Упоминаются также расовые предрассудки при оценивании тестов, а также высмеивание черными своих ровесников, которые “ведут себя, как белые”.
Последнему аргументу была посвящена статья молодого экономиста-афроамериканца из Гарварда Роланда Фрайера младшего Экономика “белого поведения” (The Economics of “Acting White”). В ней утверждается, что некоторые черные дети, “желающие заниматься тем или иным делом (например, хорошо учиться, танцевать и т.д.), сталкиваются в своей среде с огромными препятствиями. Дело в том, что их начинают считать чернокожими, пытающимися вести себя подобно белым (их также называют “продавшимися белым”). Очень часто такой ярлык может принести своему обладателю серьезные неприятности. Отмеченного им человека начинают избегать, бить и даже могут убить”. [8] В подтверждение Фрайер приводит детские воспоминания баскетболиста, а впоследствии актера Карима Абдул-Джаббара (настоящее имя Лью Эльсиндор). Перейдя в четвертом классе в новую школу, чернокожий Карим заметил, что читает лучше многих учеников седьмого класса: “Когда дети поняли это, я стал объектом их насмешек и издевательств… Я никогда раньше не находился так далеко от дома и впервые меня окружали только черные. Я обнаружил, что если раньше меня за что-то хвалили, то теперь за это же ругали. Я получал одни пятерки, а меня за это ненавидели. Я разговаривал на правильном английском, а меня за это называли простофилей. Мне даже пришлось выучить новый язык (на котором разговаривают черные) только для того, чтобы иметь возможность отвечать на их оскорбления и угрозы. Я был маленьким мальчиком с хорошими манерами и расплачивался за это собственной шкурой”. [8.1]
Фрайер также является соавтором статьи Объяснение причин разрыва в результатах тестов между белыми и черными в первых двух классах школы (Understanding the Black-White Test Score Gap in the First Two Years of School). При написании этой статьи использовались новые правительственные данные, благодаря которым можно с уверенностью говорить о наличии разрыва в знаниях между белыми и черными. Пожалуй, еще более интересен тот факт, что эти данные позволяют ответить на вопрос, волнующий каждого родителя, независимо от цвета его кожи. Ведь каждый из них, черный, белый или любой другой, хотят знать: какие факторы влияют на школьную успеваемость ребенка, а какие — нет?
В конце 1990-х Министерство образования США развернуло грандиозный проект под названием Продольное исследование раннего детства (Early Childhood Longitudinal Study, ECLS). Суть его была в том, чтобы измерить успехи в учебе более двадцати тысяч детей, начиная с первого и вплоть до пятого класса. Объекты для этого были отобраны по всей стране и включали представителей самых разных категорий американских школьников.
В рамках ECLS не только изучалась успеваемость мальчиков и девочек, но и собирались обычные для подобных исследований данные. Ученых интересовали раса и пол ребенка, состав и социоэкономический статус его семьи, уровень образования родителей и т.д. Однако ECLS вышло далеко за рамки простого анкетирования. Дело в том, что в него включили обсуждение с родителями (а также с учителями и дирекцией школ) ряда вопросов более личного характера. Например, родителей спрашивали, бьют ли они своих детей и если да, то как часто; водят ли они их в музеи или библиотеки. Кроме того, ученых интересовало, сколько времени тот или иной ребенок проводит перед телевизором.
В результате была получена очень ценная информация, которая при условии правильной обработки может рассказать много интересного.
Каким же образом необходимо организовать эти данные, чтобы они поведали достойную доверия историю? Это можно сделать при помощи любимой процедуры экономистов: регрессивного анализа. Нет-нет, регрессивный анализ вовсе не является забытой формой психиатрического лечения. Это весьма эффективный — в разумных пределах — инструмент, который использует методы статистики для определения трудноуловимых корреляций.
Корреляция является не более чем статистическим термином, указывающим на взаимосвязь двух переменных. К примеру, если на улице идет снег, там должно быть холодно. Эти два фактора несомненно позитивно коррелируют между собой. В то же время между солнцем и дождем существует негативная корреляция. Все это достаточно просто, но только до тех пор, пока в вашем распоряжении всего две переменные. Когда же их несколько сотен, дело значительно усложняется. Так вот, регрессивный анализ как раз и является инструментом, позволяющим экономистам рассортировать огромное количество данных. Делается это следующим образом: ученый искусственно сохраняет неизменными все переменные, кроме двух, на которых желает сосредоточиться. После этого он спокойно изучает, как эти две переменные соотносятся между собой.
