Oktatási egyenlőtlenségek vizsgálata a magyarországi longitudinális kutatásokban Trendek, módszertani megközelítések és tudományterületi különbségek
Article Sidebar
Main Article Content
Absztrakt
A tanulmány célja azon longitudinális adatfelvételeken alapuló, rangos fórumokon publikált kutatások céljainak, módszertani jellemzőnek elemzése, amelyek a magyarországi oktatási rendszerben jelentkező társadalmi hátrányok és oktatási kimenetek közötti összefüggéseket vizsgálták. A 2004 és 2024 közötti időszakban megjelent, legalább két mérési időpontot tartalmazó kvantitatív vizsgálatokra fókuszáló szisztematikus áttekintésben öt hátránydimenzió (szocioökonómiai státusz, etnikai hovatartozás, területi jellemzők, migrációs státusz és nem) mentén monitoroztuk a publikációk főbb jellemzőit. A 29 azonosított tanulmány elemzése rámutatott a diszciplináris megközelítések, módszertani eljárások és kutatási fókuszok közti eltérésekre, valamint a longitudinális adatbázisokban rejlő kihasználatlan lehetőségekre. A tanulmányok többsége a szocioökonómiai háttér mentén kialakuló különbségeket vizsgálta, elsősorban a szülői iskolázottságot alkalmazva indikátorként. A földrajzi és nemi különbségek gyakran másodlagos szerepet kaptak, míg a migrációs háttér vizsgálata rendkívül ritka volt. A longitudinális adatok többségét csupán az átlagos időbeni változások követésére használták, az ismételt mérési lehetőségek kínálta elemzési potenciál jellemzően kihasználatlan maradt. Oksági modellezés ritkán fordult elő, prediktív elemzést nem azonosítottunk. A hiányzó adatok kezelésével és a kapcsolódó transzparencia gyakorlatával kapcsolatban szintén jelentős módszertani hiányosságokat tártunk fel. Az áttekintés eredményei kiindulópontként szolgálhatnak jövőbeli longitudinális vizsgálatok koncepcionális és módszertani megalapozásához.
Letöltések
Article Details
Funding data
-
HORIZON EUROPE European Research Council
Grant numbers HORIZON-CL2-2023-TRANSFORMATIONS-01-06 -
Magyarország Kormánya
Grant numbers Kormányzati Önerő Alap (2020-2.1.1-ED-2023-00277)
Hivatkozások
Acemoglu, D., & Restrepo, P. (2022). Tasks, automation, and the rise in U.S. wage inequality. Econometrica, 90(5), 1973–2016. https://doi.org/10.3982/ECTA19815
Altman, N., Krzywinski, M. (2015). Association, correlation and causation.Nature Methods, 12, 899–900. https://doi.org/10.1038/nmeth.3587
Andon, A., Thompson, C. G., & Becker, B. J. (2014). A quantitative synthesis of the immigrant achievement gap across OECD countries. Large-Scale Assessments in Education,2(1), 7. https://doi.org/10.1186/s40536-014-0007-2
Avvisati, F. (2020). The measure of socio-economic status in PISA: A review and some suggested improvements.Large-Scale Assessments in Education, 8(8). https://doi.org/10.1186/s40536-020-00086-x
Bailey, D. H., Duncan, G. J., Watts, T., Clements, D. H., & Sarama, J. (2018). Risky business: Correlation and causation in longitudinal studies of skill development. American Psychologist,73(1), 81–94. https://doi.org/10.1037/amp0000146
Balan, R. M., & Jankovic, D. (2019). Asymptotic theory for longitudinal data with missing responses adjusted by inverse probability weights.Mathematical Methods of Statistics, 28, 83–103. https://doi.org/10.3103/S1066530719020017
Balázsi, I., Rábainé Szabó, A., Szabó, V., & Szepesi, I. (2005). A 2004-es Országos kompetenciamérés eredményei. Új Pedagógiai Szemle, 12(55), 3–21. https://epa.oszk.hu/00000/00035/00098/2005-12-ta-Tobbek-2004.html
Battaglia, M., & Hidalgo-Hidalgo, M. (2025, March 26). Better early than late? Primary and secondary school remedial interventions. SSRN. http://dx.doi.org/10.2139/ssrn.5193800
Berényi, E. (2022). Social selection step by step. The case of the early selective grammar schools in Hungary. Intersections: East European Journal of Society and Politics, 8(2), 59–79. https://doi.org/10.17356/ieejsp.v8i2.848
Berényi, E. (2025). Privatizáció az oktatásban – magán- és egyházi iskolát választó középosztálybeli szülők stratégiái és narratívái. Educatio, 33(4), 477–491. https://doi.org/10.1556/2063.33.2024.4.6
Bessen, J. E. (2016, October 3). How computer automation affects occupations: technology, jobs, and skills (Law and Economics Research Paper No. 15–49). Boston University School of Law. https://doi.org/10.2139/ssrn.2690435
Bourdieu, P. (2011). The forms of capital. In M. Granovetter & R. Swedberg (Eds.),The sociology of economic life(3rd ed., pp. 78–92). Routledge.
