𝑖𝑖 }, 𝛿𝛿𝑡𝑡 , 𝛽𝛽𝑡𝑡 , 𝜆𝜆𝑡𝑡 ) (6.1)
100
𝑆𝑆𝑡𝑡´ = 𝐹𝐹 ({𝑋𝑋𝑖𝑖𝑖𝑖´ }, {𝑈𝑈𝑖𝑖𝑖𝑖´ }, 𝛿𝛿𝑡𝑡´ , 𝛽𝛽𝑡𝑡´ , 𝜆𝜆𝑡𝑡´ ) (6.2)

La ecuación (5) define los determinantes de la asistencia a educación pública/privada del
individuo i en el momento t y que serán objeto de la simulación. La idea detrás de esta
descomposición es sustituir gradualmente los argumentos de dicha ecuación en el
momento t por los del momento t´.
Esta sustitución gradual, permitirá descomponer los cambios observados en la
segregación (∆𝑆𝑆 = 𝑆𝑆𝑡𝑡´ − 𝑆𝑆𝑡𝑡 ) en tres efectos:
• Efecto participación (PA): captura la variación de la segregación educativa que
surge de cambios en los parámetros que determinan la asistencia.
Analíticamente, este efecto puede expresarse como:
𝑃𝑃𝑃𝑃 = 𝐹𝐹 ({𝑋𝑋𝑖𝑖𝑖𝑖´ }, {𝑈𝑈𝑖𝑖𝑖𝑖´ }, 𝛿𝛿𝑡𝑡´ , 𝛽𝛽𝑡𝑡´ , 𝜆𝜆𝑡𝑡´ ) − 𝐹𝐹 ({𝑋𝑋𝑖𝑖𝑖𝑖´ }, {𝑈𝑈𝑖𝑖𝑖𝑖´ }, 𝛿𝛿𝑡𝑡´ , 𝛽𝛽𝑡𝑡 , 𝜆𝜆𝑡𝑡´ ) (7)
• Efecto provisión pública (PP): refleja la variación de la segregación educativa
que surge de cambios en los parámetros que gobiernan la elección de un centro
educativo público o privado. Analíticamente, este efecto puede expresarse como:
𝑃𝑃𝑃𝑃 = 𝐹𝐹 ({𝑋𝑋𝑖𝑖𝑖𝑖´ }, {𝑈𝑈𝑖𝑖𝑖𝑖´ }, 𝛿𝛿𝑡𝑡´ , 𝛽𝛽𝑡𝑡 , 𝜆𝜆𝑡𝑡´ ) − 𝐹𝐹 ({𝑋𝑋𝑖𝑖𝑖𝑖´ }, {𝑈𝑈𝑖𝑖𝑖𝑖´ }, 𝛿𝛿𝑡𝑡´ , 𝛽𝛽𝑡𝑡 , 𝜆𝜆𝑡𝑡 ) (8)
• Efecto características (PC): representa la variación de la segregación educativa
que surge de cambios en las características observables e inobservables de la
población. Analíticamente, este efecto puede expresarse como:
𝑃𝑃𝑃𝑃 = 𝐹𝐹 ({𝑋𝑋𝑖𝑖𝑖𝑖´ }, {𝑈𝑈𝑖𝑖𝑖𝑖´ }, 𝛿𝛿𝑡𝑡´ , 𝛽𝛽𝑡𝑡 , 𝜆𝜆𝑡𝑡 ) − 𝐹𝐹 ({𝑋𝑋𝑖𝑖𝑖𝑖 }, {𝑈𝑈𝑖𝑖𝑖𝑖 }, 𝛿𝛿𝑡𝑡 , 𝛽𝛽𝑡𝑡 , 𝜆𝜆𝑡𝑡 ) (9)
En tanto la regla de acceso no cambie en el período considerado (𝛿𝛿𝑡𝑡 = 𝛿𝛿𝑡𝑡´ ), el cambio en
el indicador de segregación puede expresarse como:
∆𝑆𝑆 = 𝑃𝑃𝑃𝑃 + 𝑃𝑃𝑃𝑃 + 𝑃𝑃𝑃𝑃 (10)
Una innovación metodológica de este trabajo consiste en cuantificar cuál es el aporte
específico de ciertas características dentro del efecto características general que surge de
la descomposición anterior. Para aproximarse a la importancia particular de la
característica xk, es posible simular la decisión de asistencia y elección de educación pública
que el individuo i hubiese obtenido en el momento t , al sustituir el valor de xk por el
correspondiente en t´, manteniendo el resto de los argumentos constantes. Dado que
reemplazar xk de t´ en los datos de t arroja resultados diferentes que cambiar xk de t en los
datos de t´, se propone calcular los escenarios contrafácticos de una y otra forma y
computar el promedio de ambos. En base a esto, puede obtenerse una distribución de
asistencia público y privada observada (Dt) y una simulada (Dtxk'). El efecto marginal del
cambio en la característica xk sobre la segregación se obtiene al comparar el indicador de
segregación (S) calculado sobre la distribución observada y la simulada de estudiantes que
asisten a público y a privado según su nivel socioeconómico:
𝑆𝑆(𝐷𝐷𝑡𝑡 ) - 𝑆𝑆(𝐷𝐷𝑡𝑡𝑡𝑡𝑡𝑡´ ) (11)
De lo anterior se desprende que previo a realizar las microdescomposiciones, es necesario
estimar un modelo de asistencia y de elección público/privado. Si bien ésta última decisión
puede estar afectada por diversos procesos que no siempre pueden captarse con los datos
disponibles, la asistencia a un centro público o privado parece estar vinculada también a
101
decisiones de las familias que, dadas sus preferencias y restricciones, toman sus decisiones
respecto a asistir o no al sistema educativo público.
El problema de la elección de una escuela pública puede ser interpretado como un modelo
de elección secuencial, donde la familia primero decide si el individuo asiste o no a una
escuela, y en función de su decisión de asistencia, opta por un centro público o privado.
Si se supone en términos generales que cada posible elección i reporta una utilidad Ui, es
posible escribir la probabilidad de que un individuo decida asistir a un centro educativo
público como una combinación de las probabilidades de cada opción condicional a la
elección de la etapa previa:
𝑃𝑃[𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑝𝑝ú𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏] = 𝑃𝑃[𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎] x 𝑃𝑃[𝑝𝑝ú𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 | 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎] = 𝑃𝑃[𝑈𝑈𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 ≥
𝑈𝑈𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 ] x 𝑃𝑃�𝑈𝑈𝑝𝑝ú𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 ≥ 𝑈𝑈𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 � 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 = 1] (12)
Si se supone ese proceso decisorio, lo anterior podría resultar en un modelo probit
condicional o un modelo logit anidado. Debido a que para el análisis de
microdescomposiciones se requiere recuperar los parámetros de cada una de las etapas
decisorias por separado, se propone estimar secuencialmente un modelo no lineal de
probabilidad para cada una de las decisiones.
𝑃𝑃[𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 = 1] = 𝐹𝐹 (𝑋𝑋𝑋𝑋 ) (13)
𝑃𝑃[𝑝𝑝ú𝑏𝑏𝑏𝑏𝑖𝑖𝑐𝑐𝑐𝑐 = 1 | 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 = 1] = 𝐹𝐹 (𝑋𝑋𝑋𝑋) (14)
donde F(.) es la función de distribución normal.
Las estimaciones de dichas probabilidades permiten obtener una probabilidad predicha 𝑎𝑎�𝑖𝑖𝑖𝑖
de asistir a la escuela y una probabilidad predicha 𝑝𝑝̂ 𝑖𝑖𝑖𝑖 de elegir una institución pública para
el individuo i en el momento t. En base a estas probabilidades predichas utilizando los
datos observados, se obtiene un indicador estimado para el momento t.
Posteriormente, se modifica alguno de los argumentos de la ecuación (5) por los del
momento t´ para estimar nuevas probabilidades de asistencia y elección público/privado.
Finalmente, se compara el valor del indicador estimado utilizando la distribución real de
asistentes de distinto nivel socioeconómico a centros públicos y privados con el valor del
índice estimado que se obtiene considerando la distribución simulada.
La metodología propuesta difiere de otros aportes relevantes tales como el de Jaume
(2013) en tanto permite cuantificar cuál es el aporte específico de ciertas características
dentro del efecto características general. De esta manera, si se incorporan elementos de la
restricción presupuestaria de los individuos (tales como el ingreso) entre las
características individuales determinantes de la elección de escuela, es posible cuantificar
en cierto modo cuánto de un aumento de la segregación puede atribuirse a un mayor deseo
por asistir a un tipo de establecimiento y cuánto a una mayor posibilidad de asistir al
mismo. Al mismo tiempo, al proponer modelar la decisión de asistencia de manera
secuencial, permite estimar un efecto participación y un efecto provisión pública por
separado, lo cual tampoco reconoce antecedentes en la literatura de segregación escolar.
A los efectos de medir el fenómeno que es objeto de este estudio, en la aplicación empírica
se utilizará el índice de Disimilitud (D) propuesto por Duncan y Duncan (1955), que se
define como:
102
1 𝑥𝑥1𝑖𝑖 𝑥𝑥2𝑖𝑖
𝐷𝐷 = ∑𝑘𝑘𝑖𝑖=1 � − � (15)
2 𝑋𝑋1 𝑋𝑋2
donde i indexa en este caso el tipo de establecimiento escolar (público o privado), x1i
representa el número de alumnos vulnerables (de bajo nivel socioeconómico) en el tipo de
establecimiento i, X1 es el total de alumnos vulnerables, x2i es el número de estudiantes no
vulnerables en el establecimiento i y X2 es el total de estudiantes no vulnerables. Este
índice refleja la proporción de estudiantes del grupo minoritario, en este caso los
individuos vulnerables, que deberían cambiar de tipo de centro educativo para que exista
una distribución homogénea de los mismos entre los dos tipos de establecimientos
educativos. El indicador toma valores entre 0 y 1, donde 0 indica ausencia de segregación
y 1 presencia de segregación extrema.
2.2. Interpretación y limitaciones
En la explicación detallada arriba, los efectos participación y provisión pública son
obtenidos estimando cuán distinta hubiese sido la segregación en el momento t´ si las
características de los individuos (entre ellas, el ingreso) no hubiesen cambiado en el
período considerado entre t y t´. Estos cambios pueden ser interpretados, en un sentido
amplio, como un cambio en las preferencias de los individuos, que con las mismas
características desean ahora una mayor participación escolar o una menor participación
en el sector público.
Naturalmente, esta interpretación de los efectos parámetros PA y PP abarca no sólo
cambios en las preferencias propias de los individuos (un efecto de primer orden), sino
también cambios en las preferencias por la participación o el tipo de establecimiento
producto de cambios en las características de las escuelas que se traducen en un mayor o
menor deseo de adquirir el bien educación y asistir a un tipo de establecimiento
determinado (un efecto de segundo orden, en el sentido que se deriva de cambios en las
características del sistema en lugar de las características individuales).
Esta interpretación de cambios en las preferencias en sentido amplio es la que se propone
para contrastar el peso de estos determinantes en oposición a las características de los
individuos. Asimismo, la metodología propone la descomposición parcial del efecto
características para poder cuantificar la importancia de características específicas de los
individuos, tales como su ingreso, que tienen un rol fundamental en la elección de educarse
y el tipo de escuela a elegir.
La metodología tiene, como es sabido, las limitaciones típicas de cualquier
microdescomposición econométrica, lo que hace que los efectos estimados no sean de
equilibrio general. A su vez, pese a ser una herramienta útil para cuantificar la
contribución de varios factores al cambio en la segregación, la metodología no busca
recuperar las relaciones conductuales o los parámetros estructurales profundos. Sin
embargo, al indicar qué factores son cuantitativamente importantes y cuáles no, nos
provee de una indicación de qué hipótesis particulares o teorías deben ser exploradas con
más detalle (Fortin, Lemieux y Firpo, 2011).
3. Aplicación empírica: Contexto

A los efectos de ilustrar la metodología propuesta con un caso práctico, el presente trabajo
realiza una descomposición de los cambios en la segregación experimentados por uno de
103
los países de América Latina que mayor aumento ha experimentado en la separación de

alumnos de distinto nivel socioeconómico entre establecimientos públicos y privados:
Uruguay. El período analizado será el comprendido entre los años 1992 y 2017 y el análisis
estará concentrado en los individuos entre 6 y 17 años que asisten a educación primaria o
educación secundaria. Esta sección realiza una descripción del contexto de ese país en el
período bajo análisis.
En Uruguay, la educación primaria y secundaria es obligatoria. La educación primaria
atiende a los niños a partir de los 6 años de edad y comprende seis grados. Por su parte,
la educación secundaria, en términos generales, está organizada en dos ciclos obligatorios,
cada uno de tres años de duración: el ciclo básico y el ciclo superior. Ambos ciclos se
ofrecen en modalidad general o en modalidad tecnológica o técnica 3. Tanto en primaria
como en secundaria, las personas pueden elegir entre establecimientos públicos, que son
gratuitos, o establecimientos privados, que exigen el pago de una cuota mensual para
poder educarse en ellos.
La población uruguaya tiene una visión más positiva sobre la educación privada que sobre
la pública: la Encuesta de opinión pública sobre educación obligatoria en Uruguay 2015
(Ineed, 2017) revela que casi la mitad de la población considera que las oportunidades de
aprender son mayores en la educación privada, mientras que la otra mitad considera que
no hay diferencias entre ambos subsistemas. Asimismo, la población considera que la
educación en general ha empeorado. Los principales motivos refieren a la cantidad y
calidad docente y a los paros, las medidas sindicales y el ausentismo docente, que se dan
mayormente en las instituciones públicas. La comparación de los resultados de esta
encuesta con los de Latinobarómetro de 2011 muestra además que ha habido una mejora
en la evaluación del sector privado por parte de la población, mientras que la valoración
del sector público se mantuvo estable, lo cual sugiere que la brecha de calidad percibida
entre ambos tipos de instituciones se ha ampliado en los últimos años.
Los datos muestran que el total de alumnos que asisten a la educación primaria y
secundaria en Uruguay en el período 1992-2017 ha aumentado, aunque escasamente. La
figura 1 permite identificar dos sub-períodos en el análisis de la evolución de la matrícula.
El período 1992-2003 muestra un crecimiento del total de alumnos asistentes a educación
primaria y secundaria; mientras que durante 2004-2017 se observa una matrícula estable,
aunque levemente decreciente. La disminución del total de alumnos en los últimos quince
años no responde a una caída en la tasa de escolarización sino a una reducción de la
población en edad de asistir a la educación primaria y secundaria. En la figura 1 puede
observarse también que la matrícula de la educación privada presenta un patrón inverso
al de la educación pública, lo que deriva en un aumento de la participación de la educación
privada durante los últimos 15 años, ya que la matrícula total se mantuvo prácticamente
constante.
Para el análisis que sigue, al igual que para el cómputo de la segregación y su posterior
descomposición, se utilizan datos de la Encuesta Continua de Hogares (ECH) de Uruguay,
cuyos microdatos han sido publicados por el Instituto Nacional de Estadística (INE) de
ese país y armonizados por el Centro de Estudios Distributivos Laborales y Sociales
3A los efectos de este trabajo, se considera educación secundaria a todos los ciclos correspondientes
a la educación media, es decir, todos los ciclos que se ofrezcan luego de haber completado la
educación primaria y que no sean considerados educación terciaria.
104
(CEDLAS) y el Banco Mundial en la Base de Datos Socioeconómicos para América Latina

y el Caribe (SEDLAC) 4.
750.000 100.000
700.000 95.000
Alumnos en educación privada

Alumnos en educación pública 650.000
90.000
600.000
85.000
550.000
80.000
500.000
450.000 75.000
400.000 70.000
uente: El a bora1992 1994a en
ci ón propi 1996 ba s 1998 2000
e a da tos del2002
Depa 2004 2006
rta mento de 2008
Es ta dís2010 2012 ti 2014
ti ca Educa va del 2016
Cons ejo
e Educa ci ón Ini ci a l y Pri ma ri a y del Depa rta mento de Es ta dís ti ca del Cons ejo de Educa ci ón
Total Pública Privada
Figura 1. Matrícula según tipo de administración. 1992-2017

Fuente: Elaboración propia en base a datos del Observatorio de la educación (ANEP).
La figura 2 muestra que la tasa de escolarización ha aumentado a lo largo del período tanto
para los sectores más ricos como para los más pobres. En la educación primaria se observa
que la brecha entre el primer y quinto quintil (que era de aproximadamente 3 puntos
porcentuales) se cierra sobre finales del período, superando el 99% de asistencia para todos
los quintiles de ingreso. Respecto a la educación secundaria, se observa un incremento
diferenciado según quintil de ingreso de las tasas de escolarización, donde la asistencia de
los estudiantes pobres ha crecido a mayor tasa que la asistencia de los no pobres; por lo
que la brecha de asistencia entre el quintil 1 y el quintil 5 se redujo a 13 puntos
porcentuales.
Primaria Secundaria
100% 100%
95% 95%
90% 90%
85% 85%
80% 80%
75% 75%
70% 70%
65% 65%
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
Quintil 1 Quintil 5 Promedio Quintil 1 Quintil 5 Promedio
Figura 2. Tasa de escolarización de individuos en edad escolar. Total país

Nota: La tasa de escolarización representa la proporción de individuos en edad de asistir
correspondiente a cada nivel que declaran asistir a un centro educativo.
Fuente: Elaboración propia en base a ECH.
4 Como la ECH ha tenido cambios en la cobertura geográfica durante el período, se homogenizan
las áreas empleadas en el análisis a nivel país, de manera de que en cada año los datos son
representativos de las localidades de 5000 habitantes o más.
105
La figura 3 ilustra el fenómeno de migración que se ha producido del sistema educativo

público hacia el privado en los estratos medios y altos. Para el primer quintil de ingresos
parece prácticamente no haberse alterado la importancia relativa de la educación pública
en todo el período, posiblemente porque la educación privada exige el pago de una
matrícula que no pueden afrontar. Por su parte, los quintiles del medio son los que más
modifican su comportamiento, y ese comportamiento coincide con la evolución del ingreso
per cápita. Entre 1992 y 2003 el ingreso de los hogares disminuyó (considerando punta a
punta) y los quintiles 2, 3 y 4 eligieron en mayor proporción la educación pública. Por su
parte, entre el 2004 y el 2017 el ingreso de los hogares ha aumentado sostenidamente y
se observa una migración hacia el sector privado fundamentalmente en los últimos tres
quintiles 5. En particular, la educación pública para el cuarto quintil disminuye 30 puntos
porcentuales y para el último quintil 20 puntos porcentuales.
100
Participación de la educación pública en %
90
80
70
60
50
40
30
20
10
0
1 2 3 4 5
1992 2003 2017
Figura 3. Participación de la educación pública según quintil de ingreso

El resultado de todos estos cambios es la evolución de la segregación escolar que se

muestra en la figura 4, que utiliza como definición de grupo minoritario a los individuos
pertenecientes al primer quintil del ingreso per cápita familiar (también llamados pobres
o vulnerables). El índice refleja que en 1992 el 21,2 % de los alumnos pobres de todo el
país debía trasladarse al sistema educativo privado para que los centros educativos de
ambas modalidades sean homogéneos, mientras que para el año 2017 este valor asciende
a 29,1%, reflejando un aumento de 37% para el total nacional. Montevideo presenta para
todos los años valores más altos, reflejando un mayor nivel de segregación, con un
aumento del 30%.
5En el cuadro A1 del anexo se presenta la evolución del ingreso de los hogares en Uruguay durante
el período de estudio.
106
0,50
0,45
0,40
0,35
0,30
0,25
0,20
0,15
0,10
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
Total nacional IC al 95%
Montevideo IC al 95%
Figura 4. Índice de Disimilitud. Total educación básica. 1992-2017
El análisis separado según nivel educativo, que se muestra en la figura 5, refleja en

términos generales los mismos resultados, ya que los índices de ambos niveles evolucionan
de forma similar. El nivel primario parece tener mayor nivel de segregación que el nivel
secundario, donde los valores de disimilitud son entre un 15% y un 30% superiores en el
primero de ellos, ya sea en Montevideo o en todo el país.
0,60 0,60
Primaria Secundaria
0,50 0,50
0,40 0,40
0,30 0,30
0,20 0,20
0,10 0,10
0,00 0,00
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
Total nacional IC al 95% Total nacional IC al 95%

Montevideo IC al 95% Montevideo IC al 95%
Figura 5. Índice de Disimilitud según nivel educativo. 1992-2017

Fuente: Elaboración propia en base a datos de ECH.
4. Aplicación empírica: Resultados

En esta sección se presentan los resultados de aplicar la metodología de
microdescomposiciones propuesta para explicar los cambios en la segregación ocurridos
en Uruguay a nivel nacional, considerando tres intervalos de tiempo que resultan
relevantes dado el análisis del contexto de la sección anterior: el período 1992-2017, y los
sub-períodos 1992-2003 y 2003-2017.
En los cuadros A3, A4 y A5 del Anexo se presentan las estimaciones de la probabilidad de
asistencia y de elección de educación pública necesarias para llevar a cabo la
descomposición, detallando en el cuadro A2 las variables utilizadas. Si bien existen
107
algunas diferencias entre los años considerados, en términos generales se observan

resultados similares a los encontrados en la literatura revisada. La probabilidad de
asistencia se correlaciona positivamente con el ingreso, la educación de los padres, si el
jefe de hogar se encuentra ocupado, si el jefe y el cónyuge forman parte de la población
económicamente activa; mientras que se reduce cuando aumenta la edad, si el individuo es
varón y si vive en una zona metropolitana. Por su parte, la probabilidad de optar por un
centro educativo público aumenta cuando aumenta la edad, se reduce el ingreso, el nivel
educativo de los padres es menor, el hogar es no nuclear, y el lugar de residencia no está
en el área metropolitana 6.
4.1. Total Educación básica
El cuadro 1 presenta los resultados de las microdescomposiciones para el índice de
Disimilitud considerando a primaria y secundaria conjuntamente. Tal como se observa, el
índice de Disimilitud aumentó 0,087 en el período 1992-2017 7. El efecto participación allí
presentado refleja que si lo único que se hubiera modificado entre 1992 y 2017 son los
parámetros que gobiernan la decisión de asistencia, el índice de segregación habría caído
0,005, aunque la baja magnitud de este cambio indica que este efecto parece haber sido
casi irrelevante para explicar los cambios en la segregación. Por su parte, el efecto de
provisión pública contribuyó a un aumento de 0,034 del índice de Disimilitud (39% del
cambio total), indicando que la alteración en la forma en que los individuos optan por
asistir a un centro público o privado derivó en una distribución menos homogénea. Por
último, los resultados indican que el efecto características es el de mayor relevancia, donde
los cambios en las características observables e inobservables de los individuos dan cuenta
del 66% del aumento total.
Cuadro 1. Micro descomposiciones. Cambios en el Índice de Disimilitud. Educación
primaria y secundaria. Total país
CAMBIO EN NIVELES CAMBIO EN %
1992-2017 1992-2003 2003-2017 1992-2017 1992-2003 2003-2017
Cambio observ. 0,087 -0,042 0,130 100% 100% 100%
Efectos
Participación -0,004 -0,002 -0,002 -5,0% 4,1% -1,5%
Provisión públ. 0,034 -0,002 0,026 39,1% 4,7% 20,3%
Características 0,058 -0,039 0,105 65,9% 91,2% 81,2%
Respecto al período 1992-2003, la caída de 0,042 en el índice de Disimilitud se compone

de un efecto participación y provisión pública casi despreciables, por lo que el aporte del
cambio en las características es el que logra dar cuenta del 90% del cambio total.
La estimación de la segregación para el período más reciente (2003 – 2017) indica un
incremento de 0,13 puntos porcentuales en el índice de Disimilitud. En la columna 3 del
cuadro 1 se observa que el 80% de ese incremento está asociado al efecto características;
6 Los hogares nucleares son aquellos compuestos por hijos viviendo únicamente con ambos padres.
Los hogares no nucleares son todos aquellos que no cumplen con la definición anterior.
7 Debido a que los índices contrafácticos se calculan en base a probabilidades simuladas, los índices
observados de esta sección se calcularon utilizando las probabilidades predichas en base a los datos
observados de cada año.
108
ya que el cambio en las características observables e inobservables de los individuos

contribuyó a un aumento de 0,105 puntos del índice de segregación. El efecto provisión
pública también contribuyó a un incremento de la segregación de 0,026, reflejando que si
los parámetros que determinan la elección de educación pública se hubieran mantenido
constantes, la distribución hubiera sido más homogénea. Por último, al igual que en los
otros dos períodos el efecto participación es prácticamente irrelevante.
Los resultados anteriores sugieren que el efecto participación en la evolución de la
segregación fue prácticamente irrelevante. Este resultado es esperable ya que las tasas de
asistencia de primaria y secundaria consideradas conjuntamente son similares entre los
años. Por su parte, el efecto provisión pública parece haber tenido una relevancia mayor,
ya que las diferencias en los parámetros que guían la elección de un centro privado o
público dan cuenta de entre un 20% y un 40% del aumento de la segregación. El cambio
en esos parámetros refleja que, en su decisión de ir a una escuela pública o privada, los
individuos están respondiendo en forma distinta frente a los determinantes de dicha
elección. Debido a que el signo del efecto provisión pública indica un aumento de la
segregación, esas variaciones en los retornos estarían reflejando cambios en las
preferencias de los individuos entre el sistema público y privado, en detrimento del
primero.
El efecto características parece ser entonces el más relevante para explicar el aumento de
la segregación, ya que da cuenta de entre un 65% y un 80% del cambio total. La evidencia
aportada en la sección anterior sugiere que la segregación aumentó principalmente por
una mayor participación de la educación privada en la población no pobre. Varios son los
factores que pueden estar detrás de esto. Por ejemplo, si se asume que padres más educados
poseen mayor preocupación por la calidad de la educación de sus hijos, los padres más
educados migrarían hacia la educación privada si es que perciben mejor calidad en dichas
escuelas. Los cambios en la estructura educativa de los padres podrían ser entonces una
de las características que inciden en la relevancia del efecto características. También
podría suceder que las escuelas privadas sean ahora preferidas en mayor medida debido a
que ofrecen servicios más adaptados a las necesidades de las familias. Por ejemplo, una
jornada escolar más extensa ofrecida por la educación privada podría ser preferida frente
a una mayor participación laboral femenina. En este sentido, cambios en las características
laborales de los individuos podrían ser entonces otro de los factores que componen el
efecto características.
El aumento del ingreso de los hogares que posibilita el pago de una matrícula en caso de
optar por la educación privada o que facilita la migración hacia escuelas privadas aún
frente a cambios leves en las preferencias, puede ser otra de las razones detrás del aumento
documentado. Si bien pueden nombrarse otros factores que influyen sobre la elección
público/privado, un determinado nivel de ingreso es una condición al menos necesaria
para optar por la educación privada, en la medida en que ésta implica afrontar el pago de
una matrícula. Bajo la hipótesis de que existe una migración de hogares con mayores
ingresos hacia la educación privada en busca de un servicio diferenciado, el ingreso se
convertiría entonces en un factor relevante en la elección de una escuela pública o privada,
afectando la probabilidad de cada una de estas opciones (Gasparini et al., 2011; Jaume,
2013).
Lo anterior se verifica en la figura 6, donde se muestra la probabilidad de elección de una
escuela pública o privada en función del percentil de ingreso per cápita familiar al que
109
pertenece el estudiante para ambos niveles educativos considerados en conjunto. El panel

izquierdo refiere al nivel primario mientras que el derecho al secundario. La figura refleja
dos hechos importantes: i) la probabilidad de optar por la educación pública desciende a
medida que crece el ingreso, en particular desde el percentil 10 en adelante; ii) la curva de
probabilidad del 2017 se encuentra por debajo de la de 1992, indicando que a igual
percentil de ingreso, la probabilidad de elegir la educación pública es menor al final que al
comienzo del período.
Figura 6. Probabilidad de asistir a la escuela pública en función del percentil de ingreso

per cápita familiar. Total país. Años 1992 y 2017
Como primer ejercicio a la aproximación de la importancia particular del ingreso, se

realiza una simulación de la asistencia y elección de educación pública bajo un escenario
donde lo único que cambia entre dos períodos es el ingreso de los hogares, tal como se
detalló en la sección metodológica. En base a esto, puede obtenerse una distribución de
asistencia público y privada para pobres y no pobres observada (Dt) y una simulada (Dtx1'),
que surge de cambiar el ingreso de los hogares entre dos momentos del tiempo.
Este ejercicio se realiza considerando los siguientes períodos: 1992-2017; 1992-2003 y
2003-2017. Para cada uno de estos períodos, se calcula cuál hubiese sido el índice de
Disimilitud del año de inicio si los ingresos fueran los del año de finalización y se lo
compara con el índice de Disimilitud del año de inicio para obtener una primera variación
simulada. Luego, se calcula cuál hubiese sido el índice de Disimilitud del año de
finalización si los ingresos fueran los del año de inicio y se lo compara con el índice de
Disimilitud del año de finalización para obtener una segunda variación simulada.
Finalmente, se computa el promedio de las dos variaciones anteriores y se la compara con
la variación observada.
El cuadro 2 presenta los resultados que surgen de realizar este ejercicio de simulación de
ingresos. Para ello, a cada individuo del momento t se le imputa el ingreso per cápita
familiar promedio del año t´, en función del percentil al que pertenece. En términos
generales, se observa que las variaciones en el ingreso de los hogares durante el período
analizado son relevantes para explicar las variaciones en la segregación educativa. Previo
al análisis de los resultados, es relevante mencionar que este tipo de simulaciones
consideran que la estructura condicional de la población se mantiene inalterada, es decir,
supone que no se producen efectos de equilibrio general. En este sentido, se aíslan
110
comportamientos que son endógenos y se consideran independientes, por lo que las

variaciones que se obtienen deben interpretarse como efectos ceteris paribus.
Para el período 1992-2017, los índices de segregación contrafácticos varían en la dirección
esperada. Si al año 2017 se le imputan ingresos del año 1992 (menores), la segregación
educativa hubiera disminuido 0,056, ceteris paribus, quizás como consecuencia de una
mayor participación de la población no pobre en el sistema educativo público; mientras
que si a los individuos de 1992 se le imputan los ingresos de 2017 (mayores), la
segregación se hubiera incrementado en 0,046, ceteris paribus; debido posiblemente a que
al contar con mayores ingresos los individuos pueden hacer frente al pago de la matrícula
que la educación privada requiere, o a que el costo relativo de optar por el sistema privado
disminuye, aumentando la participación de la educación privada entre los individuos no
pobres.
En los otros dos períodos considerados se encuentran resultados similares. En particular,
la simulación de ingresos logra explicar casi un 80% del aumento de la segregación para
el período 2003-2017. Los resultados muestran que si los individuos de este último año
hubieran tenido los ingresos del 2003, ceteris paribus, la segregación habría sido 0,118
menor; mientras que si en el 2003 se aplican los ingresos del 2017, la segregación habría
sido 0,089 mayor. Lo anterior respalda la idea de que el incremento de la segregación
parece estar vinculado en gran medida por el aumento del poder adquisitivo de los
hogares, que se traduce en una mayor participación de la enseñanza privada en sectores
no pobres.
Cuadro 2. Simulaciones de ingreso. Cambios en el Índice de Disimilitud. Educación
primaria y secundaria. Total país
1992-2017 1992-2003 2003-2017
Cambio observado 0,087 0,042 0,130
Cambio con simulación de ingreso
t con ingresos de t´ 0,046 -0,051 0,089
t´ con ingresos de t -0,056 0,047 -0,118
promedio en niveles 0,051 0,049 0,103
promedio como % del cambio observado 58,5% 115,0% 79,6%
Nota: para cada período, t es el año de inicio mientras que t´ es el año de finalización.
Fuente: Elaboración propia en base ECH.
La microdescomposición realizada sugiere que si bien la evolución de la segregación

educativa en Uruguay entre 1992-2017 responde en cierta medida a cambios en los
parámetros que gobiernan la elección de la educación pública respecto a la privada, es el
efecto características el que mayor importancia ha tenido en la aproximación a los
determinantes de la segregación. La simulación que se acaba de realizar, indica que, dentro
del conjunto de características de los individuos, el ingreso parecería ser un determinante
importante del incremento de la segregación. Para poder concluir sobre este hecho, se
combina el ejercicio de simulación con el de micro descomposiciones, esto es, en lugar de
realizar la sustitución gradual de parámetros por un lado, y la simulación del ingreso por
otro, se realizan ambos cambios conjuntamente. Por tanto, se obtienen indicadores de
segregación que surgen de simular cómo hubiera sido la elección de la educación pública
de los individuos si los parámetros que gobiernan su decisión de asistencia, los parámetros
que determinan su elección público/privado, y su nivel de ingresos, fuesen los de otro
momento en el tiempo.
111
La fila seis del cuadro 3 confirma la importancia del ingreso per cápita familiar como
determinante de los cambios en la segregación, ya que logra explicar un 87% del total del
efecto características y un 57% del cambio total entre 1992-2017. Cuando la segregación
cae (1992-2003), el efecto características parece dar cuenta de casi la totalidad de dicha
caída. En este período, los ingresos parecen haber presionado a una caída aún mayor de la
segregación, la cual fue contrarrestada por los cambios en otras características. Los
cambios en los niveles de ingresos de los individuos parecen haber tenido un rol más
determinante aún en los últimos 15 años, ya que dan cuenta de casi la totalidad del efecto
características, y por lo tanto de un 79% del aumento total de la segregación.
Cuadro 3. Micro descomposiciones con simulaciones de ingreso. Cambios en el Índice de
Disimilitud. Educación primaria y secundaria. Total país
1992-2017 1992-2003 2003-2017 1992-2017 1992-2003 2003-2017
Cambio observ. 0,087 -0,042 0,130 100% 100% 100%
Efectos
Participación -0,004 -0,002 -0,002 -5,0% 4,1% -1,5%
Provisión públ. 0,034 -0,002 0,026 39,1% 4,7% 20,3%
Característ. 0,058 -0,039 0,105 65,9% 91,2% 81,2%
Ingreso 0,050 -0,048 0,103 86,7% 123,8% 97,5%
Otras 0,008 0,009 0,003 13,3% -23,8% 2,5%
4.2. Educación primaria

El cuadro 4 muestra los resultados de los ejercicios anteriores para el nivel primario. Se
presentan únicamente los resultados del ejercicio combinado de descomposición junto con
la simulación de ingreso, ya que este análisis permite evaluar en forma directa qué tan
relevantes han sido cada uno de los efectos y la importancia del ingreso dentro del efecto
características.
Considerando únicamente al nivel primario, se observa en primer lugar que el efecto
participación es más irrelevante aún que cuando se consideraban ambos niveles educativos
en conjunto. Esto se explica posiblemente por las tasas de asistencia prácticamente
universales que se observan en la educación primaria a lo largo de todo el período de
estudio. De este modo, al ser las tasas de asistencia próximas al 100%, el margen para
suponer cambios en el modo en que los individuos deciden asistir es escaso, y por tanto la
relevancia de este efecto sobre los cambios en la segregación es prácticamente nula.
El efecto provisión pública no resulta relevante tampoco durante el período donde la
segregación disminuye (1992-2003). Sin embargo, adquiere mayor relevancia cuando se
evidencia un aumento de la segregación, logrando dar cuenta del 25% considerando todo
el período y un 10% si se consideran los últimos 15 años.
Del mismo modo que cuando se analizaron ambos niveles educativos conjuntamente, pero
con una magnitud aún mayor, el efecto características es el más importante a la hora de
descomponer los cambios en la segregación del nivel primario. La diferencia principal que
se observa en el análisis de primaria consiste en que si bien el efecto características logra
dar cuenta de un mayor porcentaje del cambio, el nivel de ingresos de los individuos es
menos relevante dentro de este componente, ya que es un 55% del efecto características
considerando todo el período, y un 75% de subperíodo 2003-2017. De todos modos, sigue
112
siendo un factor determinante: logra dar cuenta del 42% del aumento total de la
segregación en el período 1992-2017 y de un 68% en los últimos 15 años.
Disimilitud. Educación primaria. Total país
1992-2017 1992-2003 2003-2017 1992-2017 1992-2003 2003-2017
Cambio observ. 0,122 -0,036 0,158 100% 100% 100%
Efectos
Participación -0,001 -0,001 -0,001 -1,0% 2,4% -0,6%
Provisión públ. 0,031 0,000 0,015 25,9% -0,3% 9,7%
Ingreso 0,051 -0,051 0,107 55,8% 142,2% 74,4%
Otras 0,021 0,009 0,037 44,2% -42,2% 25,6%
4.3. Educación secundaria

Al igual que para el nivel primario, el cuadro 5 presenta los resultados que surgen de
combinar la micro descomposición con la simulación del ingreso considerando únicamente
a los estudiantes de secundaria. Los resultados muestran que existen algunas diferencias
respecto al análisis del nivel primario que vale la pena destacar.
En primer lugar, si bien su magnitud sigue siendo escasa, el efecto participación parece
tener una relevancia un poco mayor en este nivel educativo, al menos al considerar todo
el período en su conjunto. Los resultados sugieren que los cambios en el modo en que los
individuos deciden su asistencia compensaron levemente el incremento de la segregación.
Esto puede deberse a que en el período considerado, aumentó la preferencia por asistir por
parte de los individuos más pobres al sistema educativo, generando por tanto una
distribución más homogénea. En segundo lugar, si bien el efecto características sigue
siendo el principal, la relevancia del efecto provisión pública es considerablemente mayor
que para el nivel primario. Esto sugiere que la segregación en el nivel secundario ha
aumentado en el período considerado, entre otras cosas, por cambios en la forma en que
los individuos optan entre la educación pública y privada. Esto podría estar reflejando
cambios en las preferencias de los individuos, en detrimento de la educación pública, que
se producen principalmente en el nivel secundario. 8 En particular, para el total del período,
la relevancia de este efecto da cuenta de la mitad del aumento del índice de Disimilitud.
Finalmente, dentro del efecto características (que en comparación con primaria es menor),
la relevancia del factor ingreso es mayor. De hecho, en los períodos de aumento, la
descomposición indica que el aumento de los ingresos de los individuos hubiera generado
un aumento de la segregación aún mayor, lo cual fue contrarrestado por el efecto de otras
características.
8 INEED (2017) indica que en la valoración de la calidad de la educación pública ofrecida en
distintos niveles educativos, la educación secundaria pública es la peor evaluada por los
encuestados.
113

Disimilitud. Educación secundaria. Total país
1992-2017 1992-2003 2003-2017 1992-2017 1992-2003 2003-2017
Cambio observ. 0,072 -0,055 0,127 100% 100% 100%
Efectos
Participación -0,007 -0,004 -0,002 -9,6% 6,4% -1,2%
Provisión públ. 0,037 -0,004 0,040 51,7% 8,1% 31,2%
Ingreso 0,050 -0,046 0,101 119,4% 98,9% 113,4%
Otras -0,008 -0,001 0,012 -19,4% 1,1% 13,4%
5. Conclusiones
Este trabajo propuso una metodología para descomponer los cambios en la segregación
escolar en el tiempo y cuantificar la importancia relativa de diferentes factores que dan
cuenta de esos cambios. La metodología permite expresar el cambio en la segregación
entre dos períodos de tiempo como la suma de un efecto participación, un efecto provisión
pública y un efecto características, y descomponer a su vez este último efecto en base a
distintos determinantes de la segregación que hayan sido planteados a nivel teórico.
Interpretando los dos primeros efectos como resultados de un cambio en las preferencias
por la asistencia o por los establecimientos del tipo público, e incorporando al ingreso
entre los determinantes de la decisión de asistencia y del tipo de establecimiento elegido,
la metodología permite cuantificar de algún modo la importancia relativa de los cambios
en la restricción presupuestaria de los individuos en la explicación de los cambios en la
segregación.
Para ilustrar la utilidad de la metodología propuesta, se realizó una aplicación empírica al
caso de Uruguay, uno de los países de América Latina que mayor incremento de la
segregación escolar entre escuelas públicas y privadas ha experimentado en los últimos
años. Los resultados hallados muestran que los cambios en las preferencias por asistir a la
escuela dan cuenta de una fracción muy pequeña del aumento de la segregación ocurrido
en este país entre 1992 y 2017. En cambio, las preferencias por asistir a un establecimiento
del tipo privado tuvieron un rol importante en el cambio observado en la segregación,
particularmente en secundaria, mientras que los cambios en la restricción presupuestaria,
captados vía modificaciones en los ingresos, explican la mayor parte del cambio observado
en la segregación durante el período.
Por limitaciones en los datos disponibles, los cambios en los precios relativos de los
establecimientos públicos y privados no pudieron incorporarse en la aplicación empírica,
pero la metodología es lo suficientemente flexible para incorporar esta parte importante
de la restricción presupuestaria al modelo, así como también el efecto de los cambios en la
segregación residencial si se incorpora información sobre la localización geográfica de los
individuos. Finalmente, si se asignaran características de las escuelas a los individuos de
algún modo, podría cuantificarse cuánto de lo que aquí se interpreta como cambio en las
preferencias en un sentido amplio se refiere a cambios en las características de las escuelas
que los individuos valoran y tienen en cuenta al tomar su decisión de asistir a un
establecimiento escolar.
114
Aunque las limitaciones de la metodología impiden hablar de causalidad y se trata de un

ejercicio de equilibrio parcial, los resultados encontrados señalan que al menos en el caso
uruguayo, cualquier explicación teórica de los cambios en la segregación acontecidos
durante el período debería otorgarle importancia a los cambios ocurridos en los ingresos
de los individuos. Al ayudar a desentrañar el aporte relativo de diferentes teorías que
pueden dar cuenta de los cambios observados en la segregación, la metodología propuesta
constituye una herramienta útil para enriquecer el análisis de sus determinantes,
complementando otros enfoques que puedan realizarse y contribuyendo a una mejor
comprensión de los cambios experimentados en la segregación escolar.
Referencias
Arcidiácono, M., Cruces, G., Gasparini, L., Jaume, D., Serio, M. y Vazquez, E. (2014). La
segregación escolar público-privado en América Latina. Serie Políticas Sociales de CEPAL,
195(1), 1-35.
Becker, G. S. y Murphy, K. M. (2003). Social economics: Market behavior in a social environment.
Belknap Press.
Bourguignon, F., Ferreira, F. y Lustig, N. (2005). The microeconomics of income distribution dynamics
in East Asia and Latin America. World Bank.
Card, D., Mas, A. y Rothstein, J. (2008). Tipping and the dynamics of segregation. The Quarterly
Journal of Economics, 123(1), 177-218. https://doi.org/10.1162/qjec.2008.123.1.177
Duncan, O. y Duncan, B. (1955). A methodological analysis of segregation indexes. American
Durlauf, S. (2006). Groups, social influences, and inequality: A memberships theory perspective on
poverty traps. En S. Bowles, S. Durlauf y K. Hoff (Eds.), Poverty traps (pp. 141-175).
Princeton University Press.
Epple, D. y Romano, R. E. (1998). Competition between private and public schools, vouchers, and
peer-group effects. American Economic Review, 88(1), 33-62.
Fortin, N., Lemieux, T. y Firpo, S. (2011). Decomposition Method in Economics. En O. Ashenfelter
y D. Card (Eds.), Handbook of labor economics (pp. 11-102). Elsevier.
Gasparini, L. (2006). Assessing benefit-incidence results using decompositions. The case of health
policy in Argentina. Economics Bulletin, 4(40), 1-10.
Gasparini, L., Jaume, D., Serio, M. y Vazquez, E. (2011). La segregación escolar entre escuelas
públicas y privadas en Argentina. Reconstruyendo la evidencia. Desarrollo Económico-Revista
de Ciencias Sociales, 51(202-203), 189-219.
Jaume, D. (2013). Un estudio sobre el incremento de la segregación escolar en Argentina. Serie
Documentos de trabajo del CEDLAS, 143, 1-43.
Jenkins, S., Micklewright, J. y Schnepf, S. (2008). Social segregation in secondary schools: How
does England compare with other countries? Oxford Review of Education, 34(1), 21-38.
https://doi.org/10.1080/03054980701542039
115
Murillo, F. J. y Martínez-Garrido, C. (2017). Estimación de la magnitud de la segregación escolar

en América Latina. Magis. Revista Internacional de Investigación en Educación, 9(19), 11-30.
https://doi.org/10.11144/javeriana.m9-19.emse
Murillo, F. J., Belavi, G. y Pinilla, L. (2018). Segregación escolar público-privada en España. Papers,
103(3), 307-337. https://doi.org/10.5565/rev/papers.2392
Nechyba, T. J. (2006). Income and peer quality sorting in public and private schools. En E.
Hanushek y F. Welch (Eds.), Handbook of the economics of education (pp. 1327-1368). North
Holland.
Schelling, T. C. (1971). Dynamic models of segregation. Journal of Mathematical Sociology, 1(2),
143-186. https://doi.org/10.1080/0022250X.1971.9989794
Valenzuela, J. P. (2008). Evolución de la segregación socioeconómica de los estudiantes chilenos y su relación
con el financiamiento compartido. Ministerio de Educación de Chile.
Vazquez, E. (2012). Segregación escolar por nivel socioeconómico. Midiendo el fenómeno y
explorando sus determinantes. Serie Documentos de trabajo del CEDLAS, 128, 1-35.
explorando sus determinantes. Económica, 42, 121-184.
Wilson, W. (1987). The truly disadvantaged: The inner city, the underclass, and public policy. University
of Chicago Press.
116
Anexo
Cuadro A1. Evolución del ingreso per cápita familiar por quintiles de ingreso. Total
nacional 1992, 2003, 2017
EN NIVELES EN %
1992 2003 2017 1992-2017 1992-2003 2003-2017
Quintil 1 1939 1333 2654 36,9% -31,2% 99,0%
Quintil 2 3667 2343 4856 32,4% -36,1% 107,3%
Quintil 3 5493 3603 7110 29,5% -34,4% 97,4%
Quintil 4 8090 5569 10334 27,7% -31,2% 85,6%
Quintil 5 17392 13253 21118 21,4% -23,8% 59,3%
Promedio 7316 5220 9215 26,0% -28,6% 76,5%
Mediana 5471 3576 7069 29,2% -34,6% 97,7%
Nota: Ingreso per cápita familiar a pesos constantes de 2005. Metodología CEDLAS.
Cuadro A2. Descripción de las variables empleadas en los modelos

NOMBRE DESCRIPCIÓN
hombre 1 = Hombre
edad Años de edad cumplidos
nuclear 1 = Hogar nuclear (hijos viviendo únicamente con ambos padres)
hnos1 1 = El individuo tiene un hermano
hnos2 1 = El individuo tiene dos hermanos
hnos3 1 = El individuo tiene tres hermanos
hnos4 1 = El individuo tiene cuatro o más hermanos
hijo2 1 = El individuo es el segundo hijo en orden de nacimiento
hijo3 1 = El individuo es el tercer hijo en orden de nacimiento
hijo4 1 = El individuo es el cuarto hijo en orden de nacimiento (o más)
pric_padres 1 = El máximo nivel educativo de los padres es primaria completa
seci_padres 1 = El máximo nivel educativo de los padres es secundaria incompleta
secc_padres 1 = El máximo nivel educativo de los padres es secundaria completa
supi_padres 1 = El máximo nivel educativo de los padres es superior incompleto
supc_padres 1 = El máximo nivel educativo de los padres es superior completo
ocupado_jefe 1 = El jefe del hogar está ocupado (tiene empleo)
1 = El jefe del hogar y su cónyuge pertenecen ambos a la población
dos_pea
económicamente activa
metrop 1 = Área metropolitana
ipcf Ingreso per cápita del hogar
117
Cuadro A3. Probabilidad de asistencia y elección de educación pública. Total educación

básica. 1992, 2003 y 2017
1992 2003 2017
Asistencia Ed. Pública Asistencia Ed. Pública Asistencia Ed. Pública
-0,277*** 0,107*** -0,172*** -0,0204*** -0,133*** 0,0566***
hombre
(0,0417) (0,0393) (0,00701) (0,00681) (0,00796) (0,00624)
-0,228*** 0,0524*** -0,179*** 0,0440*** -0,226*** 0,0506***
edad
(0,00812) (0,00613) (0,00125) (0,00103) (0,00185) (0,000900)
-0,00585 -0,0593 -0,130*** -0,115*** 0,149*** -0,236***
nuclear
(0,0616) (0,0716) (0,0102) (0,0121) (0,0122) (0,0116)
0,358*** -0,155** 0,177*** 0,0101 0,223*** -0,117***
hnos1
(0,0643) (0,0634) (0,0103) (0,0103) (0,0115) (0,00883)
0,234*** -0,215*** 0,188*** -0,00766 0,163*** -0,0821***
hnos2
(0,0628) (0,0682) (0,0111) (0,0119) (0,0127) (0,0115)
0,119* -0,0864 0,123*** 0,0527*** 0,135*** -0,0596***
hnos3
(0,0673) (0,0811) (0,0121) (0,0149) (0,0152) (0,0165)
-0,0982 0,120 -0,167*** 0,214*** 0,124*** 0,429***
hnos4
(0,0796) (0,131) (0,0145) (0,0251) (0,0187) (0,0343)
-0,158*** 0,182*** -0,123*** 0,0856*** -0,152*** 0,117***
hijo2
(0,0509) (0,0470) (0,00834) (0,00826) (0,00958) (0,00766)
-0,107 0,337*** -0,106*** 0,197*** -0,170*** 0,146***
hijo3
(0,0653) (0,0687) (0,0114) (0,0127) (0,0137) (0,0138)
-0,134* 0,378*** -0,0206 0,282*** -0,0486** 0,173***
hijo4
(0,0747) (0,0942) (0,0142) (0,0185) (0,0208) (0,0229)
-0,00219 0,279*** 0,00855 0,461*** -0,0436*** 0,566***
pric_padres
(0,0452) (0,0507) (0,00857) (0,0111) (0,0108) (0,0111)
0,375*** -0,138*** 0,262*** 0,247*** 0,274*** 0,172***
seci_padres
(0,0464) (0,0481) (0,00834) (0,00932) (0,0107) (0,00921)
0,519** -0,0989 0,466*** -0,167*** 0,401*** -0,240***
secc_padres
(0,209) (0,126) (0,0129) (0,00903) (0,0148) (0,00851)
0,775*** -0,345*** 0,235*** -0,314*** 0,332*** -0,392***
supi_padres
(0,164) (0,0628) (0,0135) (0,00929) (0,0200) (0,00970)
0,876*** -0,401*** 0,505*** -0,473*** 0,265*** -0,397***
supc_padres
(0,144) (0,0602) (0,0190) (0,0103) (0,0185) (0,00984)
-0,0596 -0,00565 0,0194** -0,227*** 0,160*** 0,00782
ocupado_jefe
(0,0682) (0,0928) (0,00984) (0,0129) (0,0111) (0,0119)
0,266*** 0,142*** 0,101*** -0,0589*** -0,0102 0,0410***
dos_pea
(0,0464) (0,0441) (0,00820) (0,00892) (0,0116) (0,00967)
0,0179 -0,672*** -0,105*** -0,690*** -0,00173 -0,562***
metrop
(0,0431) (0,0455) (0,00712) (0,00821) (0,00810) (0,00681)
6,94e-05*** -0,000114*** 7,03e-05*** -0,000115*** 3,76e-05*** -0,000146***
ipcf
(8,22e-06) (4,34e-06) (1,96e-06) (8,54e-07) (1,35e-06) (8,80e-07)
3,741*** 1,643*** 3,478*** 1,997*** 4,179*** 1,824***
Constante
(0,151) (0,141) (0,0239) (0,0218) (0,0328) (0,0203)
Obs 9,799 8,599 386,378 358,843 451,601 341,288
Nota: Estimaciones Probit. Individuos entre 6 a 17 años que asisten a educación primaria o
secundaria para el total del país.
118
Cuadro A4. Probabilidad de asistencia y elección de educación pública. Educación

primaria. Total país. 1992, 2003 y 2017
1992 2003 2017
-0,0806 0,0716 0,0914*** 0,00956 0,0201 0,117***
hombre
(0,0917) (0,0537) (0,0131) (0,00942) (0,0198) (0,0100)
0,0882*** 0,0454*** -0,0348*** 0,0294*** -0,105*** 0,00621**
edad
(0,0230) (0,0148) (0,00331) (0,00256) (0,00536) (0,00264)
0,0825 0,0179 -0,260*** -0,108*** -0,0284 -0,292***
nuclear
(0,139) (0,106) (0,0224) (0,0175) (0,0316) (0,0189)
0,264 -0,249*** 0,0317 0,0895*** 0,176*** 0,00494
hnos1
(0,165) (0,0910) (0,0197) (0,0139) (0,0323) (0,0145)
0,198 -0,230** 0,201*** 0,0949*** 0,0193 0,0775***
hnos2
(0,153) (0,0987) (0,0226) (0,0166) (0,0359) (0,0194)
-0,0586 -0,155 0,134*** 0,203*** 0,0731* -0,0633**
hnos3
(0,139) (0,115) (0,0252) (0,0207) (0,0442) (0,0257)
-0,0230 0,135 0,0542 0,488*** 0,217*** 0,502***
hnos4
(0,167) (0,186) (0,0344) (0,0377) (0,0676) (0,0525)
0,104 0,138** -0,100*** 0,102*** -0,352*** 0,0667***
hijo2
(0,133) (0,0637) (0,0157) (0,0118) (0,0257) (0,0125)
-0,113 0,364*** 0,107*** 0,148*** -0,00523 0,196***
hijo3
(0,141) (0,0949) (0,0237) (0,0176) (0,0402) (0,0218)
-0,0256 0,428*** 0,256*** 0,206*** -0,101** 0,395***
hijo4
(0,144) (0,122) (0,0280) (0,0225) (0,0511) (0,0322)
-0,107 0,196*** 0,220*** 0,439*** -0,0277 0,575***
pric_padres
(0,103) (0,0687) (0,0174) (0,0150) (0,0302) (0,0174)
0,124 -0,127* -0,00409 0,195*** 0,0714** 0,148***
seci_padres
(0,103) (0,0659) (0,0167) (0,0127) (0,0282) (0,0144)
0,243 -0,122 0,172*** -0,257*** -0,139*** -0,236***
secc_padres
(0,370) (0,152) (0,0205) (0,0124) (0,0288) (0,0136)
0,0724 -0,434*** -0,175*** -0,329*** -0,128*** -0,330***
supi_padres
(0,273) (0,0870) (0,0196) (0,0128) (0,0326) (0,0152)
0,281 -0,321*** 0,269*** -0,624*** -0,225*** -0,480***
supc_padres
(0,336) (0,0855) (0,0279) (0,0143) (0,0334) (0,0158)
0,0525 0,00884 -0,125*** -0,471*** -0,426*** -0,0220
ocupado_jefe
(0,156) (0,138) (0,0221) (0,0193) (0,0445) (0,0185)
0,371*** 0,0676 0,162*** -0,0370*** 0,196*** -0,0228
dos_pea
(0,107) (0,0596) (0,0148) (0,0120) (0,0274) (0,0149)
0,0526 -0,617*** -0,0310** -0,586*** -0,0611*** -0,581***
metrop
(0,0953) (0,0604) (0,0136) (0,0111) (0,0209) (0,0108)
6,38e-05** -0,000117*** 9,22e-06*** -0,000124*** -1,78e-06 -0,000139***
ipcf
(2,48e-05) (6,56e-06) (2,39e-06) (1,30e-06) (2,04e-06) (1,42e-06)
0,751** 1,765*** 2,422*** 2,308*** 4,011*** 2,198***
Constante
(0,322) (0,225) (0,0454) (0,0346) (0,0807) (0,0355)
Obs 5,356 4,587 216,762 193,325 243,31 125,81
Nota: Estimaciones Probit. Individuos entre 6 a 11 años que asisten a educación primaria para el
total del país.
119
Cuadro A5. Probabilidad de asistencia y elección de educación pública. Educación

secundaria. Total país. 1992, 2003 y 2017
1992 2003 2017
-0,330*** 0,134** -0,258*** -0,0474*** -0,166*** 0,0184**
hombre
(0,0469) (0,0597) (0,00812) (0,0102) (0,00842) (0,00812)
-0,362*** 0,131*** -0,288*** 0,0958*** -0,279*** 0,130***
edad
(0,0144) (0,0182) (0,00233) (0,00307) (0,00264) (0,00248)
0,0230 -0,147 -0,116*** -0,158*** 0,124*** -0,242***
nuclear
(0,0682) (0,101) (0,0115) (0,0175) (0,0128) (0,0152)
0,423*** -0,0715 0,260*** -0,108*** 0,237*** -0,183***
hnos1
(0,0706) (0,0916) (0,0117) (0,0158) (0,0121) (0,0113)
0,294*** -0,208** 0,246*** -0,166*** 0,216*** -0,158***
hnos2
(0,0695) (0,0980) (0,0127) (0,0180) (0,0133) (0,0145)
0,173** 0,000835 0,127*** -0,0612*** 0,172*** -0,0302
hnos3
(0,0762) (0,121) (0,0137) (0,0231) (0,0160) (0,0222)
-0,122 0,166 -0,160*** 0,00357 0,152*** 0,339***
hnos4
(0,0905) (0,201) (0,0166) (0,0379) (0,0194) (0,0457)
-0,223*** 0,241*** -0,135*** 0,0979*** -0,161*** 0,148***
hijo2
(0,0562) (0,0716) (0,00954) (0,0120) (0,0101) (0,00990)
-0,155** 0,304*** -0,161*** 0,285*** -0,248*** 0,0838***
hijo3
(0,0737) (0,104) (0,0131) (0,0194) (0,0145) (0,0181)
-0,205** 0,135 -0,130*** 0,307*** -0,181*** -0,123***
hijo4
(0,0896) (0,167) (0,0169) (0,0378) (0,0221) (0,0339)
0,0253 0,374*** -0,0275*** 0,488*** -0,0297*** 0,579***
pric_padres
(0,0506) (0,0779) (0,00970) (0,0173) (0,0114) (0,0149)
0,401*** -0,121* 0,312*** 0,386*** 0,285*** 0,172***
seci_padres
(0,0521) (0,0730) (0,00955) (0,0143) (0,0113) (0,0122)
0,451** -0,0641 0,555*** -0,0211 0,519*** -0,248***
secc_padres
(0,227) (0,237) (0,0155) (0,0136) (0,0163) (0,0111)
1,040*** -0,225** 0,502*** -0,179*** 0,374*** -0,428***
supi_padres
(0,205) (0,0928) (0,0177) (0,0141) (0,0219) (0,0127)
1,011*** -0,477*** 0,584*** -0,265*** 0,339*** -0,366***
supc_padres
(0,159) (0,0872) (0,0243) (0,0154) (0,0203) (0,0128)
-0,114 -0,0591 0,0516*** 0,0673*** 0,183*** 0,0278*
ocupado_jefe
(0,0762) (0,130) (0,0110) (0,0183) (0,0116) (0,0158)
0,229*** 0,265*** 0,125*** -0,0673*** 0,00385 0,123***
dos_pea
(0,0522) (0,0679) (0,00951) (0,0140) (0,0123) (0,0129)
0,0366 -0,737*** -0,147*** -0,884*** -0,0108 -0,568***
metrop
(0,0484) (0,0716) (0,00822) (0,0130) (0,00855) (0,00890)
7,26e-05*** -0,000113*** 0,000114*** -0,000110*** 4,22e-05*** -0,000153***
ipcf
(8,81e-06) (6,05e-06) (2,60e-06) (1,15e-06) (1,44e-06) (1,14e-06)
5,798*** 0,489 4,985*** 1,031*** 4,966*** 0,703***
Constante
(0,242) (0,305) (0,0394) (0,0520) (0,0445) (0,0418)
Obs 6,1 3,781 233,445 156,648 282,726 212,289
Nota: Estimaciones Probit. Individuos entre 12 a 17 años que asisten a educación secundaria para
el total del país.
120

Lucía Ramírez Leira
Investigadora del Centro de Estudios Distributivos, Laborales y Sociales (CEDLAS) de
la Universidad Nacional de La Plata (UNLP); e investigadora del Instituto de Economía
(IECON) de la Universidad de la República (UDELAR). Ramírez es Licenciada en
Economía de la Universidad de la República (Uruguay); Magíster en Economía de la
Universidad Nacional de La Plata.; y candidata a doctora de la UNLP. Es docente de grado
de la Licenciatura en Economía de la UNLP; y de posgrado en la Maestría en Economía
(UNLP). Sus áreas de investigación son economía de la educación, economía laboral y
desigualdad, entre otras. ORCID ID: https://orcid.org/0000-0001-9747-5106. Email:
lucia.ramirez@econo.unlp.edu.ar
Emmanuel Vazquez
Investigador del Centro de Estudios Distributivos, Laborales y Sociales (CEDLAS) de la
Universidad Nacional de La Plata (UNLP). Vazquez es Licenciado en Economía de la
Universidad Nacional de La Plata y Magíster en Economía de la Universidad de
California, Los Ángeles (UCLA). Actualmente es profesor de grado y posgrado en la
UNLP e investigador categorizado de esta institución. Sus investigaciones sobre temas de
educación y mercados laborales han sido publicadas en revistas académicas tanto
nacionales como internacionales. Ha sido consultor de numerosas instituciones tales como
el Banco Mundial, la Comisión Económica para América Latina y el Caribe (CEPAL), la
Corporación Andina de Fomento (CAF) y el Banco Interamericano de Desarrollo (BID).
Vazquez ha obtenido varios premios, incluyendo distinciones de la UNLP a sus mejores
egresados de grado y posgrado, y de la Asociación Argentina de Economía Política
(AAEP) en el contexto del Premio Investigador Joven. ORCID ID:
https://orcid.org/0000-0003-3061-6618. Email: evazquez@cedlas.org
121
Longitudinal Study of Socioeconomic Segregation

Between Schools in the UK
Estudio Longitudinal de la Segregación Escolar por Nivel

Socioeconómico en Reino Unido
Cynthia Martínez-Garrido 1
Nadia Siddiqui 2
Stephen Gorard 2
1 Universidad Autónoma de Madrid, Spain
2 Durham University, United Kingdom
The aim of this study is to understand the behavior of school segregation by

socioeconomic level in the UK. To do this, all data from the United Kingdom are
analyzed in the PISA Assessment from 2000 to 2015 and the Gorard index,
Dissimilarity index, and the Isolation index are estimated. The analysis has shown
that socio-economic segregation between schools has declined somewhat in the UK
from 2000 to 2015, although the clustering of the 25% poorest of students remained
relatively static since 2006. England remains more highly segregated by poverty
than Wales, Scotland and Northern Ireland. The segregation levels of the 10%
poorest student has declined in state-maintained schools but shown a sharp increase
in private schools. The level of isolation of disadvantaged students is less in state-
maintained schools than private schools. The findings show that poverty segregation
trends using PISA data match with segregation trends previously analysed using
the national datasets using only state-maintained schools for England. This finding
leads to research implications for a detailed analysis of national school segregation
trends, including student data from private school.
Keywords: Socioeconomic segregation between schools; PISA; UK home countries;
Clustering by poverty; Equality of opportunity.
El objetivo de este estudio es comprender el comportamiento de la segregación

escolar por nivel socioeconómico. Para ello se analizan todos los datos del Reino
Unido en la Evaluación PISA desde el año 2000 a 2015 y se estima el índice de
Gorard, el índice de Disimilitud y el índice de Aislamiento. El análisis realizado ha
demostrado que la segregación entre las escuelas ha disminuido entre 2000 y 2015,
y que la segregación del 25% de los estudiantes más pobres se ha mantenido
relativamente estática en el Reino Unido desde el año 2006. Las escuelas de
Inglaterra están muy segregadas en comparación con Gales, Escocia e Irlanda del
Norte. Los niveles de segregación del 10% de estudiantes más pobres han disminuido
en las escuelas públicas, mientras hay un fuerte aumento en las privadas. El nivel de
aislamiento de los estudiantes desfavorecidos es menor en las escuelas públicas que
privadas. Los resultados han demostrado que la tendencia de la segregación escolar
por nivel socioeconómico utilizando los datos PISA es coherente con la tendencia de
segregación analizada utilizando datos nacionales de las escuelas públicas. Este
hallazgo conlleva implicaciones de investigación para un análisis detallado de las
tendencias nacionales de segregación escolar, incluidos los datos de estudiantes de
escuelas privadas.
Palabras clave: Segregación por nivel socioeconómico entre escuelas; PISA; Países
del Reino Unido; Agrupación por nivel socioeconómico; Igualdad de oportunidades.
*Contacto: cynthia.martinez@uam.es Recibido: 3 de marzo 2020

C. Martínez-Garrido, N. Siddiqui, and S. Gorard
1. Introduction
1.1. The home countries of the UK
The four home countries of the United Kingdom are England, Scotland, Wales and
Northern Ireland. Since 1975, education has gradually devolved to be controlled by
separate home country governments. Many of the salient features of the education
systems are common, such as no tuition cost in state-maintained schools, free lunch
provision for some students, and full-time compulsory education for all children until at
least the age of 16. All schools are organized into year groups, so children of the same age
are taught together. The state-funded school system aims to equalise the learning and
development opportunities for all children, independent of factors such as gender,
ethnicity, family socioeconomic status, and place of residence. Equality is the fundamental
promise of the state-funded education system, and in order to achieve this promise each
home country adopts education policies depending on the demography, nature of
challenges and available resources.
The UK education systems diverge at various points making state-maintained schooling
somewhat diverse across the four countries. But in most areas, school years are then
grouped together in larger stages or phases, usually with different curriculum
requirements and outcomes for each. Each country of the UK has its own curriculum.
Although much of the content is similar, there are structural and pedagogical differences
in the delivery of the contents. At primary level, in England and Northern Ireland, the
National Curriculum applies to children in Key Stages 1 and 2. In Wales, schools follow
the National Literacy and Numeracy Framework (NLF), which emphasises applying
literacy and numeracy across the whole curriculum. On the other hand, the Curriculum
for Excellence in Scotland includes subjects like expressive arts or health and wellbeing
Wales has a language policy of Welsh as a medium of instruction for some and compulsory
Welsh language learning for the rest, in all state-maintained schools. England and
Northern Ireland have state-maintained Grammar schools which select pupils on the basis
of their performance at age 11. State-maintained schools in Northern Ireland are also
separated on the basis of catholic or protestant religious education. Disparities across the
four countries are largely related to historical changes and geo-political reforms which
lead to considerable independency of the education systems. However, none of these
countries have overcome the challenge of segregation by poverty in schools, establishing
a state-governed system where rich and poor have equal access and opportunity of
education. Recently some policy initiatives have been adopted to equalise the learning
outcomes such as additional funding allocation to schools depending on the intake of
children from disadvantaged families (Gorard, Siddiqui, & See, 2019). However, more
evidence is required to judge if school segregation by poverty has changed as a result.
In all four UK countries, the state-maintained systems run in parallel with private fee-
paying school systems. There are nearly 2,500 independent schools in the UK. These
schools do not have to follow the national curriculum and the student admission policy
does not have to be aligned with the state sector. This means there is selection of students
on criteria such as academic ability, socioeconomic status or parental religious affiliation.
The proportion of independent schools is not balanced across all four home countries.
England has the highest number of independent schools (1,289) where 7.2% of the total
student population in England receive private education. In Wales, less than 2% of the
124
Welsh student population receive private education, with around 4% in Scotland, and 2%
in Northern Ireland.
1.2. What is school segregation?
According to Gorard (2000), segregation between schools is defined as the proportion of
students who would have to change schools for there to be an even spread of disadvantage
between schools within the area of analysis. Segregation by poverty is one of several
different kinds of disadvantage used for assessing school segregation (ethnicity, religion,
sex, prior performance) that can put equality of opportunity to education at risk (Murillo
& Martínez-Garrido, 2018a; Taylor & Gorard, 2003). There is research evidence that
shows clustering children with similar background characteristics in schools isolates
them from a wider society, and this stratification is most harmful for those children who
are disadvantaged (Bartholo & Da Costa, 2014; Billings, Deming, & Ross, 2016; Harris &
Williams, 2012; Siddiqui, 2017; Strand & Winston, 2008). Equality of access to resources
and opportunities in schools is still an issue hindered by socioeconomic segregation, which
no policy so far has fully addressed.
Studies using high quality population data sets have found that school types are associated
with the clustering of children on the basis of socioeconomic group, sex, language, religion
and ethnicity (Gorard, 2015; Gorard et al., 2006). Where schools are given power to select
students their intakes tend to be unbalanced, possibly dominated by certain other
unobservable characteristics (Morris, 2015; Norwich & Black, 2015). Clustering by
poverty as a common variable but can also be a proxy for associated characteristics such
as ethnic group or religion, caste or tribe, less educated parents, siblings involved in
labour, or even history of crime or drug abuse. Segregation on the basis of a targeted
characteristic can also become a contentious issue, where for example schools supporting
a religious minority would group children on the basis of their parents’ religion but the
scope of such education is highly contentious in a secular society (Borooah & Knox, 2015;
Oldfield, Hartnett, & Bailey, 2013).
The results from international research has shown that the average of school segregation
by poverty in UK is below the average of other EU countries. For example, Murillo and
Martínez-Garrido (2018b) estimate the magnitude of school segregation by poverty in
the 27 of the 28 countries that participate in PISA 2015 (Cyprus did not participate). The
authors use the Gorard Segregation index and the Isolation index to estimate school
segregation. Their results show that the average of school segregation by poverty
between the different countries of the EU is 0.35 (using Gorard index) and 0.31 (using
Isolation index). That means that in the EU average, 35% of poor students should change
the schools to equalise the schools in terms of socioeconomic clustering of children. In the
UK, those estimates are 0.33 (using Gorard index) and 0.29 (using Isolation index).
According to the authors, the situation of school segregation by poverty in the UK is
similar to the level of school segregation in countries like Luxemburg (0.34), Netherlands
(0.33), Denmark (0.32).
There could be several underlying factors creating segregation at school level, such as
independent school policy, geographical limitations, housing and residential schemes,
school allocation policy, and parental choice. There is no experimental evidence of the
causal nature of such clustering and its long-term impact. However, secondary data
analyses on large population data sets and longitudinal studies have shown that school
level segregation on the basis of disadvantaged characteristics is one of the determinants
125
of low academic attainment (Condron, 2011, 2013; Gorard, 2015; Knowles & Evans, 2012)
and therefore of access to university education (Boliver, 2011; Cavalcanti, Guimaraes, &
Sampaio, 2010).
1.3. PISA
International student assessments can be a useful addition to the evidence relevant to
segregation studies and a range of other issues. The methodology, the validity and
sampling techniques are all carefully constructed. The Program for International Student
Assessment (PISA) is an example of these international student assessments among other
like Trends in International Mathematics and Science Study (TIMSS) and Progress in
International Reading Literacy (PIRLS). PISA is a near-worldwide study by the
Organization for Economic Co-operation and Development (OECD) in member and non-
member nations of 15-year-old school pupils' scholastic performance on Mathematics,
Science, and Reading. It was first conducted in 2000, and then repeated every three years.
The UK has participated in PISA since the first version in 2000 generating a large amount
of data from the UK over 15 years. The data includes of students’ academic performance
in literacy, numeracy, science and contextual information collected from schools, teachers
and parents. The data therefore allows for the analysis of school segregation in the UK,
as well as how political, economic and social changes over the last 15 years reflect any
changes in patterns of school segregation by poverty. The unit of sampling in PISA is the
school, and both private and state schools are included in the study. It is worth mentioning
that the data from private schools are not included in the national school census and
therefore the analysis based on national figures do not allow comparison between private
and state schools in the UK. PISA, almost uniquely, permits such a comparison.
2. Method
The aim of this study in to understand the behavior of school segregation by
socioeconomic level in the UK across the time. For this new study, we used the data PISA
datasets, generated between 2000 and 2015. In each cycle of PISA, representative samples
of all school types were invited to take part in student assessments and questionnaires
from teachers, families and students. PISA assesses the extent to which 15-year-old
students have acquired key knowledge and skills in three fundamental areas: mathematics,
language and science. Additional information is also obtained on factors associated with
learning that allows contextualising the academic performance of students.
1.1. Sample
The number of students assessed in PISA has increased from 2000 to 2015. To achieve
the aim of this research, it is necessary that there be no missing data, so in those cases in
which there was no information on the socioeconomic status of the families, they were
directly eliminated. In 2003 more than a quarter of a million students took part,
representing 15-year-olds enrolled in the schools of 41 participating countries. In 2015,
approximately 540,000 students completed the assessment, from 72 participating
countries and economies. In the UK, 9,535 students from 381 schools were assessed in
PISA 2003 and, 141,57 students from 2,200 schools in PISA 2015 (table 1).
126
Table 1. The number of cases in each year and home country, PISA 2000-2015
2000 2003 2006 2009 2012 2015
England 2,292 5,194
Wales - 6,812 10,708 9,548 9,714 3,451
Northern Ireland 1,586 2,410
Scotland 1,317 2,723 2,444 2,631 2.945 3,111
UK 5,195 9.535 13,152 12,179 12,659 14,517
Total number of
362 381 502 482 507 550
schools
Percentage state-
95.2 94.1 95.0 96.1 80.4 91.2
funded schools
Note: - Wales did not participate in PISA 2000. The data from England, Northern Ireland and
Wales is reported together 2003-2012.
Source: Computed by the authors.
1.2. Coding
For analyses of the school segregation of disadvantaged students, we created a sub-group
of 10% and 25% of the students with the lowest socioeconomic level of their families. Both
analyses show the patterns of segregation of most disadvantaged students in state and
private school type and whether the trends have changed over time.
The level of socioeconomic disadvantage has been judged according to ESCS-index of
Economic, Social and Cultural Status, provided by PISA international evaluation. ESCS
is created on the basis of the following variables: The International Socio-Economic Index
of Occupational Status (ISEI); the highest level of education of the student’s parents,
converted into years of schooling; the PISA index of family wealth; the PISA index of
home educational resources; and the PISA index of possessions related to “classical”
culture in the family home. The ESCS variable is typified for each country.
1.3. Analysis
School Segregation has been analyzed using the Gorard Segregation index (GS) (Gorard
& Fitz, 1998, 2000a, 2000b), and the Dissimilarity index (D), one of the oldest estimators
of segregation (Duncan & Duncan, 1955). GS is defined as the proportion of
disadvantaged students who would have to change schools for there to be an even spread
of disadvantage between schools within the area of analysis. D is defined as the percentage
of all students who would have to change schools so that there was no segregation
between the groups. Although there have been academic disputes about the relative merits
of each index, we agree with Gorard (2007) that both are measuring the same thing, and
that under normal circumstances they both provide the same substantive results. We use
both here for assurance.
To measure the exposure dimension of school segregation we used the isolation index
(Lieberson, 1981), considered as the best for the purpose by Massey and Denton (1988).
It is interpreted as the probability that a student from a minority group will be at school
with another student from the same minority group. The greater the isolation of the
group, the lower its exposure to the members of the other groups (Echenique & Fryer,
2007).
More precisely the formulae of segregation indexes are:
127
Gorard Segregation index:

𝑘𝑘
1 𝑥𝑥1𝑖𝑖 𝑇𝑇𝑖𝑖
𝐺𝐺𝐺𝐺 = � � − �
2 𝑋𝑋1 𝑇𝑇
𝑖𝑖=1
Dissimilarity index:
𝑘𝑘
1 𝑥𝑥1𝑖𝑖 𝑥𝑥2𝑖𝑖
𝐷𝐷 = � � − �
2 𝑋𝑋1 𝑋𝑋2
𝑖𝑖=1
Isolation index:
𝑘𝑘
𝑥𝑥1𝑖𝑖 𝑥𝑥1𝑖𝑖
𝐴𝐴 = �
𝑋𝑋1 𝑇𝑇𝑖𝑖
𝑖𝑖=1
Where:
x1i is the number of students of the minority group in the school i.
x2i is the number of students of the majority group in the school i.
X1 is the number of students of the minority group in the country.
X2 is the number of students of the majority group in the country.
Ti is the number of students in the school i.
T is the number of students in the country.
The analysis has been conducted to observe segregation by poverty in both state-funded
and private schools. Schools were grouped into the four countries of United Kingdom
(England, Scotland, Northern Ireland, and Wales). The analysis of segregation by poverty
was based on the proportion of richer and poorer children in each school. We conducted
the analyses weighting each dataset through the variable weight supplied by PISA. The
schools were then sorted in public and private school types and for each category GS, D
and A indexes were calculated.
The analysis is presented in three sections. First, the estimation of segregation indexes
for the 25% of students with the lowest socioeconomic level, looking at differences
between home countries and between state-funded and private schools. Second, the same
for the 10% lowest SES students. Finally, a study in more detail of the school segregation
in 2015 for 25% and 10% of poorest students in the UK and each of its countries.
3. Results
3.1. How do the indices compare?
There is a vast amount of scientific literature on the use of one index or another to
measure the evenness dimension of segregation. Specifically, Gorard & Taylor (2002)
have come to speak of a “war of indices”. The pioneer index has been the dissimilarity
index developed by Duncan & Duncan (1955), more recent is the Gorard Segregation
index (Gorard, 2000). Table 2 shows the correlation between both indices, in a way that
shows how the use of one or the other is indifferent in terms of its results.
In fact, these correlations show yet again that GS and D are measuring the same thing,
and their correlation is 1, whether looking at the segregation of the poorest 25% or the
poorest 10% of students. This means that the results for GS and D are generally
128
interchangeable. This has been shown many times, and we hope that this puts an end to
prior claims that D was somehow superior to GS (Gorard, 2007). The A index, as it is
designed to, is measuring something different to either GS or D. So, it has a lower
correlation with both of them.
Table 2. Correlations between the different school segregation residuals, UK, PISA 2015
GS
D INDEX A INDEX GS INDEX D INDEX A INDEX
INDEX
25% 25% 10% 10% 10%
25%
GS Index 25% 1 1.00 0.71 0.78 0.78 0.55
D Index 25% 1.00 1 0.71 0.78 0.78 0.55
A Index 25% 0.71 0.71 1 0.62 0.62 0.80
GS Index 10% 0.78 0.78 0.62 1 1.00 0.73
D Index 10% 0.78 0.78 0.62 1.00 1 0.73
A Index 10% 0.55 0.55 0.80 0.73 0.73 1
3.2. Segregation indexes for UK schools

More substantively, all three indices show that the segregation between schools of the
poorest 25% of students has remained relatively static in the UK since 2006 (table 3).
There was an apparent decrease in segregation from 2000 to 2003 that may be part of the
bigger national picture or could be due to the sampling and methodology of PISA settling
down at that early stage. Wales has relatively low segregation as far as it is possible to
tell (Gorard et al., 2006), and did not take part in 2000 PISA. So, the drop could be partly
due to the addition of figures for Wales in 2003.
Table 3. Segregation 2000-2015, lowest 25% SES, all schools, UK
2000 2003 2006 2009 2012 2015
Gorard Segregation Index 0.29 0.25 0.27 0.27 0.27 0.26
Dissimilarity Index 0.38 0.33 0.36 0.37 0.36 0.35
Isolation Index 0.37 0.35 0.37 0.36 0.36 0.35
The same pattern appears when considering only the majority (94%) state-funded schools
in the UK (table 4). Here though the levels of segregation are slightly lower, and
correspondingly much higher for the small proportion of private schools (table 5). For
private schools the Isolation index diverges from the other two indices because there are
so few poor students in the private schools anyway, however they are clustered between
private schools. In general, either private schools have become less segregated (from each
other) in terms of poverty, or the private schools entering PISA have become more
representative.
129
Table 4. Segregation 2000-2015, lowest 25% SES, state-funded schools, UK

2000 2003 2006 2009 2012 2015
Isolation Index 0.37 0.35 0.36 0.36 0.37 0.35
Table 5. Segregation 2000-2015, lowest 25% SES, private schools, UK

2000 2003 2006 2009 2012 2015
Isolation Index 0.13 0.09 0.20 0.06 0.33 0.21
The pattern is slightly different for the 10% poorest students in the UK. Segregation
between schools for this group has declined somewhat from 2000 to 2015 in terms of GS
and D measures of evenness (tables 6 to 8). For 2012 and 2000 data relating to some
private schools was not recorded. There will be even fewer of the 10% poorest students
in private schools (than 25% poorest), and so they would “meet” very rarely.
Table 6. Segregation 2000-2015, lowest 10% SES, all schools, UK
2000 2003 2006 2009 2012 2015
Isolation Index 0.24 0.18 0.20 0.20 0.19 0.17
Table 7. Segregation 2000-2015, lowest 10% SES, state-funded schools, UK

2000 2003 2006 2009 2012 2015
Isolation Index 0.24 0.18 0.20 0.20 0.20 0.17
Table 8. Segregation 2000-2015, lowest 10% SES, private schools, UK

2000 2003 2006 2009 2012 2015
Gorard Segregation Index - 0.75 0.80 0.79 0.42 0.78
Dissimilarity Index - 0.76 0.80 0.80 0.46 0.79
Isolation Index - 0.05 0.04 0.04 0.16 0.05
3.3. Segregation in each UK home country

There are no separate figures for Wales until later cycles of PISA, and for some years the
results for England, Northern Ireland and Wales were reported together. These results
are shown in the Appendix, along with those of Scotland. In general, the pattern of change
for each home country is similar.
130
Table 9 compares the segregation in each home country in 2015. It shows that
segregation in Scotland is markedly lower than the UK average, for both state and private
sectors. The same is true for Wales to a lesser extent. The picture, overall and for state
schools, is very similar in England and Northern Ireland. However, private schools in
Northern Ireland are even less segregated than those in Scotland (but not Wales).
Table 9. Segregation GS index, 2015, England, Scotland, and Northern Ireland
ENGLAND SCOTLAND WALES NORTHERN IRELAND UK
All schools 25% 0.27 0.22 0.21 0.27 0.26
All schools 10% 0.37 0.29 0.32 0.35 0.35
State schools 25% 0.26 0.20 0.21 0.27 0.25
State schools 10% 0.35 0.28 0.33 0.35 0.34
Private schools 25% 0.50 0.33 0.20 0.25 0.48
Private schools 10% 0.82 0.57 - 0.39 0.78
Note: Wales had no students in private schools among the lowest 10% SES. Computed by the
authors.
The apparent level of school segregation has dropped from 2000 to 2015 in all three home
countries for which there are figures. Using the GS index for the 25% lowest SES
students, in England it dropped from 0.31 in 2000 to 0.27 in 2015 (table A7), and from
0.44 to 0.37 for the 10% lowest SES (table A10). This is similar to the fuller figures
reported for England for all state schools, based on official figures of pupils eligible for
free school meals. These were 0.33 in 2000, and 0.29 in 2015 (Gorard, Siddiqui, & See,
2019). This comparison suggests that at least some the changes and differences in the
smaller sampled PISA figures are valid estimates of alterations in segregation. In NI,
segregation dropped from 0.29 to 0.27 for the 25% lowest SES students, and from 0.45 to
0.35 for the 10% lowest SES students. The equivalent figures for Scotland were 0.26 to
0.22, and 0.41 to 0.29.
Figure 2 presents another way of visualizing the segregation between schools in each
home country, using the GS segregation residual for each school, the equivalent figures
for D residuals appear in the Appendix. Both indices can be examined in a similar way,
however, it is important to remember the special property of GS index, of remaining
unchanged in the face of changes in the composition of the minority group. Each graph
shows a V shape, with the point at 25% on the x axis where schools have exactly their fair
share of the 25% most disadvantaged students, and at 0 on the Y axis since these schools
add nothing to the overall segregation figure.
Each of the bubbles represented in the graphs shows the value of the residual of school
segregation for each student. As can be seen, Northern Ireland has a smaller sample,
followed by Scotland, Wales, and England. The four countries have a similar magnitude
of school segregation showing a V shape comparable in terms of its amplitude, the
difference between the country with the higher school segregation (England), and the one
with the least (Wales) is 6%. However, the true difference is explained through the
narrowness of the figure. The narrower the form defined by the residuals of school
segregation will mean that the ratio of segregation in the schools of that country is higher
and therefore it is urgent to make decisions and political measures that help alleviate it.
131
According to the graphs, it seems to indicate that school segregation by poverty in

Northern Ireland is the highest with a narrower V-shape with higher values of school
segregation ratio in comparison to the other three countries.
England Northern Ireland
Scotland Wales
Figure 2. Crossplots GS segregation residuals with % of 25% most disadvantaged

students, home countries, 2015
4. Discussion
Our results highlight a similar pattern of school segregation by poverty between England,
Scotland, and Wales. The levels of school segregation in all three cases have decreased
over the 15 years studied. Specifically, England is the country where it has declined the
most, from 0.31 in the year 2000 to 0.27 in the year 2015, measured with the GS index.
On the other hand, school segregation in Northern Ireland seems to show different trends.
Although segregation in Northern Ireland is less than 15 years ago, it has a very similar
value (0.27 to 0.28). Previous research shows that school segregation changes over time
relative to the particular economic and social characteristics of the country (Cheng &
Gorard, 2010; Croxford & Raffe, 2013). In Northern Ireland, the continued existence of
selection to schools by academic ability at age 11, and parental choice of faith schools for
their children will tend to fix segregation and prevent further equality of access and
exposure. Both religion and attainment at age 11 are linked to relative economic
advantage, at an aggregated level.
132
Our results have implications for the UK Departments of education and for other
researchers in future studies to continue exploring las implications of our findings for
future research aiming to continue using PISA data to compare different countries. Our
findings have shown that the private sector in the UK segregates students according to
their level of poverty. Private schools have higher segregation than state schools and this
has increased segregation by 17% in 3 years (from 31% in 2012 to 48% in 2015), while the
situation in state-funded schools has diverged from this. This needs further investigation
with recommendations that segregation analyses must include data from independent
schools, where possible. Most studies on poverty segregation in England exclude
independent schools considering that the independent school student intake is
consistently 7% which does not contribute to the overall spread of poverty in schools, and
because the National Pupil Database has only partial data on private schools. This ought
to change.
Although each year of the PISA assessment the four countries have been expanding their
sample, which undoubtedly improves the reliability of the data. However, it must continue
to be recognized that little data remains available. The ideal would be to have data from
the entire population and this is undoubtedly one of the limitations of using the PISA
database. Other limitation for the figures of the segregation index is that the data from
England, Northern Ireland and Wales is reported together 2003-2012. Also, the PISA
dataset does not provide information that allows us to know more about the
characteristics of these private schools in order to explain why segregation seems to have
increased over time, geographical location of schools and type of school (faith school,
grammar school, and so on). It would be interesting if the UK government would allow
researchers to have access to know which schools participated in the PISA study. This
would enable researchers to use information from the National Pupil Database which
contain a more detailed information on each of the schools. The combination of both
databases would give us the opportunity to develop quality empirical research that can
clarify the drivers of segregation in each country and sector.
References
Bartholo, T. & Costa, M. (2014). Turnos e segregação escolar: Discutindo as desigualdades
intraescolares. Cadernos de Pesquisa, 44(153), 670-692.
https://doi.org/10.1590/198053142771
Billings, S., Deming, D., & Ross, S. (2016). Returns to education: The causal effects of education on
earnings, health and smoking. Economics Research Center-University of Chicago.
Boliver, V. (2011). Expansion, differentiation, and the persistence of social class inequalities in
British higher education. Higher Education, 61(3), 229-242.
https://doi.org/10.1007/s10734-010-9374-y
Borooah, V. & Knox, C. (2015). Segregation, inequality, and educational performance in Northern
Ireland: Problems and solutions. International Journal of Educational Development, 40, 196-
206. https://doi.org/10.1016/j.ijedudev.2014.09.002
Cavalcanti, T., Guimaraes, J., & Sampaio, B. (2010). Barriers to skill acquisition in Brazil: Public
and private school student’s performance in a public university entrance exam. The Quarterly
Review of Economics and Finance,50(4), 395-407. https://doi.org/10.1016/j.qref.2010.08.001
133
Cheng, S. C. & Gorard, S. (2010). Segregation by poverty in secondary schools in England 2006-
2009: A research note. Journal of Education Policy, 25(3), 415-418.
https://doi.org/10.1080/02680931003699542
Condron, D. (2011). Egalitarianism and educational excellence compatible goals for affluent
societies? Educational Researcher, 40, 47-55. https://doi.org/10.3102/0013189X11401021
Condron, D. J. (2013). Affluence, inequality, and educational achievement: A structural analysis of
97 jurisdictions across the globe. Sociological Spectrum, 33(1), 73-97.
https://doi.org/10.1080/02732173.2013.732866
Croxford, L. & Raffe, D. (2013). Differentiation and social segregation of UK higher education,
1996-2010. Oxford Review of Education, 39(2), 172-192.
https://doi.org/10.1080/03054985.2013.784193
Duncan, O. & Duncan, B. (1955). A methodological analysis of segregation indexes. American
Sociological Review, 20, 210-217. https://doi.org/10.2307/2088328
Echenique, F. & Fryer, J. (2007). A measure of segregation based on social interactions. The
Quarterly Journal of Economics, CXXII(2), 441-485. https://doi.org/10.1162/qjec.122.2.441
Gorard, S. (2000). Underachievement is still an ugly word: Reconsidering the relative effectiveness
of schools in England and Wales. Journal of Education Policy, 15(5), 559-573.
https://doi.org/10.1080/026809300750001694
Gorard, S. (2007). What does an index of school segregation measure? A commentary on Allen and
Vignoles, Oxford Review of Education, 33, 5, 669-677.
https://doi.org/10.1080/03054980701451140
Gorard, S. (2015). The complex determinants of school intake characteristics, England 1989 to
2014, Cambridge Journal of Education, 46, 1, 131-146.
https://doi.org/10.1080/0142569980190306
Gorard, S. & Fitz, J. (1998). The more things change... The missing impact of marketisation? British
Journal of Sociology of Education, 19(3), 365-376.
https://doi.org/10.1080/026715200402452
Gorard, S. & Fitz, J. (2000a). Investigating the determinants of segregation between schools.
Research Papers in Education, 15(2), 115-132.
https://doi.org/10.1177/0895904800014003004
Gorard, S. & Fitz, J. (2000b). Markets and stratification: A view from England and Wales.
Educational Policy,14(3), 405-428. https://doi.org/10.1177/0895904800014003004
Gorard, S., Smith, E., May, H., Thomas, L., Adnett, N., & Slack, K. (2006). Review of widening
participation research: Addressing the barriers to participation in higher education.
https://vtechworks.lib.vt.edu/bitstream/handle/10919/97805/BarriersHigEducEngland.
pdf?sequence=1
Gorard, S., Siddiqui, N., & See, B. H. (2019). The difficulties of judging what difference the pupil
premium has made to school intakes and outcomes in England. Research Papers in Education,
https://doi.org/10.1080/02671522.2019.1677759
Harris, D. & Williams, J. (2012). The Association of classroom interactions, year group and social
class. British Educational Research Journal, 38(3), 373-397.
https://doi.org/10.1080/01411926.2010.548547
Knowles, E. & Evans, H. (2012). PISA 2009: How does the social attainment gap in England compare
with countries internationally?
134
https://assets.publishing.service.gov.uk/government/uploads/system/uploads/attachme
nt_data/file/198957/DFE-RB206.pdf
Lieberson, S. (1981). An asymmetrical approach to segregation. In C. Peach (Ed.), Ethnic segregation
in cities (pp. 61-83). Croom-Helm.
Massey, D. S. & Denton, N. A. (1988). The dimensions of residential segregation. Social Forces,
67(2), 281-315. https://doi.org/10.2307/2579183
Morris, R. (2015). Free schools and disadvantaged intakes. British Educational Research Journal,
41(4), 535-552. https://doi.org/10.1002/berj.3168
Murillo, F. J. & Martínez-Garrido, C. (2018a). Impact of the economic crisis on school segregation
in Spain. Revista de Educación, 381, 67-93. https://doi.org/10.4438/1988-592X-RE-2017-
381-381
Murillo, F. J. & Martínez-Garrido, C. (2018b). Magnitud de la segregación escolar por nivel
socioeconómico en España y sus comunidades autónomas y comparación con los países de
la Unión Europea [Magnitude of school segregation by socioeconomic level in Spain and
its Autonomous Communities and comparison with the countries of the European Union].
RASE. Revista de Sociología de la Educación, 11(1), 37-58.
Norwich, B. & Black, A. (2015). The placement of secondary school students with statements of
special educational needs in the more diversified system of English secondary schooling.
British Journal of Special Education, 42(2), 128-151.
https://doi.org/10.1111/1467-8578.12097
Oldfield, E., Hartnett, L., & Bailey, E. (2013). More than an educated guess: Assessing the evidence on
faith schools. Theos.
Siddiqui, N. (2017). Socio-economic segregation of disadvantaged children between schools in
Pakistan: Comparing the state and private sector. Educational Studies, 43(4), 391-409.
https://doi.org/10.1080/03055698.2016.1277139
Strand, S. & Winston, J. (2008). Educational aspirations in inner city schools. Educational Studies
34(4), 249-267. https://doi.org/10.1080/03055690802034021
Taylor, C. & Gorard, S. (2003). Secondary school admissions in London. Institute for Public Policy
Research.
135
Appendix
England Northern Ireland
Scotland Wales
Figure A1: D index segregation residuals, UK, PISA 2015

Table A1. England, Wales, NI 25% lowest all schools

2000 2003 2006 2009 2012 2015
Isolation Index - 0.36 0.36 0.36 0.37 0.36
Table A2. England, Wales, NI 25% lowest state schools

2000 2003 2006 2009 2012 2015
Isolation Index - 0.36 0.36 0.36 0.37 0.35
136
Table A3. England, Wales, NI 25% lowest private schools

