PISA-pimedus. Miks Eesti ei kasuta oma registriandmete potentsiaali?

SISSEJUHATUS

OECD määratluse1 järgi ei tähenda hariduslik võrdsus seda, et kõik õpilased saavutavad samu tulemusi, vaid et nende edu ei tohiks sõltuda teguritest, nagu sotsiaalne või majanduslik taust, mille üle neil puudub kontroll. Õpilaste sotsiaalse tausta mõju õpitulemustele sõltub vanusest, soost ja õppeainest: taust kaalub rohkem seal, kus kooli mõju on väiksem (nt lugemises), samas kui kooli kvaliteet loeb enam sellistes ainetes nagu matemaatika ja loodusteadused. Haridusliku ebavõrdsuse süvenemine Eestis nõuab julgeid samme kehvemas seisus koolide kvaliteedi tõstmiseks, kusjuures andmepõhisel haridusanalüütikal on selles suur, kuid seni vähe kasutatud potentsiaal.

PISA SOTSIAALMAJANDUSLIKU STAATUSE MÕÕDIK VÄÄRIB KRIITIKAT

Eesti on seni tuginenud haridusliku ebavõrdsuse hindamisel PISA testile. Ent 2022. aasta tulemused, mis näitasid kihistumise süvenemist (13% matemaatikatulemuste varieeruvusest on seletatav laste koduse taustaga), tõstatavad siiski küsimuse: kas hariduslik ebavõrdsus on Eestis tõesti uus nähtus?2 Tuleb arvestada, et PISA taustamõõdik on ka ajas muutunud (eeskätt muutus see 2022. aasta voorus) ning otsene võrdlus varasemate tulemustega pole alati adekvaatne, kuigi seda sageli tehakse. Soovime rõhutada, et käesolev artikkel käsitleb üksnes PISA sotsiaalmajandusliku taustamõõdiku adekvaatsust ega sea mingil viisil kahtluse alla PISA akadeemiliste testide kvaliteeti.

Rahvusvahelised uuringud hoiatavad, et PISA taustamõõdikust tehakse liiga kaugeleulatuvaid järeldusi, mistõttu ei saa väita, et õpilaste sotsiaalmajanduslik taust mõjutab tulemusi alles nüüd. Teaduskirjanduses nimetatakse prestiiži ja tiitlite alusel (pimesi) usaldamist prestiižikaldeks.3 Me kipume usaldama enim neid inimesi ja institutsioone, kes on juba saavutanud edu või tuntuse mõnes valdkonnas. Selline nn usalduse kiirtee toimib eriti kiiresti rahvusvaheliste pingeridade, näiteks PISA puhul. Ent uuringu tegeliku usaldusväärsuse määrab mitte institutsiooni või vastutajate autoriteet, vaid eeskätt uuringu metoodiline täpsus ja ajakohasus. Paraku on PISA kõrge prestiiž varjutanud Eestis sisemiste ebavõrdsuste adekvaatset käsitlemist.4

Teadusmaailmas on haridusliku ebavõrdsuse mõõdikute n-ö kuldseks kolmikuks vanemate sissetulek, amet ja haridus. PISA testi puhul on õpilaste koduse tausta mõõdik staatuse indeks (economic, social and cultural status, ESCS), mis koondab ühte muutujasse õpilase sotsiaalse, majandusliku ja kultuurilise tausta. Teadlased on toonitanud, et ESCS-il puudub selge teaduslik alus: klassikalisest sotsiaalmajanduslikust kolmikust on kaasatud vanemate haridus ja amet, kuid pere sissetuleku asemel kasutatakse vaid kodust vara kui kaudset näitajat.5 PISA sotsiaalmajandusliku tausta mõõdiku probleem peitub eelkõige andmete kogumise viisis. Veelgi enam, hinnang põhineb õpilaste küsitlusel, millele jätavad sageli vastamata – nagu Saksamaa andmete najal on tuvastatud – just vaesemate perede lapsed.6 Alljärgnevad vaatame lähemalt, mis on problemaatiline nende kolme komponendi puhul, mida PISA õpilaste tausta mõõtmiseks rakendab.

Majanduslik komponent „kodune vara ja ressursid“ mõõdab materiaalset heaolu, tuginedes tarbimisharjumustele – see põhineb 15-aastaste kodudes olemasolevatel asjadel.7 Õpilased hindavad, kas neil on kodus olemas teatud esemed (nt õppimiseks vajalik laud, oma tuba jne), sealhulgas kolm asja (vt tabel 2.2.1), mis riigiti erinevad ja mis PISA kohaselt näitavad pere rikkust just konkreetses riigis.

