La distribución del material educativo es uno de los componentes de la estrategia del Buen Inicio del Año Escolar, implementada desde el año 2012 por el Ministerio de Educación, para establecer las condiciones adecuadas que permitan a las escuelas públicas recibir a los estudiantes debidamente preparados desde el primer día de clases y así contribuir con mejorar la calidad educativa.
En este marco, el Programa Presupuestal 0090 “Logros de aprendizaje de estudiantes de la educación básica regular” (PELA), en uno de sus productos busca que los estudiantes de educación básica regular cuentan con materiales educativos necesarios para el logro de los estándares de aprendizajes. Para ello la Dirección de Gestión de Recursos Educativos (DIGERE) distribuye materiales educativos a las Unidades de Gestión Educativa Local (UGEL), para que estas en el marco de la matriz de descentralización atiendan a las Instituciones Educativas (IIEE) de su jurisdicción.
En el 2017 se evaluó a las UGEL mediante los Compromisos de Desempeño; siendo uno de ellos la “Llegada oportuna y pertinente de materiales educativos y fungibles” realizada por el Ministerio de Educación (MINEDU). Así, se identificó que solo 68.75% de UGEL atendieron oportuna y pertinentemente a las IIEE con material educativo. Esta cifra es aún muy baja considerando que en base al PELA uno de los pilares necesarios para mejorar los logros de aprendizajes de los alumnos es el material educativo.
La DIGERE a fin de fortalecer las capacidades del personal inmerso en el proceso de gestión de materiales realizó el “Taller de Capacitación sobre el Balance de la distribución de materiales educativos Dotación 2018 y preparativos para la Dotación 2019” (OM N°22-2018-MINEDU) en los meses de agosto y setiembre del 2018. En el balance de estos talleres, una de las causas manifestadas por las UGEL, para el retraso de la distribución de material educativo a IIEE, es la falta de proveedores que brinden el servicio de transporte. Este problema, fue manifestado sobretodo en la zona selva, ya que indicaban que sobre todo se dificulta encontrar proveedores que puedan brindar el servicio de transporte terrestre, fluvial y aéreo.
Por otro lado, Ramírez Arce en un estudio para la educación rural, señala que una de las causas de los bajos logros de aprendizajes en las escuelas rurales se debe a dificultad para obtener material educativo en estas zonas. Así, “Los más pobres y los extremadamente pobres suelen habitar en áreas rurales y tienden a ser excluidos de la educación. Exclusión no sólo significa que no puedan acceder a la escuela, significa además que cuando ingresan a ella no aprenden - así lo evidencian las evaluaciones nacionales e internacionales - o lo que aprenden no responde a sus necesidades, lo que en la práctica viene a producir la exclusión de la educación de grandes sectores sociales precisamente por su inclusión en una escuela con estas características” (Mujica, 2006).
La primera hipótesis del presente trabajo es que a mayor cantidad de proveedores, mayor cantidad de IIEE atendidas oportuna y pertinentemente. La segunda hipótesis es que a mayor Índice de Densidad Estatal, mayor cantidad de IIEE atendidas oportuna y pertinentemente.
La tercera hipótesis es que a mayor índice de viviendas con agua y desagüe mayor cantidad de IIEE atendidas oportuna y pertinentemente.
Para comprobar esta hipótesis se buscó la correlación entre dos variables. Siendo la variable dependiente “cantidad de IIEE atendidas oportuna y pertinentemente”. Es preciso señalar que oportunamente significa antes del primer día de clases del año 2017 y pertinentemente significa que fueron atendidos con material educativo según su característica (polidocente completo, multigrado, unidocente) y su lengua (quechua collao, shipibo-konibo. Shawi, awajín, aimara, etc.). Esta información fue obtenida de la base de datos de Pedidos Comprobante de Salida (PECOSAS) del Módulo Complementario del Sistema Integrado de Gestión Administrativa (MC-SIGA) y cruzada con el padrón educativo de IIEE y con la lista de criterios de asignación de materiales educativos según lo determinado por las áreas pedagógicas.