2000 2003 2006 2009 2012 2015
Isolation Index - 0.09 0.20 0.06 0.34 0.22
Table A4. England, Wales, NI 10% lowest all schools

2000 2003 2006 2009 2012 2015
Isolation Index - 0.18 0.20 0.20 0.19 0.18
Table A5. England, Wales, NI 10% lowest state schools

2000 2003 2006 2009 2012 2015
Isolation Index - 0.18 0.20 0.20 0.20 0.18
Table A6. England, Wales, NI 10% lowest private schools

2000 2003 2006 2009 2012 2015
Isolation Index - 0.07 0.04 0.04 0.17 0.04
Table A7. England 25% lowest all schools

2000 2015
Gorard Segregation Index 0.31 0.27
Dissimilarity Index 0.42 0.36
Isolation Index 0.41 0.36
Table A8. England 25% lowest state schools

2000 2015
Table A9. England 25% lowest private schools

2000 2015
137
Table A10. England 10% lowest all schools

2000 2015
Table A11. England 10% lowest state schools

2000 2015
Table A12. England 10% lowest private schools

2000 2015
Table A13. Northern Ireland 25% lowest all schools

2000 2015
Table A14. Northern Ireland 25% lowest state schools

2000 2015
Table A15. Northern Ireland 25% lowest private schools

2000 2015
138
Table A16. Northern Ireland 10% lowest all schools

2000 2015
Table A17. Northern Ireland 10% lowest state schools

2000 2015
Table A18. Northern Ireland 10% lowest private schools

2000 2015
Gorard Segregation Index - 0.39
Dissimilarity Index - 0.40
Isolation Index - 0.06
Table A19. Scotland 25% lowest all schools

2000 2003 2006 2009 2012 2015
Isolation Index - 0.36 0.36 0.36 0.37 0.36
Table A20. Scotland 25% lowest state schools

2000 2003 2006 2009 2012 2015
Isolation Index 0.36 0.32 0.31 0.35 0.34 0.34
Table A21. Scotland 25% lowest private schools

2000 2003 2006 2009 2012 2015
Isolation Index - 0.06 0.05 0.06 0.06 0.05
139
Table A22. Scotland 10% lowest all schools

2000 2003 2006 2009 2012 2015
Isolation Index 0.20 0.16 0.19 0.18 0.16 0.15
Table A23. Scotland 10% lowest state schools

2000 2003 2006 2009 2012 2015
Isolation Index 0.20 0.17 0.18 0.18 0.16 0.15
Table A24. Scotland 10% lowest private schools

2000 2003 2006 2009 2012 2015
Gorard Segregation Index - 0.28 0.77 - 0.82 0.57
Dissimilarity Index - 0.29 0.77 - 0.82 0.59
Isolation Index - 0.03 0.02 - 0.03 0.06
Table A25. Wales 2015

ALL ALL STATE STATE PRIVATE PRIVATE
SCHOOLS SCHOOLS SCHOOLS SCHOOL SCHOOLS SCHOOLS
25% 10% 25% S 10% 25% 10%
Gorard Segregation
0.21 0.32 0.21 0.33 0.20 -
Index
Dissimilarity Index 0.28 0.36 0.28 0.37 0.21 -
Isolation Index 0.32 0.17 0.31 0.17 0.07 -

Assistant Professor Doctor in Research Methods and Diagnosis in Education at the
Autonomous University of Madrid (Spain). Extraordinary Doctorate Award from the
Autonomous University of Madrid. Award for the best Doctoral Thesis in 2015 by the
Interuniversity Association for Pedagogical Research (AIDIPE). Researcher of the
UNESCO Chair on Education for Social Justice from the Autonomous University of
Madrid. Member of the research group "Educational Change for Social Justice" (GICE).
Technical Coordinator of the Ibero-American Network for Research on School Change
and Effectiveness (RINACE). She has completed her postdoctorate at the University of
Durham (United Kingdom) and the University of Granada (Spain) under the Juan de la
Cierva contract of the Spanish Ministry of Science, Innovation and Universities. In
addition, she has done research stays abroad at UCLA-University of California (Los
Angeles, USA) and at Uppsala University (Sweden). She is the Editor of REICE. Ibero-
American Journal on Quality, Effectiveness and Change in Education, the International
140
Journal of Education for Social Justice, and the Latin American Journal of Inclusive
Education. Her research lines are School Segregation, Effective Teaching, Educational
Leadership, and Education for Social Justice. ORCID ID: https://orcid.org/0000-0001-
7586-0628. Email: cynthia.martinez@uam.es
Nadia Siddiqui
She has academic expertise in education research and equity in education. She has led
important education research projects contributing evidence for education policy in
England. Her research interests are to explore the stubborn patterns of poverty and
inequalities through population data sets and large scale surveys such as National Pupil
Database (NPD, England), Higher Education Statistics (HESA), Annual Survey of
Education Report data (ASER, Pakistan), Longitudinal Survey of Young People in
England (LSYPE). By using these secondary data resources, she investigates the
indicators of disadvantage that determine children's academic attainment, well-being and
happiness, and access to pathways for successful life. ORCID ID: https://orcid.org/0000-
0003-4381-033X. Email: nadia.siddiqui@durham.ac.uk
Stephen Gorard
He is Professor of Education and Public Policy, and Director of the Evidence Centre for
Education, Durham University (https://www.dur.ac.uk/). He is a Fellow of the Academy
of Social Sciences, member of the British Academy grants panel, the ESRC
Commissioning Panel for the Research Methods Program, and Lead Editor for Review of
Education. He is a member of the Cabinet Office Trials Advice Panel as part of the Prime
Minister’s Implementation Unit. His work concerns the robust evaluation of education as
a lifelong process, focused on issues of equity, especially regarding school intakes. He is
author of around 30 books and over 1,000 other publications. He is currently funded by
Nesta to evaluate their EdTech Testbed, and by the British Academy to look at the impact
of schooling in India and Pakistan. ORCID ID: https://orcid.org/0000-0002-9381-5991.
Email: s.a.c.gorard@durham.ac.uk
141
Evolución de la Segregación Socioeconómica en la

Educación Pública de Uruguay
Socio-Economic Segregation Evolution at the Public Education

in Uruguay
Fiorella Ferrando *
Melissa Hernández-Almeida
Cecilia Oreiro
María-Noé Seijas
Joana Urraburu
Instituto Nacional de Evaluación Educativa (INEEd), Uruguay
Se busca dimensionar la segregación educativa en centros de educación públicos para

Uruguay entre 2013 y 2019, según el nivel de vulnerabilidad de los estudiantes. Para
ello, se estiman índices de igualdad (Disimilitud, Gorard, Raíz cuadrada) y de
exposición (aislamiento) a los efectos de analizar el nivel de segregación en educación
inicial, primaria y media básica. Se encuentra que en el año 2019 los niveles con
mayor segregación asociada a la dimensión de igualdad son inicial y primaria,
seguidos por secundaria y técnica. En todos los subsistemas el interior urbano es la
región con menor segregación. En todos los casos la segregación aumenta en el
período analizado. Al considerar la dimensión de exposición, el subsistema con mayor
segregación es la educación técnica. Finalmente, se encuentra que la segregación al
interior de las regiones explica casi la totalidad de la segregación. Una marcada
impronta territorial podría estar explicando la mayor segregación de inicial y
primaria. En la educación técnica, la mayor proporción de estudiantes vulnerables
explica que el índice de aislamiento sea superior a pesar de que presenta una mayor
igualdad que la enseñanza secundaria.
Descriptores: Segregación escolar; Enseñanza pública; Prestaciones sociales; Grupo
minoritario; Uruguay.
This paper seeks to measure educational segregation in Uruguayan public education

centers in 2013-2019, according to the student’s level of vulnerability. In order to do
this, equality and exposure indices are estimated (Dissimilarity; Gorard; Square root)
and exposure (isolation) to analyze the level of student segregation in preschool,
primary and lower secondary education (general and vocational). In 2019, the
highest segregation associated with the equality dimension was found in preschool
and primary, followed by lower secondary education. In all subsystems, the urban
inland is the least segregated region. In all cases, segregation increases in the period.
Considering the exposure, the most segregated subsystem is lower secondary
education (vocational), Finally, it is found that segregation within regions explains
almost all of it and increases its weight in the period in preschool, primary and
vocational education, although the weight of segregation between regions increases
in the case of general education. A marked territorial stamp could explain the greater
segregation of preschool and primary. In vocational education, the higher proportion
of vulnerability explains the higher values of the isolation index, despite having
greater equality than in secondary education.
Keywords: School segregation; Public education; Social insurance; Minority group;
Uruguay.
*Contacto: fferrando@ineed.edu.uy Recibido: 30 de abril 2020

1ª Evaluación: 23 de julio 2020
www.rinace.net/reice/ Aceptado: 14 de septiembre 2020
F. Ferrando, M. Hernández-Almeida, C. Oreiro, M. N. Seijas y J. Urraburu
1. Introducción
En América Latina los logros educativos de los estudiantes se encuentran fuertemente
determinados por las características socioeconómicas del hogar de origen (Duarte, Bos y
Moreno, 2009; OECD, 2013; Treviño, Valenzuela y Villalobos, 2015). El segundo y tercer
Estudio Regional Comparativo y Explicativo (SERCE y TERCE) encuentran que el
contexto social, económico y cultural es el ámbito que ejerce mayor influencia sobre el
aprendizaje (Treviño et al., 2010; 2015), limitando el efecto que el sistema educativo podría
tener para compensar las desigualdades de origen. Para lograr equidad educativa, resulta
necesario que los centros sean heterogéneos en términos de nivel socioeconómico
(Kaztman, 2001), para favorecer el vínculo entre estudiantes con origen social e historias
de vida diversas, y contribuir a la integración social.
En Uruguay, se ha trabajado para garantizar el acceso universal a la educación. Sin
embargo, acceso no garantiza equidad educativa. Dentro del sistema educativo uruguayo,
en su tramo obligatorio, el sector privado concentra en la mayoría de sus centros a
estudiantes de entornos favorables y muy favorables (INEEd, 2014). TERCE ubica a
Uruguay entre los países en los que el índice de nivel socioeconómico individual presenta
una relación más fuerte con el logro académico y el nivel socioeconómico de la escuela con
el logro en matemáticas. Asimismo, sostiene que es uno de los países con menor índice de
inclusión social 1 en la región (Treviño et al., 2015). En esta línea, el INEEd (2014) muestra
que la enseñanza primaria en Uruguay presenta una mayor segregación socioeconómica
y cultural que la correspondiente a desempeños. A pesar de esto, existen diferencias
importantes entre los estudiantes: los puntajes cambian de acuerdo a su origen
socioeconómico y cultural y de manera más significativa según el contexto
socioeconómico y cultural del conjunto de sus compañeros de escuela.
El Estado puede intervenir en la asignación de recursos entre los centros educativos, para
intentar equiparar las oportunidades de los estudiantes en el sistema educativo,
atendiendo la existencia de diferencias de origen y distintas necesidades educativas
(Guadalupe, 2015; INEEd, 2019; Morduchowicz, 2000). Asimismo, es posible intervenir a
través del mecanismo de asignación de estudiantes a los centros educativos, para lograr
una combinación más heterogénea de sus características, especialmente en términos de
nivel socioeconómico.
El mecanismo de asignación de estudiantes a los centros educativos en Uruguay posee
una fuerte impronta territorial, lo que provoca que el nivel socioeconómico del centro
educativo se encuentre altamente determinado por el del barrio/localidad en el que se
ubica. Bracco (2019) muestra que la calidad del vecindario, a través del efecto de pares en
la escuela, resulta significativa para determinar la probabilidad de repetir e,
indirectamente, afecta la probabilidad de abandonar los estudios. Las familias eligen entre
centros públicos, que son gratuitos en todos los niveles educativos para la enseñanza
obligatoria 2, y privados (en Uruguay no existe sistema de voucher). Si optan por el sistema
público, las familias deben explicitar cuáles serían los centros de su preferencia, eligiendo,
1 Este índice mide cuán probable es que estudiantes de distinto origen social coincidan en la misma escuela, a
través del análisis de la heterogeneidad socioeconómica al interior de esta (Treviño et al., 2015).
2 La educación obligatoria en Uruguay está determinada por el artículo 7 de la Ley Nº 18.437 Ley General de
Educación y comprende educación inicial, primaria y media (básica y superior).
144
en general, centros cercanos a sus domicilios. A partir de esta elección, la Administración

Nacional de Educación Pública (ANEP) asigna al estudiante a un centro.
Gran parte de los antecedentes empíricos que estudian la segregación educativa a nivel
internacional, regional o nacional, utilizan como fuente de datos pruebas estandarizadas
(PISA, TERCE), tanto para realizar estudios en sus países como a nivel comparado
(Fernández y Cardozo, 2011; Jenkins, Micklewright y Schnepf, 2008; Krüger, 2014;
Murillo y Martínez-Garrido, 2017).
El objetivo de este trabajo es analizar la segregación educativa por nivel socioeconómico
en el sistema educativo público de Uruguay, considerando su magnitud y evolución en el
período 2013 a 2019. Para esto, se estiman índices de igualdad y exposición a los efectos
de analizar el nivel de segregación en cada subsistema 3 educativo y región. Las
contribuciones originales de este artículo consisten en realizar un análisis basado en datos
administrativos, que incluye tres subsistemas educativos y tiene en cuenta la evolución
temporal. Asimismo, se define vulnerabilidad socioeconómica a través del acceso a
prestaciones sociales, que también surge de información administrativa integrada.
La segregación es un fenómeno multidimensional definido como la distribución desigual
de individuos con determinadas características (etnia, género, nivel socioeconómico, etc.)
entre unidades organizacionales (barrios, trabajos, escuelas) (Treviño, Valenzuela y
Villalobos, 2015; Vazquez, 2012) 4. Massey y Denton (1988) identifican cinco dimensiones
que permiten analizar la segregación desde ópticas diferentes: 1) la igualdad refiere al nivel
de desigualdad en la distribución de los grupos entre diferentes unidades organizativas;
2) la exposición es el grado de contacto potencial entre los integrantes mayoritarios o
minoritarios de un grupo dentro de una unidad organizativa, lo que influye en la
probabilidad de interacción entre grupos; 3) la concentración que postula que los grupos
minoritarios pueden estar concentrados en áreas relativamente pequeñas respecto de los
grupos mayoritarios; 4) la centralización es el grado en el que un grupo está espacialmente
localizado cerca del centro del área considerada y 5) el agrupamiento se asociada al grado
de cercanía entre las unidades organizativas ocupadas por miembros de los grupos
minoritarios (Treviño, Salazar y Donoso, 2011; Vazquez, 2012). Este estudio se
concentrará en las primeras dos dimensiones.
Dependiendo de la definición de las unidades organizativas, se puede estudiar el nivel de
segregación de estudiantes entre centros, entre aulas y dentro de las aulas (Treviño,
Valenzuela y Villalobos, 2015). Al considerar la segregación entre centros, se aprecia que
las causas son múltiples y dependen de las especificidades de cada país y de cada sistema
educativo. Rossetti (2014) asocia los riesgos de segregación escolar a las desigualdades
territoriales y a la existencia de ofertas educativas segmentadas en costo y calidad. En
términos generales, se pueden distinguir tres factores determinantes: el efecto de las
tendencias demográficas y la segregación residencial, la elección del establecimiento
3 En este artículo subsistema refiere a educación inicial, primaria y media básica, la que a su vez incluye
educación secundaria y técnica, que se considerarán por separado.
4 Autores como Katzman (2001) distinguen entre segmentación y segregación. En este trabajo se utiliza
exclusivamente el término segregación.
145
educativo por parte de las familias y la selección de los estudiantes por parte de los centros
educativos.
Cuando los barrios se constituyen en unidades relativamente homogéneas, el hecho de que
los estudiantes asistan a los centros educativos cercanos a sus viviendas genera que la
composición sociodemográfica de las escuelas se torne homogénea (Bellei, 2013; Jenkins,
Micklewright y Schnepf, 2008; Kaztman y Retamoso, 2006; Murillo, Duk y Martínez-
Garrido, 2018; Rossetti, 2014). La elección, por parte de los padres, de centros educativos
que se ajusten al perfil académico, social, religioso u otro deseado para sus hijos (Rossetti,
2014), potenciado por la privatización de la educación, las políticas de voucher y de cuasi–
mercado escolar, favorecen la segregación del sistema. Finalmente, las escuelas resultan
selectivas de su alumnado a los efectos de mantener cierto status académico y social (Bellei,
2013; Jenkins , Micklewright y Schnepf, 2008; Murillo, Duk y Martínez-Garrido, 2018;
Rossetti, 2014). Asimismo, la equidad en la asignación de recursos entre las escuelas, las
regulaciones sobre el currículo y la autonomía de los centros también influyen en la
segregación escolar (Bellei, 2013).
Que los estudiantes estén agrupados en función de su nivel socioeconómico, impide que el
“efecto de pares” se dé entre sujetos con diferente capital social, lo que favorecería la
trasmisión de normas sociales, valores educativos y el desarrollo de habilidades
académicas y sociales, potenciando el desarrollo cognitivo y no cognitivo, los resultados
educativos y el clima escolar (Krüger, 2014; Marchesi, Tedesco y Coll, 2009; Palardy,
2013; Rossetti, 2014). Los centros con estudiantes de menor nivel socioeconómico suelen
contar con menos recursos, peor infraestructura, menores expectativas docentes, y mayor
dificultad para reclutar y mantener la estabilidad de sus colectivos docentes, lo que afecta
los procesos de aprendizaje (Blanco Bosco, 2009; Centro de Estudios MINEDUC, 2012;
Fernández y Cardozo, 2011; Krüger, 2011, 2012; Murillo y Martínez-Garrido, 2017;
Rossetti, 2014; Treviño, Valenzuela y Villalobos, 2014). Es así que la segregación
educativa por nivel socioeconómico es discriminatoria y reproduce las desigualdades
sociales y culturales, constituyendo un obstáculo para la construcción de sociedades
cohesionadas (Kaztman, 2001; Marchesi, Tedesco y Coll, 2009; Murillo y Martínez-
Garrido, 2017; Rossetti, 2014).
A nivel internacional, uno de los estudios de mayor cobertura es el de Jenkins,
Micklewright y Schnepf (2008) que estudia la segregación entre centros en países
industrializados y plantea que los que tienen trayectorias separadas para educación
académica y vocacional, presentan una alta segregación, de la cual más de la mitad se
explica por la desigualdad del contexto social de las diferentes trayectorias. Concluye que
la libertad en la selección del centro por parte de los padres no parece estar claramente
correlacionada con altos niveles de segregación del país, mientras que la existencia de
criterios de selección por parte de los centros aparece como un factor relevante en el
incremento de la segregación. El estudio más reciente de Gutiérrez et al. (2020) extiende
el trabajo anterior, mostrando que la segregación educativa en estos países se ha
mantenido incambiada en el período 2000-2015, a pesar de la implementación de diversas
reformas en los sistemas educativos. Los autores sugieren que son los factores
estructurales, como la segregación residencial y las políticas de admisión, los que
determinan la segregación educativa.
En los países de la OCDE la diferencia entre centros públicos y privados no explica una
proporción considerable de la segregación educativa total encontrada, sino que la mayor
146
parte surge al interior del sector público (Jenkins, Micklewright y Schnepf, 2008). Sin
embargo, Kruger (2019) encuentra que en América Latina una cuarta parte de la
segregación total es explicada por las diferencias entre el sector público y privado. Esta
proporción asciende a casi el 50% en el caso de Uruguay. Para la gran mayoría de los
países analizados en ambos trabajos, se observa que la segregación es mayor al interior
del sector privado que al interior del sector público, aunque este último contribuye más a
la segregación total debido a su mayor tamaño. Uruguay cumple con esta conclusión para
educación primaria (Murillo y Graña Oliver, 2020), pero utilizando datos de PISA
correspondientes a educación media se encuentra que la segregación es levemente superior
en el sector público que en el privado (Krüger, 2019).
Haciendo foco en la segregación residencial y socioeconómica, Córdoba, Farris y Patuelli
(2017) encuentran que en Santiago de Chile la segregación residencial influye solo
parcialmente sobre la segregación socioeconómica escolar, debido a la capacidad de
movilización. A su vez, la segregación residencial afecta en mayor medida a estudiantes
de nivel socioeconómico bajo, que asisten a escuelas más cercanas a sus hogares. También
observan que estudiantes del mismo nivel socioeconómico pueden recorrer distancias
diferentes, lo que explican en base a las características del territorio donde se ubican las
escuelas, la oferta educativa y las preferencias de los padres.
Varios estudios establecen el alto nivel de segregación socioeconómica y cultural entre
centros educativos de América Latina (Krüger, 2019; Murillo, Duk y Martínez-Garrido,
2018; Murillo y Martínez-Garrido, 2017; Vazquez, 2012). Según datos de PISA, Uruguay
presenta un alto nivel de segregación, aunque Murillo y Martínez-Garrido (2017)
encuentran que es uno de los países con menor segregación promedio de la región. En el
periodo 2003-2015 la segregación se ha reducido para el primer cuartil de nivel
socioeconómico, e incrementado para el más alto, tanto en términos de igualdad como de
exposición (Murillo y Martínez-Garrido, 2017; Vazquez, 2012). Asimismo al tomar como
grupo minoritario el primer cuartil, Uruguay se ubica en el grupo de países con menor
segregación, mientras que al considerar el mayor cuartil el nivel de segregación se
incrementa (Krüger, 2019; Murillo y Martínez-Garrido, 2017).
Respecto a educación primaria, Murillo y Martínez-Garrido (2017) emplean datos de
TERCE y concluyen que las escuelas uruguayas presentan segregación socioeconómica y
cultural alta. El trabajo más reciente de Murillo y Graña (2020) destaca que la segregación
es mucho más alta para los estudiantes de nivel socioeconómico alto que para los de nivel
socioeconómico bajo. Otro análisis realizado con datos de las pruebas nacionales Aristas
(tercero y sexto de primaria) encuentra que aproximadamente el 80% de las diferencias
socioeconómicas y culturales se encuentran entre escuelas y solo el 20% al interior de
estas. Es decir, que al interior de las escuelas los estudiantes tienen características
similares, pero entre ellas esas diferencias son mucho mayores (INEEd, 2019).
3. Método
En Uruguay, el sistema de educación público obligatorio es gratuito y el que presenta la
matrícula más alta (en 2018 solamente es privada el 22% de la matrícula de inicial, el 18%
147
de la de primaria y 14% de la de media básica 5). La educación pública obligatoria se

encuentra bajo la órbita de la ANEP que se compone por tres consejos desconcentrados
(o subsistemas) con autoridades propias: Consejo de Educación Inicial y Primaria (CEIP),
Consejo de Educación Secundaria (CES) y Consejo de Educación Técnico Profesional
(CETP), encargado de la educación media técnica.
Para cada subsistema educativo por separado, se estima un conjunto de indicadores que
dan cuenta de las dimensiones igualdad y exposición de la segregación educativa y brindan
información complementaria para analizar el fenómeno. A su vez, se calculan los mismos
índices por regiones (Montevideo, interior rural y urbano).
Se calcula el índice de disimilitud de Duncan, que permite captar la dimensión de igualdad
y que indica el grado en el cual un grupo de estudiantes se encuentra sub-representado en
algunos centros y sobre-representado en otros (Duncan y Duncan, 1955). Este índice se
calcula de la siguiente forma:
𝑆𝑆
1 𝑝𝑝𝑝𝑝 𝑟𝑟𝑟𝑟
𝐷𝐷 = � � − �
2 𝑃𝑃 𝑅𝑅
𝑖𝑖=1
Siendo para el caso de estudio pi la cantidad de estudiantes vulnerables en el centro i (P lo

mismo, pero en la población), ri la cantidad de estudiantes no vulnerables en el centro i (R
lo mismo, pero en la población) y S la cantidad de centros educativos.
El índice de disimilitud varía entre 0 y 1, siendo 0 la ausencia de segregación y 1 la
referencia de que todos los estudiantes en cada centro tienen el mismo nivel
socioeconómico. El resultado de este índice se interpreta como la proporción de
estudiantes vulnerables que debería cambiar de centro, sin ser reemplazada por otros
estudiantes, para tener una distribución homogénea. Una de las desventajas más
relevantes de este índice es que su valor se ve influenciado por el tamaño relativo del grupo
vulnerable, situación que amerita recurrir a otros índices que lo complementen (Duncan
y Duncan, 1955; Jenkins, Micklewright y Schnepf, 2008; Krüger, 2019; Murillo, 2016).
También con el fin de analizar la dimensión igualdad, se estima el índice de segregación
de Gorard (Gorard, 2000, citado en Allen y Vignoles, 2007), que intenta corregir el índice
de disimilitud, controlando por el tamaño relativo del grupo de estudiantes vulnerables.
Se calcula como:
𝑆𝑆
1 𝑝𝑝𝑝𝑝 𝑛𝑛
𝐺𝐺𝐺𝐺 = � � − � = 𝐷𝐷(1 − 𝑝𝑝)
2 𝑃𝑃 𝑁𝑁
𝑖𝑖=1
Siendo S, pi y P lo mismo que se definió anteriormente, n la cantidad de estudiantes en el

centro i, N la cantidad total de estudiantes y p la proporción de estudiantes vulnerables en
la población.
Uno de los principales inconvenientes de este índice es que no varía entre 0 y 1, y dado
que su límite superior es variable e igual a (1-p), no es directa la comparación de valores
5 Datos obtenidos del Mirador Educativo del Instituto Nacional de Evaluación Educativa:
https://mirador.ineed.edu.uy/
148
con límites diferentes. Además, se debe tener en cuenta que suele dar valores muy por
debajo del índice de disimilitud (Allen y Vignoles, 2007).
Para complementar el análisis de la dimensión de igualdad se calcula el índice de raíz
cuadrada o índice de Hutchens (Hutchens, 2001, 2004). Este índice varía entre 0 y 1,
siendo 0 la ausencia completa de segregación, donde la proporción de estudiantes
vulnerables de todos los centros educativos es la misma y 1 indica que todos los
estudiantes en cada centro tienen el mismo nivel socioeconómico (Jenkins, Micklewright
y Schnepf, 2008). El valor del índice es la suma, para todos los centros, del déficit con
respecto a la distribución igualitaria. Por lo tanto, se calcula como sigue:
𝑆𝑆
𝑝𝑝𝑝𝑝 𝑝𝑝𝑝𝑝 𝑟𝑟𝑟𝑟
𝐻𝐻 = � �� − � ∗ �
𝑃𝑃 𝑃𝑃 𝑅𝑅
𝑖𝑖=1
Una de las principales desventajas de este índice es que tiende a dar resultados muy bajos
cuando el nivel de segregación es bastante moderado y que su interpretación no es tan
sencilla (Allen y Vignoles, 2007; Murillo, 2016). Sin embargo, a diferencia de los otros
índices calculados, éste cumple las siete propiedades deseables para una buena medida
numérica de segregación 6 (Vazquez, 2012).
Otra ventaja es que este índice puede descomponerse aditivamente por subgrupos
(regiones, sectores, entre otros). De esta forma, se estima la segregación intra e inter
grupos. La segregación intra (Hintra) es la suma ponderada de la segregación al interior de
cada grupo y la segregación inter (Hinter) es la segregación que permanecería si no existiera
segregación al interior de cada grupo.
𝐻𝐻 = 𝐻𝐻𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 + 𝐻𝐻𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖
Finalmente, para dar cuenta de la dimensión exposición se calcula el índice de aislamiento
(Lieberson, 1981, citado en Krüger, 2019; Murillo, 2016). Indica la probabilidad de que un
estudiante de un grupo minoritario, elegido al azar, se encuentre en el centro educativo
con otro miembro de su grupo. La exposición, a diferencia de la dimensión de igualdad,
incorpora además del aspecto de la desigualdad en la distribución, el tamaño relativo de
los grupos en la población (Murillo, 2016).
Su valor oscila entre la proporción que la minoría representa en la población total y 1, y
se calcula como sigue:
𝑆𝑆
𝑝𝑝𝑝𝑝 𝑝𝑝𝑝𝑝
𝑆𝑆 = � �� × � ��
𝑃𝑃 𝑛𝑛
𝑖𝑖=1
Este índice no es adecuado para comparar sistemas con diferente peso del grupo
minoritario, ya que está afectado por este parámetro. Más allá de sus desventajas, este
indicador da cuenta de un aspecto de la segregación que no es captado por otros índices
(Krüger, 2014; Murillo y Martínez-Garrido, 2017).
Tal como se hace en otros estudios (Allen y Vignoles, 2007; Harris, 2012; Leckie et al.,
2012), para este trabajo se define población vulnerable en base a la participación o no en
6 Taeuber (1985) propuso cinco propiedades deseables de los índices de segregación: invarianza de la escala,
simetría en unidades organizaciones y en grupos, rango y descomposición aditiva.
149
programas sociales. Se considera que un estudiante es vulnerable si es beneficiario de

alguna transferencia monetaria, en caso de que sea menor de 18 años, o si se encuentra
afiliado a la Administración de los Servicios de Salud del Estado (ASSE), para el caso de
los mayores de edad. Este último criterio se emplea únicamente a fin de poder incluir en
el análisis a los estudiantes mayores de edad que se encuentren cursando educación media
básica (aproximadamente 10% de la matrícula de este ciclo), ya que las transferencias
monetarias están dirigidas exclusivamente a menores de edad 7. Con el fin de utilizar un
criterio confiable de vulnerabilidad, se restringe el análisis a la enseñanza media básica,
dejando de lado el ciclo superior de educación media, debido a que la proporción de
estudiantes mayores de edad crece.
Las transferencias consideradas son las Asignaciones Familiares (AFAM) del Plan de
Equidad y las definidas por la Ley Nº 15.084, y la Tarjeta Uruguay Social (TUS). Las
AFAM tienen como objetivo brindar una prestación económica destinada a complementar
los ingresos familiares de los hogares en situación de vulnerabilidad socioeconómica con
menores de 18 años a cargo. Se exige como contraprestación la permanencia en el sistema
educativo y la realización de controles de salud. La TUS es una tarjeta prepaga que se
otorga a los hogares en situación de extrema vulnerabilidad socioeconómica para que
puedan acceder a un nivel de consumo básico de alimentos y artículos de primera
necesidad. Si bien no se dirige solamente a hogares integrados por menores de edad, el
monto crece según la cantidad de niños y adolescentes del hogar.
Los resultados serán presentados considerando que un estudiante es vulnerable si recibe
al menos una de las transferencias mencionadas. Para evaluar su robustez se volvieron a
estimar todos los índices de segregación tomando una definición más estricta de
vulnerabilidad, no teniendo en cuenta la AFAM de la Ley Nº 15.084 (focalizada en los
menos vulnerables dentro del universo anterior). Los resultados obtenidos mediante el
análisis de robustez resultan consistentes con el original.
Los datos utilizados surgen del Sistema de Información Integrada del Área Social (SIIAS),
que contiene información de cada estudiante del sistema educativo público obligatorio, y
a su vez, de las prestaciones sociales que reciben. Este sistema cuenta con datos completos
dese 2013 y hasta 2019. Se trabajó con la información recibida en el mes de abril de cada
año, con el objetivo de incluir en el análisis a los estudiantes que podrían abandonar los
estudios más avanzado el curso.
4. Resultados
4.1. Panorama de la segregación en 2019
En 2019, en Uruguay, asistieron al sistema educativo público (entre inicial y educación
media básica), más de 490.000 estudiantes. Más de 90.000 niños asistieron a educación
inicial y más de 248.000 asistieron a educación primaria. En educación media básica,
7 Se considera relevante no excluir del análisis a los estudiantes mayores de edad, ya que hacerlo podría alterar
la proporción de personas vulnerables. Si bien la relación entre vulnerabilidad socioeconómica y afiliación a
ASSE no es directa, los datos muestran que del total de estudiantes menores de edad de educación media
básica que están afiliados al prestador público de servicios de salud (ASSE), el 78% percibe alguna
transferencia. Por este motivo se entiende que esta variable puede actuar como proxy de vulnerabilidad para
los mayores de edad.
150
asistieron más de 114.000 estudiantes a centros de educación secundaria y más de 37.000

a centros de educación técnica.
El 67,7% de los estudiantes recibió alguna prestación social. En los ciclos de inicial y
primaria, este porcentaje es cercano al 66%, mientras que en educación secundaria se
reduce a 60,4% y en educación técnica asciende a 75,1%. Teniendo en cuenta que el 47%
del total de niños y adolescentes menores de 18 años del país es beneficiario de alguna
transferencia monetaria 8, se observa que el sistema educativo público nuclea una
proporción mayor de estudiantes vulnerables (figura 1).
80 75,1
65,9 66,7
60,4
60
40
20
0
Inicial Primaria Secundaria Técnica
Figura 1. Estudiantes vulnerables por ciclo (en %). Año 2019

Fuente: Elaboración propia a partir de datos del SIIAS.
Los resultados de los tres índices calculados para analizar la dimensión igualdad, muestran
que el subsistema con mayor segregación en el año 2019 es educación inicial, seguido por
primaria, secundaria y, por último, educación técnica (figura 2). Como es esperable, el
índice que presenta resultados más elevados es el de disimilitud, mientras que el de raíz
cuadrada y el de Gorard se ubican en valores más bajos.
De acuerdo al índice de disimilitud, en educación inicial y primaria aproximadamente el
32% de los estudiantes vulnerables debería ser cambiado de centro educativo para lograr
que la composición sea homogénea entre centros, lo que denota una segregación
moderada. En educación media (secundaria y técnica), esta proporción representa cerca de
un quinto de los estudiantes (20% en secundaria y 17% en técnica), mostrando menores
niveles de segregación que los otros subsistemas.
Por su parte, el índice de Gorard, que como fue señalado corrige la influencia del tamaño
del grupo minoritario, confirma los datos que se desprenden del índice anterior. La
relación entre la segregación de los subsistemas se mantiene, pero en este caso la
segregación en educación técnica es proporcionalmente menor (figura 2), lo que es
explicado por la mayor proporción de población vulnerable en este grupo.
8 Estimación efectuada a partir de datos de la Encuesta Continua de Hogares (ECH) 2019 realizada por el
Instituto Nacional de Estadística (último dato disponible a la fecha).
151
0,35 0,32 0,32

0,30
0,25
0,20
0,20 0,17
0,15 0,11
0,09 0,11
0,10 0,08
0,08
0,03 0,04
0,05 0,03
0,00
Disimilitud Raíz Cuadrada Gorard
Figura 2. Índices de igualdad por subsistema. Año 2019

El índice de raíz cuadrada arroja resultados cercanos a cero, pero este índice tiende a
valores bajos aun cuando la segregación es moderada (Allen y Vignoles, 2007), por lo que
los guarismos resultan consistentes con los demás índices calculados (figura 2). Se destaca
una segregación levemente menor en educación primaria respecto a inicial, y no se
observan diferencias entre la segregación de los dos subsistemas de educación media.
Ahora bien, ¿cómo se distribuye la segregación en las diferentes regiones del país? 9
Cuando se calculan estos mismos índices por separado para la capital (Montevideo), el
resto del país urbano (interior urbano) y zonas rurales (interior rural), se observan
diferencias entre las regiones 10. Según los índices de disimilitud y raíz cuadrada (cuadro
1), en educación inicial la mayor segregación se identifica en el interior rural, donde
existen muchos centros educativos con pocos estudiantes. El 5% de la matrícula de
educación inicial se encuentra en el medio rural. De este 5% el 72% cobra alguna
transferencia, por lo que es considerado vulnerable en este estudio. Montevideo es la
siguiente región más segregada según estos índices, seguido por el interior urbano.
Cuadro 1. Índices de disimilitud y raíz cuadrada por subsistema y región. Año 2019
DISIMILITUD RAÍZ CUADRADA
Interior Interior Interior Interior
Montevideo Montevideo
urbano rural urbano rural
Inicial 0,37 0,29 0,45 0,11 0,07 0,26
Primaria 0,37 0,29 0,36 0,09 0,06 0,13
Secundaria 0,23 0,17 0,17 0,04 0,02 0,03
Técnica 0,15 0,17 0,22 0,02 0,03 0,04
Nota: Se destaca en negrita los valores más altos de cada subsistema.
9 En el cuadro A.1 del anexo se presentan los datos de centros, estudiantes y estudiantes vulnerables por
subsistema y en el cuadro A.2 la desagregación por región.
10 Los resultados del índice de Gorard resultan consistentes con los presentados en el cuadro 1 y se presentan
en el cuadro A.3 del anexo junto con los demás índices por subsistema para todo el período y en el cuadro A.4
por región.
152
En educación primaria la región menos segregada según el índice de disimilitud es el

interior urbano, mientras que entre Montevideo y el interior rural se observa una muy
leve diferencia. El resultado arrojado por el índice de raíz cuadrada aporta distinta
información, ya que en este caso el interior rural es la zona más segregada, seguido por
Montevideo y, finalmente, el interior urbano.
En educación secundaria, Montevideo es la zona más segregada según ambos índices, no
existiendo prácticamente diferencias entre interior rural y urbano. Finalmente, en
educación técnica, la zona más segregada es nuevamente el interior rural, seguido por el
interior urbano y, por último, Montevideo.
Para medir la dimensión exposición de la segregación se calcula el índice de aislamiento
por subsistema, que refleja la probabilidad de que dos individuos vulnerables se
encuentren en el mismo centro educativo. Se observa que, según este índice en el año 2019,
a diferencia de los índices de igualdad, es la educación técnica la que presenta mayor
segregación (figura 3). En segundo lugar, se encuentran la educación inicial y primaria y,
por último, la educación secundaria. Cabe recordar que este índice se ve influenciado por
el tamaño relativo del grupo minoritario, por lo que no es de extrañar que estos resultados
estén relacionados con la proporción de estudiantes vulnerables (figura 1). Es decir,
educación técnica es el subsistema que presenta mayor proporción de estudiantes
vulnerables y mayor segregación medida por el índice de aislamiento.
Las estimaciones realizadas con el criterio más estricto de vulnerabilidad son en general
consistentes con los resultados presentados. Una diferencia es que según los índices de
disimilitud, Gorard y aislamiento la segregación es menor en el ciclo inicial que en
primaria (particularmente con el primero de ellos, que toma el valor 0,32 para inicial y
0,36 para primaria).
Si se observan las diferencias por región (cuadro 2), en educación inicial el interior rural
nuevamente resulta el de mayor segregación, lo que va en línea con los resultados
obtenidos por los índices de igualdad. En el caso de educación primaria, según el índice de
aislamiento el interior rural también es la zona más segregada, lo que es consistente con
el índice de raíz cuadrada pero no con el de disimilitud. Tanto para educación inicial como
para primaria, el índice de aislamiento presenta los mismos valores en Montevideo y el
interior urbano.
0,8 0,76
0,71 0,71
0,63
0,6
0,4
0,2
0,0
Figura 3. Índice de aislamiento por subsistema. Año 2019

153
En el caso de educación secundaria, también la zona rural es la que presenta mayor

segregación, seguido por el interior urbano y, por último, la capital. En este nivel
educativo, los resultados del índice de aislamiento no se corresponden con los resultados
obtenidos por los índices de igualdad. En educación técnica, por su parte, la zona de mayor
segregación es el interior urbano, seguido por el interior rural y Montevideo. Si bien los
resultados en este caso no son completamente consistentes con los índices de igualdad, es
posible afirmar que para educación técnica el interior (urbano y rural) muestra una
segregación mayor respecto a la capital.
Cuadro 2. Índice de aislamiento por subsistema y región. Año 2019
AISLAMIENTO
Montevideo Interior urbano Interior rural
Inicial 0,70 0,70 0,79
Primaria 0,71 0,71 0,76
Secundaria 0,59 0,64 0,79
Técnica 0,72 0,78 0,76
Nota: Se destaca en negrita los valores más altos de cada subsistema.
4.2. Evolución de la segregación entre 2013 y 2019

La información disponible permite realizar un análisis de la evolución de la segregación
entre 2013 y 2019. Cabe destacar que el criterio de asignación de las prestaciones sociales
con las que se determinó el grupo de estudiantes vulnerables no cambió en el período de
tiempo analizado. Sin embargo, la proporción de niños y adolescentes menores de 18 años
que perciben alguna transferencia monetaria se redujo levemente en el período 11, debido
probablemente a que los ingresos de los hogares mejoraron.
80
75
70
65
60
55
50
2013 2014 2015 2016 2017 2018 2019
Figura 4. Evolución del porcentaje de estudiantes vulnerables por subsistema. 2013-

2019
Entre 2013 y 2019 la educación técnica presenta el mayor porcentaje de estudiantes

vulnerables, mientras que en educación secundaria el porcentaje es el menor en
11 Pasó de 55,3% a 47,4% entre 2013 y 2018, según estimaciones realizadas en base a la ECH.
154
comparación con el resto de los subsistemas en todo el período (figura 4). En ambos
subsistemas se observa una tendencia creciente. En inicial y primaria esta proporción se
ha mantenido relativamente constante entorno al 67%, aunque en los últimos años inicial
presenta un leve descenso (pasando de 68% a 66%).
El hecho de que la proporción de estudiantes vulnerables no haya disminuido en la
educación pública, e incluso haya aumentado, contrariamente a lo que sucede en la
población total del país, refleja distintos fenómenos según subsistema. Mientras que en
educación inicial y técnica existe un incremento de la matrícula, en primaria y secundaria
la matrícula pública se reduce en el período (ver cuadro A.1 del anexo).
0,35
0,31
0,27
0,23
0,19
0,15
2013 2014 2015 2016 2017 2018 2019
Figura 5. Índice de disimilitud por subsistema. Años 2013-2019

Los resultados del índice de disimilitud (figura 5), presentan un incremento. En 2013 en
educación inicial el índice de Duncan era 0,28 y en primaria 0,27, mientras que en 2019
este valor aumenta a 0,32 en ambos subsistemas. En educación secundaria y técnica existe
un incremento muy leve (de 0,18 a 0,2 en secundaria y de 0,16 a 0,17 en técnica) lo que
indica cierta estabilidad.
0,11
0,09
0,08
0,06
0,05
0,03
0,02
0,00
2013 2014 2015 2016 2017 2018 2019
Figura 6. Índice de raíz cuadrada por subsistema. Años 2013-2019

155
Las tendencias observadas en inicial y primaria se confirman si se calculan los índices de

Raíz Cuadrada y Gorard (figuras 6 y 7). En cambio, para educación media, tanto en
secundaria como en técnica, estos dos índices muestran un comportamiento estable en el
tiempo, que no confirma la tendencia creciente observada con el índice de Duncan. Dado
que la proporción de estudiantes vulnerables es creciente en este nivel, se consideran más
confiables los resultados encontrados con estos dos índices.
0,35
0,30
0,25
0,20
0,15
0,10
2013 2014 2015 2016 2017 2018 2019
Figura 7. Índice de Gorard por subsistema. Años 2013-2019

Los resultados de la evolución del índice de disimilitud considerando la apertura por

regiones, aportan más información para comprender este fenómeno (cuadro A.4 del
anexo). En educación inicial y primaria el incremento mayor de la segregación en estos
años se observa en la capital (0,08 y 0,09 puntos del índice, respectivamente), mientras
que en el interior urbano el incremento es la mitad que en Montevideo (0,04). En el
interior rural existe una disminución de la segregación en inicial (0,01) y un leve aumento
en primaria (0,02).
En educación secundaria el aumento de la segregación nuevamente se encuentra explicado
por el incremento en Montevideo (0,04), seguido por el interior rural (0,02). En el interior
urbano no se observan cambios en los años extremos. En educación técnica, el
comportamiento es distinto a los anteriores, siendo el interior rural el que presenta el
mayor incremento de la segregación (0,09), seguido por Montevideo (0,07) e interior
urbano (0,02).
La descomposición del índice de raíz cuadrada permite analizar qué proporción de la
segregación es explicada por las diferencias entre las regiones y cuánto es resultado de la
segregación al interior de las regiones. En el caso de educación inicial y primaria la
segregación al interior de las regiones explica casi la totalidad de la segregación. A su vez,
el peso de esta segregación (intra región) aumentó en los años de referencia de 98% al 99%
en inicial y de 96% a 99% en primaria. En educación media, el peso de la segregación intra
156
región también es el componente fundamental, aunque en secundaria disminuye

levemente en el período de 93% a 89% y en educación técnica aumenta de 79% a 93% 12.
0,78
0,74
0,70
0,66
0,62
0,58
2013 2014 2015 2016 2017 2018 2019
Figura 8. Índice de aislamiento por subsistema. Años 2013-2019

La evolución del índice de aislamiento (figura 8) muestra que la segregación en educación

técnica se encuentra por encima de los demás subsistemas y es creciente. Si bien la
segregación medida a través de este índice en educación secundaria, al igual que en el resto
de los índices, se encuentra por debajo de los demás subsistemas, presenta el incremento
más grande del período junto con educación técnica. Educación inicial y primaria se
mantienen relativamente constantes.
Al realizar la prueba de robustez con el criterio más estricto de vulnerabilidad, se observa
que el índice de aislamiento es levemente creciente para los niveles inicial y primaria, y el
incremento en educación secundaria es aún más marcado.
Según este índice, en educación inicial el mayor cambio se produce en el interior rural con
una disminución de la segregación de 0,04 puntos del índice, aunque esta caída no se
confirma si se cambia el criterio de vulnerabilidad. En educación primaria, se produce la
misma disminución en el interior rural y un aumento de 0,04 puntos en Montevideo. En
secundaria existe un aumento en todas las regiones, principalmente en el interior rural
(0,05), seguido por el interior urbano (0,04) y Montevideo (0,03). En educación técnica se
destaca el incremento de la segregación en Montevideo de 0,10 puntos, mientras que en
el interior urbano y rural el incremento es menor (0,04 y 0,03, respectivamente).
Estudios previos en América Latina establecen un alto nivel de segregación
socioeconómica y cultural entre centros. En particular, para Uruguay encuentran un alto
nivel de segregación en términos de igualdad, sin ser de los más altos de la región (Krüger,
12 En el cuadro A.5 del anexo se presenta la evolución de la segregación inter e intra región por subsistema,
medida a través de la descomposición del índice de raíz cuadrada.
157
2019; Murillo y Martínez-Garrido, 2017; Vazquez, 2012). En la educación primaria, se ha

identificado que la mayoría de las diferencias socioeconómicas y culturales se presentan
entre escuelas (INEEd, 2019) y que la segregación es más alta para los estudiantes de
nivel socioeconómico alto (Murillo y Graña, 2020). Sin embargo, el presente trabajo, que
a diferencia de los anteriores sólo considera al sector público, encuentra niveles de
segregación moderados en inicial y primaria, y bajos en educación media. En lo que refiere
a la dimensión de exposición en educación media, Kruger (2019) y Murillo y Martínez-
Garrido (2017) encuentran índices de aislamiento menores al 50%, siendo inferiores a los
encontrados en este trabajo. La falta de coincidencia no representa necesariamente una
contradicción, ya que se puede explicar por diferencias metodológicas que no permiten
que los estudios sean directamente comparables. Existen diferencias en la fuente de datos
(datos administrativos frente a pruebas estandarizadas), en la población objeto de estudio
(educación pública frente a sistema educativo), y en la definición del grupo minoritario
(receptores de prestaciones sociales frente al 25% de la población con menor nivel
socioeconómico), que en este estudio termina representando a más del 60% de los alumnos.
De acuerdo a los índices asociados a la dimensión de igualdad, los subsistemas con mayor
segregación son inicial y primaria, mientras que la educación media presenta niveles
menores. Este resultado se cumple a lo largo de todo el período y en cada una de las tres
regiones analizadas. Esta diferencia se puede asociar al efecto de la segregación territorial,
ya que en Uruguay, al existir una gran cantidad de centros de educación inicial y primaria,
cada escuela se asocia a un territorio muy acotado. En el caso de educación media, debido
a que existe una menor oferta de centros, y que los estudiantes tienden a desplazarse más,
ese fenómeno no se da con la misma intensidad, lo que resulta consistente con una menor
segregación.
Al considerar el nivel de segregación por región, también educación inicial y primaria
tienen algo en común: el interior rural presenta la mayor segregación. Este guarismo
podría deberse, por una parte, a que el sistema de reclutamiento en el medio rural es
netamente territorial (es prácticamente imposible elegir otro centro), por lo que es difícil
romper el determinismo de la zona. Por otra parte, en estos dos subsistemas en
Montevideo los índices de segregación son mayores que en el interior urbano. En el caso
de la educación media, no existen diferencias tan importantes entre el interior urbano y el
rural, probablemente debido a que la cantidad de centros rurales es pequeña. Así, se
observa que en el caso de la educación secundaria, la segregación es mayor en Montevideo
que en el interior, mientras que en educación técnica ocurre lo contrario.
Si se considera la dimensión de exposición a través del índice de aislamiento, se aprecian
algunas diferencias. La más notoria es que el subsistema con mayor segregación pasa a ser
educación técnica, lo que resulta consistente con que es el subsistema con mayor
porcentaje de estudiantes que recibe prestaciones sociales. Educación secundaria sigue
mostrando niveles de segregación considerablemente menores que inicial y primaria. El
análisis por regiones arroja resultados similares a los hallados en la dimensión de igualdad,
salvo que en educación secundaria el interior del país muestra una segregación mayor que
Montevideo. Nuevamente la explicación está en que la proporción de estudiantes
vulnerables en este subsistema es mayor fuera de la capital.
Reuniendo los resultados obtenidos en ambas dimensiones, se puede concluir que en
educación inicial y primaria, las escuelas muestran segregación tanto desde la óptica de la
igualdad como de la exposición. En lo que refiere a educación media, educación técnica
158
distribuye de forma relativamente homogénea a sus estudiantes (baja disimilitud), y tiene

una alta probabilidad de que un estudiante se encuentre con otro del mismo nivel
socioeconómico (alto aislamiento). En secundaria, por su parte, tanto la disimilitud como
el aislamiento son bajos, es decir, la distribución de sus estudiantes es relativamente
homogénea.
El análisis temporal permite observar que, además de ser los subsistemas con mayor
segregación, la misma se está incrementando en la educación inicial y primaria,
fundamentalmente en Montevideo. Esto refleja un cambio en la distribución de
estudiantes entre los centros, que se vuelve menos homogénea. Sin embargo, no se
observan cambios en términos de exposición, probablemente porque la proporción de
estudiantes vulnerables se mantiene relativamente constante.
En cambio, en educación secundaria, el nivel de segregación en su dimensión de igualdad
ha presentado una evolución estable, similar a lo encontrado por Murillo y Martínez-
Garrido (2017). Teniendo en cuenta que la proporción de estudiantes vulnerables se
incrementó tanto en secundaria como en educación técnica y que la evolución del índice
de aislamiento presenta un comportamiento creciente, se podría suponer que la asignación
de estos estudiantes a los centros se realizó de manera relativamente homogénea.
La descomposición del índice de raíz cuadrada muestra que la segregación, en todos los
subsistemas, se explica principalmente por diferencias a la interna de las regiones, y no
entre regiones. En inicial y primaria casi el 100% de la segregación es intra regional. En
secundaria, el peso de la segregación a la interna de las regiones disminuye de 93% a 89%.
En educación técnica incrementan su importancia (pasando de 79% a 93%). Esto
resultados muestran que, si en cada región la distribución de estudiantes vulnerables fuera
uniforme entre centros educativos, en el país no existiría segregación causada por
diferente distribución entre regiones.
La fuerte impronta territorial de algunos subsistemas, y el incremento de la cobertura en
educación media técnica, asociada a la incorporación de estudiantes que se encontraban
fuera del sistema aparecen como algunos de los principales hechos a destacar en este
trabajo. Vinculado el primero al sistema de asignación de estudiantes en el que se da
prioridad a la elección de las familias, que habitualmente buscan centros educativos
cercanos al domicilio, y el segundo a la necesidad de lograr que todos los estudiantes en
edad oportuna sean parte del sistema, permiten visualizar posibles ámbitos de acción de
política. Sin embargo, aparece una tensión no resuelta entre mayor cobertura y acceso, y
el incremento de la segregación. Si bien se ha mejorado el acceso, la problemática asociada
a la segregación continúa existiendo y siendo incremental.
Dentro de los subsistemas inicial y primaria, parece razonable la presencia de muchos
centros en el interior rural, por más que esto genere altos niveles de segregación en esta
región. Sin embargo, aun asumiendo este fenómeno, es relevante continuar analizando por
qué en los últimos años la segregación se ha incrementado en Montevideo. A su vez,
dentro de la educación media, sería interesante estudiar por qué la educación técnica
presenta menor segregación en Montevideo que en el interior del país, mientras que la
educación secundaria muestra resultados opuestos. En futuras investigaciones nos
planteamos analizar en profundidad los mecanismos de asignación de estudiantes a los
centros, lo que tal vez posibilite replicar buenas prácticas de un subsistema a otro.
159
La relevancia de este fenómeno, y su estrecho vínculo con la inequidad, hace necesario

continuar desarrollando trabajos en esta línea, que generen evidencia empírica útil para la
implementación de política. Dado que se trata de un fenómeno multidimensional, es
imprescindible abordarlo considerando sus múltiples causas a través de estudios que
permitan continuar generando hipótesis de trabajo. Algunos de los resultados hallados
han permitido identificar que es necesario profundizar en los mecanismos de asignación
de estudiantes a los centros, y del vínculo con la segregación territorial. Asimismo, resulta
importante el análisis de la evolución de la matrícula y de la cantidad de estudiantes
vulnerables en la educación técnica de Uruguay, para entender mejor si provienen desde
fuera del sistema o si se trasladan desde la enseñanza secundaria. Para esto, será necesario
realizar un estudio de panel de los estudiantes, que incluya los centros educativos privados
y otros datos de quienes no asistan al sistema educativo.
Agradecimiento
Agradecemos al INEEd por permitirnos presentar este trabajo y al Mag. Federico
Rodríguez por su atenta lectura y contribuciones.
Referencias
Allen, R. y Vignoles, A. (2007). What should an index of school segregation measure? Oxford
Review of Education, 33(5), 643-668. https://doi.org/10.1080/03054980701366306
Bellei, C. (2013). El estudio de la segregación socioeconómica y académica de la educación chilena.
Estudios Pedagógicos, 39(1), 325-345.
Blanco Bosco, E. (2009). La desigualdad de resultados educativos: Aportes a la teoría desde la
investigación sobre eficacia escolar. Revista Mexicana de Investigación Educativa, 14(43),
1019-1049.
Bracco, C. (2019). Efectos vecindario en el desempeño educativo: Evidencia desde un enfoque espacial.
Programa de Maestría en Economía de la Facultad de Ciencias Económicas.
Centro de Estudios MINEDUC. (2012). Medidas de segregación escolar: discusión para el caso
chileno. Serie Evidencias, 12, 1-9.
Córdoba Calquin, C., Farris, M. y Patuelli, K. R. (2017). Discussing school socioeconomic
segregation in territorial terms: The differentiated influence of urban fragmentation and
daily mobility. Investigaciones Geograficas, 2017(92), 34-50.
https://doi.org/10.14350/rig.54766
Duarte, J., Bos, M. S. y Moreno, M. (2009). Inequidad en los aprendizajes escolares en América Latina
Análisis multinivel del SERCE según la condición socioeconómica de los estudiantes. BID.
Duncan, O. D. y Duncan, B. (1955). A methodological analysis of segregation indexes. American
Sociological Review, 20(2), 210-238. https://doi.org/10.2307/2088328
Fernández, T. y Cardozo, S. (2011). Tipos de desigualdad educativa, regímenes de bienestar e
instituciones en América Latina: Un abordaje con base en PISA 2009. Páginas de Educación,
4(1), 33-55. https://doi.org/10.22235/pe.v4i1.631
Guadalupe, C. (2015). Contar para que cuente: Una introducción general a los sistemas de información
educativa. Universidad del Pacífico.
160
Gutiérrez, G., Jerrim, J. y Torres, R. (2020). School segregation across the world: Has any progress
been made in reducing the separation of the rich from the poor? The Journal of Economic
Inequality, 18(2), 157-179. https://doi.org/10.1007/s10888-019-09437-3
London’s secondary schools, 2003-08/09. Environment and Planning A, 44(3), 669-687.
https://doi.org/10.1016/S0165-4896(00)00070-6
https://doi.org/10.1111/j.1468-2354.2004.00136.x
INEEd. (2014). Informe sobre el estado de la educación en Uruguay 2014. INEEd.
INEEd. (2019). Informe sobre el estado de la educación en Uruguay 2017-2018. INEEd.
Jenkins, S. P., Micklewright, J. y Schnepf, S. V. (2008). Social segregation in secondary schools:
How does England compare with other countries? Oxford Review of Education, 34(1), 21-37.
https://doi.org/10.1080/03054980701542039
Kaztman, R. (2001). Seducidos y abandonados: El aislamiento social de los pobres urbanos. Revista
de la CEPAL, 75, 171-189. https://doi.org/10.18356/16a0b21c-es
Kaztman, R. y Retamoso, A. (2006). Segregación residencial en Montevideo: Desafíos para la equidad
educativa. CEPAL.
Krüger, N. (2011). The segmentation of the argentine education system: Evidence from PISA 2009.
Regional and Sectoral Economic Studies, 11(3), 41-64.
Krüger, N. (2012). La segmentación educativa argentina: Reflexiones desde una perspectiva micro
y macro social. Páginas de Educación, 5(1), 137-156. https://doi.org/10.22235/pe.v5i1.605
Krüger, N. (2014). Más allá del acceso: Segregación social e inequidad en el sistema educativo
argentino. Cuadernos de Economia, 33(63), 513-542.
https://doi.org/10.15446/cuad.econ.v33n63.45344
Krüger, N. (2019). Socioeconomic school segregation as a dimension of educational exclusion:
Fifteen years of evolution in Latin America. Education Policy Analysis Archives, 27, 35-77.
Leckie, G., Pillinger, R., Jones, K. y Goldstein, H. (2012). Multilevel modeling of social segregation.
Journal of Educational and Behavioral Statistics, 37(1), 43-67.
https://doi.org/10.3102/1076998610394367
Marchesi, A., Tedesco, J. C. y Coll, C. (2009). Calidad, equidad y reformas en la enseñanza. OEI.
Massey, D. S. y Denton, N. A. (1988). The dimensions of residential segregation. Social Forces,
67(2), 281-315. https://doi.org/10.1093/sf/67.2.281
Morduchowicz, A. (2000). La equidad del gasto educativo: Viejas desigualdades, diferentes
perspectivas. Revista Iberoamericana de Educación, 23, 165-186.
https://rieoei.org/historico/documentos/rie23a05.htm
161
Murillo, F. J. y Graña, R. (2020). Una panorámica de la segregación escolar por nivel

socioeconómico en Uruguay. Cuadernos de Investigación Educativa, 11(1), 15-35.
https://doi.org/10.18861/cied.2020.11.1.2941
en América Latina. Magis, 9(19), 11-30. https://doi.org/10.11144/Javeriana.m9-19.emse
OECD. (2013). PISA 2012. Ready to learn. Students’ engagement, drive and self-beliefs. OECD
Publishing.
Palardy, G. J. (2013). High school socioeconomic segregation and student attainment. American
Educational Research Journal, 50(4), 714-754. https://doi.org/10.3102/0002831213481240
Rossetti, M. (2014). La segregación escolar como un elemento clave en la reproducción de la desigualdad.
CEPAL
Treviño, E., Salazar, F. y Donoso, F. (2011). ¿Segregar o incluir?: esa no debería ser una pregunta
en educación. Docencia, 45(45), 34-47.
Treviño, E., Valenzuela, J. P. y Villalobos, C. (2014). ¿Se agrupa o segrega al interior de los
establecimientos escolares chilenos? Nota técnica. CIAE.
Treviño, E., Valenzuela, J., y Villalobos, C. (2015). Segregación académica y socioeconómica al
interior de la escuela en Chile. Estudios de Política Educativa, 1, 67-111.
Treviño, E., Fraser, P., Meyer, A., Morawietz, L., Inostroza, P. y Naranjo, E. (2015). Informe de
resultados TERCE Factores Asociados. UNESCO Publishing.
Treviño, E., Valdés, H., Castro, M., Costilla, R., Pardo, C. y Donoso, F. (2010). Factores asociados al
logro cognitivo de los estudiantes de América Larina y el Caribe. OREALC/UNESCO.
https://doi.org/10.1017/CBO9781107415324.004
Vazquez, E. (2012). Segregación escolar por nivel socioeconómico. CEDLAS.
162
Anexo
Cuadro A.1. Cantidad de centros, estudiantes y porcentaje de estudiantes vulnerables por
subsistema. Años 2013 a 2019
CENTROS ESTUDIANTES % VULNERABLES
Inicial
2013 1917 79109 67,9
2014 1922 82417 67,5
2015 1894 83867 67,2
2016 1879 86203 67,7
2017 1885 87256 67,4
2018 1870 89449 66,9
2019 1867 90890 65,9
Primaria
2013 2130 267158 66,7
2014 2132 262367 66,2
2015 2119 257648 66,6
2016 2094 253483 67,3
2017 2079 249783 67,5
2018 2067 248094 66,7
2019 2049 248273 66,7
Secundaria
2013 330 123132 56,7
2014 334 123179 59,2
2015 268 122536 59,7
2016 284 124815 60,1
2017 278 125444 60,5
2018 269 117964 59,9
2019 268 114691 60,4
Técnica
2013 131 28997 70,7
2014 152 30129 69,1
2015 200 31431 70,4
2016 183 31239 71,5
2017 217 36125 73,7
2018 239 36194 73,7
2019 233 37363 75,1
Fuente: Elaboración propia a partir de datos del SIIAS
163
Cuadro A.2. Cantidad de centros, estudiantes y porcentaje de estudiantes vulnerables por subsistema y región. Años 2013 a 2019
MONTEVIDEO INTERIOR URBANO INTERIOR RURAL
Centros Estudiantes % vulnerables Centros Estudiantes % vulnerables Centros Estudiantes % vulnerables
Inicial
2013 251 23510 66,1 2013 747 51671 68,1 2013 919 3928 77,6
2014 254 25504 66,5 2014 751 52981 67,5 2014 917 3932 75,1
2015 247 25942 66,5 2015 745 54018 67,1 2015 902 3907 73,5
2016 244 26590 66,0 2016 742 55708 68,0 2016 893 3905 74,5
2017 243 26797 65,5 2017 742 56492 67,8 2017 900 3967 74,4
2018 242 27409 64,9 2018 741 57975 67,4 2018 887 4065 71,8
2019 240 27619 63,4 2019 737 59062 66,6 2019 890 4209 71,9
Primaria
2013 278 82985 63,3 2013 750 168908 67,4 2013 1,102 15265 76,7
2014 279 81724 63,4 2014 751 165781 66,7 2014 1,102 14862 75,4
2015 279 80615 64,4 2015 747 162716 67,0 2015 1,093 14317 74,4
2016 275 79734 64,8 2016 744 159976 67,9 2016 1,075 13773 74,6
2017 273 79199 65,4 2017 743 157423 68,0 2017 1,063 13161 73,8
2018 269 79242 64,9 2018 741 156169 67,1 2018 1,057 12683 72,3
2019 268 79626 64,9 2019 741 156330 67,3 2019 1,040 12317 71,3
Secundaria
2013 76 36914 53,9 2013 230 83503 57,4 2013 24 2715 73,6
2014 74 38572 55,3 2014 236 81998 60,4 2014 24 2609 77,7
2015 58 37946 55,7 2015 186 81851 61,0 2015 24 2739 78,4
2016 70 38337 55,7 2016 190 83649 61,5 2016 24 2829 78,9
2017 67 39502 56,2 2017 187 83149 61,9 2017 24 2793 78,6
2018 60 35764 55,5 2018 185 79582 61,2 2018 24 2618 78,0
2019 60 34357 55,6 2019 184 77851 62,0 2019 24 2483 78,5
Técnica
2013 19 5180 62,1 2013 98 22664 72,5 2013 14 1153 72,9
164
2014 24 5580 61,1 2014 111 23260 71,0 2014 17 1289 70,1
2015 31 6374 63,6 2015 151 23642 72,2 2015 18 1415 69,4
2016 30 6416 63,6 2016 135 23328 73,7 2016 18 1495 71,8
2017 39 7980 68,3 2017 159 26394 75,3 2017 19 1751 73,6
2018 53 9070 69,1 2018 165 25203 75,3 2018 21 1921 74,2
2019 53 10448 71,3 2019 161 25038 76,7 2019 19 1877 74,9
Fuente: Elaboración propia a partir de datos del SIIAS
Cuadro A.3. Índices de segregación por subsistema, total país. Años 2013 a 2019
DISIMILITUD RAÍZ CUADRADA GORARD AISLAMIENTO
Inicial
2013 0.27 0.07 0.09 0.71
2014 0.28 0.07 0.09 0.71
2015 0.30 0.08 0.10 0.71
2016 0.30 0.08 0.10 0.72
2017 0.31 0.08 0.10 0.72
2018 0.31 0.09 0.10 0.71
2019 0.32 0.09 0.11 0.71
Primaria
2013 0.26 0.06 0.09 0.70
2014 0.27 0.06 0.09 0.70
2015 0.28 0.07 0.09 0.70
2016 0.29 0.07 0.10 0.71
2017 0.30 0.08 0.10 0.71
2018 0.30 0.08 0.10 0.71
2019 0.32 0.08 0.11 0.71
Secundaria
2013 0.18 0.03 0.08 0.59
2014 0.19 0.03 0.08 0.61
165
2015 0.18 0.03 0.07 0.62

2016 0.18 0.03 0.07 0.62
2017 0.18 0.03 0.07 0.63
2018 0.18 0.03 0.07 0.62
2019 0.20 0.03 0.08 0.63
Técnica
2013 0.16 0.02 0.05 0.72
2014 0.16 0.02 0.05 0.70
2015 0.17 0.02 0.05 0.72
2016 0.18 0.03 0.05 0.73
2017 0.17 0.03 0.05 0.75
2018 0.16 0.02 0.04 0.75
2019 0.17 0.03 0.04 0.76
Cuadro A.4. Índices de segregación por subsistema y región. Años 2013 a 2019
MONTEVIDEO INTERIOR URBANO INTERIOR RURAL
Raíz Raíz Raíz
Disimilitud Gorard Aislamiento Disimilitud Gorard Aislamiento Disimilitud Gorard Aislamiento
Cuadrada Cuadrada Cuadrada
Inicial
2013 0,285 0,069 0,10 0,70 2013 0,258 0,054 0,08 0,71 2013 0,470 0,285 0,11 0,83
2014 0,292 0,070 0,10 0,71 2014 0,263 0,055 0,09 0,70 2014 0,475 0,278 0,12 0,82
2015 0,319 0,085 0,11 0,72 2015 0,282 0,065 0,09 0,71 2015 0,460 0,270 0,12 0,81
2016 0,335 0,094 0,11 0,72 2016 0,279 0,064 0,09 0,71 2016 0,479 0,290 0,12 0,82
2017 0,342 0,097 0,12 0,71 2017 0,284 0,065 0,09 0,71 2017 0,471 0,276 0,12 0,81
2018 0,354 0,101 0,12 0,71 2018 0,286 0,065 0,09 0,71 2018 0,486 0,288 0,14 0,80
2019 0,366 0,106 0,13 0,70 2019 0,293 0,068 0,10 0,70 2019 0,455 0,260 0,13 0,79
166
Primaria
2013 0,274 0,062 0,10 0,67 2013 0,251 0,049 0,08 0,70 2013 0,337 0,130 0,08 0,80
2014 0,288 0,066 0,11 0,68 2014 0,253 0,050 0,08 0,70 2014 0,339 0,130 0,08 0,79
2015 0,311 0,077 0,11 0,69 2015 0,264 0,055 0,09 0,70 2015 0,339 0,130 0,09 0,78
2016 0,323 0,083 0,11 0,70 2016 0,274 0,057 0,09 0,71 2016 0,352 0,139 0,09 0,78
2017 0,339 0,092 0,12 0,71 2017 0,281 0,060 0,09 0,71 2017 0,357 0,142 0,09 0,78
2018 0,344 0,095 0,12 0,71 2018 0,279 0,060 0,09 0,70 2018 0,359 0,145 0,10 0,77
2019 0,366 0,105 0,13 0,71 2019 0,291 0,065 0,10 0,71 2019 0,357 0,140 0,10 0,76
Secundaria
2013 0,187 0,029 0,09 0,56 2013 0,174 0,024 0,07 0,59 2013 0,149 0,016 0,04 0,74
2014 0,192 0,030 0,09 0,58 2014 0,176 0,025 0,07 0,62 2014 0,156 0,021 0,03 0,78
2015 0,194 0,028 0,09 0,58 2015 0,157 0,021 0,06 0,62 2015 0,194 0,031 0,04 0,79
2016 0,204 0,033 0,09 0,58 2016 0,158 0,021 0,06 0,63 2016 0,220 0,038 0,05 0,80
2017 0,204 0,034 0,09 0,59 2017 0,160 0,022 0,06 0,63 2017 0,213 0,035 0,05 0,80
2018 0,218 0,038 0,10 0,59 2018 0,159 0,022 0,06 0,63 2018 0,164 0,026 0,04 0,79
2019 0,230 0,043 0,10 0,59 2019 0,171 0,025 0,07 0,64 2019 0,169 0,026 0,04 0,79
Técnica
2013 0,086 0,008 0,03 0,63 2013 0,147 0,019 0,04 0,73 2013 0,127 0,012 0,03 0,73
2014 0,104 0,012 0,04 0,62 2014 0,143 0,018 0,04 0,72 2014 0,131 0,014 0,04 0,71
2015 0,102 0,011 0,04 0,64 2015 0,162 0,025 0,04 0,73 2015 0,159 0,022 0,05 0,71
2016 0,103 0,014 0,04 0,65 2016 0,166 0,023 0,04 0,75 2016 0,145 0,015 0,04 0,72
2017 0,111 0,017 0,04 0,69 2017 0,173 0,025 0,04 0,76 2017 0,169 0,019 0,04 0,74
2018 0,125 0,019 0,04 0,70 2018 0,168 0,023 0,04 0,76 2018 0,199 0,030 0,05 0,75
2019 0,152 0,023 0,04 0,72 2019 0,171 0,026 0,04 0,78 2019 0,216 0,035 0,05 0,76
167
Cuadro A.5. Descomposición de raíz cuadrada entre región, por subsistema. Años 2013-
2019
DENTRO ENTRE
Inicial
2013 99,93 0,07
2014 99,73 0,27
2015 99,66 0,34
2016 99,82 0,18
2017 99,93 0,07
2018 99,96 0,04
2019 99,99 0,01
Primaria
2013 99,83 0,17
2014 99,94 0,06
2015 100,00 0,00
2016 99,98 0,02
2017 99,99 0,01
2018 99,99 0,01
2019 99,97 0,03
Secundaria
2013 95,82 4,18
2014 94,63 5,37
2015 92,79 7,21
2016 92,64 7,36
2017 93,88 6,12
2018 93,88 6,12
2019 93,91 6,09
Técnica
2013 81,39 18,61
2014 83,09 16,91
2015 89,03 10,97
2016 84,83 15,17
2017 89,40 10,60
2018 91,97 8,03
2019 94,49 5,51
Breve CV de las autoras

Fiorella Ferrando
Candidata a Magister en Sociología, por la Universidad de la República (UdelaR),
Uruguay; Licenciada en Sociología, Facultad de Ciencias Sociales, UdelaR. Actualmente
investigadora del Instituto Nacional de Evaluación Educativa de Uruguay, en donde
trabaja en estudios relacionados a tres líneas de investigación: indicadores educativos, los
docentes en Uruguay y segregación educativa. Anteriormente trabajó como ayudante de
investigación en la Facultad de Ciencias Sociales de la UdelaR. ORCID ID:
https://orcid.org/0000-0001-9494-9564. Email: fferrando@ineed.edu.uy
168
Melissa Hernández-Almeida
Candidata a Doctora en Ciencias Sociales con opción en Historia Económica, Facultad de
Ciencias Sociales (FCS), Universidad de la República (UdelaR), Uruguay; Magíster en
Historia Económica, FCS, UdelaR; Lic. en Economía, Facultad de Ciencias Económicas y
Administración, UdelaR. Actualmente investigadora del Instituto Nacional de Evaluación
Educativa, integrante del equipo de Financiamiento y gasto en educación; Docente de
FCS, UdelaR; Becaria de la Agencia Nacional de Investigación e Innovación.
Anteriormente trabajó en proyectos de investigación: en la Facultad de Ciencias Sociales
y en convenio con la Cámara de Industrias del Uruguay; y como investigadora en el
Instituto de Economía, UdelaR, en los grupos de Historia Económica y de Instituciones
Organizaciones y Participación. ORCID ID: https://orcid.org/0000-0001-7344-5869.
Email: mhernandez@ineed.edu.uy
Cecilia Oreiro
Magíster en Economía, Facultad de Economía y Negocios, Universidad de Chile;
Licenciada en Economía, Facultad de Ciencias Económicas y Administración, Universidad
de la República. Actualmente investigadora del Instituto Nacional de Evaluación
Educativa de Uruguay, integrante del equipo de Financiamiento y gasto en educación.
Anteriormente trabajó como investigadora en el Instituto de Economía, UdelaR, en el
área de coyuntura económica, y en la Oficina de Planeamiento y Presupuesto, en el área
de evaluación de políticas sociales. ORCID ID: https://orcid.org/0000-0001-8897-8692.
Email: coreiro@ineed.edu.uy
María-Noé Seijas
Candidata a Magíster en Educación, por la Universidad Nacional de Quilmes, Argentina;
Licenciada en Economía, Facultad de Ciencias Económicas y Administración, Universidad
de la República, Uruguay. Actualmente investigadora del Instituto Nacional de
Evaluación Educativa de Uruguay. Anteriormente en la Facultad de Ciencias Económicas
y Administración de la Universidad de la República se desempeñó como docente de
Estadística y Econometría, y en el Ministerio de Desarrollo Social desarrolló tareas de
evaluación y monitoreo de programas socio-educativos. ORCID ID:
https://orcid.org/0000-0003-2130-7151. Email: mseijas@ineed.edu.uy
Joana Urraburu
Economista y Magister en Economía Internacional por la Universidad de la República
(Uruguay). Experiencia en el procesamiento de información para la elaboración de
herramientas e informes para la toma de decisiones de política pública. Actualmente
investigadora en el INEEd, participa en la elaboración de informes de investigación sobre
educación y el mantenimiento de un sistema de indicadores educativos. Anteriormente en
la Oficina de Planeamiento y Presupesto, principalmente en el desarrollo de
microsimulaciones para la evaluación de impuestos y transferencias. ORCID ID:
https://orcid.org/0000-0003-0442-3679. Email: jurraburu@ineed.edu.uy
169
Efectos Compañero en Contextos Escolares Altamente

Segregados
Peer Effects in Highly Segregated School Contexts
Natalia Krüger *
IIESS, Departamento de Economía, Universidad Nacional del Sur - CONICET, Argentina
Los sistemas educativos latinoamericanos se posicionan entre los más segregados del
mundo: los grupos de estudiantes provenientes de distinto contexto social se
distribuyen de forma desigual entre sus escuelas, con escasa interacción entre sí.
Empleando datos de PISA 2018, el trabajo evalúa la existencia de efectos compañero
sobre el desarrollo de competencias en las áreas de Lectura, Matemática y Ciencia y
sobre la expectativa ocupacional de los alumnos de 15 años de edad en la región. Para
ello, se estiman modelos de regresión multinivel multivariados. Se constata la
presencia de efectos significativos de la composición socioeconómica escolar sobre
dichos resultados, lo cual permite afirmar que la situación de segregación tiende a
reforzar la inequidad educativa y social. Esto es así porque los alumnos de origen
social más desfavorecido suelen asistir a escuelas cuyo alumnado se encuentra en
similares condiciones, potenciando su desventaja inicial. Lo contrario ocurre para
aquellos de mayor nivel socioeconómico. La evidencia aportada se encuentra en línea
con los antecedentes disponibles para América Latina, contribuyendo a visibilizar el
fenómeno de la segregación social escolar como un problema central de sus sistemas
educativos. Se insta a las autoridades y a toda la comunidad educativa a pensar y
consensuar estrategias para mitigarlo.
Descriptores: Efectos composicionales; Segregación escolar; Desigualdad de
oportunidades; Escuela secundaria; América Latina.
Latin American education systems are among the most segregated in the world:
since the distribution of students from different social backgrounds across schools is
uneven, they scarcely interact with each other. Drawing on PISA 2018 data, this
study evaluates the existence of peer effects on the development of Reading,
Mathematics and Science competences and on the occupational expectation of 15-
year-old students in the region. To this end, it presents the estimation of multivariate
multilevel regression models. Results confirm the presence of school socioeconomic
composition effects on these outcomes, which allows the conclusion that the situation
of segregation tends to reinforce educational and social inequality. The reason is that
students from a vulnerable background are likely to attend schools with a similar
socioeconomic intake, strengthening their initial disadvantage. The opposite occurs
for students from a more favorable social origin. Findings are in line with previous
research in Latin America, highlighting the phenomenon of socioeconomic school
segregation as a central problem in these education systems. School system
authorities and the entire educational community are urged to develop and agree on
strategies to mitigate it.
Keywords: Composition effects; School segregation; Inequality of opportunities;
Secondary education; Latin America.
*Contacto: natalia.kruger@uns.edu.ar Recibido: 25 de marzo 2020

N. Krüger
1. Introducción
La gran desigualdad social y económica que caracteriza a las sociedades latinoamericanas
(Alvaredo y Gasparini, 2015) se ve reflejada en sus sistemas educativos, los cuales se
ubican entre los más segregados por nivel socioeconómico. Distintos estudios aportan
evidencia que indica que, si bien la intensidad y la evolución del fenómeno difieren entre
los países de la región, en general los niveles de segregación social escolar son altos, y
superan a los de otras regiones con diverso grado de desarrollo (Arcidiácono et al., 2014;
Krüger, 2019; Murillo, 2016; Murillo, Duk y Martínez-Garrido, 2018; Vázquez, 2016).
Los últimos datos del Programa para la Evaluación Internacional de Alumnos (PISA, por
sus siglas en inglés), del año 2018, confirman la vigencia de este diagnóstico: las escuelas
latinoamericanas presentan los mayores niveles de aislamiento social y la más baja
diversidad entre los países participantes del estudio (OCDE, 2019b).
La segregación escolar tiene efectos esperados negativos, tanto sobre la riqueza de la
experiencia educativa como sobre la cohesión social a futuro, los cuales por sí mismos
justificarían una preocupación por el problema. A esto se suma un potencial impacto sobre
la equidad educativa: en OCDE (2019b), se observa que los países que presentan mayores
niveles de segregación escolar, entre ellos los latinoamericanos, también registran una
asociación más fuerte entre el estatus socioeconómico y el desempeño. El alumnado de la
región logra en general peores y más desiguales resultados que el de la OCDE, con altos
niveles de variación entre las escuelas.
Los canales mediante los cuales la segregación escolar puede reforzar la desigualdad de
logros educativos son diversos, y se vinculan con la manera en que la composición
socioeconómica incide en el desempeño individual. En forma directa, puede actuar el
denominado “efecto compañero” o “efecto de pares” (Rumberger y Palardy, 2005;
Schindler Rangvid, 2007; Van Ewijk y Sleegers, 2010), el cual hace referencia a la
influencia que la interacción con los compañeros puede tener en la conducta, las actitudes
y la motivación de cada alumno, al contribuir a generar un contexto más o menos propicio
para el trabajo escolar. En forma indirecta, el perfil socioeconómico del alumnado puede
impactar mediante su asociación con otros factores escolares. Las características de la
población estudiantil suelen vincularse con la forma de trabajo y las expectativas de los
docentes, con el currículum, con la cantidad y calidad de los recursos materiales, con el
nivel de participación de los padres, con el estilo de gestión, entre otros (Bellei, 2013;
Palardy, 2013; Schindler Rangvid, 2007; Willms, 2006).
Entonces, directa o indirectamente, la existencia de efectos composicionales significativos
en un sistema educativo altamente segregado redundará en una profundización de las
desventajas para los jóvenes más vulnerables y de las ventajas para quienes provienen de
un contexto favorecido (Bonal y Bellei, 2018; Dupriez y Dumay, 2006; Mickelson, 2018).
Es decir, el impacto del origen social de los alumnos se verá potenciado por la muy
probable asistencia a una escuela con un perfil socioeconómico homogéneo y similar al
propio.
El objetivo general del presente artículo es proveer evidencia actualizada para América
Latina acerca de la existencia de efectos significativos de la composición socioeconómica
de las escuelas en los resultados educativos. Ahora bien, dichos resultados son múltiples
y de muy variada índole: en la escuela no sólo se adquieren conocimientos y aptitudes en
las distintas áreas de enseñanza sino que también se desarrollan actitudes, valores, hábitos
172
y expectativas (Bloom, 1956; Delors, 1996; Dreeben, 1968; Krathwohl et al., 1964). Los
primeros, pueden denominarse resultados “cognitivos”, mientras que los últimos
corresponderían a los “no-cognitivos” (Brunello y Schlotter, 2011).
Los atributos no-cognitivos son el foco de un creciente interés en la literatura, y distintos
estudios abogan por su papel clave en el desarrollo de trayectorias educativas y laborales
exitosas, así como en la incorporación activa y responsable en la vida social (Brunello y
Schlotter, 2011; Durlak et al., 2011; Heckman y Rubinstein, 2001; Heckman, Stixrud y
Urzua, 2006; Holmlund y Silva, 2009; Levin, 2012). De hecho, se ha hallado que las
características psicológicas de la personalidad inciden en los aprendizajes y los resultados
de los exámenes, por lo cual resulta complejo separar los distintos tipos de competencias
(Borghans, Meijers y Ter Weel, 2008; Borghans et al., 2011; Duckworth et al., 2011).
Asimismo, se ha sostenido que, lejos de ser aspectos inmutables de la personalidad, las
habilidades blandas podrían ser maleables y susceptibles de ser afectadas por el contexto
familiar y escolar (Formichella y Krüger, 2017; Heckman, Stixrud y Urzua, 2006;
Heckman et al., 2010).
Así, resulta de interés analizar no sólo la influencia de la composición socioeconómica
escolar sobre los tradicionales logros cognitivos, sino también su efecto sobre los no-
cognitivos. Como explican Borghans y otros (2011), estos últimos son difíciles de medir y
en la literatura puede encontrarse un amplio abanico de ejemplos, como las auto-
percepciones, la motivación, la perseverancia, las competencias sociales, la autonomía y
las expectativas sobre el futuro (Brunello y Schlotter, 2011; Heckman y Rubinstein, 2001;
Kautz et al., 2014; Morrison y Schoon, 2013). En particular, el presente estudio se focaliza
en la expectativa de los alumnos acerca de su estatus ocupacional en el futuro. La misma
puede retroalimentarse con el rendimiento escolar, el compromiso y la motivación y, como
se sostiene en OCDE (2019b), puede ser muy relevante en la perpetuación de las
desigualdades existentes en el mercado laboral. Las expectativas ocupacionales son
probablemente un reflejo de lo que los alumnos observan en su entorno cercano y, si bien
se asocian al contexto socioeconómico familiar 1, este factor puede ser mediado por el
contexto escolar.
Específicamente, entonces, el presente estudio analiza la significatividad de los efectos
composicionales sobre distintos resultados cognitivos –el rendimiento en las áreas de
Lectura, Ciencias y Matemática– y un resultado no-cognitivo –la expectativa ocupacional–
de los alumnos latinoamericanos de nivel medio.
Se emplean para ello los datos de la ronda 2018 de PISA –en la que participaron Argentina,
Brasil, Chile, Colombia, Costa Rica, México, Panamá, Perú, República Dominicana y
Uruguay– y se estiman modelos de regresión multinivel multivariados.
Existe una vasta literatura internacional que ha indagado en las influencias de la
composición escolar sobre los resultados educativos. Teóricamente, se han aportado
1 En la tabla II.B1.6.1 de OCDE (2019b), pueden observarse amplias diferencias en la jerarquía
ocupacional esperada entre los alumnos pertenecientes al primer y último cuartil de estatus
socioeconómico.
173
N. Krüger
diversas explicaciones para la existencia de dichos efectos, los cuales pueden canalizarse a
través del ambiente de aprendizaje o de la interacción entre pares. El contexto escolar es
propicio para la internalización de normas y valores educativos que influyen en los
comportamientos, expectativas y logros individuales. Asistir a una institución cuyo
alumnado proviene de un origen social favorecido, con un mayor clima educativo en el
hogar, podría contribuir a transmitir hábitos de estudio o modelos que promuevan las
aspiraciones educativas, o incluso afectar las percepciones y prácticas de los docentes. La
cultura escolar, la presión del entorno y los padres, la fijación de estándares de
rendimiento, la competencia, la cooperación o el tutelaje entre pares, la calidad de los
intercambios en clase, la disciplina o el clima escolar, representan potenciales vías a través
de los cuales opera el efecto composicional (Lugo, 2011; Palardy, 2013; Schindler Rangvid,
2007; Van Ewijk y Sleegers, 2010).
Empíricamente, si bien la existencia de efectos compañero positivos ha sido en algunos
casos cuestionada, la mayor parte de la evidencia parece actualmente sostenerla
(Mickelson, 2018; OCDE, 2019b; Van Ewijk y Sleegers, 2010). No sólo se ha hallado un
efecto de las características de la población estudiantil sobre los logros cognitivos, sino
que también se han encontrado impactos sobre otros resultados académicos y no
académicos de corto y largo plazo –como el disfrutar de la escuela, el compromiso con el
trabajo escolar, la terminalidad en distintos niveles, las relaciones entre grupos sociales,
las aspiraciones ocupacionales, las condiciones laborales, los ingresos o la probabilidad de
cometer crímenes– (Ackert, 2017; Mickelson, 2018).
En América Latina, los estudios empíricos vinculados con la segregación escolar y sus
potenciales consecuencias son más recientes y escasos, pero aun así existen antecedentes
que apuntan en la misma dirección: los niveles importantes de segregación escolar en la
región y la presencia de efectos composicionales significativos se conjugan para
profundizar la desigualdad de resultados educativos, tanto en el nivel primario como en el
secundario.
Algunos de dichos estudios se han enfocado específicamente en analizar los efectos
composicionales sobre la adquisición de conocimientos y competencias cognitivas,
mientras que otros han incluido al nivel socioeconómico escolar como variable de control
en análisis más generales. Entre los trabajos que abarcan varios países latinoamericanos,
cabe mencionar a Cervini (2012); Cervini, Dari y Quiroz (2016), Delprato, Köseleci y
Antequera (2015), Duarte, Bos y Moreno (2009), Treviño y otros (2010), y Willms y
Somers (2001). Con base en datos de pruebas internacionales estandarizadas como el
Primer Estudio Internacional Comparativo (PEIC), el Segundo/Tercer Estudio Regional
Comparativo y Explicativo (SERCE/TERCE) o PISA, en general estiman modelos
multinivel, hallando un efecto significativo y positivo de la composición socioeconómica
escolar. Vale destacar en este caso el trabajo de Delprato, Köseleci y Antequera (2015),
por ser el antecedente más cercano al presente estudio. Utilizando datos de PISA 2000 y
2012 para seis países latinoamericanos (Argentina, Brasil, Chile, México, Perú y Uruguay)
estiman, mediante modelos multinivel, la probabilidad de alcanzar y/o superar el nivel 1
en las tres pruebas aplicadas. Encuentran que dicho resultado presenta una alta
variabilidad entre escuelas en cada país, y que más de un tercio de dicha variabilidad podría
explicarse por el perfil socioeconómico diferencial de los establecimientos.
Por otro lado, hay artículos que ofrecen evidencia de efectos composicionales significativos
para países individuales, como: Cervini (2003), Krüger (2018) y Marchionni, Pinto y
174
Vazquez (2013) para Argentina; Bartholo y Da Costa (2015) y Firpo, Jales y Pinto (2015)
para Brasil; McEwan (2003) para Chile; Hernández Padilla y Bazán Ramírez (2016) para
México, o Benavides, León y Etesse (2014) para Perú.
Con respecto a la existencia de efectos compañero sobre resultados de tipo no-cognitivo,
no se hallan estudios que aborden específicamente el tema en la región. Sí pueden
mencionarse algunos trabajos que analizan en forma general los determinantes de otros
resultados académicos y no académicos. Un estudio pionero en este sentido fue el de
Cervini (2003), con datos de alumnos que se encontraban en 1998 finalizando el nivel
secundario en Argentina. El autor analiza los efectos del tipo de administración escolar
sobre el desempeño en Matemática y Lengua y logros no-cognitivos como las actitudes
hacia las Matemáticas, la aspiración educativa y la expectativa de éxito futuro. Halla que,
dada la segmentación institucional existente, al controlar por la composición
socioeconómica escolar disminuye o incluso desaparece la diferencia a favor del sector
privado en los distintos resultados. Krüger y Formichella (2019), por su parte, emplean
datos de PISA 2012 para Argentina y estiman un modelo de ecuaciones estructurales para
analizar si las competencias no-cognitivas pueden actuar como mediadoras entre los
factores explicativos tradicionales y los logros cognitivos. Encuentran que la composición
social escolar incide tanto directamente en el rendimiento académico como indirectamente
a través del compromiso con la escuela. En cambio, en un trabajo anterior y utilizando los
mismos datos (Formichella y Krüger, 2017), estiman simultáneamente los determinantes
de la nota en Matemáticas y de un resultado no-cognitivo, la apertura a la resolución de
problemas, hallando efectos compañero significativos sólo para la primera variable.
En suma, los antecedentes disponibles permiten hipotetizar que existe un efecto
significativo y positivo de la composición socioeconómica escolar en los distintos tipos de
logros educativos en los países latinoamericanos. Sin embargo, la literatura que aborda
esta temática aún es escasa en la región, y vale la pena aportar evidencia adicional para
contrastar dicha hipótesis. Como se especificará más adelante, este estudio se diferencia
de los previos al incluir información más actualizada y para una mayor cantidad de países
latinoamericanos; y al analizar simultáneamente el efecto composicional sobre distintas
competencias cognitivas y no-cognitivas.
3. Método
3.1 Datos
Se emplea la ronda 2018 de PISA, el estudio mundial implementado por la Organización
para la Cooperación y el Desarrollo Económicos (OCDE), al cual se han ido incorporando
progresivamente los países latinoamericanos. La población objetivo de PISA es aquella
que tiene entre 15 años y 3 meses y 16 años y 2 meses al momento de la prueba, y que se
encuentra escolarizada cursando al menos el séptimo año. Las muestras del estudio son,
en cada país, representativas para este sub-conjunto de los jóvenes. Las mismas surgen de
un proceso en dos etapas en el que se selecciona en primer lugar un conjunto de al menos
150 escuelas en forma estratificada; luego, en cada una de ellas se selecciona al azar una
muestra de aproximadamente 42 alumnos 2. El tamaño muestral para los países
2 La información detallada sobre la población y la muestra puede encontrarse en OCDE (2019a).
175
N. Krüger
latinoamericanos participantes en el 2018 se encuentra entre 5000 y 12000 alumnos

