1. dia

Nemzetkzi vizsglatok

1

IEAInternational Association for the Evaluation of Educational AchievementOktatsi-nevelsi eredmnyek nemzetkzi rtkelsnek trsasga

UNESCO javaslatra jtt ltre 1961-benLtrejttnek f oka: szputynyik-sokkCl: oktatsi rendszerek vizsglataMrsei:1964: els felmrs1970: termszettudomnyok mrse (FISS) s tanuls krnyezeti felttelei (tanteremkutatsok) (24 orszg)1980: II. Nemzetkzi matematikai Vizsglat (SIMS)1983: II. termszettudomnyok mrse (SISS)1991: olvass vizsglat (alapmveltsg nemzetkzi ve)1995: III. termszettudomnyok mrse (TIMSS) (mr 45 orszg)1999: III. Nemzetkzi Mat. s term.tud. Vizsglat ismtls(TIMSS-R)2003: III. Nemzetkzi Mat. s term.tud. Vizsglat trendkvets (TIMSS-T)Mo: 1968-ban csatlakozik

2

Kutatsi krlmnyekNagy ltszm mintaTbb korosztly (fleg alapfok)Figyelembe vettk a klnbsgeket:Lnyok-fik kzttTeleplsek szerintTeljestmny-tanulsi idrdekldscsald szociokonmiai sttusza

3

TIMSSTrends in International Mathematics and Science Study

(Nemzetkzi Matematika- s Termszettudomnyi Vizsglat) Clja, a 4. s 8. vfolyamon tanul dikok matematika s termszettudomnyi ismereteit vizsglja, illetve ezzel sszefggsben kpet adjon az iskolai s otthoni tantsi-tanulsi szoksokrl.

4

Matematika2007-ben 59 orszg vett rsztMagyarorszgon 10536 dik tlttte ki (2007-ben)4. vfolyamon 179, 8.ven 215 krdst kellett kitltenik, melyre 2*36, ill. 2*45 perck volt+httrkrdvek

5

EredmnyekMagyarorszg (1995, 2003, 2007):Szignifiknsan cskken az eredmnyDe mg gy kimagaslak az eredmnyek:8. vfolyamon a 6.helyen vagyunk, 4.vfolyamon is az tlag felett (15. helyezs)

6

TermszettudomnyEl vilg, fizika vilg, fldtudomny174, ill. 214 krdsKimagaslan j eredmnyek, nemcsak a trsgben, de a kontinenst tekintve is.4. v: 9. helyezs (4 tvol-keleti orszg, Oroszo., Letto., Angol, USA utn)8.v: 6. hely (tvol-keletiek, Anglia utn)4. ven folyamatos javuls 1995-hz kpest!508, 530, 536 pont 8.v: 537, 552 (1999), 543, 539Feladatok: http://www.timss.hu/feladatok/

7

PISAProgramme for International Student Assessmentnemzetkzi tanuli tudsszintmr program OECD kezdemnyezse (Gazdasgi Egyttmkdsi s Fejlesztsi Szervezet )Cl: mrni, felksztik-e az iskolk a gyerekeket a 21. sz. kihvsairajdonsga: nem lexiklis tudst mr3 venknt ismtlik Minta: 15 ves gyerekekNagysga 4.000-10.000

8

Alapelva PISA-vizsglat nem nemzetek versenye, hanem egy olyan eszkz, amelynek segtsgvel a rsztvev orszgok oktatspolitikusai idrl idre kpet kaphatnak kzoktatsuk llapotrl, gyengesgeirl s erssgeirl, illetve arrl, hogy az eredmnyek kapcsn vagy attl fggetlenl bevezetett vltoztatsok hogyan rhetk tetten az eredmnyekben.

PISAMinden vizsglatolvass + matematika +termszettudomnyi felmrst tartalmaz, De minden felmrst msra hegyeznek ki2000: olvass2003: matematika2006: termszettudomnyi

10

Felgyelet OECD Titkrsga, szkhelye Prizs.Fbb irnyvonalait a tagorszgok kldttei s megfigyeli szabjk meg. Minden orszgban egy kzpont felel a megvalstsrt. Magyarorszgon: az OH Kzoktatsi Mrsi s rtkelsi Osztlya. A felmrs 4 x flrs tesztbl ll + 20-30 perces httrkrdv kitltsbl. Az eredmnyeket, rtkelseket a mrst kvet vben teszik kzz.

Kzoktatsi Mrsi s rtkelsi Osztly vlemnyeA magyar dikok jval az tlag alatt teljestettek szvegrtsbl, s csak kevssel jobban matematikbl s a termszettudomnyokbl is. A dikok negyede-tde egyltaln nem rti, amit olvas.

12

A felmrs Tartalmi kereteSzvegrts az rott szvegek megrtse, felhasznlsa s az ezekre val reflektls annak rdekben, hogy az egyn elrje cljait, fejlessze tudst s kpessgeit, s hatkonyan rszt vegyen a mindennapi letben.

A szveg formja:

A szvegrtsi mvelet tpusa:

A szveg clja, a feladat kontextusa:

FolyamatosNem folyamatosSzemlyes KzssgiMunka s tanulsInformci-visszakeressrtelmezsReflektlsPldafeladatok: www.oecd-pisa.hu

13

A felmrs Tartalmi kereteMatematikai eszkztudsolyan gondolkodsmd, amely hozzsegti a dikokat a matematikailag lerhat mindennapi problmk megrtshez, modellezshez s megoldshoz.

A feladat tartalmi kategrija:

A feladat kszsgosztlya:

A feladat kontextusa: MennyisgVltozsok s relcikTr s alakzatBizonytalansgReproduktvIntegratvKreatvSzemlyes Kzssgi, trsadalmiTudomnyos

14

Vlasz: 12 600 ZAR (mrtkegysg nem szksges)Vlasz: 975 SGD (mrtkegysg nem szksges)A szingapri Mei-Ling cseredikknt hrom hnapra Dl-Afrikba kszl. Szingapri dollrt (SGD) kellett dl-afrikai randra (ZAR) vltania. 1. krdsMei-Ling megtudta, hogy a szingarpri dollr s a dl-afrikai rand kztti tvltsi arny a kvetkez:1 SGD = 4,2 ZARMei-Ling 3000 szingarpri dollrt vltott dl-afrikai randra ezen a valutarfolyamon.Mennyi pnzt kapott Mei-Ling dl-afrikai randban? 2. krdsAmikor Mei-Ling 3 hnap utn visszatrt Szingaprba, mg maradt 3 900 ZAR-ja. Ezt visszavltotta szingarpri dollrra s szrevette, hogy a valutarfolyam megvltozott: 1 SGD = 4,0 ZARMennyi pnzt kapott Mei-Ling szingarpri dollrban? Pldafeladatok a matematika terletrl (Valutarfolyam)Tartalmi terlet: mennyisgMveleti csoport: reproduktvKontextus: kzssgiFeladatforma: rvid vlaszTartalmi terlet: mennyisgMveleti csoport: reproduktvKontextus: kzssgiFeladatforma: rvid vlasz

15

Pldafeladatok a matematika terletrlBetrsekrtkels:2 pont - Nem, nem rtelmezte helyesen, Rmutat, hogy a diagramnak csak egy kis rsze lthat, VAGY hogy az arnyos ill. szzalkos nvekeds nem nagy, VAGY hogy tendencira vonatkoz adatokra volna szksg.1 pont Nem, nem rtelmezte helyesen, de hinyoznak a magyarzat rszletei. (pl. a betrsek szma kzti klnbsggel foglalkozik, s nem veti ezt ssze a betrsek teljes szmval )

Egy tvriporter az albbi diagramot mutatva a kvetkezket mondta:A diagram szerint a betrsek szma risit ntt 1999-ben 1998-hoz kpest.Mit gondolsz, helyesen rtelmezte a riporter a diagramot? Vlaszodat indokold is meg!Tartalmi terlet: bizonytalansgMveleti csoport: integratvKontextus: szemlyesFeladatforma: nylt vg

16

A felmrs Tartalmi kereteTermszettudomnyos eszkztudsaz a kpessg, amely segtsgvel termszettudomnyos ismeretekbl tnyeken alapul kvetkeztetseket vagyunk kpesek levonni annak rdekben, hogy megrtsk a termszetet, s dntseket hozhassunk a vilgrl s mindazokrl a vltozsokrl, amelyeket az emberi tevkenysg a vilgban okoz.

A feladat tartalmi kategrija: tudsterletek s a termszettudomnyok ismereteA gondolkodsi mvelet tpusa:A feladat kontextusa:

Fizikai rendszerekl rendszerekA Fld s a vilgegyetem rendszereiTermszettudomnyos kutatsTermszettudomnyos magyarzatokA termszet- s mszaki tudomnyok a trsadalombanTermszettudomnyos problmk felismerseTermszettudomnyos jelensgek lersa, magyarzata s elrejelzse Kvetkeztetsek levonsa termszettudomnyos bizonytkok felhasznlsa alapjnSzemlyesTrsadalmiGloblis

17

Szvegrts eredmnyekAz orszgok teljestmny-eloszlsa a kpessgskln

A populci 90%-t tartalmaz intervallum

Az tlag krli 95%-os konfidencia-intervallum

18Konfidencia szint = megbzhatsgi szintIntervallum hny % os valsznsggel tartalmazza a jellemzt?Adott: az intervallum s a konfidencia szint (valsznsg) = szignifikancia szint / mindig a hibalehetsg valsznsge (pl. nem tartalmazza)(1 - ) = konfidencia szint

KpessgszintekKutatsok is bizonytottk, hogy az tlagosnl egyszrsnyival magasabb kpzettsg emberek hatsa a gazdasgi nvekedsre hatszor akkora, mint azok, akiknek a kpzettsge egyszrsnyival az tlag alatt van

KpessgszintekEgy orszg tlageredmnybl nem tudjuk meghatrozni, mekkora a legjobban teljestk arnya az adott orszgban. Pldul, 2006-ban Korea 522 pontos tlageredmnye az egyik legjobb termszettudomnyi eredmny, mg az Egyeslt llamok 489 pontos teljestmnye gyengbb az OECD-orszgok tlagnl. Mindezek ellenre a 6. kpessgszintbe a dikok ugyanakkora hnyada tartozik az Egyeslt llamokban, mint Koreban.

1. kpessgszint (358-420 pont alatt)Az 1. szinten teljest dikok kpesek arra, hogy olyan ismers helyzetekre, sszefggsekre vonatkoz krdseket vlaszoljanak megamelyek megfogalmazsa knnyen rthet, s a vlaszhoz szksges informcik rendelkezskre llnak. Kzvetlen utastsokat kvetve rutinszer eljrsokat tudnak alkalmazni egyrtelm helyzetekben. Kpesek olyan egyrtelm lpsek megttelre, amelyek nyilvnvalan kvetkeznek a feladat kontextusbl.

2. kpessgszint (420482 pont kztt) A 2. szinten teljest dikok kpesek a feladathelyzetbl kzvetlenl megrthet szitucik tltsra s rtelmezsre. Kpesek arra, hogy egyetlen forrsbl megszerezzk a szksges informcikat, s egyetlen reprezentcit alkalmazzanak. Ezen a szinten a dikok egyszer algoritmusokat, kpleteket, eljrsokat s szokvnyos megoldsi technikkat vesznek ignybe. Kpesek egyszeren rvelni s sz szerint rtelmezni eredmnyeiket.