Brandmayr, F. (2025). Disciplinary identity and the idea of a unified social science: A survey of British academics. Studies in History and Philosophy of Science,111, 18–30. https://doi.org/10.1016/j.shpsa.2025.04.002
Buddelmeyer, H., Leung, F., & Scutella, R. (2012). Educating oneself out of social exclusion. National Centre for Vocational Education Research. https://www.ncver.edu.au/__data/assets/file/0002/10010/educating-oneself-social-exclusion-2528.pdf
Busse, R., Michaelis, C., & Nennstiel, R. (2023). To what extent do secondary effects shape migrants’ educational trajectories after lower-secondary education? Empirical Research in Vocational Education and Training,15(1), 3. https://doi.org/10.1186/s40461-023-00142-0 Campos, D., Ding, Y., Goian, A., Koskinen, A., Lokken, J., Mannsaaker, T., Munkácsy, B., Papadopoulos, D., Panagiotis, P., Rolfe, V., Tóth, E., Scherer, R., & Olsen, R. V. (2025). Educational inequalities in Europe: A scoping review of longitudinal studies in K-12 education. Studies in Educational Evaluation, 87, 101523. https://doi.org/10.1016/j.stueduc.2025.101523
Caro, H. D., & Mirazchiyski, P. (2012). Socioeconomic gradients in Eastern European countries: Evidence from PIRLS 2006. European Educational Research Journal, 11(1), 96–110. https://doi.org/10.2304/eerj.2012.11.1.96
Catts, H. W., Compton, D., Tomblin, J. B., & Bridges, M. S. (2012). Prevalence and nature of late-emerging poor readers. Journal of Educational Psychology,104(1), 166–181. https://doi.org/10.1037/a0025323
Choi, Á., Gil, M., Mediavilla, M., & Valbuena, J. (2018). The evolution of educational inequalities in Spain: Dynamic evidence from repeated cross-s ections. Social Indicators Research,138(3), 853–872. https://doi.org/10.1007/s11205-017-1701-6
Clark, G., & Nielsen, C. A. A. (2025, January 23). The returns to education: A meta-study. SSRN. https://doi.org/10.2139/ssrn.5109188
Collins, G. S., Reitsma, J. B., Altman, D. G., & Moons, K. G. M. (2015). Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis (TRIPOD): The TRIPOD statement. BMJ, 350,g7594. https://doi.org/10.1136/bmj.g7594
Cunningham, S. (2021). Causal inference: The mixtape. Yale University Press. https://doi.org/10.2307/j.ctv1c29t27
Csapó, B. (2007). Hosszmetszeti felmérések iskolai kontextusban - az első átfogó magyar irodalmi longitudinális kutatási program elméleti és módszertani keretei.Magyar Pedagógia,107(4), 321–355. https://www.magyarpedagogia.hu/index.php/magyarpedagogia/article/view/467
Csapó, B., Molnár, G., & Kinyó, L. (2009). A magyar oktatási rendszer szelektivitása a nemzetközi összehasonlító vizsgálatok eredményeinek tükrében. Iskolakultúra, 22(3–4), 3–13. https://www.iskolakultura.hu/index.php/iskolakultura/article/view/20829
Csillag, M. (2015). Early tracking and equity in education in the Visegrad countries. Budapest Institute for Policy Analysis.
