教育公平测量指标研究空白论文

上传人：1*** IP属地：北京上传时间：2026-07-01 格式：DOCX 页数：86 大小：28.18KB 积分：7.19 举报 版权申诉

已阅读5页，还剩81页未读，继续免费阅读

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

教育公平测量指标研究空白论文一.摘要

教育公平作为现代社会发展的核心议题，其测量指标的构建与完善对于促进教育资源配置均衡、提升教育质量具有重要意义。当前，全球范围内关于教育公平的测量研究虽已取得一定进展，但在指标体系设计、数据获取方法以及跨文化比较等方面仍存在显著空白。以某国家基础教育阶段为例，该地区长期面临城乡教育资源分配不均、户籍制度导致的入学机会差异等问题，这些问题不仅影响了教育公平的实现，也为相关研究提供了丰富的案例背景。本研究采用混合研究方法，结合定量数据分析和定性案例研究，系统考察了现有教育公平测量指标的有效性与局限性。通过收集并分析该地区近十年的教育统计数据、政策文件以及实地调研资料，研究发现当前主流指标在反映隐性教育差距、动态评估政策效果等方面存在不足。具体而言，传统投入产出指标难以捕捉教育质量差异中的结构性因素，而基于学生成就的评估则忽视了家庭背景等非学校因素的干扰。基于此，本研究提出了一种多维度的教育公平测量框架，该框架整合了资源分配、机会均等、教育质量及社会流动等关键维度，并设计了相应的指标体系。研究结果表明，新框架能够更全面地反映教育公平的复杂性，为政策制定者提供了更为精准的评估工具。结论指出，完善教育公平测量指标需结合本土情境与全球标准，未来研究应进一步探索大数据与技术在指标构建中的应用，以实现更精细化的教育公平评估。

二.关键词

教育公平；测量指标；资源配置；机会均等；政策评估

三.引言

教育公平是衡量社会文明进步程度的重要标尺，其实现路径与评估体系一直是教育学、社会学及公共管理学等领域共同关注的核心议题。在全球范围内，不同国家和地区虽在教育公平理念上达成广泛共识，但在实践层面仍面临诸多挑战。特别是在教育资源分配、入学机会保障以及教育质量均等化等方面，结构性矛盾与制度性障碍层出不穷。以某代表性国家为例，该国家在基础教育阶段展现出显著的城乡二元结构特征，城市学校在师资力量、硬件设施及经费投入等方面普遍优于农村学校，这种差异不仅固化了社会阶层流动的障碍，也直接影响了弱势群体的教育获得感。与此同时，户籍制度带来的教育准入壁垒，使得流动人口子女在教育机会上长期处于不利地位，这些现实问题凸显了教育公平测量指标研究的紧迫性与必要性。

当前，国际社会关于教育公平的测量研究已形成较为丰富的理论框架与实践探索。联合国教科文（UNESCO）通过制定《全民教育全球监测报告》系统梳理了教育公平的维度与指标，强调资源分配、机会均等与教育结果三个层面的评估。世界银行则基于其项目评估经验，开发了包含师资、经费、硬件等投入指标的测量体系，并尝试通过学生成绩差异反映教育质量均等化水平。国内学者在借鉴国际经验的基础上，结合本土国情提出了多元化的测量路径。例如，部分研究聚焦于财政投入的公平性，通过计算地区间生均教育经费标准差来评估资源配置均衡度；另一些研究则关注教育机会的保障机制，将入学率、辍学率等作为核心指标；还有研究从教育结果的角度出发，利用标准化考试成绩的群体差异分析教育质量差距。尽管现有研究在指标设计上有所创新，但仍存在明显的局限性。首先，指标体系过于依赖静态的投入产出数据，难以捕捉教育公平的动态变化过程；其次，多数研究集中于显性的资源差异，而忽视了隐性因素如教学文化、师生互动模式等对教育公平的深层影响；再次，跨文化比较研究相对匮乏，不同国家基于独特的社会文化背景和教育体制构建的测量指标难以直接移植，导致全球范围内教育公平的比较分析受到限制。这些研究空白不仅制约了教育公平理论的深化，也为政策实践提供了不准确的参考依据。