3. kpessgszint (482544 pont kztt) A 3. szinten teljest dikok kpesek egyrtelmen lert eljrsok elvgzsre, amelyek szekvencilis dntsi pontokat is magukban foglalhatnak. Egyszer problmamegold stratgikat tudnak kivlasztani s alkalmazni. Ezen a szinten a dikok klnbz informciforrsokon alapul reprezentcikat rtelmeznek s alkalmaznak, majd ezek alapjn rveket fogalmaznak meg. Kpesek arra, hogy rviden lerjk rtelmezsket, eredmnyeiket s gondolatmenetket.

4. kpessgszint (544606 pont kztt) A 4. szinten teljest dikok hatkonyan tudnak alkalmazni konkrt szitucikat egyrtelmen ler modelleket, amelyek megalkotsa szksgess teheti a modellek alkalmazhatsgi feltteleinek meghatrozst. Kpesek arra, hogy kivlasszanak s egyestsenek klnbz, akr szimbolikus reprezentcikat, s kzvetlenl sszekapcsoljk azokat a valsgos szitucik klnbz aspektusaival. Ezen a szinten a dikok kpesek rugalmasan rvelni s korltozott mrtkben rtelmezni szitucikat. Pontosan meg tudjk fogalmazni a problma rtelmezsn s az elvgzett lpseken alapul magyarzataikat s rveiket.

5. kpessgszint (606668 pont kztt) Az 5. szinten teljest dikok kpesek arra, hogy egy sszetett problmra modellt alkossanak, majd azt gy alkalmazzk, hogy meghatrozzk a modell alkalmazhatsgnak feltteleit. A modellekhez kapcsold sszetett problmk lehetsges megoldsi mdjait kpesek kivlasztani, sszehasonltani s rtkelni. A dikok kvetni tudjk a kivlasztott megoldsi stratgit, s ehhez felhasznljk szles kr s magas szint gondolkodsi s rvelsi kpessgeiket, kszsgeiket, a megfelel reprezentcikat, szimbolikus s formlis lersokat s a szituci rtelmezst. Reflektlnak az elvgzett lpsekre, s meg tudjk fogalmazni rtelmezsket s gondolatmenetket.

6. kpessgszint (668 pont felett) A 6. szinten teljest tanulk kpesek sszetett problmk vizsglatbl s modellezsbl kapott informcik rtelmezsre, ltalnostsra s felhasznlsra. Kpesek a klnbz informciforrsokat s reprezentcikat sszekapcsolni s egymsnak megfeleltetni. Ezen a szinten a dikok fejlett matematikai gondolkodsra s rvelsre kpesek. tleteiket s megltsaikat arra hasznljk, hogy a szimbolikus s formlis matematikai mveletek s kapcsolatok magas szint alkalmazsval jszer szitucik megoldsra j megoldsi mdokat s stratgikat alkossanak. Pontosan meg tudjk fogalmazni lpseiket, az eredmnyeikkel s azok rtelmezsvel kapcsolatos gondolataikat, tovbb az eredmnyeket az eredeti problma szempontjbl tudjk vizsglni, rtelmezni.

A szvegrtsi szintek s az egyes szinteken lv tanulk kpessge

10%(4,9)22%(26,7)12%(14,4)6%(6,1)22%(17,6)29%(30,2)OECD tlag

5. szint4. szint3. szint2. szint1. szint1. szint alatt

27

Magyarorszg esetben 5. szint: dikok 4,9 %-a4. szint: dikok 17,6 %-a3. szint: dikok 30,2 %-a2. szint: dikok 26,7 %-a1. szint: a dikok 14,4-a1. szint alatt: a dikok 6,1 %-a

Szvegrts eredmnyekAz egyes kpessgszinteken teljest dikok arnya

5.szint4.szint3.szint2.szint1.szint1.szint alatt

29

Matematika eredmnyekAz orszgok teljestmny-eloszlsa a kpessgskln

A populci 90%-t tartalmaz intervallum

Az tlag krli 95%-os konfidencia-intervallum

30

A matematika szintek s az egyes szinteken lv tanulk kpessge

OECD6. szint5. szint4. szint3. szint2. szint1. szint

1. szint alatt

15%(15,2)21%(23,8)22%(24,3)18%(18,2)10%(8,2)

4%(2,5)11%(7,8)

31

Matematika eredmnyekAz egyes kpessgszinteken teljest dikok arnya

5.szint4.szint3.szint2.szint1.szint1.szint alatt6.szint

32

Iskolatpusokknt

33

Iskolatpusokknt

34

Eredmnyek 200341 orszg vett rszt.Magyarorszg eredmnye:az olvassi, szvegrtsi kpessgek: 25.problmamegold kpessgek: 20.az alkalmazott matematikai tuds: 25.termszettudomnyos ismeretek alkalmazsnl: 17.

35

36

200651 orszg vett rszt

37

2006

Magyar termszettudomny-oktats kevesebb aggodalomra ad okot, mint a szvegrts s a matematik. A leszakadk arnya viszonylag alacsony (15%, szemben a szvegrtssel s a matematikval, ahol meghaladja a 20%-ot), s a lemarad dikok teljestmnye is jobb, mint a legtbb orszg hasonl helyzetben lv dikjai, egy rszk felzrkztatsa teht nem remnytelen. Az orszgok egy msik csoportjban, ahov Franciaorszg, Ausztria, Csehorszg, az Egyeslt llamok s Belgium tartozik, a jobb tlageredmny ellenre tbb dikot fenyeget a leszakads veszlye. Igaz, ezekben az orszgokban a kiemelked eredmnyt elrt dikok arnya is magasabb, gy a trsadalom s a gazdasg szlesebb szakemberbzisra tmaszkodhat majd

.

Jvedelemhez viszonytott eredmnyA pontokra illesztett egyenes alatt tallhat orszgok rosszabb, a felette elhelyezkedk jobb eredmnyt rtek el, mint ahogyan az a gazdasgi mutatik alapjn vrhat volt.Magyarorszg mindkt esetben az egyenes felett lthat. De nem a magyar oktatsi rendszer hasznostja annyira jl az llami rfordtsokat, Hanem Magyarorszgon annyira alacsony a kt vizsglt gazdasgi mutat rtke az OECD-orszgok tbbsghez kpest, hogy ahhoz viszonytva a magyar oktats sznvonala trvnyszeren magasabb.

Az egy fre jut nemzeti jvedelem fggvnyben OECD-orszgok termszettudomnyi eredmnyeit.

egy dikra es rfordts fggvnyben

Anyagi rfordts - konklzia viszonylag alacsony oktatsi rfordts s a kzoktats gyengbb teljestmnye kztt nincs felttlenl ok-okozati kapcsolat.Az oktatsi rfordts a j tanuli teljestmnyek elengedhetetlen felttele ugyan, de nmagban nem garantlja a magas sznvonal kzoktatst

PIRLS vizsglat Progress for International Reading Literacy Study Nemzetkzi Felmrs a Tanuli Olvassteljestmny KvetsrtA vizsglat clja a 9 s 10 vesek olvass- szvegrtsi kpessgnek, illetve az otthoni s az iskolai olvass-tanulsi szoksaik vizsglata. 4. osztlyosok olvasst mri4. osztly az olvasstants kritikus pontja, ugyanis eddig a gyerekek olvasni tanultak, ezutn annak rdekben olvasnak, hogy tanuljanak.

45

TrtneteElzmnye: 1990-91-ben az IEA Reading Literacy Study elnevezs vizsglata32 rsztvevnek (Magyarorszg is)2001-ben volt az ismtelse az IEA 1991-es szvegrtsi vizsglatnak, amelyben orszgunk szintn rszt vett. Ez a felmrs volt az n. PIRLS-Trend vizsglat (Trends in Childrens Reading Literacy Achievement 1991-2001).2006-ban mr 45 orszg rszvtelvel zajlott

Eredmnyek A 2001-s vizsglat eredmnyeknt szmtottak egy nemzetkzi tlagot (500 pont) Magyaroszg: 543 pont2006-ban is maradt az 500 pont, de ez mr nem nemzetkzi tlag, viszont alkalmas a fejlds mrsre.Magyarorszg eredmnye kimagasl (551 pont), csak 4 orszg teljestett jobban, 11 orszg hasonlan, 30 gyengbbenJavult az eredmny 2001-hez viszonytva

(16.oldal)Javuls: 18.oldalOroszorszgban oktatsi reformot hajtottak vgre, a korbbi 3 ves alsfok kpzst 4 vre emeltk, 6 ves beiskolzst 7 vre, gy az lt. iskolban tlttt vek 10,3 vrl 10,8 vre ntt. Ez magyarazza a hatalmas fejldst.A lnyok minden orszgban jobban olvasnak mint a fik.47

FelmrsFelmrs 2 x 40 percwww.pirls.hu n elrhetek a korbbi feladatlapok( jra mr nem fogjk felhasznlni ket)Az IEA-PIRLS httr-informcikat is gyjt:A tanulk, szleik, a mintba bekerlt osztly tantja s az iskolaigazgat is kap egy krdvet.

FeladatokFeladatai:jellemz a vltozatos feladatforma, klnbz gondolkodsi mveletek vgrehajtsra sztnzek,klnbz olvassi cl szvegek:irodalmi lmnyszerzsre, informciszerzsre s felhasznlsra rdott szvegek.

Gondolati mveletekkonkrt informcik felismerse s visszakeresse egyenes kvetkeztetsek levonsa,ok-okozati sszefggsek felismerseadatok, gondolatok rtelmezse, sszefoglalsa, a szveg tfog zenetnek, tmjnak megllaptsaa szveg nyelvi, tartalmi s szerkesztsbeli elemeinek megllaptsa, informcik rtkelse, a trtnetben szerepl esemny valsznsgnek felismerse

rdekessgekA lnyok minden orszgban jobban olvasnak mint a fik.Magyarorszgon a dikok lnyegesen jobban teljestenek az lmnyszerz szveg megrtsben, mint informciszerz szvegek megrtsben.2001-hez kpest mindkt terleten javult a helyzet, de csak az lmnyszerzn szignifiknsan.

51

PIRLS kontra PISAPIRLS szvegrts meghatrozsa:Olyan nyelvi alakok megrtsnek s hasznlatnak a kpessge, amelyeket a trsadalom megkvn, s amelyeknek az egyn jelentsget tulajdont. A fiatal olvask sokfle szvegbl kpesek jelentst alkotni. Olvasnak, hogy tanuljanak, hogy rszt vegyenek az olvask kzssgeiben, az iskolban, a htkznapokban, valamint olvasnak pusztn kedvtelsbl.

PIRLS kontra PISAPISA szvegrts meghatrozsa: rott szvegek megrtse, felhasznlsa s az ezekre val reflektls annak rdekben, hogy ezltal az egyn elrje cljait, fejlessze tudst s kpessgeit, s hatkonyan rszt vegyen a mindennapi letben.

OKOKA magyar nyelv s irodalom oktatsnak nem elsdleges clja a szvegrts fejlesztseaz irodalomoktats fleg az lmnyszerz szvegek rtst erstiezrt a tudomnyos szvegek megrtse nem fejldik ms orszgok tembena szvegrts fejlesztse egyik tantrgynak sem rszetantervi kettssg:4. osztlyig fejlesztsfelsbb vfolyamokon tananyagtantssem kedvez a PISA eredmnyeknek

Hazai vizsglatokAz els nagyszabs olvassvizsglat: 1962Kzponti Statisztikai Hivatal felmrseKi-mit olvas krdsre sszpontostvaOrszgos Kzoktatsi Intzet rtkelsi s rettsgi Vizsgakzpont1986 taMonitor vizsglatok

55

Monitor kutatsokReprezentatvltalnos iskolk esetn teleplstpus szerintKzpiskolknl iskolatpusonknt4., 6., 8., 10., 12. vfolyamon

56

Monitor kutatsokOrszgos szint tanuli teljestmnymrsolvass-szvegrts, matematikai s szmtstechnikai-informatikai ternAz orszgos felmrs clja:az oktatspolitika s a szakma szmra empirikus adatokon alapul informci lljon rendelkezsre. 1986, 1991, 1993, majd 2 venteUtoljra 2005-ben volt ilyen tpus mrs.

