PISA i el valencià

El programa PISA de l’OCDE aporta una quantitat immensa de dades, que cal procesar estadísticament. En les proves de 2025, que s’han fet públiques fa 10 dies, han participat 81 Estats, 10 entitats que l’OCDE no pot considerar Estats (com ara l’Autoritat Palestina) i tracta com a “economies”, i 110 territoris de dimensió inferior a l’Estat, regions com ara les Comunitats Autònomes espanyoles. Disposem dels resultats (en l’escala pròpia de PISA) estatals, de les economies i territorials, en variables com ara el rendiment mitjà en ciència, lectura i matemàtiques, la competència en resolució de problemes computacionals (RPC) i els subdominis de ciència: explicar fenòmens científicament, avaluar i fer dissenys científics, interpretar informacions i evidències científiques i coneixement i actituds sobre el medi i la sostenibilitat ambiental, així com altres estadístics en aquestes variables, com, per exemple, l’error estàndar, la desviació estàndard, el percentils (P10/P25/P50/P75/P90) i l’amplitud (P90-P10). Com que d’aquells 110 territoris, 42 els podem associar amb la presència de llengües diferenciades (LD) o llengües pròpies a l’ensenyament, podem preguntar-nos si això afavoreix o entrebanca el rendiment en els dominis i subdominis estudiats. Naturalment, no es tracta de donar una ullada i veure qui trau més punts (PISA no és l’Eurovisió!), sinó d’aplicar rigorosos càlculs estadístics. Ho lamentem, però ací cal introduir alguns tecnicismes estadístics.

En primer lloc podem calcular l’anomenat efecte pooled (combinat), val a dir, la mitjana ponderada que combina els resultats dels diferents territoris en un valor global. Aquest interval indica el rang de valors dins del qual es troba l’efecte real amb un 95% de probabilitat estadística, de manera que si inclou el zero es conclou que la diferència no és significativa. Però encara podem refinar aquesta conclusió amb altres estadístics més sofisticats.

La demostració científica consisteix freqüèntment a refutar l’anomenada hipòtesi nul·la (H₀), per mitjà del càlcul d’un estadístic anomenat valor p. Suposem dos grups (en aquest cas, territoris que tenen o no LD o llengua pròpia incorporada a l’ensenyament), dels quals disposem d’una serìe de valors (el rendiment en els dominis i subdominis especificats). Calculem estadísticament el valor p, que és una cosa així com la probabilitat que les diferències observades siguen degudes a l’atzar. Si p és inferior a 0,05, considerem que la probabilitat de l’atzar és baixa i per tant declarem que el resultat (les diferències en el rendiment) és, en principi, estadísticament significatiu (és a dir, refusem la hipòtesi nul·la). Pel contrari, si p és superior a 0,05, la probabilitat de l’atzar és elevada i s’inclinem a acceptar la hipòtesi nul·la: no advertim que les diferències dels resultats estiguen relacionades amb el criteri de la divisió (regions amb LD). L’última edició de les normes de l’Associació Americana de Psicologia, que es prenen com a referència, fins i tot establí que cal especificar el valor p i no només dir si està per dalt o per baix del llindar. Però encara podem afegir un filtre més per fer més rigorosa la recerca. És l’anomenat valor q (l’anomenada Q de Cochran), que s’aplica amb un algoritme de correcció matemàtica per a comparacions múltiples (la correcció de la taxa de fals descobriments, FDR en anglés). Indica el percentatge de “falsos positius”. D’aquesta manera, el resultat guanya en robustesa. Els resultats es presenten en la taula següent.

Taula de resultats

Domini	Pooled (IC 95 %)	p	q (BH)
Ciència	−2,8 (−5,5; −0,0)	0,046	0,061
Lectura	−9,9 (−12,8; −7,0)	<0,001	0,000
Matemàtiques	−0,6 (−3,3; 2,1)	0,650	0,650
RPC	−5,2 (−7,9; −2,6)	<0,001	0,000
C: explicar	−3,4 (−6,2; −0,6)	0,018	0,029
C: dissenys	−1,8 (−4,6; 0,9)	0,197	0,225
C: informació	−3,8 (−6,5; −1,0)	0,008	0,016
C: ambiental	−4,9 (−7,7; −2,2)	<0,001	0,001

Font: OCDE: PISA data i elaboració pròpia.