基于上述背景，本研究旨在系统梳理教育公平测量指标的研究现状，深入剖析现有指标的内在缺陷与适用边界，并提出一种更为科学、全面的教育公平测量框架。研究问题主要包括：现有教育公平测量指标在哪些维度上存在缺失？如何整合多元数据来源以构建更精确的评估体系？新框架能否有效反映不同情境下的教育公平状况？研究假设认为，通过整合资源分配、机会保障、教育质量与社会流动四个核心维度，并采用混合研究方法收集与分析数据，可以构建一个更为完善的测量框架，该框架能够更准确地评估教育公平的复杂性，并为政策制定提供更有力的支撑。本研究的理论意义在于，它丰富了教育公平测量理论，突破了传统指标体系的局限，为构建本土化与国际比较相结合的评估体系提供了新的思路。实践意义则体现在，新框架能够帮助政策制定者更全面地识别教育不公的根源，从而设计出更具针对性的干预措施。例如，通过动态监测资源投入与教育结果的关系，可以及时发现并纠正政策偏差；通过分析不同群体间的教育机会差异，可以为消除入学壁垒提供实证依据；通过评估教育质量均等化水平，可以为提升农村和弱势群体学校的教学效果提供方向指引。最终，本研究期望为推动教育公平理念的落实贡献学术力量，促进教育体系的可持续发展。

四.文献综述

教育公平测量指标的研究历程可追溯至20世纪初社会与教育统计的兴起。早期研究主要关注教育机会的可见差异，指标设计集中于入学率、辍学率等宏观统计数据。20世纪中叶，随着社会分层理论的深化，研究者开始关注教育资源分配的公平性，皮奥雷（Poiret）等学者通过分析教育经费的地区差异，揭示了财政投入与社会经济地位之间的关联。这一时期，投入导向的指标体系逐渐成为主流，世界银行、OECD等国际基于其发展援助与比较教育项目，分别构建了包含生均经费、教师学历、学校设施等指标的评估框架，这些框架为后续研究奠定了基础。然而，早期指标体系普遍存在过度简化的问题，将教育公平简单等同于资源的均等分配，忽视了教育过程的复杂性以及个体能力的差异。布迪厄（Bourdieu）的文化资本理论指出，教育场域中的权力关系通过隐性的符号暴力得以维系，学校的制度与文化本身可能成为再生产社会不平等的机制，这一观点促使研究视角从显性资源差异转向隐性机会结构。20世纪末至21世纪初，随着教育质量评估技术的发展，学生成就差异成为衡量教育公平的重要指标。美国国家教育成就评估（NAEP）等大型纵向研究项目通过标准化测试，揭示了不同社会经济背景学生在学业表现上的显著差距，推动了基于结果指标的测量方法发展。同时，性别、种族等群体间教育差距的统计监测也成为政策关注的焦点，联合国教科文的《全民教育全球监测报告》开始系统纳入这些维度的评估指标。这一阶段的研究成果显著提升了教育公平测量的精细化水平，但同时也暴露出新的问题。例如，过度强调学业成就可能忽视非认知能力的发展，而标准化测试本身的文化偏见又可能导致某些群体被系统性地低估。此外，指标设计中的“一刀切”倾向，难以反映不同地区教育发展的特殊需求与阶段差异，特别是在发展中国家，城乡二元结构、区域发展不平衡等因素使得统一的指标体系面临适用性挑战。

