XVIII ENCUENTRO DE ECONOMÍA PÚBLICA MÁLAGA, 3 y 4 de febrero de 2011

“La educación medioambiental y sus condicionantes en el contexto

español según PISA 2006”

José Manuel Cordero Ferrera Universidad de Extremadura

(jmcordero@unex.es)

Mª Ángeles García Valiñas Toulouse School of Economics, LERNA-INRA

(mvalinas@toulouse.inra.fr)

César Manchón López Universidad de Extremadura (cesarmanchon@unex.es)

Manuel A. Muñiz Pérez Universidad de Oviedo (manumuni@uniovi.es)

Resumen

El objetivo de este trabajo es analizar la formación en cuestiones medioambientales de los jóvenes españoles a partir de la base de datos del programa PISA (Programme for International Student Assessment), cuya última oleada, perteneciente al año 2006, ofrece un gran volumen de información sobre los conocimientos en ciencias de los alumnos de 15 años de la mayoría de los países de la OCDE. Para ello, utilizamos un enfoque que nos permite conectar el nivel de conocimiento alcanzado por los estudiantes en este ámbito con los recursos utilizados, prestando especial atención al papel que juegan en este proceso de aprendizaje tanto las escuelas como el contexto familiar de los estudiantes. Con el fin de seleccionar variables que realmente tengan influencia sobre los resultados, se lleva a cabo un examen de las relaciones existentes entre los indicadores de resultados y los recursos educativos mediante el uso de técnicas de regresión multi-nivel, puesto que los datos disponibles están anidados en diferentes niveles (alumnos y escuelas). En la literatura previa, existen muy pocos trabajos como el propuesto, dadas las dificultades que supone obtener información detallada a nivel de alumno sobre los conceptos específicos de medioambiente y sus fuentes de información. No obstante, se trata de un ámbito de estudio que se encuentra en pleno auge como consecuencia de la creciente preocupación existente sobre aspectos relacionados con el medioambiente. Por lo tanto, una contribución importante del trabajo consiste en la explotación de los indicadores que proporciona la base de datos como un output específico del proceso que tiene lugar en las escuelas. Asimismo, se analizan relaciones input-output controlando por las fuentes alternativas de obtención de información ambiental. Palabras clave: Educación, Medioambiente, Análisis multinivel Códigos JEL: H52, I21, Q59

1. INTRODUCCIÓN

La educación formal es reconocida como un factor importante

(significativo) para explicar las conductas y actitudes hacia el medio ambiente.

Los conocimientos generales, incluso las habilidades específicas, relacionados

con las ciencias medioambientales deben adquiridos a través del sistema

educativo, aunque también existen otras fuentes de información alternativas

como los medios de comunicación o Internet.

En este contexto, consideramos que resulta de gran interés conocer

cuáles son las principales fuentes de información para la adquisición de

conocimientos medioambientales, prestando especial interés al papel que

juegan las escuelas en ese proceso de aprendizaje.

El objetivo de este trabajo es describir una aproximación empírica a la

medición de aspectos de la formación científica del medio ambiente mediante

el uso de la base de datos internacional PISA (Programme for International

Student Assessment), elaborada por la OCDE, que en el año 2006 estaba

centrada en aspectos relacionados con las ciencias, incluyendo un gran

volumen de información específica sobre aspectos medioambientales.

A partir de esta información, implementamos un análisis de regresión

multinivel con el propósito de identificar los vínculos existentes entre las

características y actitudes de los estudiantes y sus conocimientos

medioambientales, así como el efecto que tienen las diferentes actividades

realizadas por las escuelas en la promoción de la concienciación

medioambiental.

Aunque el estudio inicialmente fue concebido con el objetivo de analizar

la situación de la educación medioambiental en España, el hecho de que las

competencias educativas estén en manos de las Comunidades Autónomas,

nos ha llevado a analizar si existen diferencias en cuanto a las políticas

implementadas por las distintas regiones españolas que participaron en PISA

2006 con una muestra representativa (Andalucía, Aragón, Asturias, Cantabria,

Castilla y León, Cataluña, Galicia, La Rioja, Navarra y País Vasco).

Este estudio constituye uno de los primeros trabajos aplicados que

existen en este ámbito, en el que las dificultades que plantea la recopilación de

información fiable complica en gran medida la realización de análisis empíricos.

No obstante, se trata de un campo de estudio en pleno auge como

consecuencia de la creciente preocupación existente sobre aspectos

relacionados con el medioambiente en el contexto internacional.

La estructura del artículo es la siguiente. En la sección segunda se

ofrece una breve introducción sobre las conexiones que existen entre la

educación medioambiental y la promoción de actitudes y comportamientos a

favor del medio ambiente, aspecto que sirve como motivación para la

realización del estudio propuesto. La sección tercera se dedica a la descripción

de la base de datos y las variables empleadas en el análisis. En la sección

cuarta se presenta el modelo empírico utilizado y los principales resultados

obtenidos. En la última sección se resumen las principales conclusiones y se

avanzan algunas líneas de investigación futuras.

2. LA EDUCACIÓN MEDIOAMBIENTAL

Uno de los principales retos de los discursos del medio ambiente es

definir y acotar las ciencias medioambientales y, posteriormente, las políticas,

los programas y las prácticas para la enseñanza de las ciencias del medio

ambiente. La gente frecuentemente utiliza la educación ambiental para

describir lo que también podría ser designado como "información ambiental".

Esto incluye información que puede ser adquirida de los medios de

comunicación, a través de anuncios, o incluso en los libros de cuentos. La

educación científica, en algunos casos, también puede proporcionar

información ambiental sin necesidad de proporcionar educación ambiental.

Una definición bien establecida de la educación ambiental fue constituida

por Hines et al. (1986-87), quienes afirmaron que la educación ambiental es

algo más que la mera transferencia de información. Abarca cuatro aspectos

fundamentales: un conocimiento práctico de las cuestiones ambientales, un

conocimiento específico de los enfoques para abordar esas cuestiones, la

competencia para tomar decisiones apropiadas, y la posesión de determinadas

cualidades afectivas y actitudes que hacen que la gente se preocupe y preste

más atención a las condiciones ambientales.

