DEMANDA POR ENSINO SUPERIOR NA REGIÃO NORTE BRASILEIRA  

DEMAND FOR HIGHER EDUCATION IN BRAZIL’S NORTHERN REGION

REGISTRO DOI: 10.69849/revistaft/ni10202510251545

---

Isabela Bessa dos Santos Rosa¹

---

Resumo:

O processo de interiorização das universidades brasileiras, que aconteceu durante a década de 2010, teve a Região Norte como uma das áreas mais beneficiadas do país. Assim, o objetivo desse trabalho é avaliar como a relação do acesso no ensino superior com seus determinantes teria sido afetada após a expansão ocorrida na região na década de 2010. Dessa forma, foi utilizado o modelo Logit, que estima a probabilidade de acesso com base na função de distribuição, buscando, assim, determinar a probabilidade de um jovem ingressar no ensino superior na Região Norte. Além disso, foram realizados o Teste de Wald e a Curva ROC, buscando garantir uma estimação com propriedades estatísticas consistentes. Os resultados obtidos mostram que nos dois anos estudados (2004 – 2015) os principais determinantes do acesso ao ensino superior estariam relacionados aos fatores familiares, indicando a importância de se investir na família e na pessoa de referência como forma de potencializar os efeitos das políticas de acesso.  

Palavras-chave: Investimento em Educação. Ensino Superior. Family Background. Retornos da Educação. 

Abstract:

The process of internalization of Brazilian universities, which took place during the 2010s, saw the Northern Region as one of the most benefited areas of the country. Thus, the aim of this study is to assess how the relationship between access to higher education and its determinants would have been affected after the expansion that took place in the region in the 2010s. Therefore, the Logit model was used, which estimates the probability of access based on the distribution function, thus seeking to determine the probability of a young person entering higher education in the Northern Region. In addition, the Wald Test and the ROC Curve were carried out in order to guarantee an estimation with consistent statistical properties. The results show that in the two years studied (2004 – 2015) the main determinants of access to higher education were related to family factors, indicating the importance of investing in the family and the reference person as a way of boosting the effects of access policies.  

Keywords: Investment in education. Higher Education. Family Background. Returns on Education.   

1. Introdução

A oferta de educação no Brasil se alterou em todos os níveis a partir de 1990. Mesmo com o crescimento acelerado, sabe-se que o acesso dos jovens ao ensino superior ainda é restrito, abrangendo apenas 17,44% da população com idade entre 18 e 25 anos (PNAD, 2015). Outra característica relacionada ao ensino superior no Brasil é a desigualdade em relação às regiões do país. O Sudeste e Sul do país apresentariam o maior número de vagas e de jovens matriculados no ensino superior. Contudo, essas distorções regionais estariam reduzindo. Segundo dados do Instituto Nacional de Estudos e Pesquisas (INEP, 2011), em 2001, a Região Norte possuía 5,8% da população nacional e 4,7% dos matriculados no ensino superior. Já em 2010, essas taxas se alteraram para, respectivamente, 8,3% e 6,5%. 

Houve a reforma do ensino superior, que possuía entre seus principais mecanismos o aumento do acesso ao ensino e a atuação do Programa do Governo Federal de Apoio a Planos de Reestruturação e Expansão das Universidades Federais Brasileiras (REUNI).  O REUNI proporcionou condições para a expansão física, acadêmica e pedagógica das universidades federais brasileiras. As principais ações do programa consistem no aumento do número de vagas nos cursos de graduação, ampliação do número de cursos e o combate à evasão. 

Além disso, a interiorização das universidades (outra característica observada na década de 2010) foi outro fator que beneficiou, principalmente, as regiões Norte e Nordeste. Dados do INEP (2015) mostram que entre 2002 e 2013, a Região Norte apresentou um aumento de 76% no número de matriculados no ensino superior. Neste quesito, a região perdeu apenas para a região Nordeste, que atingiu um crescimento de 94%. As outras regiões brasileiras também apresentaram crescimento significativo. Centro-Oeste, Sudeste e Sul alcançaram aumentos de 48%, 47% e 26%, respectivamente, no número de matriculados no ensino superior. Além disso, no mesmo período, a Região Norte apresentou um aumento de 49% no número de cursos ofertados em suas universidades federais. Assim, Norte e Nordeste teriam sido escolhidas de forma estratégica visando minimizar suas assimetrias com o restante do país. 

No fim do século XX, houve a expansão da demanda e oferta do ensino superior tanto mundialmente quanto no Brasil. Entre as principais razões que motivaram essa mudança estão a valorização do ensino superior e a maior importância das pesquisas acadêmicas. No entanto, essa mudança precisava ser, não apenas quantitativa, mas também qualitativa e democrática. Assim, o grande desafio brasileiro consistia em executar a tríade expansão, qualidade e democratização. 