57

Plda az eredmnyekblOlvassMatematikaBudapest9,252,39Megyei jog vrosok9,930,92Egyb vrosok11,914,95Kzsgek13,074,52Orszgos tlag11,983,24

Az ismtld feladatokat sikeresen megold nyolcadik osztlyos tanulk arnynak vltozsa az 1991-es s az 1995-s Monitor vizsglatokban (a vltozs mrtke %-ban)

58

Plda az eredmnyekblA Monitor vizsglat hdfeladatait sikeresen megoldk szzalkos arnynak vltozsa teleplstpusonknt 1995 s 1997 kztt OlvassMatematika4.8.10.12.4.8.10.12.vf.vfolyamvfolyamvfolyamvfolyamvfolyamvfolyamvfolyamBudapest7,380,693,8471,694,133,030,42Megyeszkhely5,811,297,134,036,181,591,604,27Egyb vros2,131,565,242,647,541,143,744,3Kzsg5,651,364,960,72Orszgos tlag5,10,255,74,595,460,232,823,05

59

A tanulk teljestmnye (1999)

SzmtstechnikasszpontHardverSzoftverFogalmakEgyb elmlet61,1%62,2%61,0%61,1%60,7%

SzvegrtsTeljes populciFvrosKszsgeksszesdokumentumelbeszlmagyarzdokumentumelbeszlmagyarzdokumentumelbeszlmagyarz

tlag55,7%50,1%59,0%60,3%55,7%65,9%67,1%43,4%51,6%52,9%

60

Szmtstechnika

61

Matematika

62

Termszettudomny

200250300350400450500550600650700FinnorszgKoreaJapnLengyelorszgFranciaorszgEgyesltllamokNmetorszgAusztriaLettorszgCsehorszgMagyarorszgOlaszorszgSzlovkiaOroszorszgMexikSzvegrtsi kpessg0%10%20%30%40%50%60%70%80%90%100%FinnorszgKoreaJapnFranciaorszgLengyelorszgEgyesltllamokNmetorszgAusztriaLettorszgCsehorszgMagyarorszgOlaszorszgSzlovkiaOroszorszgMexik200250300350400450500550600650700FinnorszgKoreaJapnCsehorszgFranciaorszgAusztriaNmetorszgSzlovkiaLengyelorszgMagyarorszgLettorszgEgyesltllamokOroszorszgOlaszorszgKpessgpontDiagram1406.43402134.19727284313.65789412693.6578941269132.2211789031387.833148.04740729296.34696215716.3469621571141.6577883929360.91292165.35276322137.87081834877.8708183487148.1780800813357.98412151.52152725596.94935290416.9493529041148.4915669359352.36018153.53244108544.90685244464.9068524446140.4550740254353.40396145.80529077596.40173251416.4017325141146.1583241959324.03802172.44578280116.50172933896.5017293389152.1890185211342.3742149.24810419626.56115179386.5611517938143.7053122162343.40238141.92833201614.90806406394.9080640639144.7814798561335.27028149.18043343325.56167894685.5616789468148.2177886732339.22728136.92045648567.22721205447.2272120544135.6791794056322.96306154.14265253195.77932593815.7793259381149.3010355919318.50754141.67097014078.22814387938.2281438793145.7674421007307.22856152.40858843456.02706165556.0270616555151.5522082545

5th ScoreLow SEMeanHighSE95th ScoreKpessgpont

Data Fig 2.6cPercentage of students at each level of proficiency on the reading scale2000Data frm Alla 14 Sept 2004From Eveline Sep102003SE AnchoringCrit TCountryPercentilesCountryPercentiles5th10th25th50th75th90th95th5th10th25thmean75th90th95th5th10th25thmean75th90th95thtttttttScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.cntp.05p.10p.25p.75p.90p.95ScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.OECD Countriesstat.M1se.M1stat.M2se.M2stat.M3se.M3stat.M4se.M4stat.M5se.M5stat.M6se.M6OECD Countries6.010.310.190.41-0.12-0.59-0.44-0.361.651.962.575Australia350(8.0)387(6.6)454(6.0)520(3.1)588(3.8)649(5.6)684(5.0)AUSAUSTRALIA3508.83875.94545.35883.36496.36844.5Australia347(4.7)385(3.8)450(3.3)521(2.3)592(2.6)653(3.1)687(3.8)6.01-0.17-0.29-0.03-0.68-1.03-1.43-1.361.96Austria332(6.8)368(3.3)438(4.5)510(2.8)583(4.2)646(6.2)685(3.1)AUTAUSTRIA3326.63683.94385.25833.66465.46853.5Austria334(5.5)371(5.6)438(4.4)515(3.5)592(3.8)661(5.0)698(6.8)6.01-1.75-1.48-2.16-3.89-4.82-5.39-3.771.96Belgium322(8.2)367(7.7)435(5.0)502(3.1)574(3.0)631(3.3)668(7.1)BELBELGIUM3227.63678.14355.35743.06313.26686.9Belgium342(4.9)382(4.2)453(3.4)530(2.3)610(3.1)670(2.5)704(2.4)6.01-1.39-1.26-0.36-0.380.140.03-0.081.96Canada349(4.9)385(3.9)450(2.3)515(1.5)584(1.9)640(2.0)674(1.8)CANCANADA3495.03854.04502.45842.06401.76741.2Canada361(3.5)395(2.6)453(2.0)518(1.8)583(2.4)640(2.7)674(2.8)6.01-2.26-2.12-2.10-2.13-1.68-1.29-0.711.96Czech Republic301(8.0)347(8.0)427(3.7)510(3.5)596(5.1)668(5.4)714(6.5)CZECZECH REPUBLIC3017.93477.24274.35965.46685.07145.1Czech Republic330(7.4)373(6.9)445(4.7)527(4.1)611(4.8)681(5.2)721(5.1)6.013.293.622.981.940.43-1.09-1.101.96Denmark375(6.9)415(5.5)468(3.5)526(2.6)588(3.9)635(5.1)666(5.5)DNKDENMARK3758.24157.44683.65885.06354.76665.3Denmark339(6.5)380(5.5)444(3.9)512(2.8)584(3.3)644(3.9)677(4.2)6.01-2.00-1.91-1.08-0.91-0.26-0.160.161.96Finland368(5.3)405(4.7)469(3.0)533(2.0)600(3.4)656(4.4)691(4.1)FINFINLAND3685.84054.84692.66003.56564.96913.4Finland386(4.1)421(3.0)477(2.4)539(2.0)602(2.4)658(3.5)690(3.6)6.010.310.50-0.19-0.91-1.44-2.04-1.301.96France337(9.3)378(3.7)438(4.5)501(2.7)568(3.1)621(3.8)658(5.3)FRAFRANCE33710.43783.24384.35683.56214.16584.0France333(7.6)374(5.8)439(3.9)508(3.0)579(3.4)638(4.3)670(5.1)6.01-1.15-1.20-1.37-1.82-1.78-0.95-0.391.96Germany300(4.6)338(6.6)410(3.9)486(3.1)565(3.6)632(6.5)675(6.3)DEUGERMANY3003.73386.04105.15653.46326.86756.0Germany310(5.3)350(4.7)422(5.0)500(3.3)579(4.0)641(4.4)679(4.9)6.01-0.790.090.671.602.532.202.441.96Greece263(9.3)310(5.8)378(7.0)450(4.4)527(4.5)587(6.1)629(7.6)GRCGREECE2638.53105.43787.55274.45875.26297.2Greece273(5.1)310(4.4)371(4.4)437(3.8)505(4.3)565(5.1)601(6.3)6.010.581.140.79-0.09-0.81-1.69-2.321.96Hungary310(8.5)352(6.0)411(4.5)478(3.3)547(4.0)606(5.3)642(4.6)HUNHUNGARY31011.03523.84114.25474.66065.06423.7Hungary304(5.8)341(5.0)404(3.7)479(3.3)554(4.2)623(6.4)665(6.2)6.012.794.162.922.321.08-0.050.121.96Iceland375(7.9)413(4.1)463(3.6)519(2.3)577(2.6)622(5.1)655(6.4)ISLICELAND3756.44133.64632.75772.56224.06555.5Iceland344(5.1)380(3.5)441(2.6)504(1.5)569(2.3)622(3.0)654(3.7)6.01-1.32-0.83-0.15-0.38-0.27-0.24-0.281.96Ireland312(5.4)346(6.1)411(5.3)474(3.2)540(4.2)597(5.4)629(4.5)IRLIRELAND3125.73465.34115.45403.85976.16294.7Ireland324(4.4)354(3.6)412(3.3)476(2.4)542(2.9)599(4.5)632(4.2)6.01-1.03-1.49-1.81-2.03-2.02-2.30-1.941.96Italy275(7.8)315(4.8)383(3.8)455(3.6)529(4.1)590(5.0)627(7.9)ITAITALY2758.23154.03834.25294.85905.76277.3Italy287(6.2)329(5.9)398(4.3)470(3.1)545(3.3)610(3.4)648(4.3)6.010.930.941.491.301.311.071.031.96Japan377(8.7)421(8.5)495(5.7)565(5.1)641(4.1)701(5.6)740(9.0)JPNJAPAN3778.042110.14955.56414.17016.17407.9Japan366(6.7)410(6.8)480(5.1)553(4.3)629(4.8)690(6.0)726(7.6)6.01-1.51-1.48-1.01-1.70-1.55-1.17-1.311.96Korea344(6.7)386(6.4)463(5.5)538(3.6)620(4.3)689(4.0)726(6.3)KORKOREA, REPUBLIC OF3447.63864.84635.76204.46892.67266.3Korea360(5.6)401(5.1)472(4.3)552(3.8)634(5.1)701(6.9)742(7.9)6.01-5.54-6.00-6.13-5.77-4.28-3.73-2.191.96Luxembourg257(9.5)307(5.9)375(3.7)449(3.0)526(3.5)584(5.8)626(9.8)LUXLUXEMBOURG2579.83075.73753.55264.35845.362610.8Luxembourg323(4.1)360(2.9)420(2.0)488(1.4)557(1.9)618(3.2)653(4.0)6.011.852.532.302.482.301.751.821.96Mexico259(5.7)292(4.3)341(3.9)400(2.6)460(4.5)510(5.1)541(4.8)MEXMEXICO2595.92925.03414.84605.45105.45415.4Mexico240(6.4)269(5.1)322(3.8)382(3.2)441(3.6)494(4.3)525(4.6)6.01-1.36-1.32-0.21-0.160.151.021.311.96New Zealand331(11.3)375(6.3)449(6.4)524(4.0)601(5.7)669(5.7)707(5.8)NZLNEW ZEALAND33111.33755.34496.06015.46695.17076.0New Zealand350(5.1)388(4.3)451(3.3)525(2.3)600(2.5)660(3.0)695(4.0)6.010.270.261.191.081.021.151.191.96Norway315(7.7)353(6.6)422(4.2)490(3.1)562(3.7)625(5.1)662(4.1)NORNORWAY3157.93535.94223.55623.56254.96624.1Norway312(4.5)350(4.0)412(2.9)483(2.5)554(3.5)615(3.9)652(3.7)6.01-4.26-4.85-2.98-2.38-0.52-0.10-0.331.96Poland265(9.8)306(6.8)389(6.9)470(5.5)557(6.4)627(9.9)666(6.3)POLPOLAND26511.73065.53896.85576.462710.26667.0Poland318(5.0)355(4.2)418(3.5)490(2.7)562(3.4)628(3.9)669(5.6)6.01-3.24-3.08-2.14-1.380.210.390.601.96Portugal262(7.1)298(6.8)367(5.2)440(3.5)514(3.8)575(3.7)613(6.3)PRTPORTUGAL2625.02987.73674.85143.75754.06134.8Portugal298(5.7)331(5.1)387(4.7)450(3.4)513(3.6)572(4.1)607(4.2)6.01-1.61-0.98-0.85-0.540.180.020.321.96Spain309(6.0)349(4.8)409(3.9)473(2.6)540(2.9)595(5.1)629(5.5)ESPSPAIN3095.63493.54093.45403.05955.06296.6Spain324(4.4)358(4.0)415(3.0)476(2.6)539(3.2)595(3.5)626(4.8)6.01-0.30-0.091.171.632.112.202.021.96Sweden331(5.3)371(4.5)442(5.0)510(2.6)582(2.9)645(4.5)681(6.5)SWESWEDEN3314.53714.14425.25822.96453.86817.2Sweden334(5.0)371(4.0)432(3.5)498(2.6)566(3.3)627(3.8)661(4.3)6.010.630.760.18-0.08-0.44-0.93-0.561.96Switzerland360(6.0)405(6.4)468(6.2)539(3.6)612(5.3)669(5.5)708(7.9)CHESWITZERLAND3606.24056.24686.96125.76695.37087.8Switzerland353(5.8)397(5.6)467(3.9)540(3.5)616(4.6)678(5.7)714(6.0)6.01-1.35-0.82-0.65-1.31-0.99-1.94-1.921.96United States299(8.4)338(8.7)398(7.2)461(4.9)530(5.3)583(6.0)618(5.9)USAUNITED STATES2995.83388.13985.25305.15834.86189.7United States315(4.8)347(4.2)404(3.6)472(2.8)538(3.4)601(3.6)637(4.2)6.01-0.140.090.350.08-0.15-0.23-0.191.96OECD total303(2.8)343(2.3)410(2.4)486(1.6)562(2.3)631(2.3)671(2.7)TOTTOTAL3032.43432.14102.05622.36312.56712.5OECD total304(2.0)342(1.6)408(1.4)486(1.0)563(1.3)632(1.3)672(1.8)6.01-0.95-0.580.03-0.36-0.44-0.83-0.901.96OECD average309(1.7)351(1.3)421(1.2)494(0.7)570(1.2)634(1.1)671(1.5)AVGAVERAGE3091.63511.34211.25701.16341.16711.5OECD average315(1.4)354(1.2)421(0.9)496(0.6)572(0.7)639(0.8)677(1.0)Non-OECD CountriesNon-OECD Countries6.01-6.66-9.51-8.46-5.89-1.79-0.660.231.96Brazil80(15.7)130(6.8)211(4.3)300(4.2)394(6.3)467(7.3)516(7.5)BRABRAZIL8018.91305.72113.23945.34677.85168.7Brazil198(5.5)229(4.9)284(4.5)350(4.1)412(5.3)475(6.8)513(9.2)6.01-0.53-0.94-1.08-1.83-2.69-1.87-1.391.96Hong Kong - China362(5.2)399(6.9)473(5.4)543(3.4)616(3.6)680(4.5)717(4.3)HKGHONG KONG3626.33996.74735.56163.16805.47174.0Hong Kong - China367(7.3)412(9.6)485(7.4)558(4.8)638(3.6)697(4.6)729(4.8)6.01-6.45-5.91-4.14-3.25-0.95-0.07-0.541.96Indonesia153(6.7)191(6.9)260(6.7)333(4.7)409(5.0)475(8.3)504(6.3)IDNINDONESIA1536.61915.92606.24094.64759.05046.3Indonesia219(5.0)251(4.2)301(3.9)361(3.7)418(5.1)476(6.1)510(6.6)6.01-4.35-4.45-4.27-4.02-2.21-1.88-0.861.96Latvia256(11.0)303(8.2)373(7.3)452(4.6)535(5.6)597(5.9)642(6.5)LVALATVIA25611.03037.63736.85355.45975.86423.8Latvia318(6.7)353(5.0)418(4.6)486(4.0)555(4.4)616(5.6)652(6.3)6.010.080.15-0.34-0.43-0.54-0.120.081.96Liechtenstein356(25.4)397(17.5)462(16.2)533(9.4)603(13.9)666(18.3)708(29.4)LIELIECHTENSTEIN35619.839718.246216.160311.466616.970827.9Liechtenstein354(16.1)394(11.4)469(10.5)538(4.6)613(9.2)669(12.6)706(14.3)6.01-1.14-0.88-0.55-0.56-0.05-0.53-0.391.96Russian Federation276(7.3)323(5.7)393(6.9)469(4.9)549(6.9)614(5.4)656(8.1)RUSRUSSIAN FEDERATION2766.93235.53935.85497.86145.06567.7Russian Federation289(6.0)332(5.5)399(4.9)474(4.7)549(5.9)620(6.6)661(7.5)6.01-4.13-3.34-2.28-2.19-0.94-0.68-1.271.96Thailand243(5.6)280(5.6)342(5.7)407(3.5)474(5.4)535(7.3)565(6.9)THATHAILAND2435.42807.03425.04745.75356.95656.6Thailand283(4.8)311(3.7)362(3.3)424(3.3)483(4.1)543(5.3)580(6.8)