Csillag, M., Hermann, Z., & Scharle, Á. (Eds.). (2018). Közelkép: Fiatalok az iskolában és a munkaerőpiacon. Közgazdaság- és Regionális Tudományi Kutatóközpont.
Csillag, M., Munkácsy, B., Blazsek, R., & Scharle, Á. (2021). Problémaspecifikus jelentés a PIAAC eredményeiből a foglalkoztatottság témakörén belül. Nemzeti Szakképzési és Felnőttképzési Hivatal.
Danler, C., & Pfaff, K. (2021). The impact of an unequal distribution of education on inequalities in life expectancy. SSM – Population Health, 16, 100954. https://doi.org/10.1016/j.ssmph.2021.100954
Dwyer, C. P. (2023). An evaluative review of barriers to critical thinking in educational and real-world settings.Journal of Intelligence,11(6), 105. https://doi.org/10.3390/jintelligence11060105
Dzunic, M., Golubovic, N., & Jankovic-Milic, V. (2024). Educational attainment as a predictor of poverty and social exclusion: Empirical analysis of Serbian case. E&M Economics and Management, 27(1), 40–52.https://doi.org/10.15240/tul/001/2024-1-003
Enders, C. K., & Bandalos, D. L. (2001). The relative performance of full information maximum likelihood estimation for missing data in structural equation models.Structural Equation Modeling: A Multidisciplinary Journal,8(3), 430–457. https://doi.org/10.1207/S15328007SEM0803_5
Ercse, K. (2019). Az egyházi fenntartású iskolák és a szelekció, szegregáció kapcsolata.Iskolakultúra,29(7), 50–72. https://doi.org/10.14232/ISKKULT.2019.7.50
Ercse, K., & Radó, P. (2019). A magyar közoktatásban zajló privatizáció és annak hatásai.Iskolakultúra,29(7), 8–49. https://doi.org/10.14232/ISKKULT.2019.7.8
European Parliament. (2000, March 27). Bulletin 01/S-2000: European Council23 and 24 March 2000, Lisbon – Speech by the President, Nicole Fontaine; Presidency conclusions (Bulletin 27.03.2000 – PE 289.667). Directorate-General for the Presidency. https://www.europarl.europa.eu/bulletins/pdf/1s2000en.pdf
Farkas, É. (2023). A minőségi oktatás nélkülözhetetlen a társadalmi fejlődéshez. Tudásmenedzsment, 24(3). 75–91. https://doi.org/10.15170/TM.2023.24.K3.10
Fejes, J. B., & Szűcs, N. (2017). Hol tart ma az oktatási integráció ügye?Új Pedagógiai Szemle,67(11–12), 100–116.
Hadjar, A., Alieva, A., Jobst, S., Skrobanek, J., Grecu, A., Gewinner, I., de Moll, F., & Toom, A. (2022). Pioneered: elaborating the link between social and educational policies for tackling educational inequalities in Europe.Sozialpolitik Ch, 1. https://doi.org/10.18753/2297-8224-183
Halme, M., Rautava, P., Sillanmäki, L., Sumanen, M., Suominen, S., Vahtera, J., Virtanen, P., & Salo, P. (2023). Educational level and the use of mental health services, psychotropic medication and psychotherapy among adults with a history of physician diagnosed mental disorders.The International Journal of Social Psychiatry,69(2), 493–502. https://doi.org/10.1177/00207640221111091
Hamaker, E. L., Kuiper, R. M., & Grasman, R. P. P. P. (2015). A critique of the cross-lagged panel model. Psychological Methods, 20(1), 102–116. https://doi.org/10.1037/a0038889
Hamaker, E. L., Mulder, J. D., & van IJzendoorn, M. H. (2020). Description, prediction and causation: Methodological challenges of studying child and adolescent development.Developmental Cognitive Neuroscience,46, 100867. https://doi.org/10.1016/j.dcn.2020.100867
Hart, C. S. (2018). Education, inequality and social justice: A critical analysis applying the Sen-Bourdieu Analytical Framework. Policy Futures in Education,17(5), 582–598. https://doi.org/10.1177/1478210318809758
Hastie, T., Tibshirani, R., & Friedman, J. (2009). The elements of statistical learning: Data mining, inference, and prediction, second edition. Springer. https://doi.org/10.1007/978-0-387-84858-7
Hermann, Z. (2013).Are you on the right track? The effect of educational tracks on student achievement in upper-secondary education in Hungary (Budapest Working Papers on the Labour Market, BWP - 2013/16). Institute of Economics, Centre for Economic and Regional Studies, Hungarian Academy of Sciences, Department of Human Resources, Corvinus University of Budapest.