Posteriormente, en 1994, la Asociación Norteamericana de Educación

Ambiental ofreció una definición de enseñanza de las ciencias

medioambientales que expandió los cuatro aspectos señalados por Hines et al.

en: conocimiento medioambiental y socio-político, conocimiento de las

cuestiones ambientales, las habilidades cognitivas y cualidades afectivas y

comportamientos ambientalmente responsables.

Más recientemente, Coyle (2005) equiparó la información a la

sensibilización y afirmó que la educación ambiental "implica una serie

secuencial de pasos que da lugar a un conocimiento profundo del tema y su

dinámica, incluyendo el desarrollo de habilidades y y el aprendizaje de su

aplicación en un escenario mundial real". Asimismo, este autor clasificó la

consciencia ambiental en tres categorías: simple concienciación (conocer la

existencia del tema); conocimiento de la conducta personal (de fácil

comprensión de los conceptos e ideas globales), y la alfabetización de las

ciencias ambientales (comprensión de los principios científicos básicos, las

habilidades necesarias para investigar el tema, y cómo utilizar los principios y

habilidades). En esta definición, la alfabetización de la ciencia ambiental se

considera el resultado de más alto nivel en la educación ambiental.

La importancia de la educación ambiental se sustenta sobre el hecho de

que cuanto más profundo es el conocimiento sobre este tema, mayor es la

probabilidad de que un individuo esté involucrado en acciones para proteger el

medio ambiente (Kollumuss y Agyeman, 2002). Además, los ciudadanos bien

informados sobre los problemas ambientales podrían tener fuertes actitudes y

comportamientos a favor del medio ambiente, porque son más conscientes de

los posibles daños (Danielson et al., 1995; Olli et al., 2001).

Otras implicaciones surgen del estudio realizado por Govindasamy e

Italia (1999), que descubrió que las personas con conocimientos sobre las

técnicas respetuosas con el medio ambiente en la agricultura eran más

propensas a pagar una prima para alimentos ecológicos. Además, se ha

demostrado que las campañas de información sobre los beneficios de

comportamientos a favor del medio ambiente y las consecuencias negativas de

las conductas irresponsables son, sin duda, eficaces en el logro de mejores

actitudes y comportamientos (Serret y Ferrara, 2008). Lubell et al. (2006)

implementaron un índice sobre el conocimiento del medio ambiente mediante la

proporción de respuestas correctas a algunas preguntas relacionadas con la

contaminación del aire en Texas, encontrando una relación positiva entre el

índice y el apoyo a las políticas medioambientales sobre el aire y las actitudes

a favor del medio ambiente.

En definitiva, la literatura ha reconocido la importancia de la educación

medioambiental para conseguir que las acciones individuales y colectivas se

encaminen a proteger el medio ambiente.

3. DATOS Y VARIABLES

El programa PISA de la OCDE es un estudio que proporciona

información sobre las capacidades de los alumnos de 15 años desde una

perspectiva internacional. En el año 2006 fueron evaluados casi 400.000

estudiantes pertenecientes a 57 países, aunque en nuestro estudio sólo

utilizaremos información relativa a los alumnos españoles que realizaron la

prueba, un total de 19.605 distribuidos en 685 centros educativos. Su

distribución por Comunidades Autónomas se muestra en la Tabla 1.

Tabla 1. Estructura de la base de datos utilizada Región Alumnos Escuelas Públicos Concertados Privados

Andalucía 1.463 51 37 13 1 Aragón 1.526 51 31 16 4 Asturias 1.579 53 31 14 8

Cantabria 1.496 53 31 19 3 Castilla y León 1.512 52 31 17 4

Cataluña 1.527 51 29 11 10 Galicia 1.573 53 36 11 6

La Rioja 1.333 45 22 20 3 Navarra 1.590 52 30 19 3

País Vasco 3.929 150 63 83 4 Resto España 2.077 74 44 20 10

TOTAL 19.605 685 385 243 57

PISA examina a los estudiantes en tres materias (lectura, matemáticas y

ciencias) y tiene lugar cada tres años, prestando especial atención a cada uno

de los dominios en cada ocasión. El área principal en cada oleada ocupa

aproximadamente el 66 por ciento del estudio, con dos áreas remanentes

contando cada una como 17 por ciento. Esto permite una extensa y detallada

visión sobre la educación de los estudiantes cada nueve años, con una

aproximación de su evolución cada tres años.

Hasta ahora han tenido lugar tres oleadas de este estudio, en 2000,

2003 y 2006, centrándose en lectura, matemáticas y ciencias, respectivamente.

El desarrollo del marco de trabajo de ciencias de PISA 2006 estuvo guiado por

referencia a lo que los ciudadanos requieren sobre conocimiento y habilidades

en ciencias. Consecuente con este principio rector, el grupo internacional de

expertos en ciencias, que fue designado por gobernantes de la OCDE, decidió

incluir aspectos de ciencias del medioambiente y geociencia en el marco de la

evaluación.

El conocimiento y las habilidades en ciencias están ampliamente

definidos en PISA 2006 en términos de competencias, contextos,

conocimientos y actitudes. Mientras que este marco no identificaba las ciencias

medioambientales como una subcategoría por sí misma, el contenido y

contextos de algunas cuestiones sí se concentran en aspectos

medioambientales. Por lo tanto, una contribución significativa del estudio

propuesto consiste en usar las puntuaciones obtenidas por los alumnos en este

conjunto de preguntas sobre el medio ambiente como un output cognitivo

independiente.

PISA 2006 define las ciencias medioambientales como “el uso del

conocimiento científico para la identificación de cuestiones, la explicación de

fenómenos biológicos y geológicos y la obtención de conclusiones basadas en

la evidencia acerca de aspectos medioambientales”. A pesar de que PISA 2006

no está específicamente diseñado para la evaluación de conocimientos

medioambientales, entre las 108 cuestiones que se les planteaban a los

alumnos participantes en esta última oleada, 24 estaban dedicadas a aspectos

relacionados con el medioambiente, de las cuales 14 estaban vinculadas con la

geología. Entre estas cuestiones se incluyen preguntas relativas la disposición

de materiales, la biodiversidad, el control de la contaminación, la erosión de las

costas o el cambio climático, así como el planteamiento de posibles soluciones

para problemas concretos o la existencia de riesgos medioambientales. De

este modo, se cubren la mayor parte de las competencias definidas en el

contexto de PISA 20061.

