Cause e soluzioni della dispersione scolastica in Campania: le determinanti delle opinioni di studenti ed insegnanti

Titolo Rivista EDUCATION SCIENCES AND SOCIETY
Autori/Curatori Rosa Vegliante, Alfonso Pellecchia, Sergio Miranda
Anno di pubblicazione 2025 Fascicolo 2025/1
Lingua Italiano Numero pagine 25 P. 90-114 Dimensione file 0 KB
DOI 10.3280/ess1-2025oa19278
Il DOI è il codice a barre della proprietà intellettuale: per saperne di più clicca qui

FrancoAngeli è membro della Publishers International Linking Association, Inc (PILA)associazione indipendente e non profit per facilitare (attraverso i servizi tecnologici implementati da CrossRef.org) l’accesso degli studiosi ai contenuti digitali nelle pubblicazioni professionali e scientifiche

L’indagine descritta in questo articolo ha l’obiettivo di identificare le cause e le possibili soluzioni della dispersione scolastica in Campania e di stimare i fattori che possano influenzare le opinioni di studenti e insegnanti. Lo strumento utilizzato è un modello econometrico che ben si presta ad elaborare dati di questio-nari e che rappresenta, in base a quanto rilevato, un approccio utile ed efficace anche in ambito educativo. I risultati mostrano che tali opinioni dipendono in maniera statisticamente significativa da fattori quali il genere, l’età, la localiz-zazione della scuola, il titolo di studio dei genitori, le motivazioni per cui si frequenta la scuola, oltre che, nel caso degli insegnanti, dagli anni di insegna-mento e dal ruolo più o meno attivo degli stessi nei confronti del fenomeno. La principale implicazione dello studio è che i programmi di intervento tesi a ri-durre la dispersione scolastica, dovrebbero essere tarati tenendo in debita consi-derazione i fattori di cui sopra, al fine di accogliere al loro interno le aspettative ed il punto di vista degli attori principali del sistema educativo