(cuadro 1). PISA busca evaluar mediante pruebas estandarizadas los conocimientos y
habilidades de los jóvenes para participar en la vida económica y social. Se examinan las
competencias del alumnado en tres áreas principales: Lectura, Matemática y Ciencia,
enfatizándose una de ellas en cada ronda. En el año 2018, el foco fue puesto en Lectura
(OCDE, 2019a). A su vez, se administran cuestionarios complementarios al alumnado y
las autoridades escolares, los cuales permiten caracterizar el contexto familiar y escolar,
así como conocer distintos atributos personales de los estudiantes.
3.2 Variables
Variables dependientes:
• Lectura: el puntaje obtenido en dicha prueba pretende reflejar la capacidad del
alumnado para comprender y trabajar con textos y así poder alcanzar sus
objetivos y desarrollar su potencial.
• Matemática: el puntaje obtenido dicha en prueba indica la capacidad para utilizar
las matemáticas en distintas situaciones, aplicando la lógica matemática y
utilizando procedimientos y conceptos de dicha índole.
• Ciencias: el puntaje obtenido en dicha prueba busca mostrar la capacidad para
trabajar con cuestiones vinculadas con las ciencias, explicando los fenómenos
científicamente, diseñando preguntas científicas e interpretando evidencia.
Los valores para cada competencia se ubican en un rango de 0 a 1000, con una media de
500 y un desvío estándar de 100 para los países de la OCDE (OCDE, 2019a). No se
registran valores perdidos para ninguna de las tres variables entre los países
latinoamericanos participantes. Cabe aclarar que PISA reporta los puntajes obtenidos por
cada alumno en las pruebas en forma de diez valores plausibles extraídos de su probable
distribución de habilidades, la cual se estima a posteriori a través de un modelo que
incorpora las repuestas a todos los ítems de los exámenes, así como las variables de los
cuestionarios de contexto. Se ha seguido aquí el método recomendado por la OCDE
(2017), que implica estimar los parámetros de interés a través del promedio de los valores
obtenidos luego de estimar los modelos para cada conjunto de valores plausibles.
• Expectativa ocupacional: el estatus ocupacional esperado es el índice BSMJ
elaborado por PISA, que surge de preguntar al alumnado acerca de la ocupación
que esperan tener a la edad de 30 años. Las respuestas son codificadas y
mapeadas empleando la metodología de Ganzeboom y Treiman (2003). Cuanto
mayor es el valor del índice, más alta es la jerarquía ocupacional esperada
(OCDE, 2017). Al igual que otros índices del proyecto PISA, los valores son
estandarizados para tener una media de 0 y un desvío estándar de 1 para la
OCDE. Valores negativos del índice, entonces, indican que el alumno o la
alumna espera tener una ocupación de menor jerarquía que la esperada en
promedio por el alumnado de dichos países. Esta variable presenta una tasa de
respuesta promedio del 75% entre los países latinoamericanos participantes del
operativo 3.
3 Argentina (78%); Brasil (71%); Chile (76%); Colombia (85%); Costa Rica (83%); México (76%);
Rep. Dominicana (59%); Panamá (65%); Perú (75%); Uruguay (75%).
176
Variables explicativas:
• Perfil socioeconómico escolar: La principal variable de interés para el estudio es
la composición socioeconómica escolar, estimada aquí a través del promedio
escolar del índice de estatus económico, social y cultural (ESCS) elaborado por
PISA. El mismo es derivado de las respuestas del alumnado acerca del nivel
educativo y el estatus ocupacional de sus padres, así como de las posesiones del
hogar, que son un proxy para el nivel de riqueza. Posee una media de 0 y un
desvío estándar de 1 entre los participantes de la OCDE (OCDE, 2019b).
Variables de control 4:
Fueron escogidas con la intención de incluir un conjunto completo de factores de control,
los cuales han sido reconocidas por la literatura especializada como determinantes
significativos del rendimiento escolar y de distintos resultados no-cognitivos. A su vez,
pretenden minimizar los posibles sesgos de selección derivados de la asignación no
aleatoria del alumnado a las escuelas (Krüger, 2018).
• Edad.
• Género.
• Apoyo emocional (emosups): índice del apoyo emocional que brindan los padres
en relación a los esfuerzos, logros y dificultades en la escuela.
• Asistencia al preescolar: indica si el alumnado asistió al nivel inicial a la edad de
4 años o antes, o bien si nunca asistió o lo hizo a partir de los 5 años.
• Nivel socioeconómico del hogar: índice ESCS del alumno.
• Asistencia al grado modal: indica si el alumnado asiste al grado modal para su
país o se encuentra rezagado.
• Proporción de mujeres en la escuela.
• Tamaño escolar (schsize): es la cantidad total de alumnos en la escuela.
• Tipo de gestión escolar: indica si la escuela es de gestión estatal o privada.
• Localización: distingue a las escuelas ubicadas en un pequeño pueblo (con 15000
habitantes o menos) de aquellas ubicadas en una ciudad o pueblo con una
población mayor.
• Escasez de recursos educativos (edushort): índice que registra si la escuela
presenta escasos o inadecuados recursos materiales e infraestructura.
• Escasez de personal docente (staffshort): indica la percepción de la autoridad
escolar acerca de la falta de personal docente y auxiliar y de la adecuación de su
calificación.
• Interés del personal docente: indica la percepción de los estudiantes acerca del
entusiasmo presentado por los docentes del área de Lengua.
• Proporción de docentes con título de Maestría.
4 En OCDE (2019b) se describen en mayor detalle los índices construidos a partir de los
cuestionarios de contexto de PISA.
177
N. Krüger
• Agrupamiento intra-escolar: refleja si en el establecimiento los estudiantes son

agrupados por habilidad en distintas clases para una o más materias.
• Selectividad escolar: indica si en la escuela siempre se consideran los
antecedentes académicos o los resultados de un examen para la admisión de los
alumnos o bien si se consideran algunas veces o nunca.
Cabe aclarar que se realizaron los siguientes procesos previos al análisis: i) se excluyeron
aquellas escuelas con una muestra igual o inferior a cinco alumnos, para una mejor
estimación de la composición escolar, ii) se centraron las variables explicativas
cuantitativas en su media global, y iii) se imputaron los valores perdidos de las variables
explicativas a través del algoritmo EM, un método de máxima verosimilitud (De Leeuw,
Meijer y Goldstein, 2008) 5.
El tamaño de la muestra en cada país y la descripción de las principales variables
empleadas en el estudio pueden encontrarse en el cuadro 1.
Cuadro 1. Tamaño muestral y descripción de las variables principales
EXPECT. COMP.
NOTA EN NOTA EN NOTA EN
SOCIAL
N LECTURA MATEMÁT. CIENCIAS OCUPACI.
ESCOLAR
M D.E. M D.E. M D.E. M D.E. M D.E.
Argentina 11.975 402 98 379 84 404 90 69,5 16,7 -0,957 0,751
Brasil 10.691 413 100 384 88 404 90 72,2 16,7 -1,108 0,812
Chile 7.621 452 92 417 85 444 83 70,0 17,8 -0,586 0,700
Colombia 7.522 412 89 391 81 413 82 72,8 14,6 -1,187 0,826
C. Rica 7.221 426 81 402 75 416 73 74,6 14,2 -0,962 0,833
México 7.299 420 84 409 78 419 74 73,2 13,6 -1,182 0,870
Panamá 6.270 377 88 353 77 365 85 69,3 14,7 -1,104 0,887
Perú 6.086 401 92 400 84 404 80 69,8 17,1 -1,120 0,858
R. Dominicana 5.674 342 82 325 71 336 71 74,7 14,1 -1,068 0,609
Uruguay 5.263 427 96 418 85 426 87 68,3 19,2 -0,986 0,724
Nota: N: cantidad de alumnos en la muestra original; D.E.: desviación estándar; Composición social
escolar: índice ESCS promedio por escuela.
Fuente: Elaboración propia a partir de la base de datos PISA 2018 (OCDE).
3.3. Enfoque metodológico

Se emplea una estrategia metodológica cuantitativa encuadrada en la tradición de la
función de producción educativa para el análisis estadístico de los determinantes del
aprendizaje escolar (Hanushek, 1979). Siguiendo a la literatura especializada, se estima un
modelo de regresión multinivel que se adecua a la estructura jerárquica de los datos –
alumnos agrupados en escuelas– y permite obtener estimadores más eficientes (De Leeuw,
Meijer y Goldstein, 2008; Hox, 2002). Estos modelos posibilitan la descomposición de la
varianza del resultado educativo, para conocer si las desigualdades se observan
5 Se empleó el comando mi impute mvn de Stata, el cual utiliza un método de Monte Carlo vía
cadenas de Markov. Se incluyó un conjunto completo de variables personales, familiares y

escolares, el cual puede consultarse a la autora.
178
principalmente entre establecimientos o bien entre alumnos en su interior. De este análisis

se obtiene el Coeficiente de Correlación Intraclase (CII), que indica la proporción de la
varianza total correspondiente al nivel escuela (muestra en qué medida la desigualdad en
los resultados globales surge de las desigualdades registradas entre las escuelas, lo cual
refleja el grado de diferenciación horizontal del sistema educativo).
Adicionalmente, siendo el objetivo evaluar los efectos compañero en distintos tipos de
resultados, es apropiado estimar modelos multinivel multivariados 6, que reconocen la
posible interdependencia entre las variables explicadas. Las notas obtenidas por un mismo
alumno para las distintas competencias cognitivas probablemente se encuentren
relacionadas entre sí, así como con sus expectativas educativas y laborales. Al estimar los
determinantes de cada resultado en forma simultánea a través de un único sistema de
ecuaciones, se minimizan los sesgos y se obtienen pruebas de significatividad más
confiables (Rasbash et al., 2012; Snijders y Bosker, 1999).
Se estiman dos modelos: i) por un lado, un modelo trivariado que intenta explicar la nota
obtenida en las tres competencias evaluadas por PISA, y ii) por otro lado, un modelo
bivariado que busca explicar la nota en Lectura junto con la expectativa de carrera. Cabe
aclarar que si bien se reconoce que los determinantes pueden diferir en ambos casos, se
emplea el mismo modelo para alcanzar una mayor comparabilidad.
Siguiendo la estrategia usual, se estiman inicialmente los modelos nulos que permiten
descomponer la varianza, y luego los modelos que incorporan variables explicativas, para
conocer la significatividad de sus coeficientes y la proporción de la varianza que logran
explicar. Se emplea para ello el comando mixed del programa Stata 14. Las ecuaciones que
especifican la forma funcional de los modelos estimados se presentan en el Anexo 2.
4. Resultados
4.1. Modelo trivariado
El primer resultado de interés surge de la estimación del modelo nulo y del cálculo de los
CCI para cada país y competencia (cuadro 2). La proporción de la varianza observada entre
escuelas es en promedio del 45% para la prueba de Lectura, del 44% para Matemática y
del 43% para Ciencias. Aún en el caso de México, donde los valores del CCI son menores,
se observa que los logros del alumnado difieren significativamente entre establecimientos
educativos. Esto puede deberse tanto a los perfiles diferenciados de su población
estudiantil como a distintos atributos escolares, y puede considerarse un primer indicio de
la segmentación horizontal de los sistemas educativos. Junto con los resultados del test
de máxima verosimilitud aplicado, estos datos confirman la pertinencia de estimar
modelos de tipo multinivel. A su vez, cabe mencionar que las covarianzas entre las tres
variables dependientes son positivas y significativas al 1% en todos los países, lo cual
constata la conveniencia de estimar en forma simultánea los determinantes de cada
competencia.
6 Una explicación formal detallada de los modelos multinivel multivariados puede encontrarse en
Formichella y Krüger (2017).
179
N. Krüger
Cuadro 2. Regresión Multinivel. CCI y varianza explicada por los modelos finales: modelos trivariados
NOTA EN LECTURA NOTA EN MATEMÁTICA NOTA EN CIENCIAS
N
CCI (1) (2) (3) CCI (1) (2) (3) CCI (1) (2) (3)
Argentina 11.952 42,8 79,9 11,0 40,6 44,0 82,7 11,0 42,6 41,4 79,6 10,3 39,0
Brasil 10.531 47,8 69,8 8,1 53,5 48,0 68,6 8,0 37,1 48,1 69,3 8,5 37,7
Chile 7.549 47,1 88,1 9,6 46,5 50,7 88,1 10,4 49,7 47,4 86,8 8,3 45,6
Colombia 7.471 46,2 71,8 13,8 40,6 44,0 67,6 14,9 38,1 42,4 70,2 11,4 36,4
C. Rica 7.216 45,1 82,6 9,8 42,6 43,8 77,6 12,2 40,8 46,1 81,4 11,0 43,5
México 7.192 36,2 60,1 2,0 23,1 33,2 53,8 3,2 20,0 32,6 58,0 2,4 20,5
Panamá 6.133 51,0 73,7 3,8 39,5 47,5 75,1 5,4 38,5 49,0 69,7 3,8 36,1
Perú 5.937 46,0 75,7 8,9 39,6 41,8 74,1 13,5 38,9 43,0 72,7 11,4 37,7
R. Dom. 5.582 43,3 76,2 14,2 41,0 40,4 76,9 10,4 37,2 38,2 75,1 11,8 36,0
Uruguay 5.219 45,4 86,3 13,6 46,7 45,1 88,5 15,3 48,3 43,0 85,9 13,2 44,5
Nota: N: cantidad de observaciones válidas en la especificación final; (1) Porcentaje de la varianza residual explicado por las variables sobre el modelo nulo: nivel escuelas;
(2) Porcentaje de la varianza residual explicado por las variables sobre el modelo nulo: nivel alumnos; (3) Porcentaje de la varianza residual explicado por las variables
sobre el modelo nulo: total.
180
El cuadro 2 también permite observar que luego de la incorporación de todas las variables
de control en la especificación preferida se puede explicar un porcentaje relevante, cercano
al 75% en promedio, de la varianza entre establecimientos para cada competencia (1). En
general, al igual que en los antecedentes previos al estudio, dar cuenta de la variación de
los resultados escolares al interior de las escuelas es más complejo, y la proporción de la
varianza que aún resta explicar es alta, cercana al 90% (2). Sin embargo, siendo tan
relevante en la región latinoamericana la desigualdad de los resultados verificada entre
las escuelas, los modelos finales dan cuenta, en promedio, de un 38% a un 41% de la
varianza en el rendimiento en las distintas pruebas (3).
En gran medida, esto se debe a la alta capacidad explicativa de algunas variables
incorporadas en el análisis. En el cuadro 3 se presentan los resultados para la variable
independiente de interés en este estudio: la composición socioeconómica escolar (los
resultados para el conjunto completo de variables se encuentran en el cuadro 6 del Anexo
1).
Cuadro 3. Regresión multinivel. Coeficientes de la variable “composición socioeconómica
escolar” en los modelos finales: modelos trivariados
NOTA EN LECTURA NOTA EN MATEMÁTICA NOTA EN CIENCIAS
Coef. Coef. est. Coef. Coef. est. Coef. Coef. est.
Argentina 41,24*** 0,316 38,24*** 0,341 37,39*** 0,312
Brasil 35,19*** 0,286 29,05*** 0,272 29,38*** 0,262
Chile 41,36*** 0,315 39,26*** 0,328 37,79*** 0,308
Colombia 38,45*** 0,359 34,33*** 0,351 35,95*** 0,361
C. Rica 39,40*** 0,402 35,97*** 0,404 34,21*** 0,395
México 16,27* 0,169 10,08 0,113 16,18* 0,189
Panamá 29,11*** 0,295 27,12*** 0,311 26,75*** 0,275
Perú 35,77*** 0,334 28,05*** 0,287 26,90*** 0,292
R. Dominicana 28,92*** 0,216 25,38*** 0,220 22,55*** 0,194
Uruguay 31,52*** 0,237 28,57*** 0,240 25,58*** 0,212
Nota: Coef.: valor del coeficiente; Coef. est.: valor del coeficiente estandarizado. ***Significatividad
al 1%.
Puede observarse que en todos los casos –con la excepción de Matemática en México–,
aun controlando por un conjunto completo de variables personales, familiares y escolares,
el nivel socioeconómico promedio de la escuela tiene un impacto esperado positivo y
significativo en el rendimiento individual. Concretamente, para un alumno promedio, un
incremento de 1 punto en el índice de composición escolar permite esperar un incremento
aproximado de entre 28 y 42 puntos en la nota de Lectura, de entre 25 y 40 puntos en la
nota de Matemática y de entre 22 y 38 puntos en la nota en Ciencias, según el país y
exceptuando a México donde los efectos son menores. Estos puntajes representan
aproximadamente entre un 6% y un 10% de los promedios nacionales en las distintas
pruebas. Asimismo, para facilitar la interpretación, puede tenerse en cuenta que un
incremento de 1 punto en el índice de composición escolar sería equivalente a pasar, por
ejemplo, del percentil 25 al 75 de su distribución en cada país. Alternativamente, un
incremento de 1 desvío estándar en dicho índice permite esperar un incremento de entre
0,21 y 0,40 desvíos estándar en el rendimiento en Lectura, de entre 0,22 y 0,35 desvíos
estándar en el rendimiento en Matemática, y de entre 0,19 y 0,40 desvíos estándar en el
181
N. Krüger
rendimiento en Ciencias. Estos resultados sugieren entonces que el perfil socioeconómico

de los compañeros de escuela influye en los conocimientos y habilidades que puede
alcanzar un alumno, tal como son captados por las pruebas de PISA.
De hecho, los valores de los coeficientes para el factor de interés se encuentran entre los
más altos del conjunto de variables explicativas, apenas superados en algunos casos por la
asistencia al grado modal, la proporción de mujeres o la formación de posgrado de los
docentes (cuadro 6 del Anexo 1). Con respecto al efecto de las variables de control, si bien
hay ciertas variaciones entre los resultados para cada país, en general los factores
incorporados tienen los signos esperados. Por ejemplo, el haber asistido al nivel inicial es
un aspecto que incide positivamente en el desempeño, así como el provenir de un hogar
con un mayor nivel socioeconómico. A su vez, el máximo coeficiente es registrado para la
asistencia al grado modal, variable que condensa la acumulación de distintos factores
personales y familiares que favorecen el rendimiento. El ser mujer, por su parte, permite
esperar un mejor resultado para Lectura, pero peor para Matemática y Ciencias. Las
variables de nivel escuela resultan mayormente no significativas, con algunas excepciones,
como la proporción de mujeres, el interés de los docentes, el agrupamiento por habilidad
y la formación de los docentes, con signos que en algunos casos difieren entre países y
competencias.
A modo de ejemplo y para comparar con el efecto de la composición escolar, puede
mencionarse que las brechas de género representan en promedio 0,15 desvíos estándar de
los puntajes en las distintas pruebas; que la asistencia al grado modal o al preescolar
permite en promedio esperar un incremento de 0,56 y de 0,05 desvíos estándar en los
resultados, respectivamente; y que el título de Maestría de los docentes aporta en
promedio un rendimiento adicional esperado de 0,13 desvíos estándar, siendo significativo
solo en algunos países.
4.2. Modelo bivariado
Para evaluar el efecto de la composición socioeconómica escolar en las expectativas de
carrera del alumnado minimizando la complejidad de los modelos, se estiman sus
determinantes en forma simultánea solo con la principal competencia cognitiva examinada
en PISA 2018. Los resultados para la Nota en Lectura confirman los obtenidos a partir de
los modelos trivariados, por lo que vale la pena concentrarse aquí en los resultados para
la expectativa ocupacional.
El cuadro 4 presenta los CCI para esta variable, los cuales resultan mucho menores a los
correspondientes a los logros cognitivos, pero aún son significativos y relevantes. En
promedio, cerca de un 11% de las desigualdades en la expectativa ocupacional se explican
por diferencias al nivel de las escuelas, y los tests aplicados verifican la conveniencia de
estimar modelos multinivel. A su vez, la covarianza entre la nota en Lectura y la
expectativa de carrera es positiva y significativa en todos los casos, lo que amerita su
estimación simultánea.
Nuevamente, la proporción de la varianza explicada por los modelos finales a nivel de
escuelas es alta, en promedio cercana al 50%, con una mayor variabilidad entre los países
(1). En el caso de la República Dominicana, por ejemplo, el modelo completo solo explica
un 7% de la varianza entre escuelas, mientras que en el caso de Chile la cifra es superior
al 80%. De cualquier forma, la capacidad explicativa total en este caso resulta bastante
182
menor que para los resultados cognitivos, y solo en Brasil, Chile y Uruguay se logra
explicar más del 10% de la varianza total (3).
Cuadro 4. Regresión multinivel. CCI y varianza explicada por los modelos finales:
Modelos bivariados
NOTA EN LECTURA EXPECTATIVA OCUPACIONAL
N
CCI (1) (2) (3) CCI (1) (2) (3)
Argentina 9.310 42,5 81,4 10,7 40,5 7,1 52,5 6,0 9,0
Brasil 7.540 48,4 58,2 8,0 32,3 12,1 45,0 7,1 11,7
Chile 5.771 46,0 89,1 9,8 46,3 22,1 81,2 5,3 22,0
Colombia 6.356 43,0 72,4 14,3 39,3 4,4 36,9 2,7 4,3
C. Rica 5.965 44,0 82,6 11,1 42,7 7,9 60,7 3,2 7,7
México 5.485 34,7 63,9 2,5 23,8 8,9 42,1 1,6 5,2
Panamá 3.981 50,7 76,3 3,8 40,5 12,8 35,9 1,9 6,3
Perú 4.478 44,7 78,3 8,6 39,8 13,5 45,2 4,3 9,8
R. Dominicana 3.343 41,3 77,2 14,4 40,4 3,2 7,2 3,2 3,4
Uruguay 3.907 45,0 87,8 14,8 47,7 22,5 83,2 10,6 26,9
Notas: N: cantidad de observaciones válidas en la especificación final; (1) Porcentaje de la varianza
residual explicado por las variables sobre el modelo nulo: nivel escuelas; (2) Porcentaje de la
varianza residual explicado por las variables sobre el modelo nulo: nivel alumnos; (3) Porcentaje
de la varianza residual explicado por las variables sobre el modelo nulo: total.
La estimación de los modelos finales, con el mismo conjunto de variables de control que
en el caso de los modelos trivariados, muestra que en seis de los diez países
latinoamericanos participantes de PISA, la composición social escolar incide positiva y
significativamente en la ocupación esperada a futuro por el alumnado (cuadro 5). Los
efectos no parecen ser tan fuertes como en el caso del rendimiento en las pruebas, ya que
un incremento de 1 punto en el índice de composición escolar, cuando resulta significativo,
permite esperar un incremento aproximado de entre 1 y 3,5 puntos en el índice de
expectativa ocupacional, valores que representan del 1,5% al 3,5% de los promedios
nacionales para dicho índice. Asimismo, un aumento de 1 desvío estándar en la
composición escolar permite esperar un incremento de entre 0,05 y 0,14 desvíos estándar
en el índice de expectativa ocupacional. De todas formas, la composición socioeconómica
escolar es una de las escasas variables con capacidad explicativa sobre dicho resultado
(cuadro 7 del Anexo 1).
En estos modelos, los efectos y la significatividad de las variables de control son dispares,
siendo el género uno de los factores más relevantes, con un coeficiente positivo para el
caso de las mujeres. También resultan significativos y positivos el asistir al grado modal
y el nivel socioeconómico del hogar; y solo en algunos casos también la edad, el tipo de
gestión escolar y otras variables relativas al centro educativo. A fin de evaluar la magnitud
relativa de los distintos efectos, puede mencionarse que la brecha a favor de las mujeres y
de quienes asisten al grado modal es en promedio de 0,3 y 0,22 desvíos estándar del índice
de expectativa ocupacional, respectivamente. Asimismo, el promedio de los coeficientes
estandarizados del NSE individual es de 0,06 7.
7 Estos datos pueden ser solicitados a la autora.
183
N. Krüger
Cuadro 5. Regresión Multinivel. Coeficientes de la variable “composición socioeconómica

escolar” en los modelos finales: modelos bivariados
NOTA EN LECTURA EXPECTATIVA OCUPACIONAL
Coef. Coef. est. Coef. Coef. est.
Argentina 42,28*** 0,324 1,14* 0,050
Brasil 36,66*** 0,298 1,16* 0,056
Chile 41,49*** 0,316 3,78*** 0,143
Colombia 39,70*** 0,371 1,14** 0,064
C. Rica 39,07*** 0,398 2,22*** 0,132
México 17,20** 0,179 0,19ns 0,012
Panamá 29,60*** 0,300 -0,27 ns -0,016
Perú 33,74*** 0,315 1,08 ns 0,054
R. Dominicana 29,87*** 0,223 0,91 ns 0,039
Uruguay 31,89*** 0,240 3,50*** 0,132
Nota: *Significatividad al 10%; **Significatividad al 5%; ***Significatividad al 1%.; ns: no
significativo.
El trabajo ha verificado que una proporción relevante de la desigualdad en distintos
resultados cognitivos y no-cognitivos de los alumnos de 15 años de edad participantes del
estudio PISA 2018 en América Latina se origina entre establecimientos educativos. Esto
se explica porque las escuelas difieren tanto en el perfil de su alumnado como en otras
características, como recursos y procesos. En este marco, el principal resultado del trabajo
es que en la mayoría de los países existe un efecto significativo de la composición
socioeconómica escolar tanto en el desempeño en Lectura, Matemática y Ciencias como
en la expectativa de carrera, la cual puede influir en los logros laborales futuros.
En general, explicar las desigualdades en los resultados de tipo no-cognitivo resulta más
complejo que dar cuenta de la varianza en los resultados cognitivos, lo cual es consistente
con antecedentes como Cervini (2003) y Formichella y Krüger (2017). Son escasos los
determinantes usualmente contemplados por la literatura especializada que en este caso
evidencian un efecto sobre la expectativa ocupacional. Esto otorga mayor importancia
relativa al hallazgo de que la composición escolar tendría un efecto positivo y significativo
en la mayoría de los países considerados. Si bien queda para futuros estudios indagar en
por qué su efecto es irrelevante en algunos países, vale la pena explicitar que este resultado
no parece estar relacionado con las disparidades en las tasas de respuesta de la variable
dependiente, ni con un efecto relativo muy diferente de las demás variables explicativas.
Por otro lado, cabe aclarar que aquí no se ha hecho una distinción entre un efecto neto o
estricto del nivel socioeconómico de los pares y un efecto indirecto o conjunto que puede
surgir de su interacción con otros factores escolares. Si la distribución desigual de los
alumnos se da en un marco más general de segmentación horizontal en el sistema
educativo, en el que los recursos humanos y materiales, las prácticas docentes y los estilos
de gestión también difieren entre centros, los efectos de la variable composicional podrían
estar operando conjuntamente con los de los demás factores (Dumay y Dupriez, 2008;
Krüger, 2018). De hecho, en (OCDE, 2019b) se constata que en los países
latinoamericanos participantes, las escuelas en ventaja –cuyos alumnos en promedio
pertenecen al último cuartil del índice ESCS– y en desventaja –cuyos alumnos en
184
promedio pertenecen al primer cuartil del índice ESCS– difieren en las cualificaciones y el
nivel de ausentismo de sus docentes, así como en la cantidad y calidad de la infraestructura
y los recursos materiales.
De cualquier forma, lo importante es comprobar que, en contextos educativos altamente
segregados, el establecimiento al que asiste un joven tiene un efecto determinante en sus
resultados esperados, los cuales pueden exceder al ámbito académico. Puede afirmarse
entonces que los alumnos provenientes de contextos familiares vulnerables se ven
expuestos a un doble riesgo educativo (Willms, 2003): por un lado, su origen social
dificulta su desempeño exitoso en la escuela; por el otro, tienen una alta probabilidad de
asistir a un centro con un alumnado en similares condiciones, donde los efectos de pares
son desfavorables, lo cual implica un impacto negativo adicional en sus logros. La
situación contraria se espera para aquellos alumnos de mayor estatus socioeconómico,
quienes en general pueden beneficiarse tanto de sus propias condiciones favorables para
el estudio como de efectos de pares positivos.
La elección escolar se vuelve entonces una decisión crucial para las familias, lo cual genera
incentivos que tienden a profundizar la segregación, en sociedades marcadas por la
fragmentación socioeconómica, cultural y simbólica (Krüger, 2019). Asimismo, constatar
que la segregación social escolar contribuye a profundizar las desigualdades educativas y,
potencialmente, las laborales y sociales posteriores, convierte al fenómeno en un problema
relevante para la política educativa.
En este sentido, el presente trabajo aporta evidencia nueva que permite confirmar los
escasos hallazgos previos para distintos países latinoamericanos. A su vez, el estudio
incorpora algunos elementos novedosos en relación a los antecedentes, que otorgan
robustez a los resultados y exploran nuevos aspectos del tema. Por un lado, se emplea la
información más actual disponible hasta el momento incorporando nuevos países
latinoamericanos; se definen especificaciones diferentes de los modelos en términos de las
variables dependientes e independientes escogidas; y se realiza una estimación simultánea
de los distintos resultados, lo cual resulta pertinente considerando su interdependencia.
Por otro lado, se incursiona en el análisis del impacto de la composición socioeconómica
estudiantil en resultados que exceden lo estrictamente cognitivo o académico, para
destacar que las actitudes, motivación y expectativas de los alumnos pueden verse
afectadas, con potenciales efectos sobre la movilidad social y la equidad en un sentido más
amplio.
Ahora bien, no puede soslayarse que pese a haber empleado herramientas que presentan
un alto nivel de aceptación en la literatura internacional –la estimación de una función de
producción educativa a través de modelos de regresión multinivel con base en datos del
programa PISA–, el estudio no se encuentra exento de limitaciones. Por un lado, el método
no permite descartar totalmente la presencia de sesgos por la asignación no aleatoria de
los alumnos a sus escuelas, aunque los mismos se han intentado minimizar incorporando
un conjunto completo de controles para captar posibles características no observables. Por
otro lado, la base de datos presenta algunas deficiencias que cabe mencionar: i) por
definición, quedan fuera de la población objetivo aquellos alumnos que se encuentran más
rezagados o directamente excluidos del sistema, lo cual puede llevar a subestimar los
efectos composicionales cuando los niveles de acceso son bajos y/o el rezago es alto; ii) si
bien provee información acerca de resultados de tipo no-cognitivo, permitiendo considerar
un conjunto más amplio de logros educativos, la tasa de no respuesta para estos
185
N. Krüger
indicadores es relativamente alta; y iii) no permite evaluar los efectos acumulativos de los
factores explicativos en el tiempo. Finalmente, debe reconocerse la dificultad de medir los
resultados no-cognitivos y de separarlos de los logros cognitivos, así como de otros
incentivos y características personales. Como indican Borghans y otros (2011), los
resultados en pruebas pueden ser en realidad un reflejo de distintos aspectos de la
personalidad, lo cual vuelve muy desafiante la tarea de identificar los atributos o logros de
interés. A su vez, las medidas de habilidades no-cognitivas derivadas del auto-reporte
pueden verse distorsionadas, ya que quienes responden pueden tener distintos estándares
o puntos de referencia al interpretar las preguntas (Kautz et al., 2014) o bien responder lo
que consideran socialmente deseable (Paulhus, 1991).
A pesar de las mencionadas limitaciones, el presente estudio contribuye a reforzar el
consenso académico en torno a la relevancia de la segregación social escolar como fuente
de desigualdad de oportunidades. Visibilizar este problema y concientizar a la comunidad
educativa, las autoridades y la sociedad en general sobre sus consecuencias, es un primer
paso clave para avanzar en el diseño de políticas orientadas a mitigarlo. Repensar entre
todos los procesos de asignación de los alumnos, así como la distribución de aquellos
factores escolares que se asocian estrechamente a las características del alumnado, podría
reportar beneficios sustanciales en términos de reducir la inequidad. Para ello, es
importante también continuar indagando en las causas de la situación actual de alta
segregación, las cuales pueden ser diferentes en cada país o incluso al interior de los
mismos.
Queda abierta a partir de aquí una rica agenda de investigación: por un lado, se planea
avanzar en una línea orientada a conocer en profundidad los mecanismos que reducen la
diversidad social de las escuelas en la región –mediante la realización de estudios de corte
cualitativo– y a pensar en conjunto medidas para revertir dicho proceso; por otro lado,
aún queda mucho por explorar en relación a los efectos de la composición socioeconómica
sobre los resultados educativos, especialmente sobre los atributos no-cognitivos, para lo
cual se continuará indagando en la forma de medición de los mismos y en su
retroalimentación con los resultados cognitivos.
Agradecimientos
Se agradece el financiamiento proveniente de la SeCyT, UNS, a través del Proyecto de
Grupos de Investigación (PGI) “Equidad educativa: Segmentación escolar en la localidad
de Bahía Blanca"; y de la Agencia Nacional de Promoción Científica y Tecnológica a través
del Proyecto de Investigación Científica y Tecnológica (PICT) 2018-02967.
Referencias
Ackert, E. (2017). Segregation paradox? School racial/ethnic and socioeconomic composition and
racial/ethnic differences in engagement. Social Science Research, 70, 144-162.
https://doi.org/10.1016/j.ssresearch.2017.10.010
Alvaredo, F. y Gasparini, L. (2015). Recent trends in inequality and poverty in developing
countries. En R. Atkinson y C. Bourguignon (Eds.), Handbook of income distribution (pp. 321-
345). Elsevier. https://doi.org/10.1016/B978-0-444-59428-0.00010-2
186
Arcidiacono, M., Cruces, G., Gasparini, L., Jaume, D., Serio, M. y Vazquez, E. (2014). La segregación
escolar público-privada en América Latina. CEPAL.
Bartholo, T. y Costa, M. (2016). Evidence of a school composition effect in Rio de Janeiro public
schools. Ensaio: Avaliação e Políticas Públicas em Educação, 24(92), 498-521.
https://doi.org/10.1590/S0104-40362016000300001
Estudios Pedagógicos, 39(1), 325-345. https://doi.org/10.4067/S0718-07052013000100019
Benavides, M., León, J. y Etesse, M. (2014). Desigualdades educativas y segregación en el sistema
peruano. Una mirada comparativa de las pruebas PISA 2000 y 2009. GRADE.
Bloom, B. (1956). A taxonomy of educational objectives: Handbook I, the cognitive domain. Longmans.
Bonal, X. y Bellei, C. (2018). Introduction: The renaissance of school segregation in a context of
globalization. En X. Bonal y C. Bellei (Eds.), Understanding school segregation: Patterns, causes
and consequences of spatial inequalities in education (pp. 123-154). Bloomsbury Academic.
https://doi.org/10.5040/9781350033542.ch-001
Borghans, L., Meijers, H. y Ter Weel, B. (2008). The role of noncognitive skills in explaining
cognitive test scores. Economic Inquiry, 46, 2-12.
https://doi.org/10.1111/j.1465-7295.2007.00073.x
Borghans, L., Golsteyn, H., Heckman, J. y Humphries, J. (2011). Identification problems in
personality psychology. Personality and Individual Differences, 51(3), 315-320.
https://doi.org10.1016/j.paid.2011.03.0299
Brunello, G. y Schlotter, M. (2011). Non-cognitive skills and personality traits: Labour market relevance
and their development in education & training systems. IZA
Cervini, R. (2003). Diferencias de resultados cognitivos y no cognitivos entre estudiantes de
escuelas públicas y privadas en la educación secundaria de Argentina: Un análisis multinivel.
Education Policy Analysis Archives, 11(6), 1-32.
Cervini, R. (2012). El efecto escuela en países de América Latina: Reanalizando los datos del
SERCE. Education Policy Analysis Archives, 20(39), 1-35.
https://doi.org/10.14507/epaa.v20n39.2012
Cervini, R., Dari, N. y Quiroz, S. (2016). Las determinaciones socioeconómicas sobre la distribución
de los aprendizajes escolares. Los datos del TERCE. REICE. Revista Iberoamericana sobre
Calidad, Eficacia y Cambio en Educación, 14(4), 61-79.
De Leeuw, J., Meijer, E. y Goldstein, H. (2008). Handbook of multilevel analysis. Springer.
Delors, J. (1996). La educación encierra un tesoro. Informe a la UNESCO de la comisión internacional
sobre la educación para el siglo XXI. UNESCO.
Delprato, N., Köseleci, N. y Antequera, G. (2015). Educación para todos en América Latina:
Evolución del impacto de la desigualdad escolar en los resultados educativos. Revista
Latinoamericana de Educación Comparada, 6(8), 45-75.
Dreeben, R. (1968). On what is learned in school. Addison Wesley.
Duarte, J., Bos, S. y Moreno, M. (2009). Inequidad en los aprendizajes escolares en Latinoamérica. BID.
Duckworth, A., Quinn, P., Lynam, D., Loeber, R. y Stouthamer-Loeber, M. (2011). Role of test
motivation in intelligence testing. Proceedings of the National Academy of Sciences, 108(19),
7716-7720. https://doi.org/10.1073/pnas.1018601108
187
N. Krüger
Dumay, X. y Dupriez, V. (2008). Does the school composition effect matter? Evidence from Belgian
data. British Journal of Educational Studies, 56(4), 440-477.
https://doi.org/10.1111/j.1467-8527.2008.00418.x
Durlak, J., Weissberg, R., Dymnicki, A., Taylor, R. y Schellinger, H. (2011). The impact of
enhancing students social and emotional learning: A meta-analysis of school-based
universal interventions. Child Development, 82(1), 405-432.
https://doi.org/10.1111/j.1467-8624.2010.01564.x
Dupriez, V. y Dumay, X. (2006). Inequalities in school systems: Effect of school structure or of
society structure? Comparative Education, 42(2), 243-260.
https://doi.org/10.1080/03050060600628074
Firpo, S., Jales, H. y Pinto, C. (2015). Measuring peer effects in the Brazilian school system. Applied
Economics, 47(32), 3414-3438. https://doi.org /10.1080/00036846.2015.1016207
Formichella, M. M. y Krüger, N. (2017). Reconociendo el carácter multifacético de la educación:
Los determinantes de los logros cognitivos y no-cognitivos en la escuela media Argentina.
El Trimestre Económico, 84(333), 165-191. https://doi.org/10.20430/ete.v84i333.266.
Ganzeboom, H. y Treiman, D. (2003). Three internationally standardised measures for
comparative research on occupational status. En J. Hoffmeyer-Zlotnik y C. Wolf (Eds.),
Advances in cross-national comparison, a European working book for demographic and socio-
economic variables (pp. 159-193). Kluwer Academic Press.
Hanushek, E. (1979). Conceptual and empirical issues in the estimation of educational production
functions. Journal of Human Resources, 14, 351-388.
Heckman J. y Rubinstein, Y. (2001). The importance of noncognitive skills: Lessons from the GED
testing program. The American Economic Review, 91(2), 145-149.
Heckman, J, Stixrud, J. y Urzua, S. (2006). The effects of cognitive and noncognitive abilities on
labor market outcomes and social behavior. Journal of Labor Economics, 24(3), 411-482.
https://doi.org/10.1086/504455
Heckman, J., Hyeok, S., Pinto, R., Savelyev, P. y Yavitz, A. (2010). The rate of return to the
high/scope Perry Preschool program. Journal of Public Economics, 94, 114-128.
https://doi.org/10.1016/j.jpubeco.2009.11.001
Hernández Padilla, E. y Bazán Ramírez, A. (2016). Efectos contextuales, socioeconómicos y
culturales, sobre los resultados de México en lectura en PISA 2009. REICE. Revista
Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, 14(2), 79-95.
Hox, J. (2002). Multilevel analysis: Techniques and applications. Lawrence Erlbaurn Associates.
Kautz, T., Heckman, J., Diris, R., Ter Weel, B. y Borghans, L. (2014). Fostering and measuring skills:
Improving cognitive and non-cognitive skills to promote lifetime success. OCDE.
Krathwohl, D., Bloom, B. y Masia, B. (1964). Taxonomy of educational objectives: Handbook II, the
affective domain. David MacKay.
Krüger, N. (2018). An evaluation of the intensity and impacts of socioeconomic school segregation
in Argentina. En X. Bonal y C. Bellei (Eds.), Understanding school segregation: Patterns, Causes
educativa: 15 años de evolución en América Latina. Archivos Analíticos de Políticas Educativas,
27(8), 1-23. https://doi.org/10.14507/epaa.27.3577
188
Krüger, N. y Formichella, M. M. (2019). ¿Las competencias no cognitivas actúan como mediadoras

en el proceso de enseñanza-aprendizaje? Evidencia para Argentina. Cuadernos de Economía,
38(77), 493-521. https://doi.org/10.15446/cuad.econ.v38n77.68582
Levin, H. (2012). More than just test scores. Prospects, Quarterly Review of Comparative Education
36(1), 61-85. https://doi.org/10.1177/1555458915626761
Lugo, M. (2011). Heterogenous peer effects, segregation and academic attainment. The World Bank.
Marchionni, M., Pinto, F. y Vazquez, E. (2013). Determinantes de la desigualdad en el desempeño
educativo en la Argentina. AAEP.
McEwan, P. (2003). Peer effects on student achievement: Evidence from Chile. Economics of
Education Review, 22, 131-141. https://doi.org/10.1016/S0272-7757(02)00005-5
Mickelson, R. (2018). A synthesis of social science research on the effects of ethnic, racial and
socioeconomic composition of schools in the United States. En X. Bonal y C. Bellei (Eds.),
Understanding school segregation: Patterns, causes and consequences of spatial inequalities in
education (pp. 123-154). Bloomsbury Academic.
https://doi.org/10.5040/9781350033542.ch-007
Morrison, L. y Schoon, I. (2013). The impact of non-cognitive skills on outcomes for young people.
Literature review. Institute of Education, University of London.
Murillo, F. J. (2016). Midiendo la segregación escolar en américa latina. Un análisis metodológico
https://doi.org/10.4067/S0718-07052018000100157
OCDE. (2017). PISA 2015 technical report. OECD Publishing.
OCDE. (2019a). PISA 2018 results (volume I): What students know and can do. OECD Publishing.
https://doi.org/10.1787/5f07c754-en
OCDE. (2019b). PISA 2018 results (volume II): Where all students can succeed. OECD Publishing.
https://doi.org/10.1787/b5fd1b8f-en
Palardy, G. (2013). High school socioeconomic segregation and student attainment. American
Educational Research Journal, 50(4), 714-754. https://doi.org/10.3102/0002831213481240
Paulhus, D. (1991). Measurement and control of response bias. En J. Robinson, P. Shaver y L.
Wrightsman (Eds.), Measures of personality and social psychological attitudes (pp. 17-59).
Academic Press. https://doi.org/10.1016/B978-0-12-590241-0.50006-X
Rasbash, J., Steele, F., Browne, W. y Goldstein, H. (2012). A user’s guide to MLwiN. Centre for
Multilevel Modelling.
Rumberger, R. y Palardy, G. (2005). Does segregation still matter? The impact of student
composition on academic achievement in high school. Teachers College Record, 107(9), 1999-
2045. https://doi.org/10.1111/j.1467-9620.2005.00583.x
Schindler Rangvid, B. (2007). School composition effects in Denmark: Quantile regression evidence
from PISA 2000. Empirical Economics, 33, 359-388.
https://doi.org/10.1007/s00181-007-0133-6
Snijders, T. y Bosker, R. (1999). Multilevel analysis. An introduction to basic and advanced multilevel
modeling. Sage.
189
N. Krüger
Treviño, E., Valdés, H., Castro, M., Costilla, R., Pardo, C. y Donoso, F. (2010). Factores asociados al
logro cognitivo de los estudiantes de América Latina y El Caribe. OREALC/UNESCO & LLECE.
Van Ewijk, R. y Sleegers, P. (2010). The effect of peer socioeconomic status on student
achievement: A meta-analysis. Educational Research Review, 5, 134-150.
https://doi.org/10.2139/ssrn.1402645
Vázquez, E. (2016). Segregación escolar por nivel socioeconómico. Midiendo el fenómeno y
Willms, J. (2003). Ten hypotheses about socioeconomic gradients and community differences in children’s
developmental outcomes. Canadian Research Institute for Social Policy.
Willms, D. (2006). Learning divides: Ten policy questions about the performance and equity of schools and
schooling systems. UNESCO.
Willms, D. y Somers, M. (2001). Family, classroom, and school effects on children’s educational
outcomes in Latin America. School Effectiveness and School Improvement, 12(4), 409-445.
https://doi.org/10.1076/sesi.12.4.409.3445
190
Anexo 1
Cuadro 6. Regresión Multinivel. Coeficientes de todas las variables explicativas en los modelos finales: modelos trivariados
ARGENTINA BRASIL CHILE COLOMBIA COSTA RICA
L M C L M C L M C L M C L M C
Edad 2,9 8,9* 7,4 -19,7*** -19,2*** -21,8*** -2,0 3,7* 7,0*** 7,5** 1,1** 4,0** -13,1*** -16,0*** -13,4***
Mujer 13,3*** -17,3*** -11,8*** 15,2*** -17,8*** -8,2*** 11,3*** -15,3*** -10,0*** 3,2 -26,4*** -18,2*** 8,2*** -22,4*** -14,1***
Apoyo emocional 2,1* 0,8* 0,4** sd sd sd 1,1 1,4 0,6 sd sd sd 2,7*** 2,1*** -0,5
Preescolar 5,2* 4,7* 2,4* 1,8 3,9 1,2 0,7 1,6 1,5 4,5* 6,5* 3,9* -1,9 -2,1 -0,0***
NSE del hogar 7,6*** 8,9*** 9,3*** 5,4*** 6,6*** 6,2*** 5,6*** 7,2*** 7,2*** 4,7*** 2,3*** 2,7*** 6,4*** 5,3*** 7,8***
Grado modal 53,0*** 41,9*** 49,4*** 48,6*** 40,9*** 46,6*** 54,3*** 48,6*** 46,0*** 52,4*** 47,7*** 46,0*** 39,1*** 38,6*** 35,6***
Composición escolar 41,2** 38,2*** 37,4*** 35,2*** 29,0*** 29,4*** 41,4*** 39,3 36,1*** 38,5*** 34,3*** 36,0*** 39,4*** 36,0*** 34,2***
Proporción de mujeres -34,1* -28,4* -32,8* 61,8*** 56,3*** 57,3*** 22,2* 25,4* 16,9* 57,9** 38,2*** 49,6*** 28,1*** 25,0*** 19,0***
Tamaño escolar 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
Gestión privada 10,9 5,2 5,6 37,7*** 38,6*** 38,2*** 12,4* 15,4* 12,8* -2,8 0,8 -1,7 -19,0 -22,3 -16,7
Escuela rural -12,1* -8,1* -8,5* 2,6 6,0 2,8 4,2 4,0 6,8 1,0 4,2 2,4 -2,9 -2,7 0,1
Agrupamiento -1,0 3,0 1,8 4,0 -0,1 3,2 -5,3 -4,0 -4,6 -5,9 -2,2 -4,3 11,4** 10,8** 11,2**
Selectividad -4,7 -3,2 -2,0 -8,5 -3,4 -6,5 16,0 20,9 20,9 -2,9 -3,0 -3,3 2,6 0,7 3,6
Recursos escasos -0,4 -0,6 -0,7 -4,3* -3,5* -4,4* 0,5 -0,1 -0,1 sd sd sd -2,3 -0,9 -2,1
Personal escaso -1,2 -0,2 -0,0 sd sd sd -0,6 0,9 0,3 -1,4 0,3 -0,6 3,0 1,0 3,0
Interés de docentes 4,9*** 1,4** 2,8*** 3,3*** 3,6*** 2,6*** 6,7*** 6,5*** 4,8*** 4,8*** 3,0*** 2,8*** 4,9*** 2,7** 3,4**
Docentes con Maestría -1,7 0,4 -3,3 10,0 7,9 11,6 40,4* 29,9* 45,9* 15,4 26,4 12,6 13,7* 16,2* 17,0*
Notas L: nota en Lectura; M: nota en Matemática; C: nota en Ciencias; *Significatividad al 10%; **Significatividad al 5%; ***Significatividad al 1%.; ns: no significativo;
sd: sin datos; por problemas de cómputo, no se incluyó la variable explicativa en el modelo.
191
N. Krüger
Cuadro 6. (cont.). Regresión Multinivel. Coeficientes de todas las variables explicativas en los modelos finales: modelos trivariados
MÉXICO PANAMÁ PERÚ REP. DOMINICANA URUGUAY
L M C L M C L M C L M C L M C
Edad 5,2 3,8 7,4 7,1** 8,4** 5,8** 0,8 -9,1** -0,6 1,5 3,2 3,8 7,6* 9,1* 4,7
Mujer 6,1*** -17,5*** -12,3*** 4,6** -15,5*** -8,6*** 6,2** -21,1*** -16,3*** 15,4*** -10,3*** -2,2*** 10,9*** -18,7*** -12,7***
Apoyo emocional 1,5* 0,2* 0,2 1,1 -0,7 -0,5 1,7 1,5 -0,1 1,8** 0,2 0,5 1,5 1,1 0,1
Preescolar 6,6** 13,8*** 6,8** 4,9** 3,2** 6,0** 4,9* 7,0* 5,7* 5,4** 2,9** 7,9*** 10,7*** 12,8*** 11,9***
NSE del hogar 4,8*** 3,8*** 4,7*** 3,8*** 3,0*** 3,3*** 8,0*** 8,2*** 8,2*** 2,8** 3,3** 4,2** 9,1*** 7,6*** 9,7***
Grado modal 30,9*** 34,4*** 28,6*** 37,5*** 37,0*** 38,0*** 52,8*** 56,9*** 50,3*** 52,9*** 45,6*** 42,9*** 78,9*** 73,9*** 70,1***
Composición escolar 16,3* 10,1 16,2* 29,1*** 27,1*** 26,8*** 35,8*** 28,0*** 26,9*** 28,9*** 25,4*** 22,5*** 31,5*** 28,6*** 25,6***
Proporción de mujeres 6,2 11,5 7,4 14,8 7,0 4,8 8,8 4,1 1,8 42,4*** 35,7*** 19,1*** 29,1* 23,2 3,7
Tamaño escolar 0,0** 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
Gestión privada 15,7 7,0 5,0 8,1 7,7 17,7 13,3 12,0 10,6 4,3 5,2 6,3 -15,0 -7,9 -6,3
Escuela rural -9,6 -7,1 -2,6 -3,3 -3,0 2,3 11,4 8,2 9,3 -10,8 -9,1 -9,2 -7,2 -5,9 -1,9
Agrupamiento -7,8 -3,0 -5,9 -7,6** -4,8** -4,2** -16,1** -8,7* -11,3** 3,1 4,3 2,5 0,2 0,3 -0,9
Selectividad -4,7 -2,3 -7,1 2,4 1,9 1,7 -8,6 -3,4 -6,5 -1,4 -1,1 -0,8 1,7 1,2 -0,3
Recursos escasos 1,7 -2,3 1,9 -3,6 -1,6 -1,7 -3,7 -2,6 -2,7 -0,4 0,9 0,5 1,6 0,8 0,7
Personal escaso -8,9* -5,4 -8,7* 1,6 0,7 1,3 2,7 3,2 2,1 -0,9 -1,1 -1,0 -2,7 -2,6 -2,8
Interés de docentes 3,1*** 1,8*** 3,1*** 0,0 0,8 -0,9 1,3 1,9 0,9 3,8*** 2,5*** 4,7*** 4,9*** 1,3* 5,1***
Docentes con Maestría 45,2*** 57,1*** 47,2*** 9,7 4,1 11,4 8,0 15,2 3,2 -8,4 -3,8 -11,3 -94,9 -36,3 -82,5
Notas: L: nota en Lectura; M: nota en Matemática; C: nota en Ciencias; *Significatividad al 10%; **Significatividad al 5%; ***Significatividad al 1%.; ns: no significativo;
192
Cuadro 7. Regresión Multinivel. Coeficientes de todas las variables explicativas en los modelos finales: modelos bivariados
ARGENTINA BRASIL CHILE COLOMBIA COSTA RICA
Nota en Exp. Nota en Exp. Nota en Exp. Nota en Exp. Nota en Exp.
Lectura Ocup. Lectura Ocup. Lectura Ocup. Lectura Ocup. Lectura Ocup.
Edad 3,1** 1,8** -21,1*** -1,6* -2,6 1,4* 7,5** -0,2 -14,1*** -1,3*
Mujer 12,5*** 6,6*** 15,8*** 7,6*** 10,6** 5,8*** 3,1 4,3*** 8,1*** 4,5***
Apoyo emocional 2,0** 0,0 sd sd 0,9 -0,0 1,1 0,4 2,6*** 0,3
Preescolar 5,4** -0,3 1,0 -0,2 1,2 0,6 4,8** -0,2 -1,3 0,6
NSE del hogar 7,7*** 1,4*** 5,3*** 0,7*** 5,0** 1,6*** 4,1*** 0,6*** 6,5*** 0,4**
Grado modal 53,7*** 3,9*** 50,2*** 2,2*** 54,7*** 4,0*** 53,0*** 2,3*** 40,3*** 1,7***
Composición escolar 42,3*** 1,1* 36,7*** 1,2* 41,5*** 3,8*** 39,7*** 1,1** 39,1*** 2,2***
Proporción de mujeres -31,0* 1,8 59,4*** 0,7 13,3 3,9 54,2** 4,1** 28,9 0,1
Tamaño escolar 0,0 0,0 0,0 0,0 0,0 0,0* 0,0 0,0 0,0 0,0
Gestión privada 8,6 1,5 34,7*** 2,4*** 10,2 2,1** -1,7 -1,0 -16,7 -1,7*
Escuela rural -12,5** 0,7 6,0 -0,3 3,7 0,4 4,1 -0,2 -2,8 -0,0
Agrupamiento -1,1 -0,2 4,1 0,2 -0,9 -0,4 -0,7 -0,5 11,9** -0,6
Selectividad -1,6 -0,8 -6,3 0,9 14,2** 0,1 -3,2 0,1 1,7 0,4
Recursos escasos 1,7 -0,4 Sd Sd -1,0 0,4 -1,3 0,2 -1,9 -0,7***
Personal escaso -4,3* 0,2 4,0 -0,3 -1,1 -0,3 -0,1 0,0 2,9 0,1
Interés de docentes 5,2*** 0,3 3,6*** 0,3 7,0*** 0,8*** 4,6*** 0,3 5,0*** 0,2
Docentes con Maestría -0,3 -1,2 28,1** -2,1 51,8*** 2,1 6,4 -3,8* 11,1 1,4
193
N. Krüger
Cuadro 7 (cont.). Regresión Multinivel. Coeficientes de todas las variables explicativas en los modelos finales: modelos bivariados
MÉXICO PANAMÁ PERÚ REP. DOMINICANA URUGUAY
Nota en Exp. Nota en Exp. Nota en Exp. Nota en Exp. Nota en Exp.
Lectura Ocup. Lectura Ocup. Lectura Ocup. Lectura Ocup. Lectura Ocup.
Edad 6,4* 0,6 8,1** -0,1 1,7 -0,5 1,6 -1,5 7,9* 0,2
Mujer 5,5*** 2,1*** 4,2*** 1,3*** 5,9*** 4,2*** 15,5*** 4,2*** 11,0*** 8,8***
Apoyo emocional 1,7* -0,1 1,3 0,5 1,6* 0,5* 1,9** -0,1 1,6 0,5*
Preescolar 6,0 0,8 4,6** -0,4 4,6 0,6 5,3** 0,8 10,4** 2,3**
NSE del hogar 4,9*** 0,9*** 3,9*** 0,3 8,1*** 1,4*** 2,5** 0,0 9,3*** 1,4***
Grado modal 31,2*** 4,4*** 38,2*** 3,8*** 54,0*** 4,0*** 52,4*** 0,2 77,2*** 9,4***
Composición escolar 17,2** 0,2 29,6*** -0,3 33,7*** 1,1 29,9*** 0,9 31,9*** 3,5***
Proporción de mujeres 3,2 -5,5** 17,1 2,6 2,2 -0,0 39,9*** -0,7 27,7* 5,4*
Tamaño escolar 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0** 0,0 0,0
Gestión privada 9,5 1,0 6,9 2,0 10,4 0,2 1,8 -0,8 -13,6 -1,3
Escuela rural -10,2 -1,5 -4,7 0,5 5,1 0,1 -12,8** 1,5** -6,1 0,1
Agrupamiento -6,6 0,2 -5,1 -0,8 -12,9** -2,0* 3,0 -0,6 -0,2 1,7*
Selectividad -2,8 1,1 2,3 -0,4 -3,6 -2,1 0,9 0,1 2,8 -1,0
Recursos escasos -0,4 0,1 -4,6* 0,1 -4,0 0,0 -1,5 -0,5 1,2 -0,3
Personal escaso -7,5 -0,5 1,1 -1,0* 1,8 -0,1 0,3 0,2 -2,2 -0,1
Interés de docentes 2,9** 0,3 0,2 0,1 1,2 0,3 3,9*** 0,1 5,1*** 0,4
Docentes con Maestría 47,3*** -3,4 1,1 1,2 12,3 -2,8 -2,9 -4,1** -98,4 -14,7
194
Anexo 2: Ecuaciones correspondientes a los modelos estimados

Modelo multinivel univariado
Modelo nulo
Nivel 1 (alumnos):
Y=
ij π 0 j + eij
(1)
Nivel 2 (escuelas):
π=
0j β 00 + r0 j
(2)
Donde:
Yij
( ): resultado esperado del alumno i que asiste a la escuela j-
π e
( 0 j ): logro promedio para la escuela j ; y ( ij ): desviación aleatoria del puntaje del alumno i con
respecto al promedio de su escuela. Se asume una distribución normal con media cero y varianza
constante.
β r
( 00 ): media global para todas las escuelas; y ( 0 j ): desviación aleatoria del promedio de la escuela
j con respecto a la media global. Se asume una distribución normal con media cero y varianza
constante.
Modelo completo con variables explicativas:
P Q
Yij = β 00 + ∑ π p 0 X pij + ∑ β q Z qj +eij + r0 j
=p 1=q 1
(3)
Donde X es un vector de P factores personales y familiares y Z representa un vector de Q factores
escolares con efectos fijos.
Modelo multinivel multivariado
El conjunto de variables dependientes conforma un nuevo nivel por debajo del nivel de alumnos. Es
decir que, los distintos logros o variables-respuesta (actual nivel 1) se anidan dentro de los alumnos
(actual nivel 2), los cuales se anidan dentro de las escuelas (actual nivel 3).
Modelo completo multivariado con variables explicativas:
Q
Yij = ∑K P
k=1 ωk �βh00 + ∑p=1 πhp0 X pij + ∑q=1 βhq Zqj + ehij + rh0j � (4)
Donde:
(h): indica la variable-respuesta presente en la estimación. Tanto k como h toman valores 1 y 2 en
los modelos bivariados; y 1, 2 y 3 en los modelos trivariados.
ωk = 1 si k = h ; 0 si k ≠ h
195
N. Krüger
Breve CV de la autora
Natalia Krüger
Investigadora Adjunta del Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET)
y Profesora Adjunta del Departamento de Economía de la Universidad Nacional del Sur (UNS),
Bahía Blanca, Argentina. Es Doctora en Economía por la UNS y ha realizado estancias de
investigación doctoral y postdoctoral en la Universidad de Barcelona, España, la Universidade
Federal Fluminense, Brasil, y la Katholieke Universiteit Leuven, Bélgica. Investiga en el área de
Economía de la Educación, y sus publicaciones se enfocan en temas relativos a la calidad y la igualdad
de oportunidades educativas en América Latina. ORCID ID: https://orcid.org/0000-0001-8401-
2639. Email: natalia.kruger@uns.edu.ar
196
Elección de Escuela, Movilidad y Segregación Escolar

del Alumnado Vulnerable en Barcelona
School Choice, Mobility and School Segregation of Vulnerable

Students in Barcelona
Xavier Bonal 1 *
Adrián Zancajo 2
1 Universitat Autònoma de Barcelona, España
2 University of Glasgow, Reino Unido
Este artículo analiza la relación entre elección de escuela, movilidad y segregación

escolar del alumnado socialmente desfavorecido en Barcelona. Las particularidades
del modelo de zonificación escolar de la ciudad, basado en un complejo sistema de
elección restringida pero que otorga un amplio número de opciones de proximidad,
lo convierten en un caso único en el que observar la relaciones entre movilidad y
desigualdades educativas. A partir de datos de residencia y escolarización del
alumnado de educación infantil y primaria el trabajo nos muestra cómo la interacción
entre segregación residencial y pautas de movilidad del alumnado es generadora de
mayor segregación escolar del alumnado vulnerable, tanto de nivel socioeconómico
bajo como de nacionalidad extranjera. Un análisis contrafactual que simula modelos
de escolarización basados en mayor proximidad demuestra que la segregación escolar
del alumnado vulnerable se reduciría hasta un 50% en escenarios de menor movilidad
y mayor escolarización de proximidad. Asimismo, estos escenarios reducirían la
desigualdad de escolarización entre escuelas públicas y concertadas. El artículo
concluye con una reflexión sobre las implicaciones políticas del análisis.
Descriptores: Elección escolar; Segregación escolar; Movilidad; Barcelona;
Desigualdad educativa.
This article analyzes the relationship between school choice, mobility and school
segregation of socially disadvantaged students in Barcelona. The particularities of
the city's zoning system and catchment areas, based on a complex model of restricted
choice with a wide number of proximity options, make it a unique case to observe
the relationship between mobility and educational inequalities. By using data on
students’ residence and schooling of children in pre-school and primary education,
the article shows how the interaction between residential segregation and patterns
of student mobility generates greater school segregation of both students from low
socioeconomic status and foreign students. A counterfactual analysis that simulates
schooling models based on greater proximity shows that the school segregation of
vulnerable students would be reduced by up to 50% in scenarios of less mobility and
greater proximity schooling. Likewise, these scenarios would reduce the inequality
of schooling between public and private schools. The article concludes with some
reflections on the political implications of the analysis.
Keywords: School choice; School segregation; Mobility; Barcelona; Education
inequalities.
*Contacto: xavier.bonal@uab.cat Recibido: 20 de marzo 2020

X. Bonal y A. Zancajo
Los debates sobre las virtudes y los defectos de la elección de escuela enfrentan a menudo
distintas posiciones políticas en educación. En los últimos años, además, estos debates han
ganado protagonismo en la medida en que numerosos países han llevado a cabo reformas
educativas que han aumentado las posibilidades de elección de escuela. La expansión de
los sistemas de cheque escolar (voucher), el aumento de la financiación pública a las escuelas
privadas, el crecimiento de las escuelas charter o la mayor capacidad otorgada a las escuelas
para decidir sobre los criterios de admisión son reformas con orientación de mercado que,
en las últimas décadas, se han desarrollado en diversos países (OCDE, 2017). Como
resultado de estas políticas y otras tendencias, en los últimos 25 años, la mayoría de los
sistemas educativos de la OCDE han aumentado las oportunidades de elección de escuela
(Musset, 2012) y con ello la preocupación por los posibles efectos de una mayor capacidad
de elección sobre la calidad y la equidad de los sistemas educativos.
Los defensores de la elección escolar sostienen que conlleva mejoras sustantivas en la
calidad y la equidad de los sistemas educativos (Chubb y Moe, 1990; Hoxby, 2003). Las
mejoras en la calidad se derivan, principalmente, de la capacidad de estas políticas para
promover una mayor competencia entre las escuelas. Dado que la capacidad de elección
de escuela otorga poder de decisión a la demanda (los usuarios tienen capacidad de cambiar
de centro), las escuelas se ven obligadas a competir para atraer y retener a los usuarios.
Esta competencia, de este modo, genera incentivos para mejorar la calidad académica de
la oferta escolar. Los beneficios sobre la equidad educativa están asociados a la reducción
de los efectos de la segregación residencial sobre la segregación escolar. Según esta
aproximación, la elección de escuela abre la posibilidad de que familias pobres,
especialmente aquellas altamente motivadas, “escapen” de las escuelas de su entorno social
inmediato, que suelen ser de baja calidad, y consigan acceder a mejores escuelas. Los
mecanismos de distribución de recursos que refuercen la capacidad de elección de escuela,
mediante vouchers universales o selectivos, por ejemplo, se consideran en definitiva buenos
dispositivos para aumentar la calidad y la igualdad de oportunidades de los sistemas
educativos (Chubb y Moe 1990; Hoxby 1998; Lindbom, 2010; Merrifield 2001).
Por su parte, otros autores se muestran especialmente críticos con la elección de la escuela.
Sus análisis resaltan los efectos negativos producidos por las políticas que promueven
mayores niveles elección, porque incentivan sistemas de selección del alumnado por parte
de las escuelas para mejorar su reputación académica y su capacidad de atracción (Ball,
1998; van Zanten, 1996; West, Hind y Pennell, 2004). Asimismo, estos estudios destacan
el hecho de que las familias de bajo nivel socioeconómico tienen menos posibilidades de
acceder a las “mejores” escuelas, ya sea por razones financieras (cuando se permiten
aportaciones económicas complementarias) o debido a asimetrías de información (Allen,
2007; Elacqua, Montt y Santos, 2013; Gewirtz, Ball y Bowe, 1995; van Zanten, 1996). En
parte, estos fenómenos explican por qué las políticas que amplían la elección escolar no
necesariamente reducen la segregación escolar, sino que pueden incluso aumentar la
estratificación social entre centros educativos. En muchos de estos estudios se constata
que políticas orientadas a aumentar la capacidad de elección facilitan los procesos de huida
(white flight) de las clases medias de las escuelas locales, aumentando la concentración y el
aislamiento de los estudiantes más vulnerables (Boterman, 2013; Butler y Robson, 2003;
Kye, 2018).
198
Si bien las revisiones sobre los efectos de la elección escolar y los mercados educativos
sobre la equidad educativa subrayan el predominio de los efectos negativos (Musset, 2012;
OCDE, 2019; Waslander, Pater y van der Weide, 2010), la relación entre elección y
segregación está lejos de ser homogénea y varía entre los diferentes sistemas educativos
y territorios. La configuración de los mercados locales de educación o "mercados vividos"
(Felouzis, Maroy y van Zanten, 2013; Taylor, 2001) es crucial para comprender la
dinámica de la segregación escolar y la posición jerárquica de las escuelas. Factores como
el diseño de las políticas de admisión (Bonal y Zancajo, 2019; Dupriez, Barbana y
Verhoven, 2018), las características y el tamaño de las zonas educativas (catchment areas)
(Boterman et al., 2019), el mayor o menor peso de los proveedores privados sobre el
conjunto de la oferta (Alegre y Ferrer, 2010), o diferentes racionalidades de demanda
educativa (Ben Porath, 2009; Bonal y Zancajo, 2018a) son algunas de las razones que
explican las diferentes interacciones entre la elección escolar, la movilidad y la segregación
escolar.
Este artículo se ocupa de analizar la relación entre elección de escuela, movilidad y
segregación escolar en un mercado educativo local, en este caso la ciudad de Barcelona.
Las particularidades del modelo de zonificación escolar de la ciudad, con un complejo
sistema de elección restringida pero que otorga un amplio número de opciones de
proximidad, hacen que sea especialmente interesante observar las dinámicas de
escolarización en las distintas zonas de la ciudad. El artículo nos mostrará cómo los
márgenes amplios de elección escolar no facilitan una escolarización más equitativa, sino
que son generadoras de desigualdades en la movilidad del alumnado y, por tanto, de mayor
segregación escolar del alumnado, tanto del alumnado extranjero como del alumnado de
nivel socioeconómico bajo en prácticamente todas las zonas de la ciudad.
El trabajo se estructura del siguiente modo. En la sección que sigue a esta introducción
revisamos la evidencia internacional aportada por los estudios que relacionan segregación
escolar y elección de centro. En la siguiente describimos brevemente las particularidades
del sistema de admisión escolar de Barcelona, y en especial el sistema de determinación de
la proximidad. En la cuarta sección ofrecemos algunos datos de los desequilibrios
territoriales más destacados por lo que respecta a la escolarización en la enseñanza
obligatoria y mostramos las diferencias entre segregación residencial y segregación
escolar. En la siguiente presentamos datos sobre movilidad educativa que permiten
entender la polarización territorial en el proceso de escolarización. Este análisis precede a
un análisis contrafactual que compara la escolarización real con la que se derivaría de
simular la escolarización exclusivamente dentro de la zona educativa o en el centro
geográficamente más cercano al domicilio del alumnado. Este análisis revela el impacto
del sistema de elección en la segregación escolar del alumnado extranjero o de bajo nivel
socioeconómico. El artículo concluye con una reflexión acerca de las implicaciones
políticas de este análisis.
1.1. Elección escolar y segregación
Las políticas de elección de escuela están destinadas a abrir posibilidades de acceso a
escuelas más allá del área de residencia de los estudiantes. Se conciben como programas
que brindan mayores oportunidades a todas las familias y, en muchas ocasiones, también
se planifican como una estrategia que potencialmente puede reducir los efectos de la
segregación residencial sobre la segregación escolar del alumnado socialmente más
vulnerable. Varios estudios han evaluado el impacto de las políticas que han ampliado las
199
oportunidades de elección de escuela en la segregación escolar comparando la composición

de las escuelas según grupo étnico, nivel socioeconómico u otros indicadores antes y
después de la implementación de reformas. Frankenberg y otros (2011), por ejemplo,
evaluaron el efecto de la expansión de las de las escuelas charter sobre la composición
escolar en 40 estados y otras áreas metropolitanas de Estados Unidos. Su estudio reveló
que la expansión de estas escuelas aisló a los estudiantes de color y de grupos
socioeconómicos más bajos en niveles significativamente más altos que las escuelas
públicas tradicionales, un resultado que confirmó los hallazgos de estudios previos (Cobb
y Glass, 2003; García, 2008). En un estudio longitudinal que evalúa la segregación entre
escuelas en Inglaterra entre 1989 y 2014, Gorard y Siddiqui (2016) identifican la
expansión de las grammar schools (escuelas selectivas por criterios académicos) como el
factor principal que explica la creciente segregación escolar en el país. Por su parte,
Brandén y Bygren (2018) evaluaron los efectos de la introducción del sistema de cheque
escolar y el surgimiento de escuelas independientes en Suecia comparando la evolución de
13 cohortes de estudiantes. Su análisis concluye que las mayores oportunidades de elección
conducen a una mayor segregación escolar entre estudiantes nativos y no nativos.
También para el caso de Suecia, Söderström y Uusitalo (2016) hallaron resultados
similares al comparar la segregación escolar académica, socioeconómica y étnica entre
municipios que suprimieron los criterios de proximidad en la política de admisión escolar
y aquellos municipios que no introdujeron la reforma. En Chile, la evidencia ha
demostrado que la implementación del voucher universal aumentó la estratificación social
y socioeconómica de las escuelas, no solo entre las escuelas públicas y privadas, sino
también dentro de la red de escuelas privadas financiadas con fondos públicos (Elacqua,
2012; Hsieh y Urquiola, 2006).
Más allá de las evaluaciones de impacto, un método alternativo para evaluar los efectos de
la elección de escuela en la estratificación escolar consiste en comparar escenarios
observados y contrafactuales. Todos los estudios disponibles que han utilizado esta
aproximación metodológica destacan, sin excepción, niveles más altos de segregación
escolar en escenarios reales en comparación con simulaciones que asignan escuelas a los
estudiantes usando diferentes criterios de proximidad geográfica. En Estados Unidos,
Sohoni y Saporito (2006) analizan la segregación racial en 22 distritos escolares en
escuelas de enseñanza primaria, intermedia (middle schools) y secundaria. Los autores
comparan el porcentaje de estudiantes blancos matriculados en escuelas públicas con los
residentes en el área de influencia de cada escuela. El estudio muestra cómo el porcentaje
promedio de estudiantes blancos matriculados en las escuelas es menor que su presencia
en el área de influencia. Esta diferencia es mayor en áreas que tienen proporciones
similares de estudiantes blancos y no blancos, lo que significa que cuanto mayor es la
heterogeneidad del área de influencia, mayor es la probabilidad de que los estudiantes
blancos no opten por la escolarización de proximidad. Los autores también encuentran
niveles más altos de segregación escolar en aquellas áreas con mayor presencia de escuelas
privadas, magnet y charter, lo que muestra un efecto negativo de los márgenes amplios de
elección en la segregación escolar especialmente en contextos con una elevada presencia
de alternativas de escolarización privadas. Bifulco, Ladd y Ross (2009) utilizan una
metodología similar para el caso de Durham (Carolina del Norte), y también muestran que
las escuelas están más segregadas entre grupos étnicos y clases sociales de lo que lo
estarían si todos los estudiantes asistieran a las escuelas más cercanas geográficamente.
Según los autores, los programas de elección de escuela favorecen que parte de la
200
población pueda evitar a determinados grupos sociales (white flight), así como el
etnocentrismo neutral (la búsqueda de entornos educativos y sociales similares). Estos
efectos son mayores que los que resultan de la posibilidad de que las familias vulnerables
puedan escolarizarse fuera de su área de residencia (Archbald, 2003). En otras palabras, el
efecto de salida es superior a los movimientos integradores que realizan las familias
socialmente menos favorecidas al escolarizarse con estudiantes más favorecidos como
producto de las políticas de elección de escuela. El resultado agregado es un aumento de
la segregación racial y de clase social.
Allen (2007) muestra cómo la política de elección de escuela secundaria en Inglaterra ha
producido un sistema educativo académica y socialmente más estratificado. Compara
escenarios observados y contrafactuales en todas las Autoridades Locales de Educación
(LEA, por sus siglas en inglés) del país. La autora demuestra que la movilidad de los
alumnos en cada LEA depende de la capacidad de los padres de acceder a una escuela que
no sea de proximidad. La movilidad es superior según la densidad de población, los
indicadores de bienestar social o la presencia de grammar schools (que disponen de
autonomía para decidir el número de plazas que ofrecen). Al realizar la asignación
simulada de estudiantes en función de la proximidad y los lugares disponibles, Allen
concluye que en el escenario contrafactual se reduce significativamente la segregación
escolar por nivel académico y por clase social. Burgess y otros (2007) hallan resultados
similares al comparar las posibilidades de elección de diferentes familias en su área de
proximidad. Su análisis muestra que la segregación escolar es considerablemente más alta
que la segregación residencial en aquellas áreas geográficas con mayores posibilidades de
elección de escuela.
Resultados similares son observables en análisis para los casos de Alemania (Riedel et al.,
2010), Suecia (Östh, Andersson y Malmberg, 2013) o Chile (Santos y Elacqua, 2016). En
todos estos casos las reformas educativas que han favorecido las lógicas de mercado y la
elección de escuela aumentan notablemente los procesos de segregación escolar,
situándola significativamente por encima de la segregación residencial.
1.2. El sistema de admisión escolar en Barcelona
Como en el resto de España, en la ciudad de Barcelona las familias mayoritariamente
solicitan plaza en educación preescolar en el mismo año en que el niño o la niña cumplen
los tres años de edad. Las familias pueden expresar sus preferencias escolares por cualquier
escuela pública o privada concertada de la ciudad, y los estudiantes son asignados
siguiendo un mecanismo de Boston 1. En casos de exceso de demanda, las solicitudes se
priorizan utilizando tres criterios principales que ya se establecieron en la Ley Orgánica
8/1985 del Derecho a la Educación (LODE). Estos criterios incluyen la proximidad
residencial, la inscripción de hermanos en la escuela y los ingresos del hogar.
La particularidad de Barcelona radica en la forma en que se determina la prioridad por
proximidad residencial. Existen 29 áreas de influencia o zonas escolares en la ciudad.
Todos los residentes en cada zona tienen prioridad por proximidad para acceder a todas
1 El "mecanismo de Boston" es un procedimiento de asignación de estudiantes mediante un

algoritmo que maximiza las preferencias del alumnado (familias) a partir de un sistema de baremos
basado en criterios pre-especificados. El mecanismo asigna las plazas teniendo en cuenta las plazas
disponibles y las preferencias de las familias, que son prioritarias respecto a la puntuación obtenida.
201
las escuelas públicas y concertadas dentro del área de influencia. En 2006, el Consorci
d'Educació de Barcelona (CEB), organismo público a cargo de la planificación y gestión
educativa de la ciudad, estableció un sistema específico de elección. De este modo, se
otorgó una capacidad mínima de elección común para equilibrar las oportunidades de
elección entre todas las familias. Si bien cada familia puede elegir todas las escuelas
ubicadas dentro del área de influencia, el sistema garantizó un mínimo de seis escuelas
geográficamente más próximas al domicilio (tres públicas y tres concertadas) como
escuelas de proximidad. De este modo, el sistema garantizaba una capacidad mínima de
elección y la posibilidad de que aquellas familias residentes en zonas fronterizas pudieran
tener acceso a las escuelas más cercanas a sus hogares, aunque no estuvieran situadas
dentro de su área de influencia. La residencia de los estudiantes y el número de escuelas
públicas y concertadas disponibles en el área de influencia y geográficamente más
próximas determinan el conjunto de opciones de proximidad de cada estudiante.
En 2012, se aprobó una reforma para ampliar las posibilidades de elección. El número
mínimo de escuelas consideradas como escuelas de proximidad se duplicó (seis escuelas
públicas y seis concertadas). Considerando el exceso de oferta de escuelas en ciertas áreas
de la ciudad, el promedio estimado de escuelas de proximidad por familia aumentó de 7,9
a 16,7 escuelas. 2 Al cambiar las posibilidades de elección de escuela, el CEB trató de
compensar así la desigual distribución interna de las áreas de influencia escolar (que
difieren tanto en el número total de escuelas como en la provisión público/privada).
El gobierno catalán presentó esta reforma en su momento como un mecanismo para
reducir la fuerte relación entre la segregación residencial y la segregación escolar (Bonal
y Verger, 2013). Al permitir mayores posibilidades de elección, se esperaba que las familias
que viven en los barrios más pobres de la ciudad tendrían mayores posibilidades de salida
de su zona, lo que reduciría la segregación escolar general. Sin embargo, y a pesar de que
no existe una evaluación específica de los efectos de la ampliación de las posibilidades de
elección de escuela, la segregación escolar en Barcelona se mantuvo estable entre 2006 y
2016, e incluso aumentó ligeramente en algunos distritos (Síndic de Greuges, 2016).
Este diseño institucional único, que combina la existencia de distritos escolares que no
pueden considerarse espacios completamente cerrados con niveles significativos de
elección de escuela, genera dinámicas de escolarización variables y altamente
condicionadas por las características del mercado educativo local. Es decir, la opción de
las familias por una escuela de proximidad, de la propia zona de influencia o de fuera de la
zona, depende de la distribución geográfica de las escuelas en la ciudad, el nivel de exceso
de demanda en cada área de influencia y las preferencias de las familias por cierto tipo de
escuelas. Todos estos factores inciden sobre la movilidad educativa y en sus efectos sobre
la segregación escolar en el conjunto de la ciudad y entre las zonas escolares.
2. Método
Los análisis presentados en este artículo se elaboraron a partir de un conjunto de bases de
datos proporcionadas por el CEB. En primer lugar, el registro del conjunto de alumnado
2Véase CEB. (2012). Inici del curs escolar 2012-2013. Dossier de prensa.
https://www.edubcn.cat/rcs_gene/extra/01_sala_de_premsa/0_Dossier_premsa_inici_curs_20
12_13.pdf
202
cursando segundo ciclo de educación infantil y educación primaria. Además del conjunto
de datos escolares contenidos en dicha base de datos, para cada uno de los alumnos
residentes en Barcelona se dispuso de las coordenadas geográficas de su lugar de
residencia. En segundo lugar, las bases de datos de alumnos beneficiarios de las ayudas
del fondo de emergencia social y de la beca comedor. Si bien ambas bases de datos fueron
debidamente anonimizadas, el identificador de alumno permitió el cruce de la información
contenida en las mismas.
Pese a que diferentes indicadores de segregación y concentración se han calculado a lo
largo del análisis, con el objetivo de simplificar la presentación de los resultados, en el
presente artículo se hace uso únicamente del índice de disimilitud, tanto para el cálculo de
la segregación escolar como residencial. Este índice permite estimar el porcentaje de
población perteneciente a la minoría que debería ser redistribuida entre las unidades de
análisis para conseguir una distribución completamente equilibrada. En concreto, la
fórmula de cálculo es la siguiente:
𝑛𝑛
1 𝑥𝑥𝑖𝑖 𝑦𝑦𝑖𝑖
𝐷𝐷 = � � − �
2 𝑋𝑋 𝑌𝑌
𝑖𝑖=1
donde 𝑥𝑥𝑖𝑖 corresponde al número de miembros de la población minoritaria en cada una de

las unidades de análisis (i) y 𝑋𝑋 es el número total de miembros de la minoría en la zona de
referencia (en nuestro caso el área de influencia o catchment area). Por su parte, yi e Y se
corresponden con el número de miembros de la población mayoritaria en la unidad de
análisis y para el conjunto de la zona de referencia respectivamente. En el caso de la
segregación escolar, la unidad de análisis se corresponde con cada uno de los centros
educativos, mientras que en el caso de la segregación residencial se tomó como unidad de
referencia las diferentes secciones censales (n = 1.068) que conforman la ciudad de
Barcelona 3.
Las bases de datos proporcionadas por el CEB permitieron analizar la distribución
geográfica de la oferta escolar según la composición social de los distintos territorios, la
segregación escolar de tres identificadores de alumnado vulnerable (nacionalidad
extranjera, receptores de beca de comedor y receptores de ayudas del fondo social de
emergencia) y las pautas de movilidad del alumnado entre las distintas áreas de influencia
(catchment areas). El cuadro 1 resume las principales características de la muestra de
alumnos y centros educativos analizados.
Por último, para estimar el impacto de la elección de escuela en la segregación escolar se
simularon dos escenarios alternativos de escolarización:
• Escolarización en la zona educativa de residencia. En este escenario únicamente
se reasignaron aquellos alumnos escolarizados en un centro educativo fuera de
su zona educativa de residencia. Con este objetivo, los alumnos fueron
distribuidos de manera aleatoria en alguno de los centros educativos situados en
su zona de residencia independientemente de la titularidad del centro.
3 Cabe señalar que para el cálculo de la segregación residencial únicamente se tuvieron en cuenta
aquellas secciones censales en las cuales residen alumnos escolarizados en la ciudad de Barcelona que
cursan segundo ciclo de educación infantil o educación primaria.
203
• Escolarización en el centro más cercano. En este escenario todos los alumnos se

asignaron a la escuela geográficamente más cercana a su lugar de residencia.
Cuadro 1. Características de la muestra de alumnado y centros escolares
NÚMERO % SOBRE EL TOTAL
Total alumnos 105.254 100,0
Subgrupos de alumnos
Beca comedor 20.233 19,2
Fondo social 9.399 8,9
Extranjero 15.961 15,2
Titularidad del centro
Público 49.025 46,6
Privado 56.229 53,4
Centros educativos 331 100,0
Público 167 50,5
Privado 164 49,5
Fuente: Elaboración propia a partir de la base de datos del registro de alumnos (CEB).
En ambos escenarios, el índice de disimilitud fue calculado teniendo en cuenta la nueva

distribución del alumnado entre los diferentes centros educativos y los cambios en la
composición de cada una de las zonas educativas y unidades de análisis. Por último, cabe
señalar que el análisis se restringió al alumnado escolarizado y residente en Barcelona,
excluyendo a aquellos alumnos que residen en otros municipios.
3. Resultados
3.1. La desigual distribución de la oferta escolar en la ciudad y la segregación del
alumnado
Para comprender la relación entre elección de escuela y segregación escolar del alumnado
socialmente más desfavorecido es importante observar cómo de equilibrada o
desequilibrada es la oferta educativa de la ciudad desde un punto de vista territorial. Como
se puede constatar en el mapa 1, el desequilibrio en la oferta de plazas de en el primer
curso de educación infantil de segundo ciclo respecto a la población residente se sitúa lejos
del equilibrio. Porcentajes por encima de 100% indican una situación de sobreoferta
respecto a la población residente, mientras que porcentajes inferiores reflejan situaciones
de infraoferta. El desequilibrio se materializa en situaciones de sobreoferta en los
territorios con mayor nivel de renta de la ciudad y, en cambio, en situaciones de infraoferta
en las zonas educativas de menor renta (en algunas zonas por debajo del 80% y en alguna
en particular por debajo del 60%). Con la excepción de una única zona, las situaciones de
sobreoferta se deben a un exceso significativo de plazas de titularidad privada-concertada
en la ciudad. Lejos de compensar los déficits de escolarización, la oferta escolar concertada
actúa desequilibrando las posibilidades de elección en los distintos territorios de la ciudad
(Bonal y Zancajo, 2018b).
El “negativo” del mapa de la oferta de plazas se puede observar en el mapa 2, que presenta
la distribución de la población según nivel de estudios como un proxy del nivel
socioeconómico de cada una de las zonas. La concentración de niveles de estudios bajos
tiene lugar en la periferia de la ciudad. Por contra, la población con mejor nivel de estudios
204
se sitúa en las zonas económicamente más favorecidas, que coinciden con ser las de mayor
oferta escolar.
Mapa 1. Zonas educativas según proporción de oferta de plazas respecto a la población

residente. Primer curso de educación infantil de segundo ciclo, curso 2016-17
Fuente: Elaboración propia a partir de datos de padrón y oferta de plazas escolares facilitados por
el CEB.
Mapa 2. Distribución de la media de alumnado de familias con nivel de estudios bajos

según zona educativa, curso 2016-17
Nota: Estudios bajos incluye las categorías de padres y/o tutores que no saben leer y escribir, los
que tienen una titulación inferior al grado de escolaridad y los que no tienen estudios.
Fuente: Elaboración propia a partir de datos facilitados por el CEB.
205
Las diferencias territoriales en la estructura de la oferta escolar, sin embargo, no tienen

una correspondencia perfecta con los niveles de segregación escolar del alumnado. El
mapa 3 presenta los índices de segregación escolar de tres subgrupos de estudiantes
vulnerables de educación infantil y primaria: receptores de beca de comedor (variable que
suele utilizarse como indicador de pobreza), receptores de ayudas del fondo social de
emergencia (otorgado por el ayuntamiento a familias en situación de pobreza severa) y
alumnado extranjero. En primer lugar, puede observarse que el nivel de segregación
escolar para los tres subgrupos de alumnado analizado es muy diverso en el conjunto de
la ciudad. Mientras en algunas zonas educativas los índices de disimilitud no superan el
0,2, en otras se sitúan por encima del 0,5.
Puede observarse también que existen diferencias en la segregación escolar de los
distintos subgrupos (especialmente del alumnado extranjero en comparación con el
alumnado en situación de pobreza). Asimismo, la segregación escolar del alumnado es
situación de pobreza o exclusión social es más alta en las zonas de los distritos
socioeconómicamente más favorecidos, con la excepción de dos zonas del este de la ciudad.
Las diferencias en la segregación escolar del alumnado extranjero también son
pronunciadas -aunque con menor intensidad- entre distintas zonas de la ciudad. En este
caso la dispersión es mayor entre zonas más o menos favorecidas.
Mapa 3. Segregación escolar según subgrupo de alumnado y zona educativa, curso 2016-
17
A modo de resumen de la segregación escolar para el conjunto de la ciudad, el cuadro 2

recoge los principales estadísticos relativos a los índices de disimilitud del alumnado de
206
cada subgrupo para el conjunto de zonas educativas de la ciudad. Puede observarse que el
índice es, en promedio, algo superior en el caso de los receptores de becas de comedor o
fondo social respecto al del alumnado extranjero, sin que las diferencias sean
excesivamente relevantes. Asimismo, el rango es especialmente elevado en el caso del
alumnado en situación de pobreza severa (receptores del fondo social), indicando una
dispersión significativa entre las diferentes zonas educativas de la ciudad. Más allá de los
casos extremos, la desviación estándar es relativamente similar para la segregación del
alumnado receptor de beca comedor y de fondo social, mientras es algo más reducida en
el caso de los alumnos de nacionalidad extranjera.
Cuadro 2. Estadísticos descriptivos del índice de disimilitud por zona educativas según
subgrupo de alumnado, curso 2016-17
BECA COMEDOR FONDO SOCIAL EXTRANJERO
Media 0,39 0,39 0,35
Mediana 0,40 0,40 0,35
Desviación estándar 0,11 0,10 0,07
Rango 0,38 0,46 0,26
Mínimo 0,18 0,16 0,20
Máximo 0,56 0,62 0,46
¿Qué relación existe entre los niveles de segregación escolar y residencial para cada uno
de los subgrupos? La figura 1 muestra tres gráficos que relacionan la segregación escolar
y la segregación residencial, uno para cada subgrupo de alumnado. Puede observarse cómo
en la mayoría de las zonas educativas la segregación escolar es significativamente mayor
que la segregación residencial (todas aquellas zonas que se sitúan por encima de la línea
de 45 grados). Esta tendencia es observable tanto para el alumnado beneficiario de beca
comedor, fondo social o de nacionalidad extranjera.
Figura 1. Relación entre segregación residencial i escolar según subgrupo de alumnado

y zona educativa, curso 2016-17
Puede observarse también cómo el comportamiento de esta diferencia es distinto entre las
zonas en función del tipo de desigualdad considerada, por condición económica o por
tratarse de alumnado extranjero. Los gráficos evidencian que la escolarización fuera de la
zona de residencia tiende, casi siempre, a aumentar la segregación escolar del alumnado
vulnerable. Las posibilidades de elección que otorga el actual sistema y los desequilibrios
en la capacidad de escolarización de las zonas educativas son generadores de niveles de
movilidad intra e interzonas que aumentan la segregación escolar. En el siguiente
207
apartado nos ocupamos de mostrar las pautas de movilidad asociadas a la escolarización

para los distintos grupos de alumnos.
3.2. La movilidad escolar de los diferentes subgrupos de estudiantes
Tal y como hemos señalado anteriormente, la política de admisión escolar de Barcelona
permite niveles elevados de movilidad intraurbana por razones de escolarización. El
sistema de asignación de las áreas de proximidad permite en muchos casos que las familias
cuenten con la prioridad por proximidad incluso para acceder a algunas escuelas fuera de
su zona de residencia. En otros casos, la elevada sobreoferta de plazas en el sector
concertado explica la capacidad de algunas familias para acceder a centros educativos que
se encuentran fuera de su área de influencia. Aquellas escuelas que no se encuentran en
situación de sobredemanda durante el proceso de preinscripción no necesitan aplicar el
criterio de proximidad. La figura 2 permite observar cómo los niveles de retención 4 en las
zonas educativas son, en general, bajos, con sólo tres zonas por encima del 80% de
retención y varias zonas en las que menos del 70% del alumnado se escolariza en zonas
distintas a la de su residencia. Esta baja retención en la zona, o elevada movilidad, se
produce en general a centros de zonas adyacentes a la zona de residencia (Bonal y Zancajo,
2018b).
Figura 2. Porcentaje de alumnado de educación infantil y primaria matriculado en su

zona escolar de residencia, curso 2016-17
Sin embargo, los bajos niveles de retención en las diferentes zonas educativas de la ciudad
esconden importantes desigualdades según las características del alumnado y según el
tipo de alumnado que se escolariza fuera de su zona de residencia. La figura 3 muestra la
ratio entre el porcentaje de los alumnos de cada uno de los subgrupos analizados y el resto
del alumnado que opta por escolarizarse en su zona educativa de residencia. Los valores
superiores a 1 indican una mayor probabilidad de no abandonar la zona de residencia para
escolarizarse de aquellos alumnos que no pertenecen al subgrupo de referencia. Como
puede observarse en la figura, en la mayoría de las zonas educativas los alumnos
pertenecientes a alguno de los subgrupos analizados presentan una mayor probabilidad
4El nivel de retención de las zonas de influencia se ha definido como el porcentaje de alumnos que
se escolariza en su zona de influencia de residencia.
208
de escolarizarse en su zona de residencia en comparación con el resto del alumnado. De

hecho, en muchas zonas educativas de la ciudad el alumnado beneficiario de beca comedor,
fondo social o de nacionalidad extranjera tiene una probabilidad de escolarizarse en su
zona de residencia más de un 20% superior al resto de los alumnos.
Figura 3. Ratio entre el porcentaje el alumnado de cada subgrupo y el resto de alumnado

que se escolariza en su zona de residencia, curso 2016-17
Una situación similar se puede observar cuando se evalúa la escolarización de proximidad,

es decir, en el centro más cercano al domicilio. Como muestra la figura 4, para el conjunto
de la ciudad, únicamente alrededor del 18% de los alumnos se escolariza en el centro
educativo más cercano a su domicilio. Sin embargo, las diferencias entre zonas educativas
en este indicador son significativas. Mientras en algunas zonas educativas casi el 40% del
alumnado se escolariza en el centro más cercano, esta proporción se reduce a niveles
próximos al 10% en otras zonas.
Figura 4. Porcentaje de alumnado de educación infantil y primaria en el centro educativo

más cercano a su domicilio, curso 2016-17
Como en el caso de la escolarización en la zona educativa de residencia, la prevalencia de

la escolarización de proximidad se ve influida por las características socioeconómicas del
alumnado (figura 5). De nuevo, el alumnado de alguno de los subgrupos de vulnerabilidad
209
es más propenso a escolarizarse en el centro educativo más cercano a su domicilio que el

resto de los alumnos. Si tomamos en consideración la media para el conjunto de la ciudad,
estas diferencias son algo más importantes en el caso de los alumnos beneficiarios del
fondo social o de nacionalidad extranjera en comparación con los alumnos receptores de
beca comedor.
Figura 5. Ratio entre el porcentaje el alumnado de cada subgrupo y el resto de alumnado

que se escolariza en el centro más cercano a su domicilio, curso 2016-17
En definitiva, los resultados presentados en este apartado muestran como el alumnado de

subgrupos más vulnerables, en términos generales, muestra una mayor movilidad
interzonas e intrazonas que el resto de alumnado. Es evidente que la diferencia observada
entre segregación residencial y escolar es un fenómeno complejo que puede responder a
una multiplicidad de factores. Sin embargo, las desigualdades en la movilidad escolar
podrían ser el origen de buena parte de las diferencias observadas. En este sentido, las
diferencias entre segregación residencial y escolar pueden explicarse por las pautas
diferenciadas de movilidad entre grupos sociales, tanto entre zonas educativas
(interzonas), como dentro de las zonas educativas (intrazonas). El siguiente apartado
analiza de qué manera los diferentes patrones de movilidad según las características
socioeconómicas de alumnado pueden incidir sobre la segregación escolar.
3.3. El efecto de la movilidad sobre la segregación escolar: Un análisis contrafactual
Observadas las pautas de movilidad desiguales por subgrupos de alumnos y por zonas
educativas, en esta última sección nos centramos en analizar hasta qué punto el efecto de
la movilidad del alumnado es o no generador de mayores niveles de segregación escolar.
Como hemos señalado en el apartado anterior, las pautas de movilidad analizadas permiten
contemplar la hipótesis de que la movilidad por escolarización es uno de los principales
factores explicativos de la diferencia entre segregación residencial y escolar.
Un método para contrastar esta hipótesis es el del análisis contrafactual, tal como ha
puesto de relieve la revisión de la literatura en la primera sección de este artículo. El
análisis contrafactual permite comparar escenarios reales con escenarios simulados de
escolarización. Como se ha mencionado en el apartado metodológico, en este caso,
definimos dos tipos de escenarios simulados: la escolarización exclusivamente dentro de
la zona educativa, y la escolarización en la escuela geográficamente más cercana al
210
domicilio del alumno. Esta aproximación permite comparar la segregación escolar, a partir
de los índices de disimilitud, en el escenario real y en los escenarios simulados para los
tres subgrupos de alumnado analizados. Cabe señalar que ambos escenarios simulados
asumen la existencia de suficientes plazas escolares para el alumnado residente en cada
zona y escuela, un hecho que como hemos visto no se corresponde con la distribución
actual de la oferta escolar. En todo caso, el análisis contrafactual es un ejercicio de carácter
teórico que nos acerca a valorar el efecto agregado de la movilidad sobre la segregación
escolar y la desigualdad educativa.
La figura 4 muestra la relación entre la segregación escolar en el escenario real y los dos
escenarios simulados para cada una de las zonas educativas de la ciudad. Los puntos
situados por debajo de la línea diagonal de 45 grados indican una reducción de la
segregación escolar en el escenario simulado y el real. Por otro lado, el coeficiente de la
variable equis (segregación en el escenario real) nos aporta un indicador de la intensidad
de la reducción de la segregación entre el escenario real y simulado. En este caso, valores
inferiores de dicho coeficiente indican una mayor reducción media de la segregación entre
los dos escenarios comparados. En el caso del escenario en el que todos los alumnos se
escolarizan en su zona educativa de residencia, se puede observar que en casi todas las
zonas educativas (salvo un caso), la segregación escolar se reduce de manera significativa.
La misma tendencia, incluso más acentuada, se observa cuando se compara la segregación
escolar en el escenario real y el de escolarización en el centro más cercano. De nuevo, en
la mayoría de las zonas educativas la segregación escolar en el escenario de centro más
cercano disminuye de manera considerable respecto a la observada en el escenario real. El
coeficiente de la reducción es significativamente mayor en el escenario de centro cercano
(0,21) en comparación con el escenario de escolarización en la zona educativa de residencia
(0,34).
En el caso del alumnado beneficiario de las ayudas del fondo social (figura 5) y el alumnado
de nacionalidad extranjera (figura 6) la tendencia es muy similar a la observada para los
alumnos con beca comedor. En ambos casos, se puede observar como en la gran mayoría
de zonas educativas la segregación escolar en los escenarios simulados es
significativamente inferior a la del escenario real. Como en el caso de los alumnos con beca
comedor, si se comparan los coeficientes de reducción, para los alumnos beneficiarios de
fondo social y de nacionalidad extranjera la reducción de la segregación escolar es mucho
más intensa en el escenario de escolarización en el centro cercano que en el de zona
educativa.
Por último, cabe señalar que las zonas educativas que en algunas ocasiones se comportan
como un outlier, es decir aquellas donde la segregación escolar en los escenarios simulados
es mayor que en el escenario real, se corresponden con zonas con características
geográficas o de oferta educativa particulares. De hecho, en la gran mayoría de casos se
trata de la zona educativa 8, situada en la parte más alta de la ciudad, con una geografía y
una distribución de la oferta educativa muy peculiar que no se corresponde con el resto de
las zonas educativas. La zona educativa 14 que también presenta este comportamiento en
el caso del alumnado de nacionalidad extranjera, tiene características específicas relativas
a la oferta educativa que podría explicar dicho comportamiento.
211
Figura 4. Índice de disimilitud del alumnado receptor de beca de comedor según

escenario y zona educativa de residencia, curso 2016-17
Figura 5. Índice de disimilitud del alumnado receptor de ayudas del fondo social de
emergencia según escenario y zona educativa de residencia, curso 2016-17
Figura 6. Índice de disimilitud del alumnado extranjero según escenario y zona

educativa de residencia, curso 2016-17
212
A modo de resumen, el cuadro 3 muestra la media para las 29 zonas educativas de los
índices de disimilitud para cada uno de los escenarios analizados. Como se puede observar,
para los tres subgrupos la reducción media de la segregación escolar entre el escenario
real y el de escolarización se sitúa entre el 35,3% y el 29,8%, siendo la segregación escolar
del alumnado receptor de beca comedor el que experimenta una mayor reducción. En el
caso del escenario de escolarización en el centro más cercano la reducción se sitúa entre el
43,4% para los alumnos beneficiarios de las ayudas de fondo social, y el 56,7% para el
alumnado de nacionalidad extranjera.
Cuadro 3. Media del índice disimilitud de las ZE según escenarios y subgrupo de alumnos,
curso 2016-17
ESCENARIO
ZONA EDUCATIVA CENTRO MÁS CERCANO
REAL
% respecto % respecto
Segregación Segregación Segregación
escenario escenario
escolar escolar escolar
real real
Beca comedor 0,39 0,25 -35,3 0,18 -53,1
Fondo social 0,39 0,27 -29,8 0,22 -43,4
Extranjero 0,35 0,24 -31,0 0,15 -56,7
Una comparación más detallada de las diferencias entre zonas requeriría un análisis de las
pautas de movilidad a partir de datos individuales, ya que los factores que potencialmente
podrían explicar las diferencias entre los diferentes escenarios y subgrupos de alumnos
son de índole diversa. En primer lugar, las diferencias en el peso porcentual de cada uno
de los colectivos en las diferentes zonas educativas de la ciudad pueden influir en el hecho
que los escenarios simulados provoquen una mayor o menor reducción de la segregación
escolar. En segundo lugar, la distribución residencial de los subgrupos analizados afecta
a la capacidad del escenario de centro más cercano para reducir la segregación escolar. La
concentración residencial (guetos) de algunos de estos subgrupos en algunas áreas de las
zonas educativas de la ciudad influye en la capacidad de la escolarización de proximidad
para reducir la segregación escolar. Con todo, el análisis contrafactual es ilustrativo de la
polarización en el proceso de escolarización y de los efectos negativos de un sistema que
favorece la elección escolar hasta el punto de reducir significativamente la escolarización
de proximidad.
Finalmente, un último indicador de la estratificación social derivada de la movilidad por
escolarización se puede observar en la figura 7. El gráfico recoge la ratio del porcentaje
de cada subgrupo de alumnado vulnerable entre los centros educativos públicos y privados
concertados en el escenario real y en los dos escenarios simulados. Puede observarse en
todos los casos niveles superiores de sobre escolarización del alumnado socialmente más
desfavorecido en el sector público. Las ratios son especialmente elevadas en el escenario
real, con índices superiores de sobre escolarización hasta 5,5 veces más en el caso del
alumnado del fondo social o de 2,5 en el caso del alumnado extranjero. En todos los casos
el desequilibrio entre centros públicos y concertados se reduciría significativamente en los
escenarios simulados, y lo haría de forma drástica en el escenario de escolarización en el
centro más cercano, donde la escolarización entre sectores prácticamente se equilibraría
en el caso del alumnado extranjero.
213
Figura 7. Estratificación entre centros públicos y concertados, según subgrupo de

alumnado y escenario, curso 2016-17
Nota: El gráfico expone para cada escenario y subgrupo de alumnado la ratio de sobre
escolarización en el sector público respecto al concertado.
4. Conclusiones y recomendaciones de política educativa

