Modelling the Relationship Between Connectivity Infrastructure and Girls’ School Attendance in Benin

Sintesi Tecnica: Modellazione della Relazione tra Infrastruttura di Connettività e Frequenza Scolastica Femminile in Benin

Definizione del Problema
Nonostante l'espansione globale dell'accesso all'istruzione, persistono significative disparità di genere in Benin, dove la frequenza scolastica delle ragazze è fortemente limitata dalle norme culturali, dai ruoli di genere e dall'economia domestica. Mentre ricerche precedenti hanno identificato determinanti isolati della scolarizzazione femminile nell'Africa subsahariana, manca un'indagine empirica specifica sui legami tra l'Infrastruttura di Connettività (CI) e la frequenza scolastica delle ragazze. Il problema centrale affrontato è se l'accesso alle tecnologie digitali (internet, computer, telefoni cellulari) si traduca in guadagni educativi significativi per le ragazze, o se il "divario digitale" sia principalmente qualitativo — radicato nell'alfabetizzazione e nel capitale umano piuttosto che nel mero accesso fisico. Lo studio postula che, senza investimenti complementari nel capitale umano, in particolare nell'alfabetizzazione, l'infrastruttura digitale potrebbe non migliorare i risultati scolastici.

Metodologia
Lo studio impiega un Modello Logistico Multilivello (MLLM) per analizzare un sottocampione femminile ($n = 4.720.660$) estratto dal Quarto Censimento Generale della Popolazione e dell'Abitazione (RGPH4) del Benin. I dati comprendono tratti a livello familiare e individuale, inclusi il possesso di beni e l'accesso alle infrastrutture digitali.

• Variabile Dipendente: Frequenza scolastica e prescolastica (binaria: iscritta vs. non iscritta).
• Variabili Indipendenti:
  • Infrastruttura di Connettività: Possesso familiare di linee GSM attive, computer e accesso a internet.
  • Alfabetizzazione: Una variabile categorica con sei modalità che vanno dall'analfabetismo (Livello 6) alla piena competenza nel francese (Livello 1) e varie combinazioni di competenza nelle lingue indigene. Queste sono state convertite in variabili dummy tramite one-hot encoding.
  • Controlli: Età e altri fattori socio-economici.
• Specificazione del Modello: Gli autori vanno oltre un modello logit binario standard per tenere conto della struttura gerarchica dei dati (individui annidati in famiglie/aree geografiche). L'MLLM include un termine di effetto casuale ($u_j$) per catturare fattori non osservati del nucleo familiare o dell'ambiente locale.
• Regolarizzazione: Per migliorare le prestazioni del modello e gestire la selezione delle variabili, lo studio incorpora tecniche di regolarizzazione L1 (Lasso) e L2 (Ridge). La L1 azzera i coefficienti non significativi, mentre la L2 stabilizza la varianza dei coefficienti.
• Analisi: Lo studio calcola gli effetti marginali per interpretare l'impatto concreto delle variabili esplicative sulla probabilità di iscrizione scolastica.

Risultati Chiave
L'analisi rivela una sostanziale eterogeneità negli effetti del capitale umano e dell'accesso digitale:

1. Infrastruttura di Connettività:

   • Possesso di Computer: Ha un effetto forte, positivo e statisticamente significativo sulla frequenza scolastica delle ragazze.
   • Telefoni Cellulari (GSM): Sebbene diffusi, l'accesso ai telefoni cellulari ha solo un modesto effetto sulla frequenza.
   • Accesso a Internet: Non mostra un impatto statisticamente significativo, a causa della sua penetrazione estremamente limitata (solo il 2% delle famiglie ha accesso) e dei potenziali modelli di utilizzo non educativo.
   • Conclusione sulla CI: L'accesso da solo non garantisce benefici educativi; il tipo di tecnologia è fondamentale. I computer, che facilitano un apprendimento più profondo, sono più impattanti rispetto agli strumenti di comunicazione.