Desagregat per països (taula 2), el contrast mostra inversions de signe completes. El Québec supera les províncies anglòfones en 31,2 punts en matemàtiques (p < 0,001) i no hi mostra diferències significatives en la resta de dominis; Bolzano supera les regions italianes en els quatre dominis, significativament en ciència (+12,8), matemàtiques (+10,9) i RPC (+13,9). En sentit contrari, Gal·les rendeix entre 16,8 i 35,8 punts per sota de les regions angleses (significatiu en els quatre dominis), la comunitat germanòfona belga entre 14,7 i 44,2 punts per sota de la flamenca (significatiu en els quatre dominis), i a Espanya el conjunt de les quatre regions LD rendeix per sota de les regions de referència en ciència (−7,4) i lectura (−15,4), amb equivalència no demostrada però diferències no significatives en matemàtiques (−1,1) i RPC (−1,3). Donades les vint proves que conté aquesta taula, s’hi fa una lectura descriptiva de patrons, no de significacions individuals.

Estat	Ciència	Lectura	Matemàtiques	RPC
Canadà	+13,9***	+2,5	+31,2***	+2,0
Regne Unit	-25,7***	-30,7***	-23,3***	-16,8***
Bèlgica	-18,3***	-10,5*	-30,7***	-44,2***
Espanya	-7,4**	-15,4***	-1,1	-1,3
Itàlia	+12,8***	+0,8	+10,9***	+13,9***

Analitzades quantitativament les 110 regions del PISA 2025, les regions que escolaritzen en llengua diferenciada presenten una mitjana pooled de rendiment inferior a la de les seues regions de referència en cinc dels vuit dominis, però aquesta mitjana és extraordinàriament heterogènia i s’inverteix en els països amb sistemes de referència positius: el Québec i Bolzano rendeixen per damunt de les mitjanes estatals, i Galícia se situa per damunt d’Espanya en ciència i matemàtiques. La interpretació causal de la mitjana negativa no és sostenible amb un disseny ecològic i una heterogeneïtat d’aquesta magnitud. El que les dades sí que mostren amb claredat és doble: cap evidència que la llengua pròpia siga, per si mateixa, un factor de penalització, i una dispersió del rendiment significativament inferior en aquests sistemes. Treballs futurs amb microdades —llengua parlada a casa, llengua d’instrucció de l’escola i errors estàndard exactes— permetrien identificació causal i proves d’equivalència.

Per a les regions del català/valencià, les implicacions són directes: cap de les comunitats amb llengua pròpia analitzades no rendeix per davall de la mitjana estatal per causa demostrable de la llengua, i dos de les evidències internacionals més nítides de rendiment elevat (Québec, Bolzano) procedeixen precisament de sistemes escolaritzats en llengua pròpia. El debat públic hauria de desplaçar-se, doncs, de la llengua a les variables que les dades sí que associen sistemàticament al rendiment: desigualtat socioeconòmica, recursos i organització escolar.

Cal recordar que el maig de 2025, la Conselleria d’Educació defensà públicament tot just el contrari d’allò que mostren les evidències científiques de PISA: que calia impartir les matemàtiques en castellà perquè l’aprenentatge de conceptes abstractes i procedimentals es consolidava millor si s’evitaven barreres terminològiques. Aquesta tesi acientífica ha sigut, de nou, refutada per PISA.

Nota

Les dades de PISA en: OECD (2026), PISA 2025 Results (Volume I): Future-Ready Students, PISA, OECD Publishing, Paris, https://doi.org/10.1787/73451bc5-en. La base de dades de les regions en: https://stat.link/hpo5n3, les dels estats i les economies en: https://stat.link/xgs41b.