A partir de las respuestas a estas cuestiones, los técnicos de PISA

elaboraron dos indicadores que representan los conocimientos de los

estudiantes en aspectos medioambientales y geología2. No obstante, en

nuestro estudio únicamente hemos utilizado como variable dependiente el

indicador medioambiental con el propósito de evitar los problemas derivados de

la evidente correlación existente entre los dos indicadores disponibles.

El procedimiento utilizado para la construcción de este indicador,

coincidente con el empleado para la elaboración de los indicadores

representativos de los resultados en matemáticas, lectura y ciencias, se basa

1 Estas preguntas cubren dos de las tres competencias incluidas en PISA 2006: la explicación de fenómenos científicos y el uso de la evidencia científica. 2 Pese a se dispone de información limitada para ambos indicadores (24 cuestiones para el indicador medioambiental y 14 para el indicador representativo de los conocimientos geológicos) en otros estudios se ha utilizado un volumen de información similar en cuanto al número de ítems evaluados. OECD (2009) ofrece un análisis detallado de las posibles limitaciones que pueden derivarse del uso de una información tan reducida.

en la teoría de la respuesta al ítem desarrollada por Rasch (1980), según la

cual las dificultades de cada pregunta y las habilidades del alumno son

estimadas de manera simultánea3. El indicador resultante se define como una

variable continua que utiliza como referencia el resultado de los alumnos a

escala internacional, con un valor medio de 500 puntos y una desviación

estándar de 100 puntos4.

Asimismo, dado que la escuela, el hogar y el contexto socioeconómico

son aspectos que tienen una clara influencia sobre el aprendizaje de los

alumnos, el Proyecto PISA recoge una extensa base de datos en torno a estas

variables, obtenidas a partir de dos cuestionarios, uno completado por los

propios alumnos y otro por los directores de los centros educativos. A partir de

esta información, resulta posible extraer un gran volumen de información

acerca de multitud de factores relacionados con el entorno familiar y escolar.

Por tanto, dado que el principal objetivo del estudio es la identificación

de las principales fuentes de información sobre aspectos medioambientales, la

variable representativa de los conocimientos medioambientales se incluye

como dependiente en una regresión en la que se consideran dos bloques de

variables explicativas claramente diferenciados: (i) factores individuales

relacionados con características y actitudes de los estudiantes y (ii) variables

que representan actividades desarrolladas por las escuelas. La Tabla 2 ofrece

un resumen de todas las variables consideradas en el estudio. En la Tabla 3 se

muestran los principales estadísticos descriptivos de todas ellas.

3 Véase OECD (2007) para un análisis más detallado. 4 Existe un mecanismo alternativo para resumir el conocimiento demostrado por un estudiante, basado en el establecimiento de cuatro niveles (A, B, C y D). Los alumnos situados en el segmento D, el más bajo de todos, con una puntuación inferior a -0,7, serían capaces de interpretar un gráfico o una figura, pero demostrarían tener sólo unos conocimientos básicos sobre el medioambiente. Los estudiantes pertenecientes al siguiente nivel (C), con una puntuación entre -0,7 y 0, son capaces de entender aspectos relacionados con los ciclos ambientales, las fuentes de energía, los motivos de la contaminación e incluso las causas de algunos de estos problemas. Los alumnos del siguiente nivel (B), con una puntuación situada entre 0 y 1, son capaces de responder preguntas más complejas sobre el medioambiente como el balance del ecosistema, el cambio climático o los recursos energéticos naturales. Por último, los alumnos situados en el nivel más alto (A), con valores por encima de 1, son capaces de entender y explicar problemas más complejos y procesos como la lluvia ácida la evolución de las especies.

Tabla 2. Definición de las variables

Bloque Variable Definición

GENER Variable dummy que toma el valor 1 si el alumno es una chica y 0 en caso contrario

ESCS Índice socioeconómico

INMIG Variable dummy que toma el valor 1 si el alumno nación fuera de España y 0 en caso contrario

REPET Variable dummy que toma el valor 1 si el alumno pertenece a 9º grado o inferior (repetidor) y 0 si cursa 10º grado (no repetidor)

CONOCIM Conocimiento que los alumnos declaran tener acerca de diversos temas medioambientales (ST22Q01-05).

Nivel alumno

FUENTES DE INFORMACIÓN

Fuente de información que los alumnos declaran tener sobre diversos temas medioambientales (cinco variables con una escala que toma valores entre 0 y 6), (ST23QA1-F6): SOURCE_SCHOOL: escuela SOURCE_MEDIA: medios de comunicación SOURCE_FRIENDS: amigos SOURCE_FAMILY: familia SOURCE_INTBOOK: internet o libros

PRIVADO Variable dummy que toma el valor 1 si la escuela es privada y 0 en caso contrario

CONCERT Variable dummy que toma el valor 1 si la escuela es concertada y 0 en caso contrario

PEER Valor medio de la variable ESCS en la escuela

CURSO Variable dummy que toma el valor 1 si existe un curso específico sobre medioambiente y 0 en caso contrario. (SC21Q01)

SCIACTIV

Actividades organizadas por la escuela relacionadas con la ciencia (SC20Q01-05): Se definen cinco variables dummy que toman el valor 1 si la escuela realiza una determinada actividad: SCACTIV_CLUBS: Club de ciencias SCACTIV_FAIRS: Feria de ciencias SCACTIV_COMP: Competiciones de ciencias SCACTIV_PROJ: Proyectos de ciencias SCACTIV_TRIPS: Viajes relacionados con la ciencia

Nivel escuela

ENVACTIV

Actividades extracurriculares organizadas por las escuelas con el propósito de instruir sobre cuestiones medioambientales (SC22Q01-05). Se definen cinco variables dummy que toman el valor 1 si la escuela realiza una determinada actividad: ENVACTIV_OUT: Educación fuera del centro ENVACTIV_MUS: Viajes a museos ENVACTIV_TECH: Viajes a centros de investigación científica o tecnológica ENVACTIV_PROJ: Proyectos medioambientales extracurriculares ENVACTIV_LEC: Conferencias y seminarios