Los datos relativos a la escolarización del alumnado en la educación infantil i primaria en
la ciudad de Barcelona nos han revelado niveles significativos de segregación escolar
asociados a los importantes niveles de movilidad escolar favorecidos por un sistema de
otorga un amplio margen de elección a las familias. Las reformas en el sistema de
zonificación escolar aplicadas en la ciudad en los años 2006 y 2012, y el consiguiente
aumento en las posibilidades de elección, facilitaron una mayor movilidad por
escolarización que se han traducido en niveles de segregación escolar superiores a la
segregación residencial. Los análisis presentados en este artículo revelan esta pauta
común para todos los subgrupos de alumnado por condición socioeconómica y
nacionalidad. Sin embargo, existen pautas de segregación escolar de cada subgrupo
diferenciadas entre zonas de influencia, especialmente entre el alumnado extranjero y el
alumnado en situación de pobreza. La distribución geográfica de cada subgrupo y las
oportunidades de movilidad en cada territorio son posiblemente factores que explican
estas diferencias.
Como hemos señalado en un trabajo anterior (Bonal y Zancajo, 2019), las pautas de
movilidad educativa dependen en gran medida de las características de los mercados
educativos locales: situaciones de infra o sobreoferta escolar, presencia de escuela
concertada y niveles de segregación residencial se combinan para explicar pautas de
movilidad y de polarización social. En todo caso, el resultado agregado es claramente
perjudicial desde un punto de vista de equidad. El análisis contrafactual nos ofrece una
panorámica de la desigualdad en la que se reproduce lo observado en otros sistemas
educativos; es decir, una reducción significativa de la segregación cuando aumenta la
escolarización de proximidad (Allen, 2007; Bifulco, Ladd y Ross, 2009).
A partir del análisis presentado en el presente artículo pueden realizarse algunas
consideraciones desde el punto de vista de las políticas educativas encaminadas a mejorar
la equidad y reducir la segregación escolar. Es evidente que el conjunto de medidas
214
posibles es amplio y escapa a los objetivos y posibilidades de este artículo. Nos limitaremos
por ello a señalar dos cuestiones que parecen clave desde el punto de vista de la relación
entre movilidad por escolarización y segregación escolar. En primer lugar, carece de
sentido disponer de zonas de escolarización tan desequilibradas desde un punto de vista
demográfico. Los niveles de infra o sobre escolarización revelan un problema de estructura
de la oferta escolar. En ocasiones estos desequilibrios son difíciles de corregir debido a la
concentración de escuelas en determinadas zonas, y especialmente de escuelas concertadas
(es el caso por ejemplo de la elevada sobreoferta en los distritos de mayor nivel
socioeconómico). Sin embargo, buena parte del desequilibrio se podría corregir
rediseñando algunas zonas para conseguir un mejor equilibrio entre oferta y demanda
educativa, así como ajustando el número de plazas en aquellas zonas con mayor
sobreoferta. A modo de ejemplo, carece de sentido que exista una zona con una cobertura
de plazas respecto a la población residente cercana al 400% colindante con una zona con
el 54% de cobertura.
En segundo lugar, y en relación con lo anterior, las virtudes de un sistema de acceso a la
escolarización que tiene como objetivo equilibrar el mínimo número de opciones de
elección desaparecen, paradójicamente, a causa del elevado número de posibilidades de
escolarización (12 escuelas como mínimo) y de un modelo que integra las propias áreas de
influencia al cálculo de la proximidad (lo que da como resultado una media real de elección
de 16,7 escuelas por familia). Parecería razonable, si se opta por un sistema de equidad en
las opciones de escolarización, equilibrar las zonas (como ya hemos señalado) o suprimirlas
del todo y optar por un modelo exclusivamente de proximidad geográfica. El resultado
del análisis contrafactual nos indica claros beneficios de optar por un sistema que refuerce
la proximidad en la escolarización, al reducirse la segregación en ocasiones hasta niveles
del 50% o más.
Evidentemente, se trata de propuestas que deben ser estudiadas con detenimiento y
observadas en cada mercado educativo local para valorar su impacto. En todo caso, parece
claro que mantener un sistema como el actual, con notables márgenes de elección escolar
en un mercado educativo desigual y con fuerte presencia de escuela concertada, no
constituye una buena opción desde el punto de vista de la equidad educativa.
Referencias
Alegre, M. A. y Ferrer, G. (2010). School regimes and education equity: Some insights based on
PISA 2006. British Educational Research Journal, 36(3), 433-461.
https://doi.org/10.1080/01411920902989193
Allen, R. (2007). Allocating pupils to their nearest secondary school: The consequences for social
and ability stratification. Urban Studies, 44(4), 751-770.
https://doi.org/10.1080/00420980601184737
Archbald, D. A. (2003). School choice, magnet schools, and the liberation model: An empirical
study. Sociology of Education, 77, 283-310. https://doi.org/10.1177/003804070407700402
Ball, S. J. (1998). Big policies/small world: An introduction to international perspectives in
education policy. Comparative Education, 34(2), 119-130.
https://doi.org/10.1080/03050069828225
Ben-Porath, S. R. (2009). School choice as a bounded ideal. Journal of Philosophy of Education, 43,
527-544. https://doi.org/10.1111/j.1467-9752.2009.00726.x
215
Bifulco, R., Ladd, H. F. y Ross, S. L. (2009). Public school choice and integration evidence from
Durham, North Carolina. Social Science Research, 38(1), 71-85.
Bonal, X. y Verger, A. (2013). L’agenda de la política educativa a Catalunya: Una anàlisi de les opcions
de govern (2011-2013). Fundació Jaume Bofill.
Bonal, X. y Zancajo, A. (2018a). Demand rationalities in contexts of poverty: Do the poor respond
to market incentives in the same way? International Journal of Educational Development, 59,
20-27. https://doi.org/10.1016/j.ijedudev.2017.10.001
Bonal, X. y Zancajo, A. (2018b). School segregation in the Spanish quasi-market. En X. Bonal y C.
Bellei (Eds.), Understanding school segregation: Patterns, causes and consequences of spatial
inequalities in education (pp. 201-220). Bloomsbury Academic.
Bonal X. y Zancajo, A. (2019). Equivalència territorial en la planificació educativa a Barcelona. Consorci
d’Educació de Barcelona.
Boterman, W. R. (2013). Dealing with diversity: Middle-class family households and the issue of
“black” and “white” schools in Amsterdam. Urban Studies, 50(6), 1130-1147.
https://doi.org/10.1177/0042098012461673
Boterman, W., Musterd, S., Pacchi, C. y Ranci, C. (2019). School segregation in contemporary
cities: Socio-spatial dynamics, institutional context and urban outcomes. Urban Studies,
56(15), 3055-3073. https://doi.org/10.1177/0042098019868377
Brandén, M. y Bygren, M. (2018). School choice and school segregation: Lessons from Sweden’s school
voucher system. The Institute for Analytical Sociology.
Burgess, S., McConnell, B., Propper, C. y Wilson, D. (2007). The impact of school choice on sorting
by ability and socioeconomic factors in English secondary education. En L. Woessmann y
P. Peterson (Eds.), Schools and the equal opportunity problem (pp. 273-292). MIT Press.
Butler, T. y Robson, G. (2003). Plotting the middle classes: Gentrification and circuits of education
in London. Housing Studies, 18(1), 5-28. https://doi.org/10.1080/0267303032000076812
Chubb, J. E. y Moe, T. (1990). Politics, markets & America’s schools. The Brookings Institution.
Cobb, C. D. y Glass, G. V. (2003). Arizona charter schools: Resegregating public education? AERA.
Dupriez, V., Barbana S. y Verhoven, M. (2018). Structural and systemic dimensions of school
segregation in French-speaking Belgium. En X. Bonal y C. Bellei (Eds.), Understanding
school segregation: Patterns, causes and consequences of spatial inequalities in education (pp. 45-64).
Bloomsbury Academic.
Elacqua, G. (2012). The impact of school choice and public policy on segregation: Evidence from
Chile. International Journal of Educational Development, 32(3), 444-453.
https://doi.org/10.1016/j.ijedudev.2011.08.003
Elacqua, G., Montt, P. y Santos, H. (2013). Evidencias para eliminar gradualmente el financiamiento
compartido. Instituto de Políticas Públicas.
Felouzis, G., Maroy, C. y van Zanten, A. (2013). Les marchés scolaires: Sociologie d'une politique
publique d'éducation. Presses Universitaires de France.
https://doi.org/10.3917/puf.felou.2013.01
Frankenberg, E., Siegel-Hawley, G. y Wang, J. (2011). Choice without equity: Charter school
segregation. Educational Policy Analysis Archives, 19(1), 1-96.
https://doi.org/10.14507/epaa.v19n1.2011
216
Garcia, D. R. (2008). The impact of school choice on racial segregation in charter schools.
Educational Policy, 22(6), 805-829. https://doi.org/10.1177/0895904807310043
Gewirtz, S., Ball, S. J. y Bowe, R. (1995). Markets, choice, and equity in education. Open University
Press.
Gorard, S. y Siddiqui, N. (2016). Grammar schools in England: A new approach to analyzing their intakes
and outcomes. Durham University Press.
Hoxby, C. M. (1998). What do america's 'traditional' forms of school choice teach us about school
choice reforms? Economic Policy Review, 4(1), 47-59.
Hoxby, C. M. (2003). The economics of school choice. University of Chicago Press.
https://doi.org/10.7208/chicago/9780226355344.001.0001
Hsieh, C. T. y Urquiola, M. (2006). The effects of generalized school choice on achievement and
stratification: Evidence from Chile’s voucher program. Journal of Public Economics, 90(9),
1477-1503. https://doi.org/10.1016/j.jpubeco.2005.11.002
Kye, S. H. (2018). The persistence of white flight in middle-class suburbia. Social Science Research,
72, 38-52. https://doi.org/10.1016/j.ssresearch.2018.02.005
Lindbom, A. (2010). School choice in Sweden: Effects on student performance, school costs, and
segregation. Scandinavian Journal of Educational Research, 54(6), 615-630.
https://doi.org/10.1080/00313831.2010.522849
Merrifield, J. (2001). The school choice wars. Rowman & Littlefield.
Musset, P. (2012). School choice and equity: Current policies in OECD countries and literature
review. OECD Education Working Papers, 66, 1-51.
OECD. (2017). School choice and school vouchers: An OECD perspective. OECD Publishing.
OECD. (2019). Balancing school choice and equity: An international perspective based on PISA. OECD
Publishing. https://doi.org/10.1787/2592c974-en
Östh, J., Andersson, E. y Malmberg, B. (2013). School choice and increasing performance
difference: A counterfactual approach. Urban Studies, 50(2), 407-425.
https://doi.org/10.1177/0042098012452322
Riedel, A., Schneider, K., Schneider, C. y Weishaupt, H. (2010). School choice in German primary
schools: How binding are school districts? Journal for Educational Research Online, 2(1), 94-
120.
Santos, H. y Elacqua, G. (2016). Segregación socioeconómica escolar en Chile: Elección de la
escuela por los padres y un análisis contrafactual teórico. CEPAL Review, 119, 133-148.
https://doi.org/10.18356/bd46ae92-es
Saporito, S. y Sohoni, D. (2006). Coloring outside the lines: Racial segregation in public schools
and their attendance boundaries. Sociology of Education, 79, 81-105.
https://doi.org/10.1177/003804070607900201
Síndic de Greuges. (2016). La segregació escolar a Catalunya (I): La gestió del procés d’admissió de
l’alumnat. Síndic de Greuges de Catalunya.
Söderström, M. y Uusitalo, R. (2010). School choice and segregation: Evidence from an admission
reform. Scandinavian Journal of Economics, 112(1), 55-76.
https://doi.org/10.1111/j.1467-9442.2009.01594.x
Taylor, C. (2001). The geography of choice and diversity in the ’new’ secondary education market
in England. Area, 33(4), 368-381. https://doi.org/10.1111/1475-4762.00043
217
van Zanten, A. (1996). Fabrication et effets de la ségrégation scolaire. En S. Paugam (Ed.),

L'exclusion, l'état des savoirs (pp. 281-291). La Découverte.
Waslander, S., Pater, C. y van der Weide, M. (2010). Markets in education: An analytical review
of empirical research on market mechanisms in education. OECD Education Working Paper
Series, 52, 93-96.
West, A., Hind, A. y Pennell, H. (2004). School admissions and selection in comprehensive schools:
Policy and practice. Oxford Review of Education, 30(3), 347-369.
https://doi.org/10.1080/0305498042000260485

Xavier Bonal
Catedrático de Sociología en la Universidad Autónoma de Barcelona, Special Professor of
Education and International Development en la Universidad de Amsterdam, director del
centro Globalización, Educación y Políticas Sociales (GEPS) y coordinador del Máster
Erasmus Mundus GLOBED: Education Policies for Global Development. Ha sido
miembro fundador de la Red Europea sobre Globalización y Educación (GENIE) y
miembro de la red de expertos en ciencias sociales y educación (NESSE) de la Comisión
Europea. Ha realizado investigaciones en el ámbito de la sociología de la educación y la
política educativa en España, Europa y América Latina. Ha sido consultor para diversos
organismos internacionales, como UNICEF, UNESCO, el Consejo de Europa o la
Dirección General de Educación de la Comisión Europea y profesor invitado en diversas
universidades europeas y latinoamericanas. Cuenta con numerosas publicaciones en
revistas nacionales e internacionales y es autor de varios libros. ORCID ID:
https://orcid.org/0000-0003-0625-0951. Email: xavier.bonal@uab.cat
Adrián Zancajo
Doctor en sociología por la Universidad Autónoma de Barcelona y actualmente British
Academy postdoctoral fellow en la Facultad de Educación de la Universidad de Glasgow.
Actualmente, desarrolla un proyecto de investigación sobre la regulación de los mercados
educativos, con especial énfasis en el caso de Chile. Sus líneas de investigación incluyen el
estudio de las políticas de privatización, las reformas promercado, la segregación escolar
y las desigualdades educativas. Ha participado en diversos proyectos de investigación
entre ellos “Public-Private Partnerships in Educational Governance: An analysis of its
dissemination, implementation and impact in a globalizing world” y “Los nuevos cuasi-
mercados en educación en América Latina. Un análisis de su implementación e impacto
sobre la desigualdad educativa y la pobreza”. También ha desarrollado investigaciones
para organizaciones como Education International, Open Society Foundation, Fundació
Jaume Boﬁll, Observatori català de la joventut e Institut infància i adolescencia. ORCID
ID: https://orcid.org/0000-0002-4431-8155. Email: adrian.zancajo@glasgow.ac.uk
218
La Incidencia del Programa Bilingüe en la Segregación

Escolar por Origen Socioeconómico en la Comunidad
Autónoma de Madrid: Evidencia a partir de PISA
The Influence of the Bilingual Program on the School

Segregation by Socioeconomic Origin in the Autonomous
Community of Madrid: Evidence from PISA
Lucas Gortazar 1 *
Pere A. Taberner 2
1 Banco Mundial, España
2 Universitat de Barcelona, España
La segregación escolar por origen socioeconómico en secundaria de la Comunidad

Autónoma de Madrid es la más alta de España y la segunda entre los países de la
OCDE. El estudio tiene el doble objetivo de analizar la incidencia de la
implementación del Programa Bilingüe en Madrid a partir del curso 2004/05 en la
segregación escolar, así como sus consecuencias en los resultados de aprendizaje de
los alumnos. Los resultados indican que las familias en centros no bilingües tienen
un nivel socioeconómico mucho más bajo que en centros bilingües. La segregación
aumentó gradualmente entre 2009 y 2018, por dos motivos. Por un lado, la expansión
de la red concertada durante la década anterior. Y por otro, la expansión del
Programa Bilingüe: en 2015 se produce un fuerte aumento de la segregación dentro
de la red pública coincidiendo con la llegada del programa bilingüe de los centros
públicos al final de la ESO; en 2018 se produce un importante aumento de la
segregación en los centros concertados-privados, consistente con la llegada del
programa bilingüe en la red concertada al final de la ESO. Finalmente, controlando
por varios factores, observamos que los estudiantes del sistema no bilingüe obtienen
peores puntuaciones que los del sistema bilingüe en las pruebas PISA.
Descriptores: Segregación escolar; Programa bilingüe; Desigualdad
socioeconómica; Equidad educativa; Madrid.
School segregation by socioeconomic characteristics in secondary education in the

Autonomous Community of Madrid is the highest in Spain and second highest
amongst OECD countries. This study aims to analyze the influence of the
implementation of the bilingual program in Madrid from the 2004/05 academic year
on school segregation, and its consequences on student performance. The findings
indicate that families in non-bilingual schools have a lower socioeconomic level than
families in bilingual schools. School segregation gradually increased between 2009
and 2018 for two reasons: the expansion of publicly funded private schools over the
previous decade and the expansion of the bilingual program. In 2015, when the
bilingual program reached the last course of secondary education in public schools,
school segregation notably increased within the public system. Likewise, in 2018
school segregation notably increased within publicly funded private schools,
consistent with the arrival of the bilingual program in the publicly funded private
sector at the end of secondary education. Finally, we observe that students from non-
bilingual schools underperformed students from bilingual schools on the PISA tests.
Keywords: School segregation; Bilingual program; Socioeconomic inequality;
Educational equity; Madrid.
*Contacto: lucas.gortazar@gmail.com Recibido: 25 de mayo 2020

L. Gortazar y P. A. Taberner
1. Introducción
En los últimos años se ha producido un aumento de la segregación escolar por origen
socioeconómico en la educación secundaria en varias comunidades autónomas, y aunque
con un ligero descenso en 2018 en muchas de ellas, la Comunidad Autónoma de Madrid
(en adelante CAM) es aquella que destaca en todas sus dimensiones. Es el territorio donde
más ha crecido, aquel donde no ha dejado de crecer y, sobre todo, el que actualmente
presenta mayores niveles de segregación. La segregación escolar socioeconómica puede
definirse como la distribución no equitativa, en función del nivel socioeconómico, de los
alumnos y alumnas en los distintos centros de un sistema educativo (Murillo, Belavi y
Pinilla, 2018). Altos niveles de segregación escolar pueden ser perjudiciales para la
sociedad en conjunto y para los estudiantes en particular conduciendo a un sistema
educativo ineficiente y a una sociedad desigual. En esta línea, numerosos estudios
académicos han analizado tanto las causas como las consecuencias de la segregación
escolar por origen socioeconómico, así como por origen nacional o por sexo.
La evidencia existente indica potenciales efectos negativos de un sistema educativo
excesivamente segregado, así como beneficios de la interacción de estudiantes de
diferentes entornos socioeconómicos en la misma aula. Por un lado, a nivel individual la
segregación escolar por origen socioeconómico puede tener efectos negativos en el
aprendizaje y en el logro académico de los estudiantes más desfavorecidos aumentando las
brechas de resultados (Alegre, 2017; Bonal y Cuevas, 2019; Gamoran y An, 2016; Mayer,
2002; Schwartz, 2012). En la misma línea, la diversidad socioeconómica en los centros
educativos puede beneficiar a los niños y niñas (Benito, Alegre y Gonzàlez-Balletbò, 2014;
Rao, 2019). Por otro lado, a nivel social la segregación escolar puede tener efectos
negativos en la cohesión e interacción social. De hecho, algunos estudios relacionan un
sistema fuertemente segregado con violencia y problemas de convivencia (Billings,
Deming y Rockoff, 2014; Cullen, Jacob y Levitt, 2006) y muestran que una mayor mezcla
de menores con diferentes perfiles socioeconómicos potencia actitudes pro-sociales (Rao,
2019). Además, este menor logro académico significa menor oportunidad laboral en la
edad adulta para los más afectados, y por tanto, una menor recaudación impositiva para el
Estado y mayores gastos sociales para esta población más vulnerable, como por ejemplo,
gastos en sanidad o crimen (Basile, 2012; Levin, 2002).
La CAM lidera el indicador de segregación escolar por nivel socioeconómico en secundaria
a nivel español, a nivel europeo y es solo superada por Chile entre los países de la OCDE
en 2018 (Save the Children, 2019b). Además, como muestra el mismo estudio, la
segregación escolar por origen socioeconómico ha ido en aumento desde de 2009 hasta el
2018, clara tendencia solo observada en esta comunidad autónoma en España. La
literatura también recoge evidencia sobre las posibles causas por las cuales un sistema
educativo está más segregado que otros. Entre estos elementos encontramos la
segregación residencial por origen socioeconómico (ver por ejemplo, Bonal, Zancajo y
Scandurra, 2019; Boterman, 2019; Owens, 2018; Owens, Reardon y Jencks, 2016), las
preferencias heterogéneas de las familias (Oosterbeek, Sóvágó y van der Klaauw, 2019),
una oferta diferenciada como la expansión de los centros educativos de titularidad
concertada en España (Fernández Enguita, 2008; Murilllo y Martínez-Garrido, 2017;
Murillo, Belavi y Pinilla, 2018; Save the Children, 2019a), el sistema de asignación de los
estudiantes en los centros a partir las preferencias de las familias (Calsamiglia, Martínez-
Mora y Miralles, 2017), u otros mecanismos de la política educativa (Gortázar, Mayor y
220
Montalbán, 2020; Saporito, 2017). Muchos de estos elementos mencionados que recoge la
literatura son comunes a las distintas comunidades autónomas de España, salvo aquellos
factores socioeconómicos de cada comunidad autónoma (como la segregación residencial)
y las políticas educativas de competencia autonómica o municipal. Por tanto, esta realidad
sugiere que este mayor nivel de segregación escolar de la CAM podría deberse por uno o
varios factores presentes solo en esta comunidad. Además, este aumento de la segregación
escolar en los últimos años sugiere que estos factores han podido agudizarse
recientemente.
En este contexto, el objetivo del presente estudio es analizar la incidencia del Programa
Bilingüe (PB) de la CAM en la segregación escolar socioeconómica de la región y sus
posibles efectos sobre el aprendizaje, a partir de las distintas olas de PISA. El PB se
empezó a implementar a partir del curso 2004/05 y fue extendiéndose a lo largo de los
años en las distintas etapas y centros educativos. El programa busca mejorar las
competencias en lengua inglesa de los estudiantes del Régimen de Enseñanza General
(RGE). Los centros de titularidad pública y concertada solicitan a la administración,
mediante votación, su adscripción al programa, lo que confiere a la expansión un fuerte
grado de endogeneidad respecto a la composición de los centros. Además, para participar
en el programa, se necesita tener un mínimo de nivel de inglés ya que realizan gran parte
de sus asignaturas en esta lengua. Estos dos criterios –oferta de los centros y requisitos a
los alumnos– pueden llevar a segregar a los niños y niñas según su origen socioeconómico
debido a que las familias más acomodadas disponen de un mayor capital cultural para hacer
frente a una educación en lengua extranjera, pueden permitirse clases extraescolares de
inglés conduciendo a que éstos tengan más facilidad para entrar al programa, y en general
dar mayores facilidades en poder realizar sus asignaturas en otra lengua. Además, esta
hipótesis parte de la experiencia de las CCAA con un sistema educativo bilingüe con sus
lenguas autonómicas y la segregación escolar presente (Bonal, 2012; Etxeberria, 2004;
Síndic de Greuges, 2016)
Con este estudio pretendemos aportar más evidencia sobre el papel de las políticas
educativas en la segregación escolar por origen socioeconómico, y en concreto, en políticas
educativas autonómicas que pueden crear inequidades en España. La reciente publicación
de los datos PISA de la edición 2018 permite un análisis más preciso al aprovechar el
cambio metodológico en la CAM, en la cual la muestra estratificada diferencia los centros
educativos bilingües y no bilingües, así como la titularidad de estos.
El estudio se estructura de la siguiente forma. En el siguiente apartado se hace un resumen
del contexto del sistema educativo escolar y del funcionamiento del PB. En el tercer
apartado se explican los datos y la metodología utilizados. En el cuarto apartado se
presentan los resultados y en el último se realiza una discusión de los resultados y sus
conclusiones, así como las implicaciones para la política educativa.
2. Contexto del sistema educativo

2.1. Sistema educativo español y expansión de la educación concertada
Para analizar el fenómeno de la segregación escolar por origen socioeconómico es
importante poner en contexto el sistema educativo y los cambios más relevantes que se
han producido a lo largo de los años. En primer lugar, la figura de los centros educativos
concertados se creó con la Ley Orgánica de Derecho a la Educación (LODE) promulgada
221
en el año 1985. El texto recogía la posibilidad de que centros educativos de titularidad

privada pudieran recibir financiación del Estado a cambio de cumplir ciertos requisitos
para entrar en el sistema público. Entre los más importantes destacan ofrecer la enseñanza
de forma gratuita y la inclusión de estos centros en el sistema público de elección de
centros por parte de las familias.
En el año 1990 se aprobó la Ley Orgánica de Ordenación General del Sistema Educativo
(LOGSE), la cual introdujo un importante cambio en el sistema educativo español. Se
estableció el Régimen de Enseñanzas Generales (RGE) el cual reformulaba la
organización del sistema educativo español de los 0 a 18 años. De esta forma, el RGE
establecía la Educación Infantil de Primer Ciclo (0-3 años), Educación Infantil de Segundo
Ciclo (3-5 años), Educación Primaria (6-11 años), Educación Secundaria Obligatoria o
ESO (12-15 años) y Bachillerato y Formación Profesional de Grado Medio (16-17 años).
La LOGSE entró en vigor en el curso 1991/92 y se fue implementando de forma paulatina
a lo largo de los años hasta que en el curso 2001/02 se implementaron los últimos cursos
de Bachillerato y Formación Profesional (FP).
En la CAM, este cambio del sistema organizativo de la enseñanza estuvo acompañado de
una expansión de los centros educativos concertados en la ESO. La figura 1 muestra la
evolución temporal del porcentaje de centros públicos de enseñanza secundaria en toda
España y en la CAM. La figura empieza en el año 1999/20, año en el que se implementa
el último curso de la ESO, y se prolonga hasta el último año con datos disponibles, el
2018/19. El porcentaje de centros públicos se mantiene a lo largo de los años en España.
En cambio, se produce una ligera disminución en la CAM.
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
España CAM
Figura 1. Evolución del porcentaje de centros públicos de enseñanza secundaria
Nota: * Datos avanzados.
Fuente: Subdirección General de Estadística y Estudios del Ministerio de Educación y Formación
Profesional.
2.2. Programa bilingüe de la Comunidad Autónoma de Madrid

El objetivo principal del PB español-inglés es la adquisición de competencias lingüísticas
en inglés del alumnado del RGE y mantener una mejora constante de la lengua. El
222
programa establece que el alumnado participante curse un mínimo de asignaturas del

currículo en inglés y termine la etapa educativa con un nivel mínimo de la lengua. El PB
se empezó a implementar en el año lectivo 2004/05, en el primer curso de Educación
Primaria en centros de titularidad pública. La implementación se fue realizando de forma
progresiva a lo largo de los años en las etapas educativas del REG y en los centros
educativos públicos y concertados. En el año 2008/09 se extendió a la Educación Primaria
de los centros concertados y en el 2010/11 llegó a la ESO de los primeros centros públicos
que lo habían implementado el primer año del programa. Posteriormente, en el curso
2014/15 llegó a la ESO de los centros concertados y en el Bachillerato de los centros
públicos.
El funcionamiento específico del PB varía en cada una de las etapas educativas. Para la
ESO, etapa educativa objeto de análisis, existen dos opciones distintas que pueden aplicar
los centros: la vía de la Sección Bilingüe o la vía del Programa Bilingüe. 1 En la vía sección
se imparte, al menos, un tercio del horario lectivo en inglés, mientras que en la vía
programa se imparte una o dos asignaturas en esta lengua. En la vía sección se pueden
impartir en inglés todas las asignaturas excepto las lenguas y matemáticas. En cambio, en
la vía programa hay menos opciones. En ambos casos, se imparte una hora de la asignatura
de lengua inglesa cada día. El sistema para acceder a un centro bilingüe es el mismo que
para acceder a cualquier centro de titularidad pública o concertada. Si se consigue plaza
en un centro bilingüe, el estudiante entra automáticamente en la vía programa. En caso
de querer cursar la vía sección, hay que realizar una aplicación cuya admisión depende del
nivel de inglés (A2 en caso de proceder de un centro bilingüe de primaria y B1 en caso
contrario), del expediente académico y del informe final de etapa. Finalmente, se exige
terminar la ESO con un nivel mínimo de inglés más elevado en la vía sección que en la vía
programa.
Según el diseño del PB no es el alumnado quien decide si quiere participar o no en el PB,
sino el centro educativo mediante una solicitud de participación a la Consejería de
Educación de la CAM. Por tanto, las familias deciden si participar o no en el programa en
función de su elección de centro, bilingüe o no bilingüe, elemento clave para entender su
posible papel en la segregación escolar. La Consejería selecciona a los centros educativos
que han presentado solicitud para entrar en el PB en función de unos criterios definidos
previamente. Éstos consisten, en primer lugar, en las características del propio centro
(recursos del centro, número de estudiantes, número de clases, experiencia del personal
docente, entre otros), el nivel de inglés de los docentes, su experiencia impartiendo clases
en esta lengua, el apoyo del equipo docente y del consejo académico en participar en el PB,
y finalmente, la ubicación del centro en la región. Este último criterio se establece con el
fin de garantizar que los centros bilingües se repartan de forma equitativa en todo el
territorio autonómico.
En el curso 2017/18 había un total de 286.450 estudiantes en el PB de la CAM (Consejería
de Educación e Investigación, 2018). Desde el curso 2004/05, año en el que se inicia el
programa, el número de estudiantes en el sistema bilingüe ha ido aumentando de forma
exponencial. Este crecimiento viene dado por la incorporación de nuevos centros al PB y
por la expansión en todas las etapas educativas del RGE. En concreto, la figura muestra
1 A partir de ahora hablaremos de la vía sección para referirnos a la vía Sección Bilingüe y la vía
programa para la vía Programa Bilingüe.
223
la evolución temporal del número de estudiantes de la ESO en el PB dependiendo de la

titularidad del centro. Según estos datos, en el curso 2017/18 había más estudiantes en
los centros públicos, alrededor de 66.000, que, en los centros concertados, alrededor de
15.000.
90.000
80.000
14.760
70.000
60.000 8.297
50.000 4.232
1.407
40.000
66.040
30.000 56.849
50.077
20.000 42.856
34.249
10.000 22.532
12.175
0 4.111
2010-11 2011-12 2012-13 2013-14 2014-15 2015-16 2016-17 2017-18
ESO - Públicos ESO - Concertados
Figura 2. Evolución del número de estudiantes de ESO en el Programa Bilingüe

Fuente: Elaboración propia a partir del gráfico en la página 15 del informe de la Consejería de
Educación e Investigación (2018).
Nuestra hipótesis parte de la idea de que las características propias del programa y su
diseño conducen a que el PB esté actuando como un elemento de segregación escolar entre
centros educativos. Las familias con mayores recursos económicos y mayor capital
cultural pueden permitirse más apoyo en el hogar con clases de refuerzo de inglés. Esto
significa que puedan estar más predispuestas a participar en una educación bilingüe ya
que, por un lado, el nivel de inglés inicial tiende a ser más alto y, por otro lado, en caso de
dificultad a lo largo de los cursos pueden decantar sus esfuerzos por un mayor refuerzo
extraescolar. Por tanto, dado que las familias eligen si participar en el PB o no mediante
la elección de centro, nuestra hipótesis se centra en que las familias de origen
socioeconómico alto tenderán a decantarse en mayor medida por centros bilingües,
mientras que las familias más vulnerables se decidirán en mayor medida por los centros
no bilingües.
Esta hipótesis se ve reforzada con la evidencia de dos estudios recientes. En primer lugar,
Anghel, Cabrales y Carro (2016) aprovechan la implementación paulatina a lo largo del
tiempo y de los centros durante los años escolares 2008/09 y 2009/10 para analizar el
impacto del programa bilingüe en el rendimiento de los estudiantes en educación primaria.
Previo al cálculo del impacto y aprovechando esta implementación progresiva, los autores
analizan el flujo de entrada y salida de alumnos y alumnas de los centros del sistema
bilingüe en función de sus características sociodemográficas y las de sus familias. Los
resultados muestran como la red no bilingüe recibe mayor cantidad de alumnado de origen
socioeconómico bajo (medido por los estudios y profesiones de los progenitores) y de
origen migrante. En cambio, la red bilingüe ve incrementada el porcentaje de estudiantes
de origen socioeconómico alto y de origen español en sus aulas. En segundo lugar,
Mediavilla, Mancebón, Gómez-Sancho y Jiménez (2019) analizan qué factores de las
224
familias determinan la elección de un centro bilingüe o no bilingüe en la educación

secundaria con los datos de PISA 2015 y datos administrativos de la CAM. Los resultados
muestran que el alumnado de nivel socioeconómico más alto tiene más probabilidades de
atender centros bilingües que el de nivel socioeconómico más bajo. Los resultados de estos
dos estudios podrían sugerir que el PB podría estar aumentando la segregación escolar de
origen socioeconómico en la educación secundaria de la CAM.
3. Método
Para realizar el análisis de la incidencia del PB en la segregación escolar por origen
socioeconómico utilizamos los microdatos de PISA. La Organización para la Cooperación
y el Desarrollo Económico (OCDE) lleva a cabo cada tres años desde el 2000 una
evaluación externa de las competencias de los estudiantes de 15 años de un gran número
de países. A parte de evaluar las competencias de ciencia, matemáticas y lectura, también
realizan cuestionarios a los centros participantes, profesorado y a las familias. Por tanto,
PISA provee la información necesaria de una muestra representativa de cada país, y de sus
regiones, para poder calcular el nivel socioeconómico del alumnado y los índices de
segregación escolar que explicaremos a continuación. Además, la última edición
disponible hasta la fecha, la del 2018, tiene dos ventajas respecto a las anteriores: por un
lado, permite diferenciar los centros educativos bilingües y no bilingües y, por otro lado,
incluye por primera vez centros bilingües de titularidad concertada.
En relación a la explicación del apartado 2.2, la primera generación del PB alcanzó 4º ESO,
etapa en el cual se realiza la prueba PISA para la mayor parte de los estudiantes, en el
curso 2013/14 en los centros públicos y en el curso 2017/18 en los centros concertados.
Por tanto, en las muestras de PISA 2009 y 2012 aún no se había implementado el PB en
4º ESO; en PISA 2015 ya se incluyen estudiantes de centros públicos bilingües; y
finalmente, PISA 2018 ya incluye estudiantes de centros bilingües públicos y concertados.
Por último, por razones metodológicas del diseño de estratificación de PISA los centros
de titularidad concertada y privada se incluyen en el mismo grupo hasta el 2015.
En primer lugar, necesitamos definir el nivel socioeconómico de cada estudiante de la
muestra. La base de datos de PISA contiene el índice socioeconómico y cultural (ISEC)
que resulta una aproximación del nivel socioeconómico de cada estudiante a partir de las
posesiones del hogar (incluye las culturales), el nivel educativo más alto de los
progenitores y el nivel de ocupación laboral más alto de estos. En cada edición de PISA se
calcula el ISEC a partir de la muestra de todos los estudiantes que participan en ese año,
y por tanto refleja la posición relativa de cada estudiante respecto a los otros presentes en
la muestra. Por tanto, esta posición socioeconómica es relativa a todos los estudiantes de
los países participantes en PISA. Esto puede generar distorsiones importantes al realizar
comparaciones temporales de un mismo país o región, debido a cambios relativos y no
absolutos de la posición socioeconómica del alumnado. Por ejemplo, el valor del ISEC de
un país puede variar de un año para otro cuando realmente no se ha producido ningún
cambio en sus familias, pero si en el nivel socioeconómico de otros países.
Siguiendo las recomendaciones de Gortazar (2018), calculamos de nuevo el ISEC de cada
familia para poder realizar comparaciones temporales de la región de Madrid. Para ello,
se utiliza la muestra de estudiantes de la CAM en las ediciones de PISA 2009, 2012, 2015
y 2018. Siguiendo la metodología de OECD (2015), el ISEC se reconstruye a partir de tres
225
indicadores: el de nivel educativo de los progenitores, el de nivel ocupacional de los

mismos, y el de posesiones en el hogar. El primero se calcula en años de estudios y resulta
el máximo entre los dos progenitores o el del único progenitor. El segundo se calcula a
partir del máximo nivel ocupacional de los progenitores siguiendo la escala internacional
socioeconómica de estatus ocupacional (ISEI de las siglas en inglés). El último, el
indicador de posesiones del hogar y posesiones culturales es el más complejo de calcular.
Se obtiene a partir de la Teoría de Respuesta al Ítem (TRI) de tres indicadores: el de
riqueza, el de posesiones culturales en casa y el de recursos educativos en el hogar. Cada
uno de estos está compuesto por variables presentes en los microdatos. Finalmente se
calcula el ISEC a partir de un Análisis de Componentes Principales (ACP) de los tres
indicadores principales: posesiones del hogar, nivel educativo más alto de los progenitores
y nivel ocupacional más alto de los mismos. El resultado final es un índice armonizado,
que indica el nivel socioeconómico y cultural de las familias de la CAM respecto a las otras
presentes en la muestra, con media 0 y desviación típica 1. Un valor negativo indica que
la familia tiene un nivel socioeconómico y cultural por debajo de la media de todos los años
y un valor positivo indica que está por encima de la media.
Para definir la segregación escolar por origen socioeconómico utilizamos tres índices con
gran respaldo en la literatura (Allen y Vignoles, 2007; Gorard y Taylor, 2002; Murillo,
2016). En primer lugar, el índice de disimilitud consiste en medir la máxima diferencia
que hay entre la distribución real y la distribución ideal –aleatorizada– de los estudiantes
según los niveles socioeconómicos en los diferentes centros de un territorio (Duncan y
Duncan, 1955). Este índice adopta valores entre 0 y 1, e indica qué tanto por uno –o tanto
por ciento– de estudiantes del grupo objetivo, en nuestro caso los estudiantes del cuartil
1 (Q1) de la distribución del ISEC, deberían cambiar de centro para que no existiese
segregación en el sistema educativo objeto de estudio. Por tanto, a mayor valor del índice,
mayor segregación en los centros educativos de la región. No obstante, la literatura
especializada discute que este índice no recoge correctamente los cambios temporales en
la segregación producidos por una variación de la composición de la población de
estudiantes (Gorard y Taylor, 2002; Lieberson, 1981). Si se produce una entrada o salida
de estudiantes en el sistema educativo, y el flujo de estudiantes del grupo objetivo es
proporcional en todos los centros, el valor del índice no cambia. Esto puede ocasionar un
problema ya que la segregación sí puede variar comparado con el nivel anterior, pero el
índice no lo está recogiendo. Por tanto, ante un análisis temporal de una región, es
importante que el índice recoja estas posibles variaciones en la distribución del alumnado
y en la segregación. En esta línea, Gorard (2000) propone un índice muy parecido al de la
disimilitud, pero que tiene en cuenta estos cambios en la distribución y en la segregación.
El índice de Gorard comprende valores entre 0 y 1-ß, donde ß es la proporción de alumnos
del grupo definido, alumnado del Q1 del nivel socioeconómico. Por último, el índice de
Hutchens nos indica en qué proporción la segregación viene dada por la segregación
dentro de diferentes sub-grupos de centros definidos (por ejemplo, centros bilingües y no
bilingües) y qué proporción viene dada por la segregación entre estos sub-grupos
definidos (Hutchens, 2001, 2004).
226
4. Resultados
4.1. Índice socioeconómico y cultural (ISEC)
En este primer subapartado mostramos los resultados del ISEC armonizado a partir de la
metodología explicada. El objetivo es poder analizar cómo ha ido evolucionando el nivel
socioeconómico de las familias en la CAM a lo largo de los años y las diferencias que hay
entre las familias de los centros de diferente titularidad y del sistema bilingüe en 2018.
Este análisis previo del nivel socioeconómico, a pesar de que no se suele realizar en los
estudios, es importante para poder analizar los resultados de los índices de segregación de
manera comparada en el tiempo.
Los siguientes cuadros muestran la distribución del ISEC armonizado para la CAM en
PISA 2009, 2012, 2015 y 2018. En primer lugar, el cuadro 1 muestra diferencias entre el
ISEC que hemos elaborado y el ISEC presente en los microdatos de la OCDE. La
distribución de ambos índices es ligeramente diferente para cada año debido a las
peculiaridades mencionadas en el apartado anterior. Ahora, el ISEC que hemos calculado,
el armonizado, nos permite realizar comparaciones temporales para la región de Madrid.
Los resultados del ISEC armonizado muestran que el nivel socioeconómico de las familias
con hijos o hijas de 15 años ha ido aumentando a lo largo de los años. Además, la desviación
estándar de la distribución ha ido aumentado a lo largo de los años, resultando en una
mayor dispersión socioeconómica del alumnado en la región de Madrid.
En segundo lugar, analizamos cómo ha variado el estatus socioeconómico de las familias
en cada tipo de centro, público y concertado-privado. A continuación, el cuadro 2 que el
alumnado de los centros públicos tiene un nivel socioeconómico más bajo que el alumnado
de los centros concertados-privados. El nivel socioeconómico medio de las familias en los
centros públicos está por debajo de la media de toda la región, mientras que las familias
de los centros concertados-privados se encuentran por encima de esta media. Además, la
evolución temporal de las medias pone de relieve que el aumento del ISEC es más
pronunciado en la red concertada-privada que en la red pública, aumentando la
desigualdad entre redes. De hecho, la evolución de la distribución del ISEC en ambas redes
a lo largo de los años confirman este hecho. Por último, la desviación estándar es
prácticamente constante en el tiempo en ambos tipos de centros, indicando que la
variabilidad socioeconómica dentro de cada red no varía en el periodo 2009-2018.
En tercer lugar, aprovechamos que PISA 2018 permite identificar los centros bilingües y
no bilingües. Además, en vista de los resultados anteriores y de la implementación
gradual, conviene tener en cuenta la titularidad de los centros para el análisis del nivel
socioeconómico. El cuadro 3 indica que la red pública aglutina los estudiantes de nivel
socioeconómico más bajo y la red privada los estudiantes de nivel más alto en el 2018.
Destaca que, tanto en los centros públicos como en los centros concertados, las familias
en el sistema no bilingüe tienen un nivel socioeconómico medio menor que las familias en
el sistema bilingüe. En cambio, la diferencia es más pronunciada en la parte media de la
distribución para los centros públicos, mientras que la diferencia es mayor en la parte baja
de la distribución para los centros concertados.
227
Cuadro 1. Distribución del ISEC armonizado y el calculado por la OCDE

AÑO MEDIA DESV. ESTÁNDAR MÍN. P5 P10 P25 P50 P75 P90 P95 MÁX. OBS.
2009 -0,1 0,9 -3,5 -1,7 -1,4 -0,8 -0,1 0,7 1,1 1,3 1,8 1.445
2012 -0,1 1,0 -3,0 -1,8 -1,4 -0,8 0,0 0,8 1,2 1,3 1,8 1.536
ISEC armonizado
2015 0,0 1,1 -3,8 -1,8 -1,4 -0,7 0,3 0,9 1,2 1,4 1,9 1.800
2018 0,1 1,0 -3,7 -1,7 -1,3 -0,6 0,3 1,0 1,3 1,5 1,9 4.933
2009 -0,1 1,1 -3,4 -1,8 -1,5 -0,8 -0,2 0,8 1,4 1,6 2,9 1.445
2012 0,1 1,0 -2,8 -1,6 -1,3 -0,7 0,1 1,0 1,4 1,6 2,6 1.535
ISEC OCDE
2015 -0,1 1,2 -7,2 -2,1 -1,8 -0,9 0,0 0,9 1,3 1,5 2,5 1.800
2018 0,2 1,0 -3,6 -1,7 -1,3 -0,6 0,3 1,0 1,3 1,6 3,2 4.932
Nota: ISEC es el índice socioeconómico y cultural que se calcula para cada estudiante a partir de las posesiones en casa, del nivel educativo más alto de los padres y del
máximo nivel ocupacional del trabajo. El índice es un indicador relativo a la muestra y presenta una distribución con media 0 y una desviación estándar de 1.
Fuente: Elaboración propia a partir de los microdatos PISA de la OCDE.
Cuadro 2. Distribución del ISEC armonizado según año titularidad

AÑO MEDIA DESV. ESTÁNDAR MÍN. P5 P10 P25 P50 P75 P90 P95 MÁX. OBS.
Centros Públicos
2009 -0,4 0,9 -3,5 -1,8 -1,6 -1,0 -0,4 0,3 0,9 1,2 1,7 758
2012 -0,4 1,0 -3,0 -2,0 -1,6 -1,0 -0,4 0,4 0,9 1,2 1,7 815
ISEC armonizado
2015 -0,3 1,0 -3,8 -2,1 -1,7 -1,1 -0,3 0,5 1,0 1,2 1,8 913
2018 -0,2 1,0 -3,7 -1,8 -1,5 -0,9 -0,1 0,6 1,2 1,4 1,8 2.143
Centros Concertados y Privados
2009 0,1 0,9 -2,8 -1,4 -1,1 -0,5 0,1 0,9 1,2 1,4 1,8 687
2012 0,3 0,9 -2,7 -1,4 -1,0 -0,3 0,5 1,0 1,3 1,4 1,8 721
ISEC armonizado
2015 0,4 0,9 -2,8 -1,3 -0,9 -0,1 0,7 1,1 1,4 1,5 1,9 887
2018 0,5 0,9 -2,5 -1,3 -0,9 -0,1 0,7 1,2 1,4 1,6 1,9 2.790
228
Asimismo, la desviación estándar es igual para los centros bilingües y no bilingües de la

red pública, pero es menor en los centros bilingües que en los no bilingües de la red
concertada. Por tanto, la variación socioeconómica es menor en los centros concertados
bilingües que en los homólogos no bilingües, mientras que en la red pública la variación
es semejante. Finalmente, los centros de titularidad privada tienen una menor variabilidad
socioeconómica en las aulas concentrando familias de nivel socioeconómico alto.
Cuadro 3. Distribución del ISEC armonizado según la tipología de centro-PISA 2018
TIPO MEDIA DE MÍN. P5 P10 P25 P50 P75 P90 P95 MÁX. OBS.
Centro Público-
No Bilingüe -0,3 1,0 -3,7 -1,9 -1,6 -1,0 -0,3 0,4 1,0 1,2 1,8 1.037
Centro Público-
Bilingüe 0,1 1,0 -3,5 -1,7 -1,3 -0,6 0,2 0,9 1,3 1,5 1,8 1.106
C. Concertado-
No Bilingüe 0,3 0,9 -2,5 -1,4 -1,0 -0,3 0,5 1,0 1,3 1,5 1,9 1.066
C. Concertado-
Bilingüe 0,7 0,7 -2,5 -0,8 -0,4 0,3 0,8 1,2 1,4 1,6 1,8 622
Centro Privado 1,0 0,5 -2,0 0,1 0,4 0,8 1,1 1,4 1,6 1,6 1,9 1.102
El siguiente paso consiste en analizar el comportamiento de los tres componentes

principales del ISEC a lo largo de los años y en cada una de las redes. Este análisis más
profundo del ISEC nos permite ver cuáles son los componentes causantes de las
variaciones detectadas en el análisis anterior. El cuadro 4 muestra los estadísticos
descriptivos de cada componente según la titularidad. En primer lugar, la desviación
estándar de las posesiones en casa es constante en ambos tipos de centro, pero la evolución
de este componente es ligeramente distinta. La media del componente de los centros
públicos aumenta del 2009 al 2012, para luego disminuir los dos siguientes años hasta
alcanzar el nivel del 2009. En cambio, en los centros concertados-privados el aumento se
prolonga hasta el 2015, para luego disminuir, pero manteniéndose por encima del nivel
del 2009. En segundo lugar, la educación de las familias es mayor en los centros
concertados-privados que en la red pública. La desviación estándar se reduce a lo largo de
los años en ambos casos, pero destaca que la media del nivel educativo aumenta en los
cuatro años en la red pública, mientras que en el 2018 se estanca para los centros
concertados-privados. Por último, el indicador de la ocupación laboral es mayor en las
familias de la red concertada-privada que en las familias de los centros públicos. Tanto la
evolución de la media como de la desviación estándar es muy similar en ambos tipos de
centros, pero se produce un aumento más acentuado en la red concertada-privada.
A modo de resumen, el nivel socioeconómico de las familias con hijos o hijas de 15 años
ha ido en aumento en la CAM. Este incremento se ha producido tanto en los centros
públicos como en los centros concertados-privados, pero en mayor proporción en estos
últimos, aumentando la desigualdad entre redes. A pesar de que las diferencias en la
educación de las familias entre las redes han disminuido, las diferencias de las posesiones
en casa y el nivel de ocupación laboral de los padres han aumentado, especialmente en este
último.
229
Cuadro 4. Distribución de los tres componentes del ISEC armonizado según la tipología de centro
AÑO MEDIA DE MÍN. P5 P10 P25 P50 P75 P90 P95 MÁX. OBS.
Centros Públicos
2009 -0,1 0,9 -4,1 -1,5 -1,2 -0,7 -0,1 0,6 1,1 1,4 3,4 759
2012 0,2 0,9 -6,7 -1,1 -1,0 -0,3 0,2 0,6 1,1 1,5 3,8 818
2015 0,0 0,9 -8,8 -1,3 -0,9 -0,5 0,1 0,6 1,0 1,3 4,0 916
2018 -0,1 0,9 -3,2 -1,6 -1,3 -0,7 -0,1 0,5 1,1 1,5 5,1 2.154
Posesiones en casa (incluido culturales)
2009 0,2 0,9 -2,7 -1,2 -0,9 -0,4 0,2 0,6 1,1 1,8 3,4 686
2012 0,5 0,9 -2,4 -1,0 -0,5 -0,2 0,4 1,1 1,5 1,9 3,8 716
2015 0,6 0,9 -2,5 -0,9 -0,6 0,0 0,5 1,1 1,7 2,1 3,5 887
2018 0,4 1,0 -8,7 -1,0 -0,7 -0,2 0,4 1,0 1,6 2,0 5,1 2.798
Centros Públicos
2009 12,0 3,6 3,0 5,0 8,0 8,0 12,0 16,5 16,5 16,5 16,5 750
2012 12,4 3,6 3,0 5,0 8,0 10,0 12,0 16,5 16,5 16,5 16,5 805
2015 12,6 3,7 3,0 5,0 8,0 10,0 13,0 16,5 16,5 16,5 16,5 909
2018 13,3 3,5 3,0 8,0 8,0 12,0 13,0 16,5 16,5 16,5 16,5 2.118
Nivel educativo de los padres
2009 13,7 3,3 3,0 8,0 8,0 12,0 16,5 16,5 16,5 16,5 16,5 681
2012 14,2 2,9 3,0 8,0 10,0 12,0 16,5 16,5 16,5 16,5 16,5 710
2015 14,8 2,9 3,0 8,0 10,0 13,0 16,5 16,5 16,5 16,5 16,5 883
2018 14,8 2,8 3,0 8,0 12,0 13,0 16,5 16,5 16,5 16,5 16,5 2.774
Centros Públicos
2009 44,4 15,6 16,0 25,0 29,0 32,0 43,0 53,0 69,0 71,0 88,0 742
2012 45,3 20,4 11,7 21,8 24,5 27,9 39,0 62,5 76,5 81,4 89,0 812
2015 48,2 22,4 12,0 20,0 23,0 27,0 44,0 70,0 80,0 82,0 89,0 879
2018 47,4 22,3 11,7 17,0 21,6 26,0 43,3 68,9 79,1 82,4 89,0 2.063
Nivel ocupacional de los padres
2009 53,2 17,9 16,0 27,0 30,0 40,0 52,0 69,0 78,0 88,0 90,0 680
2012 59,0 20,0 14,2 25,0 27,9 43,8 62,5 75,5 82,4 86,7 89,0 718
2015 63,3 21,0 15,0 24,0 28,0 50,0 71,0 80,0 86,0 87,0 89,0 851
2018 61,3 21,0 11,7 22,6 25,5 44,9 70,3 78,7 85,4 86,7 89,0 2.701
230
4.2. Niveles de segregación

En el presente sub-apartado analizamos los niveles de segregación socioeconómica en la
CAM a lo largo de los años, y en especial, en PISA 2018. En primer lugar, los paneles a)
y b) de la figura muestran el índice de disimilitud (Q1) y el índice de Gorard (Q1) para
todas las redes de centros educativos, para los centros públicos y para los centros
concertados-privados. En la figura se aprecia que ambos índices muestran resultados
similares: aumento de la segregación en los centros de la región de Madrid a lo largo de
los cuatro años analizados. Esta misma tendencia se puede apreciar en ambas redes de
centros, públicos y concertados-privados, exceptuando que en la red pública disminuye en
2018 respecto el 2015. De la figura 3 destacan dos aspectos importantes. Primero, un
fuerte aumento del nivel de segregación en la red pública del año 2012 al 2015 que es
cuando aparecen las primeras cohortes de centros públicos bilingües en PISA. Este
aumento es del 19% según el índice de disimilitud (5% en el 2009-2012) y del 25% según
el índice Gorard (9% en el 2009-2012). Segundo, un fuerte aumento de la segregación en
los centros concertados-privados del año 2015 al 2018, cuando aparecen los primeros
centros concertados bilingües en la prueba. Este aumento es del 11% según el índice de
disimilitud (5% en el 2009-2012 y 10% en el 2012-2015) y del 18% según el índice de
Gorard (4% en el 2009-2012 y 8% en el 2012-2015). Si bien es cierto que en el índice de
disimilitud el incremento en la red concertada no es tan pronunciado respecto al año
anterior, en el apartado 3 hemos comentado las limitaciones de este índice para los análisis
temporales. Por ello, priorizaremos los resultados del índice Gorard, que indican un fuerte
aumento de la segregación. Finalmente, la segregación por origen socioeconómico es
considerablemente más alta en la red concertada-privada que en la red pública, como ya
ha evidenciado la literatura.
a) Índice Disimilitud (Q1) b) Índice Gorard (Q1)

0,6
0,5
0,4
0,3
0,2
0,1
0
Total Pública Concertado Total Pública Concertado y
y Privado Privado
2009 2012 2015 2018 2009 2012 2015 2018
Figura 3. Segregación escolar por origen socioeconómico

A continuación, buscamos analizar qué proporción de la segregación viene dada por la

segregación entre redes y qué proporción viene dada por la segregación dentro de cada
red, así como la evolución a lo largo de los años. La figura 4 muestra los resultados del
índice Hutchens según la titularidad del centro, panel a), y según si es centro bilingüe o
no, panel b). De forma general, el panel a) indica que la segregación viene dada en mayor
231
proporción por la segregación dentro de cada red –pública y concertada-privada– y que el

aumento de la segregación en el periodo 2012-2018 viene dada en mayor proporción por
el aumento dentro de las redes. Esos incrementos dentro de las redes podrían ser
consistentes con la aparición de los centros bilingües, primero en la red pública y luego
en la red concertada, comentado en la figura anterior. Igualmente, la segregación entre
las redes va aumentando a lo largo de los años, en especial en 2012 y en la última edición
del 2018.
a) Centros públicos y concertados- b) Centros bilingües y no bilingües

privados (2018)
0,25
0,20
0,15
0,10
0,05
0,00
2009 2012 2015 2018 Red Pública Red Concertada Total
Dentro grupos Entre grupos Dentro grupos Entre grupos
Figura 4. Índice Hutchens

En el panel b) de la figura 4 se analiza por cada red de centros públicos y concertados en

PISA 2018, que proporción de segregación viene dada por la segregación entre el sistema
bilingüe-no bilingüe y qué proporción viene dada por la segregación dentro de cada
sistema. Los resultados muestran que la aparición de centros bilingües contribuye a
aumentar la segregación escolar en el sistema educativo de la CAM, y de forma muy
similar para los centros públicos y concertados. Este resultado es consistente con los
resultados anteriores de un aumento de la segregación dentro de la red pública y dentro
de la red concertada y del análisis del ISEC realizado.
4.3. Relación del nivel socioeconómico medio del centro y su participación en el
programa bilingüe con el aprendizaje del alumnado
Algunos estudios han analizado el impacto del PB en el rendimiento académico de los
estudiantes (por ejemplo, Ruiz, 2017; Tamariz y Blasi, 2016). En este último subapartado
pretendemos realizar un análisis correlacional sobre el rendimiento del alumnado en las
pruebas PISA en función del nivel socioeconómico medio del centro, de si es un centro
bilingüe o no y según la titularidad del mismo. Para ello, estimamos el rendimiento de
cada estudiante de la CAM en PISA 2018 en función del ISEC armonizado medio del
alumnado en el centro educativo, la variable binaria centro concertado, la variable binaria
centro no bilingüe y un vector de variables de control individuales. El rendimiento, la
variable dependiente, se define según la puntuación de las competencias científicas y la
puntuación de las competencias matemáticas. La variable independiente ISEC armonizado
232
medio nos aporta mucha información sobre el nivel socioeconómico del alumnado que
atiende cada centro. El cuadro 5 muestra los resultados de estimar las dos variables
dependientes mediante mínimos cuadrados ordinarios (MCO). Además, en el Anexo se
incluye el cuadro A con los resultados completos de cuadro 5.
Cuadro 5. Resultados de las regresiones
COMP. MATEMÁTICAS COMP. CIENTÍFICAS
(1) (2) (3) (4)
14,02*** 13,98*** 10,41* 10,34*
ISEC armonizado medio del centro
(4,79) (4,78) (5,64) (5,60)
-10,07*** -11,28*** -11,10*** -12,87***
Centro no bilingüe
(3,79) (4,23) (4,16) (4,72)
-1,18 -8,66 -0,03 -10,99
Centro concertado
(4,82) (5,82) (5,62) (6,99)
8,39 12,29
Centro concertado y no bilingüe
(6,87) (8,07)
Observaciones 3.757 3.757 3.757 3.757
R 2 0,40 0,40 0,31 0,31
Nota: Errores estándar agrupados a nivel centro. Regresiones realizadas con los pesos de los
alumnos. Variables de control a nivel individual: chica, ISEC armonizado, migrante, ha repetido
algún curso, edad, edad2, variables binarias del mes de nacimiento (enero referencia).
Los resultados del cuadro 5 indican que a mayor nivel socioeconómico medio del centro
(ISEC armonizado medio), mayor es la puntuación en competencias de matemáticas y
ciencias, estadísticamente significativo al 1%. En concreto, a mayor nivel socioeconómico
del alumnado, es decir, ISEC medio positivo y mayor, mayor puntuación en competencias
de matemáticas y ciencias. En cambio, a menor nivel socioeconómico del alumnado, es
decir, ISEC medio negativo y mayor, menor puntuación en competencias de matemáticas
y ciencias.
En cuanto a las diferencias entre el sistema bilingüe y no bilingüe, los resultados son
parecidos en ambas competencias. El alumnado que cursa educación secundaria en un
centro no bilingüe obtiene de media una puntuación más baja que los de un centro
bilingüe. En cambio, esta diferencia se mantiene similar tanto en la red pública como en
la concertada, sin diferencias entre las redes. Por tanto, los estudiantes de los centros con
un bajo nivel socioeconómico –mayor concentración de alumnos vulnerables– y no
bilingües obtienen peores puntuaciones en las competencias de matemáticas y ciencias que
aquellos que acuden a centros bilingües.
5. Discusión y conclusión
En el contexto de altos niveles de segregación escolar por origen socioeconómico de la
CAM y su aumento en los últimos años, el presente estudio ha analizado la introducción
del Programa Bilingüe en la comunidad y su relación con la segregación escolar según
esta dimensión. Para ello, hemos explotado los microdatos trianuales de PISA desde la
edición 2009 hasta la edición del 2018, con especial atención a esta última edición, la cual
permite por primera vez diferenciar los centros educativos bilingües y no bilingües.
Además, nuestro estudio pretende aprovecharse de la implementación gradual del PB en
233
el hecho de que en las ediciones de PISA 2009 y 2012 no hay estudiantes de centros
bilingües; en PISA 2015 hay solo alumnos en centros públicos bilingües y en PISA 2018
hay alumnos en centros bilingües tanto concertados como públicos. Para ello, se ha re-
calculado el ISEC de cada estudiante en función de las cuatro ediciones de PISA y de sus
homólogos en la CAM para poder tener una métrica precisa del nivel socioeconómico de
cada alumno y alumna a lo largo del tiempo. A partir de este cálculo, se ha analizado la
distribución del ISEC a lo largo de los años y la segregación según el índice de disimilitud,
Gorard y Hutchens. Finalmente, se ha analizado la relación entre el nivel socioeconómico
medio del centro, su titularidad, y si el centro es o no bilingüe sobre el rendimiento
académico mediante un análisis de regresión.
Entre los principales resultados, destaca que el nivel medio socioeconómico de las familias
es mayor en el sistema bilingüe que en el no bilingüe, tanto en los centros públicos como
en los concertados. A su vez, en los centros concertados la diversidad socioeconómica es
menor en los centros bilingües que en los no bilingües. La segregación escolar por origen
socioeconómico ha ido aumentando en el periodo 2009-2018. Destaca un fuerte aumento
de la segregación dentro de la red pública en el 2015, año en el que aparecen los primeros
centros públicos bilingües en las pruebas PISA, y un fuerte aumento dentro de la
concertada-privada en el 2018, año en el que aparecen los primeros centros concertados
bilingües en PISA. El aumento de la segregación a lo largo de los años viene dado en
mayor proporción por el aumento de segregación dentro de las redes, pero también
destaca un aumento en la segregación entre redes durante todo el periodo. Un análisis
más profundo del 2018 muestra que la segregación viene dada por la segregación entre
las redes pública y concertada, y por la segregación dentro de los sistemas bilingües y no
bilingües. Finalmente, vemos que los alumnos y alumnas del sistema no bilingüe obtienen
peores puntuaciones en PISA que los del sistema bilingüe, especialmente en esos centros
con mayor concentración de alumnado vulnerable.
Es importante tener en cuenta que este estudio pretende analizar la relación entre la
implementación del PB y la segregación escolar por origen socioeconómico, pero en
ningún momento se está desarrollando un análisis causal. Asimismo, tal como se comenta
a lo largo del texto, la edición de PISA 2018 es la primera que contiene información sobre
el sistema bilingüe en la CAM, lo cual implica que las conclusiones del análisis realizado
sean limitadas. En este sentido, futuras investigaciones, con disponibilidad de datos
administrativos y/o futuras ediciones de PISA, deberían profundizar y analizar la
causalidad de esta pregunta del presente estudio a través de una mayor información
detallada de la implementación del PB por centro a lo largo del tiempo.
A modo de conclusión, los resultados de nuestro estudio muestran ciertas evidencias de
que la adopción del programa bilingüe en los centros incide en la elección de los centros
para las familias interactuando paralelamente con la dicotomía público-concertado. Para
evitar este potencial aumento de la segregación asociada al Programa Bilingüe de la CAM
se propone repensar el propio diseño del programa para que no se produzca una selección
de centros según el origen socioeconómico de su alumnado. Si la decisión pública consiste
en universalizar el programa, se deben articular algunos mecanismos para que todos los
centros tengan incentivos a acceder al PB o bien dirigir la expansión del PB priorizando
el alumnado más vulnerable, independientemente de sus condiciones. Además, es
necesario dotar de soporte y recursos a los centros con mayor proporción de alumnos y
alumnas vulnerables para que se puedan adaptar a una enseñanza bilingüe de forma
gradual y con menores dificultades.
234
Agradecimientos
Esta investigación es una versión adaptada y ampliada (a partir de los datos de PISA 2018)
del análisis para Save the Children realizado en 2018 sobre la segregación socioeconómica
a la CAM. Los autores agradecen a Save the Children España su colaboración en este
estudio.
Referencias
Alegre, M. A. (2017). Políticas de elección y asignación de colegio: ¿Qué efectos tienen sobre la segregación
escolar? Fundació Jaume Bofill.
Anghel, B., Cabrales, A. y Carro, J. M. (2016). Evaluating a bilingual education program in Spain:
The impact beyond foreign language learning. Economic Inquiry, 54(2), 1202-1223.
https://doi.org/10.1111/ecin.12305
Basile, M. (2012). The cost-effectiveness of socioeconomic school integration. En R. D. Kahlenberg
(Ed.), The future of school integration: Socioeconomic diversity as an education reform strategy (pp.
127-151). The Century Foundation.
Benito, R., Alegre, M. A. y Gonzàlez-Balletbò, I. (2014). School segregation and its effects on
educational equality and efficiency in 16 OECD comprehensive school systems. Comparative
Education Review, 58(1), 104-134. https://doi.org/10.1086/672011
Billings, S. B., Deming, D. J. y Rockoff, J. (2014). School Segregation, educational attainment, and
crime: evidence from the end of busing in Charlotte-Mecklenburg. The Quarterly Journal of
Economics, 129(1), 435-476. https://doi.org/10.1093/qje/qjt026
Bonal, X. (2012). Education policy and school segregation of migrant students in Catalonia: The
politics of non-decision-making. Journal of Education Policy, 27(3), 401-421.
https://doi.org/10.1080/02680939.2011.645168
Bonal, X. y Cuevas, J. (2019). Combatre la segregació escolar: De l’amenaça a l’oportunitat. Fundació
Jaume Bofill.
Bonal, X., Zancajo, A. y Scandurra, R. (2019). Residential segregation and school segregation of
foreign students in Barcelona. Urban Studies, 56(15), 3251-3273.
https://doi.org/10.1177/0042098019863662
Boterman, W. R. (2019). The role of geography in school segregation in the free parental choice
context of Dutch cities. Urban Studies, 56(15), 3074-3094.
https://doi.org/10.1177/0042098019832201
Calsamiglia, C., Martínez-Mora, F. y Miralles, A. (2017). Strategic segregation among public schools
under the Boston Mechanism. University of Leicester.
Consejería de Educación e Investigación. (2018). Informe sobre la evaluación del programa de
enseñanza bilingüe de la Comunidad de Madrid. Comunidad de Madrid.
Cullen, J. B., Jacob, B. A. y Levitt, S. (2006). The effect of school choice on participants: evidence
from randomized lotteries. Econometrica, 74(5), 1191-1230.
https://doi.org/10.1111/j.1468-0262.2006.00702.x
Duncan, O. y Duncan, B. (1955). A Methodological analysis of segregation indexes. American
Sociological Review, 20(2), 210-217. https://www.jstor.org/stable/2088328
235
Etxeberria, F. (2004). 40 años de educación bilingüe en el país del euskara. Revista de Educación,
334, 281-313.
Fernández Enguita, M. (2008). Escuela pública y privada en España: La segregación rampante.
Profesorado. Revista de Curriculum y Formación del Profesorado, 12(2), 3-25.
Gamoran, A. y An, B. P. (2016). Effects of School segregation and school resources in a changing
policy context. Educational Evaluation and Policy Analysis, 38(1), 43-64.
https://doi.org/10.3102/0162373715585604
Gorard, S. (2000). Education and social justice: The changing composition of schools and its implications.
University of Wales Press.
Gorard, S. y Taylor, C. (2002). What is segregation? A comparison of measures in terms of ‘strong’
and ‘weak’ compositional invariance. Sociology, 36(4), 875-895.
https://doi.org/10.1177/003803850203600405
Gortazar, L. (2018). The PISA “shock” in the Basque Country: Contingent factors or structural change.
ISEAK.
Gortázar, L., Mayor, D. y Montalbán, J. (2020). School choice priorities and school segregation: Evidence
from Madrid. FEDEA.
implications. Mathematical Social Sciences, 42(1), 13-29. https://doi.org/10.1016/S0165-
4896(00)00070-6
Levin, H. M. (2002). A comprehensive framework for evaluating educational vouchers. Educational
Evaluation and Policy Analysis, 24(3), 159-174. https://www.jstor.org/stable/3594163
Lieberson, S. (1981). An asymmetrical approach to segregation. En C. Peach, V. Robinson y S.
Smith (Eds.), Ethnic segregation in cities (pp. 61-82). Croom Helm.
Mayer, S. E. (2002). How economic segregation affects children’s educational attainment. Social
Forces, 81(1), 153-176. https://doi.org/10.1353/sof.2002.0053
Mediavilla, M., Mancebón, M. J., Gómez-Sancho, J.-M. y Jiménez, L. P. (2019). Bilingual education
and school choice: A case study of public secondary schools in the Spanish region of Madrid. Instituto
de Economía de Barcelona.
Murillo, F. J. y Martínez-Garrido, C. (2017). Segregación social en las escuelas públicas y privadas
en América Latina. Educação & Sociedade, 38(140), 727-750.
https://doi.org/10.1590/es0101-73302017167714
Murillo, F. J., Belavi, G. y Pinilla, L. M. (2018). Segregación escolar público-privada en España.
Papers. Revista de Sociologia, 103(3), 307-328. https://doi.org/10.5565/rev/papers.2392
OECD. (2015). PISA 2015 technical report. OECD.
Oosterbeek, H., Sóvágó, S. y van der Klaauw, B. (2019). Why are schools segregated? Evidence from the
secondary-school match in Amsterdam. (Centre for Economic Policy Research.
Owens, A. (2018). Income Segregation between school districts and inequality in students’
achievement. Sociology of Education, 91(1). https://doi.org/10.1177/0038040717741180
236
Owens, A., Reardon, S. F. y Jencks, C. (2016). Income segregation between schools and school
districts. American Educational Research Journal, 53(4), 1159-1197.
https://doi.org/10.3102/0002831216652722
Rao, G. (2019). Familiarity does not breed contempt: Generosity, discrimination, and diversity in
Delhi schools. American Economic Review, 109(3), 774-809.
https://doi.org/10.1257/aer.20180044
Ruiz, M. (2017). Bilingual education: Experience from Madrid (Trabajo fin de máster). Centro de
Estudios Monetarios y Financieros (CEMFI).
Saporito, S. (2017). Shaping income segregation in schools: The role of school attendance zone
geography. American Educational Research Journal, 54(6), 1345-1377.
https://doi.org/10.3102/0002831217724116
Save the Children. (2019a). Mézclate conmigo. Anexo: Comunidad de Madrid. Save the Children.
Save the Children. (2019b). Todo lo que debes saber de PISA 2018 sobre equidad. Save the Children.
Schwartz, H. (2012). Housing policy is school policy: Economically integrative housing promotes
academic success in Montgomery county, Maryland. En R. D. Kahlenberg (Ed.), The future
of school integration: Socioeconomic diversity as an education reform strategy (pp. 27-65). The
Century Foundation.
Síndic de Greuges. (2016). La segregación escolar en Cataluña (I): La gestión del proceso de admisión de
alumnado. Síndic.
Tamariz, M. y Blasi, D. E. (2016). Consequences of bilingual education in primary and secondary schools
in the Madrid region (Comunidad de Madrid). Consejería de Educación, Juventud y Deporte,
Comunidad de Madrid.
Anexo
Cuadro A. Resultados completos de las regresiones realizadas en el apartado 4.3
COMP. MATEMÁTICAS COMP. CIENTÍFICAS
(1) (2) (3) (4)
ISEC armonizado medio del centro 14,02*** 13,98*** 10,41* 10,34*
(4,79) (4,78) (5,64) (5,60)
Centro no bilingüe -10,07*** -11,28*** -11,10*** -12,87***
(3,79) (4,23) (4,16) (4,72)
Centro concertado -1,18 -8,66 -0,03 -10,99
(4,82) (5,82) (5,62) (6,99)
8,39 12,29
Centro concertado y no bilingüe
(6,87) (8,07)
Chica -20,29*** -20,32*** -16,68*** -16,72***
(2,50) (2,50) (2,57) (2,57)
ISEC armonizado 11,11*** 11,11*** 9,40*** 9,39***
(1,47) (1,47) (1,65) (1,65)
Migrante -15,68*** -15,65*** -7,17* -7,11*
(3,54) (3,55) (3,98) (3,98)
Repetidor -80,87*** -80,89*** -76,85*** -76,87***
(2,47) (2,47) (2,85) (2,86)
Edad 201,19 200,28 -998,78 -1.000,01
237
(1.662,40) (1.663,69) (1.866,57) (1.866,64)

Edad2 -9,59 -9,59 27,44 27,44
(53,16) (53,21) (59,67) (59,70)
Mes de nacimiento: Febrero 9,88 9,77 0,12 -0,03
(9,28) (9,33) (9,79) (9,85)
Mes de nacimiento: Marzo -16,68 -16,78 -19,36 -19,50
(14,03) (14,11) (16,14) (16,23)
Mes de nacimiento: Abril -24,82 -25,01 -24,97 -25,25
(20,37) (20,49) (23,62) (23,77)
Mes de nacimiento: Mayo -28,25 -28,52 -28,38 -28,77
(25,07) (25,21) (29,73) (29,91)
Mes de nacimiento: Junio -33,98 -34,35 -37,32 -37,86
(30,11) (30,32) (36,04) (36,28)
Mes de nacimiento: Julio -45,22 -45,59 -58,05 -58,58
(32,53) (32,74) (39,86) (40,10)
Mes de nacimiento: Agosto -56,91 -57,43 -59,63 -60,38
(36,73) (37,01) (44,48) (44,79)
Mes de nacimiento: Septiembre -62,85 -63,35 -74,80 -75,53
(38,59) (38,86) (47,97) (48,25)
Mes de nacimiento: Octubre -78,40* -78,97* -89,91* -90,75*
(42,62) (42,90) (53,70) (53,98)
Mes de nacimiento: Noviembre -85,13* -85,81* -102,99* -104,00*
(45,11) (45,42) (57,01) (57,34)
Mes de nacimiento: Diciembre -98,05** -98,78** -120,90** -121,97**
(47,59) (47,90) (60,76) (61,05)
Constante -206,17 -191,39 9.513,69 9.535,33
(12.981,76) (12.988,05) (14.585,95) (14.580,32)
Observaciones 3.757 3.757 3.757 3.757
R 2 0,40 0,40 0,31 0,31
Nota: errores estándar agrupados a nivel centro. Regresiones realizadas con los pesos de los
alumnos. Las variables de control chica, migrante, repetidor y mes de nacimiento son variables
binarias.