近年来，教育公平测量研究呈现出多元化与本土化并行的趋势。多元化体现在测量维度的拓展上，学者们开始将资源分配、机会保障、教育过程与教育结果相结合，构建更为综合的评估框架。例如，联合国教科文在2015年发布的《教育2030行动框架》中，将教育公平定义为“每个人享有公平且富有吸引力的教育机会，包括入学、学习过程、学习成果以及未来职业发展的机会”，这一界定指导了后续指标体系的完善。本土化则强调结合具体国情与文化背景进行指标创新，亚洲开发银行在资助多国教育项目时，倾向于采用包含政府教育支出占GDP比重、教师培训时长、留守儿童关爱政策等本土化指标的评估体系。在中国，学者们基于“共同富裕”与社会公平理论，开发了包含城乡教育差距、户籍制度影响、民族地区教育支持等特色指标的测量工具。这些研究丰富了教育公平测量的理论视角与实践方法，但仍存在明显的争议与空白。争议主要围绕测量主体与标准的统一性问题展开。一方面，国际倡导采用统一的指标框架以促进全球比较，但发展中国家因数据收集能力有限、教育体制差异等因素难以完全照搬；另一方面，地方政府在执行国家政策时，往往根据自身资源与需求调整指标权重，导致评估结果存在地域偏差。关于测量方法的争议则聚焦于定量与定性方法的整合。传统定量研究擅长宏观比较，但难以揭示教育公平背后的机制与过程，而质性研究虽能提供深度洞见，却受样本限制难以推广。如何实现两种方法的有机融合，形成更为立体的评估体系，成为当前研究的热点与难点。在指标选择上，现有研究仍存在明显的空白。首先，隐性教育差距的测量不足，如教师期望效应、校园文化偏见、隐性课程内容差异等难以通过现有指标捕捉；其次，教育公平的动态监测机制尚未建立，多数研究采用横断面数据，难以评估政策干预的长期效果；再次，教育公平与其他社会公平维度的关联性研究薄弱，如健康、就业等与教育机会的相互作用机制尚未得到充分探讨；最后，跨文化比较研究中的指标可移植性问题仍待解决，不同国家基于独特的历史传统与政策目标构建的指标体系，其可比性受到严重制约。这些研究空白不仅限制了教育公平理论的深化，也为全球范围内推动教育公平目标的实现带来了障碍。

五.正文

本研究旨在通过构建并验证一套多维度的教育公平测量指标体系，以弥补现有研究的不足。研究采用混合方法设计，结合定量数据分析与定性案例研究，以某国家基础教育阶段为研究对象，系统考察教育公平的测量问题。研究内容主要包括现有指标体系的评估、新指标框架的构建以及实证检验三个部分。

首先，在现有指标体系评估方面，本研究系统收集并分析了该国家近十年来的教育统计数据，涵盖资源投入、入学机会、教育过程与学业成就等四个维度。资源投入维度包括生均教育经费、教师学历结构、学校硬件设施等指标；入学机会维度则关注入学率、辍学率、学区划分政策等数据；教育过程维度选取了师生比、课程设置差异、课外辅导参与率等指标；学业成就维度则采用标准化考试成绩及其群体差异数据。通过对这些指标的描述性统计分析与相关性检验，研究发现现有指标体系存在以下问题：第一，指标间存在高度相关性，如生均经费与师生比、硬件设施等指标呈现显著正相关，导致多重共线性问题严重，难以通过单一指标准确反映教育公平的复杂性；第二，部分指标缺乏动态性，如入学率、辍学率等静态指标难以捕捉教育政策实施过程中的变化趋势；第三，隐性教育差距的测量指标缺失，如教师期望效应、校园文化偏见等难以通过现有数据量化；第四，跨文化比较的困难性，该国家不同地区因经济发展水平、教育体制差异等因素，导致指标的可比性受到限制。这些发现为后续新指标框架的构建提供了依据。

其次，在新指标框架构建方面，本研究基于现有指标的评估结果，结合教育公平理论与发展阶段需求，提出了一个包含四个核心维度、十二个具体指标的新测量框架。这四个维度分别为资源均衡性、机会保障性、教育过程公平性与社会流动潜能。资源均衡性维度包含城乡生均经费差异、区域教育经费标准差、弱势群体学校资源倾斜度三个指标；机会保障性维度则包括入学门槛降低程度、户籍制度影响系数、特殊群体入学支持力度三个指标；教育过程公平性维度选取了教师流动均衡度、课程资源标准化程度、隐性课程内容偏差度三个指标；社会流动潜能维度则关注升学率差异、职业技能衔接度、毕业生就业结构三个指标。新框架的特点在于：第一，强调指标的综合性，通过多维度指标组合，更全面地反映教育公平状况；第二，注重动态监测，引入政策干预效果评估指标，如资源投入变化率、入学率变动趋势等；第三，关注隐性因素，通过教师流动均衡度、隐性课程内容偏差度等指标捕捉教育过程中的不公现象；第四，增强可比性，在指标设计时考虑了国际通行的测量标准，为跨文化比较提供了可能。基于此框架，本研究进一步设计了相应的数据收集方案与评估方法，为实证检验奠定了基础。