Fuente: Elaboración propia

Tabla 3. Estadísticos descriptivos de las variables

N Mínimo Máximo Media Desv. típ. ENVSCORE 19604 236,63 790,62 509,3489 95,03785

GENER 19604 ,00 1,00 ,4999 ,50001 ESCS 19604 -5,0691 2,8141 -,157983 1,02787 INMIG 19604 ,00 1,00 ,0542 ,22636 REPET 19604 ,00 1,00 ,3110 ,46290

CONOCIM 19604 5,00 20,00 13,6229 2,82389 SOURCE_SCHOOL 19604 0 6 4.5309 1.7886 SOURCE_MEDIA 19604 0 6 3.2539 2.2327

SOURCE_FRIENDS 19604 0 6 .33050 .86215 SOURCE_FAMILY 19604 0 6 1.1067 1.5802

SOURCE_INTBOOKS 19604 0 6 1.3501 1.9528 PRIVADO 19604 ,00 1,00 ,0808 ,25704 CONCERT 19604 ,00 1,00 ,3557 ,45148

PEER 19604 -1,57 1,42 -,1559 ,50892 CURSO 19604 ,0 1,0 ,214 ,4102

SCACTIV_CLUBS 19604 ,0 1,0 ,616 ,4863 SCACTIV_FAIRS 19604 ,0 1,0 ,534 ,4989 SCACTIV_COMP 19604 ,0 1,0 ,319 ,4663 SCACTIV_PROJ 19604 ,0 1,0 ,334 ,4716 SCACTIV_TRIPS 19604 ,0 1,0 ,947 ,2243 ENVACTIV_OUT 19604 ,0 1,0 ,742 ,4373 ENVACTIV_MUS 19604 ,0 1,0 ,893 ,3087 ENVACTIV_TECH 19604 ,0 1,0 ,848 ,3594 ENVACTIV_PROJ 19604 ,0 1,0 ,377 ,4847 ENVACTIV_LEC 19604 ,0 1,0 ,502 ,5000

Entre los factores individuales se han incluido diversas variables

dummies representativas de la condición del estudiante que habitualmente se

emplean en este tipo de estudios, como pueden ser el sexo, haber repetido

algún curso académico o haber nacido fuera del país. Asimismo, se ha

seleccionado una variable continua representativa de las características del

entorno familiar del estudiante, apoyándonos en el elevado nivel de consenso

que existe entre los investigadores de este campo acerca de la relevancia de

este factor a la hora de explicar el rendimiento académico de los estudiantes

(Coleman et al., 1966; Hanushek, 1997, 2003). Concretamente, la variable

empleada, denominada ESCS, es un indicador construido por los analistas del

proyecto PISA agrupando las respuestas a distintas preguntas planteadas en el

cuestionario de la evaluación5.

Al margen de estos indicadores habituales en los estudios empíricos

sobre rendimiento educativo, se han considerado otras variables vinculadas

directamente con aspectos ambientales como son los conocimientos que los

alumnos declaran tener acerca de diversas cuestiones y las fuentes de

información de las que se nutren, según las respuestas que ofrecen a una

batería de preguntas acerca de diferentes temas específicos sobre medio

ambientes que se incluyen en el cuestionario6.

En cuanto a las variables escolares, nuevamente se han seleccionado

otras variables habituales en este tipo de estudios como son las relacionadas

con el tipo de centro de acuerdo a su sistema de financiación, diferenciando

entre público, privado y concertado mediante dos variables dummies

representativas de los dos últimos. No obstante, dado que esta información

puede presentar un cierto sesgo debido a que estas escuelas normalmente

cuentan con estudiantes con un nivel socioeconómico más elevado, hemos

decidido complementar esta información con la inclusión en el análisis de un

indicador que refleja el valor medio de la variable ESCS en el centro escolar, a

través de la cual pretendemos incorporar el denominado efecto compañeros o

peer effect7. Por último, en lo que respecta a factores asociados con cuestiones

medioambientales, se han construido un total de once variables a partir de la

información obtenida de las respuestas de los directores de los centros

5 La primera variable es el nivel educativo más alto de cualquiera de los padres medida a partir del International Standard Classification of Education (ISCED, OECD, 1999). La segunda variable es el índice más alto de ocupación laboral de cualquiera de los dos padres medido a partir de la Internacional Socio-economic index of Occupational Status (ISEI, Ganzeboom et al., 1992). La tercera variable es un índice de posesiones educativas relacionadas con la economía del hogar construido a partir de las respuestas que el alumno dio sobre si poseía o no en casa los siguientes elementos: lugar de estudio, habitación propia, lugar de estudio tranquilo, ordenador para tareas escolares, software educativo, conexión a internet, calculadora propia, libros de literatura clásica, libros de poesía, trabajos de arte, libros de ayuda educativa, diccionario y lavavajillas. 6 Concretamente, esta información procede de las respuestas de los estudiantes a la siguiente cuestión del test: “De qué fuente/s aprendiste principalmente acerca de los siguientes temas medioambientales: contaminación, ahorro de energía, extinción de plantas y animales, limpieza forestal para otros usos de la tierra, ahorro de agua y residuos nucleares. 7 Véase Betts (2000) para una revisión detallada de la literatura sobre el efecto de esta variable sobre el resultado educativo.

educativos a diferentes preguntas relacionadas con la existencia de cursos o

actividades que tengan por objeto el aprendizaje de conocimientos

medioambientales y científicos.

4. METODOLOGÍA

Desde un punto de vista metodológico, en un primer paso, examinamos

la potencial influencia de las variables de entrada en los resultados. Para

completar nuestro análisis, utilizamos un análisis multi-nivel, dado que los datos

proporcionados por PISA 2006 se encuentran anidados en dos niveles

diferentes, la escuela y el alumno. Con este tipo de datos, los métodos

clásicos, como la estimación mediante mínimos cuadrados ordinarios, no

produciría errores estándar correctos (Bryk y Raudenbush, 1992; Snijders,

1999; Hox, 2002; Bickel, 2007). Por lo tanto, los modelos multi-nivel necesitan

ser usados como ellos toman en consideración la cuestión de errores

correlacionados y proporcionan pruebas estadísticas más realistas y

conservadoras.

Asimismo, los modelos de datos multi-nivel han desarrollado métodos

para analizar experimentos con efectos aleatorios. De esta forma, es

importante para aquellos interesados en la utilización de modelos jerárquicos

lineales tener un entendimiento mínimo del uso del lenguaje de los

investigadores experimentales para distinguir entre efectos considerados

arbitrarios o fijos.

