Ocena zróżnicowania poziomu edukacji i wykształcenia w kontekście celów edukacyjnych w krajach UE-27

Autor

  • Beata Kasprzyk Uniwersytet Rzeszowski

DOI:

https://doi.org/10.15584/nsawg.2026.1.1

Słowa kluczowe:

edukacja i nierówności, analiza danych, metody klasyfikacji, analiza porównawcza

Abstrakt

Pomiar efektów edukacyjnych jest zjawiskiem złożonym i wieloaspektowym, a jego ocena zależy od przyjętych źródeł danych i zastosowanych rozwiązań metodycznych. Celem artykułu jest przedstawienie i ocena pozycji krajów UE-27 w zakresie osiągnięć edukacyjnych poprzez obliczenie zmiennej syntetycznej wygenerowanej na podstawie określonych zmiennych w 2015 i 2024 r. Do jego realizacji przeprowadzono wielowymiarową analizę metodą TOPSIS.
Wyniki zrealizowanych badań empirycznych wskazują, że nastąpiły istotne zmiany w poziomach i dynamice w analizowanych obszarach edukacji. W rezultacie wielowymiarowej analizy określono zróżnicowanie poziomu rozwoju oraz postępy w tym obszarze dla krajów UE-27. Badane kraje charakteryzują się dużym zróżnicowaniem z punktu widzenia analizowanych obszarów. Sytuację w zakresie edukacji w krajach o najwyższym poziomie rozwoju uznano za prawie dwukrotnie lepszą niż w krajach o najniższym poziomie rozwoju. Spośród krajów europejskich Polska zyskała, przesuwając się o kilka lokat w górę w ogólnym rankingu UE-27. Korzystne przemiany wymagają dalszej ewaluacji systemów edukacji i wykształcenia oraz stałego monitoringu wyników.

Downloads

Download data is not yet available.

Bibliografia

zasad Europejskiego Filaru Praw Socjalnych. Pobrano z: https://op.europa.eu/webpub/empl/european-pillar-of-social-rights/pl/ (2024.11.08).

Bogacka, E., Hauke, J., Tobolska, A., Weltrowska, J. (2021). Zróżnicowanie postaw społecznych uczniów i nauczycieli z województwa wielkopolskiego w czasie pandemii Covid-19. Poznań: Wyd. UAM.

Domański, R.S. (1993). Kapitał ludzki i wzrost gospodarczy. Warszawa: Wyd. Naukowe PWN.

EU Strategic Agenda for 2019–2024. Pobrano z: https://european-union.europa.eu/priorities-and-actions/eu-priorities/european-union-priorities-2024-2029 (2026.01.08).

Europa 2020. Strategia na rzecz inteligentnego i zrównoważonego rozwoju sprzyjającego włączeniu społecznemu (2010). Bruksela. Pobrano z: https://ec.europa.eu/eu2020/pdf/1_PL_ACT_part1_v1.pdf. (2025.11.07).

Europa 2020: strategia Unii Europejskiej na rzecz wzrostu gospodarczego i zatrudnienia. Pobrano z: http://eur-lex.europa.eu/legal-content/PL/TXT/?uri=URISERV:em0028 (2025.11.05).

Fonseca, L.M., Domingues, J.P., Dima, A.M. (2020). Mapping the Sustainable Development Goals Relationships. Sustainability, 12, 3359. DOI: 10.3390/su12083359.

Frey, C.B., Osborne, M.A. (2017). The Future of Employment: How Susceptible Are Jobs to Computerization? Technological Forecasting and Social Change, 114, 254–280. DOI: 10.1016/j.techfore.2016.08.019.

Fura, B., Wojnar, J., Kasprzyk, B. (2017). Ranking and classification of UE countries regarding their levels of implementation of the Europe 2020 strategy. Journal of Cleaner Production, 165, 968–979. DOI: 10.1016/j.jclepro.2017.07.088.

Gefter, A. (2010). Jeremy Rifkin and the Third Industrial Revolution. New Scientist, 205(2747), 1–46. DOI: 10.1016/s0262-4079(10)60370-3.

Hibszer, A., Tracz, M. (2021). The Impact of Covid-19 on education in Poland: Challenges related to distance learning. Geographia Polonica, 94(3), 397–411. DOI: 10.7163/GPol.0211.

Horrigan, J. (2016). Digital Readiness Gaps, Pew Research Centre. Internet and Technology. Pobrano z: https://www.pewresearch.org/internet/2016/09/20/the-meaning-of-digital-readiness/ (2025.10.05).

https://ec.europa.eu/eurostat, (2025.11.15).

Huang, Y. (2024). The Labor Market Impact of Artificial Intelligence: Evidence from US Regions. International, Monetary Fund Working Paper, 199, 1–53. DOI: 10.5089/9798400288555.001.

Hwang, C.L., Yoon, K. (1981). Multiple Attribute Decision Making. Methods and Applications A State-of-the-Art Survey. New York, Berlin, Heidelberg: Springer-Verlag. DOI: 10.1007/978-3-642-48318-9.