La segunda variable es la “cantidad de proveedores del servicio de transporte de materiales educativos”. Esta base de datos fue obtenida del registro de proveedores de la OSCEE. La tercera variable es el Índice de Densidad Estatal y la cuarta es saneamiento, es decir, viviendas con aguas y desagüe.
filename="NEBM_DATA_FINAL.csv"
data=read.csv(filename,stringsAsFactors =F, sep=";",dec = ",")
names(data)## [1] "SP_ID" "IDPROV" "IDDPTO"
## [4] "DEPARTAMENTO" "PROVINCIA" "IIEE_ATENDIDAS"
## [7] "IIEE_NO_ATENDIDAS" "X..DE.ATENCION" "PROVEEDORES"
## [10] "SUP_INSULA" "SUP_LACUST" "SUP_INS_D"
## [13] "IDH" "esperanza" "secundaria"
## [16] "educa" "percapitaf" "IDE"
## [19] "identidad" "salud" "educacion"
## [22] "saneamient" "electrific" "costa"
## [25] "capital" "tamano" "fecundidad"
## [28] "desnutrici" "densidadpo" "mortalidad"
## [31] "analfa" "analfa1" "analfa2"
## [34] "analfa3" "analfa4" "pob"
## [37] "pob_ur" "pob_rural" "pob_h"
## [40] "pob_m"str(data)## 'data.frame': 196 obs. of 40 variables:
## $ SP_ID : int 1 2 3 4 5 6 7 8 9 10 ...
## $ IDPROV : int 101 102 103 104 105 106 107 201 202 203 ...
## $ IDDPTO : int 1 1 1 1 1 1 1 2 2 2 ...
## $ DEPARTAMENTO : chr "AMAZONAS" "AMAZONAS" "AMAZONAS" "AMAZONAS" ...
## $ PROVINCIA : chr "CHACHAPOYAS" "BAGUA" "BONGARA" "CONDORCANQUI" ...
## $ IIEE_ATENDIDAS : int 102 258 70 203 203 86 318 60 23 17 ...
## $ IIEE_NO_ATENDIDAS: int 43 25 9 47 7 34 92 150 19 50 ...
## $ X..DE.ATENCION : num 0.703 0.912 0.886 0.812 0.967 ...
## $ PROVEEDORES : int 126 158 27 30 25 19 115 170 1 2 ...
## $ SUP_INSULA : num 0 0 0 0 0 0 0 0 0 0 ...
## $ SUP_LACUST : int 0 0 0 0 0 0 0 0 0 0 ...
## $ SUP_INS_D : int 0 0 0 0 0 0 0 0 0 0 ...
## $ IDH : num 0.334 0.292 0.279 0.169 0.251 ...
## $ esperanza : num 72.5 73.7 72.2 70.1 71.2 ...
## $ secundaria : num 45.69 39.88 29.59 8.02 34.6 ...
## $ educa : num 7.4 6.56 6.14 5.25 5.17 ...
## $ percapitaf : num 307 241 261 148 211 ...
## $ IDE : num 0.774 0.662 0.632 0.46 0.605 ...
## $ identidad : num 98.6 94.6 97.5 86.2 96.2 ...
## $ salud : num 25.45 14.61 9.01 8.56 12.42 ...
## $ educacion : num 91.5 79.8 76.4 52.2 74.7 ...
## $ saneamient : num 70.3 64.5 54.8 37.7 43.3 ...
## $ electrific : num 84 67.9 72.2 39.5 67.4 ...
## $ costa : chr "NO" "NO" "NO" "NO" ...
## $ capital : chr "SI" "NO" "NO" "NO" ...
## $ tamano : int 2 2 1 2 2 1 3 3 1 1 ...
## $ fecundidad : num 2.32 2.81 2.47 4.81 3.07 2.39 2.74 2.25 3.27 3.93 ...
## $ desnutrici : num 20.7 40 30.4 56.8 30.6 ...
## $ densidadpo : num 15 12.49 9.57 2.42 14.93 ...
## $ mortalidad : num 20.4 16.9 21.4 28.5 24.5 14.3 19.4 23 41.9 32 ...
## $ analfa : num 7.97 11.62 8.87 18.97 14.27 ...
## $ analfa1 : num 5.2 6.46 5.92 7.09 11.71 ...
## $ analfa2 : chr "14,79" "17,06" "13,65" "21,35" ...
## $ analfa3 : num 4.28 6.1 4.47 8.57 8.27 4.96 7.11 4.15 3.22 8.96 ...
## $ analfa4 : num 11.4 17.4 13.6 29.6 20.8 ...
## $ pob : int 49700 71757 27465 43311 48328 26389 109043 147463 7995 17059 ...
## $ pob_ur : int 34343 33559 16460 6458 19526 8593 47064 109376 2528 4455 ...
## $ pob_rural : int 15357 38198 11005 36853 28802 17796 61979 38087 5467 12604 ...
## $ pob_h : int 24433 36713 14148 21806 24968 13903 56969 72215 3994 8492 ...
## $ pob_m : int 25267 35044 13317 21505 23360 12486 52074 75248 4001 8567 ...#VD:X..DE.ATENCION
#VIs:PROVEEDORES, IDE, saneamient
#VCs:población
regreData1=data[,c(8,9,18,22)]
names(regreData1)## [1] "X..DE.ATENCION" "PROVEEDORES" "IDE" "saneamient"str(regreData1)## 'data.frame': 196 obs. of 4 variables:
## $ X..DE.ATENCION: num 0.703 0.912 0.886 0.812 0.967 ...
## $ PROVEEDORES : int 126 158 27 30 25 19 115 170 1 2 ...
## $ IDE : num 0.774 0.662 0.632 0.46 0.605 ...
## $ saneamient : num 70.3 64.5 54.8 37.7 43.3 ...modelo1=glm(X..DE.ATENCION ~.,
data=regreData1,