Los métodos estadísticos que explícitamente tienen en cuenta datos

jerárquicamente estructurados han ganado popularidad en años recientes, lo

que ha hecho que softwares tan populares como SPSS, Stata, o SAS

incorporen sus propios procedimientos para la realización de estimaciones con

datos anidados. No obstante, en este estudio hemos optado por la utilización

de HLM 6 (Raudenbausch et al., 2004), un programa estadístico diseñado

expresamente para estimar modelos multi-nivel.

La estrategia utilizada para el cálculo de los resultados es la tradicional

dentro de la literatura sobre el análisis estadístico de datos anidados,

consistente en el uso de un enfoque “aditivo” en el que, a partir de una

especificación básica de partida, se van incorporando los diferentes bloques de

variables explicativas paso a paso (Dronkers and Robert, 2008). En

consecuencia, hemos estimado un total de cuatro modelos:

a. Modelo 1 o Modelo base. Su único objetivo consiste en descomponer la

varianza entre los dos niveles existentes: alumnos (i = nivel 1) y escuela (j =

nivel 2), sin incorporar ninguna variable explicativa. La formulación sería la

siguiente:

Yij = β0j + rij (1)

β0j = γ00 + u0j (2)

donde Yij representa el output medioambiental del alumno i en la escuela j, el

cual se explica según la desviación de la escuela j (uj) respecto de los

resultados medios de todas las escuelas (γ0) y la desviación del estudiante i

respecto de la media de los resultados obtenidos por los alumnos que

pertenecen a su misma escuela j.

De acuerdo a la información mostrada en la primera columna de la Tabla 4,

se puede comprobar que este modelo es significativo en su conjunto, lo que

implica que la constante es significativamente distinta de 0 y, por tanto, que

el enfoque basado en el análisis multinivel resulta apropiado. Asimismo, la

descomposición de la varianza de este modelo (Tabla 5) nos permite

identificar que sólo el 8,2 % de la varianza total del output se explica por las

diferencias entre escuelas. Aunque estos resultados son muy preliminares y,

en consecuencia, deben ser interpretados con cierta cautela, nos ofrecen

unas primeras pistas acerca del reducido papel que parecen jugar las

escuelas a la hora de explicar los conocimientos medioambientales de los

alumnos.

b. Modelo 2 (Modelo con variables individuales). Se incluye un conjunto de

variables explicativas a nivel de alumno, lo que implica la transformación de

la expresión (1) en los siguientes términos:

Yij = β0j + β1jX + rij (3)

Además, si se asume que el efecto de la variable explicativa (Xij) puede ser

distinta entre las escuelas (posibles cambios en la pendiente), la ecuación

(2) podría incluir también un nuevo componente, quedando del siguiente

modo:

αij = γ0 + uj

βj = γ1 + πj (4)

En nuestro caso, se ha considerado un conjunto de variables dummies

(GENER, REPET o INMIG) para las que los coeficientes deben ser

interpretados como diferencias entre las medias. Asimismo, existen otras

variables como el índice socioeconómico (ESCS) o las variables

relacionadas con aspectos medioambientales (CONOC y las relativas a las

distintas fuentes de información) en las que los coeficientes representan la

pendiente. Los resultados mostrados en la Tabla 3 para este modelo indican

que las chicas obtienen resultados significativamente peores que los chicos,

al igual que ocurre con los estudiantes que han nacido en otro país. Sin

embargo, el factor que tiene un mayor peso a la hora de explicar las

diferencias en cuanto a conocimientos medioambientales es el haber

repetido algún curso académico, puesto que estos alumnos presentan un

output medio 55 puntos inferior al resto. Por el contrario, como cabía

esperar, la variable ESCS tiene un efecto positivo y significativo sobre los

indicadores medioambientales, al igual que el conocimiento que los alumnos

declaran tener sobre temas medioambientales. Finalmente, entre las

variables representativas de las fuentes de información de los estudiantes,

cabe destacar que, de acuerdo a los valores estimados, la escuela no

parece tener un impacto demasiado significativo sobre los resultados, siendo

los medios de comunicación el factor que parece ostentar una mayor

relevancia como instrumento de información empleado por los estudiantes.

c. Modelos 3 y 4 (Modelos con variables escolares): En esta última etapa del

análisis, se estima un modelo en el que también se incluyen las variables

explicativas escolares (Zlj). Por tanto, no sólo se permiten variaciones en la

constante y en la pendiente, sino interacciones entre las variables

pertenecientes a los dos niveles (alumno y escuela). Así, el modelo queda

de la siguiente manera:

Yij= β0j + β1jX + rij

β0j =γ00 + γ01Zlj + u0j

β1j =γ10 + γ11Zlj + u1

Con el propósito de facilitar la interpretación de los resultados, en nuestro

estudio hemos decidido construir dos modelos diferenciados. En el primero

de ellos (Modelo 3) únicamente nos ocupamos de detectar si existen

diferencias significativas en los resultados entre los alumnos pertenecientes

a escuelas públicas, privadas o concertadas, aunque en este modelo

también incluimos la variable PEER para evitar posibles sesgos en la

selección de estudiantes, tal y como se explicó en la sección anterior.

Posteriormente, se estima el modelo completo (Modelo 4) en el que también

se incluyen las variables representativas de las actividades realizadas por

las escuelas para promover la adquisición de conocimientos

medioambientales.

Una importante conclusión que se deriva de este último análisis es el

hecho de que, una vez tenido en cuenta el efecto compañeros, los alumnos

que pertenecen a escuelas públicas obtienen unas puntuaciones

significativamente mejores que los asisten a escuelas concertadas, mientras

que las diferencias respecto a los estudiantes que asisten a centros privados

no son estadísticamente signficativas. Este resultado, que podría ser

considerado como sorprendente hace unos años, se ha convertido en habitual

en nuestro país en diversos estudios que han empleado la base de datos PISA,

tanto en 2006 (Cordero et al, 2010) como en 2003 (Calero and Escardíbul,

2007), si bien debe matizarse que en este último caso el test se centraba en

conocimientos matemáticos.