Nesse sentido, vem-se utilizando como ferramentas para expandir e democratizar o ensino superior brasileiro o ingresso através de bolsas totais ou parciais e o financiamento das mensalidades, ações essas que foram respectivamente realizadas pelo Programa Universidade para todos (PROUNI) e o Fundo de Financiamento Estudantil (FIES). Estas medidas combinadas ao aumento do número de vagas nas instituições públicas de ensino superior incentivaram a expansão do saber acadêmico no Brasil e, principalmente, na Região Norte, a segunda colocada no ranking. Nesta região, ocorreu a criação de três universidades federais: Universidade Federal do Oeste do Pará (UFOPA), Universidade Federal Rural da Amazônia (UFRA) e Universidade Federal do Sul e Sudeste do Pará (UNIFESSPA). Além da criação destas três universidades, foram estabelecidos 33 novos campi universitários. Contudo, embora necessário, o aumento no número de vagas e de cursos, além da desconcentração dos mesmos na Região Norte, necessariamente não seriam o suficiente para explicar a demanda por ensino superior nessa região do país. Sendo assim, seria fundamental avaliar os determinantes da demanda por ensino superior na Região Norte do Brasil após a expansão universitária da década de 2000. 

No que se refere a literatura empírica, existem vários trabalhos que tratam do tema. Afonso, Garcia e Ramos (2011) destacam como a reestruturação da educação superior brasileira ou reforma universitária tenta romper com a ideia de que somente a elite pode frequentar o ensino superior, visando a busca pela equidade e inclusão na sociedade. Sabe-se que os principais determinantes da demanda por ensino superior são: renda familiar, escolaridade dos pais, cor e gênero.  

Carvalho (2011) estudou a demanda potencial brasileira por ensino superior e concluiu que as características que mais contribuem para o ingresso nas universidades e faculdades no país são: a renda da família e o indivíduo estar na idade ideal para cursar o ensino superior (entre 17 e 24 anos). Silva Jr e Sampaio (2013) estudaram a relação entre pobreza e demanda por educação no Brasil, e chegaram a reposta de que esses se relacionam negativamente, ou seja, quanto mais pobre o indivíduo, menos anos de estudo serão demandados. Emilio, Belluzzo Jr e Alves (2004) estudaram os determinantes do acesso à Universidade de São Paulo (USP), para o ano de 2000, e obtiveram como resposta as seguintes características: a educação dos pais e o tipo de escola que os candidatos frequentaram (pública ou particular); o estudo não utilizou dados da renda das famílias, no entanto, os resultados apresentados apontam para a importância do fator renda no acesso ao ensino superior. 

Sendo assim, considerando a expansão universitária ocorrida no Brasil na década de 2010, e, mais especificamente, seu maior impacto no sistema educacional superior da Região Norte, seria fundamental avaliar como a relação do acesso no ensino superior com seus determinantes teria sido afetada após a expansão ocorrida na região na década de 2010. Mais especificamente pretende-se: identificar as variáveis que mais influenciam nas chances dos jovens da Região Norte ingressarem no ensino superior. Para isso, será estimado a demanda por ensino superior na Região Norte do Brasil para os anos de 2004 e 2015, realizando uma análise estática comparativa.

2. Marco Teórico / Resultados

Sabe-se que características do ambiente familiar como maior capacidade econômica dos pais, aspectos culturais e genética fornecem algum tipo de vantagem para determinadas crianças. Por isso, recorre-se a Teoria do Background Familiar, onde sua abordagem teórica permite a realização de inúmeros estudos sobre a desigualdade de educação, de oportunidades e de renda. 

Carnoy (2006) defende que famílias com maiores rendas possuem proporcionalmente menores custos diretos e indiretos para investirem em educação. Esses menores custos influenciam o indivíduo na escolha ótima, visto que, se necessário, sua família possuiria acesso a menores taxas de financiamento da educação, assim, o indivíduo demandaria mais anos de estudo. 

Em outras palavras, as famílias com os menores rendimentos tendem a apresentar níveis educacionais mais baixos, o que os impossibilitam de exercerem cargos com melhores remunerações e dificulta o acesso à educação de toda a família. Assim, Fernandez e Shioji (2001) afirmam que nesse sentido, as principais variáveis observadas pelo Family Background seriam: a escolaridade dos pais, a renda, o tamanho da família, o sexo e as característica genéticas. Dessa forma, o nível de capital humano e o nível educacional dos indivíduos se relacionaria positivamente com o nível educacional e características socioeconômicas dos pais. 