Hermann, Z., Horn, D., Köllő, J., Sebők, A., Semjén, A., & Varga, J. (2022). A kompetenciaered-mények hatása a munkaerőpiaci sikerességre.Közgazdasági Szemle, 69(2), 177–198. https://doi.org/10.18414/KSZ.2022.2.177
Hermann, Z., Horváth, H., & Kisfaludi, D. (2024). Are separate classrooms inherently unequal? The effect of within-school sorting on the socioeconomic test score gap in Hungary. Economics of Education Review, 103. 102582. https://doi.org/10.1016/j.econedurev.2024.102582
Hódi, Á., B. Németh, M., Korom, E., & Tóth, E. (2015). A Máté-effektus: a gyengén és jól olvasó tanulók jellemzése a tanulás környezeti és affektív jellemzői mentén. Iskolakultúra, 25(4), 18–30. https://doi.org/10.17543/ISKKULT.2015.4.18
Horn, D. (2023). A hatosztályos gimnáziumi szelekció és eredményesség. In Á. Szabó-Morvai & R.,Pető (Eds.), Munkaerőpiaci tükör 2022: társadalmi egyenlőtlenség és mobilitás (pp. 97–102). Közgazdaság- és Regionális Tudományi Kutatóközpont, Közgazdaságtudományi Intézet, HUN-REN Magyar Kutatási Hálózat.
Horn, D., Keller, T., & Róbert, P. (2016). Early tracking and competition – A recipe for major inequalities in Hungary. In H. Blossfeld, S. Buchholz, J. Skopek, & M. Triventi (Eds.),Models of secondary education and social inequality (pp. 129–148). Edward Elgar Publishing. https://doi.org/10.4337/9781785367267.00017
Hu, A. (2023). Heterogeneous treatment effects analysis for social scientists: A review. Social Science Research, 109, 102810. https://doi.org/10.1016/j.ssresearch.2022.102810
Hughes, J. N., West, S. G., Kim, H., & Bauer, S. S. (2018). Effect of early grade retention on school completion: A prospective study. Journal of Educational Psychology,110(7), 974–991. https://doi.org/10.1037/edu0000243
Hughes, R. A., Heron, J., Sterne, J. A. C, & Tilling, K. (2019). Accounting for missing data in statistical analyses: Multiple imputation is not always the answer, International Journal of Epidemiology, 48(4), 1294–1304. https://doi.org/10.1093/ije/dyz032
Josten, C., & Lordan, G. (2022). Automation and the changing nature of work. PLOS ONE, 17, e0266326. https://doi.org/10.1371/journal.pone.0266326
Józsa, K. (2004). Az első osztályos tanulók elemi alapkészségeinek fejlettsége: egy longitudinális kutatás első mérési pontja.Iskolakultúra,14(11), 3–16. https://www.iskolakultura.hu/index.php/iskolakultura/article/view/20152
Jugert, P., Kaiser, M. J., Ialuna,F., & Civitillo, S. (2022). Researching race-ethnicity in race-mute Europe. Infant and Child Development, 31(1), e2260. https://doi.org/10.1002/icd.2260
Kent, D. M., Paulus, J. K., van Klaveren, D., D’Agostino, R., Goodman, S., Hayward, R., Ioannidis, J. P. A., Patrick-Lake, B., Morton, S., Pencina, M., Raman, G., Ross, J. S., Selker, H. P., Varadhan, R., Vickers, A., Wong, J. B., & Steyerberg, E. W. (2019). The predictive approaches to treatment effect heterogeneity (PATH) statement.Annals of Internal Medicine,172(1), 35–45. https://doi.org/10.7326/M18-3667
Kézdi, G., & Surányi, É. (2008). Egy intergenerációs program hatása a tanulók fejlődésére. EDUCATIO, 4, 467–479.