Lucas Gortazar
Analista internacional de políticas educativas. Ha trabajado desde 2012 para el
Departamento de Educación del Banco Mundial en más de 15 países, primero como
funcionario y después como consultor. Su trabajo se encuadra en la desigualdad y
segregación educativa, financiación y gestión pública de la educación, las políticas
docentes, y la evaluación de competencias en los alumnos, jóvenes y adultos. En España,
es impulsor de la Red por el Diálogo Educativo (REDE), una plataforma civil educativa
transversal, donde ha coordinado los grupos de trabajo sobre Financiación y Evaluación
educativa. Es miembro de Los 100, la red de Expertos de la Fundación COTEC, ha
desarrollado varios análisis con la ONG Save the Children España y forma parte del
Proyecto Atlántida de innovación educativa. Fue impulsor del ciclo de Educación del blog
Politikon. Ha escrito artículos en el País, El Diario, Nada es Gratis, Agenda Pública y es
238
colaborador habitual de la Cadena Ser en materia educativa. Ha publicado 20 artículos,

informes y capítulos de libros en materia educativa y laboral. Es Matemático y Doctor en
economía por la Universidad del País Vasco. ORCID ID: https://orcid.org/0000-0002-
6785-1059. Email: lucas.gortazar@gmail.com.
Pere A. Taberner
Investigador en economía en KSNET y estudiante de doctorado en economía en la
Universidad de Barcelona y en el programa de Políticas Públicas del Instituto de
Economía de Barcelona (IEB). Realizó tareas de ayudante de investigación en el
Departamento de Economía de la UB relacionadas con el sistema de evaluación de los
estudiantes. Su investigación académica se centra en analizar factores externos al proceso
de aprendizaje que afectan al rendimiento de los estudiantes y en analizar las posibles
diferencias de género. Tiene experiencia en análisis de datos, elaboración de modelos
econométricos y revisión de la literatura en los diferentes ámbitos de las políticas públicas,
en especial en educación. Ha colaborado en estudios de carácter cuantitativo para
entidades como Save the Children, Fundación Bancaria la Caixa y Oxfam Intermón.
Máster en Economía por la Universidad de Barcelona. ORCID ID:
https://orcid.org/0000-0003-2203-3703. Email: peretaberner@gmail.com.
239
Desigualdades Socioespaciales en la Educación

Secundaria Postobligatoria. El Caso de Madrid
Socio-Spatial Inequalities in Upper Secondary Education. The

Case of Madrid
Javier Rujas 1
Miriam Prieto 2
Jesús Rogero-García 2
1 Universidadde Burgos, España
2 Universidad Autónoma de Madrid, España
Analizar la dimensión socio-espacial de la educación es fundamental para entender

las desigualdades educativas y la segregación escolar. Este artículo analiza la
distribución de la oferta de educación secundaria postobligatoria (Bachillerato y
Formación Profesional de Grado Medio -FPGM-) en la ciudad de Madrid. Para ello,
emplea una base datos construida a partir del buscador de colegios de la Comunidad
de Madrid y datos de fuentes secundarias. La distribución de esta oferta es desigual
en el territorio y coincide con la brecha socioespacial entre un noroeste acomodado
y un sureste más desfavorecido. Más centros y alumnos de educación secundaria
superior y, en particular, de Bachillerato en los distritos más ricos, y mayor presencia
de oferta pública en los distritos populares del sureste y de la privada en los distritos
de clase media y alta de la almendra central y el noroeste. Además, existen diferencias
significativas en la distribución espacial de las dos ramas de la postobligatoria y de
sus distintas modalidades, familias, ciclos y opciones distintivas. La desigual
distribución de la oferta postobligatoria podría estar contribuyendo a generar
oportunidades educativas desiguales para los jóvenes de zonas desfavorecidas y los
de zonas privilegiadas.
Descriptores: Educación postobligatoria; Oferta educativa; Desigualdad
socioespacial; Desigualdades educativas; Madrid.
Studying the socio-spatial dimension of education is essential to understand

educational inequalities and school segregation. This paper analyses the distribution
of upper secondary education provision in Madrid (Baccalaureate and medium level
vocational training) across the city. To do so, it draws on a dataset gathered from an
official school search engine and secondary data. The distribution of upper secondary
education provision in space is unequal, and meets the socio-spatial divide between
the advantaged (northwest) and disadvantaged (southeast) areas of the city. A larger
number of upper secondary schools and students and, in particular, a larger presence
of the academic track, in the richer districts of the city, and a higher proportion of
state schools in working class inner suburbs and private schools in the middle and
upper class districts of the city center and the northwest. Also, significant differences
are found in the spatial distribution and availability of the two tracks of upper
secondary education and their different modalities, degrees, and distinctive options.
The uneven distribution of upper secondary education provision in urban space could
be contributing to produce unequal educational opportunities for young people
leaving in privileged and disadvantaged areas of the city.
Keywords: Upper secondary education; Educational provision; Socio-spatial
inequalities; Educational inequalities; Madrid.
*Contacto: jrujas@ubu.es Recibido: 26 de abril 2020

J. Rujas, M. Prieto y J. Rogero-García
1. Introducción
Estudios recientes apuntan a la Comunidad de Madrid (CM) como la región de España
con mayor nivel de segregación escolar socioeconómica, y la segunda de la Unión Europea
(Murillo y Martínez-Garrido, 2018). Este hecho está relacionado con la segregación
geográfica de los diferentes grupos sociales, pero también con algunas políticas
implantadas en la región, como el establecimiento de una zona única para la elección de
centro educativo, la realización de pruebas estandarizadas, la promoción de los centros
concertados o la diferenciación entre centros bilingües y no bilingües en inglés (Prieto y
Villamor, 2012; Villamor y Prieto, 2016). La literatura ha mostrado que la segregación
escolar intensifica los efectos negativos de la segregación geográfica (Sturgis et al., 2014)
y conduce a un aumento de las desigualdades educativas (Rogero-García y Andrés-
Candelas, 2017). Es, por tanto, necesario profundizar en los mecanismos sociopolíticos
que promueven la segregación escolar en Madrid.
Un aspecto central en la comprensión de las causas y efectos de la segregación
socioeconómica es la dimensión socioespacial y su relación con la construcción de las
oportunidades educativas. Las grandes ciudades son espacios fuertemente diferenciados y
complejos. En su interior, las desigualdades socioeconómicas, la segregación residencial y
la desigual distribución y acceso a los recursos y equipamientos condicionan, en buena
medida, la vida de las personas, sus experiencias, aspiraciones y oportunidades. Esto es así
especialmente en un contexto como el de Madrid, donde, como en otras capitales europeas,
han crecido la desigualdad y la segregación residencial desde inicios del siglo XXI,
especialmente entre las clases privilegiadas (Musterd et al., 2017). En la capital, la
globalización económica, la polarización sociolaboral y la segmentación del mercado de la
vivienda han incrementado la distancia espacial entre distintos grupos sociales (Sorando
y Leal, 2019) y ha tenido lugar una polarización desigual (Rubiales, 2020).
Este trabajo persigue explorar si la desigual distribución de la población según su capital
económico y cultural, unida a una desigual distribución de la oferta educativa en el
territorio, se traduce en una desigualdad de oportunidades educativas para los jóvenes en
función de su lugar de residencia. ¿Ofrece la ciudad de Madrid distintas oportunidades de
educación postobligatoria a los jóvenes dependiendo de la zona en la que residen? Para
responder a esta pregunta, se analiza con datos cuantitativos la distribución en el territorio
de la oferta de Bachillerato y Formación Profesional de Grado Medio (FPGM), según su
titularidad y sus modalidades, así como las diferencias en algunos indicadores de
resultados educativos entre distritos, en relación con las características socioeconómicas
de sus habitantes.
2. Desigualdades socioespaciales y oportunidades

educativas
Analizar la dimensión territorial de las desigualdades escolares es fundamental para
entender la construcción de las oportunidades educativas de los jóvenes, especialmente en
contextos urbanos altamente diferenciados y en un momento de transición decisivo como
es el paso de la educación obligatoria a la postobligatoria. En esta etapa, la división entre
un itinerario académico y otro profesional está asociada a desigualdades de clase: los
jóvenes de clase media y alta tienen más probabilidades de estudiar Bachillerato y acceder
242
a la universidad, y los de clase trabajadora más probabilidades de fracasar, abandonar el

sistema o cursar una formación profesional (Bernardi y Requena, 2010). No obstante, el
peso específico del territorio en esta transición educativa, y su relación con la clase social,
el género, la etnia o el acceso a centros escolares con características y lógicas
institucionales distintas, no ha sido apenas explorado.
La relación entre la distribución y localización geográfica de la población y las
oportunidades educativas es estrecha, a la vez que compleja. Las investigaciones sobre
segregación geográfica y sobre efecto barrio han mostrado la importancia del lugar de
residencia y de la concentración y separación territorial de los grupos sociales en la
configuración de las oportunidades de bienestar y el desarrollo de los individuos. La
segregación residencial determina la composición social de los grupos de iguales y de los
centros escolares. Esta concentración espacial tiene, así, un impacto en la población
infantil y juvenil –en sus logros educativos, entre otros muchos aspectos‒ (Jencks y
Mayer, 1990; Leventhal y Brooks-Gunn, 2000) y ofrece menos oportunidades de
aprendizaje y desarrollo a los jóvenes socioeconómicamente desaventajados (Brännström,
2008).
Los vecindarios se diferencian fuertemente por las características sociales de su población
(ocupación, capital económico y cultural, nacionalidad), pero también por sus
características geográficas, arquitectónicas y de vivienda, sus equipamientos, recursos y
servicios. El impacto del territorio sobre sus residentes es tanto directo como indirecto, a
través de las instituciones presentes en el mismo (Galster, 2012). Entre estas están los
centros educativos, que también ejercen un efecto propio en las experiencias escolares y
en las posibilidades de logro educativo de su alumnado: el denominado efecto escuela
(Raudenbush y Willms, 1995), según el cual los resultados educativos no son una cuestión
individual, sino que se encuentran condicionados por factores institucionales, tal y como
sostienen diversos estudios (Morentin y Ballesteros, 2018). Este efecto mantiene una
relación compleja con las características del territorio (Brännström, 2008; Kauppinen,
2008; Owens y Candipan, 2019; Sykes y Musterd, 2011); de hecho, el impacto de las
características pedagógicas y organizativas de los centros escolares en los resultados
académicos del alumnado está altamente condicionado por la composición social de las
escuelas (Alegre y Ferrer, 2010; Bonal y Bellei, 2018). No obstante, aunque la segregación
escolar está, en parte, provocada por la segregación residencial, la primera tiende a superar
a la segunda (Bonal y Albaigés, 2009; Oberti y Savina, 2019) porque también es
consecuencia de algunas características del sistema educativo, como los mecanismos de
diferenciación (entre centros educativos o intracentro), la existencia de un elevado número
de escuelas privadas que imponen mecanismos de selección del alumnado y el desarrollo
de políticas de libertad de elección (Bonal y Bellei, 2018).
Las oportunidades educativas, en este sentido, también están relacionadas con la
distribución y localización geográfica de la oferta escolar. La disponibilidad, accesibilidad
y calidad de los centros escolares varía entre distintas zonas del espacio urbano, lo que se
traduce en oportunidades desiguales. Estudios internacionales han puesto de manifiesto
una fuerte tendencia a la diferenciación de las escuelas y la oferta escolar en varias capitales
europeas (Londres, París, Amsterdam) y su compleja relación con las desigualdades
urbanas (Butler y Robson, 2003; Gramberg, 1998; Oberti, 2007; Oberti y Savina, 2019).
Los contextos urbanos más privilegiados tienden a contar con una oferta educativa más
diversificada, atractiva y que reporta mejores resultados, mientras las zonas con mayor
composición de clase trabajadora ofrecen recursos educativos más pobres en cantidad y
243
calidad (Oberti, 2007; Owens y Candipan, 2019), lo que deja en desventaja a los niños y
jóvenes residentes en ellas.
Esta distribución de la oferta también afecta a las trayectorias, elecciones y logros
educativos. En el caso de las transiciones al finalizar la educación obligatoria, algunos
estudios han revelado la existencia de un efecto barrio en la elección de la modalidad de
educación secundaria superior. En Helsinki, los barrios con los niveles formativos más
altos en la población adulta aumentan las probabilidades de finalizar la rama académica de
educación secundaria, mientras que en los barrios con niveles educativos bajos e
intermedios las probabilidades no difieren (Kauppinen, 2007), aunque los centros escolares
con alumnado de origen socioeconómico bajo presentan menores probabilidades de
elección de esta rama (Kauppinen, 2008).
En general, en España los trabajos sobre desigualdades socioespaciales y segregación en
educación han tendido a centrarse en la etapa obligatoria (Bonal y Albaigés, 2009; Franzé
et al., 2011; Murillo y Martínez-Garrido, 2018). Sin embargo, no se ha prestado atención
a la etapa postobligatoria, en la que estos fenómenos pueden tener características
específicas distintas de etapas anteriores, por su carácter no obligatorio, el peso importante
de la red privada y su diferenciación histórica en dos ramas, el Bachillerato y la Formación
Profesional, con distinto prestigio y distintas oportunidades de acceso a puestos de trabajo
y posiciones sociales. A su vez, los estudios sobre la educación secundaria postobligatoria
tienden a centrarse en el nivel nacional o autonómico, pero rara vez descienden hasta el
nivel municipal e inframunicipal (distritos y barrios). No obstante, analizar la distribución
de la oferta educativa en el interior de la ciudad es fundamental para entender el peso del
contexto local en las oportunidades vitales y escolares de los individuos.
3. Método
En este trabajo analizamos la distribución por distritos de la oferta de Bachillerato y
Formación Profesional de Grado Medio (FPGM) en la ciudad de Madrid empleando una
metodología cuantitativa. Al no haber disponibles datos individualizados que permitan un
seguimiento de los alumnos de Bachillerato y FP en Madrid, nuestro análisis se basa en
una base de datos propia construida con la información disponible en el Buscador de
colegios de la CM 1, completada, contrastada y depurada con ayuda de otras fuentes y
documentos de los centros y de la administración regional. Esta base incluye todos los
centros que impartían estas enseñanzas en la capital en el curso 2017-2018, momento en
el que se efectuó la recogida de la información.
Gracias a este buscador, pensado como un instrumento para favorecer la libertad de
elección de los padres (a través de la comparación de las características y resultados de los
centros educativos), se ha recabado información, ausente o incompleta en las estadísticas
oficiales, sobre las características de la oferta (número de centros, situación geográfica,
titularidad, tipo de centro, modalidades, familias y titulaciones, número de alumnos
matriculados por etapa), el proceso de admisión (solicitudes recibidas, admitidas y
rechazadas en ESO y Bachillerato en centros públicos y concertados) y los resultados
1Se puede consultar en:

https://www.madrid.org/wpad_pub/run/j/MostrarConsultaGeneral.icm.
244
académicos (diplomas de aprovechamiento y menciones honoríficas en ESO 2, titulación en

ESO y Bachillerato, y resultados en la Prueba de Acceso a la Universidad ‒PAU‒). Dado
que algunos datos del buscador corresponden a uno o dos cursos anteriores al momento
de consulta, los datos de oferta se refieren a 2017-2018 y los de alumnos, solicitudes y
resultados corresponden a 2015-2016, que eran los más recientes disponibles en el
momento en que se recogió la información. No disponemos, sin embargo, de datos como
las plazas ofertadas y vacantes, la matrícula “viva”, la movilidad de los estudiantes en el
territorio o las características sociodemográficas de los alumnos de cada centro, que
permitirían determinar su composición social, calcular índices de segregación escolar y
estimar su efecto en los resultados escolares de los centros 3.
En este trabajo, por tanto, se abordan las desigualdades socioespaciales en la educación
postobligatoria analizando la relación entre el perfil social de los espacios urbanos y la
distribución espacial de la oferta y sus características (Oberti, 2007). En este sentido, los
datos de centros educativos se han analizado por distritos, relacionando la oferta educativa
y los resultados académicos con las características socioeconómicas de sus habitantes
(población, paro, renta media de los hogares, nivel educativo de la población, ocupación,
entre otros), extraídas de diversas fuentes oficiales (Banco de datos del Ayuntamiento de
Madrid, Padrón Municipal, Censo de Población, Indicadores Urbanos del INE). Para ello,
se han realizado análisis estadísticos descriptivos y empleado herramientas de análisis y
visualización espacial (Sistemas de Información Geográfica).
En una ciudad de las dimensiones de Madrid, los distritos pueden tener un tamaño y
población similar al de algunos municipios más pequeños y pueden presentar mucha
diversidad social interna entre barrios y secciones censales. A pesar de ello, en este trabajo
hemos empleado principalmente esta unidad territorial, ya que los procesos de
escolarización no se limitan al barrio o sección censal por la movilidad estudiantil
intramunicipal: los jóvenes pueden residir en un barrio y escolarizarse en otro. Aunque no
disponemos de datos para valorar el alcance de este fenómeno en Madrid, la información
existente sugiere que, en la educación secundaria postobligatoria, hay mayor movilidad
que en la obligatoria (especialmente en el caso de los estudiantes de Bachillerato de Artes
y de FPGM, por su dispersión territorial). Al mismo tiempo, se da una tendencia a la
permanencia en el distrito, dada la importancia que los estudiantes y las familias dan a la
cercanía al domicilio en la elección de escuela y la tendencia, en muchos casos, a
permanecer en el centro en el que cursaron ESO (especialmente entre quienes cursan
Bachillerato) (Prieto y Rujas, 2020). Asimismo, aunque hemos empleado algunos datos a
nivel barrio, muchos no estaban disponibles para unidades territoriales inferiores al
distrito.
2 Los Diplomas de Aprovechamiento y de Mención Honorífica en ESO son reconocimientos que

otorga la CM cada curso a alumnos de centros públicos y privados que acrediten los siguientes
méritos académicos respectivamente: superar cuarto curso con una media igual o superior a 6 en el
conjunto de los cuatro cursos de la ESO y en las asignaturas Lengua Castellana y Literatura,
Primera Lengua Extranjera, Geografía e Historia y Matemáticas de cuarto; hacerlo con una media
igual o superior a 8,75 en toda la ESO e igual o superior a 9 en las asignaturas señaladas. La
Mención Honorífica incluye el Diploma de Aprovechamiento.
3 Estos datos se solicitaron sin éxito a la Consejería de Educación de la Comunidad de Madrid.
245
Figura 1. Distritos y barrios de Madrid (2017)

Fuente: Elaboración propia a partir de mapas base de Nomecalles, Instituto de Estadística de la
CM.
4. Resultados y discusión
4.1. La educación secundaria postobligatoria en la ciudad de Madrid: una oferta
diferenciada
En la transición de la ESO a la secundaria postobligatoria, la oferta escolar se diferencia
y complejiza. A la división entre una rama académica y otra profesional se suma la
diferenciación por titularidad de los centros (públicos, concertados y privados), por
titularidad de cada etapa o enseñanza (un mismo centro puede ofertar enseñanzas
concertadas y privadas), y en el grado de especialización en una u otra rama de
postobligatoria (y/o en sus distintas modalidades y familias).
En primer lugar, la educación secundaria postobligatoria en Madrid se caracteriza por un
fuerte predominio del Bachillerato frente a la FPGM, más marcado que en el resto de
España (Prieto y Rujas, 2020): en 2017-2018, del total de 362 centros con oferta de
educación secundaria superior de la capital, el 81,2% (294) ofertaban la vía académica y un
31% (112) la vía profesional (FPGM); el 74% de los estudiantes de educación secundaria
246
postobligatoria cursa Bachillerato y el 26% FPGM. Este hecho, debido al mayor prestigio
social de la rama académica, tradicionalmente considerada más “noble” y propedéutica
(puerta para la universidad), y a su generalización en las últimas décadas en un contexto
de elevación de las expectativas escolares de la población, se ve reforzado en Madrid por
la alta concentración de clases medias y altas (directivos, profesionales y técnicos; véase
Sorando y Leal, 2019) y de población con estudios superiores (48,6% en 2011; Fuente:
INE, Indicadores Urbanos).
En segundo lugar, la oferta postobligatoria en Madrid muestra un fuerte peso de la red
privada. Los centros privados-concertados son mayoría (50%), frente a una limitada
presencia de centros públicos (30%) y una minoría de centros privados (20%), estos
últimos más presentes en GM (20,5%) que en Bachillerato (17%) (2017-2018; gráfico 1).
No obstante, la oferta pública, a pesar de su limitado número de centros (108, frente a los
254 privados y concertados), cubre casi a la mitad del alumnado de postobligatoria (46%
en Bachillerato y 53% en FPGM). La privada no concertada, por su parte, concentra en
Bachillerato un mayor porcentaje de alumnado (40%) que la concertada (14%), mucho más
importante que en FPGM (12%). Por tanto, el Bachillerato y la FPGM difieren en la
distribución del alumnado entre las distintas redes escolares y en la composición de la red
privada en ambas ramas: mayoritariamente privada en Bachillerato y concertada en
FPGM.
100
17 12
90 20,5 21,4 19,9
80 32,6
40
70 59,2 11,6 35,3
60 42,9 19,4
53,7 13,6 50,3
50 30,4
40
11,6
30
46,3 52,7 48,0
20 36,6 36,6
29,3 29,3 29,8
10
0
Centros Enseñanza Alumnos Centros Enseñanza Alumnos Centros Alumnos
BACHILLERATO CFGM Total postobligatoria
Público Privado-concertado Privado y concertado Privado
Gráfico 1. Distribución de los centros y estudiantes de postobligatoria por titularidad

del centro y la enseñanza en Madrid capital (2017-2018). Porcentajes
Nota: Este gráfico refleja la proporción de centros educativos por titularidad, la proporción de
centros que ofertan Bachillerato o GM por titularidad del Bachillerato o de los GM ofertados y
los estudiantes matriculados por titularidad del centro. En el caso de la FPGM, hemos incluido
una categoría específica para los centros que ofertan tanto ciclos concertados como privados.
Fuente: Elaboración propia a partir del Buscador de colegios de la CM y el Banco de Datos del
Ayuntamiento de Madrid.
Asimismo, en la etapa postobligatoria, la titularidad del centro no siempre coincide con la

titularidad de la enseñanza, puesto que los conciertos en la etapa obligatoria pueden no
extenderse a la etapa siguiente. Por un lado, la gran mayoría de los centros concertados
247
de Bachillerato de la capital (78%) lo oferta sin concierto, lo que hace que esta rama se
imparta de forma privada en el 59% de los centros (gráfico 1). La escasez de conciertos en
Bachillerato, limitados a un número reducido de colegios (34, un 11% de la oferta de
Bachillerato), genera, así, una importante polarización entre oferta pública y privada en
esta enseñanza. Por otro lado, en FPGM un mismo centro puede ofertar a la vez
titulaciones concertadas y privadas: el 29,2% de los centros concertados oferta familias
profesionales privadas sin concierto. Los datos por titularidad de centro subestiman, por
tanto, el mayor grado de privatización que se da en la etapa postobligatoria.
En tercer lugar, a las diferencias entre redes escolares se suma la diferenciación por tipo
de centro. La gran mayoría de los centros privados que ofertan postobligatoria en la
capital son colegios que integran varias etapas (educación infantil, primaria y secundaria
o primaria y secundaria) (72,4%), aunque también componen la red privada centros de
secundaria (9,8%) o centros específicos de FP (14,2%). En la red pública, en cambio, el tipo
de centro mayoritario son los Institutos de Educación Secundaria ‒IES‒ (98,1%). El
Grado Medio se oferta en gran medida en centros específicos de FP (52% de los centros
de FPGM), lo que contrasta con el hecho de que el 80% de los centros de Bachillerato
también oferta ESO, contribuyendo a reforzar la naturalización de la continuidad ESO-
Bachillerato. Los centros escolares que integran ESO, Bachillerato y FPGM son
minoritarios: 44 centros, el 12% de los centros de postobligatoria de la capital;
mayoritariamente concertados (52%) y públicos (46%), y prácticamente inexistentes en la
privada.
En cuarto lugar, la diferenciación de la oferta también viene dada por la provisión de
opciones escolares, que responden a determinadas políticas educativas y a distintas lógicas
de acción de los centros en contextos escolares competitivos (van Zanten, 2009). En
Madrid, el 69,1% de los centros de secundaria superior oferta solo su rama académica y el
18,8% solo la profesional, mientras que solo el 12,2% oferta ambas (gráfico 2). Esta
especialización de los centros conlleva, así, un alto grado de separación y cierre
institucional (van Zanten, 2012) entre ambas ramas. Este fenómeno difiere según la
titularidad (gráfico 2): en el sector privado (concertado o no), la orientación académica de
los centros es mayor, la profesional menor que en la pública y la oferta “mixta” muy
minoritaria (10%). Además, los centros privados sin concierto están muy polarizados: se
especializan en Bachillerato (68%) o en FPGM (30%), exceptuando un único centro que
oferta ambas. La especialización de los concertados en la rama académica es mayor (74%),
pero una parte de ellos opta en mayor medida por diversificar la oferta postobligatoria
(13% con oferta mixta) y atraer a un espectro más amplio de alumnos. En el mercado
escolar madrileño, los centros también se diferencian a través de la provisión de opciones
escolares específicas, como medidas de atención a la diversidad para atender a la población
con desventajas, o, como veremos más adelante, opciones distintivas: programas o
actividades más o menos minoritarios o exclusivos, adicionales o alternativos al currículo
oficial, por los que los centros tratan de distinguirse y diferenciarse del resto,
especialmente atractivos para las clases medias. En la CM, estas formas de diferenciación
se han multiplicado en las últimas décadas, especialmente en Bachillerato: el programa
bilingüe español-inglés, las secciones lingüísticas, la FP Dual, el Bachillerato de
excelencia, el Bachillerato Internacional o el Bachillerato Dual Americano (Prieto y Rujas,
2020).
248
Total 69,1 18,8 12,2
Privado 68,1 30,6 1,4
Privado-concertado 73,6 13,2 13,2
Público 62,0 20,4 17,6
0 20 40 60 80 100
Especialización académica (Bach sin FPGM)
Especialización profesional (FPGM sin Bach)
Oferta mixta (Bachillerato y FPGM)
Gráfico 2. Especialización de los centros de postobligatoria en Madrid (2017-2018). En

porcentaje
Fuente: Elaboración propia a partir del Buscador de Colegios de la CM.
4.2. La brecha socioespacial y la desigual distribución territorial de la oferta

Globalmente, encontramos mayor presencia de centros de postobligatoria en la parte
noroeste de Madrid y menor en el sureste (con algunas excepciones), coincidiendo con la
brecha socioespacial entre la zona más aventajada y la más desfavorecida en términos de
capital económico y escolar (figuras 2 y 3). La desigual distribución de la oferta de
Bachillerato y FPGM en el territorio (figura 4) muestra, por tanto, relación con las
desigualdades socioeconómicas en el espacio urbano.
Figura 2. La brecha socioespacial en Madrid: capital económico y escolar por barrios

Fuente: Elaboración a partir del Banco de Datos del Ayuntamiento de Madrid (Indicadores
Urbanos del INE y Padrón Municipal).
249
Figura 3. Nivel de estudios de la población adulta joven en Madrid, por distritos (2016)
Fuente: Elaboración a partir del Banco de Datos del Ayuntamiento de Madrid (Padrón
Municipal).
A su vez, en la periferia popular del sureste de la capital encontramos un mayor porcentaje

de centros públicos y en los distritos de clase media-alta y alta de la almendra central un
mayor porcentaje de concertados y privados (figura 4). También algunos distritos
populares del sur muestran una alta presencia de centros concertados, superando a los
públicos, debido al desarrollo histórico de la oferta privada subvencionada en estas zonas
(especialmente en los años sesenta), donde la oferta pública llegó más tarde. Los centros
concertados son diversos según las zonas, entre otros, en su coste, menor en distritos
populares.
El porcentaje de centros públicos es menor en el noroeste (salvo Tetuán, más popular, y
Fuencarral), sobre todo en distritos de clase media y alta de la almendra central y Ciudad
Lineal. Los centros privados tienen menor presencia en general y se concentran en los
distritos más ricos de la ciudad (Chamartín, Moncloa y Salamanca) y en zonas acomodadas
del noreste (Hortaleza, Ciudad Lineal y Barajas), algunas de ellas de desarrollo urbano
reciente que han atraído a clases medias y medias-altas, pero también en un distrito
socialmente más heterogéneo como Centro (por la presencia de academias privadas). Su
presencia es casi testimonial en los distritos populares del sur: en cinco de ellos no hay
ninguno.
250
Figura 4. Centros de postobligatoria por distrito y titularidad en Madrid capital (2017-

2018)
Fuente: Elaboración propia a partir del Buscador de Colegios de la CM.
4.3. La desigual presencia del Bachillerato y la FPGM en la ciudad

En todos los distritos de la capital se ofertan las dos ramas de la educación postobligatoria,
y en todos ellos es mayor el número de centros y alumnos de Bachillerato. La cantidad de
matriculados en este último es menor en los distritos populares del sureste y mayor en las
zonas centro y noroeste de la capital (figura 5). Asimismo, el alumnado matriculado en la
enseñanza pública supera, en general, al resto en la mayoría de los distritos, con la
excepción de los de clase media y alta de la zona norte. En estos, donde se concentra más
población de renta alta, con estudios universitarios, menor riesgo de paro y mayor
porcentaje de directivos, gerentes, técnicos y profesionales, predomina fuertemente el
Bachillerato privado (gráfico 3), cubriendo en 2015-2016 a alrededor del 50% o más del
alumnado, y alcanzando su máximo en Moncloa-Aravaca (78%), el segundo distrito más
rico. A la inversa, en los distritos donde se concentra más población con menor capital
económico y cultural, el porcentaje de matriculados en Bachillerato en centros públicos es
mayor (cuadro 1). La titularidad del Bachillerato está, por tanto, intensamente relacionada
con el nivel socioeconómico de la población del distrito, algo que también ocurre en el
caso de la FPGM, aunque de forma menos intensa y únicamente en el caso de la matrícula
en centros privados.
251
Figura 5. Alumnos de Bachillerato por distrito y titularidad en Madrid capital (2015-

2016)
Fuente: Elaboración propia a partir Banco de Datos del Ayuntamiento de Madrid.
En el caso de FPGM, aunque también encontramos la diferencia sureste-noroeste, la

brecha es más marcada entre un oeste con una oferta más desarrollada y un este con menor
desarrollo (figura 6). La mayor concentración de centros y alumnos de FPGM se da en
distritos del noroeste (Fuencarral, Moncloa) y suroeste (Latina), mientras que la menor
oferta se da en los distritos periféricos del este (Barajas, Vicálvaro y Villa de Vallecas) y
en Retiro. También destaca la diferencia entre la almendra central, con muy pocos
estudiantes de FPGM en los distritos más ricos, y la periferia cercana que la rodea por el
este y el sur, donde tiene más presencia. Aunque esta desigual presencia de la FPGM en
el territorio no parece a priori tener una relación tan clara con la composición
socioeconómica de los distritos, cuando descendemos al nivel de los barrios encontramos
que, en los distritos más acomodados, los centros que ofertan FPGM, especialmente los
públicos, suelen estar situados en los barrios de menor renta del distrito y ausentes –salvo
raras excepciones, todos ellos privados– en los barrios más privilegiados.
En cuanto a la titularidad en FPGM, su relación con el perfil social del distrito es menos
clara que en Bachillerato, pues encontramos tanto distritos de clase media-alta como
distritos populares entre los que tienen más oferta y más diversa, pero también entre los
que menos tienen.
252
Cuadro 1. Correlación entre el porcentaje de alumnado de Bachillerato y FPGM

matriculado en centros públicos, privados y concertados y las características
socioeconómicas del distrito (en porcentaje)
BACH. C. BACH. C. BACH. C. CFGM C. CFGM C. CFGM C.
PÚBLICOS CONCERT. PRIVADOS PÚBLICOS CONCERT. PRIVADOS
Renta neta media
anual de los hogares -0,648** -0,378 0,873** 0,142 -0,399 0,587**
(2015)
Población de 16 a 20
años de origen
0,062 0,742** -0,542* -0,187 0,301 -0,235
extranjero (1 de
enero 2016)
Tasa absoluta de paro
registrado 16 a 24 0,583** 0,303 -0,762** -0,050 0,272 -0,519*
años (2016)
Porcentaje de
población de 25 a 34
años con estudios -0,505* -0,311 0,691** -0,128 -0,073 0,503*
superiores (ISCED
5-8, 2016)
Nota: **. La correlación es significativa en el nivel 0,01 (bilateral). *. La correlación es significativa
en el nivel 0,05 (bilateral).
Fuente: Elaboración propia a partir de Banco de Datos del Ayuntamiento de Madrid e INE,
Indicadores urbanos.
Además, aunque la mayoría de los alumnos de FPGM están matriculados en Grados

Medios públicos (59%), la oferta pública de FPGM está ausente en dos distritos opuestos
en términos socioespaciales, como Salamanca (100% de alumnos en la red privada; clase
alta, almendra central) y Villa de Vallecas (100% de alumnos en la concertada; periferia
sureste popular), seguidos de Centro (90% en la red privada). En cambio, el sector público
predomina en FPGM en los distritos populares del sureste, pero también en los distritos
más desprovistos de centros con Grado Medio (Retiro, Moratalaz, Barajas), cubiertos por
una oferta pública mínima. Si en los distritos populares del sureste el alumnado se
concentra mayoritariamente en la pública en ambas ramas de la postobligatoria, en los
distritos más acomodados del norte se da una polarización entre ramas de postobligatoria
por titularidad: un Bachillerato predominantemente privado y una FPGM
predominantemente pública. Hay dos excepciones: Salamanca, sin oferta pública de
FPGM, donde la oposición es entre un Bachillerato privado y una FPGM concertada, y
Retiro, donde el 54% del alumnado de Bachillerato está en la pública (al tener uno de los
IES más grandes de Madrid) y sólo hay un centro de FPGM (público). La relación se
invierte en los dos distritos de composición más heterogénea de la almendra central
(Centro y Tetuán), donde encontramos un Bachillerato predominantemente público y una
FPGM predominantemente privada-concertada.
253
Gráfico 3. Distritos de Madrid capital por renta media de los hogares y porcentaje de
matriculados en Bachillerato en centros privados
Fuente: Elaboración propia a partir del Banco de Datos del Ayuntamiento de Madrid e INE,
Indicadores urbanos.
La ratio entre los matriculados en ambas ramas de secundaria superior varía mucho por
distritos (figura 7). Con un mayor peso relativo del Bachillerato frente al Grado Medio
que para la media de la capital encontramos sobre todo distritos de clase media y alta, con
cuatro excepciones: Moncloa, Fuencarral y Chamberí, por su alto número de centros de
FP, y Arganzuela, por su baja presencia de centros de postobligatoria en general y de
Bachillerato en particular. A este grupo se oponen los distritos más privilegiados de la
almendra central, Retiro, Chamartín y Salamanca, con más de diez alumnos de
Bachillerato por cada alumno de GM (superando el 90% de matriculados en Bachillerato
en 2015-2016), seguidos de Hortaleza. En estos, además, se da una alta polarización y
cierre institucional entre centros de Bachillerato y FPGM: ningún centro oferta ambas.
Los distritos más acomodados de la capital se diferencian, por tanto, en dos grupos: uno
altamente especializado en la rama académica y otro con una oferta más diversa (más
centros y alumnos de FPGM y más centros mixtos). Moncloa es, de hecho, el distrito con
menor ratio (1,3) y mayor proporción de matriculados en GM de la capital (44%), debido
a la acumulación de centros de FP y a la atracción de alumnos de otras zonas de Madrid.
A su vez, los distritos en los que se concentra población con menor renta y capital escolar
muestran un mayor peso relativo del alumnado de GM en educación secundaria
postobligatoria, aunque también con diferencias: Carabanchel, Villa de Vallecas y Puente
de Vallecas muestran un mayor peso del Bachillerato que otros como Latina y Usera, entre
aquellos con mayor peso del Grado Medio.
La relación entre características socioeconómicas del distrito y matrícula en
postobligatoria no es, por tanto, lineal y mecánica, sino que aparece mediada por el
desigual desarrollo histórico de la oferta educativa en cada zona. Además, puede verse un
peso específico de la localización de los distritos en el espacio urbano relativamente
independiente de su composición social: aquellos con menor peso de la FPGM, todos ellos
ricos, se encuentran en la almendra central, mientras que los distritos ricos con más peso
254
de la FPGM están fuera de ella; los distritos Centro y Tetuán, ambos en la almendra
central pero con composición más heterogénea que los distritos colindantes, se distinguen
de otros de composición similar en otras zonas de la ciudad por el peso fuerte de la
matrícula en Bachillerato (85-86%).
Figura 6. Alumnos de FPGM por distrito y titularidad en Madrid capital (2015-2016)

Fuente: Elaboración propia a partir del Banco de Datos del Ayuntamiento de Madrid.
4.3. La distribución territorial de las modalidades de Bachillerato y FPGM

Todos los centros de Bachillerato de Madrid capital ofertan la modalidad de Humanidades
y Ciencias Sociales, y casi la totalidad oferta también el de Ciencias (con excepción solo de
un centro, en el distrito de Latina). La modalidad de Artes, en cambio, es minoritaria (en
2017-2018, sólo el 10% de los centros de Bachillerato la ofertaba) y su presencia es
desigual por distritos: en algunos de los de mayor renta (Moncloa, Chamartín, Salamanca,
Hortaleza, Fuencarral) encontramos mayor número de centros con Bachillerato de Artes,
mientras que la mayor parte de los distritos en los que no se oferta están entre los de
menor renta media (figura 8). Es decir, un estudiante de la periferia sureste popular de la
capital tiene menos oportunidades de estudiar Bachillerato de Artes en su distrito que un
estudiante que habita los distritos acomodados y, si quiere acceder a él, deberá moverse.
Además, esta modalidad es mayoritariamente privada (66,7% de los centros en 2017-2018)
y, a diferencia de las otras dos, no hay oferta concertada, lo que condiciona fuertemente la
elección de los jóvenes y su movilidad. Solo se oferta de forma pública en ocho distritos, y
en cinco solo de forma privada.
255
Figura 7. Peso relativo de las ramas de postobligatoria: ratio entre el alumnado

matriculado en Bachillerato y FPGM en Madrid por distritos (2015-2016)
Fuente: Elaboración propia a partir del Banco de Datos del Ayuntamiento de Madrid. Ejemplo de
lectura: en el distrito Retiro hay 16,2 matriculados en Bachillerato por cada matriculado en
FPGM.
En Bachillerato, además, encontramos diversas opciones distintivas, vinculadas a una

mayor exigencia académica y/o a la enseñanza de lenguas extranjeras. El número de
centros públicos o privados reconocidos como centros bilingües español-inglés por la CM
ha crecido en los últimos cursos, sobre todo en primaria y secundaria. En general, la
presencia de centros bilingües (en cualquiera de sus etapas) es mayor en las zonas más
acomodadas del noroeste de Madrid, aunque también se ha extendido en algunos distritos
populares como Puente de Vallecas, Vicálvaro y Latina (figura 9). En Bachillerato, en
concreto, el programa bilingüe está menos extendido que en las etapas previas, pero sigue
esta misma pauta socio-espacial, y encontramos también otras opciones lingüísticas
(sección francesa 4, sección alemana) muy minoritarias (seis centros y tres
respectivamente) y otros programas de iniciativa privada en expansión en los últimos años
(Bachillerato Internacional, Bachillerato Dual Americano). A estas opciones se suma un
pequeño número de centros privados extranjeros que ofertan el Bachillerato de su país, en
su mayoría centros de alto prestigio, difícil acceso y cuotas elevadas situados en zonas
ricas de la ciudad. Todas estas opciones distintivas, con un valor añadido para las clases
4 En Madrid, todos los centros con sección francesa en Bachillerato, salvo uno, ofertan también el
programa Bachibac, que permite obtener simultáneamente el Bachillerato español y el Baccalauréat

francés.
256
medias y altas, están más presentes en zonas ricas del centro y noroeste de la ciudad (figura
9). Los jóvenes de distritos populares tienen, por tanto, menos opciones de acceder a este
capital escolar distintivo en su zona.
Figura 8. Presencia de las modalidades de Bachillerato por distritos en Madrid capital

(2017-2018)
Fuente: Elaboración propia a partir del Buscador de colegios de la CM.
Figura 9. Oferta de opciones escolares distintivas por distritos en Madrid

Nota: Opciones distintivas de Bachillerato: secciones lingüísticas (bilingüe español-inglés,
francés, alemán), Bachillerato Internacional, Bachillerato Dual Americano, Bachillerato de
Excelencia y Bachillerato extranjero.
En cuanto a la FPGM, no se ofertan titulaciones de todas las familias en la capital: seis de

las 25 familias no se ofertan en ningún distrito. Las más ofertadas globalmente en el curso
257
2017-2018 eran, por este orden, Administración y gestión (49 centros), Informática y
comunicaciones (40), Sanidad (32), Electricidad y electrónica (25) y Servicios
socioculturales y a la comunidad (20). Por otro lado, no hay ninguna familia que se oferte
en todos los distritos de Madrid. Incluso las más ofertadas, a pesar de ser también las más
extendidas en el territorio, no están presentes en varios distritos: Administración y
gestión no se oferta en tres distritos, Informática y comunicaciones en cuatro y Sanidad
en siete. Por tanto, pese a la concentración de centros de FP en la zona este de Madrid,
encontramos una fuerte dispersión de las especialidades en el territorio en comparación
con Bachillerato. Esto condiciona las decisiones educativas de los estudiantes, que pueden
verse obligados a ajustar sus deseos a la oferta presente en el distrito o en otro cercano, o
a escolarizarse en distritos alejados de su lugar de residencia para estudiar los ciclos que
les interesan.
En la distribución de las familias y ciclos, la relación con el perfil socioeconómico del
distrito es menos clara. Los distritos con mayor número de centros de Grado Medio y una
oferta más diversa (mayor número de familias y ciclos ofertados) son, por encima del resto,
Moncloa y Fuencarral, distritos de renta alta situados fuera de la almendra central, con
centros de FP grandes y prestigiosos (gráfico 4). Les siguen, aún con un número elevado
de centros y de familias ofertadas, distritos populares como Carabanchel, Latina, Usera y
San Blas.
Otros distritos de renta alta se encuentran en una posición intermedia tanto en número
de centros de FP como en diversidad de familias ofertadas (Chamberí, Salamanca), y
algunos se encuentran entre los que tienen menos oferta de FPGM y menos diversa
(Retiro y Chamartín). También varios distritos populares de la periferia sur y este
(Vicálvaro, Villa de Vallecas, Villaverde) o del centro (Tetuán) muestran una escasa oferta
de centros y familias de GM. No obstante, algunas familias y ciclos, como Actividades
comerciales, Textil (Confección y Moda) o Imagen y Sonido (Video Disc-Jockey y Sonido),
las dos últimas con alto porcentaje de oferta privada (sin concierto), relacionadas con
trabajos de cuello blanco (la primera) o trabajos técnicos en sectores culturales o
industriales con cierto prestigio, están más presentes en distritos de clase media.
Algunas familias y ciclos relacionadas con ocupaciones tradicionalmente obreras o de
cuello azul están más presentes en distritos populares y con más porcentaje de oferta
pública, especialmente en el caso de los ciclos de Transporte y mantenimiento de
vehículos. A nivel territorial, en la almendra central tienen sobre todo presencia ciclos
relacionados con trabajos de cuello blanco (administración y comercio), informática y el
ámbito sociosanitario, pero casi ningún ciclo relacionado con trabajos de cuello azul (salvo
Electricidad) y muy pocos con trabajos precarios de los servicios (Hostelería, Imagen
personal).
258
25
20
15
24
10
17
11 13 14 15 15 15 13 14
11 10 12 12
5 10 11 11 11
688 878 8 7 78 8 8 7 9 9 11
5 5 5 5 5 6 56 7 6
112 333 344 134 2 24 3 13 3
0
Número de centros de FPGM Número de familias ofertadas Número de ciclos ofertados
Gráfico 4. Centros de FPGM y familias y ciclos ofertados por distrito (2017-2018)

4.4. Resultados académicos y trayectorias postobligatorias

También en los resultados escolares observamos diferencias socioespaciales relevantes,
que además empiezan antes de la postobligatoria. Los resultados y trayectorias escolares
correlacionan con las características socioeconómicas del distrito: globalmente, cuanto
mayor es el capital económico y escolar de la población del distrito, mayores son las tasas
de titulación y los reconocimientos en ESO, menor la proporción de alumnado en FP
Básica, mayor la opción por el Bachillerato que por la FP, mayores las tasas de titulación
en Bachillerato y mejores los resultados en la PAU (cuadro 2) 5.
Por otro lado, la titulación en Bachillerato y los resultados en la PAU –usados
frecuentemente como indicadores del mayor o menor “éxito” de los centros y medio de
distinción– también reflejan desigualdades de rendimiento al finalizar esta etapa. En
Madrid ciudad, la nota media más alta en la PAU la tenía en 2015-2016 un centro público
de características especiales: el IES San Mateo, con “Bachillerato de excelencia”, que
selecciona a su alumnado según sus resultados académicos. No obstante, entre los veinte
centros con nota media más alta de Madrid capital no encontramos en ese curso ningún
otro centro público, sólo concertados y privados, y la mayoría situados en distritos de
renta alta y media de la capital, salvo cuatro de ellos, situados en distritos populares
(Usera, Puente de Vallecas, San Blas y Latina), donde, por su carácter privado,
probablemente son más selectivos y tienen alumnos más aventajados académicamente que
el resto de los centros de su zona.
5 El Buscador de colegios de la CM no ofrece datos de resultados académicos para la FP, únicamente
para ESO y Bachillerato, por lo que aquí nos centramos en estas dos etapas.
259
Cuadro 2. Correlación entre características socioeconómicas del distrito, resultados en ESO y trayectorias en la etapa postobligatoria (2015-2016)
RATIO
MATRICULADOS
MATRICULADOS EN DIPLOMAS DE MENCIÓN
TITULACIÓN EN EN FPB SOBRE TITULACIÓN EN MEDIA EN LA PAU
BACHILLERATO / APROVECHAMIENT HONORÍFICA EN
ESO TOTAL ESO Y FPB BACHILLERATO (2015-16)
MATRICULADOS EN O EN ESO (%) ESO (%)
(%)
GM
Renta neta media anual de
0,862** -0,404 0,538* 0,755** 0,835** 0,892** 0,645**
los hogares (2015)
Población de 16 a 20 años de
origen extranjero (1 de -0,659** 0,482* -0,326 -0,448* -0,637** -0,574** -0,685**
enero 2016)
Tasa absoluta de paro
registrado 16 a 24 años -0,735** 0,200 -0,479* -0,637** -0,752** -0,800** -0,538*
(2016)
Población de 25 a 34 años
0,679** -0,312 0,541* 0,605** 0,713** 0,759** 0,457*
con estudios superiores (%)
Nota: **. La correlación es significativa en el nivel 0,01 (bilateral). *. La correlación es significativa en el nivel 0,05 (bilateral).
Fuente: Elaboración propia a partir del Buscador de colegios de la CM y Banco de Datos del Ayuntamiento de Madrid para datos de alumnos matriculados.
260
Figura 10. Titulación en ESO y Bachillerato en los centros de postobligatoria de Madrid

por distritos (2015-2016)
Ello no significa que, a la inversa, en las notas medias más bajas encontremos solo centros
públicos de barrios desfavorecidos: de los veinte centros con menor nota media en la PAU
en 2015-2016, alrededor de la mitad eran privados y no necesariamente estaban en
distritos populares. La titulación en Bachillerato y la nota media en la PAU también son
mayores cuanto mayor es el capital económico y escolar de la población del distrito,
aunque, en el caso de la segunda, la correlación sea menos intensa (cuadro 2, gráfico 5 y
figura 10).
Gráfico 5. Distritos de Madrid capital por renta media de los hogares y media en la PAU
Fuente: Elaboración propia a partir del Buscador de colegios de la CAM y Ayuntamiento de
Madrid e Indicadores Urbanos (INE) para el indicador de renta.
261
Figura 10. Resultados en la PAU por distritos (2015-2016)

5. Conclusiones
La oferta escolar es un elemento importante en la configuración de las oportunidades
educativas de los jóvenes. Su mayor o menor presencia y diversidad, su proximidad o
lejanía al lugar de residencia pueden contribuir, junto con otros factores como la
titularidad de los centros, los costes de matrícula o los procesos de admisión, a generar
desiguales oportunidades de acceso a los recursos educativos y a las distintas opciones
escolares. Esto ocurre no sólo en los pequeños municipios y zonas rurales, donde la oferta
es menor, sino también en grandes urbes, como Madrid, atravesadas por fuertes
desigualdades socioeconómicas y educativas entre zonas; y no sólo en la etapa obligatoria,
sino también en etapas no obligatorias como el Bachillerato y la FPGM.
La educación secundaria postobligatoria en la capital se caracteriza por un fuerte peso de
la oferta privada, un fuerte predominio del Bachillerato frente a la FPGM, un alto grado
de separación y cierre institucional entre ambas ramas, y una presencia creciente de
opciones diferenciadoras, especialmente en Bachillerato. Además, como hemos visto, la
distribución de la oferta de educación postobligatoria en el territorio es desigual y
coincide, en buena medida, con la distribución de los individuos y familias según su capital
económico y cultural. La brecha socio-espacial entre un noroeste acomodado y un sureste
popular se refleja, así, en la oferta escolar: encontramos más centros y alumnos de
educación secundaria superior, en general, y de Bachillerato, en particular, en los distritos
más ricos.
Esta relación también se revela en el peso de las distintas redes escolares: encontramos
una mayor presencia de la oferta pública en los distritos populares del sureste y de la
privada en los distritos de clase media y alta de la almendra central y el noroeste. En
particular, la mayor presencia del Bachillerato privado en los distritos más privilegiados
de la capital conecta con el hecho de que los procesos de segregación tanto urbanos como
262
escolares son más intensos entre las clases altas (Musterd et al., 2017; Murillo y Martínez-
Garrido, 2018; Murillo, Belavi y Pinilla, 2018), que se concentran y aíslan más fuertemente
que el resto. Asimismo, aunque en todos los distritos hay centros públicos de Bachillerato,
en muchos la oferta pública de GM es muy escasa (en dos nula), especialmente en la
almendra central y en algunos distritos de la periferia este más alejada del centro.
No obstante, la distribución territorial es algo distinta en ambas ramas de la
postobligatoria. La desigualdad territorial noroeste-sureste identificada en Bachillerato
tiende a seguir un eje oeste-este en el caso de la FPGM. Asimismo, aunque los
Bachilleratos de Ciencias y Humanidades y Ciencias Sociales se oferten en toda la ciudad,
la modalidad de Artes, minoritaria y más dispersa territorialmente, y las opciones
distintivas (Bachilleratos especiales y opciones lingüísticas), están menos presentes los
distritos populares. Los distritos más ricos cuentan, así, con una ventaja educativa: una
oferta más variada y distintiva en la rama académica de la postobligatoria, que puede
facilitar la acumulación y reproducción de capital escolar y cultural más valorado
socialmente. La rama profesional, en cambio, está más dispersa en el territorio y, aunque
la relación entre su distribución y las características socioeconómicas de los distritos es
menos lineal, sí aparece más claramente en el caso de algunos ciclos vinculados a
profesiones de cuello blanco, tecnológicas o industriales mejor valoradas (distritos
acomodados) y a algunas profesiones tradicionalmente obreras de cuello azul (distritos
populares). Esta mayor dispersión, relacionada con una lógica política de planificación sin
plan a largo plazo y sin un criterio territorial (Prieto y Rujas, 2020), genera oportunidades
desiguales de acceso en función del lugar de residencia y afecta a las elecciones educativas
de los alumnos y a la movilidad estudiantil entre distritos.
Finalmente, aunque no dispongamos de datos sobre la composición social de los centros,
sí observamos una fuerte relación entre los resultados educativos de los distritos y el nivel
socioeconómico de sus habitantes. Vivir en determinadas zonas de Madrid implica no sólo
mayores recursos económicos y culturales de las familias, sino también más proximidad,
con las facilidades de acceso que ello conlleva, a centros con una oferta más o menos
diversa, atractiva y distintiva, con una orientación más académica, y mejores resultados
escolares. Los beneficios de localización (Bourdieu, 2015) de estar cerca de centros y
opciones escolares minoritarias y generadoras de beneficios simbólicos de distinción se
suman así a las ventajas socioeconómicas y escolares de las clases medias y altas. La
relación entre las características socioeconómicas del distrito y las oportunidades
escolares en la educación postobligatoria no es, sin embargo, lineal y mecánica. También
parecen tener un peso específico, con relativa independencia de la composición social de
los distritos, el desigual desarrollo histórico de la oferta educativa en el territorio y la
localización en el espacio urbano.
Podemos señalar, no obstante, algunas limitaciones de este trabajo y algunas posibles
líneas de investigación futuras. Primero, nuestros datos presentan una foto fija en un
momento del tiempo, pero sería interesante desarrollar estudios que analicen la
configuración histórica de las desigualdades socioespaciales en la oferta educativa
postobligatoria, así como las motivaciones y estrategias de las entidades privadas y de la
administración a la hora de fijar la ubicación de los centros u ofertar determinadas
enseñanzas en distintas zonas. Segundo, la falta de datos desagregados por centros sobre
el lugar de residencia de los estudiantes no permite analizar su movilidad en la ciudad.
Contar con ellos permitiría comprender mejor la importancia del territorio en la elección
de estudios postobligatorios. Tercero, aunque hemos puesto de manifiesto la desigual
263
distribución de esta oferta en el espacio urbano, la falta de datos sobre la composición

socioeconómica del alumnado de los centros educativos nos impide calcular índices de
segregación escolar en esta etapa. Desarrollar este tipo de análisis permitiría reflejar las
diferencias entre centros dentro de un mismo territorio, comparar los niveles de
segregación escolar en las etapas obligatorias y en la postobligatoria, estimar con mayor
precisión los efectos de la localización y distribución de los centros en la segregación y en
las oportunidades educativas, o el impacto de la segregación escolar en los resultados
educativos. Por último, este trabajo se limita a Madrid capital, pero sería interesante
realizar estudios que incorporasen su área metropolitana, donde se da también una fuerte
segregación urbana, o que desarrollasen comparaciones con otras ciudades o regiones.
A pesar de estas limitaciones, este trabajo proporciona evidencia empírica novedosa sobre
las significativas desigualdades socioespaciales existentes en la oferta y en las transiciones
a la educación postobligatoria en la ciudad de Madrid. Estas diferencias territoriales
muestran la existencia de limitaciones en el acceso a parte de la oferta de educación
postobligatoria por parte de la población de algunas zonas de la capital; en particular de
aquellos que viven en distritos con una menor diversidad de oferta de titulaciones y/o con
centros fundamentalmente privados o concertados que establecen requisitos económicos
de matriculación. En un contexto como el madrileño, en el que la política educativa ha
obviado la cuestión central de las desigualdades socioespaciales y la segregación escolar,
nuestros resultados sugieren que las diferencias geográficas en la oferta educativa
postobligatoria podrían estar contribuyendo a reproducir las desigualdades educativas
según el origen socioeconómico del alumnado.
Agradecimientos
Este trabajo se enmarca en el proyecto "La construcción de las oportunidades educativas
post-16. Un análisis de las transiciones a la educación secundaria postobligatoria en
contextos urbanos" (EDUPOST16, http://edupost16.es/), financiado por el Ministerio
de Economía y Competitividad (Ref. CSO2016-80004-P). Se presentó una versión anterior
en la XX Conferencia de Sociología de la Educación de 2018. Javier Rujas quiere agradecer
a Miguel Rubiales su generosa ayuda en la iniciación al análisis socio-espacial con SIG.
Referencias
Alegre, M. A. y Ferrer, G. (2010). School regimes and education equity: Some insights based on
PISA 2006. British Educational Research Journal, 36(3), 433-461.
https://doi.org/10.1080/01411920902989193
Bonal, X. y Albaigés, B. (2009). La segregación escolar en Cataluña. Cuadernos de Pedagogía, 387,
89-94.
Bonal, X. y Bellei, C. (2018). Introduction: The renaissance of school segregation in a context of
globalization. En X. Bonal y C. Bellei (Eds.), Understanding school segregation. Patterns, causes
and consequences of spatial inequalities in education (pp. 3-26). Bloomsbury.
https://doi.org/10.5040/9781350033542.ch-001
Bourdieu, P. (2015). Effets de lieu. En P. Bourdieu (Ed.), La misère du monde (pp. 249-262). Seuil.
264
Brännström, L. (2008). Making their mark: The effects of neighbourhood and upper secondary
school on educational achievement. European Sociological Review, 24(4), 463-478.
https://doi.org/10.1093/esr/jcn013
Bernardi, F. y Requena, M. (2010). Inequality in educational transitions: The case of post-
compulsory education in Spain. Revista de Educación, Número extraordinario, 93-118.
Butler, T. y Robson, G. (2003). London calling: The middle classes and the making of inner London.
Berg.
Franzé, A., Poveda, D., Jociles, M. I., Rivas, A. M., Villaamil, F., Peláez, C. y Sánchez, P. (2011). La
segregación étnica en la educación secundaria de la ciudad de Madrid: Un mapa y una lectura
crítica. En F. J. García Castaño y S. Carrasco Pons (Eds.), Población inmigrante y escuela:
Conocimientos y saberes de investigación (pp. 289-316). MEC-IFIIE.
Galster, G. C. (2012). The mechanism(s) of neighbourhood effects: Theory, evidence, and policy
I¡implications. En M. van Ham, D. Manley, N. Bailey, L. Simpson y D. Maclennan (Eds.),
Neighbourhood effects research: New Perspectives (pp. 23-55). Springer.
https://doi.org/10.1007/978-94-007-2309-2_2
Gramberg, P. (1998). School segregation: The case of Amsterdam. Urban Studies, 35(3), 547-564.
https://doi.org/10.1080/0042098984907
Jencks, C. y Mayer, S. E. (1990). The social consequences of growing up in a poor neighborhood.
En L. E. Lynn y M. G. H. McGeary (Eds.), Inner-city poverty in the United States (pp. 111-
186). National Academy Press.
Kauppinen, T. M. (2007). Neighborhood effects in a European city: Secondary education of young
people in Helsinki. Social Science Research, 36(1), 421-444.
Kauppinen, T. M. (2008). Schools as mediators of neighborhood effects on choice between
vocational and academic tracks of secondary education in Helsinki. European Sociological
Review, 24(3), 379-391. https://doi.org/10.1093/esr/jcn016
Leventhal, T. y Brooks-Gunn, J. (2000). The neighborhoods they live in: The effects of
neighborhood residence on child and adolescent outcomes. Psychological Bulletin, 126(2),
309-337. https://doi.org/10.1037/0033-2909.126.2.309
Morentin, J. y Ballesteros, B. (2018). Desde fuera de la escuela: Una reflexión en torno al
aprendizaje a partir de trayectorias de abandono escolar prematuro. REICE. Revista
https://doi.org/10.7203/rase.11.1.10129
Papers: Revista de Sociología, 103(3), 307-337. https://doi.org/10.5565/rev/papers.2392
Musterd, S., Marcinczak, S., Ham, M. y Tammaru, T. (2017). Socioeconomic segregation in
European capital cities. Increasing separation between poor and rich. Urban Geography,
38(7), 1062-1083. https://doi.org/10.1080/02723638.2016.1228371
Oberti, M. (2007). Social and school differentiation in urban space: Inequalities and local
configurations. Environment and Planning A, 39(1), 208-227.
265
Oberti, M. y Savina, Y. (2019). Urban and school segregation in Paris: The complexity of
contextual effects on school achievement. Urban Studies, 56(15), 3117–3142.
https://doi.org/10.1177/0042098018811733
Owens, A. y Candipan, J. (2019). Social and spatial inequalities of educational opportunity: A
portrait of schools serving high and low income neighbourhoods in US metropolitan areas.
Urban Studies, 56(15), 3178-3197. https://doi.org/10.1177/0042098018815049
Prieto, M. y Villamor, P. (2012). Libertad de elección, competencia y calidad: Las políticas
educativas de la Comunidad de Madrid. Profesorado. Revista de Curriculum y Formación de
Profesorado, 16(3), 149-166.
Prieto, M. y Rujas, J. (2020). Transiciones a la educación posobligatoria en Madrid: El peso de los
factores políticos e institucionales. Papers: Revista de Sociología, 105(2), 183-209.
http://doi.org/10.5565/rev/papers.2777
Raudenbush, S. W. y Willms, J. D. (1995). The estimation of school effects. Journal of Educational
and Behavioral Statistics, 20(4), 307-335. https://doi.org/10.2307/1165304
Rogero-García, J. y Andrés-Candelas, M. (2017). Segregación escolar y desigualdades educativas.
En B. Barragué y J. Zalakain (Coords.), Repensar las políticas sociales. Predistribución e inversión
social (pp. 87-98). Grupo 5.
Rubiales, M. (2020). Segregación en las metrópolis españolas 2001-2011: Un análisis con detalle
territorial. Documents d’Anàlisi Geogràfica, 66(1), 83-105.
https://doi.org/10.5565/rev/dag.581
Sorando, D. y Leal, J. (2019). Distantes y desiguales: El declive de la mezcla social en Barcelona y
Madrid. Revista Española de Investigaciones Sociológicas, 167, 125-148.
https://doi. org/10.5477/cis/reis.167.125
Sturgis, P., Brunton-Smith, I., Kuha, J. y Jackson, J. (2014). Ethnic diversity, segregation and the
social cohesion of neighbourhoods in London. Ethnic and Racial Studies, 37(8), 1286-1309.
https://doi.org/10.1080/01419870.2013.831932
Sykes, B. y Musterd, S. (2011). Examining neighbourhood and school effects simultaneously: What
does the Dutch evidence show? Urban Studies, 48(7), 1307-1331.
https://doi.org/10.1177/0042098010371393
van Zanten, A. (2009). Competitive arenas and schools' logics of action: a European comparison.
Compare: A Journal of Comparative and International Education, 39(1), 85-98.
https://doi.org/10.1080/03057920802447867
van Zanten, A. (2012). Postface. De la ségrégation aux inégalités: La réduction des opportunités.
Formation Emploi, 120(4), 127-134.
Villamor, P. y Prieto, M. (2016). Reformas hacia la privatización de la educación en la Comunidad
de Madrid. RASE. Revista de Sociología de la Educación, 9(2), 265-276.

Javier Rujas
Profesor Ayudante Doctor en la Universidad de Burgos. Doctor en Sociología por la
Universidad Complutense de Madrid (2015). Licenciado en Sociología (UCM, 2009) y
Máster en Análisis Sociocultural de la Comunicación y el Conocimiento (UCM, 2010). Ha
participado en varios proyectos de investigación en sociología de la educación y realizado
estancias breves en el Centre Européen de Sociologie et Science Politique (CESSP,
266
EHESS París) y en el Institute of Education de Londres (IOE). Es socio fundador de

Indaga, cooperativa de investigación e intervención social (www.indaga.org), donde
trabajó entre 2015 y 2018. Investiga sobre desigualdades sociales y educativas, fracaso,
abandono y retorno escolar, políticas educativas y dispositivos institucionales. ORCID ID:
https://orcid.org/0000-0002-0378-5152. Email: jrujas@ubu.es.
Miriam Prieto
Profesora Ayudante Doctora del Departamento de Pedagogía de la Universidad
Autónoma de Madrid y miembro del Grupo de Investigación sobre Políticas Educativas
Supranacionales (GIPES) de la UAM. Doctora en Pedagogía por la Universidad
Complutense de Madrid (2012). Su investigación gira en torno al impacto de los discursos
y políticas educativos en el concepto de educación y la práctica de la escolarización. Ha
participado en varios proyectos de investigación dirigidos al análisis de políticas
educativas a nivel internacional, nacional y regional, con especial foco en las políticas
educativas de la Comunidad de Madrid, dirigiendo sus análisis hacia los efectos de medidas
como la libertad de elección de centro, la rendición de cuentas o la autonomía escolar.
ORCID ID: https://orcid.org/0000-0001-5396-2404. Email: miriam.prieto@uam.es
Jesús Rogero-García
Doctor en Sociología por la Universidad Complutense de Madrid y profesor en la
Universidad Autónoma de Madrid. Su investigación ha abordado aspectos relacionados
con desigualdades en educación, cuidado de niños y atención a adultos dependientes. Ha
participado en varios proyectos de investigación sobre estas cuestiones y cuenta con
diversas publicaciones en libros y revistas nacionales e internacionales. Sus últimos
trabajos se han centrado en el cuidado a la primera infancia, el uso de permisos laborales
para el cuidado y en algunos aspectos de la elección de centro educativo en España.
ORCID ID: https://orcid.org/0000-0001-8813-2929. Email: jesus.rogero@uam.es
267
Segregaciones Escolares y Desigualdad de Oportunidades

Educativas del Alumnado Extranjero en València
School Segregations and Inequality of Educational

Opportunities for Foreign Students in Valencia
Borja de Madaria *
Luis E. Vila
Universitat de València, España
La segregación escolar, entendida como la distribución desigual de diversos grupos

sociales en los centros escolares de un territorio, resulta de extraordinaria
importancia para la equidad y la igualdad de oportunidades educativas de la
población. Buena parte de los estudios sobre segregación escolar aproximan el
fenómeno mediante el cálculo de índices que proporcionan una imagen general del
sistema educativo en diferentes contextos territoriales, permitiendo hacer
comparaciones entre ellos, pero no informan sobre las condiciones políticas o sociales
de los contextos territoriales y educativos que puedan clarificar los factores
condicionantes de los procesos de segregación. Este artículo analiza la segregación
escolar del alumnado de origen extranjero en los centros escolares de la ciudad de
València (España). El análisis relaciona los índices de segregación del conjunto del
sistema, de los distritos de la ciudad y de la titularidad de los centros con datos de
segregación residencial en el mismo territorio, con la distribución y características
de los centros y con aproximaciones a las estrategias familiares. Los resultados
sugieren múltiples procesos de segregación en los que las escuelas reflejan la
segregación residencial de su entorno y emergen, además, segregaciones de carácter
estrictamente escolar condicionadas por la política educativa, la selección de los
centros escolares y la elección estratégica de las familias.
Descriptores: Segregación escolar; Educación básica; Oportunidades educativas;
Mapa escolar; España.
School segregation, understood as the unequal distribution of various social groups

in the schools of a territory, is of extraordinary importance for the equity and equal
educational opportunities of the population. A good part of the studies on school
segregation approximate the phenomenon by calculating indices that provide a
general image of the educational system in different territorial contexts, allowing
comparisons between them, but they do not report on the political or social
conditions of territorial and educational contexts that can clarify the conditioning
factors of the segregation processes. This article analyses the school segregation of
students of foreign origin in the schools of the city of Valencia (Spain). The analysis
relates the segregation indices of the system as a whole, of the city districts and of
the ownership of the centres with data from residential segregation in the same
territory, with the distribution and characteristics of the centres, and with an
approach to family strategies. The results suggest multiple processes of segregation
in which the schools reflect the residential segregation of their surroundings and
emerge, in addition, segregations of a strictly school nature conditioned by the
educational policy, the selection of schools and the strategic choice of families.
Keywords: School segregation; Basic education; Educational opportunities; School
mapping; Spain.
*Contacto: borja.madaria@uv.es Recibido: 27 de abril 2020

B. de Madaria y L. E. Vila
1. Introducción
Solemos considerar que uno de los pilares de la cohesión de nuestra sociedad es el carácter
de ‘ascensor social’ del sistema escolar (Observatorio Social La Caixa, 2016), que ha
facilitado el acceso a una educación de calidad a los sectores más desfavorecidos y ha
mejorado sus oportunidades de movilidad social.
Sin embargo, la persistencia de la desigualdad en la escuela sufragada con fondos públicos
cuestiona este carácter (Duru-Bellat, 2004; Holsinger y Jacob, 2008; Tenti Fanfani, 2008).
Por ello, existe una larga tradición de investigación sobre la segregación escolar,
entendida como la desigual distribución de los diversos grupos sociales en los centros
escolares de un determinado territorio. El análisis de este fenómeno es muy importante
para la implementación de políticas públicas ya que la distribución del alumnado y los
procesos de elección de escuela tienen un peso relevante en la equidad de los sistemas
escolares (Musset, 2012; Nusche, 2009).
Buena parte de los estudios abordan el fenómeno de la segregación escolar mediante el
cálculo de índices que proporcionan una imagen general de los sistemas educativos en
diferentes contextos territoriales (Alegre et al., 2008; Benito y González, 2007; Bonal
2012; Coleman et al., 1975; Guryam, 2004; Murillo, 2016; Murillo y Belavi, 2018; Murillo
y Martínez-Garrido, 2018; Murillo, Martínez-Garrido y Belavi, 2017; Sánchez Hugalde,
2009), permitiendo hacer comparaciones entre ellos. Esos índices proporcionan una
cuantificación de diferentes dimensiones de la segregación de los colectivos estudiados,
pero no aportan datos ni pistas sobre las condiciones políticas o sociales de los contextos
urbanos y educativos que permitan comprender las posibles causas de dichos procesos.
Otros estudios realizan aproximaciones cualitativas y etnográficas que informan de estas
condiciones a través de experiencias particulares en casos concretos (Carrasco et al., 2009;
Franze, 1998; García y Rubio, 2013). Sin embargo, son raros los que tratan de unificar
ambas visiones y analizan en detalle la segregación en un único contexto territorial a
escala sub-municipal.
Este artículo analiza las condiciones de segregación del alumnado de origen extranjero en
los centros escolares de la ciudad de València, relacionando los índices de segregación del
conjunto del sistema con los índices particulares de los diferentes distritos de la ciudad y
de las diversas titularidades de los centros escolares. Al centrarnos en un contexto local
completo, podemos relacionar los datos cuantitativos de la segregación escolar con los de
su segregación residencial y con la diversa distribución, concentración, características y
prestigio de sus escuelas.
2. El estudio de la segregación escolar: antecedentes

Existe cierto consenso en situar el origen de la investigación sobre la segregación escolar
en 1954, cuando la Corte Suprema de los Estados Unidos declaró ilegal la segregación
racial en las escuelas norteamericanas (Goodman, 1972, p. 276; Murillo y Belavi, 2018, p.
2; Reardon y Owens, 2014). Los primeros estudios analizaron los efectos de dicha
sentencia en los procesos de desegregación o integración en la población afroamericana y
midieron la aparente persistencia de la desigualdad entre blancos y negros (Coleman,
1975; Coleman et al., 1966; Katz, 1964).
270
Algunos estudios confirman que hubo una rápida reducción de la segregación escolar en
los distritos de población negra durante los años 60 y 70 del S. XX tras la citada
declaración de ilegalidad (Coleman et al., 1966, p. 474; 1975, p. 51; Guryam, 2004, p. 924;
Reber, 2005, p. 568), Sin embargo, otros sugieren que la segregación entre distritos
escolares se incrementó a causa del proceso de huida de las familias blancas para evitar
escuelas integradas (Coleman et al., 1975, p. 66; Farley et al., 1980; Rosell, 1976; Wilson,
1985).
El estudio de la segregación escolar se ha desarrollado de forma paralela a las
investigaciones sobre la segregación residencial, y ha tomado los índices para medirla de
ese campo de investigación. El carácter complejo y multidimensional de la segregación
residencial generó un intenso debate sobre los instrumentos e indicadores más adecuados
para su medición (Bell, 1954; Cowgill y Cowgill, 1951; Duncan y Duncan, 1955a), hasta
que Massey y Denton (1988) fijaron cinco dimensiones en las que los diversos grupos
sociales pueden estar segregados en el territorio y los índices más adecuados para
medirlas.
Posteriormente, Gorard y Taylor (2002, p. 877) argumentaron que la Igualdad y la
Exposición son las dos dimensiones de segregación que resultan más relevantes en el
análisis de la segregación escolar. La dimensión de Igualdad se refiere a la uniformidad en
la distribución de dos grupos sociales entre las diferentes áreas territoriales y el índice
más utilizado para medirla es el índice de Disimilitud (Duncan y Duncan, 1955b). La
dimensión de Exposición se define como la probabilidad de interacción entre miembros de
los diferentes grupos sociales. El índice más extendido para medirla es el índice de
Aislamiento (Bell, 1954).
El debate sobre estos índices no está cerrado y siguen surgiendo análisis críticos y nuevas
propuestas que complementan y mejoran la medición de la segregación. Gorard y Taylor
(2002) propusieron una alternativa al índice de Disimilitud que incrementa su estabilidad
ante variaciones en el tamaño del grupo minoritario y, por tanto, proporciona tres
utilidades inmediatas para el análisis específico de la segregación escolar (Murillo, 2016,
p. 42). La primera es que permite comparar sistemas con diversos pesos del grupo
minoritario estudiado, la segunda utilidad es que permite comparar la segregación de
diferentes grupos presentes en un sistema, y la tercera, que permite analizar la evolución
temporal de la segregación en un determinado sistema.
Por otra parte, Hutchens (2001, 2004) propuso el índice de la Raíz Cuadrada, que mide la
dimensión de Igualdad mediante la suma del alejamiento de la igualdad distributiva de
cada unidad analizada. El índice tiene la ventaja de que permite descomponer el valor
global de segregación en la suma de la segregación dentro de las diferentes unidades
estudiadas y la segregación que se produce entre ellas. Por ello, resulta adecuado para
conocer la contribución a la segregación de las diferentes partes del sistema escolar
(Murillo, 2016, p. 46).
Los análisis centrados en la cuantificación mediante índices abordan la desigual
distribución y los efectos composicionales de la polarización a la que están sometidas las
minorías, sin profundizar en el análisis del origen, las causas o los patrones sociales que
provocan esa distribución desigual en el entorno. Desde finales de los años 80 del S. XX
se ha prestado mayor atención a las condiciones estructurales y las políticas públicas, tanto
de vivienda como educativas, que desembocan en la desigual distribución de los grupos
sociales en el territorio y en las escuelas, reflexionando sobre las causas de la segregación,
271
la exclusión, la pobreza y la construcción de la infraclase urbana (Jencks y Peterson, 1991;

Massey, 1990; Massey y Denton, 1993; Wilson, 1987).
En España, el sistema educativo ha estado tradicionalmente dividido en escuelas para ricos
y para pobres (Palacio y Ruiz, 1993; Vega Gil, 1997), y ha excluido al alumnado de etnia
gitana (Fernández Enguita, 1999, p. 179; Grañeras et al., 1998, p. 136; Salinas Catalá,
2015; Santiago y Maya, 2012). Sin embargo, pese a la larga tradición de segregación
socioeconómica y étnica, no fue hasta finales de la década de los años 90 del siglo XX
cuando aparecen los primeros estudios sobre la segregación escolar en España (Carbonell,
1998; Essomba, 1999; Franze, 1998), a raíz del incremento de la inmigración de origen
extranjero en muchos municipios españoles y las consecuencias de su desigual inserción
escolar.
Desde entonces, los análisis específicos sobre segregación escolar se multiplicaron ante
las primeras políticas municipales que pretendían dar respuesta al fenómeno (Alegre et al.,
2008; Avilés, 2003; Benito y González, 2007; Bonal 2012; Carbonell et al., 2002; Carrasco
et al., 2009; Colom, 2011, 2012; Murillo y Belavi, 2018; Murillo, Martínez-Garrido y
Belavi, 2017; Sánchez Hugalde, 2009; Valiente, 2008).
Estas investigaciones propiciaron la incorporación de la segregación escolar a la agenda
política y diversos organismos e instituciones a nivel local, regional y nacional han
aportado nuevos estudios sobre el tema (Ayuntamiento de Vitoria-Gasteiz, 2016; Bonal,
2018; Bonal y Cuevas, 2019; Martínez y Ferrer, 2018; Síndic de Greuges de Catalunya,
2008, 2016a, 2016b; Tarabini et al., 2017), convirtiendo la segregación escolar en un tema
de debate público más extendido.
Algunos autores han destacado la causalidad múltiple del fenómeno de la segregación
escolar (García Castaño et al., 2012, p. 97) que se puede estructurar en cuatro grandes
categorías temáticas (Valiente, 2008, p. 7). La primera, se centra en la influencia sobre la
segregación escolar de la segregación residencial en los barrios donde están ubicadas las
escuelas. Si bien se ha comprobado la relación entre ambos procesos, también se ha
constatado que la segregación escolar suele ser más intensa que la residencial (Benito y
González, 2007, p. 53; López-Falcón y Bayona, 2012, p. 23; Síndic de Greuges, 2016b, p.
12) y, además, que en un mismo contexto residencial coexisten centros escolares con
distribuciones muy desiguales de la población extranjera (García y Rubio, 2013; Peláez,
2012).
La segunda categoría enfatiza que la administración tiene un impacto relevante en los
procesos de segregación al implementar sus políticas educativas. En primer lugar,
mediante la construcción de centros públicos y la ampliación o reducción de líneas en los
existentes, pero también mediante los conciertos con centros privados. La aparición de
nuevos centros en el territorio modifica las condiciones de oferta y demanda, resultando
"estratégica en la distribución equilibrada del alumnado" (Bonal, 2018, p. 13), e incide en
la capacidad de elección de las familias y en los criterios que utilizan para ello (Valiente,
2008, p. 3). La administración también influye mediante la delimitación de distritos
escolares, la adscripción entre centros, y los criterios para la asignación de plazas en los
centros escolares (Alegre et al., 2008, Olmedo y Andrada, 2008). Cualquier modificación
en la zonificación o en el sistema de reparto de puntos puede alterar la composición del
alumnado de los centros escolares y su rendimiento académico (Alegre, 2017, pp. 8-9;
Murillo y Martínez-Garrido, 2018, p. 54), alterando su prestigio y su atractivo para las
familias. La elaboración de ránquines de resultados escolares es otra medida que también
272
tiene un gran impacto al visibilizar las desigualdades sociales subyacentes simplemente

como diferencias de resultados académicos (Murillo y Martínez-Garrido, 2018, p. 55).
La tercera categoría de causas se centra en los mecanismos de selección del alumnado por
parte de los centros educativos. Las empresas proveedoras de servicios escolares pueden
influir en la escolarización mediante la construcción de prestigio a través de la ‘selección
adversa’ del alumnado (Bonal, 2012, p. 23; Santiago y Maya, 2012, p. 25). Diversos autores
han destacado la exigencia de pago de cuotas (Alegre et al., 2008), estrategias de disuasión
del alumnado no deseado previas al proceso de matriculación (García y Rubio, 2013, p. 25)
o la gestión de las reservas y vacantes tras el periodo ordinario de matrícula (Bonal, 2018,
p. 13) como principales mecanismos de este proceso. Esta selección facilita mejores
resultados académicos para ciertos centros (Coleman et al., 1966, p. 20; Dupriez, 2009, p.
9; Valiente, 2008, p. 8) que, por ello, reciben más solicitudes de plazas, aumentando sus
posibilidades de elección del mejor alumnado (Allen y Vignoles, 2007, p. 643; Maroy,
2008, p. 7), incrementando las condiciones de segregación y legitimando la reproducción
de las desigualdades (Bourdieu y Passeron, 1979).
Por último, la cuarta categoría destaca que el comportamiento de las familias también
impacta en el proceso de distribución educativa desigual mediante la reacción estratégica
a los criterios de selección de alumnado en función del prestigio percibido de las diferentes
escuelas (Alegre et al., 2010) y las posibilidades de admisión en ellas. Ello implica
mecanismos de huida de poblaciones autóctonas de determinados centros y distritos no
deseados (Sánchez Hugalde, 2007, p. 18), o la elección estratégica de un centro escolar que
maximice las posibilidades de admisión, aunque no sea el preferido (Benito y Gonzàlez,
2007, p. 22; Bonal, 2018, p. 15; Maroy, 2008, p. 6). También induce comportamientos de
aproximación a los centros mejor considerados, mediante prácticas de movilidad
residencial o mortgage school choice, tanto reales como ficticias (Bonal, 2018, p.15; Holme,
2002; Olmedo y Santa Cruz, 2008, p. 9).
La mayor parte de estos estudios han tomado como marco de estudio el ámbito nacional,
autonómico, comarcal o municipal, pero los estudios enfocados en el ámbito sub-municipal
son escasos. Algunos estudios han abordado barrios concretos en Madrid (Peláez, 2012)
o en ciudades andaluzas como Almería y Granada (García y Rubio, 2012, 2013). Tan sólo
conocemos estudios sistemáticos sobre las relaciones entre contexto territorial y
segregación escolar para los distritos de una ciudad en Barcelona (López-Falcón y Bayona,
2012) y Santiago de Chile (Córdoba et al., 2017).
3. Segregaciones del alumnado extranjero en València

3.1. Aproximación metodológica
Durante buena parte del proyecto de investigación Mapa escolar de València (De Madaria
et al., 2018; Rodríguez-Victoriano et al., 2018, 2019) no dispusimos de datos desagregados
por centros escolares sobre ninguna de las variables usuales para abordar la segregación
escolar. Ante la imposibilidad de analizar la desigual distribución de los grupos sociales
en la red escolar de la ciudad, decidimos enfocar nuestros análisis preliminares en la
desigualdad territorial de la estructura de oportunidades escolares que dicha red ofrece al
alumnado. Este enfoque, casi casual, nos ha permitido abordar la segregación desde una
perspectiva novedosa, relacionando los principales índices de las diversas dimensiones de
segregación propuestos en la literatura con indicadores específicos que reflejan la
273
desigualdad socioeconómica y de oportunidades educativas entre distritos, las estrategias

familiares en la elección de centro y la distribución del alumnado extranjero en los
distritos y centros escolares de la ciudad.
Con este objetivo, en la sección 3.2 caracterizamos la distribución de la población
extranjera en los distritos de la ciudad, calculando los índices de su segregación
residencial, en las dimensiones de desigualdad y aislamiento, y su relación con medidas de
desigualdad socioeconómica entre distritos calculadas a partir de datos facilitados por la
Oficina de Estadística del Ayuntamiento de València. Ello nos permite contextualizar el
análisis de la segregación residencial en el marco de las desigualdades socioeconómicas
presentes en el municipio.
En la sección 3.3 analizamos la desigualdad de oportunidades educativas en los distritos
de València mediante el examen de la desigual distribución en la ciudad de la oferta, tanto
de centros como de plazas escolares, con datos proporcionados por el Servicio de
Educación del Ayuntamiento de València y la Consellería d’Educació de la Generalitat
Valenciana. El análisis histórico y urbanístico de las desigualdades de oferta educativa en
relación con la demanda potencial ilustra la base territorial de la segregación escolar.
A continuación, en la sección 3.4 aproximamos las estrategias familiares en la elección de
centro a través de una caracterización del grado de atractivo de los distintos centros
escolares a partir de los datos de admisión del curso 2016-2017 proporcionados por la
Consellería d’Educació de la Generalitat Valenciana. De este modo, podemos ilustrar los
distritos y centros con mayor y menor atractivo para las familias, y sus principales
características.
En la sección 3.5 analizamos la situación real del alumnado extranjero matriculado en los
centros de la ciudad y las relaciones entre su distribución residencial y su desigual
presencia en los diversos centros escolares de cada distrito. De este modo se evidencian
patrones de segregación escolar que trascienden la segregación residencial.
Finalmente, sobre las bases de conocimiento desarrolladas en las secciones anteriores, en
la sección 3.6 abordamos el análisis de las segregaciones escolares del alumnado
extranjero en los distritos de la ciudad de Valencia. Con este objetivo calculamos los
índices específicos de segregación que captan las diversas dimensiones del fenómeno para
cada distrito y titularidad. El resultado nos permite contextualizar el análisis de las
segregaciones específicamente escolares en el marco de la segregación residencial y las
desigualdades presentes en cada distrito de la ciudad.
3.2. Contexto socioeconómico de los distritos de la ciudad
El cuadro 1 refleja la distribución de la población, total y extranjera, residente en cada
distrito, el porcentaje de población extranjera en ellos, el valor de los índices de
segregación residencial en sus dimensiones de desigualdad y aislamiento, y dos medidas
de desigualdad socioeconómica. La primera es la renta media según el IRPF, y la segunda,
el valor de un índice socioeconómico sintético –ISS– (Rodríguez-Victoriano et al., 2018,
p. 41) elaborado a partir de doce variables observables que proporciona una imagen de la
condición socioeconómica prevalente en cada parte de la ciudad. La estructura jerárquica
de la división territorial permite la agregación de los datos desde la sección censal, hasta
el barrio y el distrito. Los resultados señalan que los distritos escolares que presentan un
ISS muy alto en relación a la media se concentran todos en el centro de la ciudad mientras
que dos tercios de los distritos periféricos tienen un ISS bajo o muy bajo.
274
Cuadro 1. Datos de contexto de los distritos escolares de la ciudad de València

CONTEXTO SOCIO-
POBLACIÓN SEGR. RESIDENC.
ECONÓMICO
%
Total Extranj. G A ISS IRPF
extranj.
01. Ciutat vella 3,38 4,05 14,68 0,13 0,16 0,59 38300
02. Eixample 5,60 4,54 9,95 0,20 0,12 0,67 42645
03. Extramurs 6,29 5,72 11,14 0,16 0,13 0,54 35767
04. Campanar 4,92 4,66 11,62 0,17 0,14 0,51 35206
05. Saïdia 4,92 5,24 13,05 0,15 0,15 0,23 27893
06. Pla del real 4,64 3,59 9,49 0,16 0,11 0,73 48583
07. L'olivereta 6,09 7,66 15,42 0,15 0,18 0,13 24848
08. Patraix 6,82 4,63 8,33 0,18 0,10 0,42 29749
09. Jesús 7,57 7,87 12,75 0,17 0,15 0,24 26191
10a. Quatre carreres-malilla 2,77 1,82 8,06 0,13 0,09 0,30 28190
10b. Quatre carreres-av.
6,29 7,79 15,20 0,12 0,17 0,30 26709
Plata
11a. Poblats marítims-nord 4,81 5,34 13,60 0,31 0,17 0,05 24206
11b. Poblats marítims-sud 1,43 1,98 16,91 0,15 0,19 0,05 24193
12. Camins al grau 8,23 9,46 14,10 0,15 0,16 0,37 31099
13. Algirós 5,73 4,81 10,31 0,17 0,13 0,44 32898
14. Benimaclet 4,19 3,95 11,58 0,23 0,15 0,41 31725
15. Rascanya 6,31 8,05 15,65 0,22 0,20 0,20 26573
16. Benicalap 5,57 5,67 12,48 0,17 0,15 0,20 26330
17. Poblats del nord 0,82 0,44 6,54 0,12 0,07 0,38 32804
18. Poblats de l'oest 1,77 1,56 10,84 0,11 0,12 0,10 23989
19. Poblats del sud 1,85 1,16 7,73 0,13 0,08 0,14 26224
Valencia 100,00 100,00 12,26 0,19 0,15 0,35 30672
Fuente: Elaboración propia a partir de datos del padrón municipal del Ajuntament de València en
2016 y el INE.
La población extranjera en la ciudad de València creció espectacularmente durante el

boom económico de la primera década del S.XXI. Según los datos del padrón Municipal
de Habitantes, el porcentaje de residentes extranjeros pasó de apenas el 1% en 1996 hasta
superar el 15% en 2009. Desde entonces, la proporción de población de origen extranjero
ha descendido ligeramente hasta situarse en el 12% en 2016. Tradicionalmente, los
inmigrantes extranjeros han ocupado los barrios degradados de la ciudad, primero en el
centro histórico y posteriormente asentándose en diversos distritos periféricos (Torres,
2007, pp. 74-77). Según el padrón de 2016, el 9% de las secciones censales de la ciudad
superaban el 20% de población extranjera, el 1% superaban el 30%, y tan sólo dos de las
casi 600 secciones censales de la ciudad, el 0,17%, tenía una concentración de población
extranjera superior al 40%. A nivel agregado, cuatro barrios de la ciudad superan el 20%,
tres se sitúan en distritos periféricos de condición socioeconómica baja o muy baja,
mientras que sólo uno pertenece a un distrito de ISS muy alto.
Según estos datos, la condición socioeconómica de los distritos correlaciona inversamente
con el porcentaje de población extranjera (coeficiente de correlación r = -0,35, coeficiente
de determinación R2 = 13%), y correlacionan intensamente los pesos de la población total
y extranjera en cada distrito de la ciudad (r = 0,92, R2 = 84%). Esto significa que la
población extranjera se distribuye de modo similar al resto de la población por todos los
275
distritos, con cierta tendencia a asentarse en entornos de condición socioeconómica más

modesta.
Si analizamos los índices de desigualdad residencial de la distribución de población de
origen extranjero en las distintas secciones censales de València, vemos que el índice de
Gorard en el conjunto de la ciudad alcanza un valor de 0,19, que puede considerarse muy
bajo. Tan solo cuatro distritos escolares (Poblats Marítims-Nord, Rascanya, Benimaclet
y Eixample) y cuatro barrios (Creu Coberta, La Punta, La Roqueta y Tres Forques) tienen
índices de segregación residencial superiores a esa cifra, y únicamente el distrito de
Poblats Marítims-Nord, con 0,31, supera el valor de 0,30 que define una segregación de
carácter medio.
Sin embargo, al analizar la dimensión de aislamiento observamos como el índice alcanza
un valor de 0,15 para el conjunto de la ciudad, que puede considerarse medio. En esta
dimensión únicamente tres distritos presentan índices bajos y el distrito escolar de
Rascanya, con un valor del índice de 0,20, tiene un alto aislamiento residencial de la
población de origen extranjero.
El porcentaje de población extranjera apenas correlaciona con el índice de segregación
residencial en su dimensión de desigualdad (r = 0,19, R2 = 4%), pero correlaciona
intensamente con la dimensión de aislamiento (r = 0,98, R2 = 96%). Ello significa que, en
los distritos con más población extranjera, ésta se encuentra más aislada y concentrada en
determinadas secciones censales.
3.3. La desigualdad de oportunidades educativas en la ciudad de València
Los datos que resumen la desigualdad de oportunidades educativas en infantil y primaria,
reflejados respectivamente en los cuadros 2 y 3, han sido elaborados para informes
anteriores de la presente investigación (Rodríguez-Victoriano et al., 2018; 2019). Se ha
calculado la ratio de unidades escolares de titularidad pública por distrito, la ratio entre
plazas ofertadas y demanda potencial en cada distrito escolar y el porcentaje de centros
confesionales. A lo largo de nuestra investigación han aparecido indicios que sugieren que
el tamaño del centro escolar pueda ser relevante en la elección de las familias, por lo que
hemos incluido una variable que refleja el tamaño medio de los centros en cada distrito y
por titularidades usando la media del número de líneas educativas de que consta cada
centro escolar.
Cuadro 2. Características de la dotación escolar en Infantil de los distritos escolares de
València 2017-18
TAMAÑO MEDIO. LÍNEAS
DOTACIÓN
EDUCATIVAS POR CENTRO
Ratio de Ratio de Ratio de
plazas oferta y centros Con Pub Tot
públicas demanda religiosos
01. Ciutat vella 16,67 68,81 75,00 1,67 1,00 1,50
02. Eixample 32,61 99,57 40,00 1,57 1,67 1,60
03. Extramurs 29,51 122,39 50,00 2,14 2,00 2,10
04. Campanar 50,00 78,53 44,44 1,40 1,75 1,56
05. Saïdia 26,32 142,64 40,00 2,00 1,67 1,90
06. Pla del real 30,51 137,72 54,55 2,33 1,60 2,00
07. L'olivereta 42,11 130,89 42,86 1,57 1,14 1,36
08. Patraix 73,33 84,21 10,00 1,67 1,43 1,50
09. Jesús 66,04 84,29 15,38 1,20 1,50 1,38
276
10a. Quatre carreres-malilla 62,50 92,31 0,00 1,50 1,67 1,60

10b. Quatre carreres-av. Plata 43,24 68,82 14,29 2,33 1,25 1,71
11a. Poblats marítims-nord 39,58 117,19 45,45 1,67 1,20 1,45
11b. Poblats marítims-sud 60,00 92,14 40,00 1,00 1,00 1,00
12. Camins al grau 54,17 91,14 23,08 2,20 1,63 1,85
13. Algirós 89,47 100,49 0,00 1,00 1,44 1,36
14. Benimaclet 65,38 88,27 40,00 1,50 2,00 1,80
15. Rascanya 47,50 63,09 25,00 2,33 1,40 1,75
16. Benicalap 43,90 70,06 28,57 1,75 2,00 1,86
17. Poblats del nord 100,00 129,31 0,00 0,00 1,50 1,50
18. Poblats de l'oest 60,00 90,14 33,33 2,00 1,50 1,67
19. Poblats del sud 87,50 156,25 20,00 1,00 1,75 1,60
Valencia 49,52 95,97 31,21 1,77 1,51 1,63
Fuente: Elaboración propia a partir de datos suministrados por el Ajuntament de València y la
Consellería d’Educació.
Cuadro 3. Características de la dotación escolar en Primaria de los distritos escolares de

València 2017-18
TAMAÑO MEDIO. LÍNEAS
DOTACIÓN
EDUCATIVAS POR CENTRO
Ratio de Ratio de Ratio de
plazas oferta y centros Con Pub Tot
públicas demanda religiosos
01. Ciutat vella 16,28 87,83 80,00 1,75 1,00 1,60
02. Eixample 28,71 102,73 50,00 2,20 1,67 2,00
03. Extramurs 29,13 119,23 66,67 2,50 2,00 2,33
04. Campanar 29,91 104,25 66,67 2,00 1,67 1,89
05. Saïdia 27,59 135,51 40,00 2,00 1,67 1,90
06. Pla del real 31,58 130,38 55,56 2,60 1,50 2,11
07. L'olivereta 43,38 134,98 42,86 1,57 1,43 1,50
08. Patraix 73,03 72,45 11,11 2,00 1,43 1,56
09. Jesús 70,00 86,78 15,38 1,20 1,75 1,54
12. Camins al grau 53,55 87,14 23,08 2,40 1,63 1,92
13. Algirós 92,86 97,77 0,00 1,00 1,44 1,36
14. Benimaclet 66,67 86,26 40,00 1,50 2,00 1,80
15. Rascanya 53,33 67,06 25,00 2,33 1,40 1,75
16. Benicalap 46,15 72,30 28,57 1,75 2,00 1,86
17. Poblats del nord 100,00 96,57 0,00 1,50 1,50
18. Poblats de l'oest 62,50 87,91 33,33 2,00 1,50 1,67
19. Poblats del sud 87,76 135,21 20,00 1,00 1,75 1,60
Valencia 49,04 95,78 34,13 1,92 1,56 1,73
La ciudad de València ha sufrido una carencia histórica de escuelas de titularidad pública

de calidad para atender a su población escolar (Fernández y Mayordomo, 1987, p. 74) y,
277
como en el resto del estado español, se ha recurrido a las instituciones privadas para
garantizar el derecho a la educación obligatoria de la ciudadanía. En los años finales de la
dictadura franquista, el porcentaje de alumnado que se escolarizaba en las escuelas
públicas de la ciudad era del 43% (Instituto de Ciencias de la Educación, 1975, p. 59) a
pesar del notable incremento de la oferta durante los años 40 y 60 del Siglo XX.
La figura 1 refleja cómo, tras la aprobación de Ley Orgánica Reguladora del Derecho a la
Educación (LODE) en el año 1985, la dotación escolar de titularidad pública que
proporcionaba la educación obligatoria en València se incrementó desde un 47% hasta un
49% entre 1985 y 1990. Desde entonces, tras un retroceso en la primera mitad de los años
90, que dejó el porcentaje en el 46% en 1996, ha vuelto a crecer paulatinamente hasta
recuperar en 2015 la misma ratio de plazas escolares públicas que había en la ciudad en
1990. La evolución de la educación infantil resulta más llamativa. La dotación pública en
la ciudad ha disminuido desde una proporción del 56% en 1996, a una dotación del 30%
en el año 2016. Esto se debe a la política de conciertos desarrollada por los gobiernos del
Partido Popular que incrementó considerablemente el número de centros concertados en
esta etapa.
60
INF EGB-PRI
55
50
45
40
35
30
25
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
Figura 1. Evolución del porcentaje de unidades de titularidad pública en la red escolar de

València
Fuente: Elaboración propia a partir de datos de la oficina de estadística del
Ayuntamiento de Valencia.
Por otra parte, los centros escolares difieren entre sí en numerosos aspectos y están
distribuidos de forma desigual en los distritos de la ciudad. La evolución histórica de
València y la implantación de centros educativos en su territorio, ha ido conformando una
red en la que los grandes centros escolares de prestigio, principalmente concertados
regentados por órdenes religiosas, se han ubicado en los barrios centrales de la capital
valenciana, entre los años 40 y 60 del siglo XX.
Por el contrario, en los barrios de la periferia predominan los centros escolares públicos,
con presencia de centros concertados parroquiales y asistenciales. Fueron construidos en
grandes grupos de vivienda social promovidos por diversas instituciones para satisfacer
la demanda de la población desfavorecida, con un alto porcentaje de etnia gitana, que
quedó sin hogar por las riadas que sufrió la ciudad en los años 1949 y 1957 (Ternes, 2010).
Estos grupos de vivienda se han convertido con el paso del tiempo en los barrios con
278
menor condición socioeconómica de la ciudad, se encuentran fuertemente estigmatizados

y alojan los denominados ‘centros gueto’ (figura 2).
35,00
30,00
PUB
25,00
CON
20,00
15,00
10,00
5,00
0,00
<1950 1951-1960 1961-1970 1971-1980 1981-1990 1991-2000 2001-2010 >2010
Figura 2. Distribución de centros en la ciudad de València por año de alta y titularidad

Fuente: Elaboración propia a partir de datos suministrados por el Ajuntament de València.
Este proceso coincidió con un boom inmobiliario de promoción privada para albergar la
masiva población inmigrante de procedencia rural que llegó a la ciudad en los años 60 y
primeros 70 del siglo XX, que propició ‘la gran transformación’ (Alcala-Santaella et al.,
2011, p. 203) de la ciudad mediante actuaciones de ‘barraquismo vertical’ (Teixidor, 2009,
p. 88). Estos barrios se caracterizaron por construcciones de baja calidad y falta de
equipamientos (Gaja, 1996, p. 81), por lo que los primeros centros escolares en asentarse
en ellos fueron pequeñas academias de iniciativa privada que aprovecharon el nicho de
mercado (Sanz, 1974, p. 404). Estos centros constituyen buena parte de la red de centros
concertados laicos de la ciudad y siguen funcionando en locales ubicados en plantas bajas
de edificios residenciales.
Durante los años 70 y 80 del siglo XX las diversas administraciones públicas realizaron
un considerable esfuerzo por dotar de centros escolares públicos los barrios periféricos de
la ciudad por lo que la red dual, con representaciones y prestigio social claramente
contrapuesto, se mantiene en la actualidad. Los centros concertados religiosos tienden a
concentrarse en distritos de condición socioeconómica muy alta o muy baja, acorde a su
tradicional carácter de formación de las élites, por una parte, y a su vocación asistencial a
los más desfavorecidos, por otra. Los centros concertados laicos lo hacen en distritos de
tipo medio o bajo, compitiendo con los centros públicos que cubren mejor los distritos con
ISS medio, bajo o muy bajo (figura 3).
La administración debe realizar la programación del sistema educativo, proporcionando
la dotación escolar adecuada para satisfacer las necesidades de la población. Por tanto, la
organización de los distritos escolares en la ciudad y la distribución de la oferta de plazas
escolares en ellos deberían compensar las desigualdades de la implantación escolar en el
territorio con el fin de garantizar el derecho a la educación en igualdad de condiciones
para toda la ciudadanía. Sin embargo, el diseño de la zonificación escolar y la dotación de
plazas escolares en la ciudad de València no ha modificado sustancialmente los
desequilibrios presentes en el territorio (Rodríguez-Victoriano et al., 2018, p. 130). Un
efecto constatable en el diseño de la zonificación escolar de la ciudad de València es un
notable incremento de las condiciones de desigualdad residencial en el distrito de Poblats
Marítims-Nord y un empeoramiento de las condiciones de aislamiento de Poblats
279
Marítims-Sud, que constituye prácticamente un ‘distrito escolar gueto’, donde todos los
centros escolares tienen bajo prestigio social.
10,00
8,00
6,00
4,00
2,00
0,00
ISS MUY ALTO ISS ALTO ISS MEDIO ISS BAJO ISS MUY BAJO
PÚBLICO CON RELIGIOSO CON LAICO
Figura 3. Distribución media de centros en la ciudad de València por titularidad e ISS