A Teoria do Background familiar se difere de outros modelos que abordam a mobilidade intergeracional ao assumir que os pais influenciam os rendimentos de seus filhos não somente com as características genéticas e culturais, mas também através de fatores como os gastos com a educação dos filhos, os gastos com a saúde física e emocional e motivação. A teoria busca reconhecer quais características dos pais podem influenciar a acumulação de capital humano e a realização educacional de seus filhos. Björklund e Salvanes (2010) ainda acrescentam que as relações sociais desenvolvidas pelas crianças, como por exemplo a rede de relacionamentos construída com outras crianças da mesma classe social, e o desenvolvimento cognitivo das mesmas podem influenciar nas suas próprias escolhas, resultados e desenvolvimento quando adultas. 

Sabe-se que quanto mais velho for o indivíduo, maior será o sacrifício realizado por ele ao trocar anos de trabalho por anos de estudo, visto que as responsabilidades, condições mentais e tempo disponível para se dedicar aos estudos são mais favoráveis aos jovens. Assim, maiores capacidades financeiras das famílias geram maiores investimentos em educação desde as idades iniciais dos filhos, investimentos estes que continuarão quando os mesmos atingirem a juventude e forem capazes de ingressarem no ensino superior.  

Desse modo, as escolhas dos pais do quanto investir na produção de capital humano dos filhos, as escolhas dos filhos, dado o investimento que seus pais realizaram em sua educação e as políticas governamentais relacionadas a educação são consideradas pela Teoria do Backgroud Familiar como algumas das variáveis que afetam o desempenho econômico do filho (BJÖRKLUND; SALVANES, 2010). A equação (1) retrata a influência das variáveis estudadas pela Teoria do Background Familiar ao reconhecer a correlação positiva existente entre os anos de estudo dos filhos e o nível educacional e condições socioeconômicas dos pais. 

Dessa maneira, o capital humano que um indivíduo possui na vida adulta (H_t) depende dos gastos dos pais destinados à educação do filho durante a infância e juventude do mesmo (x_t−1), dos gastos públicos em educação durante a idade escolar do indivíduo (G_t−1) e do desenvolvimento individual dessa pessoa (E_t). O que corrobora com Björklund e Salvanes (2010), mostrando que a formação de capital de um indivíduo e seu nível educacional estão correlacionados com a escolaridade e classe social de seus pais. 

Além disso, outros fatores como os valores da família, a cultura e a genética também influenciarão no aumento do efeito marginal tanto da família quanto dos gastos público com a produção de capital humano (BECKER; TOMES, 1979, 1986) apud Antigo e Machado (2013, p. 167 e 168). Mesmo assim, a acumulação de capital dos filhos e seus futuros rendimentos não dependem necessariamente e exclusivamente dos ganhos dos pais, visto a possibilidade de financiamento da educação para as famílias mais pobres, ainda que envolva maiores custos do financiamento. Mas na prática, os pais com maiores rendimentos financeiramente tendem a financiar toda a acumulação de capital humano dos seus filhos. Visto a maior capacidade econômica que possibilita maiores investimentos dos pais na educação de seus filhos. 

Assim, Becker e Tomes (1979, 1986) apud Antigo e Machado (2013, p. 167 e 168) concluem que as famílias mais ricas perpetuam sendo aquelas que recebem os melhores rendimentos. Isso porque os pais podem financiar a produção de capital humano dos filhos com maior facilidade. Ainda assim, o efeito da hereditariedade é superado pelo efeito riqueza, isso acontece tanto para a quantidade investida quanto para os ganhos futuros dos filhos. O que enfatiza a relação entre desigualdade de renda e as desigualdades educacionais presentes na sociedade. 

Dessa forma, os custos diretos (gastos com aulas, uniforme, material didático), que são assumidos pela família, associados aos gastos do governo relacionados à educação, afetam a escolha de um indivíduo de estudar ou não. Quanto menor forem os custos diretos da educação maior será a demanda por mais anos de estudo. Essa lógica também se aplica aos gastos do governo, quanto maior forem os investimentos governamentais, menor será o custo para o indivíduo (CHECCI, 2006).  

Por essa ótica, programas como o FIES e REUNI juntamente com a política de cotas aumentam a demanda por educação. Visto que o indivíduo poderá ingressar na universidade sem depender totalmente da situação socioeconômica de sua família. No entanto, apesar do número de vagas no ensino superior apresentar um crescimento de 124% na última década (INEP, 2009), o número de ingressos via processos seletivos apresentou um aumento de apenas 54%. Situação essa que indica que o gargalo não está no número de vagas oferecidas, mas sim no ingresso.  

Carnoy (2006) ainda ressalta que nos casos em que a população percebe o ensino privado como de melhor qualidade em relação ao ensino público, as famílias que conseguirem arcar com esse custo terão preferência por enviarem seus filhos a rede particular. Além disso, a participação da família nas decisões das escolas através dos conselhos escolares ou outros tipos de órgão do governo destinados à educação faz com que os pais se tornem mais comprometidos com a educação pública e estejam mais dispostos a contribuir com a educação dos filhos. 