family ="gaussian")
summary(modelo1)##
## Call:
## glm(formula = X..DE.ATENCION ~ ., family = "gaussian", data = regreData1)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -0.75828 -0.09616 0.02828 0.14833 0.36734
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 0.6622931 0.1562568 4.238 3.52e-05 ***
## PROVEEDORES 0.0001947 0.0001624 1.199 0.23208
## IDE -0.3518170 0.3526393 -0.998 0.31972
## saneamient 0.0044989 0.0015885 2.832 0.00513 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for gaussian family taken to be 0.04546215)
##
## Null deviance: 9.6043 on 191 degrees of freedom
## Residual deviance: 8.5469 on 188 degrees of freedom
## (4 observations deleted due to missingness)
## AIC: -42.618
##
## Number of Fisher Scoring iterations: 2En base al análisis de la información se puede observar que la primera hipótesis no se cumple. Es decir, no existe correlación entre la variable de cantidad de proveedores en una provincia con la cantidad de IIEE atendidas oportuna y pertinentemente. Por lo tanto, las UGEL que reportaron este problema deben considerar realizar una mejor planificación de su proceso de contratación del servicio de transporte de materiales educativos, ya que probablemente más que un tema de cantidad de proveedores se podría pensar en la planificación de estos procesos. Estos casos pueden ser aislados o las UGEL tienen que identificar el punto crítico real por el cual se están retrasando sus procesos de contratación o la distribución del material educativo.
En el caso de la segunda hipótesis esta tampoco se cumplió, el Índice de Densidad Estatal no tiene mayor correlación con la cantidad de IIEE atendidas oportuna y pertinentemente. Es decir, la presencia estatal en las provincias no influye en la cantidad de instituciones educativas atendidas con material educativo de manera oportuna y pertinente.
En el caso de la tercera hipótesis, se planteó que sí existe correlación directa (0.00513) entre el índice de viviendas con agua y desagüe y la cantidad de IIEE atendidas con material educativo de manera oportuna y pertinente. De esto se puede desagregar, que es las IIEE que se encuentran en zona rural son las que tiene menor porcentaje de atención con material educativo de manera oportuna y pertinente. Ello, confirmaría lo planteado por Mujica, las IIEE en zona rural son las más desatendidas.
A pesar de lo manifestado por la UGEL, la cantidad de proveedores del servicio de transporte que tiene una provincia no influye con la atención con material educativo a IIEE. Por ello es importante que estas entidades realicen un balance real sobre su proceso de distribución de materiales educativos para que identifiquen los puntos críticos que perjudican la atención de material educativo a las IIEE.
Sin embargo, sí existe correlación entre el índice de viviendas con agua y desagüe y cantidad de IIEE atendidas oportuna y pertinentemente. Ello conlleva a que se entienda que las IIEE que no están siendo atendidas son las de zona rural. Por ello, las UGEL, en el momento que realizan la evaluación de su proceso de distribución de materiales educativos de UGEL a IIEE, deben tomar en cuenta el cómo está atendiendo a las IIEE rurales. Así, se pueden realizar políticas públicas o estrategias que permitan la atención de estas IIEE.
DIGERE, (2018). “Oficio Múltiple N° 22-2018-MINEDU/VMGP/DIGERE”
IPEBA, (2011). “Ruralidad y Escuela. Apuntes para la acreditación de instituciones educativas en áreas rurales.”
MUJICA BARREDA, Rosa María, y José María GARCÍA GARCÍA (2006). Las niñas somos importantes: experiencia de promoción de género en las escuelas rurales de Quispicanchi. Lima: IPEDEHP; Fe y Alegría.