Fuente: Elaboración propia a partir de datos suministrados por el Ajuntament de València.
Los datos indican que el porcentaje de escuela pública y el nivel socioeconómico del
distrito están ligeramente relacionados (r = -0,36, R2 = 13%). Los barrios más favorecidos
cuentan con mayor dotación escolar, principalmente de carácter concertado religioso. En
el curso escolar 2016-2017, la mayor parte de los distritos centrales de la ciudad tenía
sobreoferta de plazas escolares en todas las etapas educativas. El conjunto de los seis
distritos centrales de la ciudad presenta una sobreoferta del 12% en la segunda etapa de
educación infantil y del 17% en la etapa de educación primaria. Por el contrario, los 13
distritos periféricos presentan una oferta escolar insuficiente para satisfacer su demanda
de plazas escolares. Este déficit se sitúa en el 11% en educación infantil de segundo ciclo
y el 13% en educación primaria.
La tipología de los centros también presenta relaciones con el contexto territorial. En los
distritos más ricos, los centros tienen más líneas educativas (r = 0,55, R2 = 30%), de
manera más acusada en los centros concertados. En la escuela concertada, también tienen
más líneas educativas los colegios ubicados en el centro que los de la periferia,
independientemente de su tamaño. Sin embargo, las instalaciones de los centros públicos
tienden a ser más grandes en los distritos menos favorecidos y periféricos (r = -0,44, R2 =
19%), aunque el número de líneas en ellos tiende a ser menor que en los del centro.
De este modo, se ha consolidado la estructura dual de la red escolar valenciana procedente
del franquismo, en la que los grandes centros escolares de prestigio se encuentran en los
barrios de nivel socioeconómico alto y los centros escolares desprestigiados, generalmente
pequeños, se ubican en los barrios de condición más desfavorecida. Tal como hemos
reflejado anteriormente (Rodríguez-Victoriano et al., 2018), el dibujo que nos ofrecen los
datos es el de unos distritos centrales de la ciudad con una dotación baja de centros
públicos y muy dotados de centros escolares privados con concierto educativo. Estos
distritos escolarizan menos alumnado extranjero, cuentan con pocas vacantes y, pese a
tener una demanda potencial inferior a su oferta, son los distritos que alcanzan los índices
más altos de ocupación al atraer alumnado de la periferia de la ciudad. Por el contrario,
los distritos periféricos tienen un alumnado potencial mayor que el número de plazas
escolares que ofertan, y ven como su población escolar emigra pese a que sus centros
280
escolares tienen unos índices de ocupación menor. En general, el alumnado extranjero, las
vacantes y los centros sometidos a procesos de estigmatización se concentran en estos
distritos periféricos.
Este desequilibrio en la dotación escolar de los diferentes distritos de la ciudad genera
tensiones y desajustes en el proceso de escolarización e incentiva movimientos del
alumnado entre los diferentes distritos y centros educativos de la ciudad que propician
dinámicas de segregación escolar.
3.4. Las estrategias familiares en la elección de centro educativo
Estudiar las estrategias familiares en la elección de centro educativo es complejo y
requiere un análisis más minucioso que el realizado hasta ahora, y con enfoques de tipo
cualitativo. No obstante, hemos elaborado un índice que aproxima el atractivo,
deseabilidad o prestigio social de cada centro escolar y distrito a partir de los datos de
admisión del curso 2016-2017 en el primer curso del segundo ciclo de educación infantil,
que es el principal momento de acceso al sistema educativo español.
Cuadro 4. Atractivo de los centros escolares en os distritos escolares de la ciudad de
València 2016-17
PORCENTAJE DE CENTROS
ESCOLARES POR ATRACTIVO MEDIO
ATRACTIVO
Alto Medio Bajo Con Pub Tot
01. Ciutat vella 0,00 100,00 0,00 1,15 0,73 1,05
02. Eixample 44,44 55,55 0,00 1,58 1,78 1,56
03. Extramurs 55,55 44,44 0,00 1,54 1,94 1,67
04. Campanar 11,11 44,44 44,44 0,74 1,27 0,97
05. Saïdia 30,00 50,00 20,00 1,32 1,14 1,26
06. Pla del real 50,00 30,00 20,00 2,15 1,35 1,83
07. L'olivereta 14,29 42,86 42,86 0,77 0,63 0,70
08. Patraix 30,00 30,00 40,00 0,91 1,03 0,99
09. Jesús 15,38 15,38 69,23 0,39 0,71 0,59
12. Camins al grau 30,77 53,85 15,38 1,47 0,99 1,17
13. Algirós 18,18 45,45 36,36 0,20 1,08 0,92
14. Benimaclet 0,00 80,00 20,00 1,26 1,01 1,11
15. Rascanya 25,00 25,00 50,00 1,35 0,48 0,81
16. Benicalap 14,29 42,86 42,86 1,11 0,69 0,93
17. Poblats del nord
18. Poblats de l'oest
19. Poblats del sud
Valencia 22,50 41,87 35,63 1,06 0,92 1,00
El índice consiste en el cociente entre el número de solicitudes de matrícula recibidas en

cada centro y la media de solicitudes por centro en el conjunto de la ciudad. Con estos
datos obtenemos el porcentaje de centros de alto (valor > 1,5), medio (valor entre 0,5 y
281
1,5) y bajo (valor > 0,5) atractivo en cada distrito, y el atractivo total medio y por
titularidad de cada uno de ellos, reflejados en cuadro 4.
Con todas las precauciones por la posible causalidad circular entre las variables,
observamos una fuerte correlación entre la demanda de las familias y el nivel
socioeconómico de los distritos (r = 0,83, R2 = 68%) y el tamaño de los centros (r = 0,84,
R2 = 70%). Las familias tienden a presentar más solicitudes de matrícula en los centros de
mayor tamaño, con mayor probabilidad de ingreso, y en los distritos más ricos. Los
porcentajes de escuela pública (r = -0,41, R2 = 17%) y la ratio de oferta y demanda (r =
0,38, R2 = 15%), también están relacionados con la demanda de las familias, aunque tienen
una influencia menor. Ante la evidencia de que los centros más grandes están más
solicitados por las familias, y que éstos se encuentran principalmente en los distritos más
ricos, no resulta extraño que los centros más solicitados se encuentren en los distritos más
ricos de la ciudad.
3.5. La distribución del alumnado extranjero
La distribución del alumnado extranjero en la segunda etapa de educación infantil y en la
etapa de educación primaria en los distritos escolares de la ciudad se resume
respectivamente en los cuadros 5 y 6. Los datos muestran la participación del alumnado
total y extranjero en cada distrito, la distribución del alumnado extranjero por titularidad
en los diversos distritos, su concentración por centros para las diversas titularidades, y el
rango de variación entre las concentraciones en cada titularidad y en el total de centros
escolares.
En la ciudad de València se escolariza en las aulas de la escuela pública el 43-44% del
alumnado del segundo ciclo de educación infantil y de educación primaria. Sin embargo, a
ellas acude el 72% del alumnado de origen extranjero. Por el contrario, el 60% del
alumnado de origen autóctono opta en ambas etapas por la escolarización en la escuela
concertada.
Las personas de origen extranjero residentes en València suponen cerca del 12% del total
de la población y representan algo más el 10% del alumnado de educación infantil y
primaria escolarizado en los centros de la ciudad. Sin embargo, si observamos la
concentración en ambas etapas de este alumnado en las diferentes escuelas, vemos cómo
en las escuelas de titularidad pública la concentración asciende a casi el 17%, y se sitúa en
torno al 5% en la escuela concertada. Por tanto, las escuelas sufragadas con fondos
públicos gestionadas por instituciones privadas están atendiendo a la mitad del alumnado
extranjero que le correspondería para tener una distribución equilibrada del mismo.
Uno de los argumentos más utilizados para explicar esta circunstancia es que la población
extranjera no se distribuye de modo uniforme en el territorio y la desigual concentración
de este alumnado se debe a la diferente distribución de los colegios en los distintos
distritos de la ciudad. Los datos indican que los índices de segregación residencial
correlacionan con los de segregación escolar, tanto en su dimensión de desigualdad (r =
0,59, R2 = 34%) como en su dimensión de aislamiento (r = 0,64, R2 = 41%), aunque explican
poco más de un tercio de la variabilidad.
282
Cuadro 5. Distribución del alumnado extranjero en Infantil en los distritos escolares de València 2017-18
DISTRIBUCIÓN DEL RANGO DE LA VARIACIÓN DE
PARTICIPACIÓN DEL CONCENTRACIÓN DE ALUMNADO
ALUMNADO CONCENTRACIÓN DEL
ALUMNADO EXTRANJERO POR CENTROS
EXTRANJERO ALUMNADO EXTRANJERO
Total Extranjero Con Pub Con Pub Tot Con Pub Tot
01. Ciutat vella 2,55 1,03 90,00 10,00 4,56 2,70 4,26 7,95 7,95
02. Eixample 6,11 3,90 23,68 76,32 2,37 15,93 6,76 16,36 4,62 18,66
03. Extramurs 8,05 4,56 34,83 65,17 2,91 13,88 6,00 21,05 10,19 21,05
04. Campanar 5,36 4,51 44,32 55,68 7,56 10,40 8,92 33,33 19,97 33,33
05. Saïdia 7,28 7,07 57,97 42,03 7,91 17,58 10,28 32,23 28,85 36,36
06. Pla del real 7,25 4,46 27,59 72,41 2,46 17,45 6,51 7,80 45,81 53,13
07. L'olivereta 6,81 8,51 31,93 68,07 7,07 22,38 13,23 37,57 59,56 63,28
08. Patraix 5,84 3,08 10,00 90,00 1,52 7,94 5,58 0,47 14,29 15,97
09. Jesús 6,25 9,23 30,56 69,44 12,42 17,63 15,63 63,64 48,90 63,64
10a. Quatre carreres-malilla 2,96 2,51 22,45 77,55 4,53 12,54 8,97 5,21 35,10 38,41
10b. Quatre carreres-av. Plata 4,34 7,07 38,41 61,59 10,60 28,43 17,27 11,83 20,38 32,18
11a. Poblats marítims-nord 4,86 3,23 25,40 74,60 2,57 17,22 7,04 6,76 23,28 29,17
11b. Poblats marítims-sud 1,32 3,13 26,23 73,77 12,21 39,82 25,00 14,78 13,16 40,16
12. Camins al grau 8,23 9,84 29,17 70,83 6,97 19,05 12,66 19,32 68,18 70,20
13. Algirós 4,52 6,30 7,32 92,68 11,54 15,10 14,77 34,62 70,14 73,17
14. Benimaclet 3,33 1,95 5,26 94,74 0,84 9,55 6,19 1,25 22,32 22,32
15. Rascanya 5,24 8,10 12,03 87,97 3,33 35,19 16,36 23,73 18,23 44,62
16. Benicalap 4,58 7,84 42,48 57,52 12,36 27,76 18,15 21,03 32,76 39,74
17. Poblats del nord 0,92 0,15 0,00 100,00 1,78 1,78 0,06 0,06
18. Poblats de l'oest 1,44 1,85 44,44 55,56 10,39 17,86 13,53 20,87 24,61
19. Poblats del sud 2,76 1,69 0,00 100,00 0,00 0,00 6,48 14,60 17,31
Valencia 100,00 100,00 30,09 69,91 5,72 16,70 10,59 63,64 73,17 73,17
Fuente: Elaboración propia a partir de datos suministrados por la Consellería d’Educació.
283
Cuadro 6. Distribución del alumnado extranjero en Primaria en los distritos escolares de València 2017-18
DISTRIBUCIÓN DEL CONCENTRACIÓN DE RANGO DE LA VARIACIÓN DE
PARTICIPACIÓN DEL
ALUMNADO ALUMNADO EXTRANJERO POR CONCENTRACIÓN DEL ALUMNADO
ALUMNADO
EXTRANJERO CENTROS EXTRANJERO
Total Extranjero Con Pub Con Pub Tot Con Pub Tot
01. Ciutat vella 2,71 1,45 87,30 12,70 5,41 5,63 5,44 7,59 7,59
02. Eixample 5,99 4,32 15,51 84,49 1,57 22,35 7,31 9,70 12,07 27,37
03. Extramurs 7,83 5,45 32,20 67,80 3,06 18,56 7,06 14,90 12,38 15,92
04. Campanar 6,43 5,66 60,82 39,18 7,40 13,10 8,92 33,29 29,63 34,00
05. Saïdia 6,96 6,40 54,51 45,49 6,77 17,07 9,33 31,80 27,07 37,05
06. Pla del real 7,20 3,53 20,26 79,74 1,38 14,79 4,98 4,30 30,59 37,89
07. L'olivereta 7,30 9,44 30,81 69,19 6,72 22,77 13,11 28,32 50,76 54,96
08. Patraix 5,07 3,00 6,92 93,08 1,30 8,21 6,00 0,71 18,45 20,14
09. Jesús 6,70 8,96 31,70 68,30 11,02 15,19 13,56 56,22 40,28 56,22
10a. Quatre carreres-malilla 3,39 2,12 21,74 78,26 3,94 7,65 6,35 1,51 24,44 24,44
10b. Quatre carreres-av. Plata 4,18 5,91 30,08 69,92 7,26 24,76 14,36 16,87 20,08 32,47
11a. Poblats marítims-nord 5,02 3,42 30,41 69,59 2,96 16,45 6,90 6,57 27,14 32,53
11b. Poblats marítims-sud 1,49 3,97 23,84 76,16 12,77 41,59 27,04 20,21 30,76 52,19
12. Camins al grau 8,24 9,33 23,51 76,49 5,04 18,89 11,48 16,61 50,17 54,68
13. Algirós 4,17 6,00 11,92 88,08 39,24 13,45 14,60 48,46 48,46
14. Benimaclet 3,10 3,05 4,55 95,45 1,17 15,52 9,97 1,86 15,92 22,24
15. Rascanya 5,09 7,13 13,27 86,73 3,45 27,24 14,23 21,77 34,43 40,28
16. Benicalap 4,40 6,44 25,81 74,19 6,62 26,07 14,83 28,67 24,17 35,26
17. Poblats del nord 0,81 0,23 0,00 100,00 2,90 2,90 1,00 1,00
18. Poblats de l'oest 1,54 1,73 29,33 70,67 6,85 15,73 11,40 13,49 18,40
19. Poblats del sud 2,37 2,45 1,89 98,11 1,20 12,32 10,50 19,27 23,47
Valencia 100,00 100,00 27,73 72,27 4,97 16,89 10,14 57,46 54,23 57,46
284
Como hemos expuesto con anterioridad, la población extranjera en València se distribuye

con relativa homogeneidad y de forma similar al conjunto de la población. La variación
entre los distritos con mayor y menor población extranjera (Poblats Marítims-Sud con el
17%, y Poblats del Nord con el 7%) se sitúa en torno a los 10 puntos porcentuales. Por el
contrario, al observar la diferencia entre la mayor y menor concentración de alumnado
extranjero en los diferentes distritos escolares de València, observamos que la diferencia
dobla esa cifra y supera los 23 puntos en la etapa de educación infantil, y los 24 en la
educación primaria.
Si observamos las diferencias de concentración del alumnado extranjero en la escuela
concertada y en la pública, vemos cómo se supera ampliamente esa diferencia en
determinados distritos de la ciudad. En el segundo ciclo de educación infantil, la diferencia
entre la concentración de alumnado extranjero entre las escuelas públicas y concertadas
alcanza casi los 28 puntos porcentuales en el distrito de Poblats Marítims-Sud y los 32 en
el de Rascanya. En la etapa de educación primaria, el distrito de Eixample presenta una
diferencia de 21 puntos porcentuales, el de Rascanya se sitúa en 24, el de Algirós llega a
los 26 y el de Poblats Marítims-Sud alcanza los 29. Todos ellos presentan un rango de
variación muy superior a la media de la ciudad y a la de las concentraciones residenciales.
Al igual que ocurre en otras ciudades estudiadas, en casi todos los distritos de València la
concentración de alumnado extranjero en la escuela pública es superior a la de la
concertada y también a la concentración media en la ciudad. Únicamente el distrito central
de Ciutat Vella, cuyo único centro público tiene como lengua vehicular el Valenciano,
cuenta con un mayor porcentaje de alumnado extranjero en la escuela concertada.
Es importante destacar que la desigualdad no se produce únicamente entre las dos
titularidades. La diferencia en la concentración de alumnado extranjero entre los diversos
centros de la ciudad es similar. En los centros de titularidad pública oscila entre el 0% y
el 73% en educación infantil, y entre el 1,5% y el 56% en educación primaria. En la escuela
concertada, varía entre el 0% y el 67% en educación infantil y el 0% y el 57% en educación
primaria. La principal diferencia, como indican las figuras 4 y 5, radica en cómo se
distribuyen los centros según su concentración de alumnado extranjero.
80,00
CONCERTADA
70,00
PÚBLICA
60,00
50,00
40,00
30,00
20,00
10,00
0,00
BAJA (<10%) MEDIA (10-25%) ALTA (25-50%) MUY ALTA (>50%)
Figura 4. Centros de Educación Infantil en València por concentración de alumnado

extranjero y titularidad
Fuente: Elaboración propia a partir de datos suministrados por la Consellería d’Educació de la
Generalitat Valenciana.
285
En educación infantil, más del 70% de centros concertados tienen una baja concentración
de alumnado extranjero. La mitad no supera el 5% y el 20% no alcanzan siquiera el 1%.
Trece centros concertados no escolarizaban alumnado de origen extranjero pese a
encontrarse, en algún caso, en barrios con alta concentración de ese tipo de población. En
la escuela de titularidad pública, los centros se encuentran similarmente distribuidos entre
baja, media y alta concentración.
80,00
70,00 CONCERTADA
60,00 PÚBLICA
50,00
40,00
30,00
20,00
10,00
0,00
BAJA (<10%) MEDIA(10-25%) ALTA(25-50%) MUY ALTA (>50%)
Figura 5. Centros de Educación Primaria en València por concentración de alumnado

extranjero y titularidad
Fuente: Elaboración propia a partir de datos suministrados por la Consellería d’Educació de la
Generalitat Valenciana.
En educación primaria, las distribuciones son muy similares, el 68% de los centros
concertados no supera el 5% de concentración de alumnado extranjero y el 19% no
alcanzan el 1%. Como ocurre en la etapa anterior, seis centros concertados no
escolarizaban a ningún alumno o alumna de origen extranjero aún situándose en barrios
con alta concentración de ese tipo de población. En la escuela pública predominan los
centros de concentración media.
También se observan diferencias dentro de la escuela concertada entre los centros de
carácter confesional cristiano y los que se declaran laicos. Éstos tienen una concentración
de alumnado extranjero del 7% en educación infantil y del 8% en primaria, cifras que son
un 30% inferior a la media de la ciudad. Por el contrario, los centros religiosos, tienen
unos porcentajes del 5% y 4% en ambas etapas, inferiores a la mitad de la concentración
media del alumnado extranjero de la ciudad. Dentro de las escuelas laicas, la mayor
concentración se produce en centros gestionados por cooperativas o fundaciones, con el
10-11% en ambas etapas, similares a la media; frente a centros gestionados por sociedades
mercantiles, donde las concentraciones se sitúan alrededor del 6%. Entre los colegios de
carácter religioso la mayor concentración de alumnado extranjero se produce en los
centros diocesanos, con el 10-12% de alumnado extranjero en sus aulas en las dos etapas,
frente a los centros gestionados por fundaciones u órdenes religiosas y sociedades
mercantiles, que oscilan entre el 3% y el 6%.
Además de las diferencias por titularidad, los datos nos indican que el porcentaje de
alumnado extranjero es menor en los centros más grandes y mayor en aquellos centros
menos demandados por las familias y que, por tanto, cuentan con mayor número de
vacantes. El porcentaje de alumnado extranjero en los centros correlaciona negativamente
con los porcentajes de centros de alta (r = -0,37, R2 = 13%) y media (r = -0,60, R2 = 36%)
286
demanda familiar en cada distrito. Por el contrario, correlaciona positivamente con el

porcentaje de centros de baja demanda familiar (r = 0,78, R2 = 60%).
3.6. Segregaciones escolares del alumnado de origen extranjero en Valencia
Los datos del alumnado extranjero matriculado en los centros escolares permiten calcular
los índices de segregación escolar de Disimilitud, de Gorard, de Aislamiento y de
Hutchens para cada distrito escolar y titularidad, cuyos valores se recogen en el cuadro 7
para la etapa de educación infantil y en el cuadro 8 para la etapa de educación primaria.
La distribución del alumnado extranjero en los diversos centros educativos de València
determina, con carácter general, valores relativamente elevados de todos los índices de
segregación escolar considerados. El índice de Disimilitud alcanza valores cercanos al 0,5
tanto en la etapa de educación infantil como en la de primaria para el conjunto de la ciudad
en el curso 2017-2018. Estas cifras significan que habría que cambiar de centro casi a la
mitad del alumnado en ambas etapas para conseguir que su distribución estuviera
equilibrada entre todos los centros escolares de la ciudad.
Si analizamos el valor de los índices para las dos titularidades, observamos que la
desigualdad es superior en la escuela concertada en la mayoría de distritos de la ciudad.
En la etapa de infantil, el índice alcanza el 0,51, frente al 0,39 de la escuela pública, y en la
etapa de primaria, el 0,48 frente al 0,35. El índice de aislamiento revela que la probabilidad
del alumnado de origen extranjero de relacionarse únicamente con alumnos y alumnas de
su misma condición es del 25% en educación infantil y del 23% en primaria. En ambos
casos, el valor del índice de aislamiento se puede considerar elevado. El valor del índice se
sitúa en 0,26 y 0,28 en la escuela pública, mientras que en la escuela concertada desciende
a 0,17 y 0,18, valores considerados medios.
Sin embargo, para analizar las contribuciones de cada uno de los sectores a la segregación
total es más adecuado utilizar el índice de segregación de Hutchens. Al descomponer dicho
índice, vemos que la segregación dentro de la red de cada titularidad es siempre superior
a la segregación entre ambas, y que la contribución de ambas a la segregación total es
similar. La contribución de la escuela pública es ligeramente superior en la etapa de
educación infantil, y la de la escuela concertada es superior en la educación primaria. Al
analizar mediante este índice la contribución de la escuela concertada religiosa y laica a la
segregación, observamos cómo en torno al 75% de la segregación dentro de las escuelas
concertadas se debe a los centros de titularidad religiosa.
287
Cuadro 7. Índices de segregación del alumnado extranjero en Infantil en los distritos escolares de València
DISIMILITUD GORARD AISLAMIENTO HUTCHENS
Con. Pub. Tot. Con. Pub. Tot. Con. Pub. Tot. Hcon Hpub Hintra Hinter Htotal
01. Ciutat vella 0,30 0,00 0,29 0,28 0,00 0,28 0,07 0,03 0,06 0,19 0,00 0,19 0,04 0,22
02. Eixample 0,46 0,07 0,55 0,45 0,06 0,51 0,09 0,16 0,15 0,15 0,04 0,19 0,25 0,44
03. Extramurs 0,46 0,15 0,53 0,44 0,13 0,50 0,12 0,15 0,14 0,24 0,06 0,31 0,18 0,48
04. Campanar 0,64 0,23 0,44 0,59 0,20 0,40 0,24 0,14 0,18 0,24 0,11 0,36 0,00 0,36
05. Saïdia 0,46 0,25 0,44 0,42 0,21 0,39 0,19 0,23 0,15 0,32 0,08 0,40 0,04 0,43
06. Pla del real 0,50 0,26 0,42 0,48 0,21 0,42 0,06 0,26 0,20 0,21 0,12 0,32 0,14 0,47
07. L'olivereta 0,49 0,37 0,51 0,45 0,29 0,44 0,18 0,37 0,31 0,23 0,19 0,41 0,09 0,50
08. Patraix 0,07 0,15 0,32 0,07 0,13 0,30 0,02 0,09 0,09 0,01 0,11 0,12 0,17 0,30
09. Jesús 0,71 0,48 0,57 0,62 0,39 0,48 0,51 0,32 0,38 0,23 0,29 0,52 0,00 0,52
10a. Q. Carreres-malilla 0,22 0,42 0,35 0,21 0,37 0,32 0,06 0,25 0,21 0,07 0,30 0,37 0,02 0,40
10b. Q. Carreres-av. Plata 0,29 0,17 0,15 0,26 0,12 0,12 0,14 0,30 0,24 0,15 0,08 0,23 0,06 0,29
11a. Pob. Marítims-nord 0,26 0,35 0,49 0,25 0,29 0,46 0,04 0,23 0,19 0,10 0,15 0,25 0,24 0,49
11b. Pob. Marítims-sud 0,34 0,10 0,21 0,30 0,06 0,16 0,17 0,41 0,34 0,13 0,06 0,19 0,14 0,34
12. Camins al grau 0,50 0,41 0,50 0,47 0,33 0,44 0,15 0,32 0,27 0,20 0,22 0,42 0,06 0,48
13. Algirós 0,75 0,46 0,48 0,67 0,39 0,41 0,35 0,35 0,35 0,04 0,44 0,48 0,00 0,48
14. Benimaclet 0,33 0,44 0,51 0,32 0,40 0,48 0,01 0,17 0,16 0,03 0,28 0,30 0,12 0,42
15. Rascanya 0,66 0,14 0,60 0,63 0,09 0,50 0,18 0,36 0,34 0,14 0,07 0,21 0,21 0,42
16. Benicalap 0,24 0,36 0,35 0,21 0,26 0,29 0,16 0,36 0,28 0,13 0,16 0,29 0,07 0,36
17. Poblats del nord 0,01 0,01 0,00 0,01 0,01 0,02 0,02 0,01 0,01 0,00 0,01
18. Poblats de l'oest 0,00 0,21 0,16 0,00 0,17 0,13 0,10 0,21 0,17 0,00 0,11 0,11 0,06 0,17
19. Poblats del sud 0,00 0,37 0,41 0,00 0,34 0,39 0,00 0,12 0,12 0,00 0,33 0,33 0,03 0,36
Valencia 0,51 0,39 0,49 0,48 0,33 0,44 0,18 0,28 0,25 0,20 0,21 0,41 0,05 0,46
288
Cuadro 8. Índices de segregación del alumnado extranjero en Primaria en los distritos escolares de València
DISIMILITUD GORARD AISLAMIENTO HUTCHENS
Con. Pub. Tot. Con. Pub. Tot. Con. Pub. Tot. Hcon Hpub Hintra Hinter Htotal
01. Ciutat vella 0,20 0,00 0,17 0,19 0,00 0,16 0,07 0,06 0,07 0,14 0,00 0,14 0,00 0,14
02. Eixample 0,47 0,16 0,63 0,46 0,13 0,59 0,05 0,24 0,21 0,14 0,07 0,21 0,33 0,53
03. Extramurs 0,31 0,14 0,52 0,30 0,12 0,48 0,07 0,20 0,16 0,17 0,06 0,22 0,28 0,50
04. Campanar 0,39 0,34 0,42 0,36 0,29 0,38 0,18 0,21 0,19 0,28 0,11 0,39 0,05 0,44
05. Saïdia 0,45 0,24 0,43 0,42 0,20 0,39 0,17 0,22 0,13 0,31 0,08 0,39 0,03 0,42
06. Pla del real 0,47 0,22 0,46 0,46 0,19 0,47 0,03 0,20 0,17 0,17 0,10 0,27 0,24 0,50
07. L'olivereta 0,54 0,28 0,46 0,50 0,22 0,40 0,16 0,31 0,26 0,22 0,14 0,36 0,05 0,41
08. Patraix 0,10 0,30 0,40 0,10 0,27 0,37 0,01 0,12 0,11 0,02 0,23 0,25 0,14 0,39
09. Jesús 0,61 0,46 0,52 0,54 0,39 0,45 0,39 0,26 0,30 0,23 0,28 0,52 0,00 0,52
10a. Q. Carreres-malilla 0,09 0,42 0,35 0,08 0,39 0,33 0,04 0,17 0,14 0,02 0,31 0,33 0,04 0,38
10b. Q. Carreres-av. Plata 0,38 0,21 0,22 0,35 0,16 0,19 0,12 0,27 0,23 0,17 0,10 0,27 0,09 0,35
11a. Pob. Marítims-nord 0,32 0,31 0,44 0,31 0,26 0,41 0,04 0,22 0,17 0,14 0,13 0,27 0,16 0,43
11b. Pob. Marítims-sud 0,45 0,21 0,22 0,40 0,12 0,16 0,21 0,45 0,40 0,16 0,12 0,28 0,07 0,34
12. Camins al grau 0,50 0,37 0,47 0,47 0,30 0,42 0,12 0,30 0,26 0,18 0,22 0,40 0,06 0,45
13. Algirós 0,00 0,36 0,37 0,00 0,31 0,32 0,39 0,23 0,25 0,00 0,33 0,33 0,04 0,37
14. Benimaclet 0,35 0,18 0,42 0,35 0,15 0,38 0,02 0,18 0,17 0,05 0,13 0,18 0,17 0,35
15. Rascanya 0,68 0,17 0,57 0,66 0,12 0,49 0,18 0,31 0,29 0,15 0,08 0,24 0,18 0,42
16. Benicalap 0,49 0,24 0,49 0,46 0,18 0,42 0,19 0,30 0,27 0,21 0,12 0,33 0,12 0,46
17. Poblats del nord 0,08 0,08 0,00 0,08 0,08 0,03 0,03 0,08 0,08 0,00 0,08
18. Poblats de l'oest 0,00 0,21 0,22 0,00 0,18 0,19 0,07 0,18 0,15 0,00 0,13 0,13 0,10 0,23
19. Poblats del sud 0,00 0,31 0,35 0,00 0,27 0,31 0,01 0,17 0,17 0,00 0,28 0,28 0,05 0,34
Valencia 0,48 0,35 0,49 0,46 0,29 0,44 0,17 0,26 0,23 0,20 0,18 0,38 0,08 0,46
289
Para comparar la dimensión de desigualdad de distintos territorios entre sí, resulta más
fiable utilizar el índice de Gorard, que nos permite analizar mejor las diferencias entre los
diversos distritos de la ciudad y entre titularidades dentro de cada uno de ellos. Los mapas
de las figuras 6 y 7 reflejan, respectivamente, la distribución territorial de los valores del
índice en las etapas de educación infantil y primaria.
Figura 6. Índices de Gorard en Educación Infantil en los distritos escolares de la ciudad

de València
Figura 7. Índices de Gorard en Educación Primaria en los distritos escolares de la

ciudad de València
Los índices de segregación de los diversos distritos en las dos etapas educativas nos
sugieren patrones de segregación diferentes. En la etapa de educación infantil, más de la
mitad de los distritos escolares tienen índices de desigualdad escolar altos o muy altos. El
patrón en las escuelas concertadas es similar, aunque con desigualdades más acusadas. Sin
embargo, no encontramos ningún distrito escolar con alta desigualdad en la distribución
de la población extranjera en la escuela pública. En la etapa de educación primaria los
índices mejoran ligeramente, con el 43% de los distritos con alta o muy alta desigualdad.
290
En la escuela concertada, la desigualdad es alta o muy alta en el 53% de los distritos y, de

nuevo, no hay ningún distrito en esta situación en la escuela pública.
Al analizar la dimensión de aislamiento en los diversos distritos escolares, reflejada en los
mapas de las figuras 8 y 9 para infantil y primaria, respectivamente, observamos cómo casi
la mitad de los distritos tienen índices de aislamiento escolar altos o muy altos en la etapa
de educación infantil. Si nos centramos en los centros de titularidad pública, la proporción
de distritos escolares es de casi dos tercios, mientras que en los centros concertados
disminuye al 15%. En la etapa de educación primaria los patrones son similares, el 43% de
los distritos escolares presentan índices de aislamiento escolar altos o muy altos cuando
tenemos en cuenta los centros de ambas titularidades, la proporción de distritos escolares
en esta situación asciende a dos tercios si consideramos únicamente los centros públicos,
y desciende al 15% cuando analizamos el aislamiento escolar del alumnado extranjero en
los centros con conciertos educativos.
Figura 8. Índices de Aislamiento en Educación Infantil en los distritos escolares de la

ciudad de València
Figura 9. Índices de Aislamiento en Educación Primaria en los distritos escolares de la

ciudad de València
291
El porcentaje de población extranjera residente en los distritos no parece tener mucha

influencia en los índices de desigualdad (r = 0,11, R2 = 1%), pero su relación con los índices
de aislamiento es considerable (r = 0,62, R2 = 38%). La mayor presencia de alumnado
extranjero en los centros, lógicamente, tiene una gran influencia en el aislamiento de este
colectivo en las aulas (r = 0,84, R2 = 71%), sobre todo en las de titularidad pública. Sin
embargo, la concentración de alumnado extranjero apenas correlaciona con la dimensión
de desigualdad (r = -0,14, R2 = 2%). El porcentaje de escuela pública en cada distrito tiene
una ligera influencia favorable en los índices de desigualdad (r = -0,37, R2 = 14%) pero no
en los de aislamiento (r = 0,01, R2 = 0%). Los datos sugieren una mayor relación entre el
prestigio que las familias otorgan a los centros y la desigualdad en ellos (r = 0,53, R2 =
28%).
La descomposición del índice de Hutchens permite observar patrones de segregación
escolar diferentes en los diversos distritos de la ciudad y en las dos etapas estudiadas. En
los distritos centrales la principal aportación a la segregación la producen los centros
concertados, aunque también tiene un impacto considerable la segregación entre
titularidades en los distritos donde se ubican los centros escolares de mayor prestigio. En
algunos de los distritos periféricos, debido a la menor presencia de centros concertados, la
escuela pública tiene una mayor contribución en la segregación. Sin embargo, en los
distritos con una escuela concertada más diversa, el mayor peso lo producen los colegios
concertados o la segregación entre titularidades.
Los datos indican que el porcentaje de escuela pública en los diversos distritos está
relacionado negativamente con el peso de la escuela concertada en la segregación (r = -
0,69, R2 = 47%) y también con la segregación entre titularidades (r = -0,41, R2 = 17%).
Por el contrario, el porcentaje de centros de carácter religioso está relacionado con el
mayor peso de la escuela concertada en la segregación (r = 0,44, R2 = 20%) y con la
segregación entre titularidades (r = 0,36, R2 = 13%). El número de líneas educativas en
los centros también está relacionado con la desigualdad (r = 0,54, R2 = 29%) y con la
segregación entre titularidades en la etapa de educación primaria (r = 0,60, R2 = 36%).
4. Conclusiones
Los resultados nos proporcionan un mapa de la ciudad de València caracterizado por una
amplia diversidad de procesos de segregación. En las escuelas se reflejan las diversas
segregaciones residenciales de su entorno y aparecen, además, segregaciones de carácter
estrictamente escolar que incrementan la desigualdad de oportunidades educativas del
alumnado extranjero. Los índices globales de segregación de los sistemas educativos no
muestran la diversidad y particularidad de estos procesos.
Podemos afirmar que en la ciudad de València, como en otros contextos territoriales
(Valiente, 2008), la desigualdad escolar es mayor en los centros escolares concertados,
pero se produce un mayor aislamiento de la población extranjera en las escuelas públicas,
tanto en la ciudad en su conjunto como en la mayoría de sus distritos escolares. En
conjunto, la desigualdad es también mayor en los distritos centrales que en la periferia,
aunque en la escuela pública ocurre lo contrario. El aislamiento es superior en los distritos
de la periferia para ambas titularidades.
La segregación que observamos en los centros escolares está condicionada por la desigual
distribución de la población en el territorio, pero esta circunstancia tiene una importancia
292
menor en la dimensión de desigualdad que en la de aislamiento. Allí donde reside más

población extranjera, ésta se encuentra más aislada, y esta circunstancia se refleja también
en las aulas de los centros escolares. Sin embargo, las causas principales de la desigualdad
escolar del alumnado de origen extranjero en València no parecen estar en su distribución
residencial.
La administración educativa no ha apostado por el incremento de la oferta educativa de
titularidad pública en el sistema escolar valenciano durante los últimos 25 años, ni por
adecuar la oferta a las necesidades escolares de cada sector urbano. Esta circunstancia
tiene impacto en la segregación, porque en los distritos con menos escuela pública la
desigualdad tiende a ser mayor. También hemos apreciado que donde hay más escuela
religiosa y menos escuela pública, la aportación de la escuela concertada a la segregación
es mayor y también lo es la segregación entre titularidades. Las autoridades educativas
valencianas han primado una política no estratégica y reactiva ante la demanda,
aglutinando muchas plazas educativas en determinados centros escolares y facilitando la
fuga de población nativa hacia ellos, abandonando las escuelas ubicadas en sus barrios de
residencia. El impacto en la segregación escolar de estos desequilibrios entre las diversas
zonas se ha constatado también en otros contextos territoriales (Síndic de Greuges, 2016a,
p. 65).
Ante estas condiciones estructurales, las escuelas y las familias parecen adoptar posiciones
y estrategias que mantienen y refuerzan los procesos de segregación de los alumnos de
origen extranjero en los centros escolares de la ciudad. Se observan regularidades entre
las diversas entidades titulares de los centros escolares que sugieren mecanismos de
selección específicos o corporativos. En la polaridad de los centros religiosos es dónde en
mayor medida se conserva la estructura dual de la escuela de la dictadura franquista. En
este sentido, las escuelas gestionadas por órdenes religiosas y por sociedades mercantiles
son las que en mayor medida parecen anteponer sus propios intereses a los de la sociedad,
adoptando medidas que dificultan la escolarización de alumnado extranjero en ellas. Esta
circunstancia influye considerablemente en las condiciones de desigualdad de las aulas
valencianas.
Ante el proceso de elección de escuela, las familias parecen optar por aquellos centros de
mayor tamaño donde, por una parte, la probabilidad de ingreso es mayor y, por otra, el
peso de la población extranjera es menor. Los distritos con centros más prestigiosos
tienden a ser más desiguales, aunque presentan menor aislamiento del alumnado
extranjero en sus aulas. Las familias autóctonas han optado por abandonar las pequeñas
escuelas de la periferia en las que la presencia de alumnado de origen extranjero o, sobre
todo, de etnia gitana resulta más visible, incrementando las condiciones de desigualdad y
aislamiento del conjunto del sistema educativo.
El análisis desarrollado sugiere que en València, como ocurre en otras grandes ciudades
españolas (García y Rubio, 2013; López-Falcón y Bayona, 2012; Peláez, 2012), no parece
incrementarse la cohesión multicultural. Los datos de escolarización de la población de
origen extranjero y los índices de segregación muestran que las escuelas valencianas no
están funcionando como mecanismos de integración del alumnado foráneo, que tiende a
ser concentrado y, en algunos casos aislado, en ciertas escuelas muy determinadas de la
periferia urbana.
Resulta aventurado extraer conclusiones generalizables del estudio de un único caso, pero
nuestro análisis indica que la política de incorporar más líneas educativas en los centros
293
prestigiosos incrementa la desigualdad en los distritos en los que éstos se ubican y, al

mismo tiempo, el aislamiento del alumnado extranjero en los distritos con los centros más
desprestigiados por las respuestas familiares que induce. También sugiere que el reparto
del grupo minoritario no resulta suficiente para reducir la desigualdad entre centros
escolares. El análisis de la construcción del prestigio escolar, las relaciones entre las
estrategias familiares ante la elección escolar y el posicionamiento institucional ante esa
‘demanda social’ deben ayudar a implementar una política que impida la fuga de la
población mayoritaria de algunos distritos y su concentración en determinadas escuelas.
Ese parece ser el principal reto.
Agradecimientos
Este artículo ha sido desarrollado en el marco del proyecto de investigación ‘Mapa escolar
de València: La situación del alumnado y del sistema educativo en la educación obligatoria
en la ciudad de València, evolución histórica y formación de estudiantes en esta materia’,
fruto de un convenio de colaboración entre el Ajuntament de València y la Universitat de
València-Estudi General (UVEG) financiado por el Ajuntament de València. Exp: E-
02101-2016-000363-00.
Referencias
Alcalá-Santaella, F., Díaz Orueta, F., Ginés Sánchez, X. y Lourés Seoane, M. L. (2011). Valencia.
En M. Iglesias y M. Martí (Eds.), Políticas urbanas en España: Grandes ciudades, actores y
gobiernos locales (pp. 201-228). Icaria.
Alegre, M. A. (2017). Politiques de tria i assignació d’escola: Quines efectes tenen sobre la segregació
escolar? Fundació Jaume Bofill-Institut Català d’Avaluació de Polítiques Públiques.
Alegre, M. A., Benito, R. y Gonzàlez, I. (2008). Procesos de segregación y polarización escolar: La
incidencia de las políticas de zonificación escolar. Profesorado. Revista de Currículum y
Formación del Profesorado, 12(2), 1-26.
Alegre, M. A., Benito, R., Gonzàlez, I. y Chela, X., González, S. (2010). Les famílies davant l’elecció
escolar. Dilemes i desigualtats en la tria de centre a la ciutat de Barcelona. Fundació Jaume Bofill.
Avilés Martínez, J. M. (2003). Segregación escolar. En SOS Racismo (Ed.), Informe anual 2003 sobre
el racismo en el estado español (pp. 196-204). Icaria.
Ayuntamiento de Vitoria-Gasteiz. (2016). Documento de análisis y propuestas para hacer frente a la
segregación escolar en Vitoria-Gasteiz. Ayuntamiento de Vitoria-Gasteiz.
Bell, W. (1954). A probability model for the measure of ecological segregation. Social Forces, 32(4),
357-364. https://doi.org/10.2307/2574118
Benito, R. y Gonzàlez, I. (2007). Processos de segragacio escolar a Catalunya. Fundación Jaume Bofill.
Bonal X. (2012). Municipis contra la segregació escolar. Sis experiències de política educativa local.
Fundación Jaume Bofill.
Bonal X. (2018). La política educativa ante el reto de la segregación escolar en Cataluña. UNESCO.
Bonal, X. y Cuevas, J. (2019). Combatre la segregació escolar: De l’amenaça a l’oportunitat. Fundació
Jaume Bofill.
294
Bourdieu, P. y Passeron, J. C. (1979). La reproducción: Elementos para una teoría del sistema de
enseñanza. Laia.
Carbonell i Paris, F. (1998). Les ‘escoles gueto’ i el dret dels pares a escollir centre educatiu per als
seus fills. DCidob, 67, 14-17.
Carbonell, J., Simó, N. y Tort, A. (2002). Magribins a les aules. El model de Vic a debat. Eumo
Editorial.
Carrasco, S., Pàmies, J., Ponferrada, M., Ballestín, B. y Bertran, M. (2009). Segregación escolar e
inmigración en Cataluña: Aproximaciones etnográficas. EMIGRA Working Papers, 126, 25-
39.
Coleman, J. S. (1975) Recent trends in school integration. Educational Researcher, 4(7), 3-12.
https://doi.org/10.3102/0013189X004007003
Coleman, J. S., Kelly, S. y Moore, J. (1975). Trends in school segregation. 1968-73. The Urban
Institute.
Coleman, J. S., Campbell, E. Q., Hobson, C. J., McPartland, J., Mood, A. M., Weinfeld, F. D. y York,
R. L. (1966). Equality of educational opportunity. Department of Health, Education and
Welfare.
Colom i Ortiz, F. (2011). Desigualtats territorials en l’ensenyament a la ciutat de València (Tesis
doctoral). Universitat de València.
Colom i Ortiz, F. (2012). Desigualdades en el sistema educativo no universitario de la ciudad de
Valencia. En F. J. García Castaño y A. Olmos Alcaraz (Eds.), Segregaciones y construcción de
la diferencia en la escuela (pp. 43-60). Trotta.
Córdoba, C., Farris, M. y Rojas, K. (2017). Discussing school socioeconomic segregation in
territorial terms: The differentiated influence of urban fragmentation and daily mobility.
Investigaciones Geográficas, 92, 54-76. https://doi.org/10.14350/rig.54766
Cowgill, D. O. y Cowgill, M. S. (1951). An index of segregation based on block statistics. American
De Madaria, B., Gabaldón, E., García, S., Muñoz, D., Requena, M., Vila, L. y Rodríguez, J. M.
(2018). El proyecto Mapa Escolar de Valencia: Análisis de la zonificación educativa de la
ciudad de Valencia. Arxius de Ciències Socials, 39, 131-144.
Duncan, O. D. y Duncan, B. (1955a). A methodological analysis of segregation indexes. American
Duncan, O. D. y Duncan, B. (1955b). Residential distribution and occupational stratification.
American Journal of Sociology, 60(5), 493-503. https://doi.org/10.1086/221609
Dupriez, V. (2009). La segregació escolar: Reptes socials i polítics. Fundació Jaume Bofill.
Duru-Bellat, M. (2004). Social inequality at school and educational policies. UNESCO.
Essomba, M. A. (1999). Política educativa en materia de atención a hijos e hijas de familias
inmigradas en Catalunya. En SOS Racismo. (Ed.), Informe anual 1999 sobre el racismo en el
estado español (pp. 173-175). Icaria.
Farley, R., Richards, T. y Wurdock, C. (1980). School desegregation and white flight: An
investigation on competing models and their discrepant findings. Sociology of Education,
53(3), 123-139. https://doi.org/10.2307/2112408
Fernández Enguita, M. (1999). Alumnos gitanos en la escuela paya. Un estudio sobre las relaciones étnicas
en el sistema educativo. Ariel.
295
Fernández Soria, J. M. y Mayordomo Pérez, A. (1987). La escolarización valenciana. Tres lecturas

históricas. Universidad de Valencia.
Franze, A. (1998). Une école difficile: Sur la concentration d’élèves d’origine immigrée à Madrid.
Revue Européenne des Migrations Internationales, 14(1), 105-120.
https://doi.org/10.3406/remi.1998.1612
Gaja Díaz, F. (1996). La transformación de Valencia (I). Urbanismo, 28, 78-85.
García Castaño, F. J. y Rubio Gómez, M. (2013). Juntos, pero no revueltos: Procesos de
concentración escolar del alumnado extranjero en determinados centros educativos. Revista
de Dialectología y Tradiciones Populares, 68(1), 7-31.
https://doi.org/10.3989/rdtp.2013.01.001
García Castaño, F. J. Rubio Gómez, M., Olmos Alcaraz, A. y López Fernández, R. (2012). Todos
lo sabían… Naturalización de los procesos de agrupación y segregación escolar en un barrio
andaluz. En F. J. García Castaño y A. Olmos Alcaraz (Eds.), Segregaciones y construcción de la
diferencia en la escuela (pp. 83-118). Trotta.
https://doi.org/10.1177/003803850203600405
Goodman, F. (1972). De facto school segregation: A constitutional and empyrical analysis.
California Law Review, 60(2), 275-437. https://doi.org/10.2307/3479538
Grañeras, M., Lamelas R., Segalerva, A., Vázquez E., Gordo J. L. y Molinuevo, J. (1998). 14 años
de investigación sobre las desigualdades en el sistema educativo. CIDE
Guryam, J. (2004). Desegregation and black dropout rates. American Economic Review, 94(4), 919-
943. https://doi.org/10.1257/0002828042002679
Holme, J. J. (2002). Buying homes, buying schools: school choice and the social construction of
school quality. Harvard Educational Review, 72(2), 177-206.
https://doi.org/10.17763/haer.72.2.u6272x676823788r
Holsinger, D. B. y Jacob, W. J. (2008). Inequality in education. Comparative and international
perspectives. Comparative Education Research Centre. https://doi.org/10.1007/978-90-
481-2652-1
implications. Mathematical Social Sciences, 42(1), 13-29. https://doi.org/10.1016/S0165-
4896(00)00070-6
https://doi.org/10.1111/j.1468-2354.2004.00136.x
Instituto de Ciencias de la Educación. (1975). Planificación educativa de la provincia de Valencia.
Enseñanza general básica. Universidad de Valencia.
Jenks, C. y Peterson, P. E. (1991). The urban underclass. Brookings.
Katz, I. (1964). Review of evidence relating to effects of desegregation on the intellectual
performance of negroes. American Psychologists, 19(6), 381-399.
https://doi.org/10.1037/h0040569
López-Falcón, D. y Bayona i Carrasco, J. (2012). Segregación escolar y residencial en Barcelona:
Del boom migratorio al asentamiento. En F. J. García Castaño y A. Olmos Alcaraz (Eds.),
Segregaciones y construcción de la diferencia en la escuela (pp. 21-42). Trotta.
296
Maroy, C. (2008). ¿Por qué y cómo regular el mercado educativo? Profesorado. Revista de currículum
y Formación del Profesorado, 12(2), 3-14.
Martínez, L. y Ferrer, A. (2018). Mézclate conmigo. De la segregación socioeconómica a la educación
inclusiva. Save the Children España.
Massey, D. S. (1990). American apartheid: Segregation and the making of the underclass. American
Journal of Sociology, 96(2), 329-357. https://doi.org/10.1086/229532
Massey, D. S. y Denton, N. A. (1988). The dimensions of residential segregation. Social Forces,
67(2), 281-315. https://doi.org/10.2307/2579183
Massey, D. S. y Denton, N. A. (1993). American apartheid. Segregation and the making of the underclass.
Harvard University Press
Murillo, F. J. y Belavi, G. (2018). Segregación escolar de estudiantes pobres en España. Scripta
Nova. Revista Electrónica de Geografía y Ciencias Sociales, 22(603), 94-123.
https://doi.org/10.1344/sn2018.22.19894
en España. OBETS. Revista de Ciencias Sociales, 12(2), 395-423.
Musset, P. (2012). School choice and equity. Current policies in OECD countries and a literature review.
OECD. https://doi.org/10.1787/5k9fq23507vc-en
Nusche, D. (2009). What works in migrant education? A review of evidence and policy options. OECD
Publishing. https://doi.org/10.1787/227131784531
Observatorio Social La Caixa. (2016). La educación como ascensor social. Fundación Social La Caixa.
Olmedo, A. y Andrada, M. (2008). La libertad de elección de centro en España: Particularidades
nacionales y modalidades locales. Profesorado. Revista de Currículum y Formación del
Profesorado, 12(2), 1-8.
Olmedo, A. y Santa Cruz, E. (2008). Las familias de clase media y elección de centro: El orden
instrumental como condición necesaria pero no suficiente. Profesorado. Revista de Currículum
y Formación del Profesorado, 12(2), 1-30.
Palacio Lis, I. y Ruiz Rodrigo, C. (1993). Infancia, pobreza y educación en el primer franquismo. Valencia
1939-1951. Universitat de València.
Peláez Paz, C. (2012). La escuela, un espacio simbólico que construir: Estigmas y estrategias de los
agentes en los procesos de segregación étnica y escolarización. En F. J. García Castaño y A.
Olmos Alcaraz (Eds.), Segregaciones y construcción de la diferencia en la escuela (pp. 61-82).
Trotta.
Reardon, S. y Owens, A. (2014). 60 years after Brown: Trends and consequences of school
segregation. Annual Review of Sociology, 40, 199-218.
https://doi.org/10.1146/annurev-soc-071913-043152
297
Reber, S. J. (2005). Court-ordered desegregation: Successes and failures integrating American

schools since Brown versus Board of Education. The Journal of Human Resources, 40(3), 559-
590. https://doi.org/10.3368/jhr.XL.3.559
Rodríguez-Victoriano, J. M., De Madaria, B., García, S., Vila, L., Muñoz, D., Requena, M. y
Gabaldón, E. (2018). Primer informe del programa de investigación: La situación del alumnado y
del sistema educativo en la educación obligatoria en la ciudad de Valencia. Universitat de València.
Rodríguez-Victoriano, J. M., De Madaria, B., Gabaldón, E., García, S., Horcas, V., Romero, J. A.,
Vila, L. y Valero, A. (2019). Segundo informe del programa de investigación ‘Proyecto Mapa
Escolar’. El mapa escolar de Valencia: Procesos de elección de centro y segregación escolar.
Universitat de València.
Rosell, C. H. (1976). School desegregation and white flight. Political Science Quarterly, 90(4), 675-
695. https://doi.org/10.2307/2148750
Salinas Catalá, J. (2015). Una aproximación a la historia de la escolarización de las gitanas y gitanos
españoles. Cabás, 14, 96-126.
Sánchez Hugalde, A. (2007). Inflluencia de la inmigración en la elección escolar. Document de treball
2007/4. Institut d’Economia de Barcelona.
Sánchez Hugalde, A. (2009). La segregació escolar dels immigrants a Catalunya. Quaderns
d’Avaluació, 13, 55-76.
Santiago, C. y Maya, O. (2012). Segregación del alumnado gitano en España. Federación Kamira y
Fundación Mario Maya.
Sanz Arranz, J. R. (1974). Los problemas urbanos de Valencia. En M. Gaviria (Dir.), Ni desarrollo
regional ni ordenación del territorio. El caso valenciano (pp. 397-406). Turner.
Síndic de Greuges. (2008). La segregació escolar a Catalunya. Síndic de Greuges de Catalunya.
Síndic de Greuges. (2016a). La segregació escolar a Catalunya (I). La gestió del procés d’admissió
d’alumnat. Síndic de Greuges de Catalunya.
Síndic de Greuges. (2016b). La segregació escolar a Catalunya (II). Condicions d’escolarització. Síndic
de Greuges de Catalunya.
Tarabini, A., Jacovkis, J. y Montes, A. (2017). Los factores de la exclusión educativa en España:
Mecanismos, perfiles y espacios de intervención. UNICEF.
Teixidor de Otto, M. J. (2009). Paisaje urbano y funciones. Historia y ruptura. En J. Hermosilla
(Dir.), La ciudad de Valencia. Geografía y arte (pp. 47-68). Universitat de València.
Tenti Fanfani, E. (2008). Nuevos temas en la agenda de la política educativa. Siglo XXI.
Ternes Cordovez, G. (2010). La formación de la periferia urbana de Valencia a partir de los grupos
de viviendas (1900-1980). En A. Sanchis, B. Serrano, R. Ternes (Dir.), VLC_GV. Historias
vividas: Grupos de viviendas en Valencia 1900-1980 (pp. 79-112). Instituto Valenciano de la
Edificación.
Torres, F. (2007). Nous veïns a la ciutat. Els immigrants a València i Russafa. Universitat de València.
Valiente, O. (2008). ¿A qué juega la concertada? La segregación escolar del alumnado inmigrante
en Cataluña (2001-06). Profesorado. Revista de Currículum y Formación del Profesorado, 12(2),
1-23.
Vega Gil, L. (1997). La reforma educativa en España (1970-1990). Educar, 13, 101-128.
https://doi.org/10.1590/0104-4060.175
298
Wilson, F. D. (1985). The impact of school desegregation programs on white public-school

enrollment, 1968-1976. Sociology of Education, 58(3), 137-153.
https://doi.org/10.2307/2112415
Wilson, W. J. (1987). The truly disadvantaged. Inner city, the underclass and public policy. University of
Chicago Press.

Borja de Madaria
Es profesor asociado del departamento de Sociología y Antropología Social de la
Universitat de València, donde imparte cursos de sociología de la educación. Arquitecto
por la Universitat Politècnica de València y Graduado en Sociología por la Universitat de
València. Tiene un doctorado internacional en Representaciones Sociales por la
Università degli Studi di Roma ‘La Sapienza’. Sus intereses de investigación se centran en
las representaciones sociales del medio ambiente y el entorno construido, la construcción
discursiva del valor patrimonial y la relación entre el contexto urbano y la desigualdad
social. Ha coordinado el proyecto de investigación 'Mapa Escolar de València' como
técnico de apoyo a la investigación adscrito al ERI-Sostenibilitat de la Universitat de
València. ORCID ID: https://orcid.org/0000-0002-3546-6666. Email:
borja.madaria@uv.es
Luis E. Vila
Doctor en Economía por la Universidad de Valencia y Visiting Scholar en CERAS
(Stanford University) y ROA (Universiteit Maastricht). Catedrático de métodos
cuantitativos para la economía y la empresa en la Universidad de Valencia, donde imparte
cursos de Economía de la Educación y Métodos Cuantatitativos. Su actividad
investigadora y de transferencia se orienta hacia la evaluación econométrica de los efectos
socioeconómicos de las inversiones educativas y la comprensión los efectos de la
acumulación de capital humano heterogéneo en el status laboral de los individuos. Forma
parte del equipo de investigación del proyecto 'Mapa Escolar de València'. ORCID ID:
https://orcid.org/0000-0002-9541-9300. Email: luis.vila@uv.es
299
La Segregación Invisible: Prácticas Punitivas y de

Ordenamiento Académico en Escuelas Chilenas
Invisible Segregation: Punitive Practices and Ability Grouping

in Chilean Schools
Verónica López 1 *
Sebastián Ortiz 1
Claudio Allende 2
Juan Pablo Valenzuela 2
Luis González 1
1 Pontificia Universidad Católica de Valparaíso, Chile
2 Universidad de Chile, Chile
Si bien las políticas educativas y la investigación en educación han abordado la

segregación entre escuelas, las formas menos visibles de segregación y exclusión
dentro de la escuela apenas se han estudiado. El objetivo de este estudio fue
caracterizar y analizar la ocurrencia y concurrencia de dos tipos de prácticas:
punitivas y de ordenamiento por habilidades. Se utilizó las bases de datos del sistema
de información general de estudiantes de los años 2003 al 2018 para identificar
prácticas de ordenamiento académico, y los cuestionarios que acompañan la prueba
SIMCE del año 2018 para analizar las prácticas punitivas reportadas por estudiantes
de 6° (N = 224.274) y 10° grado (N = 202.282) y a padres de estudiantes de 4° grado
(N = 214.211), 6° grado (N = 204.894) y 10° grado (N = 171.596). Los resultados
muestran que los estudiantes de sexo masculino y en condición de pobreza reciben
más prácticas punitivas, y que el ordenamiento académico es utilizado ampliamente
en las escuelas chilenas, con mayor frecuencia en escuelas que solo imparten
enseñanza secundaria. El uso de prácticas punitivas es más frecuente en aquellos
colegios que ordenan académicamente. Se discute las implicancias de la sobre-
representación de estas prácticas para los fenómenos de segregación educativa.
Descriptores: Segregación escolar; Agrupación escolar; Integración escolar;
Exclusión social.
Even though educational policies and research in education have addressed between-
school segregation, less visible forms of within-school segregation and exclusion
have been scarcely studied. The purpose of this study was to characterize and analyze
the occurrence and concurrence of two types of practices: academic ability grouping,
and punitive disciplinary. The databases of the Chilean General Student Information
System from 2003 to 2018 were used to identify ability grouping, and the
questionnaires that accompany the 2018 SIMCE test was used to analyze punitive
practices reported by students of 6th (N = 224,274) and 10th grade (N = 202,282),
and parents of 4th grade students (N = 214,211), 6th grade (N = 204,894) and 10th
grade (N = 171,596). Results show that male and poor students receive more
punitive practices, and that ability grouping is widely used in Chilean schools, more
frequently in schools that only provide secondary education. The use of punitive
practices is more frequent in those schools that organize their classrooms according
to academic ability. The challenges of over-representation in some students of these
less visible practices of school segregation and exclusion in a school.
Keywords: School segregation; Academic grouping; School integration; Social
exclusion.
*Contacto: veronica.lopez@pucv.cl Recibido: 27 de abril 2020

1ª Evaluación: 13 de julio 2020
www.rinace.net/reice/ Aceptado: 7 de septiembre 2020
V. López, S. Ortiz, C. Allende, J. P. Valenzuela y L. González
1. Introducción
No es novedad la preocupación de los gobiernos por incentivar reformas que apunten a
combatir los problemas de segregación social y educativa de la educación (Perreza y
Terigi, 2010). Estas reformas no sólo han maximizado las oportunidades educativas,
garantizando el derecho a la educación y la inclusión de sus participantes (Cobeña, 2020),
sino que han intentado hacer frente a las condiciones sociales y familiares del estudiantado,
y que ampliamente predicen su posibilidad de éxito académico (Dupriez, 2010; Giménez
et al., 2020; Murillo y Hernández, 2020; Sangsurin, Chusorn y Agsonsua, 2019)
En Chile, las estrategias implementadas para enfrentar la segregación son un caso
paradigmático de estudio tanto en su estructura como organización (Allende, Valenzuela
y Díaz, 2018; Duk y Murillo, 2020; Valenzuela, Bellei y De Los Ríos, 2014). Desde los
años ochenta y durante la dictadura militar (1973-1990), se transformó en el único sistema
del mundo en dónde se ha conferido a las familias total libertad de elección de escuelas
para educar a sus hijos, primando una lógica de mercado asociado a sistemas de
financiamiento a la demanda, políticas compensatorias para los más desventajados y
sistemas de rendición de cuentas que garantizan la competencia interescuela (Parcerisa y
Falabella, 2017; Valenzuela, Villaroel y Villalobos, 2013).
Actualmente este sistema coexiste con legislaciones de garantía de derecho e inclusión
educativa, que eliminan el lucro y regulan los mecanismos de entrada a las escuelas
públicas o municipales, y las instituciones particulares subvencionadas o semipúblicas –
con financiamiento estatal, pero con administración privada– (Ley N° 20.845, 2015). Estas
legislaciones buscarían atenuar los resultados en evaluaciones en rendimiento académico,
que posiciona a Chile como uno de los países con mayores tasas de segregación entre
escuelas (Bellei, 2013; OCDE, 2016; Valenzuela, Bellei y De Los Ríos, 2014), reportando
incluso mayores niveles que los propios barrios y territorios de residencias de los
estudiantes (Bellei, 2013; Elacqua y Santos, 2013), y que podría considerarse como un
fenómeno de hipersegregación educativa (González, 2017).
En sistemas escolares altamente segregados con políticas recientes de inclusión en el
acceso que buscan la recomposición del cuerpo estudiantil, como es el caso de Chile, es
necesario prestar atención a nuevas formas de segregación (González, 2017). Chmielewski
(2014) advierte que sistemas escolares que eliminan las barreras de entradas conducen a
nuevos fenómenos de segregación intraescuela. Uno de ellos es el aumento en la frecuencia
del uso de mecanismos de ordenamiento académico, que favorecerían fenómenos de
discriminación positiva, así como uso de prácticas punitivas que favorecerían la
recomposición del escenario escolar, con medidas de exclusión escolar. Estos fenómenos,
para algunos autores, implicarían nuevas formas de segregación educativa, la cual estaría
vinculada a una inclusión dentro de la exclusión: escuelas para ciertos sectores de la
población, y experiencias escolares positivas sólo para los estudiantes más aventajados
(Hopkins, 2003; Richard, Schneider y Mallet, 2012; Veiga-Neto y Corcini, 2012).
La evidencia en esta materia es preocupante. La literatura ha mostrado que la decisión de
implementar mecanismos de ordenamiento interno sería una decisión de cada escuela,
siendo en general un atributo del director del establecimiento (MINEDUC, 2009; Treviño
et al., 2018). En Chile, este tipo de prácticas estarían bastante masificadas (Treviño et al.,
2018), aun cuando no existe ningún tipo de regulación gubernamental que instruya o
prescriba su uso. En Chile, según cifras de la OCDE (2013), aproximadamente un 74% del
302
total de los colegios de educación secundaria declaró realizar agrupamiento por habilidad
en todas (34%) o algunas asignaturas (40%), y solo cerca de un 26% no lo realizaría.
Este tipo de prácticas conviven con otras que la literatura ha denominado como punitiva
(Skiba, Arredondo y Williams, 2014), definidas como sanciones disciplinarias contra
estudiantes, y que explícitamente conlleva retirarlos temporal o prolongadamente de la
instrucción académica, o recomponer los cursos de un mismo grado por problemas
conductuales. Distintas investigaciones han mostrado que su uso desproporcionado es
inefectivo para prevenir fenómenos de convivencia escolar (Skiba y Knesting, 2001) y tiene
efectos directos en la segregación y exclusión social de las minorías (APA, 2008; Camacho
y Krezmien, 2019; Skiba y Rausch, 2013).
En el sistema chileno, este tipo de prácticas han sido consideradas normales (López et al.,
2011), y han contribuido con prácticas sutiles y cotidianas de segregación, o nuevos
dispositivos de segregación (Bellei, 2013) que van “sacando” o “invitando a salir” del
espacio escolar a estudiantes con comportamientos disruptivos (Ascorra et al., 2018;
López et al., 2019; Muñoz et al., 2014; Trautmann, 2008). Asimismo, según los directores
de los establecimientos chilenos participantes en la prueba PISA-2009, el 75% de ellos
declara su uso como causal de expulsión estudiantil; mientras que el 30% lo utiliza como
causa específica para la expulsión de los alumnos de bajo rendimiento (OECD, 2010).
Asimismo, las prácticas punitivas de expulsión explicarían una parte significativa de la
ventaja que obtienen los establecimientos de mejor rendimiento académico (Bellei, 2009).
A pesar de su importancia, no existen evidencias robustas que exploren este tipo de
prácticas-punitiva y de ordenamientos- como nuevos mecanismos de segregación y
exclusión educativa. Por el contrario, diversas investigaciones han reportado la necesidad
de repensar la segregación educativa más allá de las legislaciones y las variables
extraescolares, para pensar en cómo éstas se reproducirían en las prácticas cotidianas de
las escuelas (Cobeña, 2020). De ahí que este estudio buscó explorar y caracterizar la
ocurrencia de prácticas segregación/exclusión en el manejo de la diversidad estudiantil,
profundizando el conocimiento sobre la segregación al interior de los establecimientos
chilenos. Específicamente, este estudio aborda las prácticas de agrupamiento por habilidad
entre cursos y su trayectoria a través del tiempo, y las prácticas punitivas que generan
exclusión al interior de las escuelas.
2. Prácticas de segregación por agrupamiento

académico
El debate académico sobre el agrupamiento por habilidad al interior de las escuelas como
prácticas de segregación académica, se ha extendido por casi 100 años (Steengberger-Hu,
Makel y Olszewski-Kubilius, 2016), sin existir hasta hoy consenso sobre sus efectos, a
pesar de alta ocurrencia (OCDE, 2013) y diversidad de mecanismos de agrupamiento
existentes (Dupriez, 2010).
En general, los mecanismos de agrupamiento por habilidad u ordenamiento académico
implican acciones focalizadas para ordenar a los estudiantes entre clases (Ramberg, 2016).
A pesar de la existencia de diferentes mecanismos (streaming o tracking, banding, setting,
cross-age, entre otros), todos tienen como objetivo principal concentrar a estudiantes de
303
similar capacidad académica, con el objetivo de promover prácticas pedagógicas

pertinentes para cada grupo (Ireson y Hallam, 2001).
Por una parte, los promotores de estas políticas han indicado que la generación de cursos
homogéneos facilita el trabajo de los docentes, permite una mayor especialización de las
estrategias pedagógicas para alumnos con diferentes capacidades o habilidades, y
contribuyen con una mayor equidad en el avance de los aprendizajes del conjunto de
estudiantes de cada sala de clases (Bolick y Rogowsky, 2016; Duflo, Dupas y Kremer,
2011). En cambio, sus detractores han señalado que la aplicación de estos mecanismos
podría perjudicar seriamente a los jóvenes que asisten a cursos con alumnos con menores
habilidades, incrementando la inequidad, dañando el desempeño de corto y largo plazo, e
influyendo en las expectativas, auto-estima, auto-concepto, motivación y confianza de los
estudiantes (Belfi et al., 2012; Bolick y Rogowsky, 2016; Francis et al., 2017, 2019;
Mazenod et al., 2018; Oakes, 2008; Tereshchenko et al., 2018).
Frente a esto, la literatura aún no es totalmente consistente en el reporte de los efectos
observados ante políticas de ordenamiento académico. Por un lado, algunos estudios han
mostrado que su aplicación maximizaría las oportunidades educativas para estudiantes
con mayores capacidades, promueven su atención y participación durante la clase, y
favorecen el desarrollo de actitudes positivas de los estudiantes rezagados sobre sí mismos
y podría mejorar su rendimiento (Duflo, Dupas y Kremer, 2011; Figlio y Page, 2002). Por
otro lado, otros estudios han mostrado que no existirían efectos sistemáticos asociados
con el agrupamiento en distintas clases de estudiantes de alta, media o baja habilidad
(Betts y Shkolnik, 2000; Dustmann, Puhani y Schönberg, 2017; Steengberger-Hu, Makel
y Olszewski-Kubilius, 2016). En contraste, otras investigaciones, han concluido que los
efectos académicos del agrupamiento son negativos, donde una de las causas probables
sería que la mejora obtenida por los estudiantes aventajados no lograría compensar los
efectos perjudiciales en los estudiantes de menor rendimiento (Dupriez, 2010; Ramberg,
2016), probando también efectos negativos en el desarrollo socioemocional del cuerpo
estudiantil (Chmielewski, Dumont y Trautwein, 2013; Francis et al., 2017).
En Chile, la literatura de ordenamiento sobre gestión de la diversidad académica es muy
incipiente y no existe información oficial sobre otros tipos de agrupaciones que operan al
interior de los establecimientos escolares. En una primera investigación que buscó
determinar la magnitud de este fenómeno, Treviño y coautores (2018), mostraron que
cerca del 59% de los establecimientos que proporcionan solo educación media con dos o
más cursos por grado, realizaría algún tipo de ordenamiento académico, y que estaría
asociada con un aumento en tasas de deserción y repitencia de estudiantes. Así también,
afectaría la posibilidad de conformar redes académicas y sociales entre estudiantes
(Palacios et al., 2019), no así, con los niveles de autoestima y autoeficacia que mantendría
efectos positivos los ambientes heterogéneos (Treviño et al., 2019).
Un resultado interesante de la evidencia empírica indica que, contrario a lo que se pudiera
pensar, el agrupamiento interno en términos académicos y otros procesos de gestión de la
heterogeneidad interna (como la expulsión) no son necesariamente contradictorios, siendo
más bien procesos complementarios, que se presentaría a lo largo de todo el ciclo escolar
(Treviño et al., 2016). Lo que sería crítico, en un escenario político y social que vuelve la
inclusión de las diferencias un ideal necesario para la equidad de los sistemas escolares.
En relación a evidencia que haya explorado el manejo de la heterogeneidad más allá del
ordenamiento académico y social, como una práctica de exclusión del estudiantado –
304
concretamente, de cierto(s) tipo(s) de estudiante(s)– en el espacio escolar, Contreras y

coautores (2020) muestran, por primera vez, evidencia que estudiantes con necesidades
educativas especiales incorporados en escuelas que han implementado programas de
integración escolar no serían agrupados entre clases al interior de dichas escuelas. Así
mismo, muestran que a medida que mejores prácticas de inclusión son llevadas a cabo los
efectos negativos derivados de incorporar estudiantes con este tipo de necesidades (en
resultados) desaparecen (Contreras et al., 2020).
3. Prácticas punitivas que generan exclusión

En las últimas décadas, uno de los desafíos de la política de inclusión escolar ha sido
promover acciones y estrategias que desarrollen una gestión transformativa y democrática
de los ambientes escolares, en lugar de una gestión punitiva de control comportamental.
Lo que en Chile ha resultado contradictorio y ambivalente (Magendzo et al., 2012;
Morales, López, Ascorra y Carrasco, 2019), al coexistir estrategias políticas y
legislaciones que por un lado, favorecen una aproximación formativa y preventiva en la
gestión de conflictos mediante resoluciones pacífica, democrática y participativa; y por
otro, una lógica punitiva que establece el control y el castigo como mecanismo para
resolver los problemas convivenciales, y que tiene sus bases en las políticas de “Tolerancia
Cero” implementadas en Estados Unidos hace más de dos décadas (Calvin, Gurel y Barber,
2017), y que hoy preocupan a la realidad latinoamericana (Lehmann et al., 2020; Morales
y López, 2019) Esta segunda lógica supone un creciente uso de prácticas punitivas,
definidas como sanciones contra los estudiantes que explícitamente conllevan retirarlos
de la sala de clases por un tiempo significativo y que no necesariamente implican diálogo
y reparación frente a los problemas escolares (Weaver y Swank, 2020), sino, más bien la
exclusión del comportamiento disruptivo mediante la sanción (Campoy, 2019; Marcucci,
2019; Sugai et al., 2000), y en base a una diferenciación arbitraria de los agentes escolares
sobre los estudiantes y sus condiciones de ingreso al espacio escolar (Lehmann et al., 2020;
Marcucci y Elmesky, 2020; Williams et al., 2020). En Estados Unidos, se ha evidenciado
que el nivel de ocurrencia o uso de este tipo de prácticas es más frecuente y está
sobrerrepresentado en estudiantes de origen afroamericano (Bell, 2020; Camacho y
Krezmien, 2019). En España, hay evidencia de una mayor ocurrencia en estudiantes con
trastornos de apego (Campoy, 2019).
Distintas investigaciones han mostrado la ineficacia del uso de prácticas punitivas
disciplinarias para prevenir la violencia (Skiba y Knesting, 2001; Skiba y Rausch, 2013;
Weaver y Swank, 2020) impactando negativamente en las relaciones entre profesores y
estudiantes y en la percepción de los estudiantes de la justicia educativa (APA, 2008;
Peguero y Bracy, 2014; Augustine et al., 2018). Asimismo, tendrían implicancias en la
segregación y exclusión social de las minorías (APA, 2008; Calvin, Gurel y Barber, 2017;
Camacho y Krezmien, 2019; Luhmann et al., 2020; Marcucci y Elmesky, 2020; Peguero y
Bracy, 2014; Skiba et al., 2014; Williams, et al., 2020), y en el fenómeno de la deserción
escolar (Augustine et al., 2018; Peguero y Bracy, 2014; Skiba y Rausch, 2013).
En Chile, estudios cualitativos han mostrado que las prácticas punitivas de exclusión
(suspensión, expulsión o traslado de los estudiantes a otro establecimiento) son frecuentes
y de amplia aceptación en el quehacer cotidiano (López et al., 2011). Si bien las
regulaciones vigentes, como la Circular Nº1 de la Superintendencia de Educación Escolar
del 2014, se han orientado a tipificar este tipo de sanciones, siguen siendo aceptadas ya sea
305
como justificación discursiva para comprender la convivencia escolar (Ascorra et al., 2018)
o como mecanismos válidos para regular los diversos problemas de comportamiento al
interior de las escuelas (López et al., 2011, 2019; Muñoz et al., 2014).
Ceardi, López y Valdez (2018) y Valdés, López y Chaparro (2018) examinaron los efectos
de la percepción que los estudiantes tienen sobre la ocurrencia de prácticas punitivas de
exclusión en la percepción de convivencia escolar inclusiva, encontrando no sólo una alta
frecuencia en este tipo de prácticas, sino además correlaciones positivas con la percepción
de prácticas de convivencia escolar inclusiva, democrática y pacífica. Asimismo, los
resultados indicaron correlaciones positivas a nivel de escuelas entre las prácticas
punitivas y las prácticas de convivencia escolar democrática, pacífica e inclusiva, lo que es
sorprendente considerando que la literatura muestra que la existencia de prácticas de
exclusión son asociadas con prácticas de segregación y un clima autoritario que socaba las
posibilidades para el respeto, diálogo y participación en la escuela y para una convivencia
más democrática e inclusiva (Augustine et al., 2018; Gregory et al., 2016; Losen, 2011;
Umeh, Bumpus y Harris, 2019).
Sin embargo, no existe una caracterización numérica a gran escala de los distintos tipos
de prácticas punitivas, ni muchos menos su vinculación con otros tipos de prácticas de
segregación/exclusión, como las de ordenamiento académico.
4. Método
4.1. Participantes
Se utilizó las bases de datos del sistema de información general de estudiantes de Chile
(SIGE) de los años 2003 al 2018. Estas consisten en un registro de características
demográficas individuales y resultados académicos obtenidos por todos los estudiantes de
Chile, y características descriptivas de los establecimientos educativos. Estos datos
proporcionaron las variables promedio general y situación final al terminar el año en curso
(aprobado, retirado o reprobado) utilizadas para determinar si un establecimiento realiza
ordenamiento por habilidad.
Adicionalmente, se utilizó las bases de datos que corresponden a las pruebas del Sistema
de Medición de Calidad de la Educación (SIMCE) del año 2018 aplicadas a todos los
estudiantes en 4°, 6° y 10° grado. Para este estudio se utilizó las encuestas
complementarias aplicadas a los padres y apoderados, las cuales adicionalmente contienen
información que permite caracterizar socio-demográficamente a los estudiantes del país,
de 4° grado (N = 214.211), 6° grado (N = 204.894) y 10° grado (N = 171.596), y las
encuestas a estudiantes de 6° grado (N = 224.274) y 10° grado (N = 202.282). En el año
2018 por primera vez se incluyeron preguntas que permiten identificar la magnitud de las
prácticas punitivas en todo el país, diseñada por los autores y aceptadas para su
incorporación en los cuestionarios previstos por la Agencia de Calidad de la Educación
luego de una convocatoria abierta.
La muestra utilizada al año 2018 contó con 3.181 establecimientos con dos o más cursos
(724 solo secundaria, 1036 solo primaria y 1421 completos) que corresponden a un 36%
de todos los establecimientos (de primaria y secundaria) existentes en Chile. En términos
de matrícula estos colegios corresponden aproximadamente a un 75% de la matricula total
de niños y jóvenes en edad escolar. Con esto se asegura que los análisis realizados son
representativos de una gran proporción del sistema educacional chileno, quedando
306
subrepresentados principalmente los establecimientos de zonas rurales, que en general no

tienen más de un curso por nivel.
4.2. Instrumento
Prácticas punitivas. Se incluyó un set de preguntas en cuestionarios de apoderados y
estudiantes, para medir las percepciones de apoderados y estudiantes sobre la utilización
de prácticas punitivas al interior de los establecimientos. Para el caso del cuestionario de
apoderados incluyó siete preguntas con respuestas del tipo Likert, con rangos entre 1 a 5
(alfa=0,82). El cuestionario de estudiantes incluyó 4 preguntas con respuestas del tipo
Likert, con rangos entre 1 a 5 (alfa = 0,77). Las preguntas utilizadas, sus escalas y la
práctica punitiva que representan se muestran en el cuadro 1. Dado que el objetivo de esta
investigación es determinar a modo general la existencia o percepción de ocurrencia de
este tipo de prácticas al interior de los establecimientos se recodificaron los reactivos
generando variables dicotómicas que toman el valor 1, si una determinada práctica ocurrió
una o más veces y 0, si no ocurrió.
Cuadro 1. Preguntas sobre prácticas punitivas anuales y mensuales incluidas en SIMCE
2018 para padres/apoderados y estudiantes
PRÁCTICA
ACTOR PREGUNTAS
PUNITIVA
Considerando el año pasado y este año ¿Le ocurrieron al
estudiante algunas de las siguientes situaciones? 1: nunca; 2:1
vez; 3:2 veces; 4:3 a 5 veces; 5:6 veces o más.
No lo dejaron participar de una actividad de la escuela No
por mal comportamiento (por ejemplo, no ir a un participación
paseo de curso). Condicionalidad
Lo dejaron condicional por mal comportamiento. Suspensión
Lo suspendieron uno o más días por mal Cambio de
Padres y
comportamiento. curso
apoderados
Lo cambiaron de curso por mal comportamiento. Intento de
(α = 0,82) Lo intentaron expulsar del establecimiento por mal expulsión
comportamiento.
En el último, ¿cuántas veces le ocurrieron al estudiante las
siguientes situaciones? 1: nunca; 2:1 a 2 veces; 3:3 a 5 veces; 4:6 a
10 veces; 5:11 veces o más. Anotaciones
Le pusieron anotaciones negativas en el libro de clases Negativas
por mal comportamiento. Envío a
Lo enviaron a inspectoría por mal comportamiento. inspectoría.
En el último, ¿con qué frecuencia te ha ocurrido lo siguiente?
1: nunca; 2:1 a 2 veces; 3:3 a 5 veces; 4:6 a 10 veces; 5:11 veces o
más. Anotaciones
Un profesor me puso anotaciones negativas en el libro Negativas
de clases por portarme mal. Envío a
Estudiantes Un profesor me envío a inspectoría por portarme mal. inspectoría
(α = 0,82) Considerando los dos últimos años ¿Te ocurrieron algunas
de las siguientes acciones? 1: nunca; 2: 1 vez; 3: 2 veces; 4: 3 a 5
veces; 5: 6 veces o más. Suspensión
Me suspendieron por portarme mal. Cambio de
Me cambiaron de curso por revoltoso. curso
Fuente: Elaboración propia.
Prácticas de ordenamiento académico. En Chile no existe ninguna política o decreto

ministerial que exija a los establecimientos informar sobre los procesos de ordenamiento
realizados, ni tampoco existe información pública que mencione si un establecimiento
307
realiza este tipo de prácticas. Por ende, la identificación de los establecimientos que
utilizan estas estrategias fue estimada de manera indirecta siguiendo las recomendaciones
de Treviño y coautores (2018). Así, se identificaron tres mecanismos de agrupamiento por
habilidad al interior de los colegios chilenos: a) agrupamiento inicial por habilidad,
consiste en ordenar a los alumnos cuando ingresan al primer grado donde un
establecimiento educacional provee educación, generando una distribución no aleatoria de
sus estudiantes; b) reordenamiento académico, consiste en reasignar a más del 20% de los
estudiantes, motivado por criterios académicos, de un mismo nivel de un año a otro, uno
o más años desde su ingreso al colegio y; c) agrupamiento académico, consiste en la
distribución intencionada de estudiantes nuevos y/o repitentes en niveles no iniciales.
La identificación de estos tipos de agrupamiento se realizó mediante un análisis de la
distribución del rendimiento académico, previo al año analizado, de los estudiantes. Para
ello se utilizaron tres variables: la proporción de estudiantes repitentes, y los alumnos que
se ubicaban en el primer y quinto quintil del promedio de notas general obtenido el año
inmediatamente anterior al analizado. Para identificar la existencia de alguno de los
mecanismos mencionados se utilizó el test Chi-Cuadrado, para estimar la significancia en
la distribución entre las aulas que poseen los establecimientos. En caso de haber
diferencias significativas, se puede concluir que existiría una alta probabilidad que
presente una distribución no aleatoria de estudiantes en el nivel evaluado. Luego se
clasificó cada año y tipo de agrupamiento por habilidad a través de una variable dicotómica
que tomó el valor 1 si dicho establecimiento utilizó dicho mecanismo en al menos un grado
y 0 si no.
Finalmente, se clasificó cada establecimiento en cada tipo de agrupamiento definido
considerando la persistencia de la(s) práctica(s) de agrupamiento en el tiempo,
determinando (a) No hace ordenamiento, si a lo más se estimó que había agrupado un año;
(b) Hace ordenamiento, si agrupó a sus estudiantes cuatro o más años y obligatoriamente
lo hizo el último año observado y; (c) Hace ordenamiento esporádicamente (dos casos), si
hace agrupamiento entre dos o tres años, y si agrupa estudiantes cuatro o más años, sin
haberlo realizado durante el último año observado. Con este algoritmo fue posible
clasificar a todos los establecimientos con 2 o más cursos en una de las categorías antes
mencionadas desde los años 2007 al 2018 inclusive.
5. Resultados
5.1. Ocurrencia de prácticas de ordenamiento académico
Las figuras 1 y 2 muestran los resultados obtenidos para los tres tipos de ordenamiento
académico analizados, diferenciando por tipo de enseñanza (solo primaria, solo secundaria
y completos). Como se observa, las prácticas de ordenamiento siguen siendo utilizadas por
la gran mayoría de los establecimientos tanto en primaria como en secundaria (Treviño et
al., 2018). Todas las prácticas de agrupamiento por habilidad tienen una persistencia más
alta en establecimientos que proveen solo educación secundaria, las que, si bien se han
reducido significativamente en el periodo, siguen siendo utilizadas por su mayoría. Así
mismo, la práctica de agrupamiento académico es el mecanismo más utilizado (ya sea
recurrente o esporádicamente) por todos los colegios independiente del nivel al que
proveen educación.
308
Entre 2007 y 2018 ha disminuido la cantidad de escuelas que realizan prácticas de

ordenamientos, sin observarse un aumento de casos que utilizan esporádicamente estas
prácticas. Específicamente, las prácticas de agrupamiento inicial y reordenamiento
académico presentaron la caída más pronunciada, siendo el agrupamiento inicial aquella
que registró una mayor caída, de casi 25 puntos porcentuales en el transcurso de 10 años.
Llama la atención la caída observada en el periodo 2014-2015 y posteriores del uso de
estas prácticas de ordenamiento al interior de las escuelas.
Figura 1. Evolución de la magnitud de uso de los tipos de ordenamiento identificados en

establecimientos que proveen solo educación secundaria entre 2007 y 2018
La figura 1 muestra los resultados para los establecimientos que proveen solo educación
primaria y colegios completos (primaria y secundaria). El reordenamiento académico es la
práctica menos utilizada por este tipo de colegios, donde en establecimientos que proveen
solo educación primaria prácticamente no es utilizada al año 2018. Sin embargo, tal como
fue mencionado, el agrupamiento académico es la práctica más recurrente en estos
establecimientos y sería aplicada principalmente de forma esporádica.
5.2. Ocurrencia de prácticas punitivas
En el cuadro 2 se observa las magnitudes de ocurrencia percibidas de las distintas prácticas
punitivas, tanto por padres como por alumnos. En todos los niveles encuestados, las
prácticas punitivas más comunes fueron las suspensiones y la condicionalidad, cuyo uso
adicionalmente aumenta en grados más altos. Los reportes de suspensiones por parte de
los estudiantes son mayores que las de los padres, situación que podría estar reflejando la
existencia de otros tipos de suspensiones que los padres no tienen conocimiento. El cambio
de curso sería la práctica de menor persistencia según el reporte de padres no superando
el 1,3%, situación que para los estudiantes es más común (6% y 3,3%, en 6 y 10 grado,
respectivamente).
Finalmente, la no participación en actividades pareciera ser una práctica utilizada
regularmente y con mayor intensidad en primaria, que en secundaria. En secundaria se
309
optaría principalmente por prácticas que implican castigos mucho más severos como son
las suspensiones y la condicionalidad de los estudiantes.
Figura 2. Evolución de la magnitud de uso de los tipos de ordenamiento identificados en

establecimientos que proveen educación primaria y completos entre 2007 y 2018
Cuadro 2. Porcentaje percibido por padres y estudiantes de aplicación de prácticas

punitivas en los últimos dos años (y número de padres/estudiantes que contestaron la
pregunta)
CURSO
PRÁCTICA PUNITIVA
4° grado 6° grado 10° grado
Percepción de Padres
No Participación de actividades 5,30% (207.055) 6,20% (196.953) 4,10% (164.438)
Condicionalidad 4,60% (204.987) 6,80% (195.226) 7,80% (163.745)
Suspensión 6,90% (204.609) 9,90% (195.050) 10,00% (163.661)
Cambio de curso 1,10% (204.863) 1,30% (195.195) 1,30% (163.804)
Intento de expulsión 1,70% (204.962) 2,40% (195.298) 2,20% (163.892)
Percepción de Estudiantes
Suspensión 15,10% (215.989) 15,70% (199.046)
Cambio de curso 6,00% (214.098) 3,30% (198.640)
Nota: En paréntesis el total de observaciones para cada pregunta de los cuestionarios respectivos.
La figura 3 muestra las diferencias observadas en los reportes de prácticas punitivas,

diferenciando por sexo y el nivel socioeconómico (NSE) de procedencia según quintiles de
ingreso de las familias. Se observa de forma consistente una gran diferencia entre hombres
y mujeres en todos los grados considerados, con mayor aplicación en hombres. Las
diferencias fueron significativas para todas las prácticas punitivas consideradas (tanto
310
padres como estudiantes) y niveles. Esta diferencia se atenuaría en el paso de educación

primaria a secundaria, sin embargo, continúan siendo significativa.
Las diferencias antes descritas se incrementarían al considerar el NSE de procedencia de
los estudiantes. Así, la aplicación de prácticas punitivas pareciera ser incremental a
menores ingresos. Además, todas las prácticas punitivas ocurrirían con mayor frecuencia
en establecimientos donde asisten estudiantes más vulnerables (quintil 1). Se encuentran
diferencias significativas respecto a la frecuencia de aplicación en todas las prácticas
punitivas aplicadas a sus pares pertenecientes al NSE más alto (quintil 5). Estas diferencias
se exacerban aún más si consideramos las diferencias por sexo, llegando a niveles muy
altos en algunas prácticas como las suspensiones, las que en el caso de estudiantes hombres
del quintil 1 alcanzan en 6° grado casi un 20% según los padres, y cerca del 30% según
estudiantes.
Figura 3. Porcentaje de ocurrencia informado por padres y estudiantes de aplicación de

prácticas punitivas en el últimos dos años diferenciado por sexo y quintil socioeconómico
Cuadro 3. Porcentaje percibido por padres y estudiantes de aplicación de prácticas
punitivas en el último mes
PRÁCTICA PUNITIVA 4° GRADO 6° GRADO 10° GRADO
Percepción de Padres
Anotaciones Negativas 23,5% (207.778) 32,5% (197.766) 29,3% (165.273)
Envío a Inspectoría 13,6% (206.059) 16,7% (196.109) 12,2% (164.275)
Percepción de Estudiantes
Anotaciones Negativas 50,8% (215.899) 42,1% (199.077)
Envío a Inspectoría 25,7% (215.543) 18,0% (198.657)
Nota: En paréntesis el total de observaciones para cada pregunta de los cuestionarios respectivos.
La ocurrencia de las prácticas punitivas –anotaciones negativas y envío a inspectoría– es

frecuente, y pueden ser consideradas de uso diario o común (cuadro 3). Se observa una alta
311
persistencia de este tipo de prácticas, principalmente las anotaciones negativas, en todas

las escuelas primarias y secundarias del país. Las diferencias en las percepciones de padres
y estudiantes para este tipo de prácticas tienen diferencias extremadamente altas.
En la figura 4 observamos las diferencias para estas prácticas por sexo y nivel
socioeconómico. Los resultados revelan nuevamente que la aplicación de estos
mecanismos es mucho más elevada en establecimientos donde los estudiantes pertenecen
a los grupos más vulnerables de la sociedad, donde a menor NSE, mayor es la frecuencia
de uso. Asimismo, los estudiantes hombres son los que se ven más afectados por la
aplicación de estas prácticas coercitivas por parte de las autoridades de los
establecimientos.
Figura 4. Porcentaje ocurrencia informado por padres y estudiantes de aplicación de

prácticas punitivas durante el último mes diferenciado por sexo y quintil socioeconómico
5.3. Concurrencia de prácticas punitivas y de ordenamiento académico

Para indagar en la concurrencia entre las prácticas punitivas y de ordenamiento académico
se comparó solo aquellos establecimientos que en el 2018 realizaban algún tipo de
agrupamiento según la estimación, dejando fuera del análisis aquellos establecimientos
que realizaban agrupamiento esporádico. A diferencia de los resultados antes presentados,
los resultados en esta sección se obtuvieron a nivel de establecimientos; determinando, al
igual que con las prácticas de ordenamiento, cuán frecuente es la utilización de estas
prácticas a nivel escolar. Para esta estimación se pesó los resultados por el número de
estudiantes de cada establecimiento, buscando reconocer las diferencias asociadas al
tamaño de matrícula.
Los resultados muestran que existiría una concurrencia de ambas prácticas, donde la
utilización de algunas prácticas punitivas sería significativamente más frecuente en
312
establecimientos que realizan prácticas de ordenamiento académico, diferencias que en los

casos más extremos son solo de poco más de 2% (ver figura 5). Además, dependiendo del
tipo de agrupamiento utilizado, existiría una focalización de las distintas prácticas
punitivas por nivel.

prácticas punitivas durante los últimos dos años, diferenciando por si hacen
agrupamiento inicial en educación secundaria
Las principales diferencias observadas estuvieron concentradas en la educación secundaria