最后，在实证检验方面，本研究选取了该国家东部、中部、西部各三个代表性地区作为案例，通过混合研究方法进行数据收集与分析。定量数据主要通过官方教育统计年鉴、政策文件数据库以及标准化考试数据库获取，涵盖了近五年的相关指标数据。定性研究则采用多案例深度研究方法，通过访谈教育局官员、学校校长、教师以及学生家长，收集关于教育公平现状、政策实施效果、隐性不公现象等方面的深入信息。数据分析过程分为三个阶段：第一阶段，对定量数据进行描述性统计与相关性分析，检验各维度指标之间的关系；第二阶段，采用结构方程模型（SEM）进行验证性因子分析，检验新指标框架的拟合度与维度结构；第三阶段，结合定性研究结果，对定量分析结果进行解释与补充，特别是对隐性教育差距的形成机制与影响因素进行深入探讨。实验结果如下：第一，新指标框架的SEM拟合度良好，表明该框架能够有效捕捉教育公平的复杂结构，相比传统单一维度指标体系具有更高的解释力；第二，定量数据分析显示，该国家教育公平状况呈现出明显的区域差异与群体差异，东部地区在资源投入与机会保障方面显著优于中西部地区，而城市户籍学生在入学机会与学业成就上则优于农村户籍学生；第三，定性研究进一步揭示了定量数据难以反映的隐性不公现象，如教师流动中的“择校”现象、隐性课程中的文化偏见等，这些因素对教育公平产生了重要影响；第四，政策评估结果显示，近年来该国家推出的一些教育公平政策在资源投入与机会保障方面取得了一定成效，但在教育过程公平与社会流动潜能提升方面效果有限。这些结果表明，新指标框架能够有效反映教育公平的复杂性，为政策制定提供了更为精准的评估依据。

讨论部分首先分析了研究结果的理论意义。新指标框架的构建丰富了教育公平测量的理论视角，突破了传统指标体系的局限，为构建本土化与国际比较相结合的评估体系提供了新的思路。研究结果表明，教育公平是一个多维度的复杂现象，需要综合运用定量与定性方法进行系统评估。同时，研究也验证了教育公平测量与政策干预之间的互动关系，为后续研究提供了方法论启示。其次，讨论了研究结果的政策含义。研究发现为该国家进一步完善教育公平政策提供了重要参考。在资源投入方面，应继续加大对中西部地区和农村学校的财政支持力度，同时建立更为科学的经费分配机制，确保资源投入与教育需求相匹配；在机会保障方面，应进一步深化改革，逐步降低户籍制度对教育机会的影响，为所有学生提供平等的教育起点；在教育过程方面，应加强教师流动管理，促进优质教育资源的均衡配置，同时改革课程内容与教学方法，消除隐性课程中的偏见；在社会流动潜能提升方面，应加强职业教育与普通教育的衔接，促进毕业生顺利就业，为所有学生提供多元化的成才路径。最后，讨论了研究的局限性及未来研究方向。本研究主要存在以下局限性：第一，案例选择的代表性问题，由于时间和资源限制，本研究仅选取了部分地区的案例，研究结果的普适性有待进一步验证；第二，数据收集的完整性问题，部分隐性指标的量化仍存在困难，需要进一步探索更有效的测量方法；第三，跨文化比较的不足，本研究主要关注该国家的教育公平状况，未来研究可以进一步开展跨国比较，以增强研究结论的全球意义。未来研究可以进一步扩大案例范围，完善指标体系，加强跨文化比较，同时探索大数据与技术在教育公平测量中的应用，以实现更精细化的评估。