&R&D &T &Z&F

DataFig2.6dTable 2.1dTable 2.1cMean score, variation and gender differences in student performance on the mathematics/space and shape scale in 2000Mean score, variation and gender differences in student performance on the mathematics/space and shape scaleCountryCountry20002003Comparison between PISA 2000 and PISA 2003ScoreS.E.ScoreS.E.SamplingtSigCritical value:0.10Critical value:0.05Critical value:0.010.05Iceland519(2.3)Iceland504(1.5)6.012.3221.651.962.5750.05Mexico400(2.6)Mexico382(3.2)6.012.4821.651.962.5750.1Denmark526(2.6)Denmark512(2.8)6.011.9431.651.962.5750Australia520(3.1)Australia521(2.3)6.01-0.1241.651.962.5750Austria510(2.8)Austria515(3.5)6.01-0.6841.651.962.5750Canada515(1.5)Canada518(1.8)6.01-0.3841.651.962.5750Finland533(2.0)Finland539(2.0)6.01-0.9141.651.962.5750France501(2.7)France508(3.0)6.01-0.9141.651.962.5750Greece450(4.4)Greece437(3.8)6.011.6041.651.962.5750Hungary478(3.3)Hungary479(3.3)6.01-0.0941.651.962.5750Ireland474(3.2)Ireland476(2.4)6.01-0.3841.651.962.5750Japan565(5.1)Japan553(4.3)6.011.3041.651.962.5750New Zealand524(4.0)New Zealand525(2.3)6.01-0.1641.651.962.5750Norway490(3.1)Norway483(2.5)6.011.0841.651.962.5750Portugal440(3.5)Portugal450(3.4)6.01-1.3841.651.962.5750Spain473(2.6)Spain476(2.6)6.01-0.5441.651.962.5750Sweden510(2.6)Sweden498(2.6)6.011.6341.651.962.5750Switzerland539(3.6)Switzerland540(3.5)6.01-0.0841.651.962.5750United States461(4.9)United States472(2.8)6.01-1.3141.651.962.5750Liechtenstein533(9.4)Liechtenstein538(4.6)6.01-0.4341.651.962.5750Russian Federation469(4.9)Russian Federation474(4.7)6.01-0.5641.651.962.5750.1Germany486(3.1)Germany500(3.3)6.01-1.8251.651.962.5750.1Korea538(3.6)Korea552(3.8)6.01-1.7051.651.962.5750.1Hong Kong-China543(3.4)Hong Kong-China558(4.8)6.01-1.8351.651.962.5750.05Czech Republic510(3.5)Czech Republic527(4.1)6.01-2.1361.651.962.5750.05Italy455(3.6)Italy470(3.1)6.01-2.0361.651.962.5750.05Poland470(5.5)Poland490(2.7)6.01-2.3861.651.962.5750.05Thailand407(3.5)Thailand424(3.3)6.01-2.1961.651.962.5750.01Belgium502(3.1)Belgium530(2.3)6.01-3.8971.651.962.5750.01Luxembourg449(3.0)Luxembourg488(1.4)6.01-5.7771.651.962.5750.01Brazil300(4.2)Brazil350(4.1)6.01-5.8971.651.962.5750.01Indonesia333(4.7)Indonesia361(3.7)6.01-3.2871.651.962.5750.01Latvia452(4.6)Latvia486(4.0)6.01-4.0271.651.962.5751. Response rate to low to ensure comparability (see Annex A3).OECD total486(1.6)OECD total486(1.0)OECD average494(0.7)OECD average496(0.6)Partner CountriesPartner Countries1. Signficant differences are marked in bold, positive values indicate males outperform females.2. Response rate to low to ensure comparability (see Annex A3).Netherlands1mmNetherlands526(2.9)United Kingdom505(2.6)United Kingdom2mmSlovak Republic505(4.0)Turkey417(6.3)Macao-China528(3.3)Serbia432(3.9)Tunisia359(2.6)Uruguay412(3.0)

DataFig2.9aCOUNTRY SORTED BY LEVEL 3+4+5+6 and above the x axeChange and relationshipsBelow Level 1Level 1Level 2Level 3Level 4Level 5Level 6SUMNetherlands-1.4-7.216.422.721.819.211.391.4Finland-2.7-7.016.124.524.116.78.990.3Korea-3.0-7.015.722.323.617.510.990.0Canada-2.9-7.617.224.924.415.67.389.5Hong Kong-China-5.6-8.014.520.623.018.69.886.4Australia-4.8-9.518.523.822.914.06.585.7Liechtenstein-4.6-10.015.120.720.518.610.585.4Japan-6.4-8.515.720.621.116.411.385.0New Zealand-5.6-10.217.522.522.214.07.984.2France-6.4-9.518.223.922.214.25.684.1Ireland-5.1-11.222.627.021.610.22.383.8Belgium-7.6-9.714.818.219.717.512.482.7Macao-China-5.2-12.218.223.421.613.85.782.6Czech Republic-5.7-11.820.823.519.412.56.482.5Switzerland-7.6-10.117.321.320.913.98.882.3Iceland-6.3-12.020.224.421.011.94.281.8Denmark-6.3-11.920.424.520.711.44.681.7Sweden-9.4-12.619.621.718.311.66.778.0Germany-9.5-12.618.520.619.613.26.177.9Austria-8.6-14.120.522.518.810.94.677.3Hungary-8.4-14.522.023.518.49.63.677.1Slovak Republic-9.7-14.321.022.418.110.14.476.0Norway-9.5-15.122.823.917.48.32.975.3United States-10.4-14.422.624.317.78.42.275.2Latvia-10.6-14.722.223.517.68.23.274.7Luxembourg-10.7-15.321.522.518.18.53.474.0Poland-10.1-16.123.623.016.17.93.373.8Spain-11.3-14.922.924.017.17.72.073.8Russian Federation-11.8-16.223.723.515.36.92.672.0Portugal-13.6-17.523.822.515.15.81.768.9Italy-18.2-19.223.720.411.85.21.562.6Greece-23.3-19.922.918.010.84.01.156.8Uruguay-29.8-19.121.616.58.83.40.951.1Serbia-26.5-24.123.515.77.22.50.549.4Turkey-30.0-21.120.113.97.93.83.248.9Thailand-31.9-26.422.012.15.31.80.441.6Mexico-47.2-24.117.08.62.60.40.128.7Brazil-59.7-16.911.46.63.31.20.723.3Tunisia-58.8-20.412.95.81.80.40.020.8Indonesia-59.6-20.212.35.41.90.60.120.2