В идеале экономисты могли бы провести эксперимент в контролируемых условиях, подобный опытам психологов или биологов. Для этого им нужно было бы взять два образца, наугад воздействовать на один из них, а затем измерить получившийся результат. К сожалению, такого рода чистый эксперимент является для них скорее роскошью, чем обычной практикой. (В этом отношении очень удобной была лотерея по выбору школы в Чикаго.) Обычно в распоряжении экономиста имеется просто огромный массив данных со множеством переменных, ни одна из которых не является случайной. При этом некоторые переменные зависят одна от другой, а другие никак между собой не связаны. И из этой путаницы ему приходится выбирать, какие именно факторы коррелируют, а какие нет.
В случае с данными ECLS регрессивный анализ можно использовать так: мысленно представить каждого из двадцати тысяч школьников в виде некой монтажной платы с одинаковым количеством разъемов. При этом каждый разъем будет представлять свою категорию данных о ребенке. Это может быть результат итогового теста по математике, чтению или другому предмету сначала за первый, а потом за третий класс. Важны также уровень образования матери, доходы отца, количество книг в доме, относительное влияние окружения и т.д.
Это позволит исследователю выудить из сложного и запутанного массива данных ту информацию, которая его интересует. Он сможет выстроить в один ряд детей, у которых много общих характеристик, и определить ту, что не является общей. Это все равно, что взять все монтажные платы, на которых имеются разъемы со штырьками, и отделить от них ту, где есть разъем с гнездами. Таким образом можно изолировать влияние одного разъема на подсоединение всей монтажной платы. Благодаря этой процедуре станет понятным влияние сначала одного особенного разъема, а потом и всех остальных.
Предположим, что мы хотим узнать из данных ECLS ответ на важный вопрос о родителях и образовании: способствует ли большое количество книг в доме успехам ребенка в школе? Регрессивный анализ не может дать на него исчерпывающий ответ, но вполне может ответить на вопрос, поставленный немного по-другому. Он звучит так: правда ли, что ребенок, у которого дома много книг, учится лучше ребенка, у которого книг нет совсем? Разница между этими вопросами представляет собой разницу между причинностью (первый вопрос) и корреляцией (второй вопрос). Регрессивный анализ может продемонстрировать наличие между явлениями корреляции, но не в силах доказать существование причинности. В конце концов, существует несколько вариантов, в которых две переменные могут находиться в той или иной связи между собой. Фактор X может быть причиной Y; Y может быть причиной X; точно так же может существовать и некий третий фактор, являющийся причиной как X, так и Y. Один регрессивный анализ не сможет сказать вам, идет ли снег, потому что холодно; холодно ли, потому что идет снег, или эти два явления просто совпали.
Данные ECLS лишь показывают, что если дома у ребенка много книг, то результаты школьных тестов у него, скорее всего, будут выше, чем у того, у которого книг дома нет. Так что эти два фактора взаимосвязаны, и хорошо, что мы об этом знаем. Однако высокие результаты тестов коррелируют также со многими другими факторами. Если вы просто возьмете детей с большим количеством книг и сопоставите их с детьми без книг, ответ не будет однозначным и исчерпывающим. Может быть и так, что большое количество книг дома у ребенка является всего лишь показателем достатка его родителей. Что нам действительно необходимо сделать, так это найти двух детей, похожих во всем, кроме одного — в данном случае это размер домашней библиотеки. После этого нам останется только выяснить, влияет ли этот фактор на их успеваемость в школе.
Нужно отметить, что регрессивный анализ — это скорее искусство, чем наука. (В этом отношении у него много общего с воспитанием детей.) Между тем опытный практик может с его помощью определить, насколько значительна та или иная корреляция, и даже сказать, указывает ли она на причинную связь.
И все же, что именно анализ данных ECLS может рассказать о школьной успеваемости детей? Много интересных моментов. И первый из них касается разрыва между результатами итогового тестирования белых и черных.