六.结论与展望

本研究通过系统梳理教育公平测量指标的研究现状，结合定量数据分析与定性案例研究，对某国家基础教育阶段的教育公平测量问题进行了深入探讨，最终构建并验证了一套多维度的教育公平测量指标体系。研究结果表明，现有的教育公平测量指标体系在多个方面存在显著不足，难以全面、准确地反映教育公平的复杂性与动态性。基于此，本研究提出的新指标框架通过整合资源均衡性、机会保障性、教育过程公平性与社会流动潜能四个核心维度，并设计相应的具体指标，为教育公平的测量提供了更为科学、全面的工具。研究结果不仅丰富了教育公平测量的理论视角，也为政策制定提供了重要的参考依据。

首先，研究结论表明，教育公平是一个多维度的复杂现象，需要综合运用定量与定性方法进行系统评估。传统的单一维度指标体系，如仅关注资源投入或仅关注学业成就，无法全面反映教育公平的真实状况。本研究提出的四维度指标框架，涵盖了教育公平的多个重要方面，能够更全面地捕捉教育不公的根源与表现形式。资源均衡性维度关注教育资源的分配是否公平，通过城乡生均经费差异、区域教育经费标准差、弱势群体学校资源倾斜度等指标，可以评估不同地区、不同群体间教育资源的差距程度。机会保障性维度关注所有学生是否享有平等的教育机会，通过入学门槛降低程度、户籍制度影响系数、特殊群体入学支持力度等指标，可以评估教育政策是否有效保障了所有学生的入学权利。教育过程公平性维度关注教育过程是否公平，通过教师流动均衡度、课程资源标准化程度、隐性课程内容偏差度等指标，可以评估教育过程中是否存在隐性不公现象。社会流动潜能维度关注教育是否能够促进社会流动，通过升学率差异、职业技能衔接度、毕业生就业结构等指标，可以评估教育是否能够为所有学生提供平等的上升空间。通过这四个维度的综合评估，可以更全面、准确地反映教育公平的真实状况。

其次，研究结论表明，新指标框架能够有效反映教育公平的复杂性与动态性。相比传统的单一维度指标体系，新框架能够更全面地捕捉教育不公的多个方面，并提供更准确的评估结果。例如，资源投入的公平性不仅关注生均经费的多少，还关注资源的配置是否合理，是否能够满足不同地区、不同群体的教育需求。机会保障的公平性不仅关注入学率的高低，还关注入学机会是否平等，是否存在隐性门槛。教育过程的公平性不仅关注教师和课程资源的均衡性，还关注是否存在隐性课程中的偏见。社会流动潜能的公平性不仅关注升学率和就业率的高低，还关注教育是否能够为所有学生提供平等的上升空间。通过这四个维度的综合评估，可以更全面、准确地反映教育公平的真实状况。此外，新框架还注重动态监测，通过引入政策干预效果评估指标，如资源投入变化率、入学率变动趋势等，可以评估教育政策的实施效果，为政策调整提供依据。

再次，研究结论表明，教育公平测量与政策干预之间存在密切的互动关系。通过对教育公平状况的准确评估，可以为政策制定提供重要的参考依据，从而促进教育公平的改善。例如，通过资源均衡性维度的评估，可以发现不同地区、不同群体间教育资源的差距，从而为资源分配政策的制定提供依据。通过机会保障性维度的评估，可以发现教育政策在保障所有学生入学机会方面存在的问题，从而为政策调整提供依据。通过教育过程公平性维度的评估，可以发现教育过程中存在的隐性不公现象，从而为教育过程改革提供依据。通过社会流动潜能维度的评估，可以发现教育在促进社会流动方面存在的问题，从而为教育政策改革提供依据。通过教育公平测量，可以及时发现教育不公的问题，并采取相应的措施进行改进，从而促进教育公平的改善。