&R&D &T &Z&F

Data Fig 2.9cPercentage of students at each level of proficiency on the reading scale2000Data frm Alla 14 Sept 2004Data from Eveline Sep102003SE AnchoringCrit TCountryPercentilesCountryPercentiles5th10th25th50th75th90th95th5th10th25thmean75th90th95th5th10th25thmean75th90th95thtttttttScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.cntp.05p.10p.25p.75p.90p.95ScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.OECD Countriesstat.M2se.M2stat.M2se.M2stat.M2se.M2stat.M2se.M2stat.M2se.M2stat.M2se.M2OECD Countries4.840.10-0.020.64-0.50-0.98-0.74-0.801.651.962.575Australia361(11.3)398(3.7)463(3.2)522(3.2)587(4.8)643(4.8)674(6.3)AUSAUSTRALIA3619.53983.44633.35874.46433.86747.5Australia360(4.9)398(3.7)459(3.0)525(2.3)594(2.7)648(3.3)681(4.7)4.840.470.931.39-0.06-0.61-1.52-1.341.96Austria337(9.3)374(5.5)437(2.6)499(3.1)567(5.9)620(6.3)654(6.0)AUTAUSTRIA3379.33747.04372.55676.36206.06546.0Austria331(6.3)366(4.8)428(4.4)500(3.6)572(4.0)633(4.0)666(4.6)4.84-2.64-1.74-1.65-3.26-4.34-2.61-1.841.96Belgium298(10.5)356(9.2)439(6.4)514(3.8)595(3.2)661(5.4)698(5.1)BELBELGIUM29810.235610.74395.75954.06615.16984.9Belgium332(5.6)375(4.5)454(4.0)535(2.4)623(2.8)680(2.2)711(2.4)4.84-2.34-2.48-2.05-3.17-3.19-3.67-3.471.96Canada365(4.6)402(2.9)462(2.3)520(1.3)583(2.0)632(2.0)664(2.1)CANCANADA3655.24022.94622.35832.06321.76641.8Canada382(3.4)417(2.6)474(2.5)537(1.9)601(2.3)654(2.7)685(2.9)4.84-4.78-6.12-3.85-4.56-2.72-2.31-1.711.96Czech Republic294(9.2)336(3.6)412(6.1)484(3.0)562(5.3)629(3.3)667(4.2)CZECZECH REPUBLIC2949.03364.44125.65625.56293.56673.9Czech Republic353(6.4)388(5.8)446(3.9)515(3.5)585(4.6)647(5.2)681(5.0)4.84-2.05-1.73-1.35-1.59-1.53-0.47-0.191.96Denmark326(5.7)367(5.7)434(3.7)499(2.7)568(3.1)630(4.7)663(6.9)DNKDENMARK3265.83675.04343.75683.46304.46636.8Denmark345(6.0)382(4.5)443(3.9)509(3.0)578(3.2)634(3.9)665(5.1)4.84-1.20-1.84-1.21-2.38-2.62-2.96-2.741.96Finland375(7.6)410(2.5)472(4.6)529(2.1)592(3.6)645(2.8)677(3.2)FINFINLAND3757.24103.04724.45923.96452.36773.0Finland387(5.1)422(3.7)480(2.6)543(2.2)609(2.7)664(3.0)695(3.2)4.84-1.18-1.02-1.03-0.84-1.020.641.271.96France331(8.0)376(6.6)447(3.5)515(2.7)585(2.7)648(4.4)685(6.1)FRAFRANCE3317.93767.14473.05853.16484.76855.5France345(7.0)386(5.8)454(3.8)520(2.6)591(2.5)644(3.3)674(4.2)4.84-2.53-1.94-2.18-3.37-3.40-3.10-2.591.96Germany293(8.7)340(7.7)413(4.1)485(2.4)562(3.4)624(2.9)659(3.7)DEUGERMANY2937.73405.64133.15623.76242.76593.3Germany323(6.8)362(6.4)430(4.5)507(3.7)588(4.5)645(3.9)678(3.7)4.84-2.81-2.33-1.44-0.680.511.772.021.96Greece221(10.2)270(8.1)350(6.8)430(5.2)514(6.0)590(7.4)630(8.5)GRCGREECE22110.22706.23506.45147.05907.26307.8Greece256(5.8)296(5.5)364(5.1)436(4.3)509(5.6)572(4.6)607(5.7)4.84-3.72-3.86-3.32-2.29-0.880.731.121.96Hungary288(9.3)330(6.7)401(4.7)479(4.1)556(4.2)629(5.8)667(7.3)HUNHUNGARY2889.63306.84014.35563.86295.86678.0Hungary332(5.5)367(5.0)427(3.4)495(3.1)563(4.2)623(5.1)656(4.5)4.84-0.16-0.070.38-0.35-1.17-0.030.491.96Iceland343(9.8)382(6.7)446(4.6)507(2.8)571(3.0)632(4.2)667(6.2)ISLICELAND34310.03827.24464.95712.86324.66674.8Iceland345(4.1)382(3.5)444(2.3)509(1.4)579(2.4)633(2.6)662(3.8)4.84-0.02-0.39-0.11-0.79-1.26-1.69-1.281.96Ireland357(8.2)390(4.0)447(5.2)501(2.7)558(4.7)607(3.1)636(4.5)IRLIRELAND3578.23904.44474.25585.16074.06365.2Ireland357(4.4)393(4.6)448(3.4)506(2.4)568(2.8)618(2.6)645(3.6)4.84-0.75-0.65-0.61-1.43-1.49-2.40-3.061.96Italy270(12.0)312(6.1)377(6.2)443(3.0)512(3.5)568(3.8)600(3.9)ITAITALY27011.83125.83776.75124.05684.26004.8Italy281(6.5)319(6.4)382(4.6)452(3.2)522(3.6)585(3.4)622(3.6)4.840.971.150.570.01-0.89-0.87-0.721.96Japan355(9.0)403(8.5)468(7.3)536(5.1)608(5.1)667(7.1)701(5.8)JPNJAPAN3557.84039.14687.06084.76677.57016.1Japan342(8.3)389(7.0)462(5.5)536(4.3)616(4.6)676(6.6)709(7.6)4.840.620.47-0.65-2.68-4.17-4.15-4.021.96Korea389(6.8)424(4.8)475(3.3)530(2.6)588(3.0)635(5.7)667(5.6)KORKOREA, REPUBLIC OF3897.84244.24753.85882.56355.26675.1Korea383(5.8)420(5.0)480(4.5)548(3.5)617(4.3)674(5.8)708(6.7)4.84-6.70-8.30-8.93-11.23-8.65-5.93-5.091.96Luxembourg236(10.0)278(6.8)353(4.8)424(2.6)499(4.6)565(6.5)598(8.2)LUXLUXEMBOURG23611.12786.33534.84995.15656.35987.0Luxembourg315(4.0)354(3.5)417(2.2)487(1.2)559(1.9)616(2.8)651(4.5)4.84-0.59-0.81-0.87-0.91-0.54-0.61-0.461.96Mexico193(6.8)228(7.4)290(4.6)358(3.1)427(4.0)486(4.5)520(6.1)MEXMEXICO1934.62286.62904.94273.84865.15205.7Mexico199(6.6)236(4.9)297(4.5)364(4.1)432(5.0)491(5.7)525(5.2)4.840.210.911.060.23-0.17-0.79-1.121.96New Zealand354(8.4)398(5.8)465(5.4)527(3.0)596(4.9)651(5.5)682(5.0)NZLNEW ZEALAND3549.53985.24655.05964.66514.76824.0New Zealand352(5.4)390(4.9)456(3.6)526(2.4)598(2.7)657(2.9)691(3.9)4.840.801.551.630.940.02-0.28-0.461.96Norway335(10.7)372(4.7)433(4.6)494(3.1)556(4.1)611(4.7)642(5.8)NORNORWAY3359.03723.64334.55564.66114.56426.6Norway324(4.7)360(4.4)421(3.2)488(2.6)555(3.4)613(3.9)646(3.6)4.84-4.11-7.28-5.35-4.18-1.46-0.98-1.101.96Poland251(16.0)293(5.8)372(6.3)451(5.7)537(8.4)602(9.5)638(7.9)POLPOLAND25121.42938.03725.85378.26026.26385.5Poland323(5.4)357(4.6)417(3.1)484(2.7)552(3.1)613(3.9)650(4.9)4.84-1.72-1.86-1.78-2.69-2.87-2.56-2.811.96Portugal279(10.0)319(6.0)384(6.1)448(3.6)516(3.5)573(5.3)605(3.8)PRTPORTUGAL2799.53195.63846.65164.15734.86054.1Portugal301(7.0)338(6.8)401(5.6)468(4.0)537(4.1)594(3.4)626(4.7)4.84-1.77-1.94-2.04-2.07-1.82-0.450.061.96Spain290(9.1)332(7.0)401(4.8)468(2.8)538(3.2)602(5.5)637(6.3)ESPSPAIN29010.03327.24015.25383.26025.36376.8Spain310(4.3)350(4.2)416(3.6)481(2.8)550(3.2)606(4.0)637(3.7)4.840.761.130.51-0.55-1.44-2.37-2.001.96Sweden328(10.8)371(3.7)435(4.0)502(2.6)572(3.7)630(4.0)664(6.5)SWESWEDEN32811.53713.84354.45723.46303.86647.2Sweden318(6.4)362(4.2)431(3.6)505(2.9)582(3.5)648(4.5)684(5.5)4.84-2.64-2.98-2.44-1.68-0.730.571.121.96Switzerland297(9.5)346(6.5)428(6.2)510(4.8)593(4.9)669(8.1)713(6.5)CHESWITZERLAND2979.03466.14284.85934.66698.47135.7Switzerland329(5.6)375(5.5)449(3.7)523(3.7)599(4.5)662(5.8)700(7.3)4.84-0.27-0.25-0.100.02-0.080.460.611.96United States314(13.1)353(7.1)420(6.8)486(6.0)554(8.5)614(5.3)648(8.4)USAUNITED STATES3149.73535.94207.35547.96145.06487.7United States318(6.5)355(4.8)421(3.6)486(3.0)555(3.3)610(3.7)642(3.7)4.84-1.00-0.74-0.20-0.69-0.92-1.08-1.171.96OECD total289(2.8)335(2.8)413(2.4)485(1.6)563(1.7)626(1.9)660(2.3)TOTTOTAL2893.23352.44132.35631.76262.16602.1OECD total295(2.5)339(2.2)414(1.6)489(1.2)568(1.4)631(1.3)667(1.5)4.84-3.22-2.60-1.71-2.16-2.29-2.20-2.001.96OECD average295(2.5)342(2.1)418(1.4)488(0.7)564(0.9)626(1.0)662(1.9)AVGAVERAGE2952.63422.04181.45640.96261.06621.9OECD average313(1.5)356(1.2)426(1.0)499(0.7)576(0.7)637(0.8)672(0.9)Non-OECD CountriesNon-OECD Countries4.84-8.67-9.81-8.26-7.80-4.38-3.22-3.041.96Brazil33(9.0)81(6.2)166(6.1)263(4.8)363(8.2)448(10.1)492(13.0)BRABRAZIL337.8815.21666.83639.144810.649212.9Brazil140(7.0)180(6.4)247(5.9)333(6.0)414(6.9)498(10.9)548(12.0)4.841.411.731.050.80-0.350.130.411.96Hong Kong371(8.7)416(4.6)482(5.2)546(3.0)614(4.4)669(4.9)703(6.2)HKGHONG KONG3717.84164.24826.06143.66694.37035.7Hong Kong - China351(10.6)397(8.8)471(7.1)540(4.7)617(4.3)668(4.4)699(5.1)4.845.425.634.671.51-1.05-3.41-4.351.96Indonesia224(7.3)255(4.7)297(3.1)345(3.0)394(4.1)435(5.3)459(5.5)IDNINDONESIA2247.82556.42973.03944.04355.74594.9Indonesia164(6.8)202(6.4)263(4.7)334(4.6)402(5.7)469(6.9)509(8.9)4.84-5.87-5.96-5.31-4.59-1.77-0.21-0.191.96Latvia241(11.3)289(8.6)369(6.5)450(4.7)538(7.3)613(5.3)647(7.6)LVALATVIA24110.42899.13696.35388.06136.16475.6Latvia319(5.2)355(4.8)419(5.0)487(4.4)556(5.4)615(5.5)649(6.0)4.84-2.14-2.11-2.63-2.70-1.63-0.240.491.96Liechtenstein278(36.8)331(31.1)416(16.9)502(12.4)591(14.9)666(25.0)720(28.6)LIELIECHTENSTEIN27835.233127.941624.259118.466621.972037.7Liechtenstein362(12.7)401(10.2)467(7.6)540(3.7)619(7.4)673(11.5)705(13.3)4.84-3.91-3.16-2.33-1.130.481.851.651.96Russian Federation260(9.3)308(10.0)389(6.1)467(5.5)548(6.1)622(6.6)661(8.9)RUSRUSSIAN FEDERATION2608.43089.83895.15487.06226.96619.3Russian Federation309(6.9)348(5.8)411(5.2)477(4.6)544(5.3)604(5.3)641(6.9)4.846.637.165.762.53-0.30-3.42-4.411.96Thailand321(6.3)343(4.3)380(3.2)421(2.2)462(3.7)499(3.7)524(4.6)THATHAILAND3217.03433.93802.84623.64993.35243.3Thailand261(4.4)289(3.9)341(3.8)405(3.4)465(4.2)528(6.1)568(7.5)