Knowles, J. E. (2015). Of needles and haystacks: Building an accurate statewide dropout early warning system in Wisconsin. Journal of Educational Data Mining, 7(3), 18–67. https://eric.ed.gov/?id=EJ1115326
Larimer, A. J., Stefansson, K. K., Petursdottir, A.-L., McMaster, K., & Bjorgvinsdottir, A. S. (2025). Reading growth across 1st grade: Is there a Matthew effect in Icelandic schools? European Journal of Psychology of Education,40(1), 51. https://doi.org/10.1007/s10212-025-00948-4
Lee, K. J., Tilling, K. M., Cornish, R. P., Little, R. J. A., Bell, M. L., Goetghebeur, E., Hogan, J. W., Carpenter, J. R., & STRATOS initiative. (2021). Framework for the treatment and reporting of missing data in observational studies: The treatment and reporting of missing data in observational studies framework. Journal of Clinical Epidemology, 134, 79–88. https://doi.org/10.1016/j.jclinepi.2021.01.008
Long, H., Kerr, B. A., Emler, T. E., & Birdnow, M. (2022). A critical review of assessments of creativity in education.Review of Research in Education,46(1), 288–323.https://doi.org/10.3102/0091732X221084326
Lovett, M. W., Frijters, J. C., Wolf, M., Steinbach, K. A., Sevcik, R. A., & Morris, R. D. (2017). Early intervention for children at risk for reading disabilities: The impact of grade at intervention and individual differences on intervention outcomes. Journal of Educational Psychology,109(7), 889–914. https://doi.org/10.1037/edu0000181
Martinez-Yarza, N., Santibáñez, R., & Solabarrieta, J. (2023). A systematic review of instruments measuring social and emotional skills in school-aged children and adolescents.Child Ind Res,16, 1475–1502. https://doi.org/10.1007/s12187-023-10031-3
McArdle, J. J., & Epstein, D. (1987). Latent growth curves within developmental structural equation models.Child Development,58(1), 110–133. https://doi.org/10.2307/1130295
McNeish, D., & Matta, T. (2018). Differentiating between mixed-effects and latent-curve approaches to growth modeling. Behavioral Research Methods, 50, 1398–1414.https://doi.org/10.3758/s13428-017-0976-5
Moher, D., Liberati, A., Tetzlaff, J., Douglas G., A., Antes, G., Atkins, D., Barbour, V., Barrowman, N., Berlin, J. A., Clark, J., Clarke, M., & Cook, D. (2009). Preferred reporting items for systematic reviews and meta-analyses: The PRISMA statement. PLoS Medicine, 6(7), e1000097. https://doi.org/10.1371/journal.pmed.1000097
Molina, A., & Lamb, S. (2021). School segregation, inequality and trust in institutions: Evidence from Santiago.Comparative Education,58(1), 72–90. https://doi.org/10.1080/03050068.2021.1997025
Molnár, G. (2025). Development of 6-to 17-year-old students’ inductive reasoning: What is the most sensitive period? Thinking Skills and Creativity, 101745. https://doi.org/10.1016/j.tsc.2024.101745
Noordzij, K., de Koster, W., & van der Waal, J. (2024). Explaining the educational gradient in trust in politicians: A video-vignette survey experiment.West European Politics, 784–812.https://doi.org/10.1080/01402382.2023.2250163
Nurse, L., & Melhuish, E. (2021). Comparative perspectives on educational inequalities in Europe: An overview of the old and emergent inequalities from a bottom-up perspective. Contemporary Social Science, 16(4), 417–431. https://doi.org/10.1080/21582041.2021.1948095
OECD. (2020).PISA 2018 results (volume V): Effective policies, successful schools. PISA, OECD Publishing. https://doi.org/10.1787/ca768d40-en.