Na realidade brasileira, percebe-se que o Estado financia o ensino fundamental e médio, no entanto, o ensino superior, mesmo quando é cursado em instituições públicas, envolve custos consideráveis. Assim, a riqueza da família será uma das variáveis consideradas pelo mercado e também possui grande impacto sobre a entrada e permanência do indivíduo no ensino superior. Por outro lado, famílias de menores rendas não possuem os recursos necessários para financiarem o acesso dos filhos ao ensino superior. Como os pais não podem arcar com esses gastos, há uma menor probabilidade dos filhos ingressarem no ensino superior e não haverá um aumento na produtividade destes, assim, os filhos recebem menores salários gerando um círculo vicioso para essas famílias e seus descendentes (CARNOY, 2006). 

3. Material e Método

Pretende-se avaliar os determinantes de um indivíduo da Região Norte do país ingressar no ensino superior, ou seja, os determinantes que afetam as chances do jovem cursar o ensino superior antes e após a expansão do ensino universitário da década de 2010. Por isso, optou-se pelos Modelos de Escolha Qualitativa, seguindo a forma do modelo Logit, que estima a probabilidade de acesso com base na função de distribuição logística acumulada. Os Modelos de Escolha Qualitativa são os mais adequados por trazerem como solução a probabilidade de ocorrência de eventos, que no caso do presente trabalho busca determinar a probabilidade de um jovem ingressar no ensino superior na Região Norte. 

A demanda por educação superior na Região Norte do Brasil é expressa pela equação (2) a seguir: 

Onde B_i (i = 1, 2,…, n) são os parâmetros a serem estimados pela função de regressão logística; Cor_1i é uma variável dummy relacionada ao dependente, essa assumirá valor 1 caso o mesmo seja branco, e assumirá valor 0 caso contrário; Sexo_1i é uma variável dummy relacionada ao dependente, que assumirá valor 1 caso o mesmo seja do sexo masculino, e assumirá valor 0 caso contrário; Urb_i é uma variável dummy que indica a localização da residência do estudante, que assumirá valor 1 caso a residência esteja na área urbana, e assumirá valor 0 caso contrário; EscCh_k (k = 1,…, 4) são variáveis dummies que indicam a escolaridade da pessoa de referência da família, em anos de estudo, k=1 assumirá valor 1 caso a pessoa de referência da família possua de um a quatro anos de estudo, k=2 assumirá valor 1 caso a pessoa de referência da família possua de cinco a oito anos de estudo, k=3 assumirá valor 1 caso a pessoa de referência da família possua de nove a onze anos de estudo e k=4 assumirá valor 1 caso a pessoa de referência da família possua mais do que 11 anos de estudo, em casos contrários aos citados a variável assumirá valor 0, sendo que chefes de família sem escolaridade foram utilizados como base para essa variável; IdCh_i representa a idade da pessoa referência da família; 

CorCh_ié uma variável dummy que assumirá valor 1 se o chefe da família for branco, e assumirá valor 0 caso contrário; SexoCh_i é uma variável dummy que assumirá valor 1 se a pessoa de referência da família for do sexo masculino, e assumirá valor 0 caso contrário; 

RendaFam_1i indica a renda familiar per capita do jovem analisado; AC_i, AP_i, AM_i, PA_i, RO_i e TO_i, são variáveis dummy relacionadas a localização do jovem, essa assumirá 1 quando o jovem residir no estado que nomeia a variável, e assumirá valor 0 caso contrário, sendo que o estado de Roraima foi utilizado como base para essa variável; e ε_i representa os erros estocásticos da regressão. Todas as variáveis utilizadas no modelo foram definidas através da teoria do Background Familiar. 

O sinal esperado para cada uma das variáveis está determinado no Quadro 1. Além disso, é importante ressaltar que o modelo expresso pela equação (2) será estimado para os anos de 2004 e de 2015. O objetivo é, através de uma análise estática comparativa, avaliar os impactos dos determinantes de acesso ao ensino superior diante de dois cenários distintos, ou seja, assumindo, em 2015, a expansão universitária na região Norte do Brasil e a implementação das políticas públicas de acesso ao ensino universitário.  

Visando garantir uma estimação com propriedades estatísticas consistentes e que gerem inferências que não estejam erradas, foram realizados os testes: Teste Wald e a Curva ROC.  A partir do Teste de Wald é possível identificar a significância global do modelo. Esse teste compara o modelo completo (modelo irrestrito) com o modelo que possui um grupo restrito de variáveis buscando avaliar se existe significância nas interações entre as variáveis. Se todos os coeficientes forem estatisticamente iguais à zero, aceita-se a hipótese nula; caso contrário, a hipótese nula é rejeitada, e será possível dizer que as relações entre as variáveis independentes e dependentes são estatisticamente significativas (CAMERON; TRIVEDI, 2010). 