На протяжении долгого времени считалось, что черные дети отстают в развитии от своих белых ровесников еще до того, как переступают порог школы. Более того, они не достигают уровня белых детей, даже если учитывать целый ряд различных переменных. (Учет переменной позволяет исключить ее влияние — так же, как скажем, один игрок в гольф, учитывая свой опыт, может дать другому фору. В научном же исследовании, вроде ECLS, ученый, сравнивая одного школьника с другим, может учесть любое количество неблагоприятных жизненных условий.) Однако новые данные говорят совсем о другом. Достаточно учесть всего несколько факторов — доходы родителей, уровень их образования, возраст, в котором мать родила первого ребенка, — и картина изменится. Если все эти факторы будут одинаковыми, то к тому времени, когда черные и белые дети пойдут в школу, разрыв между ними практически исчезнет.
Это весьма обнадеживающая новость, как ни посмотри. С одной стороны, она означает, что черные дети теоретически могут догнать своих белых ровесников. С другой же, она показывает, что, каким бы ни был разрыв, его можно привязать к небольшому количеству легко распознаваемых факторов. Полученные данные свидетельствуют, что черные дети имеют плохую успеваемость вовсе не потому, что они черные. Они просто выросли в семьях со скудными доходами и низким уровнем родительского образования. Но если черный и белый ребенок растут в семьях с похожим уровнем жизни, то в самом начале учебы они проявляют одинаковые успехи в математике и чтении.
Великолепная новость, не правда ли? Однако радоваться пока еще рано. Прежде всего надо принять во внимание следующий фактор. Поскольку обычный черный ребенок с большей долей вероятности имеет бедных и плохо образованных родителей, наличие разрыва весьма реально. В среднем, черные дети продолжают показывать плохие результаты в учебе. Хуже того: даже если не принимать во внимание доход и образование родителей, через два года учебы в школе разрыв между белыми и черными появляется снова. Черные дети начинают отставать от статистически равных им белых детей уже к окончанию первого класса. Во втором же и третьем классах этот разрыв постепенно увеличивается.
Почему так происходит? Это довольно сложный и неоднозначный вопрос. Однако одним из ответов на него может быть тот факт, что школы для черных детей отличаются от школ, в которых учатся белые. Типичный черный ребенок ходит в школу, которую можно назвать не иначе, как плохой. Даже через пятьдесят лет после дела Браун против Совета по образованию во многих американских школах сохраняется расовая сегрегация. В рамках ECLS была изучена почти тысяча школ, каждую из которых представляли двадцать учеников. В 35% школ в выборку не попал ни один черный ребенок. И что же показали данные исследования? Оказывается, типичный белый ребенок ходит в школу, в которой учатся лишь 6% чернокожих. Зато типичный черный ребенок посещает школу, в которой афроамериканцы составляют около 60%.
По каким же параметрам школы для черных хуже? Вам это покажется странным, но совсем не по тем, по которым уровень той или иной школы определяется традиционно. В том, что касается величины классов, уровня преподавания и количества компьютеров, школы, в которых учатся черные и белые дети, почти одинаковы. Однако в обычной “черной” школе ребенка подстерегает гораздо больше опасностей. Едва ли не каждый день он сталкивается с членами наркобанд, подозрительными личностями, шатающимися возле школы, и отсутствием финансирования со стороны РТА. (Parent Teacher Association, или РТА, — Ассоциация родителей и преподавателей. Эта общественная организация занимается проблемами воспитания детей и насчитывает около тысячи отделений по всем Соединенным Штатам. — Примеч. ред.) В таких школах создается довольно специфическая обстановка, которая никак не способствует хорошей учебе.
При этом от плохих школ страдают не одни только черные дети. Белые дети в таких школах также учатся не особенно хорошо. По сути, если вы захотите проконтролировать успеваемость учеников младших классов в плохой школе, то увидите, что между белыми и черными нет никакого разрыва. Зато все ученики плохой школы, как черные, так и белые, значительно отстают от детей из хороших школ. Пожалуй, педагоги и исследователи ошибаются, поставив во главу угла разрыв в результатах тестирования. Куда более серьезной проблемой, похоже, является разрыв между плохой и хорошей школой. Ведь данные ECLS свидетельствуют, что при одинаковых исходных условиях черные дети из хороших школ почти не отстают от своих белых одноклассников. Более того, черные дети из хороших школ в своем развитии намного опережают белых из плохих школ.
Таким образом, начальная школа, в которой учится ребенок, похоже, имеет прямое влияние на его успехи в учебе. Но можно ли то же самое сказать о влиянии родительской заботы?
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34