OECD. (2023).PISA 2022 results (volume I): The state of learning and equity in education. PISA, OECD Publishing. https://doi.org/10.1787/53f23881-en
Olsson, S., Hensing, G., Burström, B., & Löve, J. (2021). Unmet need for mental healthcare in a population sample in Sweden: A cross-s ectional study of inequalities based on gender, education, and country of birth.Community Mental Health Journal,57, 470–481. https://doi.org/10.1007/s10597-020-00668-7
Ostry, J. (2015). Inequality and the duration of growth. European Journal of Economics and Economic Policies Intervention, 12(2), 147–157. https://doi.org/10.4337/ejeep.2015.02.01
Pampaka, M., Hutcheson, G., & Williams, J. (2016). Handling missing data: Analysis of a challenging data set using multiple imputation. International Journal of Research & Method in Education, 39(1), 19–37. https://doi.org/10.1080/1743727x.2014.979146
Putnick, D. L., & Bornstein, M. H. (2016). Measurement invariance conventions and reporting: The state of the art and future directions for psychological research. Developmental Review, 41, 71–90. https://doi.org/10.1016/j.dr.2016.06.004
Raudenbush, S. W., & Bloom, H. S. (2015). Learning about and from a distribution of program impacts using multisite trials.American Journal of Evaluation, 36(4), 475–499.https://doi.org/10.1177/1098214015600515
Ross, D. (2022). Economics is converging with sociology but not with psychology.Journal of Economic Methodology, 30(2), 135–156. https://doi.org/10.1080/1350178X.2022.2049854
Schiltz, F., Mazrekaj, D., Horn, D., & De Witte, K. (2019). Does it matter when your smartest peers leave your class? Evidence from Hungary. Labour Economics, 59, 79–91. https://doi.org/10.1016/j.labeco.2019.04.001
Sen, A. K. (1992).Inequality Re-Examined. Clarendon Press.Shmueli, G. (2010). To explain or to predict? Statistical Science, 25(3), 289–310. https://doi.org/10.1214/10-STS330Sirin, S. R. (2005). Socioeconomic status and academic achievement: A meta-analytic review of research. Review of Educational Research, 75(3), 417–453.https://doi.org/10.3102/00346543075003417
Song, Q., Liu, Y., & Tan, C. Y. (2025). Effects of family socioeconomic status on educational outcomes in primary and secondary education: A systematic review of the causal evidence. Educational Psychology Review, 37, 29. https://doi.org/10.1007/s10648-025-10004-8
Stonkute, D., Lorenti, A., & Spijker, J. J. A. (2023). Educational disparities in disability-free life expectancy across Europe: A focus on the East-West gaps from a gender perspective.SSM – Population Health,23, 101470. https://doi.org/10.1016/j.ssmph.2023.101470
Szabó-Morvai, Á., Horn, D., Lovász, A., & De Witte, K. (2023). Universal preschool and cognitive skills – the role of school starting age as a moderating factor. Early Childhood Research Quarterly, 64, 278–289. https://doi.org/10.1016/j.ecresq.2023.04.004
Tóth, E., Fejes, J. B., Patai, J., & Csapó, B. (2016). Reziliencia a magyar oktatási rendszerben egylongitudinális program adatainak tükrében.Magyar Pedagógia,116(3), 339–363. https://doi.org/10.17670/MPed.2016.3.339
Velkey, G. (2022). The increasing replication of territorial and social inequalities in public education in Hungary – Causes, components, practices and mechanisms. Social Sciences, 11(3), 95. https://doi.org/10.3390/socsci11030095
Wijesuriya, R., Moreno-Betancur, M., Carlin, J. B., White I. R., Quartagno, M., & Lee, K. J. (2025).Multiple imputation for longitudinal data: A tutorial. Statistics in Medicine, 44(3–4), e10274. https://doi.org/10.1002/sim.10274
Willcocks, L. (2020). Robo-apocalypse cancelled? Reframing the automation and future of work debate. Journal of Information Technology, 35(4), 286–302. https://doi.org/10.1177/0268396220925830
Wooldridge, J. M. (2010). Econometric analysis of cross section and panel data (2nd ed.). MIT Press.
World Economic Forum (2025). Future of jobs report2025. https://reports.weforum.org/docs/WEF_Future_of_Jobs_Report_2025.pdf
Zajacova, A., & Lawrence, E. M. (2018). The relationship between education and health: Reducing disparities through a contextual approach. Annual Review of Public Health, 39, 273–289. https://doi.org/10.1146/annurev-publhealth-031816-044628
Zhou, J., Baulos, A., Heckman, J. J., & Liu, B. (2021). The economics of investing in early childhood: Importance of understanding the science of scaling. In J. A. List, D. Suskind, & L. H. Supplee (Eds.), The scale-up effect in early childhood and public policy (pp. 76–97). Routledge. https://doi.org/10.4324/9780367822972-6