(figura 6). En este nivel, las diferencias entre el promedio de las prácticas punitivas
informadas por los padres en los colegios que ordenaban académicamente, respecto de los
que no lo hacían, se presentaban en las prácticas de no participación (0,9%), suspensión
(2,2%), cambio de curso (0,6%) e intento de expulsión (0,7%), mostraron ser
significativamente mayores. Igual resultado se observó con las diferencias observadas en
las prácticas informadas por los estudiantes respecto de cambio de curso (1,0%) y
suspensión (1,9%).
A diferencia de los mecanismos de reordenamiento, las prácticas punitivas serían más
frecuentes en educación primaria en los establecimientos que realizan agrupamiento
académico (figura 7). En esta se observa que existirían diferencias significativas en la
diferencia entre quienes agrupan y no agrupan en los reportes de los padres sobre
condicionalidad (1,0% en 4° grado y 1,9% en 6°grado), suspensión (1,0% en 4° grado y
1,4% en 6° grado), cambio de curso (0,3% en 4° y en 6° grado) e intento de expulsión (2,1%
en 6° grado). Así mismo, las diferencias en los reportes de los estudiantes, como la práctica
de cambio de curso (0,9% en 6° grado) y suspensión (2,1% en 6° grado) también mostraron
ser significativas.
313

prácticas punitivas durante los últimos dos años, diferenciando si hacen reordenamiento
académico

prácticas punitivas durante los últimos dos años, diferenciando si hacen agrupamiento
académico
314
Finalmente, al observar los resultados diferenciando por NSE de los establecimientos, se

observa nuevamente que mientras menor sea el NSE, mayor es la frecuencia de uso de
prácticas punitivas, tanto entre los colegios que ordenan académicamente como entre los
que no lo hacen. La figura 8, muestra los resultados obtenidos para los establecimientos
que realizan agrupamiento académico. Como se puede observar, se exacerban los hallazgos
descritos anteriormente, para 4° y 6° grado, en los establecimientos de menor NSE.
Figura 8. Porcentaje de ocurrencia informado por padres y estudiantes de aplicación de

prácticas punitivas durante los últimos dos años diferenciadas por nivel socioeconómico
y si realizan agrupamiento académico
6. Discusiones y conclusión
La segregación escolar no es solo un fenómeno entre escuelas, sino que ocurre y se expresa
también al interior de ellas. En este estudio nos aproximamos a la descripción y análisis
de formas menos visibles de segregación escolar que ocurren al separar a estudiantes con
base en su rendimiento académico, así como al castigarlos por su mal comportamiento,
excluyéndolos del aula y de los espacios de aprendizaje.
Los resultados muestran que ser de sexo masculino y en condición de pobreza caracterizan
la ocurrencia de prácticas punitivas al interior de las escuelas chilenas. Esto implica una
distribución no equitativa de los recursos escolares disponibles al servicio de cierto tipo
de estudiantes por sobre otros, colocando entonces a los estudiantes con las características
anteriormente descritas, en mayor riesgo de ser sujetos a prácticas de segregación y de
exclusión por aplicación de este tipo de medidas. Lo que es consistente con la evidencia
internacional para estas prácticas (APA, 2008; Calvin, Gurel y Barber, 2017; Camacho y
Krezmien, 2019; Cobeña, 2020; Giménez et al., 2020; Murillo y Hernández, 2020; Palacios
315
et al., 2019; Peguero y Bracy, 2014; Sangsurin, Chusorn y Agsonsua, 2019; Steengberger-
Hu, Makel y Olszewski-Kubilius, 2016).
Estos hallazgos muestran cómo el fenómeno de la segregación educativa aparece como
una micropráctica o un tipo de segregación (Bellei, 2013) que se reproduce en la
cotidianidad escolar (Cobeña, 2020). Se trataría de patrones naturalizados de
comportamiento profesional regidos con base en ciertas distinciones que los directivos y
profesores hacen de sus estudiantes con base al rendimiento académico y su conducta en
el aula. Esto podría ser entendido como un antecedente más de la hipersegregación del
sistema educativo chileno (González, 2017), tratándose de un mecanismo de
intensificación de las condiciones de exclusión social para algunos estudiantes, que no sólo
asisten a escuelas altamente segregadas, sino que experimentarían una serie de prácticas
que los excluiría de la actividad pedagógica formal, mediante acciones de disciplina
desproporcionada y ordenamiento según habilidades académicas (Marcucci y Emesky,
2020; Ramberg, 2016)
En el caso de las prácticas de segregación académica intraescolar e interescolar, un
resultado inesperado del análisis descriptivo efectuado sobre una ventana de tiempo de
doce años fue la disminución sistemática de estas prácticas desde el año 2014 en adelante.
Los resultados indican que durante el 2014-2015, aumentó progresivamente el número de
escuelas que no realiza este tipo de prácticas. A su vez, en este mismo período, comenzó a
disminuir progresivamente el número de escuelas que realiza agrupamiento y
reordenamiento académico, especialmente notorio en aquellos centros escolares que solo
tienen enseñanza secundaria. Es notorio, no sólo por la disminución de instituciones que
la realizan, considerando su uso común, sino porque en Chile ni la agrupación inicial ni el
reordenamiento académico están prohibidos ni siquiera regulados por ley (Treviño et al.,
2018), pudiendo hipotetizar el efecto performativo de otras políticas asociadas a inclusión
escolar, y que comienzan a ponerse en la palestra del escenario nacional e internacional en
las últimas décadas (Manghi et al., 2020).
Durante este periodo, en Chile se discutía el sentido general y las justificaciones éticas y
teóricas para la promulgación de legislación de garantía de derechos para el acceso escolar
y de diversificación de la composición social de los estudiantes en las escuelas financiada
por el Estado, mediante un único sistema de postulación escolar (Ley de Inclusión -Ley
N°21.015-, 2015). Y si bien, el alcance de esta investigación no buscó evaluar esta
legislación en los años de promulgación e implementación, es interesante explorar en
futuros estudios el efecto performativo de este dispositivo (Carrasco, 2013; Sisto, 2019) en
la construcción de nuevos mecanismos para la gestión de la heterogeneidad estudiantil
respecto a la distribución intra-escuela de los estudiantes en función de su rendimiento
académico, y que sostienen el argumento sobre la disminución de este prácticas menos
visibles.
En cuanto a las prácticas de disciplina punitiva, no fue posible describir su evolución en el
tiempo, pues a la fecha solo se cuenta con resultados para una cohorte de estudiantes. No
obstante, estos hallazgos sugieren que algunas de estas prácticas tienen una frecuencia
mayor que en otros países. Por ejemplo, los padres chilenos informan que cerca de un 2%
de los estudiantes sufrió algún intento de expulsión escolar durante el último año. Si bien
esta cifra no corresponde a expulsiones efectivas, es muy probable que un alto porcentaje
sí haya sido efectiva; comparando con la realidad norteamericana, que informó una tasa de
estudiantes expulsados de 0,22% (Digest of Education Statistics, 2018). De manera
316
similar, el 15,1% de estudiantes chilenos de 6° grado, y el 15,7% de 10° grado informaron

que los habían suspendido el año anterior. Esta cifra es mayor al 7,3% (para hombres) y
3,2% (para mujeres) reportadas en Estados Unidos (Digest of Education Statistics, 2018),
porcentajes bastante distantes de los cerca de 12,4% de hombres y 5,5% de mujeres que se
les habría aplicado alguna suspensión en Chile.
Una posible explicación a este escenario, requiere entender el contexto del uso de las
anotaciones negativas y envíos a inspectoría. Estas suelen ser prácticas de uso diario y
coercitivas que tienen a disposición tanto profesores como inspectores para mantener la
disciplina al interior de las aulas (Camacho y Krezmien, 2019; Marcucci y Elmesky, 2020)
y también fuera de ellas (Umeh, Bumpus y Harris, 2019). Asimismo, la información de
estas no suele ser entregada a los padres ni informadas regularmente a los propios
estudiantes (López et al., 2019), lo que sin duda genera un proceso de distanciamiento
entre la escuela, las familias y las posibilidades educativas que surgen en dicha relación
(Bell, 2020; Murillo y Hernández, 2020).
Los análisis preliminares de la concurrencia de prácticas de ordenamiento académico con
diversas prácticas punitivas indican que éstas últimas son más frecuentes entre los
colegios que ordenan académicamente, diferencias que en la mayor parte de los casos son
estadísticamente significativas. No obstante, su aplicación es relativamente independiente
al de las prácticas de ordenamiento académico observadas en Chile; lo que desafía al país
a avanzar en políticas, programas y estrategias específicas para modificar las prácticas y
las culturas al interior de los establecimientos educativos chilenos, por otras de reparación
y diálogo en la resolución de los conflictos disciplinarios (Augustine et al., 2018; Marcucci,
2019; Weaver y Swank, 2020). La consigna de una escuela más inclusiva implica entonces,
considerar aquellas prácticas menos visibles de segregación y exclusión escolar que
informan los estudiantes y padres como frecuentes, y que desde estos hallazgos están
sobre-representadas en aquellas poblaciones justamente más vulnerables (Lehmann et al.,
2020; Losen, 2011; Weaver y Swank, 2020).
Entre las limitaciones de este estudio, consignamos que la metodología para identificar
agrupamiento/ordenamiento académico entre aulas solo es aplicable a los
establecimientos que tienen dos o más cursos, lo que deja fuera muchos mecanismos
utilizados y descritos en la literatura de ordenamiento al interior de las aulas, como puede
ser la creación de grupos y ordenar las salas de clase de acuerdo al rendimiento y
comportamiento de los alumnos, entre otros. Por otra parte, nuestro acercamiento a las
prácticas punitivas consiste en lo que informan los estudiantes y sus padres. Al no existir
un registro público de esto, constituyen la mejor aproximación posible al fenómeno en
estudio.
A futuro, sugerimos el estudio de la evolución del uso de las prácticas punitivas en escuelas
chilenas, así como estudios comparados en los países de habla hispana. Así también, es
necesario estudiar si y cuál es el nivel de incidencia de las prácticas punitivas y de
segregación por grupo curso en indicadores claves educativos, como es el desempeño
académico, la repitencia y rezago educativo, y la deserción. Desde una perspectiva
cualitativa, es necesario comprender cómo se configuran discursivamente estas prácticas
en el imaginario social y cómo se despliegan en escenarios concretos. Además, sugerimos
indagaciones cualitativas de corte crítico que exploren las condiciones de posibilidad sobre
las que se sustentan y sostienen en el tiempo estas prácticas de segregación menos visibles.
Posiblemente la persistencia de los paradigmas conductistas y la valoración positiva del
317
castigo como mecanismo formativo presentes aún en las comunidades escolares, estén a la
base de su sustentabilidad.
Agradecimientos
Esta investigación fue posible gracias al Proyecto FONDECYT REGULAR 1191267; al
Proyecto FONIDE 1900118; al Programa de Investigación Asociativa CIE-160009 de la
Agencia Nacional de Investigación y Desarrollo de Chile (ANID, Centro de Investigación
para la Educación Inclusiva); y al Fondo Basal FB-0003 del Centro de Investigación
Avanzada en Educación, Universidad de Chile. Las preguntas referidas a prácticas
punitivas fueron incorporadas en los Cuestionarios de Calidad y Contexto de la Educación
2018 de la Agencia de Calidad de la Educación, luego de haber sido seleccionada la
propuesta en la convocatoria para formular propuestas de preguntas en los mismos.
Referencias
Allende, C., Valenzuela, J. P. y Diaz, R. (2018). School segregation in Chile. En A. Farazmand (Ed.),
Global encyclopedia of public administration, public policy, and governance. Springer International
Publishing. https://doi.org/10.1007/978-3-319-31816-5
APA. (2008). Are zero tolerance policies effective in the schools? An evidentiary review and
recommendations. American Psychologist, 63, 852-862. https://doi.org/10.1037/0003-
066X.63.9.852
Augustine, C., Engberg, J., Grimm, E., Lee, E., Wang, K., Christianson, A. y Joseph, A. (2018). Can
restorative practices improve school climate and curb suspensions? An evaluation of the impact of
restorative practices in a mid-sized urban school district. Rand Corporation, OAES.
Ascorra, P., Carrasco, C., López, V. y Morales, M. (2019). Políticas de convivencia escolar en
tiempos de rendición de cuentas. Archivos Analíticos de Políticas Educativas, 27(31).
Ascorra, P., López, V., Carrasco, C., Pizarro, I., Cuadros, O. y Núñez, C. (2018). Significados
atribuidos a la convivencia escolar por equipos directivos, docentes y otros profesionales de
escuelas chilenas. Psykhe, 27(1), 1-12. http://doi.org/10.7764/psykhe.27.1.1214
Belfi, B., Goos, M., De Fraine, B. y Van Damme, J. (2012). The effect of class composition by gender
and ability on secondary school students’ school well-being and academic self-concept: A
literature review. Educational Research Review, 7(1), 62-74.
Bell, C. (2020). Maybe if they let us tell the story I wouldn’t have gotten suspended: Understanding
black students’ and parents’ perceptions of school discipline. Children and Youth Services
Review, 110(2). https://doi.org/10.1016/j.childyouth.2020.104757
Bellei, C. (2009). The private-public school controversy: The case of Chile. En P. Peterson y R.
Chakrabarti (Eds.), School choice international (pp. 165-192). MIT Press.
Bellei, C. (2015). El gran experimento: Mercado y privatización de la educación chilena. LOM ediciones.
Betts, J. y Shkolnik, J. (2000). The effects of ability grouping on student achievement and resource
allocation in secondary schools. Economics of Education Review, 19(1), 1-15.
https://doi.org/10.1016/S0272-7757(98)00044-2
Bolick, K. y Rogowsky, B. (2016). Ability grouping is on the rise, but should it be? Journal of
Education and Human Development, 5(2), 4-45. https://doi.org/10.15640/jehd.v5n2a6
318
Calvin, G., Gurel, S. y Barber, B. (2017). State-level analysis of school punitive discipline practices
in Florida. Behavioral Disorder, 42(2), 65-80. https://doi.org/10.1177/0198742916688652
Campoy, I. (Dir.). (2019). Educación inclusiva y medidas sancionadoras en el ámbito educativo: La
situación de niños y niñas con trastornos de apego. Instituto de Derechos Humanos Bartolomé
de las Casas, Universidad Carlos III de Madrid.
Camacho, K. y Krezmien, M. (2019). A statewide analysis of school discipline policies and
suspension practices. Preventing School Failure: Alternative Education for Children and Youth,
64(1), 55-66. https://doi.org/10.1080/1045988X.2019.1678010
Carrasco, A. (2013). Mecanismos performativos de la institucionalidad educativa en Chile: Pasos
hacia un nuevo sujeto cultural. Observatorio Cultural, 15, 4-10.
Ceardi, A., López, V. y Valdez. R. (abril, 2018) Disciplinary punitive practices and its relation to
Chilean students´ perception of school climate practices. Ponencia presentada en American
Educational Research Association Annual Meeting, Nueva York.
Chmielewski, A. (2014). An international comparison of achievement inequality in within-and
between-school tracking systems. American Journal of Education, 120(3), 293-324.
https://doi.org/10.3102/0002831213489843
Chmielewski, A., Dumont, H. y Trautwein, U. (2013). Tracking effects depend on tracking type:
An international comparison of students’ mathematics self-concept. American Educational
Research Journal, 50(5), 925-957. https://doi.org/10.3102/0002831213489843
Cobeña, P. (2020). Exclusión educativa de personas con discapacidad: Un problema pedagógico.
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, 18(1), 65-81.
Contreras, D., Brante, M., Espinoza, S. y Zuñiga, I. (2020). The effect of the integration of students
with special educational needs: Evidence from Chile. International Journal of Educational
Development, 74, 102-163. https:// doi.org/10.1016/j.ijedudev.2020.102163
Digest of Education Statistics. (2018). The condition of education 2018. NCES 2018-144. National
Center for Education Statistics.
Duflo, E., Dupas, P. y Kremer, M. (2011). Peer effects, teacher incentives, and the impact of
tracking: Evidence from a randomized evaluation in Kenya. The American Economic Review,
101(5), 1739-1774. https://doi.org/10.1257/aer.101.5.1739
Dupriez, V. (2010). Methods of grouping learners at school. International Institute for Educational
Planning.
Dustmann, C., Puhani, P. A. y Schönberg, U. (2017). The long-term effects of early track choice.
The Economic Journal, 127(603), 1348-1380. https://doi.org/10.1111/ecoj.12419
Duk, C. y Murillo, F. J. (2019). Segregación escolar y meritocracia. Revista Latinoamericana de
Educación Inclusiva, 13(1), 11-13. https://doi.org/10.4067/S0718-73782019000100011
Elacqua, G. y Santos, H. (2013). Los efectos de la elección escolar en la segregación socioeconómica en
Chile: Un análisis georreferenciado. Espacio Público.
Figlio, D. y Page, M. (2002). School choice and the distributional effects of ability tracking: Does
separation increase inequality? Journal of Urban Economics, 51(3), 497-514.
https://doi.org/10.1006/juec.2001.2255
Francis, B., Hodgen, J., Craig, N., Taylor, B., Archer, L., Mazenod, A., Tereshchenko, A. y
Connolly, P. (2019). Teacher quality and attainment grouping: The role of within-school
teacher deployment in social and educational inequality. Teaching and Teacher Education,
77(1), 183-192. https://doi.org/10.1016/j.tate.2018.10.001
319
Francis, B., Connelly, P., Archer, L., Hodgen, J., Mazenod, A., Pepper, D., Sloan, S., Taylor, B.,
Tereshchenko, A. y Travers, M. C. (2017). Attainment grouping as self-fulfilling prophesy?
A mixed methods exploration of self-confidence and set level among year 7 students.
International Journal of Educational Research, 86, 96-108.
https://doi.org/10.1016/j.ijer.2017.09.001
Giménez, V., Thieme, C., Prior, D. y Tortosa-Ausina, E. (2020). Evaluation and determinants of pre-
school effectiveness in Chile.
www.doctreballeco.uji.es/wpficheros/Gimenez_et_al_02_2020.pdf
González, R. (2017). Segregación educativa en el sistema chileno desde una perspectiva comparada.
MINEDUC.
Gregory, A., Clawson, K., Davis, A. y Gerewitz, J. (2016). The promise of restorative practices to
transform teacher-student relationships and achieve equity in school discipline. Journal of
Educational and Psychological Consultation, 26(4), 325-353.
https://doi.org/10.1080/10474412.2014.929950
Ireson, J. y Hallam, S. (2001). Ability grouping in education. SAGE.
López, V., Litichever, L., Valdés, R. y Ceardi, A. (2019). Traduciendo políticas de convivencia
escolar: Análisis de dispositivos sociotécnicos en Argentina y Chile. Psicoperspectivas, 18(1),
1-15. https://doi.org/10.5027/psicoperspectivas-vol18-issue1-fulltext-1484
López, V., Carrasco, C., Morales, M., Ayala, A., López, J. y Karmy, M. (2011). Individualizando la
violencia escolar: Análisis de prácticas discursivas en una escuela municipal de la región de
Valparaíso. Psykhe, 20(2), 17-33. https://doi.org/10.4067/S0718-22282011000200002
Losen, D. (2011). Discipline policies, successful schools, and racial justice. National Education Policy
Center.
Lehmann, P., Chouhy, C., Singer, A., Stevens, J. y Gertz, M. (2020). Group threat, racial/ethnic
animus, and punitiveness in Latin America: A multilevel analysis. Race and Justice.
https://doi.org/10.1177/2153368720920347
Magendzo, A., Toledo, M. y Gutiérrez, V. (2012). Descripción y análisis de la ley sobre violencia
escolar (No. 20.536): Dos paradigmas antagónicos. Estudios Pedagógicos, 39(1), 377-391.
https://doi.org/10.4067/s0718-07052013000100022
Manghi, D., Solar, Conejeros, M. L. Bustos, A., Aranda, I., Vega, V. y Díaz, K. (2020). Comprender
la educación inclusiva chilena: Panorama de políticas e investigación educativa. Cadernos de
Pesquisa, 50(175), 114-134. https://doi.org/10.1590/198053146605
Marcucci, O. (2019). Implicit bias in the era of social desirability: Understanding antiblackness in
rehabilitative and punitive school discipline. Urban Review, 52, 47-71.
https://doi.org/10.1007/s11256-019-00512-7
Marcucci, O. y Elmesky, R. (2020). Advancing culturally relevant discipline: An ethnographic
microanalysis of disciplinary interactions with black students. Urban Education.
https://doi.org/10.1177/0042085920909165
Mazenod, A., Francis, B., Archer, L., Hodgen, J., Taylor, B., Tereshchenko, A. y Pepper, D. (2018).
Nurturing learning or encouraging dependency? Teacher constructions of students in
lower attainment groups in English secondary schools. Cambridge Journal of Education,
49(1), 53-68. https://doi.org/10.1080/0305764X.2018.1441372
Morales, M. y López, V. (2019). Políticas de convivencia escolar en América Latina: Cuatro
perspectivas de comprensión y acción. Education Policy Analysis Archives, 5, 1-25.
320
Muñoz, M., Lucero, B., Cornejo, C., Muñoz, P. y Araya, N. (2014). Convivencia y clima escolar en
una comunidad educativa inclusiva de la Provincia de Talca, Chile. Revista Electrónica de
Investigación Educativa, 16(2), 16-32.
Murillo, F. J. y Hernández, R. (2020). Does parental involvement matter in children's performance?
A Latin American primary school study. Revista de Psicodidáctica, 25(1), 13-22.
https://doi.org/10.1016/j.psicod.2019.10.002
Oakes, J. (2008). Keeping track: Structuring equality and inequality in an era of accountability.
Teachers College Record, 110, 700-712.
OCDE. (2013). PISA 2012 results: What makes schools successful? Resources, policies and practices. OECD
Publishing.
OCDE. (2016). PISA 2015 results. Policies and practices for successful schools. OECD Publishing.
Palacios, D., Dijkstra, J. K., Villalobos, C., Treviño, E., Berger, C., Huisman, M. y Veenstra, R.
(2019). Classroom ability composition and the role of academic performance and school
misconduct in the formation of academic and friendship networks. Journal of School
Psychology, 74, 58-73. https://doi.org/10.1016/j.jsp.2019.05.006
Parcerisa, L. y Falabella, A. (2017). La consolidación del estado evaluador a través de políticas de
rendición de cuentas: Trayectorias, producción y tensiones en el sistema educativo. Archivos
Analíticos de Políticas Educativas, 25(89). https://doi.org/10.14507/epaa.25.3177
Peguero, A. y Bracy, N. (2014). School order, justice, and education: Climate, discipline practices,
and dropping out. Journal of Research on Adolescence, 25(3), 412-426.
https://doi.org/10.1111/jora.12138
Ramberg, J. (2016). The extent of ability grouping in Swedish upper secondary schools: A national
survey. International Journal of Inclusive Education, 20(7), 685-710.
http://doi.org/10.1080/13603116.2014.929187
Richard, J., Schneider, B. y Mallet, P. (2012). Revisiting the whole-school approach to bullying:
Really looking at the whole school. School Psychology International, 33(3), 263-284.
https://doi.org/10.1177/0143034311415906
Sangsurin, K., Chusorn, P. y Agsonsua, P (2020). A model of causal relationships affecting the
effectiveness of primary schools under Khon Kaen primary education service area.
International Journal of Higher Education, 9(1), 230-236.
https://doi.org/10.5430/ijhe.v9n1p230
Sisto, V. (2019). Managerialismo versus prácticas locales: La decolonización del discurso
managerial desde la vida de la escuela. Cuadernos de Administración, 32(58).
https://doi.org/10.11144/Javeriana.cao.32-58.mvpl
Skiba, R. y Knesting, K. (2001). Zero tolerance, zero evidence: An analysis of school disciplinary
practice. New Directions for Youth Development, 92, 17-43.
https://doi.org/10.1002/yd.23320019204
Skiba, R. y Rausch, M. (2013). Zero tolerance, suspension, and expulsion: Questions of equity and
effectiveness. En C. Evertson y C. Weinstein (Eds.), Handbook of classroom management:
Research, practice, and contemporary issues (pp. 1073-1100). Routledge.
Skiba, R. Arredondo, M. y Williams, N. (2014). More than a metaphor: The contribution of
exclusionary discipline to a school-to-prison pipeline. Equity y Excellence in Education, 47(4),
546-564. https://doi.org/10.1080/10665684.2014.958965
Sugai, G., Sprague, J., Horner, R. y Walker, H. (2000). Preventing school violence: The use of office
discipline referrals to assess and monitor school-wide discipline interventions. Journal of
321
Emotional and Behavioral Disorders, 8(2), 94-101.

https://doi.org/10.1177/106342660000800205
Steengberger-Hu, S., Makel, M. C. y Olszewski-Kubilius, P. (2016). What one hundred years of
research says about the effects of ability grouping and acceleration on K-12 students’
academic achievement: Findings of two second-order meta-analyses. Review of Educational
Research, 86(4), 849-899. https://doi.org/849-899. 10.3102/0034654316675417
Tereshchenko, A., Francis, B., Archer, L., Hodgen, J., Mazenod, A., Taylor, B., Pepper, D. y
Travers, M. C. (2018). Learners’ attitudes to mixed attainment grouping: Examining the
views of students of high, middle and low attainment. Research Papers in Education, 34(4),
425-444. https://doi.org/10.1080/02671522.2018.1452962
Trautmann M. A. (2008). Maltrato entre pares o "bullying": Una visión actual. Revista Chilena de
Pediatría, 79(1), 13-20. https://doi.org/10.4067/S0370-41062008000100002
Treviño, E., Valenzuela, J. P. y Villalobos, C. (2016). Within-school segregation in the Chilean
school system: What factors explain it? How efficient is this practice for fostering student
achievement and equity? Learning and Individual Differences, 51, 367-375.
https://doi.org/10.1016/j.lindif.2016.08.021
Treviño, E., Wyman, I., Villalobos, C. y Romo, F. (noviembre, 2019). Reference group effect on
students’ socio-emotional development: Testing the incidence of ability grouping and
quality of classroom interactions. Comunicación presentada en Congreso CIIE 2019.
Shanghái, China
Treviño, E., Valenzuela, J. P., Villalobos, C., Béjares, C., Wyman, I. y Allende, C. (2018).
Agrupamiento por habilidad académica en el sistema escolar. Nueva evidencia para
comprender las desigualdades del sistema educativo chileno. Revista Mexicana de
Umeh, Z., Bumpus, J. y Harris, J. (2019). The impact of suspension on participation in school-based
extracurricular activities and out-of-school community service. Social Science Research, 85(2),
23-54. https://doi.org/10.1016/j.ssresearch.2019.102354
Valdés, R., López, V. y Chaparro, A. (2018). Convivencia escolar: Adaptación y validación de
instrumento mexicano en Chile. Revista de Investigación Educativa, 20(3), 80-91.
https://doi.org/10.24320/redie.2018.20.3.1720
Valenzuela, J. P., Bellei, C. y De Los Ríos, D. (2014). Socioeconomic school segregation in a market-
oriented educational system: The case of Chile. Journal of Education Policy, 29(2), 217-241.
https://doi.org/10.1080/02680939.2013.806995
Valenzuela, J. P., Villarroel, G. y Villalobos, C. (2013). Ley de subvención escolar preferencial
(SEP): Algunos resultados preliminares de su implementación, Pensamiento Educativo, 50(2),
113-131.
Veiga-Neto, A. y Corcini, M. (2012). A inclusão como dominação do outro pelo mesmo. Pedagogía
y Saberes, 36(2), 57-68.
Weaver, J. y Swank, J. (2020). A case study of the implementation of restorative justice in a middle
school. Research in Middle Level Education, 43(4), 1-9.
https://doi.org/10.1080/19404476.2020.1733912
Williams, J., Lewis, W. Starker, T., Butler, B. y Hoon, J. (2020) The discipline gatekeeper: Assistant
principals’ experiences with managing school discipline in urban middle schools. Urban
Education, 75(1), 23-36. https://doi.org/10.1177/0042085920908913
322

Verónica López
Psicóloga, Pontificia Universidad Católica de Chile. Doctora en Psicología, Universidad
Autónoma de Madrid, España. Profesora titular de la Escuela de Psicología de la Pontificia
Universidad Católica de Valparaíso. Directora del Programa de Apoyo a la Convivencia
Escolar (www.paces.cl), y Directora del Centro de Investigación para la Educación
Inclusiva de la Pontificia Universidad Católica de Valparaíso (www.eduinclusiva.cl). Su
investigación se centra en las condiciones que favorecen el aprendizaje escolar y el
desarrollo socioemocional de niños y adolescentes, asociado a temáticas de convivencia
escolar, bienestar educativo e inclusión. En la actualidad investiga sobre temáticas de
exclusión escolar, disciplina y prácticas de castigo punitivo en la escuela, asociado al
proyecto Fondecyt Regular 1191267 "La inclusión excluyente: prácticas de exclusión y
ordenamiento en escuelas chilenas". ORCID ID: https://orcid.org/0000-0001-7405-
3859. Email: veronica.lopez@pucv.cl
Sebastián Ortiz
Psicólogo Pontificia Universidad Católica de Valparaíso. Magíster en Psicología
Educacional de la Universidad Chile. Académico del Departamento Disciplinar de
Psicología de la Universidad de Playa Ancha, Valparaíso. Profesional de Investigación de
la Línea 1 en Convivencia Escolar y Bienestar del Centro de Investigación del Centro de
Investigación para la Educación Inclusiva (www.eduinclusiva.cl). Su interés científico ha
estado centrado en las condiciones psicosociales y pedagógicas que favorecen una escuela
democrática, temáticas asociadas a la violencia escolar y a las organizaciones sindicales
del profesorado. ORCID ID: https://orcid.org/0000-0001-7877-3319. Email:
sebastian.ortiz@pucv.cl
Claudio Allende
Ingeniero Comercial con mención en Economía y Magíster en Políticas Públicas en la
Universidad de Chile; Diplomado en Políticas Públicas de la Universidad de Chicago.
Investigador asociado al Centro de Investigación Avanzada en Educación de la
Universidad de Chile. Ha desarrollado investigaciones en temas de educación superior,
escolaridad y evaluación de políticas públicas educacionales. ORCID ID:
https://orcid.org/0000-0002-6628-1787. Email: claudio.allende.gonzalez@gmail.com
Juan Pablo Valenzuela

Ingeniero Comercial, Universidad de Chile. Doctor en Economía, Universidad de
Michigan-Ann Arbor, Estados Unidos. Investigador asociado al Centro de Investigación
Avanzada en Educación y Académico del Departamento de Economía de la Universidad
de Chile. Sus principales áreas de investigación son la economía de la educación y la
inequidad social, abordando temáticas vinculadas a la segregación social y educativa, el
mejoramiento escolar y la efectividad escolar en establecimiento educacionales. ORCID
ID: https://orcid.org/0000-0003-0445-968X. Email: jp.valenzuelab@gmail.com
323
Luis González
Ingeniero Comercial, Universidad de Chile. Profesional de Investigación del Centro de
Investigación del Centro de Investigación para la Educación Inclusiva
(www.eduinclusiva.cl). Ha desarrollado investigaciones en temas de educación escolar,
deserción escolar y clima escolar. ORCID ID: https://orcid.org/0000-0003-2651-3528.
Email: lgonzalezh@fen.uchile
324
Preferencias de Elección de Escuela en Dos Casos de

Alta Segregación Escolar
School Choice Preferences in Two High School Segregation

Cases
Claudia Córdoba *
Alonso Laborda
Claudia Reyes
Universidad de Chile, Chile
Latinoamérica es la región con más altos niveles de desigualdad a nivel mundial, lo

que se ve reflejado en sus sistemas escolares. En este escenario el caso chileno se
destaca por un alto grado de segregación escolar lo que ha sido vinculado con la
aplicación sistemática de políticas de mercado. Este fenómeno se relaciona con
diferentes factores, siendo uno de ellos las valoraciones, estrategias y acciones que
las familias despliegan en la elección de escuela. Este trabajo analiza discursos de
elección de familias en dos casos, cada uno de ellos conformados por tres escuelas
vecinas de distinto tipo (municipal, privada subvencionada y privada no
subvencionada), existiendo entre ellas contrastes notables en cuanto a las
características socioeconómicas de su estudiantado. Los casos evidencian, por tanto,
la existencia de segregación escolar a una “microescala” que no ha sido abordada en
estudios previos. La metodología utilizada es de tipo cualitativa. La producción de
datos se efectuó mediante entrevistas semiestructuradas con 54 madres o padres de
6 establecimientos educativos. Los resultados muestran que la “libre elección” de
escuela está limitada por los recursos económicos, lo que restringe las opciones en el
“mercado escolar”. Asimismo, se corrobora la existencia de elementos socioculturales
que condicionan el proceso de elección de las familias de acuerdo con su nivel
socioeconómico y otras características. Se concluye que el proceso de elección de
escuela es un factor que produce y reproduce el fenómeno de la segregación escolar.
Descriptores: Segregación escolar; Escuela primaria; Elección de la escuela; Calidad
de la educación; Zona urbana.
Latin America is the region with the highest levels of inequality, a fact that is
reflected in their school systems. In the frame of a systematic application of market
policies, the high levels of school segregation in Chile are highlighted. This
phenomenon is related to different factors, one of them being the behavior of the
families when choosing a school. This study analyzes the families’ decision speeches
in two cases, formed by three different types of nearby schools –municipal, private
subsidized and private non-subsidized– where there are significant differences in the
socioeconomic composition of the student body. The cases show, therefore, the
existence of school segregation at a “micro-level”. The methodology of the study is
qualitative. The data was obtained by semi structured interviews of 54 mothers or
fathers. The results show that the “free choice” of schools is limited by the economic
resources, which restricts the options in the “school market”. Likewise, the existence
of socio-cultural elements determining the selection process of the families according
to their socioeconomic level and other factors was confirmed. It is concluded that the
process of school choice is a factor that produces school segregation.
Keywords: School segregation; Primary schools; Educational choice; Educational
quality; Urban areas.
*Contacto: claudia.cordoba.c@usach.cl Recibido: 15 de abril 2020

C. Córdoba, A. Laborda y C. Reyes
1. Introducción
Latinoamérica es la región que a nivel mundial exhibe mayores grados de inequidad con
brechas notables en las condiciones de los sectores más y menos acomodados (CEPAL,
2018). Esta problemática se refleja en sus sistemas educativos caracterizados por intensos
niveles de segregación (Murillo, 2016; Murillo y Martínez-Garrido, 2017; Murillo et al.,
2018), problema que además constituye uno de los principales tópicos de investigación
educativa en la región (Murillo y Martínez-Garrido, 2019). Dentro de este escenario
destaca el caso chileno como uno de los sistemas con más bajo grado de integración
socioeconómica y académica (OCDE, 2019).
La segregación escolar alude a la disímil distribución de estudiantes entre escuelas en
función de características tales como su nivel socioeconómico, pertenencia a grupos
étnicos o minoritarios, condición de nativo o migrante o rendimiento académico (Murillo,
Belavi y Pinilla, 2018). Se trata de un fenómeno complejo en el que confluyen variables
estructurales y culturales, que Bellei (2013) organiza en tres categorías: contextuales,
institucionales y socioculturales. Los factores contextuales tienen relación con el escenario
en que se enmarcan los sistemas, siendo relevante la segregación residencial y otros
fenómenos: focos de pobreza, olas de migración, tendencias demográficas (Bonal y Bellei,
2018). Los factores institucionales, aluden a las regulaciones de los sistemas escolares y
en qué medidas sus políticas educativas favorecen la conformación de escuelas
heterogéneas. Los factores socioculturales se asocian a las apreciaciones, preferencias y
maniobras de las familias al elegir escuela.
Varios autores consideran que el alto nivel de segregación escolar en Chile se relaciona
con las políticas neoliberales aplicadas desde la década de los ‘80 (Bellei, 2015; Bellei et al.,
2018; Elacqua, Montt y Santos, 2013; Flores y Carrasco, 2013; Valenzuela, Bellei y de los
Ríos, 2014). En dicho periodo los establecimientos educacionales públicos fueron
traspasado en términos administrativos a los municipios desde el Ministerio de Educación
y se alentó la participación de privados a través del sistema de voucher que sigue a los
estudiantes. Con este mecanismo se financian establecimientos públicos y privados
subvencionados hasta la actualidad. Las familias son concebidas como protagonistas
porque tienen la tarea de escoger la escuela de sus hijos e hijas 1, generando competencia
entre éstas para tener financiamiento. Esta presión, teóricamente, llevaría a las escuelas a
entregar un servicio educativo mejor lo que impactaría positivamente en la calidad del
sistema (Bellei y Vanni, 2015, en Bellei, 2015). Para ello era fundamental que las familias
contaran con información sobre la calidad académica de las escuelas a fin de que pudieran
optar por “las mejores” (Hastings y Weinstein, 2008). Con el objeto de favorecer “buenas
decisiones” en 1988 fue creado el Sistema de Medición de la Calidad, SIMCE 2 (Bravo,
2011).
1 En Chile no existen políticas de zonificación que definan la escuela en función de la residencia.

2 Se trata de una prueba estandarizada de carácter censal para ciertos niveles educativos en
asignaturas como lenguaje y matemáticas que busca medir los aprendizajes del estudiantado. Sus
resultados son públicos a nivel de escuela. A través de esta medición se recaba, además, información
diversa relativa a los y las estudiantes (opinión sobre su propio desempeño y distintos aspectos de
la vida escolar, entre otros), profesorado (formación, condiciones laborales y valoración sobre
funcionamiento del establecimiento) y familias (por ejemplo, composición del hogar, nivel educativo
326
La literatura especializada muestra que las escuelas pueden competir recurriendo a

prácticas como la exclusión de estudiantes con menor rendimiento real o potencial
(González González, 2008). Diversos estudios, efectuados tanto en el contexto de una
prácticamente inexistente regulación en esta materia (Contreras, Sepúlveda y Bustos,
2010; Madero y Madero, 2012; Parry, 1996) como en el marco de una regulación débil
(Carrasco, Gutiérrez y Flores, 2017; Godoy, Salazar y Treviño, 2014), muestran que la
selección de estudiantes es frecuente en las escuelas chilenas, aunque en diferente medida
dependiendo del tipo de escuela.
Por otra parte, en 1993 se instauró el sistema de financiamiento compartido o copago a
través del cual se permite que establecimientos educativos con financiamiento público
cobren por sus servicios bajo ciertas condiciones. Pueden hacerlo establecimientos
públicos sólo en enseñanza media y con el consentimiento de las familias, mientras que los
establecimientos privados subvencionados pueden cobrar en el nivel primario y
secundario, sin necesidad de contar con aprobación de las familias. Junto a ello, a medida
que el establecimiento cobra más se produce un recorte mayor en el porcentaje de
subvención escolar que la escuela percibe. Con todo, el sistema se expandió ampliamente
en el sector privado subvencionado (Elacqua, Montt y Santos, 2013). Este sistema se
encuentra en funcionamiento hoy en día con normativas sobre el monto que puede cobrar
cada establecimiento.
Los movimientos estudiantiles han cuestionado sistemáticamente la mercantilización de
la educación. Esto ha incidido en la tramitación de nuevas leyes, destacándose la Ley de
Inclusión Escolar (que establece fin al financiamiento compartido, a la selección de
estudiantes y al lucro) y la Ley de Nueva Educación Pública (que implica el traspaso de
establecimientos desde municipios a Servicios Locales de Educación). Ambas están en
proceso de implementación. Para nuestros fines se destaca la Ley de Inclusión en la medida
que su objetivo es reformar la estructura del sistema para reducir la segregación escolar y
fomentar la integración social. Esta reforma fue percibida como la más significativa del
gobierno de Bachelet (2014-2018) por los directores de los establecimientos escolares
(Weinstein, Muñoz y Rivero, 2018).
Actualmente el sistema escolar está conformado por tres tipos de escuela:
• Establecimientos municipales (públicos): Se financian por medio de subvención
estatal por alumno/a. Históricamente ha existido en ellos menos prácticas de
selección. Escolariza al 34% de los estudiantes (CEM, 2019).
• Establecimientos privados subvencionados: Financiados por subvención escolar
y aportes de las familias vía financiamiento compartido. En este sector existen
prácticas más extendidas de selección del alumnado. Actualmente, matricula al
54% de los estudiantes (CEM, 2019).
• Establecimientos privados no subvencionados: Financiados completamente por
aranceles que pagan las familias, con prácticas de selección muy extendidas y
una matrícula que representa el 9% (CEM, 2019).
de los padres, nivel de ingresos mensuales, opinión sobre distintos aspectos del establecimiento
educativo). Para más detalles se recomienda visitar el sitio web www.agenciadecalidad.cl
327
Este trabajo busca analizar discursos de elección de escuela de familias de estos tres tipos
de establecimiento. Se concibe la elección de escuela como una práctica sociocultural
(Carrasco, Falabella y Mendoza, 2015) que conjuga distintos elementos como fuentes de
información y criterios de elección entre otros. El trabajo asumió un enfoque cualitativo.
La producción de datos se realizó en dos casos, cada uno de ellos conformados por tres
escuelas que reflejan la diversidad existente en Chile. Estudios previos analizan las
motivaciones de familias sin considerar la ubicación geográfica de las escuelas. Este
trabajo, en cambio, analiza las preferencias de familias que escolarizan a sus hijos en
establecimientos de distinto tipo pero que se emplazan a escasos metros entre sí.
2. Revisión de literatura
La literatura especializada documenta que la libre elección de escuela influye sobre la
segregación escolar porque las familias no se aproximan a este proceso en las mismas
condiciones, siendo los sectores más favorecidos quienes se benefician en mayor medida
(Ball, 1993, 1995; Ball y Vincent, 1998; Ball, Bowe y Gewirtz, 1996; Broccolichi y Van
Zanten, 2000; Murillo et al., 2018; Van Zanten, 2003, 2015). La literatura chilena sobre el
tema es amplia, sin embargo, centramos la revisión en estudios cualitativos, ya que tienen
el mismo enfoque de este trabajo.
Se ha documentado que las familias de sectores pobres aspiran a escuelas que aseguren la
adquisición de aprendizajes, buenos profesores y directivos que mantengan un clima de
disciplina (Córdoba, 2014). Los resultados del SIMCE no son percibidos como un reflejo
de calidad y éstos no suelen ser utilizados salvo excepciones (Gubbins, 2013; Navarro,
2004; Raczynski et al., 2010). Estas familias buscan ofrecer a sus hijos un espacio en que
se reduzcan las desventajas y temores asociados a vivir en barrios estigmatizados (Bellei
et al., 2018). Asimismo, esperan que la experiencia escolar resulte placentera gracias al
apoyo de docentes, el buen trato y la apertura de la escuela (Gubbins, 2013).
Además, consideran importante que sus hijos tengan el menor contacto posible con
estudiantes percibidos como una amenaza o mala influencia por su apariencia, lenguaje,
comportamiento, consumo de alcohol o drogas o con familias percibidas como
delincuentes (Córdoba, 2014; Hernández y Raczynski, 2015; Navarro, 2004). En este
escenario el copago, aun cuando sea bajo, es un mecanismo que permite la exclusión de
determinados estudiantes. Cuando las escuelas que se encuentran cercanas a sus domicilios
no les ofrecen esta garantía están dispuestos a desplazarse hacia otros sectores (Bellei et
al., 2018; Córdoba, 2014;).
Los estudios con familias de nivel socioeconómico medio evidencian que éstas valoran
positivamente altos niveles de exigencia (Raczynski et al., 2010), que están más
informadas sobre los resultados del SIMCE y consideran éstos en sus decisiones (Rojas,
Falabella y Leyton, 2016). Aspiran a que sus hijos lleguen a la universidad y obtengan un
estatus social mayor (Bellei et al., 2018; Raczynski et al., 2010; Rojas, Falabella y Leyton,
2016). Un aspecto central es el temor de que sus hijos se mezclen con la “turba”, con
“flaites”, que representan la cultura marginal popular con tendencia a la ostentación
(Canales, Bellei y Orellana, 2016). El flaite es, además, la antítesis del habitus profesional
que buscan cultivar en sus hijos (Rojas, Falabella y Leyton, 2016). Por ello descartan
escuelas ubicadas en barrios percibidos como peligrosos o que atienden estudiantes de mal
comportamiento y/o vulnerables (Bellei et al., 2018; Raczynski et al. 2010).
328
Como contrapunto, valoran escuelas que escolarizan un alumnado de nivel

socioeconómico similar o levemente superior. Suelen preferir escuelas que seleccionan
estudiantes y con copago, teniendo una visión negativa de las escuelas gratuitas que no
seleccionan (Falabella, Seppänen y Raczynski, 2015; Hernández y Raczynski, 2015;
Raczynski et al., 2010; Stillerman, 2016). El trabajo de Bellei y otros (2018) propone una
distinción en este segmento entre “nueva clase media” y “clase media tradicional”. La
primera ha experimentado un proceso de ascensión social reciente que teme perder, y
considera un deber moral entregar a sus hijos la mejor educación a su alcance
resguardando permanentemente su distinción de capas sociales más desfavorecidas. La
segunda corresponde a familias con mayor capital socioeconómico y cultural, que orientan
sus elecciones en función de proyectos educativos amplios y consideran que las escuelas
privadas responden a sus aspiraciones.
Madres y padres de niveles socioeconómicos más acomodados escogen casi
exclusivamente establecimientos privados no subvencionados. Una opción distinta no
aparece en su discurso (Gubbins, 2014) y, aun cuando puedan estar de acuerdo con el
fortalecimiento de la educación pública, enviar a los hijos a un establecimiento
subvencionado por el Estado es inimaginable (Carrasco, Donoso y Mendoza, 2016).
Paradójicamente, algunas de estas familias consideran que su abanico de opciones es
limitado porque se ven a sí mismas como parte de una comunidad que envía a sus hijos a
un reducido grupo de escuelas. En otros casos, otorgan relevancia al desempeño
académico (Bellei et al., 2018), pero el SIMCE no es determinante (Carrasco, Donoso y
Mendoza, 2016; Gubbins, 2014).
Valoran el aprendizaje de una segunda lengua, el desarrollo integral, el uso de ciertas
metodologías, la promoción de autonomía y el trato personalizado (Carrasco, Donoso y
Mendoza, 2016; Gubbins, 2014). Estas familias buscan perpetuar sus privilegios a través
de la elección de establecimientos altamente prestigiosos (Gubbins, 2014) a los cuales han
asistido ellos, sus familiares y círculo de amigos (Carrasco, Donoso y Mendoza, 2016).
Aun cuando pueden observarse diferencias entre estos colegios en cuanto a su orientación
religiosa, ideario social o herencia extranjera (Madrid, 2016), son muy homogéneos
socioeconómicamente. Para estos padres resulta fundamental que sus hijos se eduquen con
otros con quienes compartan estilos de vida, códigos culturales y redes de contacto.
3. Método
La investigación se desarrolló por medio de un estudio de casos de tipo descriptivo
exploratorio, privilegiando la comprensión profunda de unidades complejas en la
perspectiva de analizar un fenómeno en el cual concurren diferentes dimensiones (Della
Porta, 2013). Los dos casos presentados en este trabajo están compuestos por pequeños
conjuntos de tres escuelas distanciadas entre sí por aproximadamente 200 metros
alrededor de las cuales no existen otros establecimientos educativos en un radio de, al
menos, 500 metros desde el centroide. Este diseño buscaba analizar el fenómeno de la
segregación escolar en una escala mayor a la de estudios previos, efectuados a nivel de
municipios o ciudades. Los casos fueron denominados Unidad Geográfica Acotada (UGA)
originalmente en el proyecto de investigación en el cual se enmarca este estudio.
Este trabajo da cuenta de los hallazgos efectuados a través de entrevistas en dos UGAs.
Cada una de ellas está compuesta por tres establecimientos educativos que representan la
329
diversidad de escuelas existentes en el sistema escolar chileno. Las figuras 1 y 2

representan cada caso.
La producción de datos se realizó en 2016 por un periodo de 9 meses, durante los cuales
se desarrollaron observaciones no participantes y entrevistas semiestructuradas a familias
de niños y niñas de primer ciclo de enseñanza básica (1° a 4° año), que enviaban a sus hijos
a alguna de las 6 escuelas que componen los dos casos de estudio. Se realizó un total de 54
entrevistas, 27 en cada UGA, 9 en cada centro educativo. Los tópicos abordados aludían
a las fuentes de información usadas para decantarse por una escuela, los criterios prácticos
puestos en juego (como costo y cercanía) y los criterios de calidad educativa. Las
entrevistas fueron íntegramente transcritas, desarrollándose un análisis de contenido en
base a ellas.
Figura 1. Mapa Unidad Geográfica Acotada UGA 1

Caracterización de los casos

Los casos resultan de gran interés porque encontrándose las escuelas insertas dentro de
un mismo barrio y separadas entre sí por escasos metros reflejan las diferencias que
existen entre las escuelas del sistema escolar chileno.
La UGA 1 se emplaza en un municipio del sector oriente de la capital que alberga
preferentemente familias de nivel socioeconómico medio-alto y alto. La UGA 2 se ubica
en una comuna de Santiago sur. Su población es más heterogénea en términos
socioeconómicos.
330
Figura 2. Mapa Unidad Geográfica Acotada UGA 2

El cuadro 1 informa sobre los costos para las familias por matrícula, aranceles y otros.
Como puede apreciarse, las escuelas municipales son gratuitas. Ambas, así como la escuela
privada subvencionada de la UGA 2, están adscritas al Sistema de Subvención Escolar
Preferencial, en adelante “SEP”, que implica que los estudiantes identificados como
prioritarios no requieren pagar si la escuela cobra por financiamiento compartido y que la
subvención otorgada por ellos es mayor. En las demás escuelas privadas, en cambio, se
debe pagar por concepto de matrícula y financiamiento compartido o aranceles. Existen
considerables diferencias en los montos solicitados por estas escuelas, sobre todo en la
UGA 1 donde el arancel de la privada no subvencionada es 8 veces superior al de la privada
subvencionada. En el caso de la UGA 2 la escuela privada no subvencionada cobra el triple
de la privada subvencionada.
La composición socioeconómica del alumnado de las escuelas de las mismas UGAs es
notablemente distinto. El cuadro 2 ofrece datos provenientes de SIMCE 2015 para 4°
básico. Como puede apreciarse los establecimientos municipales se caracterizan por
escolarizar en mayor medida a estudiantes cuyas madres y padres tienen menores niveles
educativos e ingresos mensuales, mientras las familias de escuelas privadas no
subvencionadas están en la situación opuesta, ocupando las familias de escuelas privadas
subvencionadas una posición intermedia. Esta tendencia se confirma analizando otros
datos de composición socioeconómica del estudiantado. El Índice de Vulnerabilidad
331
Escolar (en adelante “IVE” 3) de 2015 para enseñanza básica, es mayor en las escuelas
municipales que en las privadas subvencionadas: 43,8% y 35,5% en la UGA 1 y 79,7% y
60,1% en la UGA 2.
Cuadro 1. Costes asumidos por familias en cada escuela, UGAs 1 y 2 (2016, en pesos
chilenos)
CASO /
MUNICIPAL PRIVADA SUBVENCIONADA PRIVADA NO SUBVENCIONADA
COSTOS
Postulación=$35.000
Matrícula=0 Matrícula= $10.000
Cuota de incorpor.=$1.300.000
UGA 1 Arancel=0 Arancel=$25.000-$40.000
Matrícula= $400.000
Adscrita a SEP No adscrita a SEP
Arancel= $340.000
Matrícula=0 Matrícula=$25.000
Matrícula=$150.000
UGA 2 Arancel=0 Arancel=$50.000
Arancel=$150.000
Adscrita a SEP Adscrita a SEP
Fuente: Elaboración propia en base a información recabada en trabajo de campo.
Cuadro 2. Composición socioeconómica alumnado, UGA 1 y UGA 2

UGA 1 UGA 2
M PS PNS M PS PNS
Porcentaje de madres que no completó
22,6% 13,8% 0% 50% 15% 1,4%
enseñanza obligatoria
Porcentaje de madres que completó
29,2% 52,3% 93,8% 5% 37,5% 74,6%
enseñanza superior
Porcentaje de padres que no completó
30,2% 15,4% 1,3% 50% 20% 0%
enseñanza obligatoria
Porcentaje de padres que completó
24,5% 44,6% 90% 7,5% 22,5% 73,2%
enseñanza superior
Familias que viven con menos de $300.000 26,4% 15,4% 0% 42,5% 25% 0%
Familias que viven con más de $1.400.000 9,4% 23,1% 88,8% 0% 5% 54,9%
Nota: M: Municipal - PS: Privado Subvencionado - PNS: Privado No Subvencionado.
Fuente: Elaboración propia sobre BBDD SIMCE, 4° básico, 2015.
4. Resultados
4.1. Fuentes de información y proceso de admisión
En relación con las fuentes de información, las entrevistadas 4 de la UGA 1 (en todas las
escuelas) consideraron recomendaciones de conocidos, familiares o amigos, implicando
relaciones e interacción social. Esta tendencia se constata entre las familias de la escuela
3 Este índice busca caracterizar a los y las estudiantes en cuanto a sus necesidades respecto, por
ejemplo, a estado de salud o condición de pobreza. Se utiliza para la focalización de políticas
gubernamentales y entrega de servicios o beneficios. Es calculado para los establecimientos
educativos sostenidos con fondos públicos en base a información aportada por las familias. Su valor
oscila entre 0% y 100% y su elaboración está a cargo de la Junta Nacional de Auxilio Escolar y
Becas JUNAEB. Para más detalles se recomienda visitar el sitio web www.junaeb.cl.
4 En la presentación de resultados se utiliza preferencialmente el género femenino porque de un
total de 54 entrevistas, 45 fueron efectuadas con madres.
332
municipal (donde gran parte de las entrevistadas eran exalumnas de la escuela) y la

privada subvencionada de la UGA 2:
Bueno yo estudie en el [escuela privada subvencionada] cuando era chica […]
entonces ya lo conocía, por una cosa más de cariño. (Madre, privada subvencionada,
UGA 1)
Yo lo conozco desde cuando yo estudiaba. Cuando entró mi hija mayor, estaba la
mayoría de los profesores [con los] que yo estudiaba, así que más por eso, por la
confianza. (Madre, municipal, UGA 2)
Quienes escolarizan a sus hijos en escuelas privadas subvencionadas (en ambas UGAs) y
aquellas que optaron por la escuela privada no subvencionada de la UGA 2, este tipo de
conocimiento se complementa con la fuente de información “fría” por excelencia: pruebas
estandarizadas como SIMCE. Esta información no es usada por las madres de la escuela
privada no subvencionada de la UGA 1.
…por internet, en realidad mi esposo es el que buscó por internet todos los rankings,
PSU, SIMCE, siempre en realidad está viendo eso, siempre viendo nivel, en qué
posición. (Madre, privada subvencionada, UGA 1)
La PSU, el SIMCE, me acuerdo que me decía, ‘mira el mejor colegio aquí es éste que
está acá’, o no sé cuál, después siguió, y así… eso fue también una forma de conectarnos
o de saber del colegio, en internet, las noticias. (Madre, privada no subvencionada,
UGA 2)
Las entrevistadas en ambas UGAs informaron que los procesos de admisión fueron
simples y poco engorrosos. Es más, la escuela privada no subvencionada de la UGA 1 se
diferencia de otros establecimientos de élite que utilizan procedimientos largos y
estresantes. La única excepción es la escuela privada no subvencionada de la UGA 2, en
que las familias presentaron diversos documentos (como certificados de notas y
comprobantes de ingresos) además de un examen de admisión.
4.2. Criterios de elección centrados en aspectos prácticos
Las madres de escuelas municipales de ambas UGAs, enfatizan en que la gratuidad fue
determinante en su decisión. Se desprende de sus relatos la creencia de que la calidad se
asocia directamente con el costo, pero dadas sus restricciones económicas no tienen más
alternativa que una escuela gratuita.
El [colegio privado no subvencionado] es más caro que tener dos hijos en la
universidad. Yo pienso que la educación ahí en el [colegio privado no subvencionado]
es súper buena, porque con plata todo es espectacular, si yo tuviera el dinero lo pongo
en el [colegio privado no subvencionado], pero como no las tengo, lo pongo en el
[colegio municipal]. (Madre, municipal, UGA 1)
Las madres que escolarizan a sus hijos en escuelas privadas subvencionadas señalan no
poder pagar una escuela privada sin subvención que, simbólicamente, representa para ellos
la “mejor” educación. Aparece entonces la escuela privada subvencionada como una
alternativa para quienes evitan escolarizar a sus hijos en establecimientos municipales.
…a mí me complica lo caro de los colegios particulares, y que a veces la educación no
es la más recomendada, y… la calidad de los colegios municipales, entonces a veces
uno quisiera optar a algo más económico, pero sabe que a veces puede ir un poco en
contra de la calidad, por lo tanto, hay que tratar de encontrar como el equilibrio, pero
sí que hay mucha diferencia. (Madre, privada subvencionada, UGA 1)
Las familias que optan por escuelas privadas no subvencionadas también asumen que la
escuela escogida representa “la mejor que pueden pagar”. Generalmente estas familias
333
manifiestan que pueden sobrellevar los costos de la escolarización sin mayores

dificultades. Sin embargo, algunas de la UGA 1, reconocen endeudarse o renunciar a
determinadas comodidades.
Tenemos deuda, con el banco y con parientes, podríamos no tener deuda o podríamos
tener vacaciones más ricas, cosas así. Nosotros privilegiamos la educación, la salud,
que los niños reciban... o sea hacemos un montón de sacrificios. (Madre, privada no
subvencionada, UGA 1)
Se constata de esta forma, una naturalización de la existencia de espacios escolares
segregados en términos económicos: en la medida que las escuelas pueden o no cobrar y,
si lo hacen, existen diferentes rangos de precios, cada familia se posiciona en aquel “nicho
de mercado” que le corresponde según sus recursos económicos.
Los colegios se van formando de acuerdo al estatus o al nivel socioeconómico que
tienen las familias, uno va viendo, ya, yo puedo pagar este colegio. (Madre, privada
no subvencionada, UGA 2)
Por otra parte, la cercanía entre casa y escuela es un criterio que las madres de escuelas
municipales y privadas subvencionadas ponen en juego. Siempre que sea posible, optan
por una escuela cercana para facilitar la vida cotidiana y reducir los gastos en transporte.
Sin embargo, dadas sus restricciones económicas, no les es posible asumir a la vez gastos
de escolarización y transporte, debiendo “renunciar” siempre a algo (cercanía o escuela
con copago, por ejemplo).
El [colegio privado no subvencionado] está súper lejos de lo que nosotros podemos
pagar. Así que ésta fue la única opción por el tema de la cercanía, porque un colegio
más lejos tiene el tema del furgón. (Madre, privada subvencionada, UGA 2)
La relevancia de la cercanía es menos preponderante para padres de escuelas privadas no
subvencionadas que, habitualmente, pueden resolver el tema del traslado más
cómodamente a través del uso de vehículo particular o transporte escolar.
Cercanía también, pero minoritaria, hubiese estado ahí un par de kilómetros más lejos
no hubiera sido problema para no haber ido ahí. (Madre, privada no
subvencionada, UGA 2)
4.3. Criterios de elección centrados en calidad educativa
Todas las familias ponen en juego criterios de calidad educativa. Sin embargo, éste es un
concepto que cambia entre distintos grupos. Nuestros hallazgos indican que existen
similitudes en la noción de calidad que construyen las madres en escuelas municipales y
en escuelas privadas subvencionadas en ambas UGAs.
Las madres de escuelas municipales valoran la adquisición de aprendizajes, dispositivos de
apoyo para niños y niñas con necesidades educativas especiales y la existencia de
relaciones cercanas entre los miembros de la comunidad educativa. Las entrevistadas de
la escuela municipal de la UGA 1 destacan que dependa administrativamente de una
municipalidad con altos recursos económicos, porque eso implica ciertos apoyos (red
multidisciplinaria de profesionales, implementación de programas, provisión de recursos
tecnológicos, entre otros) con los que no cuentan escuelas municipales de otras comunas
ni escuelas privadas subvencionadas del mismo municipio.
Yo sé que esta comuna igual es una comuna bien preocupada por los colegios, o sea
estructuralmente hablando todos súper buenos, tiene actividades extraprogramáticas,
nada que envidiarle a un particular. (Madre, municipal, UGA 1)
334
Las familias de la escuela municipal de la UGA 2 destacan fervientemente su “calidad

humana” aludiendo con ello a aspectos como el cuidado hacia los estudiantes y las
relaciones de colaboración que se dan al interior de la comunidad escolar. Este aspecto es
tan relevante que, en algunos casos, pueden estar dispuestos a renunciar a una escuela más
“exitosa” en términos académicos.
Con mi hijo mayor tuve la experiencia de tenerlo en el colegio de atrás, el particular
subvencionado, y ahí es mucho mejor la educación en cuanto a materia, van más
avanzados que acá en el liceo, pero en cuanto a calidad humana, es el punto que yo
elegí la escuela municipal. (Madre, municipal, UGA 2)
Las madres de escuelas privadas subvencionadas, por su parte, ponen el acento
prioritariamente en el aprendizaje y, en este escenario, sí puede ocupar un lugar el
rendimiento en pruebas estandarizadas. Estas familias valoran positivamente avances en
lectoescritura y matemáticas ajustados al currículum nacional, talleres y actividades
extraprogramáticas, logros académicos (individuales y colectivos) y la formación valórica
que pueda brindar la escuela.
Hay mucha diferencia, de hecho, por eso yo al (niño) lo tengo arriba (comuna del caso
de estudio), porque, aunque sea un colegio subvencionado, igual es diferente, el sistema
de estudio, el nivel de exigencia. (Madre, privada subvencionada, UGA 1)
El colegio es casi la segunda casa (…) el colegio es súper importante porque en el
fondo le está dando herramientas para que ese niño, independiente de lo que pase en
su casa siga su desarrollo. (Madre, privada subvencionada, UGA 2)
Sin embargo, algunas se muestran críticas respecto del alto nivel de exigencia académica
al que están sometidos los niños de la escuela privada subvencionada de la UGA 1: los
contenidos serían abordados en forma rápida, se dan demasiadas tareas, la metodología de
aprendizaje se basa en la memorización de contenidos sin incluir innovaciones.
A diferencia de lo que sucede entre entrevistadas de escuelas municipales y privadas
subvencionadas, los discursos de las madres de escuelas privadas no subvencionadas de la
UGA 1 y 2 difieren considerablemente. Es importante destacar que se trata de familias
que, aun cuando hayan elegido establecimientos privados no subvencionados, tienen
perfiles socioeconómicos y culturales diferentes. Como se puede apreciar en el Cuadro 2,
las familias de la escuela privada no subvencionada de la UGA 1 aventajan a las de la UGA
2 en nivel educativo e ingresos económicos. Asimismo, existen notables diferencias en los
territorios en que se insertan los establecimientos: uno se emplaza en un municipio de
élite, mientras el otro se ubica en una comuna heterogénea que ha albergado en los últimos
años a clase media emergente a través de la construcción de condominios orientados a este
segmento.
El criterio de calidad educativa que buscan los apoderados de la escuela privada no
subvencionada de la UGA 1 se relaciona con el proyecto educativo del establecimiento.
Éste se caracteriza por: sello de inclusión, énfasis en la formación valórica, metodología
de aprendizaje diferente a la tradicional, oferta de actividades extraprogramáticas,
infraestructura de gran nivel. Esto lo distinguiría de otros colegios enfocados en el
rendimiento académico y la competitividad.
La opción por este establecimiento no está libre de contradicciones. Las entrevistadas son
conscientes de las “desventajas” que puede tener este establecimiento en comparación a
otros establecimientos de élite, en cuanto a énfasis en deportes, aprendizaje de segunda
335
lengua o rendimiento en pruebas estandarizadas. Sin embargo, las características de su

proyecto educativo compensan estas debilidades.
Empezó a prevalecer el tema valórico, de la inclusión, que pudieran conocer a otro
tipo de gente, sabiendo que lo otro, que el deporte, que el inglés, podía ser subsanado
por otra parte… (Madre, privada no subvencionada, UGA 1)
El concepto de calidad educativa para las madres de la escuela privada no subvencionada
de la UGA 2 es distinta. Ésta se asocia fuertemente con los costos y, por tanto, consideran
que mientras más paguen mayores posibilidades tienen de acceder a una mejor educación,
que se traducirá en altos puntajes en pruebas estandarizadas y en la continuidad de
estudios terciarios en instituciones de prestigio. En un segundo plano se valoran otros
aspectos, como altos niveles de disciplina, la práctica de actividades deportivas o artísticas
y la formación valórica.
Todos me comentaban que el otro colegio particular pagado de la comuna no era tan
bueno. Que era como… bueno, en los puntajes SIMCE se veía más abajo que nuestro
colegio, eso también le da un punto. (Madre, privada no subvencionada, UGA 2)
4.4. Criterio de elección centrados en la composición social y cultural
El último conjunto de criterios considerados por las familias de los tres tipos de escuela
es la composición social y cultural del estudiantado: se evade cierto perfil de compañeros
y se busca un grupo similar al propio en términos socioeconómicos y culturales.
La tendencia general es la evitación del contacto con niños y familias de nivel
socioeconómico más bajo, de comportamiento agresivo, desafiante con la autoridad, que
usan un lenguaje vulgar, que pueden tener alguna cercanía con el mundo de la delincuencia
y/o drogas. Todas estas características son condensadas en la figura del “flaite”, de quien
rehúyen los padres de los tres tipos de escuela, salvo dos excepciones.
Los padres de la escuela municipal de la UGA 1 están conscientes de que sus
características institucionales facilitan el ingreso de niños y niñas percibidos como mala
influencia o amenaza. Al no tener alternativas confían en los recursos de sus hijos, en su
propia influencia, o bien, reformulan esta desventaja valorando que se eduquen en un
espacio escolar heterogéneo.
...lo que pasa en [comuna] igual hay harta droga, hay harta familia que son
traficantes y muchos de ellos van al colegio o de papás que han estado en la cárcel, que
son delincuentes [...] entonces pasa eso, yo trato de luchar contra eso, y digo pucha si
hay de todo no más, que le vamos a hacer […] ella se va a encontrar y mezclar con
cualquier tipo de gente después, no hay que ponerla en una burbuja. (Madre,
municipal, UGA 1)
Este temor se ve en parte contrarrestado por el hecho de que la escuela se ubica en una
comuna de alto nivel socioeconómico y alejada del sector más desfavorecido que existe
dentro del municipio. Así, la ubicación geográfica de la escuela representa una ventaja
comparativa. La misma idea es señalada por padres de la escuela privada subvencionada
vecina.
…de hecho por eso lo metí en un subvencionado arriba, y no en un subvencionado acá
en la comuna (sector poniente de Santiago), porque un subvencionado acá en la
comuna es lo mismo… es lo mismo que un municipal, no hay mucha diferencia.
(Madre, privada subvencionada, UGA 1)
El temor al “contagio” se ve exacerbado en padres de escuelas privadas subvencionadas
(de ambas UGAs) y no subvencionada de la UGA 2, quienes consideran que las escuelas
336
municipales vecinas escolarizan, justamente, niños que se busca evitar, descartándolas

para sus hijos. Para estos padres las barreras de entrada que pueden poner sus escuelas,
como el copago y procesos de selección son positivamente valoradas porque jugarían un
rol protector al disminuir la posibilidad de ingreso de estudiantes “indeseados”.
… pasa que ahí en [colegio municipal vecino] vienen chicos de lugares, de [la
comuna], donde hay mucha delincuencia, droga, entonces son otro tipo de alumnos.
Entonces, yo creo que ahí uno empieza a buscar donde su hijo va a estar mejor y no se
va a contagiar de todas estas cosas complejas de tratar... Entonces, por lo que uno
escucha, es más complicado el tipo de alumno del [establecimiento municipal].
(Madre, privada subvencionada, UGA 1)
Mucho flaite, muchos niños que a lo mejor su forma de presentarse, de ir al colegio, no
es la adecuada y es una forma de discriminar, porque es una forma de discriminar.
Lamentablemente, con recursos tú puedes ir apartando un poco de esa situación a tus
hijos. No es que esté en contra de ellos, pero es mi temor y mi temor radica mucho en
que, si llevo a los niños a un colegio municipal, el gran porcentaje de estos niños puedan
traer a mis hijos a un mundo distinto al cual yo no quiero que ellos lleguen;
drogadicción, alcoholismo, maltrato. (Madre, privada no subvencionada, UGA 2)
Las madres de la escuela privada no subvencionada de la UGA 2, además de intentar evitar
a los “flaite”, buscan un ambiente socioeconómico y cultural homogéneo en que sus hijos
se relacionen con niños y familias muy similares a ellos.
Por las personas que iban al colegio, porque nosotros mirábamos alrededor de lo que
teníamos y no queríamos que se relacionaran, de repente, con personas, para decirlo de
manera franca, como bien sensata, con personas que tuvieran, a lo mejor, un nivel de
estudio distinto al que tenemos nosotros. Acá uno sabe que la mayoría de los papás son
profesionales, entonces vamos buscando eso. (Madre, privada no subvencionada,
UGA 2)
La preocupación por las características socioeconómicas y culturales de los compañeros
de los hijos no se observa en dos de las escuelas estudiadas que, de alguna manera,
representan casos extremos. Las familias de la escuela municipal de la UGA 2 saben que
son percibidas por otros como “flaites”. Frente a esta denostación actúa como protector el
fuerte sentido de pertenencia a su comunidad educativa.
Meten a todos en el mismo saco entonces creen que todos somos iguales. Nos comparan
con la gente de allá, [de una población del sector]. (Madre, Municipal, UGA 2)
Por su parte, las familias de la escuela privada no subvencionada de la UGA 1 no aluden
al temor al “contagio” porque no se exponen a éste: los costos económicos de esta escuela
la restringen a familias de nivel socioeconómico alto.
Nuestros hallazgos coinciden con la literatura previa en varios sentidos. Se pone en
evidencia, nuevamente, que la “libre” elección de escuela está condicionada por los recursos
económicos que definen el rango de opciones en el “mercado escolar”.
La cercanía es valorada por familias de distintos tipos de escuela, no obstante, es una
prioridad a la que están dispuestos a renunciar cuando las escuelas cercanas no cumplen
con su criterio de calidad. Las fuentes de información que predominan son las
recomendaciones y experiencias de familiares y amigos. El SIMCE tiene un lugar
secundario, excepto para algunas familias que optan por escuelas privadas (con o sin
337
subvención). La noción de calidad que construyen las familias es compleja y diversa

pudiendo abarcar diferentes elementos de acuerdo con su nivel socioeconómico.
Los discursos de las madres respecto a cómo eligen escuela permiten observar la
construcción y definición del "nosotros" y "los otros" en un sentido colectivo. Con esas
definiciones las familias determinan con quienes desean que sus hijos compartan escuela y
quiénes son “indeseados”. En línea con ello, algunas familias de mayores recursos
socioeconómicos escogen escuela con el objetivo explícito o implícito de distinguirse o
protegerse de otros, buscando espacios educativos de homogeneidad socioeconómica y
cultural.
Todo lo anterior concuerda con el cuerpo de conocimiento acumulado en torno al proceso
de elección de escuela (Bellei et al., 2018, Córdoba, 2014; Gubbins, 2013; Raczynski et al.,
2010; Rojas, Falabella y Leyton, 2016; entre otros) y evidencia que las valoraciones y
comportamientos de las familias inciden sobre la segregación socioeconómica del sistema
escolar. Asimismo, este trabajo contribuye a comprender cuáles son los significados de
calidad educativa que las familias ponen en juego al momento de escoger escuela (Román
y Murillo, 2014).
El diseño metodológico del estudio permite hacer aportaciones novedosas. En primer
término, las UGAs están conformadas por escuelas muy desiguales en la composición
socioeconómica de su estudiantado, aun cuando se trata de establecimientos vecinos. Se
demuestra que la segregación socioeconómica escolar puede ocurrir a una escala mayor
de la que se ha utilizado en estudios previos en Chile, habitualmente de comunas. Sería
necesario entonces tener en cuenta que los límites administrativos pueden no representar
territorios homogéneos (Ruiz Tagle y López, 2014) y esta complejidad territorial debería
ser considerada en estudios sobre segregación escolar. En segundo término, la cercanía
física no implica cercanía social (Ruiz Tagle, 2016); diferentes grupos pueden compartir
un mismo territorio y desplegarse en éste como si vivieran en mundos paralelos. Este
trabajo refleja aquello, porque los discursos de elección de escuela de las familias se
encuentran claramente definidos por su estatus socioeconómico, independientemente de
la distancia física entre escuelas.
Por otra parte, refrendamos que la ubicación geográfica de los establecimientos también
es tenida en cuenta, no sólo desde la perspectiva de la cercanía con la casa o trabajo, sino
de las características del barrio. Raczynski y otros (2010), documentan que madres y
padres de nivel socioeconómico medio descartan escuelas ubicadas en barrios percibidos
como peligrosos, porque a ellas llegarían más fácilmente los estudiantes que quieren
evitar. Asimismo, este trabajo muestra que la ubicación en una comuna privilegiada y en
un sector específico de ésta, vuelve más atractiva una escuela porque disminuiría esta
posibilidad.
En la misma línea, es necesario recalcar que la producción y reproducción de la
segregación escolar está relacionada con la configuración socioespacial de la ciudad y el
fenómeno de la segregación residencial. Ésta es particularmente intensa para grupos de
altos ingresos en Santiago (Agostini et al., 2016) que tienden a la autosegregación
residencial (Vignoli y Rowe, 2019). Esto evidencia la necesidad de analizar la segregación
escolar en relación con la residencial (Stillerman, 2016) y de investigar a grupos sociales
abiertos a la integración territorial y escolar (Urrutia et al., 2017).
338
Finalmente, este trabajo aporta información sobre la diversidad en las lógicas de elección
de familias que optan por escuelas privadas no subvencionadas. Por una parte (UGA 2)
encontramos familias que se informan preferentemente por fuentes oficiales y
estandarizadas sobre la "calidad académica", evalúan las "ofertas" del "mercado escolar"
según precio/calidad y están preocupadas del tipo de compañero de sus hijos. Se trata de
familias que coinciden con el perfil “nueva clase media” propuesto por Bellei y otros
(2018), siendo el único grupo que se acerca en mayor medida al comportamiento ideal de
la teoría de la libre elección de escuela. En la UGA 1 las familias representan un perfil
inusual, porque privilegian un proyecto educativo con sello de inclusión, metodologías de
aprendizaje innovadoras y formación valórica. Su perfil es más cercano a la “clase media
tradicional” o “clase alta” (Bellei et al., 2018).
Identificamos dos debilidades en este trabajo. La primera es que se trata de un estudio
basado únicamente en dos casos. La segunda es que por motivos de espacio no se ahonda
en resultados que permitirían complementar algunas de las conclusiones presentadas,
como los obtenidos a través de las observaciones en los barrios.
El estudio de la segregación escolar en Chile tiene diversas aristas que será necesario
abordar en futuras investigaciones. En primer término, es imprescindible analizar el efecto
que tendrá el nuevo Sistema de Admisión Escolar SAE implementado en el marco de la
aplicación de la Ley de Inclusión. A través de éste se pone fin a los procesos de selección
de estudiantes por parte de escuelas sostenidas con fondos públicos, lo que teóricamente
implica mayores posibilidades de elección para las familias. Sin embargo, los estudios que
analizan sus opciones en este nuevo contexto muestran que las pautas de elección
(especialmente de los grupos más desaventajados) gozan de bastante estabilidad (Carrasco
y Honey, 2019; Sillard, Garay y Troncoso, 2018). Esto se explica en parte porque debido
a la implementación gradual de la medida del fin al copago, aún hay establecimientos con
este mecanismo de financiamiento.
Junto a ello, la incorporación creciente de estudiantes migrantes en el sistema escolar
chileno sugiere la aparición de nuevas formas de segregación escolar: este alumnado está
siendo atendido preferentemente por establecimientos públicos (CEM, 2019) y, además,
dentro de este sector su distribución no se produce de forma homogénea siendo algunas
escuelas las que tienden a escolarizarlos en mayor medida (Castillo, Santa Cruz y Vega,
2018).
A la luz de estas consideraciones la construcción de un sistema escolar más integrado en
términos académicos y socioeconómicos continuará siendo uno de los desafíos más
relevantes del sistema escolar chileno para los años venideros.
Agradecimientos
Este trabajo se enmarca en el Proyecto FONDECYT de Iniciación a la Investigación
N°11130149. Se agradece el apoyo del Programa.
Se utilizó como fuente de información las bases de datos de la Agencia de Calidad de la
Educación. Los autores agradecen a la Agencia de Calidad de la Educación el acceso a la
información. Todos los resultados del estudio son de responsabilidad de los autores y en
nada comprometen a dicha institución.
339
Se agradecen los comentarios y sugerencias de los revisores de la primera versión de este

trabajo, así como la colaboración de Manuel Vallejos, autor de los mapas.
Referencias
Agencia de Calidad de la Educación. (2015). Base de datos SIMCE 4° básico 2015. Ministerio de
Educación.
Agostini, C., Hojman, D., Román, A. y Valenzuela, L. (2016). Segregación residencial de ingresos
en el Gran Santiago, 1992-2002: Una estimación robusta. EURE, 42(127), 159-184.
https://doi.org/10.4067/S0250-71612016000300007
Ball, S. (1993). Education markets, choice and social class: The market as a class strategy in the
UK and the USA. British Journal of Sociology of Education, 14(1), 3-19.
https://doi.org/10.1080/0142569930140101
Ball, S. (1995). Circuits of schooling: A sociological exploration of parental choice of school in social
class context. Sociological Review, 43(1), 52-78.
https://doi.org/10.1111/j.1467-954X.1995.tb02478.x
Ball, S. y Vincent, C. (1998). I heard it on the grapevine: “Hot” knowledge and school choice. British
Journal of Sociology of Education, 19(3), 377-399.
https://doi.org/10.1080/0142569980190307
Ball, S. J., Bowe, R. y Gewirtz, S. (1996). School choice, social class and distinction: The realization
of social advantage in education. Journal of Education Policy, 11(1), 89-112.
https://doi.org/10.1080/0268093960110105
Bellei, C. (2015). El gran experimento. Mercado y privatización de la educación chilena. LOM.
https://doi.org/10.18800/educacion.201802.011
Bellei, C. y Vanni, X. (2015). Evolución de las políticas educacionales en Chile: 1980-2014. En
Bellei, C., El gran experimento: Mercado y privatización de la educación chilena (pp. 23-45).
LOM.
Bellei, C., Contreras, M., Canales, M. y Orellana, V. (2018). The production of socio-economic
segregation in chilean education. School choice, social class and market dynamics. En X.
Bonal y C. Bellei, Understanding school segregation. Patterns, causes and consequences of spatial
inequalities in education (pp. 221–240). Bloomsbury.
https://doi.org/ 10.5040/9781350033542.ch-011
Bonal, X. y Bellei, C. (2018). The renaissance of school segregation in a context of globalization.
En X. Bonal y C. Bellei (Eds.), Understanding school segregation. Patterns, causes and
consequences of spatial inequalities in education (pp. 1-26). Bloomsbury.
https://doi.org/10.5040/9781350033542.ch-001
Bravo, J. (2011). SIMCE: Pasado, presente y futuro del sistema nacional de evaluación. Estudios
Públicos, 123, 189-211.
Broccolichi, S. y Van Zanten A. (2000). School competition and pupil flight in the urban periphery.
Journal Education Policy, 15(1), 51-60. https://doi.org/10.1080/026809300286015
Canales, M., Bellei, C. y Orellana, V. (2016), ¿Por qué elegir una escuela privada subvencionada?
Sectores medios emergentes y elección de escuela en un sistema de mercado. Estudios
Pedagógicos, 42(3), 89-109. https://doi.org/10.4067/S0718-07052016000400005
340
Carrasco, A. y Honey, N. (2019). Nuevo sistema de admisión escolar y su capacidad de atenuar la

desigualdad de acceso a colegios de calidad: Al inicio de un largo camino. Centro Justicia
Educacional.
Carrasco, A., Donoso, A. y Mendoza, M. (2016). La dimensión ético-política de la elección de
escuela: dilemas en familias chilenas de elite. En J. Corvalán, A. Carrasco y J. E. García
Huidobro (Eds.), Mercado escolar y oportunidad educacional. Libertad, diversidad y desigualdad
(pp. 301-335). CEPPE, Ediciones UC. https://doi.org/10.1163/9789463002622_001
Carrasco, A., Falabella, A. y Mendoza, M. (2015). School choice in Chile as a sociocultural practice:
An ethnographic inquiry. En P. Seppänen, A. Carrasco, M. Kalalahti, R. Rinne y H. Simola
(Eds.), Contrasting dynamics in education politics of extremes: School choice in Finland and Chile
(pp. 245-266). Sense Publishers. https://doi.org/10.1163/9789463002622_012
Carrasco, A., Gutiérrez, G. y Flores, C. (2017). Failed regulations and school composition: Selective
admission practices in Chilean primary schools. Journal of Education Policy, 32(5), 642-672.
https://doi.org/10.1080/02680939.2017.1312549
Castillo, D., Santa Cruz, E. y Vega, A. (2018). Estudiantes migrantes en escuelas públicas chilenas.
Calidad en la Educación, 49,18-49. https://doi.org/10.31619/caledu.n49.575
CEM. (2019). Minuta 06. Minuta de variación de matrícula preliminar. Unidad de Apoyo a Gabinete
del Centro de Estudios, División de Planificación y Presupuesto, Ministerio de Educación.
CEPAL. (2018). Segundo informe anual sobre el progreso y los desafíos regionales de la agenda 2030 para
el desarrollo sostenible en América Latina y el Caribe. CEPAL.
Contreras, D., Sepúlveda, P. y Bustos, S. (2010). When schools are the ones that choose: The effects
of screening in Chile. Social Science Quarterly, 91(5), 1349-1368.
https://doi.org/10.1111/j.1540-6237.2010.00735.x
Córdoba, C. (2014). La elección de la escuela en sectores pobres. Resultados de un estudio
cualitativo. Psicoperspectivas, 13(1), 56-67.
https://doi.org/10.5027/psicoperspectivas-Vol13-Issue1-fulltext-301
Della Porta, D. (2013). Análisis comparativo: La investigación basada en casos frente a la
investigación basada en variables. En D. Della Porta y M. Keating (Eds.), Enfoques y
metodologías de las ciencias sociales. Una perspectiva pluralista (pp. 211-236). Akal.
Elacqua, G., Montt, P. y Santos, H. (2013). Evidencias para eliminar gradualmente el financiamiento
compartido. Universidad Diego Portales.
Falabella, A., Seppänen, P. y Raczynski, D. (2015). Growing tolerance of pupil selection: Parental
discourses and exclusionary practices in Chile and Finlandia. En P. Seppänen, A. Carrasco,
M. Kalalahti, R. Rinne y H. Simola (Eds.), Contrasting dynamics in education politics of extremes.
School choice in Chile and Finland (pp. 121-138). Sense Publisers.
https://doi.org/10.1163/9789463002622_006
Flores, C. y Carrasco, A. (2013). (Des)igualdad de oportunidades para elegir escuela. Preferencias,
libertad de elección y segregación escolar. Espacio Público. https://bit.ly/2NZH2ZW
Godoy, F., Salazar, F. y Treviño, E. (2014). Prácticas de selección en el sistema escolar chileno: Requisitos
de postulación y vacíos legales. Universidad Diego Portales.
González González, M. T. (2008). Diversidad e inclusión educativa: Algunas reflexiones sobre el
liderazgo en el centro escolar. REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio
en Educación, 6(2), 82-99.
341
Gubbins, V. (2013). La experiencia subjetiva del proceso de elección de establecimiento educacional

en apoderados de escuelas municipales de la región metropolitana. Estudios Pedagógicos,
39(2), 165-177. https://doi.org/10.4067/S0718-07052013000200011
Gubbins, V. (2014). Estrategias educativas de familias de clase alta. Un estudio exploratorio. Revista
Mexicana de Investigación Educativa, 19 (63), 1069-1089.
Hernández, M. y Raczynski, D. (2015). Elección de escuela en Chile: De las dinámicas de distinción
y exclusión a la segregación socioeconómica del sistema escolar. Estudios Pedagógicos, 41(2),
127-141. https://doi.org/10.4067/S0718-07052015000200008
Hastings, J. y Weinstein, J. M. (2008). Information, school choice, and academic achievement:
Evidence from two experiments. The Quarterly Journal of Economics, 123(4), 1373-1414.
Madero, C. y Madero, I. (2012). Elección escolar y selección estudiantil en el sistema escolar
chileno. ¿Quién elige quién?: El caso de la educación católica. Revista Mexicana de
Madrid, S. (2016). Diversidad sin diversidad: Los colegios particulares pagados de élite y la
formación de la clase dominante en una sociedad de mercado. En J. Corvalán, A. Carrasco,
J. E. García Huidobro (Eds.), Mercado escolar y oportunidad educacional. Libertad, diversidad y
desigualdad (pp. 269-299). CEPPE.
utilizando el TERCE. REICE. Revista Iberoamericana Sobre Calidad, Eficacia y Cambio en
Educación, 14(4). https://doi.org/10.15366/reice2016.14.4.002
en América Latina. Magis, Revista Internacional de Investigación en Educación, 9(19), 11-30.
https://doi.org/10.11144/Javeriana.m9-19.emse
Murillo, F. J. y Martínez-Garrido, C. (2019). Una mirada a la investigación educativa en América
Latina a partir de sus artículos. REICE. Revista Iberoamericana sobre Calidad, Eficacia y
Cambio en Educación, 17(2), 5-25. https://doi.org/10.15366/reice2019.17.2.001
Papers. Revista de Sociología, 103(3), 307-337. https://doi.org/10.5565/rev/papers.2392
Murillo, F. J., Hernández, R., Martínez-Garrido, C. e Hidalgo, N. (2018). Una panorámica de la
segregación social de los centros de educación secundaria en Iberoamérica. En F. J. Murillo
(Coord.), Avances en democracia y liderazgo distribuido en educación: Actas del II Congreso
Internacional de Liderazgo y Mejora de la Educación (pp. 559-564). RILME.
Navarro, L. (2004). La escuela y las condiciones sociales para aprender y enseñar. Equidad social y
educación en sectores de pobreza urbana. UNESCO.
OECD. (2019). PISA 2018 results: Where all students can succeed. OECD Publishing.
https://doi.org/10.1787/19963777
Parry, T. (1996). Will pursuit of higher quality sacrifice equal opportunity in education. An
analysis of the education voucher system in Santiago. Social Science Quarterly, 77(4), 821-
841.
Raczynski, D., Salinas, D., De la Fuente, L., Hernández, M. y Lattz, M. (2010). Hacia una estrategia
de validación de la escuela pública-municipal: Imaginarios, valoraciones y demandas de las familias.
Ministerio de Educación.
Rojas, M.T., Falabella, A. y Leyton, D. (2016). Madres de clase media frente al mercado educativo
en Chile: decisiones y dilemas. En J. Corvalán, A. Carrasco y J. E. García Huidobro, Mercado
342
escolar y oportunidad educacional. Libertad, diversidad y desigualdad, Colección Estudios en

Educación, Centro de Políticas y Prácticas en Educación (pp. 233-267). CEPPE.
Román, M y Murillo, F. J. (2014) Uso de los resultados de las evaluaciones estandarizadas como
criterio de elección y selección de escuelas. Revista Iberoamericana de Evaluación Educativa,
7(1), 5-7.
Ruiz Tagle. J. (2016). La persistencia de la segregación y la desigualdad en barrios socialmente
diversos: Un estudio de caso en La Florida, Santiago. EURE, 42(125), 81-108.
https://doi.org/10.4067/S0250-71612016000100004
Ruiz Tagle, J. y López, E. (2014). El estudio de la segregación residencial en Santiago: Revisión
crítica de algunos problemas metodológicos y conceptuales. EURE, 40(119), 25-48.
https://doi.org/10.4067/S0250-71612014000100002
Sillard, M., Garay, M. y Troncoso, I. (2018). Análisis al nuevo sistema de admisión escolar en Chile:
La región de magallanes como experiencia piloto. Calidad en la Educación, 49, 112-136.
https://doi.org/10.31619/caledu.n49.578
Stillerman, J. (2016). Educar a niñas y niños de clase media en Santiago: Capital cultural y
segregación socioterritorial en la formación de mercados locales de educación. EURE
42(126), 169-186. https://doi.org/10.4067/S0250-71612016000200008
Urrutia, J., López, H., Sabatini, F. y Rasse, A. (2017). Tolerancia a la diversidad y segregación
residencial. Una adaptación del modelo de segregación de Schelling con tres grupos sociales.
EURE, 43(130), art 5. https://doi.org/10.4067/s0250-71612017000300005
Valenzuela, J.P., Bellei, C. y De los Ríos, D. (2014). Socioeconomic school segregation in a market
oriented educational system. The case of Chile. Journal of education Policy, 29(2), 217-241.
https://doi.org/10.1080/02680939.2013.806995.
Van Zanten, A. (2003). Middle class parents and social mix in French urban schools: Reproduction
and transformation of class relations in education. International Studies in Sociology of
Education, 13(2), 107-124. https://doi.org/10.1080/09620210300200106.
Van Zanten, A. (2015). The determinants and dynamics of school choice. A comparative review.
En P. Seppänen, A. Carrasco, M. Kalalahti, R. Rinne y H. Simola (Eds.), Contrasting dynamics
in education politics of extremes. School choice in Chile and Finland (pp. 3-28). Sense Publishers.
https://doi.org/10.1163/9789463002622_002
Vignoli, J. y Rowe, F. (2019). Efectos cambiantes de la migración sobre el crecimiento, la estructura
demográfica y la segregación residencial en ciudades grandes. El caso de Santiago, Chile,1977-2017.
CEPAL.
Weinstein, J., Muñoz, G. y Rivero, G. (2018). Los directivos escolares como informantes
cualificados de las políticas educativas. Sus opiniones bajo el gobierno de Michelle Bachelet
en Chile (2014-2017). REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en

Claudia Córdoba
Psicóloga de la Universidad de Chile y Doctora en Sociología de la Educación por la
Universidad Complutense de Madrid. Académica del Departamento de Educación de la
Facultad de Humanidades de la Universidad de Santiago de Chile. Sus intereses de
investigación han estado alrededor de elección de escuela y segregación socioeconómica
343
entre establecimientos educativos, habiendo participado también en estudios sobre

iniciación profesional docente. Actualmente desarrolla proyectos de investigación
centrados en la elección de escuela por parte de familias migrantes y concentración de este
alumnado en escuelas de Santiago de Chile. ORCID ID: https://orcid.org/0000-0003-
0793-3420. Email: claudia.cordoba.c@usach.cl
Alonso Laborda
Antropólogo Social de la Universidad de Chile y Magíster en Psicología Educacional de
la Universidad de Chile. Investigador del Centro de Enseñanza Aprendizaje Campus Sur
de la Universidad de Chile. Sus líneas de estudio han estado centradas en orientación para
el aprendizaje en educación superior y los procesos de elección de escuela en relación con
la segregación socioeconómica y a la integración de familias inmigrantes al sistema escolar
chileno. ORCID ID: https://orcid.org/0000-0003-3988-4942. Email:
alonso.laborda@uchile.cl
Claudia Reyes
Antropóloga Social de la Universidad de Chile. Tesista en proyecto Fondecyt N°
11130149 “Análisis de la segregación escolar socioeconómica en Enseñanza Básica”,
contexto en el cual desarrolló la tesis “Representaciones sociales de las familias sobre
educación y su incidencia en la elección de escuela”. Sistematizadora de información en
“Proceso de consulta a expertos sobre propuesta de Bases Curriculares de 3° y 4° medio
para el futuro en Educación”, organizado por el PNUD y MINEDUC, 2017. Asesora
metodológica para Proyecto de Investigación “Educational imaginaries in motion:
Toward a Cultural Political Economic understanding of the chilean educational reform”,
Facultad de Educación, Universidad de Cambridge, 2019. ORCID:
https://orcid.org/0000-0002-6295-5019. Email: cpreyes@ug.uchile.cl
344
La Segregación Escolar en América Latina. ¿Qué se

Estudia y Cómo se Investiga?
School Segregation in Latin America. What is Studied and How

is it Investigated?
Sandra Carrillo *
Pontificia Universidad Católica del Perú, Perú
El estudio presenta una revisión de la investigación sobre segregación escolar en

América Latina, a partir de un análisis sobre la actividad científica publicada desde el
año 2006. La búsqueda bibliográfica se realizó mediante bases de datos
internacionales de acceso abierto obteniendo una muestra de 86 estudios
provenientes de Chile (30), Argentina (12), Perú (12), Brasil (11), Colombia (3),
México (3), Uruguay (2), Ecuador (1) y República Dominicana (1), además de algunos
estudios comparados (11). Se plantean tres dimensiones de análisis: material
analizado, tipos de segregación y métodos que se utilizan. Sobre los tipos de
segregación estudiados destacan las investigaciones sobre nivel socioeconómico
(80%), seguido de la segregación étnico-cultural (que incluye étnico-racial y por
procedencia inmigrante/nativo) y en menor medida la segregación académica. Las
metodologías cuantitativas son más usadas (56%) e implican el uso de índices de
segregación con bases de datos provenientes, de las evaluaciones estandarizadas
nacionales e internacionales. Se identificaron también estudios de carácter cualitativo
y de métodos mixtos. La investigación sobre segregación escolar se viene
incrementando en la región. Esto se debe en parte a la disponibilidad de bases de
datos confiables, así como un interés de generar evidencias para aportar a la
construcción de sistemas educativos más equitativos e inclusivos.
Descriptores: Investigación; Educación, Segregación escolar; América Latina;
Equidad educativa.
The article presents a review of research on school segregation in Latin America,

based on an analysis of the scientific activity published since 2006. The bibliographic
search was carried out through international open access databases obtaining a
sample of 86 studies from Chile (30), Argentina (12), Peru (12), Brazil (11), Colombia
(3), Mexico (3), Uruguay (2), Ecuador (1) and the Dominican Republic (1), in addition
to some comparative studies (11). Three dimensions of analysis are proposed,
material analyzed, types of segregation being studied, and methods used. Of the
types of segregation studied, research on socioeconomic level (80%) stands out,
followed by ethnic-cultural segregation (which includes ethnic-racial and by
immigrant/native origin) and, to a lesser extent, studies on academic segregation.
Quantitative methodologies are the most used (56%) and involve the use of
segregation indexes with databases mainly from national and international
standardized evaluations. Qualitative and mixed-method studies were also identified.
It is concluded that research on school segregation is increasing in the region. This
is due in part to the availability of reliable data bases, as well as an interest in
generating evidence to contribute to the construction of more equitable and inclusive
education systems.
Keywords: Research; Education; School segregation; Latin America; Educational
equity.
*Contacto: carrillo.sandra@pucp.pe Recibido: 1 de abril 2020