Ivanova, A., Budzewski, M., Sienkiewicz, Ł. (2025). Rynek pracy, edukacja, kompetencje. Aktualne trendy i wyniki badań (grudzień 2025). Warszawa: PARP.

Kasprzyk, B., Wojnar, J. (2010). Nierówności dochodowe gospodarstw domowych w regionie podkarpackim. Nierówności Społeczne a Wzrost Gospodarczy, 17, 476–485.

Kształcenie i szkolenie 2020. ET 2020. Pobrano z: http://op.europa.eu eu/publication-detail/ (2025.12.10).

Kwiatkowski, S. (red.) (2018). Kompetencje przyszłości. T. 3. Warszawa: Wyd. FRSE.

Malina, A., Zeliaś, A. (1997). Taksonomiczna analiza przestrzennego zróżnicowania jakości życia ludności w Polsce w 1994 r., Przegląd Statystyczny, 44(1), 11–27.

Monitor Edukacji i Szkoleń 2025. Raport porównawczy. Pobrano z: https://op.europa.eu/webpub/eac/education-and-training-monitor/en/comparative-report/chapter-5.html; https://op.europa.eu/en/publication-detail/-/publication/ (2025.12.02).

Nowak, E. (1990). Metody taksonomiczne w klasyfikacji obiektów społeczno-gospodarczych. Warszawa: PWN.

ONZ (2015). Przekształcamy nasz świat: Agenda na rzecz zrównoważonego rozwoju 2030. Pobrano z: https://www.gov.pl/web/rozwoj-technologia/agenda-2030 (2026.01.11).

Ostasiewicz, W. (red.) (1998). Statystyczne metody analizy danych. Wrocław: Wyd. AE we Wrocławiu.

Panek, T. (2009). Statystyczne metody wielowymiarowej analizy porównawczej. Warszawa: Oficyna Wydawnicza SGH.

Plan działania w ramach Europejskiego Filaru Praw Socjalnych. Pobrano z: https://op.europa.eu/webpub/empl/european-pillar-of-social-rights/pl/ (2025.12.11).

Proces Boloński 2020 – Europejski Obszar Szkolnictwa Wyższego w nowej dekadzie. Pobrano z: https://education.ec.europa.eu/pl/education-levels/higher-education/inclusive-and-connected-higher-education/bologna-process (2025.12.08).

Priorities of the European Union 2019–2024. Pobrano z: https://ec.europa.eu/info/strategy/priorities-2019-2024/eco (2025.10.05).

Rokicka, E., Woźniak, W. (2016). W kierunku zrównoważonego rozwoju. Koncepcje, interpretacje, konteksty. Łódź: Wyd. UŁ.

Sieja, M., Wach, K. (2023). Revolutionary artificial intelligence or rogue technology? The promises and pitfalls of ChatGPT. International Entrepreneurship Review, 9(4), 102–114. DOI: 10.15678/IER.2023.0904.07.

Schulz, T.W. (1961). Education and Economic Growth. No 1. Chicago: University of Chicago Press.

Scripcar, M., Ciobanu, R. (2021). Can Income Inequality Be Reduced Through Economic Development And Education? An EU-27 Panel Analysis, Cross Cultural Management Journal, 2, 157–169.

SDG 4: quality education (2025). Pobrano z: https://ec.europa.eu/eurostat/web/products-eurostat-news/w/ddn-20250904-1 (2025.12.02).

Sztuczna inteligencja w edukacji – perspektywy i zagrożenia. Pobrano z: https://www.parp.gov.pl/ (2025.12.12).

The Sustainable Development Goals Report 2021 (2021). United Nations. Pobrano z: https://unstats.un.org/sdgs/report/2021/ (2025.11.12).

World Economic Forum (2023). The Future of Jobs Report 2025. Pobrano z: https://www.weforum.org/reports/the-future-of-jobs-report-2025 (2025.10.12).

Vocational education and training. Pobrano z: https://op.europa.eu/webpub/eac/education-and-training-monitor/en/comparative-report/chapter-5.html (2025.12.06).

Yoon, K., Hwang, C.L. (1995). Multiple Attribute Decision Making: An Introduction. Thousand Oaks: Sage Publications.

Zalite, G.G., Zvirbule, A. (2020). Digital readiness and competitiveness of the EU higher education institutions: The COVID-19 pandemic impact. Emerging Science Journal, 4(4), 297–304. DOI: 10.28991/esj-2020-01232.

Pobrania

Opublikowane

2026-03-31

Jak cytować

Kasprzyk, B. (2026). Ocena zróżnicowania poziomu edukacji i wykształcenia w kontekście celów edukacyjnych w krajach UE-27. Nierówności Społeczne a Wzrost Gospodarczy, (85), 5–27. https://doi.org/10.15584/nsawg.2026.1.1

Numer

Dział

Artykuły