Finalmente, los coeficientes estimados para las variables representativas

de las actividades desarrolladas por las escuelas presentan valores muy bajos

y, en la mayoría de los casos, no son significativos, lo que nos lleva a pensar

que dichas actividades parecen tener una influencia muy escasa sobre los

conocimientos adquiridos por los estudiantes. Las únicas actividades que

muestran tener un cierto efecto son los viajes a centros de investigación

científica o tecnológica y las conferencias impartidas por personas ajenas al

centro escolar.

El último paso de nuestro análisis consiste en la estimación del Modelo 4

para cada una de las Comunidades Autónomas participantes en PISA 2006,

con el propósito de determinar si existen diferencias apreciables en alguna de

ellas respecto al caso nacional.

Como se puede comprobar en la Tabla 6, los resultados son, en general,

similares al caso nacional, aunque el hecho de contar con tamaños de muestra

más reducidos hace que menos variables puedan identificarse como

significativas a la hora de explicar los resultados medioambientales. Esto

ocurre, por ejemplo, con el hecho de haber nacido en otro país, con un efecto

claramente negativo y significativo para el conjunto del territorio español y que,

sin embargo, al desagregar los datos esta variable deja de ser significativa en

la mayoría de las regiones.

De la misma manera que sucedía para el conjunto del territorio nacional,

la variable género sigue influyendo de manera negativa y significativa, es decir,

las chicas obtienen resultados significativamente peores que los chicos. Lo

mismo ocurre en todas las Comunidades con la variable asociada con la

repetición de curso, aunque su efecto sobre los resultados es ostensiblemente

mayor, llegando a alcanzar valores superiores a los 60 puntos negativos en

regiones como Cantabria, Castilla y León y Navarra.

Entre las variables que influyen de forma positiva, el índice

socioeconómico (ESCS) tiene un claro efecto significativo sobre los indicadores

medioambientales, así como el nivel de conocimiento que los alumnos declaran

tener sobre temas medioambientales, con una influencia muy parecida a la del

conjunto nacional.

Entre las variables representativas de las fuentes de información de los

estudiantes, nuevamente cabe destacar el peso de los medios de

comunicación influyendo de forma positiva y significativa. De nuevo, la escuela

no parece tener un impacto significativo de acuerdo con los valores estimados.

Por último, cabe destacar algunos casos llamativos, en los que determinadas

fuentes de información presentan valores negativos y significativos, como es el

caso de los amigos en Cantabria, Internet y libros en Aragón o la familia en la

Rioja.

Si prestamos atención a las variables escolares, existe diversidad de

resultados en lo que se refiere a la significatividad de las variables

representativas de los centros privados y concertados, con una preponderancia

de efectos negativos en ambos casos. Algunos casos destacables son los de

Andalucía, donde ambas son significativas, Cantabria en el caso de los

concertados o Castilla y León para los privados.

Finalmente, los coeficientes estimados para las variables representativas

de las actividades desarrolladas por las escuelas presentan valores muy bajos

y, en la mayoría de los casos, no significativos. No obstante, se pueden

encontrar algunos ejemplos de actividades que parecen tener influencia sobre

la adquisición de conocimientos medioambientales por parte de los estudiantes,

como las visitas a museos en Galicia, o lo que resulta aún más curioso,

actividades que tienen un efecto negativo sobre los resultados, como los viajes

relacionados con la ciencia en Castilla y León, las competiciones de ciencias en

la Rioja o los viajes a centros de investigación científica o tecnológica en el

País Vasco.

Tabla 4. Estimación de los distintos modelos multinivel

Modelo 1 Modelo 2 Modelo 3 Modelo 4 Variable Coef. SE Coef. SE Coef. SE Coef. SE

Intercept 508.09** 1.23 416.14** 3.81 421.97** 3.98 415.48** 6.09 Vbles. Nivel 1

(alumno)

GENER -12.65** 1.21 -12.70** 1.21 -12.73** 1.21 ESCS 8.86** 0.68 7.56** 0.74 7.56** 0.74 INMIG -10.71** 2.49 -10.74** 2.48 -10.62** 2.48 REPET -55.39** 1.41 -55.28** 1.41 -55.33** 1.40

CONOCIM 7.57** 0.23 7.56** 0.23 7.55** 0.23 Source_school -0.44 0.36 -0.40 0.35 -0.43 0.36 Source_media 5.93** 0.31 5.96** 0.31 5.94** 0.31 Source_friends -1.97* 0.82 -2.04* 0.82 -2.04* 0.82 Source_family -0.97* 0.45 -0.97* 0.45 -0.97* 0.45

Source_intbook -0.26 0.34 -0.26 0.33 -0.26 0.34 Vbles. Nivel 2

(escuela)

PRIVADO -5.05 3.59 -5.34 3.71 CONCERT -9.91** 2.20 -10.06** 2.24

PEER 14.11** 2.04 14.03** 2.04 CURSO -0.91 2.38

Scactiv_clubs -1.54 1.89 Scactiv_fairs -0.23 1.83

Scactiv_comp 1.33 1.90 Scactiv_proj 1.73 2.18 Scactiv_trips 8.58* 4.22 Envactiv_out -0.48 2.07 Envactiv_mus 1.16 3.03 Envactiv_tech -3.46 2.72 Envactiv_proj -0.85 2.18 Envactiv_lect 3.28* 1.62

**Significativo al 99%. * Significativo al 95 %.

Tabla 5: Descomposición de la varianza en los distintos modelos

Modelo 1 Modelo 2 Modelo 3 Modelo 4 Alumnos (rij) 8312.83 6529.91 6529.71 6527.80 Escuelas (uoj) 740.53 285.53 280.34 251.66 Total (u0j + rij) 9053.36 6815,44 6810,05 6779,46

% Var. Escuelas 8.2

Tabla 6. Estimaciones del Modelo 4 para las distintas Comunidades Autónomas españolas Andalucía Aragón Asturias Cantabria Castilla y León

Coef. SE Coef. SE Coef. SE Coef. SE Coef. SE Intercept 411.14** 26.20 427.50** 11.69 465.35** 20.01 479.32** 26.12 507.20** 16.96