Kantar Emori 2025. aasta uuringu järgi leiab 56% Eesti elanikest, et väikelaene antakse liiga kergekäeliselt, ning ligi viiendik on viimase kolme aasta jooksul võtnud tarbimislaenu.8 See seab küsimärgi alla esemete kasutamise rikkuse mõõdupuuna – näiteks ei tähenda järelmaksuga ostetud PlayStation veel, et perel jaguks raha lapsele matemaatika eraõpetaja palkamiseks, kui lapsel tekivad õpilüngad.

Klassikaliselt arvatakse, et raamatute arv kodus on indikaator heast kodusest intellektuaalsest keskkonnast, mis viib õpilase kõrgemate õpitulemusteni. PISA kasutab tõepoolest ühe testküsimusena ka seda, kui palju raamatuid kellelgi kodus on. Küsimus on detailselt jaotatud lausa eri liikide (nt vaimulikud raamatud, kirjandusklassika, teadusraamatud, tehnilised käsiraamatud jne) kaupa ning täpsusega 1–5, 6–10 ning rohkem kui 10 raamatut. Tõenäoliselt ei oskaks sellele küsimusele nii täpselt vastata ka keskmine täiskasvanu.

PISA uuringus reeglina täidavad taustaküsimustiku õpilased ise, vanemate küsitlus on riigiti vabatahtlik. Seega on loetud riikide andmete põhjal olnud võimalik uurida ka seda, kuivõrd erinevad õpilaste ja vanemate antud vastused pere sotsiaalmajandusliku tausta küsimustele. Selliste koduste esemete nagu raamatute ja digiseadmete puhul on õpilaste ja vanemate vastuste kokkulangevus alla 50%.11 OECD teadvustab probleemi ka ise: „Andmete kogumine otse vanematelt võib ulatuslikes uuringutes olla ebapraktiline sellega seotud kulude tõttu. [—] Õpilaste vahendusel vanemate ametite ja haridustaseme kohta andmete kogumine on pragmaatiline lahendus, kuid võib tekkida küsimusi kogutud andmete täielikkuse ja täpsuse kohta.“12

Sotsiaalset komponenti „vanemate ametialane staatus“ mõõdetakse vanemate ameti ja tööalase positsiooni alusel. Üldiselt alahindavad õpilased vanemate ametialast staatust umbes sama palju (20%), kui ülehindavad (21%).13 Õigupoolest toovad ka PISA raportid ise esile, et aastatega on puuduvate ja vigaste andmete osakaal kasvamas – kõige enam jäetakse märkimata vanemate ametinimetus (nt Suurbritannias ja Saksamaal koguni üle 20% õpilastest), kusjuures enamasti teevad seda nõrgema sotsiaalmajandusliku taustaga õpilased.14

Kultuurilise komponendi „vanemate haridustase“ kohta annab peaaegu iga kolmas õpilane teistsuguse info kui vanem ise; sagedamini alahinnatakse (18%), kui ülehinnatakse (13%) vanema haridust. Just õpilased, kelle vanematel on tegelikult madalam haridustase, kipuvad vanemate haridustaset ülehindama.15

HARIDUSLIK EBAVÕRDSUS SÜVENEB, REGISTRIANDMED NÄIDANUKS SEDA AMMU

Eestis tervikuna on vanemate sissetuleku ja koolide matemaatikatulemuste seos aastate jooksul üha tugevnenud (tabel 2.2.2). Kui 2017. aastal oli ema ja isa sissetuleku seos pigem keskmine, siis 2021. aastaks on see jõudnud tugeva seoseni. Samal ajal on tugevamaks muutunud ka negatiivne seos laste eksamitulemuste ja peretoetuste osakaalu vahel. Mida suurem on toetuste osakaal pere sissetulekutes, seda nõrgemad kipuvad keskmiselt olema matemaatikaeksami tulemused.

Tallinnas on hariduslik kihistumine aastate jooksul märgatavalt süvenenud (vt tabel 2.2.3 ja joonis 2.2.1). Kui kooli keskmise emade sissetuleku ja kooli keskmise matemaatikaeksami tulemuste vaheline seos on pealinnas püsinud stabiilselt tugev, siis mujal Eestis on sama seos olnud ligi kaks korda nõrgem ja kasvanud aeglaselt. 2021. aastal selgitas emade keskmine sissetulek üle Eesti koolide lõikes 24% matemaatika põhikooli eksamitulemuste variatsioonist, Tallinnas oli vastav näitaja 50% ja ülejäänud Eestis 15%.