&R&D &T &Z&F

DataFig2.9dTable 2.2dTable 2.2cMean score, variation and gender differences in student performance on the mathematics/change and relationships scale in 2000Mean score, variation and gender differences in student performance on the mathematics/change and relationships scaleCountryCountry20002003Comparison between PISA 2000 and PISA 2003ScoreS.E.ScoreS.E.SamplingtSigCritical value:0.10Critical value:0.05Critical value:0.010.05Thailand421(2.2)Thailand405(3.4)4.842.5421.651.962.5750Australia522(3.2)Australia525(2.3)4.84-0.5041.651.962.5750Austria499(3.1)Austria500(3.6)4.84-0.0641.651.962.5750Denmark499(2.7)Denmark509(3.0)4.84-1.5941.651.962.5750France515(2.7)France520(2.6)4.84-0.8441.651.962.5750Greece430(5.2)Greece436(4.3)4.84-0.6841.651.962.5750Iceland507(2.8)Iceland509(1.4)4.84-0.3541.651.962.5750Ireland501(2.7)Ireland506(2.4)4.84-0.7941.651.962.5750Italy443(3.0)Italy452(3.2)4.84-1.4341.651.962.5750Japan536(5.1)Japan536(4.3)4.840.0141.651.962.5750Mexico358(3.1)Mexico364(4.1)4.84-0.9141.651.962.5750New Zealand527(3.0)New Zealand526(2.4)4.840.2341.651.962.5750Norway494(3.1)Norway488(2.6)4.840.9441.651.962.5750Sweden502(2.6)Sweden505(2.9)4.84-0.5541.651.962.5750United States486(6.0)United States486(3.0)4.840.0241.651.962.5750Hong Kong-China546(3.0)Hong Kong-China540(4.7)4.840.8641.651.962.5750Indonesia345(3.0)Indonesia334(4.6)4.841.5241.651.962.5750Russian Federation467(5.5)Russian Federation477(4.6)4.84-1.1341.651.962.5750.1Switzerland510(4.8)Switzerland523(3.7)4.84-1.6851.651.962.5750.05Finland529(2.1)Finland543(2.2)4.84-2.3861.651.962.5750.05Hungary479(4.1)Hungary495(3.1)4.84-2.2961.651.962.5750.05Spain468(2.8)Spain481(2.8)4.84-2.0761.651.962.5750.01Belgium514(3.8)Belgium535(2.4)4.84-3.2671.651.962.5750.01Canada520(1.3)Canada537(1.9)4.84-3.1771.651.962.5750.01Czech Republic484(3.0)Czech Republic515(3.5)4.84-4.5671.651.962.5750.01Germany485(2.4)Germany507(3.7)4.84-3.3771.651.962.5750.01Korea530(2.6)Korea548(3.5)4.84-2.6871.651.962.5750.01Luxembourg424(2.6)Luxembourg487(1.2)4.84-11.2371.651.962.5750.01Poland451(5.7)Poland484(2.7)4.84-4.1871.651.962.5750.01Portugal448(3.6)Portugal468(4.0)4.84-2.6971.651.962.5750.01Brazil263(4.8)Brazil333(6.0)4.84-7.8071.651.962.5750.01Latvia450(4.7)Latvia487(4.4)4.84-4.5971.651.962.5750.01Liechtenstein502(12.4)Liechtenstein540(3.7)4.84-2.7071.651.962.5751. Response rate to low to ensure comparability (see Annex A3).OECD total485(1.6)OECD total489(1.2)6.01OECD average488(0.7)OECD average499(0.7)6.01Partner CountriesPartner Countries6.011. Signficant differences are marked in bold, positive values indicate males outperform females.2. Response rate to low to ensure comparability (see Annex A3).Netherlands1mmNetherlands551(3.1)6.01United Kingdom519(2.2)United Kingdom2mmSlovak Republic494(3.5)6.01Turkey423(7.6)6.01Macao-China519(3.5)Serbia419(4.0)Tunisia337(2.8)Uruguay417(3.6)

DataFig2.12aCOUNTRY SORTED BY LEVEL 3+4+5+6 and above the x axeQUANTITYBelow Level 1Level 1Level 2Level 3Level 4Level 5Level 6SUMFinland-1.4-5.014.626.927.317.97.093.7Korea-2.6-7.217.025.226.015.66.490.2Macao-China-2.4-8.117.825.825.315.65.189.5Hong Kong-China-4.1-7.013.721.525.818.79.288.9Liechtenstein-4.0-7.616.524.124.817.16.088.4Canada-3.8-8.818.125.223.714.46.087.3Switzerland-4.2-8.616.024.224.615.76.787.2Netherlands-4.1-10.118.323.021.915.96.785.8Czech Republic-4.7-9.717.223.523.115.06.785.6Sweden-4.4-10.321.427.321.611.13.985.3Austria-3.7-11.220.927.223.111.22.885.1Japan-5.7-9.216.623.123.615.16.785.1Denmark-4.7-10.419.926.322.712.04.084.9Belgium-7.2-8.915.120.622.317.58.583.9Slovak Republic-5.6-10.620.026.121.912.33.683.9Australia-5.5-11.019.024.322.412.55.283.5Iceland-6.2-10.919.124.322.512.74.282.8France-6.7-11.120.425.421.911.03.582.2Ireland-5.6-12.323.026.920.69.52.282.2New Zealand-6.4-11.920.123.621.211.95.081.7Germany-8.5-10.417.522.022.014.15.581.1Luxembourg-6.5-12.421.826.221.09.42.781.1Poland-7.1-13.524.227.118.77.61.879.4Hungary-7.8-13.521.625.219.79.72.578.7Norway-7.7-13.822.825.418.88.92.678.5Spain-8.9-13.222.525.018.88.82.677.9Latvia-7.4-15.526.427.716.35.51.277.1Russian Federation-11.1-16.825.824.614.85.61.472.1United States-13.7-15.622.021.916.08.12.870.7Italy-13.7-16.122.022.415.27.72.870.2Portugal-12.9-18.325.223.413.85.21.268.8Serbia-13.6-20.627.122.112.33.70.765.8Greece-19.0-19.825.120.011.04.11.061.2Uruguay-25.6-19.522.118.110.03.70.954.8Thailand-27.7-26.423.313.76.32.00.645.9Turkey-32.1-23.120.212.66.53.22.344.8Mexico-35.5-25.021.412.44.61.00.139.5Brazil-51.1-20.715.08.33.41.20.428.3Tunisia-49.0-25.216.17.02.20.40.125.8Indonesia-51.5-24.714.96.12.10.60.123.7

&R&D &T &Z&F

DataFig2.15aCOUNTRY SORTED BY LEVEL 3+4+5+6 and above the x axeUncertaintyBelow Level 1Level 1Level 2Level 3Level 4Level 5Level 6SUMFinland-1.6-5.515.427.227.016.46.892.9Netherlands-1.0-6.717.023.423.219.19.592.2Canada-2.0-6.416.525.626.316.46.891.6Korea-2.2-7.217.325.025.715.76.790.5Hong Kong-China-3.3-6.312.519.324.821.112.790.4Macao-China-2.5-7.218.927.423.514.95.490.3Iceland-4.0-8.918.824.422.914.86.187.0Australia-4.1-9.017.523.823.015.17.486.8New Zealand-3.9-9.418.023.322.114.68.686.6Ireland-3.6-10.221.226.522.012.44.086.1Japan-4.9-9.117.523.723.514.86.686.1Liechtenstein-5.2-9.518.423.023.814.95.185.2Denmark-4.4-10.420.825.822.012.64.085.2Switzerland-6.3-10.719.124.021.212.95.883.0Belgium-6.2-11.117.320.420.815.88.482.7Norway-5.7-11.820.624.420.311.65.682.5Sweden-6.4-11.821.522.919.712.15.681.8France-6.0-12.320.925.321.711.02.881.8Poland-5.2-13.925.727.418.77.51.680.9Czech Republic-5.2-14.424.424.219.29.33.380.4Spain-7.1-13.725.526.918.46.91.579.2Hungary-6.0-15.226.226.517.37.11.678.8Austria-7.4-15.222.924.317.99.33.077.4Luxembourg-8.2-14.622.824.518.28.72.977.2United States-9.0-14.922.323.617.49.53.276.1Germany-8.7-15.221.822.619.09.72.976.0Latvia-8.3-17.828.125.714.64.51.073.9Slovak Republic-8.6-17.926.824.115.75.61.273.4Portugal-9.0-18.427.725.614.54.20.672.6Italy-13.7-18.925.622.213.05.11.467.4Greece-12.8-20.427.323.111.84.00.766.8Russian Federation-19.0-24.826.318.18.62.70.556.2Turkey-18.6-25.625.316.68.03.42.655.9Serbia-20.1-27.326.817.46.71.50.252.6Uruguay-27.1-23.523.516.07.12.40.449.4Thailand-18.1-32.829.614.14.31.10.149.1Mexico-35.3-30.621.39.52.70.50.034.1Indonesia-35.3-36.720.46.21.30.10.028.0Brazil-43.5-29.117.07.02.60.70.227.4Tunisia-47.9-32.314.84.20.80.019.8