1ª Evaluación: 28 de abril 2020
www.rinace.net/reice/ Aceptado: 20 de julio 2020
S. Carrillo
1. Introducción
El sociólogo argentino Néstor López (2005) sostiene que los sistemas educativos
latinoamericanos están enfrentados a múltiples desafíos y, ante la evidencia de la
propagación de fenómenos de exclusión, marginalidad o de ruptura de lazos sociales
mínimos, se pregunta si los sistemas educativos están en condiciones de desarrollar
estrategias acordes a cada uno de ellos, o, por el contrario, se estarían conformando
configuraciones sociales frente a las cuales no habría pedagogía posible. La chilena
Magdalena Rossetti (2014) complejiza este cuestionamiento al señalar que las
desigualdades en los sistemas educativos de la región son profundas y se expresan en
diversas dimensiones, las mismas que afectan la calidad de los servicios educativos, en
cuanto a infraestructura, prestigio, el tamaño de las escuelas y los profesores que trabajan
en ellas. Los resultados de las evaluaciones estandarizadas, tanto nacionales como
internacionales, no hacen sino confirmar estas desigualdades entre los estudiantes, en
cuanto evidencian las profundas brechas en los logros de aprendizaje, tanto entre los
países de la región como al interior de los mismos.
Estas preocupaciones son las que han marcado parte de la agenda de la investigación en
América Latina en las últimas décadas, y si bien hay una importante tradición histórica de
estudios sobre inclusión y equidad educativa en la región, no es sino hasta la primera
década del nuevo siglo que el crecimiento de este tipo de investigaciones es notorio (Plá,
2015). Al respecto, es interesante el estudio de Murillo y Martínez-Garrido (2019) en el
cual se identifica que dentro de las investigaciones vinculadas a los sistemas educativos
y/o políticas educativas de la región, se estudian los temas relacionados a calidad de la
educación, equidad, acceso a la educación, reforma escolar, segregación escolar, legislación
educativa y políticas educativas públicas.
La segregación escolar –entendida como la distribución desigual de los estudiantes en las
escuelas en función de sus características personales o sociales– es un elemento de la
equidad educativa que tiene una clara incidencia en la desigualdad social (Murillo, 2016).
Ésta tiene que ver directamente con la organización y estructura del sistema educativo de
un país, porque un sistema educativo que segrega, además de ser ineficiente, limita las
posibilidades de desarrollo de sus estudiantes, sobre todo las de los más vulnerables
(Martínez y Ferrer, 2018).
Dada la vigencia del tema para la región, desde una mirada de las desigualdades sociales
y la necesidad de contar con sistemas educativos que apuesten por la equidad, este trabajo
tiene como propósito revisar la investigación realizada sobre segregación escolar en
América Latina en las últimas décadas. Concretamente trata de ver qué y cómo se ha
venido investigando la segregación escolar en la región a partir de la revisión de diferentes
documentos de investigación publicados sobre el tema.
Los sistemas educativos de la región nunca estuvieron estáticos, y es que desde la ola de
reformas educativas en los años sesenta del siglo pasado, se dieron diversos procesos de
transformación desarrollados como resultado de políticas orientadas a modificar algunos
aspectos de su funcionamiento (Braslavsky y Cosse, 1996). Así, los modelos educativos
implementados en las reformas educativas de los noventa en América Latina lograron una
346
mayor cobertura en la educación básica y obligatoria, pero a costa de inéditas formas de

desigualdad y exclusión educativa (Plá, 2015).
Si bien la conceptualización de la exclusión escolar y de las prácticas pedagógicas para
solucionarla tienen una larga tradición en la región, no es sino hasta los años ochenta
cuando aparecieron una serie de notables investigadores que dieron la pauta –aún vigente–
para las futuras investigaciones en equidad e inclusión educativa (Plá, 2015), lo que se
articularía, dos décadas después, a los estudios sobre segregación escolar.
Los estudios de segregación escolar en el mundo nacen a partir del fallo de la Corte
Suprema de los Estados Unidos Brown vs. Board of Education de Topeka (1954) al declarar
que la “educación separada (por el color de piel) pero igualitaria” era intrínsecamente
desigual. Unos años más tarde, especialmente con la publicación del “Informe de Igualdad
de Oportunidades Educativas” de Coleman (Coleman, 1966), se establece que los
antecedentes familiares, sumados a una combinación de la diversidad socioeconómica en
el aula, serían determinantes en los aprendizajes de los estudiantes.
Es a partir de ambos sucesos que la cantidad de estudios sobre segregación escolar
crecieron de manera significativa, principalmente en Estados Unidos, dominando la
segregación racial la mayor parte de la investigación sobre este tema. Unas décadas
después, el estudio de la segregación socioeconómica empezó a recibir una atención
creciente, y es en América Latina en donde la segregación escolar se articula bajo temas
más generales relacionados a la inequidad en la educación (Bonal y Bellei, 2018).
La segregación escolar hace referencia a la distribución desigual de los estudiantes en las
instituciones educativas según sus características personales o sociales, tales como su
origen o etnia, género, condición de inmigrante, desempeño académico, o su nivel
socioeconómico (Dupriez, 2010; Ireson y Hallam, 2001; Vazquez, 2016). La definición de
grupos "segregados" tiene a la base alguna hipótesis acerca de la ventaja relativa de un
grupo sobre otro respecto de los logros educacionales (Bellei, 2013). Así, Murillo (2016),
basándose en la amplia literatura sobre el tema, destaca que pueden priorizarse tres tipos
de segregación escolar: la segregación por nivel socioeconómico, la segregación étnico-
cultural, que a su vez puede distinguirse entre la concentración de la población inmigrante
extranjera y la de las minorías étnicas o raciales en determinadas escuelas, y la segregación
por capacidad también conocida como segregación académica.
Massey y Denton (1988) proponen estudiar la segregación en términos de dimensiones,
advirtiendo que, si bien empíricamente los grupos segregados en cierta dimensión tienden
a estarlo en otra, se trata de dimensiones conceptualmente distintas. Estas dimensiones
son: similitud, exposición, concentración, centralización y agrupamiento. Las tres últimas
hacen referencia al aspecto geográfico (distribución espacial) del fenómeno, por lo que no
se usan en los estudios de segregación escolar.
De esta manera, las dos dimensiones de la segregación escolar más usadas son las de
similitud o uniformidad (evenness) y la de exposición (exposure). Gasparini, Jaume, Serio y
Vazquez (2011) explican que la dimensión de similitud se refiere a la tendencia de distintos
grupos a distribuirse de manera desigual entre las escuelas, es decir un grupo estaría
segregado si está sobrerrepresentado en algunas escuelas y sub-representado en otras. La
dimensión de exposición está asociada al grado de contacto potencial o posibilidad de
interacción entre miembros de los distintos grupos al interior de una escuela, en otras
347
S. Carrillo
palabras, un grupo está segregado si tiene escasa probabilidad de encontrarse con

miembros de los restantes grupos en la escuela a la que pertenece.
Murillo, Duk y Martínez-Garrido (2018) hacen una buena síntesis de los índices usados
para estimar la segregación escolar. Así, en su dimensión de uniformidad, los
investigadores mencionan que los índices más habituales son el índice de Duncan (Duncan
y Duncan 1955), el de la Raíz Cuadrada de Hutchens (Hutchens 2001, 2004) y el índice de
Segregación de Gorard (Gorard y Taylor 2002), cada uno de ellos con sus propias
características. Complementariamente, en su dimensión de exposición, el índice más
habitual es el índice de Aislamiento (Lieberson 1981), aunque también consideran que
puede usarse el de Interacción (Morgan, 1983).
Las causas de la segregación escolar son múltiples y complejas. Al respecto, Natalia
Krüger (2019) señala que la segregación escolar es causada por factores tanto exógenos
como endógenos al campo educativo. Para la investigadora, es el resultado, tanto de las
tendencias globales que configuran la relación entre el sistema educativo y su contexto
socioeconómico, como de las normas y políticas promovidas por las autoridades y de las
estrategias y reacciones de los distintos actores. Krüger agrega que, al ser un fenómeno
complejo, tiene múltiples causas que responden a las especificidades de cada país y sistema
educativo, presentando distintas características o dinámicas. Por su parte, Cristián Bellei
(2013) advierte que lo que hace especialmente difícil el estudio de la segregación escolar
(así como las políticas para reducirla) es el hecho de se trata de un fenómeno colectivo, una
consecuencia agregada de acciones que no necesariamente están orientadas de manera
explícita a producirla, más aún –dice el investigador– que para muchos actores sociales la
segregación puede ser una consecuencia indeseada y no anticipada de sus propias acciones.
Los primeros estudios de segregación escolar estuvieron relacionados, la mayoría de las
veces, con problemas de segregación urbana, lo que dejaba entrever que la segregación
escolar era inevitable porque respondía a la configuración “natural” de los distintos
territorios y que, en todo caso, las soluciones tendrían que resolver la distribución
territorial de la población y no tanto la de los centros educativos o políticas educativas
(Martínez y Ferrer, 2018). En consonancia con ello, Valenzuela, Bellei y de los Ríos (2010)
precisan que si bien los efectos negativos de la segregación residencial (racial y
socioeconómica) en los grupos minoritarios están bien documentados –principalmente en
las dimensiones laboral, educativa y de salud– esta información no es suficiente, ya que la
educación es un campo muy sensible a los efectos de la segregación residencial en cuanto
los efectos negativos asociados a una disminución de las oportunidades educativas y de
logro escolar de las personas afectadas por esta segregación. Complementariamente,
Sabatini (1999) expresa que la segregación escolar es más peligrosa que la segregación
residencial porque la escala de sus efectos es fija, y porque además el sector privado
pareciera no ser compatible con la reducción de la segregación escolar. Explicar la
segregación escolar desde la segregación residencial invisibiliza y debilita este fenómeno.
En ese sentido, Valenzuela, Bellei y de los Ríos (2010) tratan de agrupar en tres grandes
dimensiones los argumentos que fundamentan una preocupación especial por las
consecuencias de la segregación escolar. Una primera se refiere a la calidad y riqueza de
la experiencia formativa de los estudiantes, especialmente en sus aspectos cívicos y de
integración social, lo que en el largo plazo garantiza el “capital social” de un país. La
segregación escolar debilita la formación ciudadana que ofrece el sistema, tanto para los
grupos privilegiados como para los grupos vulnerables, en la lógica de que la segregación
348
priva de espacios de convivencia ciudadana entre personas provenientes de diferentes

grupos socioeconómicos (García-Huidobro, 2007).
La segunda dimensión que plantean Valenzuela, Bellei y de los Ríos (2010) también se
relaciona a la calidad educativa, aunque en un sentido más restringido referido a la
igualdad de oportunidades en el logro de los objetivos académicos entre los alumnos.
Diversas investigaciones muestran que las escuelas menos segregadas generan mejores
resultados escolares e incluso mejores resultados de acceso y permanencia en la educación
post-secundaria (Orfield, 2001), por lo que disminuir la segregación de los estudiantes por
nivel socioeconómico debiera ser un objetivo importante en la búsqueda de una educación
de mayor calidad y equidad.
La tercera dimensión se relaciona con la efectividad de las políticas educacionales que
operan sobre la vulnerabilidad, pues la segregación agrega un efecto colectivo que
promueve la exclusión social. No se trata de que la desegregación sea una solución al
problema educacional de los más pobres, sino que la segregación dificulta las posibles
soluciones a dichos problemas. Así esta dimensión se relaciona con el aspecto institucional
de las políticas educativas y sociales para aplicar programas exitosos de mejoramiento
escolar para todos (Valenzuela et al., 2010).
A lo anterior, y gracias a la evidencia acumulada por la investigación, se suma el efecto
par o efecto de composición que está a la base de estas dimensiones. Al respecto, Gorard
y Siddiqui (2018) resaltan que los estudiantes segregados por su situación de desventaja
económica, social o cultural obtienen peores resultados escolares que el promedio. Si bien
los estudios no son concluyentes, la influencia que tienen los grupos en los resultados
individuales se posiciona en un contexto de creciente interés analítico y empírico. En este
sentido, la evidencia apoya la existencia de efectos compositivos, es decir, la relación del
agregado de variables a nivel de persona con los resultados, incluso después de controlar
los efectos de las características individuales (Benito, Alegre y González-Balletbó, 2014;
Burke y Sass, 2013; Cueto, León y Miranda, 2016; Krüger, 2018; Van Ewijk y Sleegers,
2010). De esta manera, Durlauf (2006) identifica que el mayor problema es cuando los
grupos que se forman en las escuelas son una manifestación de alguna forma de
segregación, y esto puede dar lugar a desigualdades persistentes y trampas de pobreza a
través de comportamientos de imitación “negativos”.
Frente a los desafíos planteados y la vigencia de este tema para América Latina, este
artículo presenta una visión panorámica de la investigación sobre segregación escolar en
la región, a partir de la revisión de diversos estudios publicados en los últimos catorce
años. El objetivo de este estudio es evidenciar la productividad científica sobre segregación
escolar en América Latina durante el periodo 2006 hasta el primer trimestre del 2020, con
la finalidad de ofrecer una descripción global del estado actual de la investigación sobre
este tema, para así aportar al debate y a la reflexión del mismo.
3. Método
En este estudio se presentan los resultados obtenidos a partir de un análisis sobre la
actividad científica de las principales líneas de investigación relacionadas a la segregación
escolar en América Latina durante el periodo 2006-2020.
349
S. Carrillo
La muestra documental estuvo compuesta por 86 estudios que desarrollaron el tema de

segregación escolar y fueron publicados durante los años 2006-2020 1.
La fase de búsqueda bibliográfica y selección documental se llevó a cabo durante el periodo
de enero a marzo del año 2020, utilizando como fuente bibliográfica las bases datos
internacionales de acceso abierto tales como Scientific Electronic Library on Line
(SciELO) y Google Scholar, además de buscar las publicaciones en las páginas webs
institucionales de centros de investigación y organismos internacionales de la región
vinculados a las ciencias sociales, desigualdades, pobreza y educación. Se usaron estas
bases abiertas por su disponibilidad y probable difusión extendida.
La búsqueda bibliográfica se realizó con palabras clave en las bases de datos buscadores,
tales como “segregación escolar”, “segregación social”, “segregación socioeconómica”,
“segregación racial”, “segregación académica”, toda búsqueda siempre con la precisión de
ser investigación realizada en América Latina y que al tratarse de segregación escolar esté
enfocada en estudiantes del nivel de primaria y/o el nivel de secundaria. Los artículos
indexados en más de una de las bases de datos utilizadas fueron contabilizados sólo una
vez. Investigaciones que analizaban más de un tipo de segregación (por ejemplo,
socioeconómico y habilidad y/o origen étnico) fueron contabilizadas en cada tema de
análisis. Se excluyeron investigaciones relacionadas con educación superior, carrera
docente, inclusión educativa y artículos de carácter psicoanalítico, entre otros.
Una vez que se obtuvieron todos los registros, se seleccionaron, mediante la información
consignada en el resumen y palabras clave, aquellos trabajos enfocados en el estudio de la
segregación escolar con estudiantes de los niveles de educación primaria y educación
secundaria de América Latina. Posteriormente, se procedió a registrar las investigaciones
identificadas consignando la información puntual: año de publicación, medio de
publicación, autor o autores, país, palabras clave, objetivos y preguntas de investigación,
metodología y temáticas de investigación. Sobre la base de la información recogida se
organizaron tres categorías o ejes de análisis de investigación:
• Caracterización del material analizado: tipo de publicación, año de publicación y
país de estudio.
• Tipos de segregación escolar que se investigan con mayor frecuencia en la
región, basado en la clasificación que plantea Murillo (2016): la segregación por
nivel socioeconómico, la segregación étnico-cultural y la segregación académica.
• Metodología utilizada en los estudios de segregación escolar: cuantitativa,
cualitativa y métodos mixtos.
Estas tres categorías ayudaron a organizar la información y a realizar los análisis
descriptivos, según las variables priorizadas (número de estudios y países), en función de
cumplir con el propósito del estudio.
1Para el caso del año 2020, se seleccionaron los publicados en el primer trimestre y además se tuvo
acceso a un grupo de publicaciones aprobadas y en proceso de publicación.
350
4. Resultados
A continuación, se describen los resultados de este estudio en función de las tres categorías
desarrolladas.
4.1. Caracterización del material analizado
Se identificaron 86 documentos relacionados a la investigación sobre segregación escolar
en América Latina. El 73% de ellos publicados en revistas (59 en revistas indexadas y 3
en revistas arbitradas), 14% publicados como documentos (7 de centros de investigación,
5 de organismos internacionales), 12% capítulos de libros (5 publicados en inglés y 5 en
castellano) y 2% otros (uno en acta de congreso y otro es un informe de investigación)
(figura 1).
2%
12%
Artículos en revistas
Documentos de trabajo
14%
Capítulos de libro
73%
Otros
Gráfico 1. Número de publicaciones analizadas por tipo de documento

En cuanto a la temporalidad de la revisión, el primer documento identificado fue del año

2006 y la revisión se extendió hasta el primer trimestre del 2020, en donde se identificaron
un grupo de documentos aprobados y en proceso de publicación. Como se muestra en la
figura 2, en la línea temporal del estudio destacan los años 2014 (11 publicaciones), 2016
(16 publicaciones) y 2018 (12 publicaciones), como los años con mayor productividad,
siendo el 2020 un año que todavía está en curso y que por lo tanto el número de
publicaciones puede incrementarse.
18
16
15
12 12
11
9
8
7 7 7
6 6
4
3 3
1 1 1 1 1
0
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020*
Figura 2. Evolución del número de publicaciones sobre segregación escolar en América

Latina identificadas
Nota: * Solo los 3 primeros meses.
351
S. Carrillo
Entre los países que participan de este análisis, destaca Chile, con la tercera parte de la
producción (30 publicaciones, que corresponde al 35% del total), continúan Argentina y
Perú con 12 publicaciones cada uno (14%) y Brasil 11 (13%). Asimismo, se encuentra un
importante número de investigaciones comparadas de América Latina sobre segregación
escolar (11 publicaciones, que corresponden al 13% del total).
40%
35%
35%
30%
25%
20%
14% 14% 13% 13%
15%
10%
3% 3% 2%
5% 1% 1%
0%
Figura 3. Distribución del número de publicaciones sobre segregación escolar en

América Latina analizadas por país
Al realizar un análisis por temporalidad de la producción según países, se puede identificar

una tendencia creciente, a partir de inicios de esta última década. Se identifica como Chile,
ha ido incrementando, de manera sostenida, su producción investigativa en este tema
(figura 4).
18 17
16
14
12 10
10 9 9
8 7 7
6 4
4 3 3 3 3
2
2 1 111 1 1 1 1 1
0 0 0 0 0 00 00
0
Cbile Argentina Perú Brasil América Colombia Mexico Uruguay Ecuador República
Latina Dominicana
2006-2010 2011-2015 2016-2020
Figura 4. Evolución del número de publicaciones sobre segregación escolar en América

Latina en cada país
352
Así, se muestra claramente que en la primera década de este siglo (2006-2010), Chile,
Brasil Colombia, México y Uruguay publicaron los primeros siete estudios sobre
segregación escolar, vinculados a temas de financiamiento de la educación y organización
del sistema educativo (Chile), así como desigualdades de origen (Colombia y México),
migración (Chile) y desigualdades y oportunidades educativas en el marco de la
organización de las ciudades (Brasil y Uruguay).
Pero es en el siguiente quinquenio (2011-2015) que tanto Chile como Argentina y Brasil
toman ventaja en este tipo de estudios (entre 7 y 10 estudios), para continuar con Perú y
los estudios comparados en el segundo quinquenio (2016-2020) (entre 7 y 9 estudios),
surgiendo, además, nuevos países en la escena (Ecuador, República Dominicana y
nuevamente Uruguay).
4.2. Tipos de segregación escolar que se investigan en América Latina
La segregación escolar, entendida como a la distribución desigual de los estudiantes en las
escuelas, en función de sus características personales, culturales o sociales –especialmente
en términos de su etnia y origen social, se estudia según tres tipos de segregación: la
relacionada al nivel socioeconómico, la étnico-cultural y la académica. Se encontró que la
segregación por nivel socioeconómico es la más investigada en la región (80%) (Gráfico
5).
5%
16% Segregación Escolar por

Nivel Socioeconómico
Segregación Escolar
Étnico-Cultural
Segregación Escolar
80% Académica
Gráfico 5. Distribución de las publicaciones sobre segregación escolar en América Latina

según el tipo de segregación analizada
4.2.1. Segregación escolar por nivel socioeconómico

Son 66 las investigaciones identificadas sobre segregación escolar por nivel
socioeconómico. La metodología para este tipo de estudios es identificar grupos de
estudiantes de mayor y menor nivel socioeconómico y medir su nivel de segregación con
relación al resto de estudiantes. En este grupo de estudios destaca Chile como el país que
inició este tema en la región en el año 2007, siendo además el país que más ha investigado
sobre este tipo de segregación (22 publicaciones). Le siguen Perú (12), Argentina (11),
Brasil (4), Colombia (3), Uruguay (2) y los países de Ecuador y República Dominicana (1
publicación cada uno). Se suman los 11 estudios comparados de la región, todos ellos sobre
segregación socioeconómica.
Este tipo de investigación está muy vinculada a entender la segregación como una de las
consecuencias de la expansión de las lógicas de cuasi-mercado de los sistemas educativos
353
S. Carrillo
de la región. En los casos de Chile, Perú, Argentina y Brasil se puede identificar un grupo
de investigadores que han venido profundizando la segregación escolar por nivel
socioeconómico en el tiempo, principalmente los estudios cuantitativos que manejan las
bases de datos de las evaluaciones estandarizadas, como se verá más adelante.
Así, a partir del mecanismo de la selección de escuelas (school choice) y el financiamiento
de la educación, Chile profundiza la segregación y la igualdad de oportunidades en el
marco del financiamiento compartido y las escuelas subvencionadas, mientras que Perú lo
hace desde una mirada a la expansión de la oferta privada de bajo costo y sin regulación
por parte del Estado lo que ha venido profundizando este fenómeno en el país. Argentina
hace énfasis en las desigualdades y el incremento de la segregación que genera la oferta
pública y privada. Brasil por su parte, pone la atención la composición escolar y cómo los
turnos escolares (matutino, vespertino y nocturno) si bien generan mayor cobertura,
profundizan la segregación. Colombia, por otro lado, enfatiza las clases sociales y los
antecedentes de las familias para elegir y priorizar la escolarización de sus hijos. Los
estudios de Ecuador, República Dominicana y Uruguay son bastante recientes y consisten
en una visión panorámica y descriptiva de los altos niveles de segregación escolar por
nivel socioeconómico en cada país y con detalle de la segregación en cada una de sus
regiones o departamentos.
Las investigaciones comparadas de la segregación escolar por nivel socioeconómico en
América Latina cobran mayor fuerza en el 2015. En la mayoría de ellos se utilizan las
bases de datos de PISA en sus diferentes versiones (evaluaciones entre el año 2000 y 2015)
y las evaluaciones del Segundo (SERCE) y Tercer (TERCE) Estudio Regional
Comparativo y Explicativo de la UNESCO (2008, 2015). En estos estudios se comparan
los niveles de segregación de los países y en algunos casos se mide la evolución de la
segregación. Gracias a estos estudios se puede identificar cómo se comportan los países
en el tiempo. En general los estudios recientes coinciden que hay una reducción de la
segregación en algunos de los países comparados durante los últimos años, pero esta
disminución es muy discreta en comparación con la alta segregación que presentan,
además, encuentran que en la mayoría de los países en que la segregación disminuye, lo
hace en los estudiantes de familias de mayor nivel socioeconómico, incrementándose en
los de menor (Krüger, 2019; Murillo, Duk y Martínez-Garrido, 2018), lo cual es una
evidencia importante para seguir profundizando en esta línea de investigación.
4.2.2. Segregación escolar étnico-cultural
Un siguiente tipo de segregación es la segregación escolar étnico-cultural. En estos
estudios los grupos étnico raciales o de procedencia migrante (o nativos) son comparados
con el resto de estudiantes, con relación a su nivel de segregación en el sistema educativo.
En este caso el volumen de producción es menor (13 investigaciones) al anterior y se
subdivide en dos tipos: la segregación étnico-racial (10) y la segregación por procedencia
inmigrante/nativo (3).
La segregación étnico-racial, como se señaló, ha sido muy estudiada en los Estados Unidos
especialmente en las décadas de los años 60 y 70 (segregación enfocada en los
afroamericanos) pero con continuidad hasta la actualidad (relacionado a la presencia de la
población hispana). En América Latina, sin embargo, el interés se focaliza en la
segregación escolar de los estudiantes de familias pertenecientes a la población indígena,
aunque para el caso de Brasil el foco está en los afrodescendientes, principalmente.
354
La primera investigación identificada en este tema es del año 2006 y corresponde a un

estudio sobre segregación escolar de la población indígena en México y su relación con la
discriminación laboral, siete años después se identifica otro estudio relacionado al tema
indígena y de migración del área rural a la ciudad. La investigación sobre segregación
étnico racial la lidera Brasil con cuatro estudios, en la que la variable racial
(afrodescendientes) es usada para caracterizar y explicar la segregación. Se encuentran
dos estudios comparados para América Latina, uno cualitativo relacionado a la elección de
escuelas y sus determinantes sociales (clase, raza y lengua), y otro, cuantitativo que usa la
base de datos del TERCE de la UNESCO (2015) para analizar los índices de segregación
por origen/ etnia y por procedencia inmigrante/nativo.
Los estudios de segregación por procedencia inmigrante/nativo es todavía menor. El
primer estudio es del año 2007 y es de Chile. Diez años después surgen 2 estudios mas
sobre el tema, en Argentina y en Chile nuevamente, ambos países con una alta tasa de
migración extranjera latinoamericana en las últimas dos décadas. En estos estudios se
analizan los procesos de exclusión e inclusión de los migrantes en las escuelas y las
tensiones políticas alrededor del tema.
Murillo y Martínez-Garrido (2017) señalan que hay pocos estudios sobre segregación
escolar étnico-racial y por inmigración realizados en América Latina. Parte de la
explicación es la forma como se registran estas variables en los países. En algunos casos,
por ejemplo, los autores señalan que se usan autoinformes de los padres y madres respecto
a la pertenencia en un grupo indígena y procedencia de otro país, por lo que el registro el
número de estudiantes en esta situación tiende a ser muy pequeño.
4.2.3. Segregación escolar académica
La segregación académica ha sido menos estudiada en la región por lo que se encuentra
un número menor de estudios sobre este tema (4). Este tipo de segregación tiene que ver
con la distribución de estudiantes según sus logros escolares, lo que para Bellei (2013) no
es fácil observar porque en dichos logros se combinan los efectos de los múltiples
mecanismos que distribuyen de manera desbalanceada a los alumnos (segregación) con los
diferentes niveles de efectividad escolar de los establecimientos (productividad). Los
estudios identificados para este estudio indagan sobre los procedimientos y las
justificaciones utilizados por la dirección de las escuelas en la selección y distribución de
alumnos. Los estudios identificados son de México (2011) sobre la existencia de
desigualdades asociadas a la operación de escuelas de doble turno, Brasil (2015) que
investiga la distribución y el acceso a plazas en escuelas municipales de la ciudad de Rio
de Janeiro con un enfoque en la oferta escolar, y dos estudios de Chile (2013 y 2018), que
tratan de explicar el agrupamiento por habilidad que ocurren en el sistema escolar. Este
tipo de segregación es, sin duda, un campo por explorar en la región.
4.2.4. Una nota sobre la segregación residencial y escolar
Aunque no es parte de la tipología anterior, es interesante mencionar que se identificó un
grupo de investigaciones (9) sobre segregación residencial y escolar. Estas dividen a la
población en estratos sociales (de acuerdo a atributos tales como raza o nivel
socioeconómico) e investigan la distribución de estos grupos entre barrios o escuelas. Si
bien no son estrictos estudios de la segregación escolar, si es importante mencionar que
son estudios que vinculan las desigualdades educativas asociadas a la segregación de los
355
S. Carrillo
territorios. El primer estudio data del 2007 y es de Uruguay, le siguen 4 estudios de Brasil
(desarrollados entre el 2009 y 2012) y 4 estudios de Chile (entre los años 2013 y 2018).
4.3. Metodología utilizada para estudiar la segregación escolar en la región
Una revisión de la metodología utilizada en los estudios identificados muestra que la
mayoría de las investigaciones utilizan una metodología cuantitativa (48 estudios, 56%)
para el análisis, seguido de una metodología cualitativa (30 estudios, 35%) y el uso de
métodos mixtos (8 estudios, 9%) (figura 6).
9%
Métodos Cuantitativos
Métodos Cualitativos
35% Métodos Mixtos

56%
Figura 6. Distribución de las investigaciones sobre segregación escolar en América

Latina en función de la metodología utilizada
4.3.1. Metodología cuantitativa

El enfoque metodológico más usada para los estudios de segregación escolar identificados
en este estudio es la cuantitativa. Es característica de este tipo de estudios la intención
explicativa y de predicción. La metodología cuantitativa se orienta a ser una medición
controlada basada en datos sólidos y confiables, de tal manera que el método usado pueda
ser repetible y los resultados generalizables.
Así, se encuentra que el 85% de las investigaciones cuantitativas son sobre la segregación
escolar por nivel socioeconómico (41 estudios). Para medir la magnitud de la segregación
escolar 30 estudios utilizaron los índices más habituales: Disimilitud (D), Gorard (G), Raíz
Cuadrada (H), Aislamiento (A), el Índice de Brecha por Centiles (o GCI) y el Índice de
Inclusión Socioeconómica (IIS). En los otros estudios se identificó el uso de estadística
descriptiva, modelos multinivel, modelos de regresión y en menor medida técnicas de
agrupamiento, modelos de variación y de efectos aleatorios.
Estos estudios usan fuentes secundarias. En estos casos se basan en las bases de datos de
las evaluaciones estandarizadas internacionales, tales como las evaluaciones de PISA, que
es la más usada (en 11 investigaciones), seguida de las pruebas de la UNESCO-OREALC
(4). Se utilizan también las bases de datos oficiales de las pruebas para medir logros de
aprendizaje de los países: SIMCE en Chile (5), ECE en Perú (4), Saber en Colombia (3),
Prova Rio en Brasil (3), Aristas en Uruguay (1), Evaluación Diagnóstica Nacional en
República Dominicana (1). Asimismo, se utilizan datos del censo de los países y de otras
evaluaciones como la prueba ICCS y los datos longitudinales del Young Live Study.
Una mirada a los países que tienen de 10 a más investigaciones muestra que los estudios
comparados de América Latina (73%) y los de Argentina (70%) son los que utilizan en su
356
mayoría la metodología cuantitativa. Así también, la mitad de los estudios identificados

en Perú (50%), Brasil (46%) y Chile (43%) utilizan este tipo de metodología.
4.3.2. Metodología cualitativa
La metodología cualitativa se caracteriza por el interés por comprender la conducta
humana desde el propio marco de referencia de quien actúa, por lo mismo, intenta hacer
una aproximación global de las situaciones sociales para explorarlas, describirlas y
comprenderlas de manera inductiva. Es así que estos estudios priorizan, desde lo subjetivo,
la descripción, explicación o comprensión del fenómeno de estudio (Krause, 1995).
De esta manera, se identificaron 30 estudios que utilizan la metodología cualitativa para
investigar la segregación escolar. Entre las técnicas más utilizadas se encuentran el
análisis documental y las entrevistas.
Se encontró que, del total de estudios cualitativos, 78% corresponden a los estudios sobre
segregación por nivel socioeconómico y 22% a estudios sobre segregación étnico-cultural.
Este mismo análisis por país muestra que el 46% del total de las investigaciones
producidas por Chile sobre segregación escolar (15), seguido de Perú (5 estudios que
corresponden al 42% de su producción) son estudios cualitativos. Con menos del 30% de
su producción siguen en esta lista los países de Argentina (3), Brasil (3) y los estudios
comparados (3).
Algunos de los estudios cualitativos identificados hacen análisis documentales de otros
estudios a manera de presentar la situación y reflexionar sobre ella. Estos son los casos de
los tres estudios comparados identificados para América Latina, que se basan en una
revisión y comparación de las políticas educativas de los países. Lo mismo sucede para los
estudios de Perú identificados, en donde se revisa el proceso de privatización y el mercado
educativo de las escuelas de bajo costo. Mientras que, a diferencia de los anteriores, los
estudios de Argentina, Brasil y Chile revisan los procesos que generan la segregación
mediante entrevistas a escuelas y actores educativos, tratando de definir ciertas
características para profundizar sobre ellas y así contar con elementos para entender la
complejidad del fenómeno, y en algunos casos, conocer las reacciones de las personas
frente a las medidas tomadas. Sobre este tema, son especialmente interesantes los estudios
de Chile, en el que se profundiza y compara las escuelas inclusivas de las segregadas, en el
marco de la política desarrollada de desagregación escolar.
4.3.3. Métodos mixtos
Los métodos mixtos combinan la perspectiva cuantitativa y cualitativa en un mismo
estudio, con el objetivo de darle profundidad al análisis cuando las preguntas de
investigación son complejas. En los estudios identificados se incorporan metodologías
cuantitativas y cualitativas en un solo proyecto de investigación cuya línea principal puede
ser cuantitativa o cualitativa. En estos casos, la metodología “secundaria” complementa al
método central con el objetivo de aportar pistas que son analizadas conjuntamente con el
material obtenido por el primero (Morse, 2003).
Se identificaron 8 estudios que utilizaron métodos mixtos. Estos en su mayoría (5) usan
las bases de datos disponibles para realizar algunos análisis que luego son
complementados con entrevistas. De estos estudios 4 son de segregación por nivel
socioeconómico, 3 de segregación por origen ético-cultural. Brasil y Chile tienen cada uno
3 estudios con esta metodología, mientras México y Perú, uno cada uno. Los temas están
357
S. Carrillo
vinculados a la selección de escuelas (por parte de las familias y de los responsables de

ofertar el servicio escolar) así como temas de ciudadanía y convivencia escolar asociadas a
mecanismos de segregación y exclusión.
Este artículo ha tenido como objetivo revisar la productividad científica sobre segregación
escolar en América Latina desde el año 2006 hasta primer trimestre del año 2020. Con ese
propósito, se ofrece un estudio sobre qué se investiga y cómo se investiga este fenómeno
en la región.
Una primera conclusión que se desprende de esta revisión, es que el estudio de la
segregación escolar es bastante reciente para América Latina (no tiene más de dos
décadas) y que los estudios han ido incrementándose, de manera sostenida, en el
transcurso de los años. Este hallazgo evidencia un interés creciente por el tema, así como
un enorme potencial en la medida que tiene un impacto directo en la atención a los
problemas de las desigualdades, los cuales conllevan a problemas sociales más complejos.
Una segunda conclusión es que los estudios sobre segregación escolar revisados para esta
investigación están fuertemente vinculados a los temas de desigualdad, lo cual no es un
tema menor. Un ejemplo evidente tiene que ver con la identificación de temas globales,
como el desarrollo de los cuasi-mercados educativos, que debilitan la equidad dentro de
los sistemas educativos (Alegre, 2010) y cómo gran parte de las investigaciones
identificadas para este estudio responden a la necesidad de generar evidencias de cómo
estas desigualdades se profundizan en sistemas educativos marcados por esta lógica de
cuasi-mercado, que ha sido parte de la respuesta a ampliar la cobertura en la región,
sumado a un debilitamiento de la capacidad integradora de los Estados, lo que conllevó a
un gradual retiro de los mismos en la provisión de los servicios públicos (Krüger, 2018;
López, 2005).
Una tercera conclusión se refiere al contexto de los propios países, en el marco de sus
propias trayectorias, características de sus sistemas educativos y acciones desarrolladas
como respuestas a sus problemáticas, lo que explica, en parte la desigualdad de
publicaciones seleccionadas a nivel de países. En ese sentido, se identifica que si bien hay
problemáticas específicas por país, los desafíos son compartidos, por lo que las
investigaciones desarrolladas aportan a un conocimiento común. Por ejemplo, los estudios
de Chile, Argentina y Perú sobre efectos de la privatización educativa en la segregación
escolar, o los casos de México y Brasil donde el interés se enfoca hacia el origen étnico-
racial y la segregación. De esta manera, América Latina viene incrementando un
importante cuerpo académico sobre el tema, que se enriquece frente a los desafíos de los
propios países y de la región misma.
Una cuarta conclusión tiene que ver con la orientación de la investigación sobre
segregación escolar en la región. En ese sentido, si bien se identifica que lo avanzando a
la fecha está más relacionado a la segregación escolar por nivel socioeconómico, queda un
largo camino por recorrer relacionado a la investigación en segregación étnico-cultural y
segregación académica, asumiendo que la región tiene sus propias características con
respecto a la diversidades étnico-raciales de su población, así como los fenómenos de
migración y logros escolares. Estas dimensiones son muy necesarias de conocer a mayor
escala y profundizar en pro de la equidad.
358
Una quinta y última conclusión se relaciona con el avance obtenido en las investigaciones
que tienen un diseño metodológico cuantitativo. Las bases datos accesibles y confiables,
tanto internacionales como nacionales, aportan a seguir desarrollando estas
investigaciones cuantitativas con mayor amplitud. Sin embargo, se destaca también el
interés creciente por el uso de métodos cualitativos y métodos mixtos, como un
acercamiento para darle mayor profundidad al conocimiento del tema. Estos últimos son
de vital importancia porque permiten contrastar datos oficiales con información recabada
directamente a los propios actores en las comunidades escolares.
Finalmente, se reconoce que, si bien el análisis tiene un conjunto de limitaciones debido a
su naturaleza descriptiva, abre una agenda de investigación importante para América
Latina. En ese sentido, un siguiente paso sería el desarrollo de una revisión sistemática
que dé cuenta de un estado del arte de la segregación escolar en la región, de tal manera
que pueda profundizar y complementar lo desarrollado en este estudio.
El contar con conocimiento sobre la segregación escolar no solo ayuda a comprender
mejor el fenómeno, sino que lo visibiliza y contribuye a contar con mayores y mejores
evidencias, así como las posibilidades de ofrecer insumos que aporten al diseño de políticas
educativas y a la toma de daciones. Como señalan Bonal y Bellei (2018), la segregación
escolar necesita ser explicada y entendida, tanto desde los factores externos a los sistemas
educativos, como en sus características propias y políticas educativas específicas, por lo
que la investigación en este tema se vuelve un asunto central.
Referencias
Alegre, M. A. (2010). Casi-mercados, segregación escolar y desigualdad educativa: Una trilogía
con final abierto. Educacao & Sociedade, 31(113), 1157-1178.
https://doi.org/10.1590/S0101- 73302010000400006
Bellei, C. (2013). El estudio de la segregación económica y académica de la educación chilena.
Benito, R., Alegre, M. A. y González-Balletbó, I. (2014). School segregation and its effects on
educational equality and efficiency in 16 OECD comprehensive school systems. Comparative
Education Review, 58(1), 104-134. https://doi.org/10.1086/672011.
Bonal, X. y Bellei, C. (2018). Understanding school segregation. patterns, causes and consequences of
spatial inequalities in education. Bloomsbury Academic.
https://doi.org/10.5040/9781350033542
Braslavsky, C. y Cosse, G. (1996). Las actuales reformas educativas en América Latina: Cuatro actores,
tres lógicas y ocho tensiones. PREAL.
Burke, M. A. y Sass, T. R. (2013). Classroom peer effects and student achievement. Journal of Labor
Economics, 31(1), 51-82. https://doi.org/10.2139/ssrn.1260882
Coleman, J. S. (1966). Equality of educational opportunity. U.S. Dept. of Health, Education, and
Welfare, Office of Education.
Cueto, S., León, J. y Miranda, A. (2016). Classroom composition and its association with students’
achievement and socioemotional characteristics in Peru. Assessment in Education: Principles,
Policy & Practice, 23(1), 126-148. https://doi.org/10.1080/0969594X.2015.1105783
Duncan, O. y Duncan, B. (1955). A methodological analysis of segregation indexes. American
Sociological Review, 20, 210-217. https://doi.org/10.2307/2088328
359
S. Carrillo
Durlauf, S. N. (2006). Groups, social influences, and inequality: A memberships theory perspective
on poverty traps. En S. Bowles, S. Durlauf y K. Hoff (Eds.), Poverty traps (pp. 79-101).
Princeton University Press.
Dupriez, V. (2010). Methods of grouping learners at school. UNESCO.
García-Huidobro, J. E. (2007). Desigualdad educativa y segmentación del sistema escolar.
Consideraciones a partir del caso chileno. Pensamiento Educativo, 40(1), 65-86.
Gasparini, L., Jaume, D., Serio, M. y Vazquez, E. (2011). La segregación escolar en Argentina.
Reconstruyendo la evidencia. CEDLAS.
Gorard, S. y Siddiqui, N. (2018). Redefining measures of poverty and their impact on student
progress in England. En X. Bonal y C. Bellei (Eds.), Understanding school segregation (pp. 85-
102). Bloomsbury Academic. https://doi.org/10.5040/9781350033542.ch-005
https://doi.org/10.1177/003803850203600405
https://doi.org/10.1016/s0165-4896(00)00070-6
Hutchens, R. (2004). One measure of segregation. International Economic Review, 45, 555-578.
https://doi.org/10.1111/j.1468-2354.2004.00136.x
Ireson, J. y Hallam, S. (2001). Ability grouping in education. Paul Chapman Publishing.
Krause, M. (1995). La investigación cualitativa: Un campo de posibilidades y desafíos. Revista Temas
de Educación, 7, 19-39.
Krüger, N. (2018). An evaluation of the intensity and impacts of socio-economic school segregation
in Argentina. En X. Bonal y C. Bellei (Eds.), Understanding school segregation. Patterns, causes
https://doi.org/10.5040/9781350033542.ch-006
educativa: 15 años de evolución en América Latina. Archivos Analíticos de Políticas Educativas,
27(8), 1-35. https://doi.org/10.14507/epaa.27.3577
Lieberson, S. (1981). An asymmetrical approach to segregation. En C. Peach (Ed.), Ethnic
segregation in cities (pp. 61-83). Croom-Helm.
López, N. (2005). Equidad educativa y desigualdad social. Desafíos de la educación en el nuevo escenario
latinoamericano. IIPE-UNESCO Buenos Aires.
Martínez, L. y Ferrer, A. (2018). Mézclate conmigo. De la segregación socioeconómica a la educación
inclusiva. Save the Children.
Massey, D. S. y Denton, N. A. (1988). The dimensions of racial segregation. Social Forces, 67(2),
281-315. https://doi.org/10.2307/2579183
Morgan, B. S. (1983). A distance-decay based interaction index to measure residential segregation.
Area, 15, 211-217.
Morse, J. M. (2003). Principles of mixed methods and multimethod research design. En A.
Tashakkori y C. Teddlie (Eds.), Handbook of mixed methods in social and behavioral research
(pp. 189-208). Sage.
360

en América Latina. Magis, Revista Internacional de Investigación en Educación, 9(19), 11-30.
https://doi.org/10.11144/Javeriana.m9-19.emse
Murillo, F. J. y Martínez-Garrido, C. (2019). Una mirada a la investigación educativa en América
Latina a partir de sus artículos. REICE. Revista Iberoamericana sobre Calidad, Eficacia y
Cambio en Educación, 17(2), 5-25. https://doi.org/10.15366/reice2019.17.2.001
https://doi.org/10.4067/S0718-07052018000100157
Orfield, G. (2001). Schools more separate: Consequences of a decade of resegregation. Civil Rights Project,
Harvard University.
Plá, S. (2015). Debates contemporáneos sobre la inequidad y la exclusión educativa en América
Latina. Sinéctica, 44, 1-19.
Rossetti, M. (2014). La segregación escolar como un elemento clave en la reproducción de la desigualdad.
CEPAL.
Sabatini, F. (1999). Tendencias de la segregación residencial urbana en Latinoamérica: Reflexiones a partir
del caso de Santiago de Chile. Universidad de Uppsala.
UNESCO. (2008). Los aprendizajes de los estudiantes de América Latina y el Caribe: Primer reporte de
resultados del Segundo Estudio Regional Comparativo y Explicativo-SERCE.
OREALC/UNESCO Santiago.
UNESCO. (2015). Informe de resultados del Tercer Estudio Regional Comparativo y Explicativo-
TERCE. Logros de aprendizaje. OREALC/UNESCO Santiago.
Valenzuela, J. P., Bellei, C. y Ríos, D. L. (2010). Segregación escolar en Chile. En S. Martinic y G.
Elacqua (Eds.), ¿Fin de ciclo? Cambios en la gobernanza del sistema educativo chileno (pp. 257-
284). OREALC/UNESCO Santiago.
Van Ewijk, R. y Sleegers, P. (2010). The effect of peer socioeconomic status on student
achievement: A meta-analysis. Educational Research Review, 5(2), 134-150.
Breve CV de la autora
Sandra Carrillo
Investigadora del Instituto de Estudios Peruanos (IEP) y profesora de la Pontificia
Universidad Católica del Perú (PUCP). Es magíster en Políticas Públicas y Sociales por
la Universidad Pompeu Fabra (España) y en Políticas Educativas por la Universidad
Alberto Hurtado (Chile). Licenciada en Psicología Educacional por la Pontificia
Universidad Católica del Perú (PUCP). Actualmente realiza el doctorado en Educación en
la Universidad Autónoma de Madrid (UAM). Sus trabajos e investigaciones están
relacionadas a las reformas y políticas educativas, estudios de género, desigualdades
361
S. Carrillo
sociales y segregación escolar. ORCID ID: https://orcid.org/0000-0003-2871-4702

Email: carrillo.sandra@pucp.pe
362
Segregación y Exclusión Escolar de la Primera

Generación de Alumnado de Origen Migrante: De la
Integración a la Desintegración
Segregation and School Exclusion of First Generation Pupils

with a Migrant Background: From Integration to Disintegration
Mohamed Chamseddine *
Universidad de Murcia, España
Una revisión exhaustiva de las abundantes investigaciones y planes de formación

sobre atención de la diversidad cultural, nos remite de forma persistente al concepto
integración escolar del alumnado de origen migrante. No obstante, su trayectoria
académica desigual y poco alentadora, nos conduce hacia una inexcusable
desintegración y exclusión escolar de los mismos. La polarización y segregación
escolar, el abandono del Sistema Educativo en Educación Secundaria y la baja tasa
de dicho alumnado en la Universidad, confirman la desentonación temeraria
producida en las últimas tres décadas, debido a la ausencia de calidad, equidad y
eficacia educativa en la gestión de dicha materia. El objetivo de este trabajo es
analizar de forma transversal los aspectos pedagógicos e institucionales, asociados a
la atención al alumnado migrante, y su vínculo con la segregación y exclusión escolar
de los mismos, como son la baja implicación de las familias migrantes en la dinámica
escolar, la escasa formación docente, la rotación del profesorado, la ausencia de
mediadores interculturales, etc. Todo ello, para impulsar la reflexión sobre posibles
respuestas inclusivas, coherentes y contundentes, que garanticen el éxito escolar de
la próxima generación. Por tanto, esta cuestión no sólo merece interés académico,
sino que se trata de una urgencia moral, política y social.
Descriptores: Segregación; Alumnado migrante; Inclusión; Exclusión; Escuela.
A comprehensive review of abundant researches and training plans about cultural

diversity persistently refers us to students’ integration school concept with a
migrant background. However, their unequal and not very encouraging academic
path lead us to an inexcusable disintegration and school exclusion of them. The
polarization and segregation of schools, the dropout from the education system in
secondary school and the low rate of such students at university confirm the reckless
disharmony produced in the last three decades, due to the lack of quality, equity and
educational efficiency in this subject management. The aim of this work is to analyse,
in a transversal way, pedagogical and institutional aspects associated with the care
of migrant students and their link with their segregation and exclusion from school,
such as low involvement of migrant families in the school dynamic, scarce teacher
training, teacher rotation, absence of intercultural mediators, etc. All of that is to
encourage reflection on possible inclusive, coherent and forceful responses that will
guarantee the school success of the next generation, but this question does not only
deserve academic interest, also it is a matter of moral, political, and social urgency.
Keywords: Segregation; Migrant students; Inclusion; Exclusion; School.
*Contacto: mohamed.c.h@um.es Recibido: 20 de abril 2020

M. Chamseddine
1. Introducción
La incorporación de España a los estados receptores de migrantes, se produjo en paralelo
con el desarrollo económico y social que se inició en los años 90. Sin embargo, el impacto
de los flujos migratorios no está distribuido de forma homogénea en las distintas
Comunidades Autónomas, debido principalmente a las oportunidades de empleo
disponibles en cada zona geográfica, especialmente en el sector agrario, el servicio
doméstico y el sector del comercio. Dicha diferencia en la distribución se refleja del mismo
modo, en los contextos escolares, cuyo alumnado extranjero procede de Latinoamérica,
países del Magreb, África subsahariana, Asia Oriental, Europa del Este e incluso alumnos
y alumnas procedentes de la propia Unión Europea (Consejo Económico y Social, 2019).
Dicho lo anterior, cabe indica que el eterno y controvertido debate sobre la calidad y la
equidad educativa ha producido cambios y reformas en el sistema educativo, fruto de una
sociedad dinámica y un escenario político cambiante. Desgraciadamente, este escenario no
logra superar las desigualdades entre la inclusión de los privilegiados y la exclusión de los
desfavorecidos que también aspiran a que le garanticen más y mejor educación. En una
reflexión sobre la calidad educativa, Escudero (2014) sostiene que es un principio
inherente al derecho a una educación digna, efectiva y democrática cuyo compromiso
moral sería la satisfacción de las necesidades y expectativas de los discentes con
consistencia y perfeccionamiento de ciertos procesos educativos, para la transformación y
cohesión social. En cuanto a la equidad educativa, Sánchez-Santamaría y Manzanares
(2012) manifiestan que se debería correlacionar positivamente la equidad de acceso, donde
todos pueden acceder al sistema educativo; la equidad de oferta, que permite acceder a
todos a las mismas oportunidades educativas, ajustando el nivel al ritmo y capacidades de
aprendizaje de cada alumno y alumna; la equidad de proceso, que promueve y genera
condiciones, experiencias y situaciones pedagógicas orientadas al éxito educativo para
todos, garantizado la permanencia en el sistema educativo; y, por último, la equidad de
resultados que garantice que todo el alumnado alcance las mismas metas a nivel de
competencias básicas en las distintas etapas educativas.
No obstante, lograr el cumplimiento de estas aspiraciones de gran relieve y trascendencia
social y educativa, implica garantizar la igualdad en los logros educativos y en las
oportunidades, todavía a día de hoy, ausentes especialmente en el tema que nos ocupa. Así,
la irrupción del alumnado migrante en los centros educativos españoles, es relativamente
reciente en comparación con otros contextos europeos. Su incorporación cuenta ya con
tres décadas de presencia en el sistema educativo, desde sus inicios en 1990 hasta 2020,
constituyendo la primera generación de este "nuevo" alumnado. Ante la presencia de los
mismos, el marco legal incorpora como novedades la no discriminación, y el respecto por
la diversidad de procedencias, junto a la igualdad de oportunidades de género, como
principios de la educación, en el artículo 2.3 de la Ley de Ordenación General del Sistema
Educativo (LOGSE, 1990), estableciendo la efectiva igualdad de derechos entre los sexos,
el rechazo a todo tipo de discriminación, y el respeto a todas las culturas. A continuación,
se insiste en el derecho a la educación del alumnado migrante (4/2000) en su artículo 9.1
que pasamos a transcribir: los extranjeros menores de dieciséis años tienen el derecho y el
deber a la educación, que incluye el acceso a una enseñanza básica, gratuita y obligatoria.
Los extranjeros menores de dieciocho años también tienen derecho a la enseñanza
postobligatoria. Y de forma persistente aparece la integración de los mismos en el artículo
364
9.3, que establece que los poderes públicos promoverán que los extranjeros puedan recibir
enseñanzas para su mejor integración social.
Ante la urgencia de dar respuesta a este fuerte incremento de alumnos extranjeros en las
aulas en la primera década, el sistema educativo español ha ido poniendo en marcha de
manera progresiva y a veces apresurada, distintas acciones y medidas en los centros
educativos. Es lo que se afirma en el artículo 42.1 de La Ley de Calidad de la Educación
(LOCE, 2002) que pasamos a transcribir: las Administraciones educativas favorecerán la
incorporación al sistema educativo de los alumnos procedentes de países extranjeros,
especialmente en edad de escolarización obligatoria. Para los alumnos que desconozcan la
lengua y cultura española, o que presenten graves carencias en conocimientos básicos, las
administraciones educativas desarrollarán programas específicos de aprendizaje, con la
finalidad de facilitar su integración en el nivel correspondiente. Matizando en el artículo
42.2 que los programas a que hace referencia el apartado anterior se podrán impartir, de
acuerdo con la planificación de las Administraciones educativas, en aulas específicas
establecidas en centros que impartan enseñanzas en régimen ordinario. El desarrollo de
estos programas será simultáneo a la escolarización de los alumnos en los grupos
ordinarios, conforme al nivel y evolución de su aprendizaje.
Lejos de olvidarse de aquellos alumnos migrantes que presentan mayores riesgos de
fracaso y abandono escolar estimulados por su incorporación tardía al sistema educativo,
aparece la Ley Orgánica de Educación (LOE, 2006), en su artículo 78.1 en donde se afirma
que corresponde a las administraciones publicas favorecer la incorporación al sistema
educativo de los alumnos que, por proceder de otros países o por cualquier otro motivo,
se incorporen de forma tardía al sistema educativo español. Dicha incorporación se
garantizará, en todo caso, en la edad de escolarización obligatoria. Casi una década
después, aparece el borrador de la Ley Orgánica 8/2013, de 9 de diciembre, para la mejora
de la calidad educativa (LOMCE, 2013), que matiza en su artículo 2 la formación en el
respeto y reconocimiento de la pluralidad lingüística y cultural de España y la
interculturalidad como un elemento enriquecedor de la sociedad. Y recientemente, el
Consejo de Ministros ha aprobado con fecha de 03/03/2020 un Proyecto de Ley Orgánica
de Modificación de la Ley de Educación (LOMLOE, 2020) que pretende mejorar la calidad
educativa siguiendo las directrices de la OCDE, y tal y como plantea la Agenda 2030,
resaltando la necesidad de una distribución equilibrada del alumnado, así como reforzar la
prevención de la segregación –algo que afecta a la población migrante– entre escuelas y
entre las redes pública y concertada, para que todos los alumnos tengan las mismas
oportunidades.
Repárese en que los distintos textos legales afirman su compromiso educativo y social sin
exclusiones, algo que han recalcado los países miembros de la UNESCO en la Agenda
Educativa 2030 “Asegurar una educación inclusiva y equitativa de calidad y promover
oportunidades de aprendizaje a lo largo de la vida para todos y todas”. En la práctica
escolar, sin embargo, se confirman los tímidos avances, en donde pocos alumnos de origen
migrante aspiran a cursar una titulación universitaria; los más resilientes confían en
lograrlo y otros, apenas se lo plantean por las bajas expectativas en superar las dificultades
en las distintas etapas del proceso formativo. Prueba de ello es la polarización y
segregación escolar, el abandono escolar en Educación Secundaria y la baja tasa de dicho
alumnado en la universidad. En tal sentido, se nos plantean los siguientes interrogantes
interrelacionados entre sí, a los que trataremos de dar respuesta en el presente trabajo:
¿cuáles son los detonantes de la aparición de la polarización escolar?, ¿cuáles son los
365
M. Chamseddine
determinantes claves en el fracaso y abandono escolar de la población migrante?, ¿qué

formación específica en atención al alumnado de origen extranjero recibe el profesorado?,
¿existe una comunicación fluida entre las familias migrantes y los docentes?, ¿qué tipo de
medidas se aplican para gestionar la diversidad cultural en los centros educativos?; y,
finalmente, ¿los centros educativos cuentan con mediadores interculturales para facilitar
la inclusión educativa de dicho alumnado?.
Para profundizar en dichas cuestiones el presente artículo se vertebra en dos ejes
transversales que indican las causas y consecuencias intrínsecamente asociadas a la
exclusión escolar. El primero aborda los determinantes de la segregación y exclusión
escolar de la población migrante, y el segundo trata los aspectos adicionales que
actualmente dificultan la inclusión escolar de dicho alumnado.
2. Las desigualdades en las tres etapas educativas

Una de las desigualdades más citada en la bibliografía existente en la materia, tiene que
ver con la aparición de la polarización escolar en determinados centros educativos de
carácter público, fruto de la ambigüedad de normativas reales y adicionales de la política
de escolarización de alumnado migrante extranjero (Chamseddine, 2018a; Salinas y
Santín, 2012). Dicha tendencia creciente se alimenta a menudo de una serie de elementos
como el éxodo masivo del alumnado autóctono a otros centros (Moreno, 2002), el criterio
adicional de la libre elección de centro (Martín, 2010), la asociación de la segregación
residencial con la polarización escolar (Ortiz, 2014), la inexistencia del reparto equitativo
entre la red escolar pública y concertada (Ortiz, 2010); la violencia estructural de la
política de zonificación (García et al., 2014), el pago obligatorio de cuotas mensuales
(Franzé et al., 2012), unido a las medidas extras, como la reserva de plazas escolares,
acuerdos y cooperación entre centros escolares para reducir la presencia de alumnado de
origen extranjero en sus aulas (Rubia, 2013), lo que genera la creciente aparición de los
centros llamados “línea uno”.
En este sentido, la investigación desarrollada por Murillo, Martínez-Garrido y Belavi
(2017) pone de manifiesto, que el sistema educativo español es obviamente inequitativo en
términos de segregación entre comunidades autónomas. Estos autores revelan que
Andalucía y Galicia encabezan la segregación escolar. A continuación, aparece una
segregación significativa en la Comunidad Foral de Navarra, Cataluña, Principado de
Asturias, Cantabria, Comunidad Valenciana, Castilla y León, Castilla-La Mancha, Islas
Baleares, Comunidad de Madrid, Región de Murcia y Aragón. Y, por último, se encuentra
la Rioja con menos niveles de segregación escolar.
Estas dificultades intencionadas (Essomba, 2014), vulneran reiteradamente el principio de
igualdad, convirtiendo a los centros escolares en "casi-mercados educativos”, como
manifiesta Alegre (2010). En definitiva, se trata de toda una red de aspectos explicativos,
entre otros, que definen las concentraciones y segregaciones escolares en numerosos
centros educativos de titularidad pública, que conducen a menudo a la desintegración
escolar y, por tanto, a la desintegración social de este "nuevo" alumnado. En este sentido,
en el libro verde migración y movilidad: Desafíos (retos) y oportunidades para los sistemas
educativos europeos (2008), se manifiesta que los centros educativos deberían garantizar
una educación de calidad y equidad, desde una sociedad inclusiva que permita la
366
integración, prosperidad y productividad de los alumnos extranjeros en su sociedad

receptora. En tal sentido, Escudero (2006) insiste en:
Asumir el compromiso de no mirar para otro lado allí donde se esté vulnerando el
derecho básico a la educación; denunciar factores y dinámicas políticas, sociales y
educativas de exclusión y discriminación en contextos globales y locales; denunciar la
inmoralidad de los guetos sociales y escolares, urgiendo medidas de lucha contra la
dualización escolar y educativa. (p. 31)
Como es bien sabido, la transición académica hacia educación secundaria produce un
impacto muy significativo, especialmente en la población que se encuentra en una
situación de mayor vulnerabilidad académica y social. En tal sentido, el alumnado de
origen migrante se enfrenta a esta etapa de alto riesgo de abandono escolar, ya que forma
parte de los candidatos al fracaso escolar, y más aún si son alumnos de incorporación tardía
que se enfrentan a un sistema educativo desconocido. Las posibilidades del éxito escolar
se reducen a la mitad, si el menor llega a España con menos de cinco años o bien si su
llegada se produjo con más de 12 años. El fracaso y abandono escolar se multiplica a
menudo por la ausencia de estrategias estimulantes y potenciadoras del desarrollar
competencias resilientes en y desde los centros educativos de Educación Secundaria
(Escudero, 2014).
En esta etapa educativa, los alumnos y alumnas de origen migrante corren el mismo riesgo
que los autóctonos, con la diferencia que los primeros superan el 20% –en la mayor parte
de las Comunidades Autónomas– del alumnado que se marcha de las aulas sin conseguir
el título de educación secundaria obligatoria. Es decir, al no alcanzar los objetivos de la
E.S.O se incorporan a la desentonación temeraria y a las lagunas de las medidas
pedagógicas inspiradas en el enfoque de compensación y diversificación educativa. Prueba
de ello es el desfile en dicha etapa de los sucesivos programas que han arbitrado las
distintas leyes educativas, como es el caso de los Programas de Diversificación Curricular
(PDC), los Programas de Garantía Social (PGS), los Programas de Cualificación
Profesional Inicial (PCPI), y, en la actualidad con la LOMCE, la Formación Profesional
Básica (FPB) que en un principio se implantaría para minimizar el impacto del desfase del
currículo regular de los alumnos y alumnas, pero han terminado convirtiéndose en muchos
casos en el motor principal hacía el fracaso y abandono escolar. Para paliar dicha escena
la OCDE insiste en su informe del Panorama de la Educación 2019, en que la educación
es el mejor antídoto contra el desempleo. Por ello, el Ministerio de Educación cuadriplicó
en el mismo año la inversión para minimizar el impacto del abandono escolar temprano
donde supuestamente invirtió más de 81 millones de euros para afrontar la difícil tarea de
mantener a los alumnos y alumnas escolarizados. Sin embargo, no deja de incrementarse
la tasa de jóvenes inactivos, que no están integrados en los sistemas de formación,
agudizando de esta manera su destino definitivo a empleos precarios, y por tanto, a su
vulnerabilidad sociolaboral.
Asimismo, los chavales dejan de ser estudiantes, de la formación reglada, para
controvertirse de manera "voluntaria" en usuarios- de la formación no reglada-, en los
programas de Garantida Juvenil, conocidos como Programas Operativos de Empleo
Juvenil (POEJ). Inicialmente, estos programas perseguían reducir el desempleo juvenil
ofreciendo respuestas “formativas” y de inserción laboral. No obstante, estos jóvenes
susceptibles de participar en esta iniciativa europea tampoco pueden acceder al itinerario
formativos de los mismos, ya que el título de graduado en la ESO es un requisito
imprescindible para incorporarse a la mayor parte de los talleres de formación.
367
M. Chamseddine
Dicho lo anterior, obviamente, la polarización y segregación escolar y el desenganche del

sistema educativo en Educación Secundaria, ha producido la escasa visibilidad de dicho
alumnado en la Educación Superior. En este sentido, el periódico La Verdad (2019) de la
Región de Murcia, señala que la presencia de alumnado migrante en la Universidad
empieza a tener más visibilidad en las distintas facultades; sin embargo, no supera el 8%
de aspirantes a la Universidad en el caso de Murcia.
Así, hay que destacar que apenas existen estudios e investigaciones sobre alumnado de
origen migrante en esta etapa educativa, ni datos desagregados en la propia página web
de la Oficina de Estadística del Ministerio de Educación. En este sentido, aparece
alumnado extranjero refiriéndose a aquel alumnado que viene a España con el objetivo
único de realizar estudios en el estado español, sin haber cursado las dos etapas anteriores
en el mismo. Autores como Cucalón y Del Olmo (2019) señalan que el profesorado afronta
de manera sistemática y permanente dilemas y tensiones frente a alumnado de origen
migrante, cuya expectativa es el acceso a la Universidad, teniendo en cuenta las serias
limitaciones de la administración educativa para producir la igualdad de oportunidades.
Del mismo modo, Machado (2015) considera que la diversidad cultural de este alumnado
queda desprotegida por la ausencia de programas y medidas de apoyo, acogida, orientación
y seguimiento en las Universidades Españolas. Sin embargo, a pesar de las desigualdades
de acceso a las mismas, sus alumnos y alumnas de origen migrante se caracterizan por un
nivel de estudio elevado, comparten y atraviesan determinadas experiencias similares,
formando un grupo de privilegiados ante las adversidades entre la comunidad migrante
(Vecina, 2005).
Otra limitación a destacar y apreciable en todas y cada una de las etapas educativas, se
encuentra relacionada con la nacionalidad del alumnado y no con su procedencia. Es decir,
que de nuevo el alumnado de origen migrante que posee la nacionalidad española, no
queda reflejado en las estadísticas del Ministerio de Educación como alumnado migrante
extranjero, sino como autóctono. Este determinante clave, agudiza la alarmante
trayectoria académica desigual y poco alentadora, que viene a explicar la inexcusable
desintegración y exclusión escolar de los mismos.
3. Aproximación a otras variables implicadas en la

exclusión escolar
Es una evidencia insoslayable la numerosa literatura científica, en relación a la
participación de las familias en la escuela a nivel general y de los progenitores migrantes
en particular. Entre los determinantes implicados en el rendimiento académico, aparece el
contexto socioeconómico y sociocultural de las familias, que justificarían la brecha
educativa, sin olvidarnos de la participación de éstas en la escuela. En tal sentido, las
abundantes investigaciones sobre la participación de los progenitores en el contexto
escolar, nos conducen a una relación llena de encuentros y desencuentros. Pero cuando
hablamos de las familias migrantes, dichos desencuentros se multiplican, caracterizándose
en ocasiones por la frialdad y el desafecto, y con posturas poco dialogantes y constructivas.
A menudo, se señala en este sentido, a las limitaciones y al uso inadecuado de las
herramientas como la agenda, el teléfono o el correo electrónico, debido a las dificultades
idiomáticas de las familias (Llevot y Bernand, 2015).
368
En tiempos más recientes, se comenta que la repetición de contenidos y el carácter de

mero trámite de las reuniones grupales, no ayuda a interiorizar nuevos conceptos ni a
fomentar la participación (Bordalba, 2019; Chamseddine, 2020; Garreta, 2015). Algo que
sustenta la falta de confianza y la ausencia del sentimiento de pertenencia de las familias
al contexto escolar, que no incrementa el interés por estas vías de comunicación
(Centorrino y Pellegrino, 2020; Molina, 2017). Por otra parte, autores como Santos-Rego,
Lorenzo y Priegue (2009) sostienen que la baja formación de los progenitores condiciona
su contribución en cuanto al grado de ayuda que pueden prestar a sus hijos e hijas en casa
y más si se trata de contenido más complejos como en educación secundaria.
Otro punto crucial, apunta a la escasa participación de las familias migrantes en el Consejo
Escolar, debido al desconocimiento del proceso a seguir para tener mayor presencia en el
mismo, unido a que la información al respecto se transmite de forma deficiente cuando se
trata de padres migrantes, ya que los docentes prefieren contar con las familias autóctonas
en el Consejo Escolar (Andrés y Giró, 2016; Bolívar, 2006; Fernández, 2007; Martín y
Gairín, 2007). En la misma línea, la representatividad de las familias migrantes en las
AMPAs, es insuficiente donde predominan las familias autóctonas (Garreta, 2010;
Gomáriz et al., 2008, 2019; Lozano, Alcaraz y Colás, 2013). Todo ello limita dicha relación
a los contactos casuales en la entrada o salida del centro escolar, que son poco eficientes
para abordar aspectos vinculados al grado de adaptación de los hijos, su desarrollo
personal, sus capacidades o sus motivaciones.
Uno de los desafíos, sin duda, es revertir el discurso pesimista de los profesores y de las
familias migrantes, que se ha instalado en el sentido fatalista. En tal sentido, los docentes
se quejan de que los padres migrantes acuden al centro escolar, sólo en caso de incidencia
o para abordar temas de calificaciones unido a la poca presencia de los varones en la
dinámica escolar, y que frecuentemente las familias delegan en la escuela la misión de la
educación de los hijos (González Falcón, 2007). Las familias migrantes, por su parte,
manifiestan que la información que reciben de los docentes, es escasa y poco significativa,
haciendo hincapié en la postura poco colaborativa del profesorado (Feito, 2007; Vallespir,
Rincón y Morey, 2016), añadiendo que éste se centra más en el material escolar, dejando
otros temas relevantes sin abordar (Essomba, 2014). A estas manifestaciones, se asocia
que el profesorado no admite sugerencias que facilitan la fluidez de una participación
activa, aferrándose al eterno discurso sobre la interferencia en su labor educativa (Bolívar,
2006). Además, a menudo los prejuicios y estereotipos de los docentes hacia las familias
migrantes, se convierten en uno de los factores que más obstaculiza la comunicación y la
contribución de dichos padres en el contexto escolar (González Facón, 2007). En tal línea
de interés, Chamseddine (2018b) advierte que, si queremos que contribuyan a la mejora
de dichos recursos, se debería profundizar en los intereses, necesidades y prioridades de
las familias, así como en los propios contextos, y no limitarse únicamente a exteriorizar el
fracaso y el abandono escolar en las familias o en su contexto social.
Como se ha comentado anteriormente, el sistema educativo adoptó una serie de acciones
y medidas, como respuesta de la administración educativa para afrontar el aumento de
alumnado migrante en las aulas. Como ejemplos tenemos el modelo de aulas temporales
de adaptación lingüística de Andalucía, aulas de adaptación lingüística y social de Castilla-
León, aulas temporales de inmersión lingüística de Extremadura, aulas de enlace de
Madrid, aulas temporales de inmersión lingüística de Asturias, aula de apoyo idiomático
de Canarias, aula de acogida de la Región de Murcia, aulas de inmersión lingüística de
Navarra y La Rioja, etc. Aunque tienen distintas denominaciones, pueden ser agrupadas
369
M. Chamseddine
todas ellas, bajo el concepto de aulas lingüísticas para el aprendizaje del castellano como
lengua vehicular, como único cometido. Desde esta perspectiva, no facilitan la integración
sociocultural del alumnado migrante como se pretendía en un principio, teniendo en
cuenta que el apoyo se realiza fuera del aula ordinaria, siguiendo las directrices del enfoque
segregacionista que genera aislamiento y desconexión (Nikleva, 2014), en lugar de
implementar el modelo inclusivo, que se centra en la atención en el aula ordinaria, como
la opción más idónea para facilitar la comunicación con los autóctonos. Algo que produce
un impacto emocional significativo, en cuanto al proceso de construcción de identidad de
los menores, inmerso en un escenario complejo que se canaliza hacia la identidad
comunitaria, como única salida posible (Chamseddine, 2015, p. 201).
En un principio, la creación de dichas medidas pretendía favorecer el acceso, permanencia
y promoción en el sistema educativo de dicho alumnado. No obstante, encontramos
diferencias muy significativas entre las Comunidades Autónomas, donde el acceso
atendiendo a la edad puede variar según cada Comunidad, ya que el programa sólo se
aplica en Educación Secundaria, en algunas de ella, teniendo en cuenta que, en un
principio, abarcaría también el segundo ciclo de educación primaria. También existen
diferencias en el periodo de permanencia y la prórroga, donde unas permiten, un trimestre,
otros dos trimestres e incluso tres trimestres. Y en cuanto a la promoción, existe una
descoordinación palpable entre el profesor especialista y el del aula de referencia a la hora
de incorporar el alumnado al grupo ordinario (Arroyo, 2011). Los profesores especialistas
no disponen de un marco institucional adecuado para el desarrollo de funciones y tareas,
que suelen ser desconocidas por los propios equipos directivos y los docentes de los
centros educativos, lo cual dificulta las labores de coordinación y planificación de
actuaciones (Guerrero, 2013). Esta ausencia de reconocimiento profesional, agudiza la
presencia de conflictos y desmotivación de los propios docentes. Del mismo modo,
aparecen diferencias de criterios azarosos entre Comunidades Autónomas, en cuanto al
perfil y formación del profesorado. Se puede confirmar que el perfil de los docentes es
diverso, y el requisito de la formación específica y la experiencia en educación
compensatoria o en atención a la diversidad, no se exige ni se cumple en todas las
Comunidades Autónomas, teniendo en cuenta las dificultades para afrontar la intervención
educativa, la comunicación con las familias, y la coordinación con el resto de los docentes
(Arroyo, 2011).
Asimismo, no dejan de ser paradójicos los criterios establecidos para solicitar la aplicación
de dichos programas. En cada Comunidad Autónoma se exige un número determinado de
alumnos, que pueden ser 6, 10, 15, 20 o 30, con un informe psicopedagógico previo, y de
conformidad con la familia, etc., que a menudo no se adecua a la realidad de dichos centros,
ni se dotan de los recursos suficientes. En ocasiones el docente es compartido con otros
dos institutos, donde apenas superan las diez horas semanales, cuando la asistencia a estos
grupos es de 10 horas semanales en educación primaria y 15 en Educación Secundaria. En
síntesis, digamos que pocas son las voces que se atreven a defender estos programas y
medidas de mayor discusión, controversia sin evaluación, ni seguimiento exhaustivo.
Arroyo (2011), advierte sobre la ausencia de reflexión crítica acerca de la viabilidad de
dichas medidas, en cuanto a aspectos vinculados a la inclusión educativa, basada en los
cambios adecuados, con programas curriculares docentes, con objetivos claros, reales y
alcanzables.
370
Otro factor estructural, que viene a reforzar los determinantes señalados anteriormente
es la escasa formación inicial, como permanente del profesorado, cuanto en la atención a
la diversidad cultural en las aulas, que a menudo estimula la frustración y poca implicación
de estos profesionales que se ven desbordados por la situación (Santos y Lorenzo, 2009).
Desde luego, un examen exhaustivo de los planes de formación de las distintas
universidades españolas, nos remiten a que la asignatura de educación intercultural
aparece como materia optativa o de libre configuración. Lo que importa es formar a
profesionales para afrontar las nuevas realidades en los centros educativos, y que sean
capaces de generar diálogos críticos, y resilientes entre alumnados procedentes de diversas
culturas (Massot et al., 2013; Molina-Pérez y Luengo, 2020). Formación cuyo pilar es
transmitir conocimientos, habilidades y actitudes que conducen a la construcción un
docente inclusivo capaz de articular la relación entre formación inicial y desarrollo
profesional con la idea esencial de la transformación educativa a través de prácticas
pedagógicas de los siguientes propósitos (Echeita, 2012):
Propósitos afectivos, reforzando la seguridad, la confianza, el sentido de competencia
y de control y el interés; propósitos sociales, incrementando el sentido de aceptación,
reconocimiento, valoración, y pertenencia a una comunidad/grupo; y propósitos
intelectuales, asegurando mejorar el acceso, el significado, la aplicación y el
razonamiento relevante. (p. 15)
Otro de los problemas estructurales no resueltos, es la necesidad de profundizar en los
efectos de la discontinuidad del profesorado con experiencia en los centros educativos,
ubicados en contextos vulnerables, y las consecuencias de sustituirles por profesores
nóveles –algo que hemos detectado en numerosos centros educativos de la Región de
Murcia, y que apenas existen investigaciones empíricas al respecto–. La gestión del
profesorado interino, en ocasiones insuficiente e inadecuada, genera un cambio de
alumnos, de centro, de compañeros y de contexto escolar, que se da incluso varias veces
en el mismo curso escolar, donde con frecuencia, el docente interino debe ceñirse a una
programación ajena, y por criterios pedagógicos del titular de la plaza. Prescindir de este
profesorado con experiencia en centros con mayor concentración de alumnado migrante,
para sustituirles por un profesorado novel, que tiene que adaptarse a una serie de
demandas y exigencias de los centros educativos en contextos desfavorecidos, repercute
en nuestra opinión, negativamente en todos los actores implicados en el proceso formativo
de los alumnos migrantes. Del mismo modo, creemos que aumenta la probabilidad de
fracaso escolar de los mismos. Es preciso, por tanto, garantizar que dichos centros cuenten
con la selección de los mejores profesionales, así como promover la estabilidad laboral de
los mismos.
Unido a estos hechos consideramos preciso referir la escasa e intermitente presencia de la
figura del mediador o mediadora intercultural en los centros educativos. Se trata de una
profesión emergente en proceso de construcción (Iglesias, Pastor y Rondón, 2017). Su
cometido como soporte de apoyo especializado es esencial para los equipos directivos y
docentes (Martínez, Sahuquillo y García, 2012), así como para las propias familias
migrantes (Casasempere, 2013). Su liderazgo inclusivo (Fernández Enguita, 2007;
Rodorigo, Fernández-Larragueta y Fernández-Sierra, 2019), y transformador de la
realidad social (Fernández-Larragueta, Rodrigo y Fernández Sierra, 2014), permite
clarificar peculiaridades culturales y eliminar las barreras lingüísticas (Catarci, 2016), para
impulsar los cauces participativos que consoliden la convivencia intercultural en los
contextos escolares (Ibarrola e Iriarte, 2013; Ospina, 2016). En tal sentido, Chamseddine
(2018a) matiza que la función del mediador o mediadora intercultural:
371
M. Chamseddine
No es una mera traducción simultánea o escrita, ni es sólo un instrumento de

resolución de conflictos de carácter cultural, sino un proceso que promueve estrategias
de participación, intercambio e interacción cuyo propósito es el conocimiento, el
reconocimiento y la valoración de la diversidad cultural desde la igualdad de
oportunidades para lograr la convivencia, la cohesión y la transformación social
productiva. (p. 200)
Sin embargo, el carácter intermitente y precario a nivel laboral de la figura del mediador
o mediadora intercultural, está asociado a una contratación puntual, articulada a través de
programas y subvenciones impulsados con fondos de la administración pública. El
resultado de este escenario obstaculiza las peticiones y demandas de los centros
educativos, que precisamente no son periódicas (Llevot y Garreta, 2013). A diferencia de
otros contextos europeos, donde esta figura profesional se encuentra institucionalizada
dentro del sistema escolar.
4. Para concluir
Sabemos que, hoy no falta quien presente la migración como amenaza con una lectura
pesimista e institucionalizada, convertida en una mera arma electoral donde se emplea la
diferencia cultural, para establecer la marginación y la exclusión social. Por tanto, sería
acuciante reconvertir esta tendencia creciente que aborda la migración desde la
criminalización y la seguridad nacional, generando tensiones y miedos, a una gobernanza
de la migración, que priorice sus derechos e intereses, haciendo hincapié en su aportación
a la estructura económica y social (Canales, 2013).
De tal posicionamiento excluyente, no se libran ni los niños y niñas de origen migrante ni
sus familiares, algo que se ve reflejado en el discurso tozudo e irreconciliable de los centros
educativos en general, y del propio profesorado en particular, sustentados por la
desentonación temeraria producida en las últimas tres décadas en la gestión educativa y
administrativa de dicha materia. Ese empeño de implantar y legitimar las desigualdades
en la dinámica escolar, modifica el recorrido de unos estudiantes que pasan, teóricamente,
hablando, de situaciones de inclusión educativa a situaciones de exclusión escolar, y por
tanto social. En concreto, y al volver la mirada hacia lo expuesto, es ineludible repensar y
replantear el modelo de inclusión escolar que se requiere. Y para ello, no hay que olvidar
la cooperación en la práctica cotidiana entre los distintos agentes educativos y sociales,
especialmente, en la gestión eficiente de las políticas educativas que se establecen en
materia de alumnado de origen migrante (Fernández, 2018).
Por todo ello, lo cabal sería garantizar una escuela accesible, en igualdad de condiciones y
más aún a los grupos más vulnerables, adaptable a los intereses, necesidades y prioridades
de los alumnos, de las familias migrantes y del propio contexto social de los centros
educativos, y alternativa, con un profesorado bien preparado a nivel formativo y estable
laboralmente. Una escuela que apuesta por la innovación y la investigación en nuevos
métodos de enseñanza-aprendizaje y capaz a su vez, de dedicar un mayor esfuerzo a
conocer a cada alumno y su estilo de aprendizaje, habilidades, potencialidades y limites
(Chamseddine, 2018b; Chamseddine y Hernández, 2020). En la misma línea, Massot y
otros (2013), nos ofrecen las siguientes propuestas de actuación a implementar:
I. Fortalecer las condiciones individuales que pueden promover la resiliencia y
asegurar un éxito en la transición académica y profesional.
II. Potenciar el desarrollo de un sentimiento de pertenencia.
372
III. Estimular la participación en las dinámicas del centro.

IV. Potenciar los vínculos escuela-comunidad mediante los planes de entorno o las
actividades de aprendizaje-servicio.
V. Promover procesos óptimos de orientación y transición académica y profesional.
VI. Potenciar la incorporación de las familias en los procesos orientadores del
alumnado.
VII. Diseñar e implementar estrategias, actividades y programas que den la
oportunidad de responder con éxito al estudiante.
VIII. Favorecer espacios y trayectorias que retornen de forma realista y sostenida una
imagen de posibilidad y autoeficacia personal y académica.
IX. Implementar programas de formación y/o asesoramiento en resiliencia, tanto
para los profesionales en ejercicio como en formación inicial. (pp. 73-74)
Expuesto lo anterior, no queremos terminar sin decir que toda previsión de futuro no deja
de resultar un ejercicio arriesgado que, en este caso nos preocupa, y que está sujeto a una
mayor incertidumbre, debido a los múltiples determinantes que se deberían afrontar.
Además, cabe recordar, que los desafíos demográficos imponen la baja tasa de natalidad y
el progresivo envejecimiento de la población. Partiendo de esta premisa, sería poco
inteligente despreocuparnos del rendimiento y del éxito académico de dicho alumnado,
por ende, en las graves consecuencias que puede generar el cultivo de futuros ciudadanos,
–por supuesto españoles– no cualificados que les será muy complejo insertarse en el
mundo laboral, dada la demanda existente cada vez más exigente y competitiva.
Permítasenos insistir en desalojar las malas prácticas organizativas, estructurales y
curriculares, que estimulan el fracaso escolar de determinados grupos culturales, y que
evidentemente forma parte de su fracaso social, contribuyendo a producir toda una
generación de personas migrantes severamente castigada, por un elevado riesgo de
instalarse en empleos precarios, y sin expectativas de promoción profesional. Por ello,
construir desde la equidad la inclusión de estas minorías culturales o étnicas debería
convertirse en un imperativo ético y moral para una escuela más justa, y democrática para
evitar por acción o por omisión la reproducción de las injusticias sociales (Murillo y
Hernández, 2014). Por tanto, lo sensato y perentorio sería visibilizar y garantizar la
promoción integral de la diversidad cultural dentro y fuera del aula, propiciando la
inclusión educativa y equitativa, y minimizando las condiciones que posibiliten la
exclusión escolar y la reproducción de la desintegración de la segunda generación que son
los españoles del mañana.
En síntesis, existe una necesidad palpable por el "despertar" del interés por el liderazgo
en los centros educativos con un propósito moral para la justicia social, especialmente en
contextos de diversidad brechas socioeconómicas, cultivar la inclusión, reflexión crítica de
estilos, actitudes y comportamientos para conseguir la transformación de situaciones
injustas (González González, 2014). En la misma línea argumental, Queupil y Montecinos
(2020) matizan sobre la necesidad de generar condiciones para la distribución de una red
de liderazgo entre los equipos directivos y departamento cohesionados respecto a cómo se
puede abordar esas "nuevas" realidades educativas. Es imperativo, por tanto, potenciar un
lenguaje común en la práctica educativa, concebir y sensibilizar que la diferencia es una
oportunidad para el aprendizaje, y fortalecer una cultura escolar compartida para una
sociedad inclusiva a la que no debemos renunciar.
373
M. Chamseddine
La limitación de la presente aportación estriba en la ausencia de datos desagregados y

viables en las estadísticas consultadas del Ministerio de Educación en relación al alumnado
extranjero. Asimismo, sería de interés llevar a cabo, entrevistas semiestructuradas o
grupos de discusión a informantes claves de la comunidad educativa, para conocer en
mayor profundidad las dinámicas que explican de forma exhaustiva la segregación y
exclusión escolar de este alumnado, y que indudablemente enriquecería la síntesis teórica
realizada.
Para futuras investigaciones en dicha materia, sería importante analizar con mayor
rigurosidad variables como la procedencia del alumnado extranjero, el liderazgo de los
equipos directivos para impulsar la implicación de las familias extranjeras en la vida del
centro escolar, el perfil formativo de los docentes, la discontinuidad del profesorado con
experiencia profesional en contextos vulnerables, la institucionalización de la figura del
mediador o mediadora intercultural, y la influencia de las distintas modalidades de aulas
lingüísticas en la inclusión o exclusión de este alumnado.
Referencias
Alegre, M. A (2010). Casi-mercados, segregación escolar y desigualdad educativa: Una trilogía con
final abierto. Revista Educación y Sociedad, 113(31), 1157-1178.
https://doi.org/10.1590/S0101-73302010000400006
Andrés, S. y Giró, J. (2016). El papel y la representación del profesorado en la participación de las
familias en la escuela. Revista Electrónica Interuniversitaria de Formación del Profesorado, 19(1),
61-71. https://doi.org/10.6018/reifop.19.1.245461
Arroyo, M. J. (2011). Las aulas y programas de inmersión lingüística para alumnado extranjero en
España. Revista Segundas Lenguas e Inmigración en Red, 5, 114-139.
Bolívar, A. (2006). Familia y escuela: Dos mundos a trabajar en común. Revista de Educación, 339,
119-146.
Bordalba, M. (2019). Principales canales para la comunicación familia-escuela: Análisis de
necesidades y propuestas de mejora. Revista Complutense de Educación, 30(1), 147-165.
https://doi.org/10.5209/RCED.56034
Canales, A. (2013). Migración y desarrollo en las sociedades avanzadas. Revista Polis, 35, art. 5.
https://doi.org/10.4067/S0718-65682013000200005
Casasempere, A. V. (2013). La mediación intercultural como agente articulador de las relaciones
positivas entre la familia de origen migrante y los centros educativos. En M. C. Cardona E.
Chiner y A. Giner (Coords.), Actas del XVI Congreso Nacional y II Internacional Modelos de
Investigación Educativa de la Asociación Interuniversitaria de Investigación Pedagógica (AIDIPE)
(pp. 88-94). Universidad de Alicante.
Catarci, M. (2016). Intercultural mediation as a strategy to facilitate relations between the school
and immigrant families. Revista Electrónica Interuniversitaria de Formación del Profesorado,
19(1), 127-140.
Centorrino, M. y Pellegrino, L. (2020). Scuola e famiglie immigrate: Uno studio in una scuola del
sud Italia escuelas y familias inmigrantes. Revista Educatio Siglo XXI, 38(1), 55-82.
https://doi.org/10.6018/educatio.403551
Chamseddine, M. (2015). La construcción de identidad compartida en un aula intercultural. Revista
Electrónica Interuniversitaria de Formación del Profesorado, 18(3), 69-81.
https://doi.org/10.6018/reifop.18.3.238841
374
Chamseddine, M. (2018a). Polarización escolar en España. Retos e implicaciones. International

Journal of Educational Research and Innovation, 9, 189-205.
Chamseddine, M. (2018b). Principios inherentes a la mediación intercultural en la escuela. Revista
Mediaciones Sociales, 17, 1-19. https://doi.org/10.5209/MESO.58512
Chamseddine, M. (2020). Study on communication between migrant families and schools. Revista
Electrónica Interuniversitaria de Formación del Profesorado, 23(1), 34-47.
https://doi.org/10.6018/reifop.404181
Chamseddine, M. y Hernández, A. (2020). Actitudes de los escolares ante la llegada de población
migrante: Estudio comparativo y aproximación al desarrollo de buenas prácticas educativas.
Revista Educatio Siglo XXI, 38(1), 229-252. https://doi.org/10.6018/educatio.413491
Commission des Communautés Européennes. (2008). Livre vert. Migration et mobilité: Enjeux et
opportunités pour les systèmes éducatifs européens. COM.
Consejo Económico y Social de España. (2019). Informe de la inmigración en España: Efectos y
oportunidades. NICES.
Cucalón Tirado, P. y Del Olmo, M. (2019). Dilemas y tensiones en la práctica docente con
alumnado migrante. Revista Disparidades, 74(1), 1-19.
https://doi.org/10.3989/dra.2019.01.007
Escudero, J. M (2006). Compartir propósitos y responsabilidades para una mejora democrática de
la educación. Revista de Educación, 339, 19-41. https://doi.org/10.4995/redu.2014.5636
Escudero, J. M. (2014). Calidad y equidad en la enseñanza universitaria. REDU. Revista de Docencia
Universitaria, 12(2), 11-13.
Essomba, M. A. (2014). Políticas de escolarización del alumnado de origen extranjero en el estado
español hoy. Análisis y propuestas. Revista Electrónica Interuniversitaria de Formación del
Profesorado, 17(2), 13-27. https://doi.org/10.6018/reifop.17.2.198771
Feito, R. (2007). Balance de la participación de los padres en los consejos escolares de centro.
Participación Educativa, 4, 4-15.
Fernández Enguita, M. (2007). Educar es cosa de todos: Escuela, familia y comunidad. En J.
Garreta (Ed.), La relación familia escuela (pp. 57-78). Edicions de la Universitat de Lleida.
Fernández-Larragueta, S., Rodrigo, M. y Fernández Sierra, J. (2014). La mediación intercultural
en la escuela: Una práctica en construcción. Revista En-clave Pedagogica, 13, 67-75.
Fernández, M. (2018). Bases para acordar el futuro de la educación. Cuadernos de Pedagogía, 488,
74-78.
Franzé, A., Poveda, D., Jociles, M. I., Rivas, A. M., Villaamil, F., Peláez, C. y Sánchez, P. (2012). La
segregación étnica en la educación secundaria de la ciudad de Madrid: Un mapa y una lectura
crítica. En F. J. García Castaño y S. Carrasco Pons (Eds.), Población inmigrante y escuela:
Conocimientos y saberes de investigación (pp. 119-134). IFIIE-CREADE.
García, F. J., Olmos, A., Rubio, M. y Capellán, L. (2014). Sobre agrupamiento, concentración,
segregación o guetización escolar: Claves para un análisis interpretativo de tales situaciones
y procesos. En C. Blanco-Fernández (Coord.), Movilidad humana y diversidad social en un
contexto de crisis económica internacional (pp. 253-276). Trotta.
Garreta, J. (2010). La participación de las familias en la escuela. En R. Feito (Coord.), Sociología de
la educación secundaria (pp. 47-65). Graó.
Garreta, J. (2015). La comunicación familia-escuela en educación infantil y primaria. RASE. Revista
de Sociología de la Educación, 8(1), 71-85.
375
M. Chamseddine
Gomariz Vicente, M. A., Martínez-Segura, M. J. y Parra Martínez, J. (2019). Desde la implicación

en el hogar de las familias a la facilitación de los docentes en un contexto multicultural.
Revista Electrónica Interuniversitaria de Formación del Profesorado, 22(3), 45-60.
https://doi.org/10.6018/reifop.389631
Gomariz Vicente, M. A., Parra Martínez, J., García Sanz, M. P., Hernández Prados, M. A. y Pérez
Cobacho, J. (2008). La comunicación entre la familia y el centro educativo. Consejo Escolar de la
Región de Murcia.
González Facón, I. (2007). La participación de las familias inmigrantes en la escuela: Necesidades
de orientación y formación. XXI. Revista de Educación, 9, 155-169.
González González, M. T. (2014). El liderazgo para la justicia social en organizaciones educativas.
Revista Internacional de Educación para la Justicia Social, 3(2), 85-106.
Guerrero Valdebenito, R. M. (2013). Integración sociocultural y enseñanza del español en
Andalucía: aplicación del programa aulas temporales de adaptación lingüística (ATAL).
Revista Perfiles Educativos, 35(142), 42-53.
https://doi.org/10.22201/iisue.24486167e.2013.142.42574
Ibarrola, S. y Iriarte, C. (2013). La influencia positiva de la mediación escolar en la mejora de la
calidad docente e institucional: Percepciones del profesor mediador. Revista Profesorado.
Curriculum y Formación del Profesorado, 17(1), 367-381.
Iglesias, E., Pastor, E. y Rondón, L. M. (2017). Mediación como profesión emergente: Actualidad
formativa desde la educación superior. Revista Mediaciones Sociales, 16, 135-153.
https://doi.org/10.5209/MESO.58113
Llevot, N. y Bernad, O. (2015). La participación de las familias en la escuela: Factores claves. RASE.
Revista de Sociología de la Educación, 8(1), 57-70. https://doi.org/10.3989/ris.2012.09.07
Llevot, N. y Garreta, J. (2013). La mediación intercultural en las asociaciones de inmigrantes de
origen africano. Revista Internacional de Sociología, 71(1), 167-188.
https://doi.org/10.3989/ris.2012.09.07
Lozano Martínez, J., Alcaraz García, S. y Colás Bravo, M. P. (2013). Los centros educativos
multiculturales y sus relaciones con las familias: El caso de la región de Murcia. Revista
Educación XX1, 16(1), 210-232. https://doi.org/10.5944/educxx1.16.1.724
Machado, C. (2015). Inmigración y universidad. Una aproximación al caso de la Universidad de La
Laguna. Boletín Millares Carlo, 31, 252-285.
https://doi.org/10.17533/udea.boan.v31n52a18
Martín, E. (2010). Actores y mecanismos de categorización de los hijos de familias inmigrante en
la escuela. Revista del Ministerio de Trabajo e Inmigración, 90, 41-58.
Martín, M. y Gairín, J. (2007). La participación de las familias en la educación: Un tema por
resolver. Revista Bordón, 59(1), 113-151.
Martínez, M. J., Sahuquillo, P. y García, L. (2012). Identidad y responsabilidades socioeducativas
del mediador escolar y del mediador intercultural: Hacia una clarificación de funciones.
Revista Mediaciones Sociales, 11, 47-71.
https://doi.org/10.5209/rev_MESO.2012.v11.41269
Massot, M. I., Del Campo, J., Sandín, M. P y Sánchez, A. (2013). Resiliencia y éxito escolar en el
alumnado de secundaria de procedencia extranjera. En M. Cardona, E. Chiner y A. Giner
(Coords.), Actas del XVI Congreso Nacional y II Internacional Modelos de Investigación Educativa
de la Asociación Interuniversitaria de Investigación Pedagógica (AIDIPE) (pp. 67-75).
Universidad de Alicante.
376
Molina, J. (2017). Los organismos independientes en la democracia representativa. Revista de

Investigación en Tecnologías de la Información, 3, 1-10.
Molina-Pérez, J, y Luengo. (2020). Reconstrucciones resilientes de la identidad profesional del
profesorado: Endoprivatización y cultura performativa en Andalucía (España). REICE.
Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, 18(2), 57-75.
Moreno, M. A. (2002). Neoliberalismo, escuela pública y educación intercultural: Contexto e implicaciones.
Universidad de Murcia.
Murillo, F. J. y Hernández, R. (2014). Liderando escuelas justas para la justicia social. Revista
Internacional de Educación para la Justicia Social, 3(2), 13-32.
en España. OBETS: Revista de Ciencias Sociales, 12(2), 395-423.
Nikleva, D. G. (2014). El reto de atención a alumnos inmigrantes en la sociedad española. Editorial
Síntesis
Ortiz, M. (2010). Ineficacia de las medidas para garantizar la igualdad de oportunidades. Revista
Iberoamericana de Educación, 51(3), 1-7. https://doi.org/10.35362/rie5131829
Ortiz, M. (2014). Inmigración, escuela y exclusión. Revista Empírea de Metodología de Ciencias
Sociales, 28, 59-78. https://doi.org/10.5944/empiria.28.2014.12121
Ospina, Y. (2016). Tensiones de los sujetos…en la convivencia escolar. Revista de Educación y
Pensamiento, 23, 79-91.
Queupil, J. y Montecinos, P. (2020). El liderazgo distribuido para la mejora educativa: Análisis de
redes sociales en departamentos de escuelas secundarias chilenas. REICE. Revista
Rodorigo, M., Fernández-Larragueta, S. y Fernández-Sierra, J. (2019). La mediación intercultural
como herramienta de inclusión: Análisis de una experiencia escolar. Revista Complutense de
Educación, 30(3), 747-761. https://doi.org/10.5209/rced.58885
Rubia, F. A (2013). La segregación escolar en nuestro sistema educativo. Fórum Aragón, 10, 47-52.
Salinas Jiménez, J. y Santín González, D. (2012). Selección escolar y efectos de la inmigración sobre
los resultados académicos españoles en PISA 2006. Revista de Educación, 358, 382-405.
Sánchez Santamaría, J. y Manzanares, A. (2012). La equidad educativa: Dilemas, controversias e
implicaciones para garantizar el éxito educativo para todos. En A. Manzanares (Coord.),
Temas educativos en el punto de mira (pp. 49-75). Wolters Kluwer.
Santos Rego, M. A. y Lorenzo Modelo, M. M. (2009). La participación de las familias inmigrantes
en la escuela: Un estudio centrado en la procedencia. Revista de Educación, 350, 277-300.
Vallespir, J., Rincón, J. C. y Morey, M. (2016). La participación de las familias en el consejo escolar
y la formación del profesorado. Revista Electrónica Interuniversitaria de Formación del
Profesorado, 19(1), 31-45. https://doi.org/10.6018/ reifop.19.1.245751
Vecina, C. (2005). Jóvenes inmigrantes en la Universidad de Las Islas Baleares. El privilegio de la
distinción. Revista Aposta de Ciencias Sociales, 16, 1-21.
377
M. Chamseddine
Breve CV del autor

Mohamed Chamseddine
Doctor en Educación, Licenciado en Pedagogía, Diplomado en Educación Social, y Máster
en Intervención Social y Mediación. Especialista Universitario Consultor sobre
Migraciones y Acción Solidaria. Profesor en el Departamento de Didáctica y Organización
Escolar en la Facultad de Educación de la Universidad de Murcia. Sus investigaciones
están vinculadas a la Educación Intercultural, Mediación Intercultural y Educación
Inclusiva de Colectivos Vulnerables. Miembro del Grupo de Investigación Educación
Inclusiva: Escuela para Todos (Grupo EDUIN, E073-02), y miembro de la Asociación de
Expertos y Evaluadores de la Unión Europea (EVALUE). ORCID.ID:
https://orcid.org/0000-0001-9817-652X. Email: mohamed.c.h@um.es
378

Segregacion Escolas

Cargado por

Copyright:

Formatos disponibles

Segregacion Escolas

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Segregacion Escolas

Cargado por

Copyright:

Formatos disponibles

ISSN: 1696-4713

Número monográfico: Segregación escolar

CONSEJO CIENTÍFICO INTERNACIONAL

CONSEJO CIENTÍFICO IBEROAMERICANO

Presentación: Segregación Escolar como Opresión 5

¿Segregación Escolar por Nivel Socioeconómico o por Nivel de

Modes of Grouping Students, Segregation and Educational

Segregação Escolar e Desigualdades Educacionais no Início da

Entendiendo los Cambios en la Segregación Escolar. Un Análisis

Longitudinal Study of Socioeconomic Segregation Between

Evolución de la Segregación Socioeconómica en la Educación

Efectos Compañero en Contextos Escolares Altamente

Elección de Escuela, Movilidad y Segregación Escolar del

Desigualdades Socioespaciales en la Educación Secundaria

Segregaciones Escolares y Desigualdad de Oportunidades

La Segregación Invisible: Prácticas Punitivas y de Ordenamiento

Preferencias de Elección de Escuela en Dos Casos de Alta

La Segregación Escolar en América Latina. ¿Qué se Estudia y

Segregación y Exclusión Escolar de la Primera Generación de

Segregación Escolar como Opresión

School Segregation as Oppression

No seamos inocentes. La segregación no es un efecto colateral indeseado producto de

¿Segregación Escolar por Nivel Socioeconómico o por

School Segregation by Socioeconomic Status or by Parental

Con esta investigación se pretende determinar si es más adecuado considerar la

This research aims to determine whether it is more appropriate to consider school

*Contacto: javier.murillo@uam.es Recibido: 3 de marzo 2020

y Siddiqui, 2018; Janmaat, 2020; Krüger, 2019; Murillo y Martínez-Garrido, 2018;

mediante el Índice de Segregación de Gorard (ISG) y el Índice de Raíz Cuadrada de

Modelo 1, sólo con las variables de ajuste:

Como parece razonable, los resultados son análogos si se estima la magnitud de la

Efectivamente, comparando grupos equiparables en tamaño se encuentra que siempre la

Gráfico 1. Relación entre la magnitud de la segregación escolar por nivel de estudios y

los padres o del nivel socioeconómico en el rendimiento de los estudiantes es diferente en

Massey, D. S. y Denton, N. A. (1988). Hypersegregation in U.S. metropolitan areas: Black and

Breve CV de los autores

Raquel Graña Oliver

Modes of Grouping Students, Segregation and

Modos de Agrupación de Estudiantes, Segregación y

The education system in Geneva, Switzerland, offers two organisationally

*Contacto: samuel.charmillot@unige.ch Recibido: 15 de marzo 2020

2. Modes of grouping students, segregation and

Native students with a low ESCS 8.5% 5.7% 8.1%

A more accurate measure of the extent of within-school segregation in secondary 1

6 PISA studies measure competences in reading, mathematics and science. We focus on

Average percentage of boys per class 0.934 0.954

The probability of being in a baccalaureate school is not significantly different between

The average percentage of disadvantaged first-generation students per class produces

oriented in secondary 2 education. We carried out multilevel logistic regression analysis

Average percentage of first-

Average percentage of second-gen. students with a low

Average percentage of first-gen. students with a low ESCS

Brief CV of the authors

education, sociology of educational policies, educational inequalities, school segregation

School Segregation and Education Inequalities at the

Segregação Escolar e Desigualdades Educacionais no Início da

O artigo descreve padrões de segregação escolar no início do processo formal de

*Contacto: tiagobartholo@ufrj.br Recibido: 15 de mayo 2020

2. School segregation in Brazil: What do we already