基于上述研究结论，本研究提出以下建议：首先，应进一步完善教育公平测量指标体系，构建更为科学、全面的评估工具。应进一步细化现有指标，提高指标的精确度和可操作性。同时，应探索新的测量方法，如大数据分析、等，以提高测量效率和准确性。其次，应加强教育公平测量的实证研究，为政策制定提供更为可靠的依据。应积极开展教育公平测量的实证研究，通过实证研究可以发现教育不公的实际情况，并评估教育政策的实施效果。同时，应加强教育公平测量的跨文化比较研究，以借鉴国际经验，促进教育公平理论的深化。再次，应加强教育公平测量的政策应用，促进教育公平的改善。应将教育公平测量结果应用于政策制定，为教育政策的制定和调整提供依据。同时，应加强教育公平测量的宣传和普及，提高公众对教育公平的认识和重视程度。最后，应加强教育公平测量的国际合作，推动全球教育公平的发展。应积极参与国际教育公平测量合作，共享研究资源，共同推动全球教育公平的发展。

展望未来，教育公平测量指标的研究仍有许多值得探索的方向。首先，随着科技的不断发展，大数据、等技术为教育公平测量提供了新的工具和方法。未来研究可以探索如何利用这些新技术提高教育公平测量的效率和准确性。例如，可以利用大数据分析技术，对学生的学业数据进行深度挖掘，发现不同群体间的学业差距及其形成机制。可以利用技术，开发智能化的教育公平评估工具，对教育公平状况进行实时监测和预警。其次，随着全球化的深入发展，跨文化比较研究在教育公平测量中的重要性日益凸显。未来研究可以加强跨国比较研究，探索不同国家、不同文化背景下教育公平测量的异同，为构建全球教育公平测量体系提供参考。例如，可以比较不同国家在教育公平测量指标体系、测量方法、政策应用等方面的差异，发现其优缺点，为改进教育公平测量提供借鉴。再次，随着社会的发展，教育公平的内涵和外延也在不断扩展。未来研究需要关注教育公平的新问题和新挑战，如教育数字化公平、教育个性化公平等。例如，随着信息技术的普及，教育数字化公平问题日益凸显。不同地区、不同群体在获取数字化教育资源方面存在显著差距，这可能导致新的教育不公现象。未来研究需要关注教育数字化公平问题，探索如何利用技术手段促进教育资源的均衡分配，实现教育数字化公平。最后，随着教育改革的不断深入，教育公平测量也需要不断创新和发展。未来研究需要关注教育改革的新趋势和新要求，探索如何将教育公平测量与教育改革紧密结合，为教育改革提供更为有效的评估工具和决策依据。例如，可以探索如何将教育公平测量与教育评价、教育监测等相结合，构建更为完善的教育管理体系，促进教育事业的健康发展。

总之，教育公平测量指标的研究是一个长期而复杂的过程，需要不断探索和创新。通过完善测量指标体系、加强实证研究、促进政策应用、加强国际合作，可以推动教育公平测量的发展，为促进教育公平提供更为有效的工具和依据。未来研究需要继续关注教育公平的新问题和新挑战，探索新的测量方法和技术，为构建全球教育公平测量体系做出贡献。

七.参考文献

UNESCO.(2015).*Education2030:IncheonDeclarationandFrameworkforActionfortheImplementationofSustnableDevelopmentGoal4*.UNESCOPublishing.

OECD.(2018).*EducationataGlance2018:OECDIndicators*.OECDPublishing.

WorldBank.(2020).*AccesstoQualityEducationforAll:AWorldBankGroupPriority*.WorldBankPublications.

Poiret,G.(1970).*L'éducationetlarépartitiondesrichesses*.PressesUniversitresdeFrance.

Bourdieu,P.(1986).*TheStateNobility:EliteSchoolsintheFieldofPower*.StanfordUniversityPress.

NAEP.(2019).*TheNation'sReportCard:Mathematics2019*.NationalCenterforEducationStatistics.

UNICEF.(2021).*TheStateofGlobalEducation2021:RecoveringEducationfromCOVID-19,ANewSocialContractforEducation*.UNICEF.

AsianDevelopmentBank.(2017).*AddressingEducationalDisparitiesinAsiaandthePacific:EvidenceandOptions*.ADBPublishing.

Chen,X.,&Zhang,Y.(2019).*EducationalEquityinChina:MeasurementandPolicyImplications*.JournalofEducationalPolicy,34(2),123-145.

Alkire,S.,&Foster,J.(2011).*CountingandMeasuringMultidimensionalPoverty*.OxfordPoverty&HumanDevelopmentInitiative.