Quadro 1: Sinais Esperados para as Variáveis Selecionadas.

Por último, foi utilizado a Curva ROC para que seja possível visualizar a relação entre os verdadeiros positivos (sensitividade, ou seja: quando o evento previsto pelo teste é confirmado pela análise) e os falsos positivos (sensibilidade, quando o evento previsto pelo teste não é confirmado pela análise). A imagem gráfica da Curva ROC é formada por uma diagonal com 45º de inclinação que se inicia na origem, representando os pares ordenados de mesmo valor, onde a probabilidade do evento ocorrer é igual à probabilidade do evento não ocorrer; e uma curva que apresenta todas as combinações de probabilidades estimadas dos verdadeiros positivos e falsos positivos. Desse modo, quanto mais distante a curva gerada estiver da diagonal traçada, mais bem ajustado será o modelo. Visto que se a probabilidade do evento ocorrer for bem distinta da probabilidade do evento não ocorrer, será mais fácil determinar a ocorrência do evento de interesse da não ocorrência desse evento (CAMERON; TRIVEDI, 2010), que no caso do presente trabalho se refere a ter acessado ou não o ensino superior na Região Norte do país. 

Os dados utilizados no trabalho foram obtidos através da Pesquisa Nacional por Amostra de Domicílios (PNAD) dos anos de 2004 e 2015. Essa pesquisa retrata uma amostra dos domicílios de todo o país, onde são coletadas diversas informações a respeito de variáveis socioeconômicas dessas famílias. Foram considerados no trabalho os indivíduos com idade entre 18 e 25 anos que possuem ensino médio completo, residem na Região Norte do país e possuem uma renda per capita familiar que seja maior do que R$500 e menor do que R$10000.

4.  Resultados e Discussão

Inicialmente é apresentado no Quadro 2 uma análise descritiva dos dados da região norte de Brasil para os anos de 2004 e 2015. Comparando as duas amostras, percebe-se que há uma redução, entre os anos de 2004  e 2015, na proporção de jovens e chefes de família brancos, de 44% para 26,8% e de 45,2% para 24,1%, respectivamente. Além do mais, apesar da tendência nacional de migração das zonas rurais para as zonas urbanas, a Região Norte apresentou um caminho contrário. Em 2004, 94,2% da amostra vivia nas cidades e em 2015 essa porcentagem mudou para 91,7%. 

Outras alterações importantes estão presentes nas variáveis referentes aos chefes de família. Percebe-se uma tendência de aumento no sentido de que há mais famílias chefiadas por adultos que possuem entre 0 e 11 anos de estudo e por mulheres. Observase também que há um aumento na renda familiar per capita de R$ 1022,40 para R$ 1129,65. Entretanto, é importante ressaltar que do ponto de vista estatístico as variações entre os dois anos analisados não poderiam ser consideradas significativas. 

Com o intuito de avaliar o ajustamento dos modelos estimados foi apresentado, no Quadro 3, o teste de Wald para os dois anos avaliados, visando identificar a significância global do modelo. Nesse teste, a hipótese nula é a de que os coeficientes dos regressores são todos estatisticamente iguais a zero, não existindo efeitos de interações entre os estimadores. Pode-se concluir que, a um nível de significância de 1%, a hipótese nula é rejeitada e a relação estudada é estatisticamente significativa.  

Para avaliar o ajuste do modelo foi utilizado a Curva ROC, que mostra a relação entre especificidade e sensitividade do modelo estudado. Este será bem ajustado quanto mais próximo de 1 estiver o valor correspondente a área abaixo da curva. As Figuras 1 e 2 mostram as Curvas ROC correspondente aos anos de 2004 e 2015, respectivamente. 

Valores entre 0,7 e 0,8 indicam que o poder discriminatório dos modelos estimados é considerado satisfatório, ou seja, o modelo possui boa capacidade preditiva (FÁVERO et al, 2014). Dessa forma, como os modelos estimados para os anos de 2004 e 2015 apresentaram, respectivamente, uma área de 0,7875 e 0,7602, pode-se dizer que ambos possuem uma boa predição tanto para a sensibilidade quanto para a especificidade. 

Quadro 2: Distribuição das variáveis para os anos de 2004 e 2015. 

Quadro 3: Teste de Wald para os anos 2004 e 2015. 