&R&D &T &Z&F

DataFig2.17DO NOT TYPE IN YELLOW AREA - PASTE NEW DATA BELOW AT CELL A52FinnorszgTermszettudomnyKorea5th ScoreLow SEMeanHighSE95th ScoreMeanJapnFranciaorszgFinnorszg40613444132544LengyelorszgKorea38814866142542Egyeslt llamokJapn36116588148534NmetorszgCsehorszg35815277148516AusztriaFranciaorszg35215455140511Ausztria35314666146506CsehorszgNmetorszg32417277152503MagyarorszgSzlovkia34214977144498OlaszorszgLengyelorszg34314255145490SzlovkiaMagyarorszg33514966148490OroszorszgLettorszg33913777136483MexikEgyeslt llamok32315466149483Oroszorszg31914288146468Olaszorszg30715266152466Mexik24713177135385Original tables D1 and E1From Variation.xls and VariationFig.xlsMise jour de toutes les donnes faite le 01/09/04CountryAll studentsPercentilesMeanStandard deviation5th10th25th75th90th95thScoreS.E.S.D.S.E.ScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.OECD CountriesHong Kong550(4.5)100(3.0)374(11.0)417(8.0)485(6.9)622(3.7)672(4.1)700(4.0)Hong Kong - China548(4.6)552(6.5)4(6.6)Finnorszg544(1.9)84(1.1)406(3.8)438(2.8)488(2.2)603(2.3)652(2.8)680(3.1)Finland541(2.1)548(2.5)7(2.7)Korea542(3.2)92(2.1)388(4.6)423(4.5)479(3.7)606(4.2)659(5.4)690(6.8)Korea528(5.3)552(4.4)23(6.8)Hollandia538(3.1)93(2.3)385(6.9)415(5.8)471(5.4)608(3.8)657(3.2)683(3.4)The Netherlands535(3.5)540(4.1)5(4.3)Liechtenstein536(4.1)99(4.4)362(19.7)408(9.8)470(7.6)609(7.9)655(9.5)686(16.4)Liechtenstein521(6.3)550(7.2)29(10.9)Japn534(4.0)101(2.8)361(8.2)402(6.3)467(5.4)605(4.4)660(6.1)690(6.6)Japan530(4.0)539(5.8)8(5.9)Kanada532(1.8)87(1.0)386(3.0)419(2.5)474(2.2)593(2.1)644(2.6)673(3.4)Canada530(1.9)541(2.1)11(2.1)Belgium529(2.3)110(1.8)334(6.5)381(4.6)456(3.4)611(2.5)664(2.4)693(2.4)Belgium525(3.2)533(3.4)8(4.8)Maka-Kna527(2.9)87(2.4)382(8.8)414(6.0)467(4.4)587(4.0)639(5.5)668(8.3)Macao - China517(3.3)538(4.8)21(5.8)Svjc527(3.4)98(2.0)359(4.8)396(4.2)461(3.6)595(4.9)652(5.2)684(6.8)Switzerland518(3.6)535(4.7)17(4.9)Ausztrlia524(2.1)95(1.5)364(4.4)399(3.4)460(2.7)592(2.5)645(3.0)676(3.5)Australia522(2.7)527(3.0)5(3.8)j-Zland523(2.3)98(1.2)358(4.1)394(3.9)455(2.9)593(2.2)650(3.2)682(2.9)New Zealand516(3.2)531(2.8)14(3.9)Csehorszg516(3.5)96(1.9)358(6.2)392(5.7)449(4.5)584(4.0)641(4.3)672(4.9)Czech Republic509(4.4)524(4.3)15(5.1)Izland515(1.4)90(1.2)362(4.0)396(2.7)454(2.8)578(1.9)629(3.0)658(3.8)Iceland523(2.2)508(2.3)-15(3.5)Dnia514(2.7)91(1.4)361(4.4)396(4.5)453(3.7)578(3.1)632(3.7)662(4.7)Denmark506(3.0)523(3.4)17(3.2)Franciaorszg511(2.5)92(1.8)352(6.0)389(5.6)449(3.7)575(3.0)628(3.6)656(3.5)France507(2.9)515(3.6)9(4.2)Svdorszg509(2.6)95(1.8)353(5.3)387(4.4)446(3.0)576(3.2)630(3.8)662(4.8)Sweden506(3.1)512(3.0)7(3.3)Ausztria506(3.3)93(1.7)353(6.6)384(4.4)439(4.0)571(4.2)626(4.0)658(5.0)Austria502(4.0)509(4.0)8(4.4)Nmetorszg503(3.3)103(1.8)324(6.1)363(5.6)432(4.7)578(3.5)632(3.5)662(3.6)Germany499(3.9)508(4.0)9(4.4)rorszg503(2.4)85(1.3)360(4.7)393(3.2)445(3.4)562(3.0)614(3.6)641(3.3)Ireland495(3.4)510(3.0)15(4.2)Szlovkia498(3.3)93(2.3)342(6.9)379(5.8)436(4.6)565(3.8)619(3.5)648(4.1)Slovak Republic489(3.6)507(3.9)19(3.7)Norvgia495(2.4)92(1.2)343(4.0)376(3.4)433(2.9)560(3.3)614(3.6)645(3.9)Norway492(2.9)498(2.8)6(3.2)Luxemburg493(1.0)92(1.0)338(3.9)373(2.7)430(2.2)557(1.9)611(3.2)641(2.7)Luxembourg485(1.5)502(1.9)17(2.8)Lengyelorszg490(2.5)90(1.3)343(5.8)376(3.6)428(3.1)553(2.9)607(3.3)640(3.5)Poland487(2.9)493(3.0)6(3.1)Magyarorszg490(2.8)94(2.0)335(5.6)370(4.2)426(3.0)556(3.9)611(4.7)644(4.6)Hungary486(3.3)494(3.3)8(3.5)Spanyolorszg485(2.4)88(1.3)335(5.1)369(3.5)426(3.0)546(3.1)597(3.5)626(3.7)Spain481(2.2)490(3.4)9(3.0)Lettorszg483(3.7)88(1.7)339(5.9)371(5.1)424(3.9)544(4.7)596(4.4)626(5.0)Latvia482(3.6)485(4.8)3(4.0)Egyeslt llamok483(2.9)95(1.3)323(4.9)356(4.5)418(3.7)550(3.4)607(3.9)638(5.1)United States480(3.2)486(3.3)6(2.9)Oroszorszg468(4.2)92(1.9)319(5.5)351(5.0)406(4.8)530(5.0)588(5.3)622(6.1)Russian Federation463(4.2)473(5.3)10(4.4)Portuglia466(3.4)88(1.7)321(6.3)352(5.3)406(5.0)526(3.5)580(3.3)610(3.7)Portugal460(3.4)472(4.2)12(3.3)Olaszorszg466(3.1)96(1.9)307(6.4)342(5.9)400(4.3)530(3.0)589(3.6)623(3.7)Italy457(3.8)475(4.6)18(5.9)Grgorszg445(3.9)94(1.8)288(5.4)324(5.1)382(4.6)508(4.3)566(5.3)598(5.1)Greece436(3.8)455(4.8)19(3.6)Szerbia437(3.8)85(1.6)299(4.4)329(4.5)379(4.0)493(4.8)546(5.1)579(5.3)Serbia436(4.5)437(4.2)1(4.4)Trkorszg423(6.7)105(5.3)270(5.8)300(5.0)351(5.3)485(8.5)560(14.2)614(22.7)Turkey415(6.7)430(7.9)15(6.2)Uruguay422(3.3)100(1.6)255(4.3)291(3.8)353(4.1)491(3.8)550(4.4)583(4.7)Uruguay416(3.8)428(4.0)12(4.2)Thaifld417(3.0)82(1.8)290(4.0)316(3.1)361(2.9)469(3.8)526(4.7)560(6.4)Thailand419(3.4)415(4.0)-4(4.2)Mexik385(3.6)85(1.9)247(5.4)276(4.7)327(4.3)444(4.5)497(4.7)527(5.6)Mexico380(4.1)391(4.3)11(3.9)Indonzia360(3.9)81(2.1)233(5.2)260(4.8)306(3.5)412(4.8)466(6.5)499(7.7)Indonesia358(4.6)362(3.9)3(3.4)Tunzia359(2.5)82(2.0)229(3.8)256(3.5)303(2.6)412(3.6)466(4.8)501(6.8)Tunisia353(2.9)365(2.7)12(2.5)Brazlia356(4.8)100(3.0)203(6.0)233(5.3)286(4.6)419(6.2)488(9.5)528(11.3)Brazil348(4.4)365(6.1)16(4.1)CountryMeanStandard deviationPercentilesCountryMathematics scale5th10th25th75th90th95thFemalesMalesDifference (M - F)1ScoreS.E.S.D.S.E.ScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.ScoreS.E.Mean ScoreS.E.Mean ScoreS.E.Score dif.S.E.OECD CountriesOECD CountriesHong Kong550(4.5)100(3.0)374(11.0)417(8.0)485(6.9)622(3.7)672(4.1)700(4.0)Hong Kong - China548(4.6)552(6.5)4(6.6)Finnorszg544(1.9)84(1.1)406(3.8)438(2.8)488(2.2)603(2.3)652(2.8)680(3.1)Finland541(2.1)548(2.5)7(2.7)Korea542(3.2)92(2.1)388(4.6)423(4.5)479(3.7)606(4.2)659(5.4)690(6.8)Korea528(5.3)552(4.4)23(6.8)Hollandia538(3.1)93(2.3)385(6.9)415(5.8)471(5.4)608(3.8)657(3.2)683(3.4)The Netherlands535(3.5)540(4.1)5(4.3)Liechtenstein536(4.1)99(4.4)362(19.7)408(9.8)470(7.6)609(7.9)655(9.5)686(16.4)Liechtenstein521(6.3)550(7.2)29(10.9)Japn534(4.0)101(2.8)361(8.2)402(6.3)467(5.4)605(4.4)660(6.1)690(6.6)Japan530(4.0)539(5.8)8(5.9)Kanada532(1.8)87(1.0)386(3.0)419(2.5)474(2.2)593(2.1)644(2.6)673(3.4)Canada530(1.9)541(2.1)11(2.1)Belgium529(2.3)110(1.8)334(6.5)381(4.6)456(3.4)611(2.5)664(2.4)693(2.4)Belgium525(3.2)533(3.4)8(4.8)Maka-Kna527(2.9)87(2.4)382(8.8)414(6.0)467(4.4)587(4.0)639(5.5)668(8.3)Macao - China517(3.3)538(4.8)21(5.8)Svjc527(3.4)98(2.0)359(4.8)396(4.2)461(3.6)595(4.9)652(5.2)684(6.8)Switzerland518(3.6)535(4.7)17(4.9)Ausztrlia524(2.1)95(1.5)364(4.4)399(3.4)460(2.7)592(2.5)645(3.0)676(3.5)Australia522(2.7)527(3.0)5(3.8)j-Zland523(2.3)98(1.2)358(4.1)394(3.9)455(2.9)593(2.2)650(3.2)682(2.9)New Zealand516(3.2)531(2.8)14(3.9)Csehorszg516(3.5)96(1.9)358(6.2)392(5.7)449(4.5)584(4.0)641(4.3)672(4.9)Czech Republic509(4.4)524(4.3)15(5.1)Izland515(1.4)90(1.2)362(4.0)396(2.7)454(2.8)578(1.9)629(3.0)658(3.8)Iceland523(2.2)508(2.3)-15(3.5)Dnia514(2.7)91(1.4)361(4.4)396(4.5)453(3.7)578(3.1)632(3.7)662(4.7)Denmark506(3.0)523(3.4)17(3.2)Franciaorszg511(2.5)92(1.8)352(6.0)389(5.6)449(3.7)575(3.0)628(3.6)656(3.5)France507(2.9)515(3.6)9(4.2)Svdorszg509(2.6)95(1.8)353(5.3)387(4.4)446(3.0)576(3.2)630(3.8)662(4.8)Sweden506(3.1)512(3.0)7(3.3)Ausztria506(3.3)93(1.7)353(6.6)384(4.4)439(4.0)571(4.2)626(4.0)658(5.0)Austria502(4.0)509(4.0)8(4.4)Nmetorszg503(3.3)103(1.8)324(6.1)363(5.6)432(4.7)578(3.5)632(3.5)662(3.6)Germany499(3.9)508(4.0)9(4.4)rorszg503(2.4)85(1.3)360(4.7)393(3.2)445(3.4)562(3.0)614(3.6)641(3.3)Ireland495(3.4)510(3.0)15(4.2)Szlovkia498(3.3)93(2.3)342(6.9)379(5.8)436(4.6)565(3.8)619(3.5)648(4.1)Slovak Republic489(3.6)507(3.9)19(3.7)Norvgia495(2.4)92(1.2)343(4.0)376(3.4)433(2.9)560(3.3)614(3.6)645(3.9)Norway492(2.9)498(2.8)6(3.2)Luxemburg493(1.0)92(1.0)338(3.9)373(2.7)430(2.2)557(1.9)611(3.2)641(2.7)Luxembourg485(1.5)502(1.9)17(2.8)Lengyelorszg490(2.5)90(1.3)343(5.8)376(3.6)428(3.1)553(2.9)607(3.3)640(3.5)Poland487(2.9)493(3.0)6(3.1)Magyarorszg490(2.8)94(2.0)335(5.6)370(4.2)426(3.0)556(3.9)611(4.7)644(4.6)Hungary486(3.3)494(3.3)8(3.5)Spanyolorszg485(2.4)88(1.3)335(5.1)369(3.5)426(3.0)546(3.1)597(3.5)626(3.7)Spain481(2.2)490(3.4)9(3.0)Lettorszg483(3.7)88(1.7)339(5.9)371(5.1)424(3.9)544(4.7)596(4.4)626(5.0)Latvia482(3.6)485(4.8)3(4.0)Egyeslt llamok483(2.9)95(1.3)323(4.9)356(4.5)418(3.7)550(3.4)607(3.9)638(5.1)United States480(3.2)486(3.3)6(2.9)Oroszorszg468(4.2)92(1.9)319(5.5)351(5.0)406(4.8)530(5.0)588(5.3)622(6.1)Russian Federation463(4.2)473(5.3)10(4.4)Portuglia466(3.4)88(1.7)321(6.3)352(5.3)406(5.0)526(3.5)580(3.3)610(3.7)Portugal460(3.4)472(4.2)12(3.3)Olaszorszg466(3.1)96(1.9)307(6.4)342(5.9)400(4.3)530(3.0)589(3.6)623(3.7)Italy457(3.8)475(4.6)18(5.9)Grgorszg445(3.9)94(1.8)288(5.4)324(5.1)382(4.6)508(4.3)566(5.3)598(5.1)Greece436(3.8)455(4.8)19(3.6)Szerbia437(3.8)85(1.6)299(4.4)329(4.5)379(4.0)493(4.8)546(5.1)579(5.3)Serbia436(4.5)437(4.2)1(4.4)Trkorszg423(6.7)105(5.3)270(5.8)300(5.0)351(5.3)485(8.5)560(14.2)614(22.7)Turkey415(6.7)430(7.9)15(6.2)Uruguay422(3.3)100(1.6)255(4.3)291(3.8)353(4.1)491(3.8)550(4.4)583(4.7)Uruguay416(3.8)428(4.0)12(4.2)Thaifld417(3.0)82(1.8)290(4.0)316(3.1)361(2.9)469(3.8)526(4.7)560(6.4)Thailand419(3.4)415(4.0)-4(4.2)Mexik385(3.6)85(1.9)247(5.4)276(4.7)327(4.3)444(4.5)497(4.7)527(5.6)Mexico380(4.1)391(4.3)11(3.9)Indonzia360(3.9)81(2.1)233(5.2)260(4.8)306(3.5)412(4.8)466(6.5)499(7.7)Indonesia358(4.6)362(3.9)3(3.4)Tunzia359(2.5)82(2.0)229(3.8)256(3.5)303(2.6)412(3.6)466(4.8)501(6.8)Tunisia353(2.9)365(2.7)12(2.5)Brazlia356(4.8)100(3.0)203(6.0)233(5.3)286(4.6)419(6.2)488(9.5)528(11.3)Brazil348(4.4)365(6.1)16(4.1)

