Acceso usuarios
Iván Ortiz
Resumen Este artículo estudia la inclusión social escolar. Se investiga hasta qué punto la composición social de las escuelas se relaciona con la del territorio donde vive la gente, en el entendido de que este aspecto condicionaría las oportunidades de mixtura social escolar. Datos obtenidos de fuentes diversas como la prueba Simce 2013 de 4° básico y la Encuesta Casen 2013 se usaron para averiguar si características comunales tales como el tamaño poblacional, el ingreso monetario de los hogares, la heterogeneidad social, la pobreza y otras, predicen la composición social escolar de las comunas en la Región Metropolita de Santiago. Puesto que se pone el foco en la inclusión social de la escuela -en un contexto general de segmentación- se propone un indicador apropiado para visibilizarla. La quinta parte de los estudiantes de 4°básico en 2013 asistió a clases con compañeros de diversas condiciones socioeconómicas, en escuelas que podrían denominarse inclusivas. Se usó un modelo de regresión logística para ajustar los datos, el cual predijo mejor a las escuelas segregadas que a las mixtas, no obstante, entregó valiosas pistas para entender cómo las variables territoriales pueden afectar a la mixtura escolar.
Abstract This article addresses the social inclusion of schools. It explores the extent to which the social composition of schools is associated with that of the municipality, based on the premise that this would determine opportunities for school social mix. Data obtained from different sources, namely the fourth-grade results from Simce 2013 and the 2013 Casen Survey, were used to find out if variables based on territory such as population size, household monetary income, social heterogeneity and poverty would predict social composition of schools in the Santiago Metropolitan Area. Since the focus is on the social inclusion of the school, within a general context of segmentation, an appropriate indicator is proposed to make it visible. On average, 20% of fourth-grade students in 2013 attended schools that could be categorized as mixed, with peers from diverse socioeconomic backgrounds. A logistic regression model was used to adjust the data. While the model better predicted segregated schools than mixed ones, it provided valuable clues to understand how territorial variables can affect school mix.