Partindo agora para a análise dos resultados, os Quadros 4 e 5 apresentam os efeitos marginais de cada variável explicativa para o indivíduo no ponto médio da amostra, calculados com base nos modelos Logit estimados para os anos de 2004 e 2015. Foram geradas três equações distintas visando mostrar a robustez do modelo, as equações são representadas em ambos os quadros por três colunas distintas, no entanto, somente a coluna 3 (modelo completo) será analisada. Na primeira coluna foram incluídas apenas variáveis que indicam características individuais e demográficas do jovem. Em seguida foram adicionadas as características do ambiente familiar e, por fim, acrescentou-se as dummies referentes aos estados. 

Figura 1: Curva ROC para 2004.

Figura 2: Curva ROC para 2015.

Os resultados apresentados nos Quadros 4 e 5 indicam a robustez dos modelos estimados para os anos de 2004 e 2015. Percebe-se que os parâmetros dos modelos não se alteram estatisticamente à medida que são inseridas as variáveis de background familiar e as de controle por estados da região. Além disso, é importante salientar que as estatísticas de ponto tendem a reduzir à medida que são inseridas variáveis nas equações, reforçando a robustez das estimações. 

Embora tenham apresentado efeitos marginais relativamente baixos, a renda afetou significativamente, nos dois anos avaliados, a probabilidade de ingressar no ensino superior na região norte do Brasil. Dessa forma, há correlação positiva entre a renda familiar e a probabilidade de o jovem estar matriculado no ensino superior. Esse resultado é explicado pela maior capacidade que as famílias com melhores rendimentos possuem para investir na educação dos filhos (BJÖRKLUND; SALVANES, 2010). Sabe-se que nas famílias mais pobres existe um efeito cumulativo que se inicia no ensino fundamental e continua até a decisão de acessar ou não o ensino superior, o que gera uma diferença ainda maior nas chances de acesso aos maiores níveis de ensino (ANDRADE, 2012). 

A idade da pessoa de referência da família também afetou positivamente as chances de ingressar na universidade. Pan e Ost (2014) argumentam que os indivíduos que estão há mais tempo presentes no mercado de trabalho apresentariam maior capacidade de investimento em educação para os seus dependentes (PAN; OST, 2014). 

Analisando o modelo 3 para o ano de 2004, percebe-se que as variáveis de gênero, se mora na área urbana e as dummies de estado, à excessão de Tocantins, não estão correlacionadas com as chances de um indivíduo ingressar no ensino superior na Região Norte do País. No ano de 2015, avaliando o modelo 3 do Quadro 5, observa-se que a cor, os níveis iniciais de educação da pessoa de referência na família, assim como sua cor e sexo e as dummies de estados não foram significativas. 

Comparando os dois anos, pode-se observar que o gênero e a localização urbana passaram a influenciar na probabilidade de ingressar no ensino superior. Já a cor dos indivíduos deixa de estar correlacionada significativamente com a probabilidade de o jovem acessar a universidade. Esse resultado é explicado pelo fato de que, após o ano de 2004, as políticas de cotas teriam, até certo ponto, reduzido a importância da cor no acesso às instituições de ensino superior. 

Quadro 4: Efeitos Marginais a partir do modelo Logit para o ano de 2004. 

Quadro 5: Efeitos Marginais a partir do modelo Logit para o ano de 2015.

Além disso, verificou-se um aumento da população rural na região norte, no comparativo dos anos analisados. O efeito desse aumento da população na área rural poderia ter impactado negativamente nas chances de os indivíduos ingressarem no ensino superior nessa região. O Quadro 6, apresenta as razões de chances de os jovens ingressarem nas instituições de ensino superior, para os dois anos avaliados. Jovens da área urbana teriam, em 2015, mais do que o dobro de chances de ingressar na universidade, comparativamente aos indivíduos do meio rural. Para Alves, Souza, Silva e Marra (2011) e Queiroz (2001), isso ocorre dado o maior acesso à informação, maior proximidade das instituições de ensino superior e melhores oportunidades de trabalho para a família do dependente no meio urbano. 

Fica claro, no ano de 2004, a importância da cor e da escolaridade da pessoa de referência na família para que o jovem ingresse no ensino superior. Observa-se que um indivíduo branco teria mais que o dobro de chances de ingressar na universidade do que um indivíduo não branco. No ano de 2015 esse argumento deixa de ser significativo. Como dito anteriormente, isso poderia encontrar explicação na implementação da política de cotas. 

Quadro 6: Razão de chances para os anos 2004 e 2015.

Em contrapartida, o gênero passa a afetar as chances de ingressar na universidade, no comparativo dos dois anos. Em 2015, um jovem do sexo masculino teria suas chances de ingressar no ensino superior reduzidas 26,4%, comparado a pessoas do sexo feminino. Esse resultado era esperado, pois estudos mostram que jovens do sexo feminino teriam maior probabilidade de ingressar na universidade. Para Queiroz (2001), isso pode ser explicado pela maior inserção das mulheres no ambiente acadêmico nos cursos relacionados a área da saúde, da educação e de humanas. Além disso, ainda há uma tendência de jovens do sexo masculino ingressarem mais cedo no mercado de trabalho, dificultando seu ingresso na universidade. 