Vbles. Nivel 1 (alumno) GENER -17.81** 4.33 -10.25* 4.11 -17.77** 4.14 -13.40** 4.30 -17.15** 3.63 ESCS 10.32** 2.45 8.28** 2.79 8.50** 3.27 11.14** 2.54 7.54** 2.57 INMIG -19.22 13.90 -14.73 8.65 9.92 9.69 -18.84 9.97 -11.10 10.01 REPET -56.77** 4.70 -48.02** 5.69 -57.79** 5.08 -62.44** 4.88 -60.95** 5.06

CONOCIM 6.87** 0.83 7.53** 0.78 6.04** 0.75 7.46** 0.82 4.97** 0.79 Source_school 0.76 1.27 0.93 1.17 -1.32 1.43 -2.04 1.28 -1.80 1.41 Source_media 5.79** 1.08 7.29** 1.06 5.53** 0.86 4.35** 1.06 3.50** 1.05 Source_friends -1.62 2.87 0.10 3.57 -0.58 3.26 -6.40* 2.81 1.95 2.65 Source_family -2.25 1.69 0.07 1.46 -3.38 1.74 -0.55 1.59 -0.25 1.61

Source_intbook 1.41 1.23 -3.27** 1.11 2.03 1.21 1.61 1.25 0.52 1.01 Vbles. Nivel 2 (escuela)

PRIVADO -51.51* 21.95 8.64 5.86 -7.24 7.12 -4.77 12.52 -29.23** 9.13 CONCERT -17.33** 6.23 -4.12 5.31 -9.56 7.32 -19.67** 6.50 -8.37 5.52

PEER 16.07** 5.81 13.85** 4.87 16.40* 6.39 7.78 7.36 6.87 7.38 CURSO -8.20 6.18 8.01 5.17 -0.92 7.86 -14.54* 7.01 -10.54 6.07

Scactiv_clubs 1.35 6.70 10.21 5.13 9.43 5.47 -5.97 5.25 4.57 5.13 Scactiv_fairs 0.78 5.86 0.14 4.24 9.34 5.82 7.02 5.99 -5.88 4.55

Scactiv_comp -7.88 6.37 0.94 5.04 2.07 6.03 -9.77 5.22 0.10 5.62 Scactiv_proj -4.14 6.71 -11.24 8.11 -6.83 6.56 1.52 8.02 -6.25 6.14 Scactiv_trips 30.47 25.46 6.83 6.31 -7.62 14.51 -28.35 19.35 -32.44** 5.60 Envactiv_out -4.17 9.90 -2.02 5.75 -6.22 5.83 -11.12 5.55 2.98 6.95 Envactiv_mus -0.87 7.63 -8.25 7.05 -1.50 7.84 7.58 8.99 -1.87 5.66 Envactiv_tech -16.12 12.28 -8.81 7.73 -13.26 7.11 -5.17 8.05 7.65 7.31 Envactiv_proj 5.02 6.33 4.55 7.11 13.16 7.62 4.47 7.02 9.84 6.51 Envactiv_lect 9.02 5.66 -6.26 5.23 -4.03 5.84 5.59 6.30 5.83 5.14

** Significativo al 99% * Significativo al 95%

Tabla 6. Estimaciones del Modelo 4 para las distintas Comunidades Autónomas españolas (cont.) Cataluña Galicia La Rioja Navarra País Vasco

Coef. SE Coef. SE Coef. SE Coef. SE Coef. SE Intercept 395,96** 19,21 395,67** 20,99 424,47** 27,46 427,89** 13,65 411,54** 9,98

Vbles. Nivel 1 (alumno) GENER -15,32** 3,72 -20,16** 4,69 -7,82 5,73 -12,04** 3,79 -7,70** 2,66 ESCS 6,79* 3,22 9,04** 2,12 5,28 3,31 8,13** 2,21 6,52** 1,70 INMIG -19,72** 6,72 1,87 9,40 -22,32* 9,20 0,76 6,76 -2,84 6,68 REPET -49,96** 4,84 -59,99** 4,69 -55,66** 4,98 -62,51** 5,25 -51,79** 3,42

CONOCIM 7,99** 1,09 7,87** 0,88 7,98** 1,01 8,93** 0,70 7,66** 0,56 Source_school 1,54 1,28 0,80 1,21 -1,44 1,19 -1,40 1,31 -0,61 0,76 Source_media 6,83** 1,29 5,08 1,12 5,20** 1,13 6,30** 0,98 6,67** 0,73 Source_friends -2,92 2,90 -3,19 3,08 -2,34 2,86 -4,30 2,98 -0,74 1,54 Source_family -1,76 1,34 0,99 1,77 -2,80* 1,33 -1,60 1,76 -0,46 1,02 Source_intbook -0,33 1,21 -1,61 1,18 1,49 1,31 0,05 1,25 -1,37 0,78

Vbles. Nivel 2 (escuela) PRIVADO -12,04 11,62 -9,19 8,75 -8,53 16,24 15,04* 7,64 -6,62 11,53 CONCERT -1,41 8,06 3,08 8,80 -3,69 8,71 -5,71 6,61 -2,78 4,19 PEER 32,59** 8,50 10,62* 4,89 20,97* 9,55 9,51 6,06 16,81** 4,21 CURSO -24,70* 10,26 9,22 6,29 27,94* 13,51 4,49 6,67 3,25 5,85

Scactiv_clubs -1,71 6,02 -3,92 4,83 -0,87 5,34 5,84 5,12 2,49 4,38 Scactiv_fairs -5,95 5,65 -5,21 5,66 -3,87 6,06 -4,75 4,38 2,29 3,82 Scactiv_comp 1,47 6,64 0,20 5,40 -12,30* 5,55 6,63 6,14 0,07 5,13 Scactiv_proj -11,80 7,00 1,39 7,21 -5,12 5,72 -1,54 2,25 6,95 4,70 Scactiv_trips 7,75 11,34 9,76 7,71 -28,06 24,24 -3,48 3,17 -8,67 5,85 Envactiv_out 4,71 7,18 -3,18 6,77 11,30 6,73 -5,72 6,08 6,74 4,82 Envactiv_mus -4,58 10,09 20,71** 6,50 24,89 13,98 -4,61 9,62 -6,58 4,94 Envactiv_tech 10,34 8,28 0,62 8,04 9,04 6,01 2,57 11,48 -9,21* 4,73 Envactiv_proj 8,75 6,58 -8,56 8,12 6,49 6,50 -1,28 6,80 -4,22 4,84 Envactiv_lect -0,07 7,89 0,13 5,74 3,91 8,24 -11,57 6,16 0,72 4,53

** Significativo al 99% * Significativo al 95%

5. CONCLUSIONES

En este estudio se ha empleado un gran volumen de información

proveniente de la base de datos PISA 2006 sobre diversos aspectos

relacionados con la educación medioambiental de los alumnos de enseñanza

secundaria en España y sus regiones, con el propósito de identificar cuál es el

papel que desempeñan las escuelas en la transmisión de conocimientos

medioambientales a los estudiantes.