Sen,A.(1999).*DevelopmentasFreedom*.OxfordUniversityPress.

AmartyaSen.(1983).*DevelopmentandFreedom*.OxfordUniversityPress.

Ravallion,M.,&Chen,S.(2011).*The(New)PalmaRatio*.WorldBankPolicyResearchWorkingPaper,No.5689.

Atkinson,A.B.(1999).*TheDistributionofIncomeandSocialInequality*.OxfordUniversityPress.

Chetty,R.,Hendren,N.,&Saez,E.(2018).*WhereIstheLandofOpportunity?TheGeographyofIntergenerationalMobilityintheUnitedStates*.NBERWorkingPaper,No.24441.

Deaton,A.(2010).*Income,Health,andWell-Being:OldAge,Health,andtheMacroeconomy*.RussellSageFoundation.

Heckman,J.J.(2006).*FromSchoolingtoWork:TheEffectsofCognitiveandNoncognitiveSkillsonEarnings*.JournalofLaborEconomics,24(3),449-478.

Hanushek,E.A.,&Woessmann,L.(2008).*TheRoleofCognitiveSkillsinEconomicDevelopment*.JournalofEconomicLiterature,46(3),869-912.

Hanushek,E.A.,&Woessmann,L.(2016).*MassEducationandEconomicGrowth*.In*EconomicsofEducationinthe21stCentury*(pp.225-254).Routledge.

Barro,R.J.,&Lee,J.W.(2013).*ANewDataSetofEducationalAttnmentintheWorld,1950-2010*.JournalofHumanResources,48(2),357-397.

Psacharopoulos,G.,&Patrinos,H.A.(2010).*ReturnstoInvestmentinEducation:AFurtherUpdate*.WorldBankResearchObserver,25(2),299-326.

Gleeson,J.,&Carless,S.(2012).*TheInternationalHandbookofEducationFinance*.Routledge.

OECD.(2005).*TacklingEducationalDisadvantage:WhatWorksandWhy*.OECDPublishing.

UNICEF.(2013).*TheHiddenCostsofEducation:ExclusionandEquityinGlobalEducation*.UNICEF.

Altonji,J.G.,Elder,L.F.,&Taber,C.R.(2005).*SchoolQualityandEarnings:FurtherEvidence*.TheQuarterlyJournalofEconomics,120(3),965-1028.

Black,S.,&Devereux,P.(2010).*TheLong-TermEffectsofPupils'TeachingQuality*.TheEconomicJournal,120(543),757-780.

Hanushek,E.A.,&Lu,L.(2012).*TheEffectofLanguageonAcademicAchievement:EvidencefromChina*.JournalofDevelopmentEconomics,97(2),297-312.

Cutler,D.M.,&Lleras-Muney,A.(2010).*EducationandInequality*.In*HandbookofDevelopmentEconomics*(Vol.4,pp.3405-3458).Elsevier.

Lleras-Muney,A.(2004).*HowDoesSchoolingAffectCognitiveandNoncognitiveSkills?EvidencefromLatinAmerica*.EconomicDevelopmentandCulturalChange,52(2),417-446.

Murnane,R.J.,&Rubinstein,Q.V.(2010).*WhyDoestheU.S.LeadinEducationalSpendingYetTrlMostOtherCountriesinStudentPerformance?*.TheReviewofEconomicsandStatistics,92(2),199-222.

Woessmann,L.(2005).*TheEconomicEffectsofEducationQuality:StudiesofStudentAchievementintheOECDCountries*.OECDPublishing.

Woessmann,L.(2011).*ThePISAData:HowtoUseIttoUnderstandSchoolingandInequality*.ComparativeEducationReview,55(4),525-558.

Hanushek,E.A.,&Woessmann,L.(2016).*MassEducationandEconomicGrowth*.In*EconomicsofEducationinthe21stCentury*(pp.225-254).Routledge.

Chetty,R.,Hendren,N.,Saez,E.,Turner,M.,&Vidyasagar,S.(2014).*WhereIstheLandofOpportunity?TheGeographyofIntergenerationalMobilityintheUnitedStates*.NBERWorkingPaper,No.18884.