Andmestik. Statistikaameti andmetele Eesti üldhariduskoolide lapsevanemate sissetulekute (ema, isa, pere kokku) ning toetuste osakaalu kohta pere sissetulekutest aastatel 2017–2021 lisati Haridusja Teadusministeeriumist saadud üldhariduskoolide matemaatika põhikoolieksami tulemuste keskmised (EHISe andmed). Andmed ühendas Statistikaamet ise, teadlastele edastati tulemused agregeeritult ehk kooli keskmisena. Ajakulu: 1–2 kuud andmekaitsereeglite arutelule ja 6 töötundi andmete ühendamisele (Statistikaamet). Hind: 360 eurot, mis kulus Statistikaametil eri registrite andmestike ühendamisele. Valim: Eesti registrite andmetega oli võimalik katta ligi 350 põhiharidust võimaldavat kooli, kus 2017–2021 tegi matemaatikaeksami ja lõpetas 9. klassi 12 000–14 000 õpilast aastas. Nimetatud aastatel õppis põhihariduses ligikaudu 126 000–133 000 õpilast, olenevalt õppeaastast (vanemate sissetulekute keskmise arvutamise valim). Võrdluseks – PISA 2022 hõlmas 6392 õpilast 196 koolist. Autorid taotlesid pärast esmast analüüsi ka sissetulekute andmeridade pikendamist aastani 2024, kuid andmekaitsereeglite rangemaks muutumise tõttu ei olnud see enam võimalik.

Isade sissetuleku mõju on Tallinnas veelgi selgem: seal on matemaatikatulemuste ja isa sissetuleku vaheline seos aastatega muutunud väga tugevaks, samal ajal kui mujal Eestis on see jäänud vaid mõõdukaks. See tähendab, et pealinna koolide tulemused sõltuvad üha rohkem vanemate majanduslikust taustast. Sarnane muster ilmneb ka toetuste puhul.

Kui 2017. aastal koondus kooli keskmine matemaatikatulemus enamasti 30–40 punkti vahele, siis 2021. aastaks on just Tallinnas lisandunud rohkem nii nõrgemaid (isegi alla 20 punkti) koole kui ka tugevamaid (40+) koole. See tähendab, et Tallinna koolide vaheline ebavõrdsus on süvenenud (joonis 2.2.2). Seega, Tallinnas võib juhtuda, et vaid mõne kilomeetri raadiuses saavad lapsed eluks täiesti erineva stardipositsiooni – ühes koolis on keskmine matemaatikatulemus vaevu üle 20 punkti, samal ajal kui mõned kilomeetrid eemal ulatub see peaaegu maksimumini.

VANEMATE HARIDUSTASE, RAHA VÕI GEENID – MIS LOEB ROHKEM?

Sotsiaalmajandusliku tausta indeksite üldine hüpotees on, et vanemate haridus, amet ja majanduslikud ressursid on otseselt seotud laste õpitulemustega. Sageli lisatakse siia ka nn geeniloterii argument – justkui oleks kõrgema staatusega peredel ka paremad geenid. Vaatame lähemalt, kas pilt on nõnda mustvalge.

Vanemate tausta ja eriti haridustaseme mõju hariduslikele tulemustele on hakatud põhjalikumalt arutama juba 1966. aastal, kui James S. Coleman kolleegidega avaldas raporti „Equality of educational opportunity“.16 See, aga ka hilisemad uuringud on kinnitanud, et kooli ressursside kõrval oli laste õpitulemuste kujunemisel olulisem roll just pere taustal ja lapsevanemate haridusel.

Kas sellega – nendinguga, et haritud vanemate lapsed on akadeemiliselt edukamad – võiks sotsiaalmajandusliku tausta mõju debati lõpetada?