A través de la implementación de un análisis multi-nivel en el que se han

incluido diversas variables relacionadas con las características de los

estudiantes, los centros educativos y las actividades llevadas a cabo por estos

últimos para promover el aprendizaje en este ámbito, se ha llegado a la

conclusión de que las escuelas juegan un papel residual en la educación

medioambiental de los alumnos españoles. Asimismo, las estrategias utilizadas

para fomentar la adquisición de estos conocimientos no parecen tener

demasiado éxito, siendo los medios de comunicación la principal herramienta

con la que cuentan los alumnos para informarse acerca de estas cuestiones.

Estos desalentadores resultados, cuya interpretación debe hacerse

siempre con cierta cautela dadas las limitaciones inherentes a la fuente de

información utilizada, nos han llevado a preguntarnos si el caso español es

excepcional o, por el contrario, se trata de una tendencia generalizada en otros

países. De ahí que la extensión lógica del análisis propuesto consista en

analizar qué ocurre en otros países que también participaron en PISA 2006,

para los cuales se dispone de información homogénea, lo que hace posible la

comparación internacional.

Bibliografía

Betts, J. R., and Shkolnik, J. L. (2000): “The effects of ability grouping on student achievement and resource allocation in secondary schools”, Economics of Education Review, 19, 1-15.

Blomquist, G.C. and Whitehead, J.C. (1998): Resource quality information and validity of willingness to pay in contingent valuation, Resource and Energy Economics, 20, 179-96.

Bickel, R. (2007): Multilevel Analysis for Applied Research, It´s Just Regression, Guilford Press, New York.

Bryk, A.S. y Raudenbush, S.W. (1992): Hierarchical Linear Models: Applications and Data Analysis Methods, Sage Publications, Newbury Park, Thousand Oaks, CA.

Calero, J. and Escardibul, O. (2007): Evaluación de servicios educativos: el rendimiento en los centros públicos y privados medido en PISA-2003, Hacienda Pública Española – Revista de Economía Pública, 183 (4), 33-66.

Coleman, J., Campbell, E. Q., Hobson, C. F., Mcpartland, J. and Mood, A. M. (1966): Equality of Educational Opportunity, Washington, U,S, Office of Education.

Cordero, J., Crespo, E., Pedraja, F. y Santín, D. (2010): “Exploring educational efficiency divergences across Spanish regions in PISA 2006”, Revista de Economía Aplicada, en prensa.

Coyle, K. (2005): Environmental literacy in America: What ten years of NEETF/Roper research and related studies say about environmental literacy in the U.S., The National Environmental Education & Training Foundation, Washington, D.C.

Danielson, T.J. Hoban, G. Van Houtven y J.C. Whitehead (1995): Measuring the benefits of local public goods: environmental quality in Gaston County, North Carolina, Applied Economics, 27, pp. 1253–1260.

Dronkers, J. and Robert, P. (2008): Differences in Scholastic Achievement of Public, Private Government-Dependent and Private Independent Schools, Educational Policy, 22 (4), 541-577.

Ganzeboom, H., De Graaf, P., Treiman, J. and De Leeuw, J. (1992): “A standard internacional socio-economic index of occupational status”, Social Science Research, 21 (1), pp, 1-56.

Govindasamy, R. e Italia, J., (1999): Predicting willingness-to-pay a premium for organically grown fresh produce, Journal of Food Distribution Research, July, 44–53.

Hanushek, E. A. (1997), “Assessing the effects of school resources on student performance: An update”, Educational Evaluation and Policy Analysis, 19, 141-164.

Hanushek, E. A. (2003): “The failure of input based schooling policies,” The Economic Journal, 113, 64-98.

Hidano, N., Kato, T. and Aritomi, M. (2005): Benefits of participating in contingent valuation mail surveys and their effects on respondent behaviour: a panel analysis, Ecological Economics, 52, 63–80.

Hines, J., Hungerford, H. R., & Tomera, A. N. (1986-87): Analysis and synthesis of research on responsible environmental behavior: A meta-analysis, Journal of Environmental Education, 18(2), 1-8.

Hox, J. (2002): Multilevel Analysis: Techniques and Applications, Mahwah,NJ: Lawrence Erlbaum Associates.

Kollmuss, A. y Agyeman, J. (2002): Mind the gap: why do people act environmentally and what are the barriers to pro-environmental behaviour?. Environmental Educational Research, 8(3), 239-260.

Lubell, M., Vedlitz, A., Zahran, S., y Alston, L. (2006): Collective action, environmental activism, and air quality policy, Political Research Quarterly, 59(1), 149–160.

OECD (2007): PISA 2006 Science Competencies for Tomorrow’s World, Volumes 1 and 2, OECD, Paris.

OECD (2009): Green at Fifteen? How 15-years-old perform in environmental science and geoscience in PISA 2006, OECD, Paris.

Olli, E., Grendstad, G., yWollebaek, D. (2001), Correlates of environmental behaviors: Bringing back social context, Environment and Behavior, 33(2), 181-208.

Rasch, G. (1980): Probabilistic models for some intelligence and attainment tests, Copenhagen, Danish Institute for Educational Research, Expanded edition (1980), The University of Chicago Press.

Raudenbausch, S., Bryk, A., Cheong, Y.F., Congdon, R. and Toit, M. (2004): HLM6 Hierarchical Linear and Nonlinear Modelling, Scientific Software International Inc, Lincolnwood, IL.

Serret, Y. and Ferrara, I. (2008): “Conclusions and policy implications, Special issue (nº 2) on Household Behavior and the Environment”, OECD General Papers.

Snijders, T.A.B. (1999): Multilevel Analysis: An Introduction to Basic and Advanced Multilevel Modeling, Sage Publications, London.