Outro fenômeno interessante, ao comparar os dois anos analisados, é a redução da importância da escolaridade do chefe de família na probabilidade de cursar o ensino superior. Em 2004, um jovem cujo chefe de família tivesse cursado mais de 11 anos de estudo teria, aproximadamente, 35 vezes mais chance de ingressar em uma universidade do que indivíduos cuja pessoa de referência na família não possuísse instrução. Em 2015, essa razão de chances cai para 7 vezes, ou seja, pessoas cujo chefe de família tenha mais de 11 anos de estudo teria 7 vezes mais chance de ingressar na universidade. 

No que se refere ao nível de escolaridade do chefe de família, pode-se ainda ressaltar que o nível superior é o grande diferencial. Isso fica claro quando se compara jovens com chefe de família com 9 a 11 anos de estudo (ensino médio) a jovens com chefes de família sem instrução (categoria base). Nesse caso, o efeito, embora ainda relevante, é bem menor. Comparado a chefes de família sem instrução, os jovens cujas pessoas de referência na família tem ensino médio apresentaram, no ano de 2015, 2 (duas) vezes mais chance de ingressar no ensino superior. 

A grande importância do nível de escolaridade da pessoa de referência da família é ressaltada por Ferreira e Veloso (2003). Uma justificativa seria a maior compreensão dos chefes de família, que possuem maiores níveis de escolaridade, da importância dos anos adicionais de educação dos seus dependentes. Além do mais, há uma tendência de que os indivíduos que possuem os maiores rendimentos são também aqueles que apresentam os maiores níveis de escolaridade. Assim, a maior escolaridade do responsável implicará em maiores rendimentos para a família, o que geraria melhores chances de acesso ao ensino superior. Com isso, é reforçada a importância do background familiar na decisão dos jovens de demandarem mais anos de estudo através do ensino superior. Isso também é confirmado por Queiroz (2016). 

Além disso, no ano de 2004, o fato do chefe da família ser do sexo masculino diminui as chances dos seus dependentes acessarem o ensino superior em 36,5%, o que poderia ser explicado pelos novos arranjos familiares e conquista da autonomia financeira por parte das mulheres (PERUCCHI; BEIRÃO, 2017). 

Considerações Finais

Diante da expansão universitária que ocorreu no Brasil na década de 2010, e dado seu maior impacto no sistema de educação superior da Região Norte, fez-se necessário avaliar como a relação do acesso no ensino superior com seus determinantes teria sido afetada após a expansão ocorrida na região na década de 2010. 

Os resultados indicaram que a escolaridade do chefe de família foi identificada como a principal variável que influencia nas chances de os jovens da região ingressarem no ensino superior, sendo que o nível superior é o grande diferencial. Isso acontece dado a maior compreensão que indivíduos com mais anos de estudo possuem sobre a importância de ingressar no ensino superior em conjunto com as influências do Background Familiar.  

Além do mais, houve uma mudança na importância da variável cor e urbano para os anos de 2004 e 2015. Nota-se que a cor deixou de ser determinante no acesso ao ensino superior. Isso seria um indicativo de que a política de cotas raciais estaria surtindo efeitos no Norte do Brasil, embora haja a necessidade de maiores confirmações.  

Quanto à localização, percebe-se que jovens do meio urbano passa a ter maiores chances de acesso ao ensino superior. Esse é um ponto interessante, pois à medida que essa passa a ser um argumento importante na função, observou-se um aumento da população localizada no meio rural em 2015 (no comparativo com 2004). Esse é um fenômeno que abre espaço para que se busque políticas públicas capazes de estimular esses adolescentes a demandar ensino superior na região. A respeito da renda, percebe-se que apesar dela ser significativa nos dois anos analisados, ela não apresentou grande influência nas chances de acesso.  

Finalizando, de maneira geral, os resultados mostram que, mesmo com as políticas de acesso ao ensino superior, como a expansão universitária e as políticas de cotas, ainda há espaço para fomentar a demanda por educação superior na Região Norte do Brasil. Observa-se que a influência dos fatores familiares continuam sendo muito importantes, mesmo com a implementação de tais políticas. Nesse sentido, seria interessante que ao promover políticas de acesso o Estado se volte também para a família e não apenas para o jovem. Investir na família e na pessoa de referência seria fundamental.