Parole chiave:; dispersione scolastica; indagine campionaria; ordered probit

  1. Adejumo A.O., Adetunji A.A. (2013). Application of ordinal logistic regression in the study of students’ performance. Mathematical Theory and Modeling, 3(11): 10-19.
  2. Alivernini F., Manganelli S., & Lucidi F. (2017). Dalla povertà educativa alla valutazione del successo scolastico: concetti, indicatori e strumenti validati a livello nazionale. Journal of Educational, Cultural and Psychological Studies (ECPS Journal), 1(15): 21-52.
  3. Autorità Garante per l’Infanzia e l’Adolescenza (2022). La dispersione scolastica in Italia: un’analisi multifattoriale. -- Testo disponibile al sito: https://www.garanteinfanzia.org/sites/default/files/2022-06/dispersione-scolastica-2022.pdf, consultato in data 27/12/2024.
  4. Barrowman C., Nutbeam D., Tresidder J. (2001). Health risks among early school leavers: Findings from an Australian study examining the reasons for, and consequences of, early school drop out. Health Education, 101(2): 74-82.
  5. Basile A., Cataldo R., Fano S. (2019). Determinants of student performance in higher education. In: Bini M., Amenta P., D’Ambra A., Camminatiello I., a cura di, Statistical Methods for Service Quality Evaluation. Book of short papers of IES 2019 (pp. 380–383). Napoli: Cuzzolin.
  6. Batini F., & Bartolucci M. (2016). Dispersione scolastica. Ascoltare i protagonisti per comprenderla e prevenirla. FrancoAngeli.
  7. Biesta G., & Tedder M. (2007). Agency and learning in the lifecourse: Towards an ecological perspective. Studies in the Education of Adults, 39(2): 132-149.
  8. Cameron A.C., Trivedi P.K. (2005). Microeconometrics. Methods and Applications. Cambridge, UK: Cambridge University Press.
  9. Campolieti M., Fang T., Gunderson M. (2010). Labour market outcomes and skill acquisition of high-school dropouts. Journal of Labor Research, 31: 39-52.
  10. Choden K. (2019). An ordered probit model on quitting decision of secondary public school teachers in Bhutan. Journal of Administrative and Business Studies, 5(2): 65-78.
  11. Conti P.L., Marella D. (2012). Campionamento da popolazioni finite. Il disegno campionario. Milano: Springer.
  12. Cyrenne P., Chan A. (2022). The determinants of student success in university: A generalized ordered logit approach. Canadian Journal of Higher Education, 52(1): 83-107.
  13. Das S., Hossain M.E. e Akter K. (2021). Students’ perception of online class during COVID-19 pandemic: an ordered probit model estimation. International Journal of Academic Research in Progressive Education and Development, 10(2): 392-401.
  14. Di Sano S., Balenzano C. (2023). The influence of socio-economic-cultural back-ground on academic results in the INVALSI tests of Italian and Mathematics in two Southern regions: Puglia and Abruzzo. In: Falzetti P., a cura di, The school and its protagonists: the Students (pp. 61-83). Milano: FrancoAngeli.
  15. Guio J., Choi Á., Escardíbul J.O. (2018). Labor markets, academic performance and school dropout risk: evidence for Spain. International Journal of Manpower, 39(2): 301-318.
  16. Huber, P.J. (1967). The Behavior of Maximum Likelihood Estimates under Non-standard Conditions. Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, vol. I, pp. 221-233.
  17. Ismael K., Duleba S. (2023). An integrated ordered probit model for evaluating university commuters’ satisfaction with public transport. Urban Science, 7(3): 83-103.
  18. Koc M., Zorbaz O., Demirtas-Zorbaz S. (2020). Has the ship sailed? The causes and consequences of school dropout from an ecological viewpoint. Social Psychology of Education, 23(5): 1149-1171.
  19. Krohn M.D., Thornberry T.P., Collins-Hall L., Lizotte A.J. (1995). School dropout, delinquent behavior, and drug use: An examination of the causes and consequences of dropping out of school. In: Kaplan H.B., a cura di, Drugs, Crime, and Other Deviant Adaptations. Longitudinal Studies (pp. 163-183). Berlin: Springer.
  20. Latif E., Miles S. (2013). Students’ perception of effective teaching. Journal of Economics and Economic Education Research, 14(1): 121-129.
  21. Lavrijsen J., Nicaise I. (2015). Social inequalities in early school leaving: The role of educational institutions and the socioeconomic context. European Education, 47(4): 295-310.
  22. Mussida C., Sciulli D., Signorelli M. (2019). Secondary school dropout and work outcomes in ten developing countries. Journal of Policy Modeling, 41(4): 547-567.
  23. Na C. (2017). The consequences of school dropout among serious adolescent of-fenders: More offending? More arrest? Both? Journal of Research in Crime and Delinquency, 54(1): 78-110.
  24. Nussbaum, M. C. (2011). Creating Capabilities: The Human Development Approach. Harvard University Press.
  25. Peraita C., Pastor M. (2000). The primary school dropout in Spain: the influence of family background and labor market conditions. Education economics, 8(2): 157-168.
  26. Russo F. (2010). Risorse, fattori di contesto socio-economici e esiti scolastici: una applicazione su dati Invalsi 2005-06. -- Testo disponibile al sito: http://www.siepweb.it/siep/wp/wp-content/uploads/2021/10/201083.pdf, consultato in data 27/12/2024.
  27. Sen, A. (1999). Development as Freedom. Oxford University Press.
  28. Trinchero R. (2002). Manuale di ricerca educativa. Milano: FrancoAngeli.
  29. Vaughn M.G., Salas-Wright C.P., Maynard B.R. (2014). Dropping out of school and chronic disease in the United States. Journal of Public Health, 22: 265-270.
  30. Vegliante R., Pellecchia A., Miranda S., Marzano A. (2024). School Dropout in Italy: A Secondary Analysis on Statistical Sources Starting from Primary School. Education Sciences, 14(11): 1222-1241.
  31. Verbeek M. (2017). A Guide to Modern Econometrics. New York: John Wiley & Sons.
  32. White, H. (1980) A Heteroskedasticity-Consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity, Econometrica, 48: 817-838.

Rosa Vegliante, Alfonso Pellecchia, Sergio Miranda, Cause e soluzioni della dispersione scolastica in Campania: le determinanti delle opinioni di studenti ed insegnanti in "EDUCATION SCIENCES AND SOCIETY" 1/2025, pp 90-114, DOI: 10.3280/ess1-2025oa19278