2. Alfabetizzazione e Capitale Umano:

   • Competenza nel Francese: La competenza nella lingua francese (la lingua dell'istruzione formale) è un fattore decisivo, aumentando significativamente la probabilità di frequenza.
   • Competenze nelle Lingue Indigene: Anche l'alfabetizzazione nelle lingue nazionali (Livelli 3 e 5) correla positivamente con la frequenza, sebbene meno fortemente della competenza nel francese.
   • Analfabetismo: Rappresenta una forte barriera strutturale. Le ragazze classificate come analfabete (Livello 6) hanno un tasso di frequenza scolastica molto basso (circa l'8%).
   • Interazione: Esiste una chiara correlazione in cui livelli di alfabetizzazione più elevati nei nuclei familiari (particolarmente nelle madri) predicono tassi più elevati di possesso di strumenti digitali, rafforzando il legame tra capitale umano e accesso digitale.

3. Il Divario Digitale:

   • Lo studio conferma un divario digitale qualitativo. Mentre le tecnologie di comunicazione di base sono relativamente accessibili, gli strumenti avanzati (computer, internet) sono scarsi.
   • Le disparità esistono non solo nell'accesso, ma anche nella capacità di beneficiare della tecnologia. Le ragazze con livelli di alfabetizzazione più elevati hanno una probabilità significativamente maggiore di avere accesso a computer e internet, suggerendo che il capitale educativo guida l'acquisizione tecnologica.

Contributi Principali

• Evidenza Empirica in Benin: Lo studio fornisce la prima analisi granulare su larga scala della relazione tra CI e scolarizzazione femminile in Benin, utilizzando un massiccio dataset censuari.
• Differenziazione delle Tecnologie: Sfida l'assunto che tutti gli ICT siano uguali motori dell'istruzione, dimostrando che il possesso di un computer è un predittore significativo della scolarizzazione, mentre l'accesso al telefono cellulare non lo è.
• Mediazione del Capitale Umano: Il documento valida empiricamente l'ipotesi secondo cui l'impatto dell'infrastruttura digitale è mediato dall'alfabetizzazione. Evidenzia che senza un'alfabetizzazione fondamentale (specialmente nel francese), l'accesso digitale produce rendimenti educativi trascurabili.
• Rigore Metodologico: L'applicazione dell'MLLM con regolarizzazione L1/L2 su dati censuari consente una gestione robusta delle strutture dati gerarchiche e della selezione delle variabili, offrendo una stima più affidabile degli effetti marginali rispetto ai modelli logit standard.

Significato e Rivendicazioni
Gli autori concludono che la relazione tra connettività ed educazione in Benin non è lineare. I risultati evidenziano che i computer possono aumentare significativamente i risultati scolastici, in particolare per le famiglie svantaggiate, mentre i telefoni cellulari e l'accesso a internet (nello stato attuale della loro penetrazione) non lo fanno.

Il documento sostiene che l'esistenza di un divario digitale qualitativo è una preoccupazione critica. Argomenta che l'accesso alle tecnologie di comunicazione di base non si traduce automaticamente in guadagni educativi significativi. Invece, l'impatto della connettività è contingente alle caratteristiche individuali, specificamente ai livelli di alfabetizzazione e alle condizioni familiari.

Di conseguenza, lo studio afferma che gli interventi politici devono essere integrati. Non è sufficiente semplicemente implementare l'infrastruttura; le strategie devono simultaneamente:

1. Rafforzare l'alfabetizzazione e le competenze di base, in particolare nelle regioni rurali e settentrionali.
2. Dare priorità alla diffusione dei computer rispetto alla distribuzione generale di internet nel breve termine, dato l'attuale bassa penetrazione di quest'ultimo.
3. Assicurare che gli strumenti digitali siano integrati in quadri pedagogici strutturati per convertire l'accesso in risultati di apprendimento.

Gli autori mantengono un tono modesto riguardo alla causalità, riconoscendo che la natura trasversale dei dati del censimento 2013 limita l'inferenza causale e che i dati a livello familiare potrebbero non riflettere l'esposizione individuale a causa delle disuguaglianze di condivisione intra-familiare. Suggeriscono che ricerche future dovrebbero utilizzare il prossimo censimento RGPH5 per un'analisi comparativa.