Siiski tuleb olla kriitiliselt ajastutundlik, kui tuuakse mängu vanu uuringuid – riiklik ja ühiskondlik kontekst on vahepeal muutunud, eriti siis, kui võrdleme Eesti haridussüsteemi teistega. Sageli tuginetakse argumendile, et juba 1960–1980ndatel USAs tehtud uuringud17 näitasid vanemate hariduse määravat rolli, kuid see mõju sõltub tugevalt koosmõjudest teiste teguritega (pere sissetulek, perekonna struktuur, piirkondlikud võimalused), mis tänapäeval on teistsugused. Näiteks ei pruugi kõrgharidusega ema, kes kasvatab last üksinda, suuta tingimata tasakaalustada õpilünki, mis tekivad lapsel kehvas koolis, kus napib häid õpetajaid ja tugispetsialiste. Lühidalt, lapsevanem peab mõnikord kompenseerima ka kooli suhteliselt kehvemat taset (võrreldes teiste koolidega). See ei tähenda, et vanemate haridustase poleks oluline, kuid see üksi ei selgita kogu pilti ega seda, miks jõuab kõrghariduseni siiski ka madala haridusega vanemate lapsi. Oluliseks peetakse pigem vanemate eeskuju – kuivõrd nad lastega tegelevad ja neid õppima innustavad.18 Seda seostatakse sagedamini haritud vanematega, kuid sama võib iseloomustada ka vähem haritud vanemaid.

Ka geeniloterii argumenti on teaduses rohkelt uuritud – kas geenid määravad lapse õppeedukuse? Tõepoolest, geenid mängivad suurt rolli selles, miks inimesed erinevad oma matemaatikaoskuste ja üldise kognitiivse võimekuse poolest,19 aga see ei tähenda, et keskkonnal olulist mõju ei oleks. Samuti ei saa eeldada, et jõukamatesse ja haritud peredesse sünnib üksnes andekaid ja geneetiliselt paremaid lapsi. Nimelt, teaduskirjanduses on tuntud ka nähtus „topelteriline“ (ingl twice-exceptional, 2e) – laps, kes on ühtaegu väga andekas või kõrge IQga, kuid samal ajal erivajadusega (nt düsleksia, ATH, autism). Uuringud näitavad, et nõrgema sotsiaalmajandusliku taustaga õpilasi märgatakse andekatena oluliselt harvemini, mistõttu jäävad just topelterilised lapsed vaesematest peredest sageli tuvastamata ja vajaliku toeta. Andekus ja erivajadus võivad esineda koos ning sageli varjavad need üksteist, muutes nii andekuse kui ka erivajaduse äratundmise ja toe pakkumise keeruliseks. Näiteks USA uuringud näitavad, et kõrgeima sissetulekutasemega peredest õpilasi märgatakse andekatena kuus korda sagedamini kui madala sissetulekutasemega peredest pärit õpilasi – see tähendab, et vaesematest peredest topelterilistel lastel on eriti suur risk jääda tähelepanuta.20 Seega, jättes Eestis halvemuses olevad koolid ja nõrga sotsiaalse taustaga lapsed tähelepanuta, võime kaotada väga palju andekaid inimesi.

Geenide avaldumine sõltub suuresti keskkonnast ning haridusasutustel on selles protsessis keskne roll – koolid võivad toimida kas ebavõrdsust tasandava jõuna või vastupidi, seda võimendava mehhanismina.21 Näiteks võib kool osutuda ebavõrdsuse võimendajaks, kui süsteemne heade õpetajate ja tugispetsialistide puudus tabab eeskätt nõrga sotsiaalmajandusliku taustaga õpilaste koole. Geeniloterii argumendile toetumine justkui eitab kooli kui keskkonna rolli lapse arengus – ja veelgi enam, see jätab tähelepanuta lapsed ja noored, kes on sündinud vaestesse peredesse ning käivad koolides, kus napib nii oskusi kui ka ressursse nende kodust tausta tasandada.

Kõrgem sotsiaalmajanduslik taust annab perele ka n-ö kompenseeriva eelise.22 Vähem võimekal lapsel, kes sünnib tugeva sotsiaalmajandusliku taustaga perre, on suurem tõenäosus omandada hea haridus, kui on nõrga sotsiaamajandusliku taustaga andekal lapsel. Vanemad kompenseerivad laste vähese õppeedukuse lisatoe (nt eelkool, eraõpetaja jne) pakkumise teel23 ning samuti leevendavad võimalikest geneetilistest riskidest (nt õpi- või käitumisraskused) tulenevaid takistusi.24