Referências  

AFONSO, M. R.; GARCIA, T. E. M.; RAMOS, M. G. G. Movimentos da expansão do Ensino Superior na Universidade Brasileira. Trabalho Apresentado no Painel Desafios da Educação Superior Contemporânea: inclusão e qualidade. Anais. XXX International Congress of the Latin American Studies Association – (LASA), San Francisco, California, 2011. Disponível em: http://lasa.international.pitt.edu/members/congresspapers/lasa2012/files/3249.pdf. Acesso em: 15 de abril de 2017 

ALVES, E; SOUZA E SILVA, G.; MARRA, R. Êxodo e sua contribuição à urbanização de 1950 a 2010. Revista de Política Agrícola Ano XX, nº 2.Abril/Maio/Junho 2011 p.  80 – 88.  

ANDRADE, C. Y. Acesso ao ensino superior no Brasil: equidade e desigualdade social.  Revista  Ensino  Superior,  UNICAMP,  julho,  2012.  Disponível  em:  https://www.revistaensinosuperior.gr.unicamp.br/edicoes/ed06_julho2012/Cibele_Yahn .pdf. Acesso em: 03 de maio de 2017.  

ANTIGO, M. F.; MACHADO, A. F. Mobilidade intrageracional de rendimentos no Brasil. Revista de Economia Política, v. 33, nº1, p. 166-178, jan./mar. 2013. 

BJÖRKLUND, A.; SALVANES, K. G. Education and family background: Mechanisms and policies. In: HANUSHEK, E. A.; MACHIN, S.; WOESSMANN, L. Handbook of the Economics of Education, Amsterdam: Elsevier: forthcoming. 2010. 

CAMERON, A. C.; TRIVEDI, P. K. Microeconometrics Using Stata. Rev. ed. College Station, TX: Stata Press. 2010. 

CARNOY, M. Economía de la educación. Barcelona: Editorial UOC, 2006. 

CARVALHO, M. M. A educação superior no Brasil: O retorno privado e as restrições ao ingresso. Revista Sinais Sociais, Rio de Janeiro, v. 5, n. 15, p. 82-111, jan./abr. 2011. 

CHECCHI, D. The Economics of Education. Human Capital, Family Background and Inequality. Cambridge: Cambridge University Press, 2006. 

EMILIO, D. R.; BELLUZZO JR, W.; ALVES, D. C. O. Uma análise econométrica dos determinantes do acesso à Universidade de São Paulo. Pesquisa e Planejamento Econômico, v. 34, n. 2, ago. 2004. 

FÁVERO, L. P.; BELFIORE P. Métodos Quantitativos com Stata. Rio de Janeiro: Elsevier. 2014. 

FERNANDEZ, R.M.; SHIOJI, E. Human Capital Investment In The Presence Of Unemployment: Application To University Enrolment In Spain. Economics Series Working Papers 9966, University of Oxford, Department of Economics, 2001. 

FERREIRA, S.; VELOSO, F. A. Mobilidade intergeracional de educação no Brasil. Pesquisa e Planejamento Econômico, IPEA, 33(3). 2003. 

INEP. Censo da educação superior: 2009. Brasília: Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira, 2009. 

INEP. Censo da educação superior: 2011. Brasília: Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira, 2011. 

INEP. Censo da educação superior: 2015. Brasília: Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira, 2015. 

MATOS, R. S.; MACHADO, A. F. Diferencial de rendimento por cor e sexo no Brasil (19872001). Econômica, v. 8, n. 1, p. 5-27, 2006. 

PAN, W.; OST, B. The impact of parental layoff on higher education investment. Economics of Education Review, 42, 53-63, 2014. 

PERUCCHI, J.; BEIRÃO, A. M. Novos arranjos familiares: paternidade, parentalidade e relações de gênero sob o olhar de mulheres chefes de família. Psicologia Clínica, Rio de Janeiro, v. 19, n. 2, p. 57-69, 2007.  

COSTA, Maria Adélia da. Políticas de Formação Docente para Educação Profissional: realidade ou utopia? Curitiba: Appris, 2016.

DE CARVALHO, R. L.; CABRAL, R. G.; ROSARIO FERRER, Y. SISTEMAS TUTORES INTELIGENTES COMO RECURSO DIDÁTICO NO ENSINO DA MATEMÁTICA. HOLOS, [S. l.], v. 6, p. 1–11, 2019. DOI: 10.15628/holos.2019.7028. Disponível em: https://www2.ifrn.edu.br/ojs/index.php/HOLOS/article/view/7028. Acesso em: 04 jun. 2023.

ROSATELLI, M. C., & Self, J. A. Supporting distance learning from case studies. In S. P Lajoie, & M. Vivet (Eds.), Proceedings o f 9th international conference on artificial intelligence in education, p. 457-564, abril. 2000.

---

¹UFV, isabelabessasantos@gmail.com