Hollandis enam kui 29 000 kaksikupaariga tehtud uuring näitas, et pere ja kooli sotsiaalmajanduslik taust mõjutab geneetiliste riskide avaldumist, asetades nõrga taustaga lapsed topeltebasoodsasse olukorda.25 Kodune keskkond ei kompenseeri nende riske piisavalt ning sageli käivad nad ka väheste ressurssidega koolis. Seetõttu võib just soodne ja toetav koolikeskkond osutuda nende jaoks määravaks. Metaülevaated kinnitavad, et turvaline kooliõhkkond, head suhted õpetajatega, kõrged ootused ja eneseusu kasvatamine vähendavad sotsiaalmajandusliku tausta negatiivset mõju.26 Hollandi andmed näitavad, et kui kool tõstab nõrga taustaga õpilaste ootusi ja eneseusku, on mõju palju suurem kui jõukamate perede laste puhul.27

Palju on kirjutatud õpilaste sotsiaalmajanduslikust taustast kui lapse kodusest keskkonnast, ent vähem mainitakse kooli sotsiaalmajanduslikku keskkonda ehk koolide ressursse. Kui õpilaste sotsiaalmajanduslik taust tuleneb peamiselt vanemate taustast, siis kooli tasandil saab eristada kahte mõõdet: kooli sotsiaal-majanduslikku profiili (õpilaste taustade koond) ja kooli sisemisi ressursse ja kvaliteedinäitajaid (sh õpetamise ja koolijuhtimise kvaliteet). Nõrga sotsiaalmajandusliku taustaga õpilasi koondavad koolid peavad sageli toime tulema tagasihoidlike ressurssidega – napib nii õpetajaid, tugispetsialiste kui ka õppevahendeid.28 Seega seisavad need koolid silmitsi topelthalvemusega. Eesti hariduslõhe on väheste ressurssidega koolis õppiva ja nõrga sotsiaalmajandusliku taustaga lapse nägu.Näiteks aineõpetajate süsteemne nappus teatud koolides halvendab nende õpilaste edasijõudmise võimalusi, andes eelise õpilastele, kelle vanemad suudavad tagada eraõpetaja või omavad ise vastava aine teadmisi. Just nn varihariduse ehk eraõpetajate turu levimine on sageli haridusliku ebavõrdsuse indikaatoriks.29

Kuidas siis lahendada vaidlust selle üle, mis on lapse arengus määravam – kas ema haridus, pere jõukus või geenid? Haridus on kompleksne süsteem, kus ükski tegur üksi ei määra edu: kui üks lüli on nõrk, peavad teised seda tasakaalustama. Eestis tasub aga küsida, kuivõrd süvendavad hariduslõhet koolide ressursierinevused – õpetajate ja tugispetsialistide puudus, vähesed võimalused kvaliteetsete õpikute ostmiseks või laborite sisustamiseks –, ning kas see ei pane vanemaid üha enam kooli vajakajäämisi oma kuludega või haridusrändega (parema kooli otsimine) kompenseerima.

KOKKUVÕTE: KUIDAS EDASI?

Eestis on tugev vajadus õpetajate töötasu ainete lõikes diferentseerida, seades sealjuures eesmärgiks ka nende ainete õpetamise kvaliteedi tõstmise. Miks on oluline vaadelda aineõpetajate alternatiivseid töövõimalusi? Teiste riikide uuringud näitavad, et õpetajad teenivad teiste sama haridustasemega spetsialistidega võrreldes keskmiselt 23,5% vähem – seda nimetatakse õpetajate palgahalvemuseks.30 Kõige teravam on see loodus- ja täppisteaduste õpetajate puhul, kelle oskused on tööturul kõrgelt hinnatud ja sageli paremini tasustatud väljaspool kooli. Samas on ka aineid, kus õpetajatöö pakub hoopis palgaeelist ning on parim karjäärivalik.

Eesti matemaatikaõpetajaks õppinute näitel on teada, et 2024. aastal teenis koolis mitte töötav erialaharidusega matemaatikaõpetaja Harju maakonnas ligikaudu 1,6 korda (2838 eurot), Tartus 1,4 korda (2573 eurot) ja mujal Eestis 1,3 korda (2459 eurot) rohkem õpetaja töötasu alammäärast (1820 eurot 2024. aastal).31 Teaduskirjanduses on leitud, et just reaalainete õpetajate töötasu tõstmine võib vähendada nende ametist lahkumise määra 18–28 protsenti.32 Põhikooli- ja gümnaasiumiseadus näeb ette, et lõpetamisel kontrollitakse teadmisi valitud ainetes – eelkõige matemaatikas, eesti keeles ja võõrkeeles –, seega oleme juba riiklikult teatud ained teistest olulisemaks seadnud. Sestap on neil ainetel noorte edasise haridustee kujundamisel määrav roll.

Andmepõhine hariduspoliitika. Eestil on hariduslõhega sihipäraseks tegelemiseks olemas suurepärased registrid, kuid oleme aastaid, kui mitte aastakümneid piirdunud pigem PISA taustaküsitluste põhjal tehtud järeldustega. See on viinud meid hariduslõhe osas justkui PISA-pimedusse. Ka täna on vaja palju jõulisemalt rakendada Eesti registripõhist infot, et kujundada sihitud sekkumismeetmeid hariduslõhe vähendamiseks. Eriti oluline on hariduslõhe analüüsis arvestada ka koolide sotsiaalmajanduslikku tausta – näiteks õpetajate taset ja kättesaadavust, koolijuhtimise kvaliteeti, tugispetsialistide olemasolu ning õpilaste ja õpetajate suhtarvu. Paraku pärsivad Eesti e-riigi potentsiaali hariduses vähene teadlikkus olemasolevatest andmetest (oleme usinad tegema pigem uusi ja ajamahukaid küsitlusuuringuid kui kasutama registriandmeid), ent sellest veel enamgi järjest rangemaks muutuvad andmekaitsereeglid.

Registriandmete süsteemne kasutamine peaks olema hariduspoliitika vundament nii hariduse seirel kui ka muudatuste kavandamisel. Näiteks õpetajate karjääri- ja palgamudeli kujundamisel tuleb lähtuda terviklikust andmepõhisest vaatest, mitte ainult formaalsest kvalifikatsioonist. Vastasel juhul võime jõuda olukorda, kus matemaatikat õpetab küll kvalifitseeritud ajalooõpetaja, kellel pole matemaatikapädevust, samal ajal kui väga hea õpetamisoskusega tegevinsener, kes soovib karjääripööret teha, paistab süsteemi silmis vähem väärtuslik, sest puudub õpetaja kvalifikatsiooni tõendav paber.

Võiksime koguni kaaluda võimalust siduda PISA akadeemilise testi tulemused Eesti registriandmetega, et analüüsida nii osalenud koolide taustakarakteristikuid kui ka õpilaste sotsiaalmajanduslikku tausta ning jälgida arengut ajas – näiteks, mis on saanud PISA tippsooritajatest kümme aastat hiljem, kas koolide tulemused on paranenud või halvenenud ning millised tunnused iseloomustavad tippsooritajate koole –, ja seda mitte rahvusvahelise võrdluse, vaid eeskätt Eesti olude parema mõistmise eesmärgil.

Õpetaja kvaliteet on määravaim nõrga sotsiaalmajandusliku taustaga õpilaste puhul. Peame julgema ka küsida, milline on kehva õpetaja ja kooli mõju õpilase tulevikule. Nobelist James J. Heckman on rõhutanud, et hariduslik võrdsus pole üksnes sotsiaalne, vaid ka majanduslik küsimus – ebasoodsas olukorras laste toetamine suurendab ühiskonna tootlikkust ja vähendab tulevasi kulusid (nt tööpuudus, kuritegevus)33, mistõttu on haridusliku ebavõrdsuse ennetamine ühiskonnale kordades odavam kui hilisem kahjude likvideerimine. Nagu Heckmani hariduse tasuvust käsitlev joonis (vt joonis 2.2.3) näitab, on riigil kõige tulusam investeerida madala sotsiaalmajandusliku taustaga laste arengusse just väga varajases eas.

Ka on teaduses jõutud järelduseni, et õpilaste sotsiaalse tausta mõju õpitulemustele pole riigiti ühtlane: see sõltub vanusest, soost ja isegi õppeainest. Üldiselt on õpilase kodune taust olulisem seal, kus kooli mõju on väiksem (nt lugemine), samas kui kooli kvaliteet määrab tulemusi pigem ainetes, mida kool ise rohkem kujundab (nt matemaatika ja loodusteadused).37 Seetõttu tasub just reaalainete õpetamise puhul palju enam ka Eestis tähelepanu pöörata koolide kvaliteedile, keskendudes õppematerjalidele, õpetajate ja õppe kvaliteedile, töötasu konkurentsivõimele, klasside suurusele nendes ainetes jne. Lisaks ei tohi unustada koolide juhtimise kvaliteeti – isegi parimad õpetajad ei saa oma potentsiaali rakendada, kui kooli töökorraldus ja juhtimine on kehvad.36

Viidatud allikad