Fig2.17Figure 2.17Distribution of student performance on the mathematics scaleGradation bars extend from the 5th to the 95th percentilesMean score on the mathematical literacy scale95% confidence interval around the mean scoreA populci 95%-t tartalmaz intervallumtlagos szvegrtsi kpessgAz tlag krli 95%-os konfidencia-intervallumForrs: OECD PISA adatbzis 2003, 6.2 tblzat

&R&D &T &Z&F &A

Fig2.17406.43402134.19727284313.65789412693.6578941269132.2211789031387.833148.04740729296.34696215716.3469621571141.6577883929360.91292165.35276322137.87081834877.8708183487148.1780800813357.98412151.52152725596.94935290416.9493529041148.4915669359352.36018153.53244108544.90685244464.9068524446140.4550740254353.40396145.80529077596.40173251416.4017325141146.1583241959324.03802172.44578280116.50172933896.5017293389152.1890185211342.3742149.24810419626.56115179386.5611517938143.7053122162343.40238141.92833201614.90806406394.9080640639144.7814798561335.27028149.18043343325.56167894685.5616789468148.2177886732339.22728136.92045648567.22721205447.2272120544135.6791794056322.96306154.14265253195.77932593815.7793259381149.3010355919318.50754141.67097014078.22814387938.2281438793145.7674421007307.22856152.40858843456.02706165556.0270616555151.5522082545

5th ScoreLow SEMeanHighSE95th ScoreMatematika kpessg

DataFig2.18Combined MathSpace and ShapeChange and relationshipsQuantityUncertainty1Liechtenstein29(10.9)1Liechtenstein39(12.1)1Liechtenstein26(12.1)1Liechtenstein21(9.9)1Liechtenstein31(10.5)1Korea23(6.8)1Korea27(8.0)1Korea25(7.3)1Korea22(6.2)1Korea22(6.6)1Macao-China21(5.8)1Macao-China23(6.8)1Macao-China20(6.6)1Macao-China17(6.0)1Macao-China18(5.9)1Greece19(3.6)1Greece19(4.0)1Greece18(4.2)1Greece23(4.0)1Greece20(3.7)1Slovak Republic19(3.7)1Slovak Republic35(4.5)1Slovak Republic16(4.2)1Slovak Republic13(3.6)1Slovak Republic17(3.5)1Italy18(5.9)1Italy18(6.3)1Italy21(6.3)0Italy13(6.5)1Italy24(5.9)1Luxembourg17(2.8)1Luxembourg28(3.3)1Luxembourg14(3.7)1Luxembourg9(3.2)1Luxembourg22(3.5)1Switzerland17(4.9)1Switzerland25(5.6)1Switzerland15(5.3)0Switzerland7(4.6)1Switzerland20(5.2)1Denmark17(3.2)1Denmark16(3.7)1Denmark21(3.5)1Denmark9(3.1)1Denmark22(3.2)1Brazil16(4.1)1Brazil15(4.1)1Brazil20(4.7)1Brazil18(4.5)1Brazil15(3.4)1Turkey15(6.2)1Turkey12(6.0)0Turkey6(7.2)1Turkey18(6.3)1Turkey19(5.7)1Czech Republic15(5.1)1Czech Republic28(5.7)1Czech Republic14(5.0)0Czech Republic6(5.2)1Czech Republic17(4.5)1Ireland15(4.2)1Ireland25(4.3)1Ireland13(4.4)1Ireland9(4.3)1Ireland15(4.6)1New Zealand14(3.9)1New Zealand18(3.9)1New Zealand17(4.1)1New Zealand12(3.9)1New Zealand12(3.9)1Portugal12(3.3)1Portugal15(3.5)1Portugal13(3.8)1Portugal14(3.3)1Portugal10(3.1)1Tunisia12(2.5)1Tunisia16(3.0)1Tunisia11(3.0)1Tunisia16(2.7)1Tunisia7(2.6)1Uruguay12(4.2)1Uruguay21(3.6)0Uruguay5(4.4)1Uruguay12(4.1)1Uruguay8(4.1)1Canada11(2.1)1Canada20(2.5)1Canada13(2.3)1Canada5(2.2)1Canada13(2.3)1Mexico11(3.9)1Mexico16(3.8)0Mexico8(4.4)1Mexico12(4.5)0Mexico4(3.5)1Russian Federation10(4.4)1Russian Federation21(5.0)0Russian Federation3(5.1)0Russian Federation6(4.4)1Russian Federation8(4.2)1Germany9(4.4)1Germany11(4.7)1Germany12(4.4)0Germany1(4.4)1Germany18(4.0)1Spain9(3.0)1Spain18(3.0)1Spain8(3.3)0Spain5(3.1)1Spain8(2.8)1France9(4.2)1France18(4.7)0France4(5.0)0France2(4.4)1France11(4.2)0Japan8(5.9)0Japan9(6.3)0Japan6(6.6)0Japan3(5.7)1Japan14(5.7)1Hungary8(3.5)1Hungary15(4.0)1Hungary10(3.9)0Hungary2(3.6)1Hungary8(3.3)0Austria8(4.4)1Austria19(5.2)0Austria5(5.0)0Austria3(4.2)0Austria8(4.6)0Belgium7(4.8)1Belgium18(4.6)0Belgium8(5.1)0Belgium1(4.7)0Belgium7(4.7)1Finland7(2.7)0Finland2(3.0)1Finland11(2.8)0Finland3(2.3)1Finland12(2.6)0United Kingdom7(4.9)1United Kingdom10(5.0)0United Kingdom8(5.0)0United Kingdom2(4.9)0United Kingdom6(4.9)1Sweden7(3.3)1Sweden10(3.5)0Sweden1(4.3)0Sweden3(3.6)1Sweden9(3.7)1United States6(2.9)1United States15(3.2)0United States6(2.9)0United States4(3.4)0United States3(2.8)0Norway6(3.2)0Norway7(4.3)0Norway4(3.3)0Norway-0(3.3)1Norway10(3.3)0Poland6(3.1)1Poland13(3.7)1Poland8(3.6)0Poland2(3.3)0Poland3(3.2)0Australia5(3.8)1Australia12(3.9)0Australia4(3.8)0Australia1(3.7)1Australia7(3.7)0Netherlands5(4.3)0Netherlands8(4.3)0Netherlands6(4.3)0Netherlands-4(4.7)1Netherlands9(4.1)0Hong Kong-China4(6.6)0Hong Kong-China4(6.8)0Hong Kong-China1(7.2)0Hong Kong-China-3(6.1)0Hong Kong-China12(6.7)0Indonesia3(3.4)1Indonesia16(2.9)0Indonesia4(3.4)0Indonesia2(3.1)1Indonesia-5(2.4)0Latvia3(4.0)1Latvia14(4.2)0Latvia-1(4.0)0Latvia3(3.4)0Latvia-0(3.3)0Serbia1(4.4)0Serbia3(4.9)0Serbia1(4.9)0Serbia-3(4.7)0Serbia5(4.2)0Thailand-4(4.2)0Thailand5(4.7)0Thailand-10(5.1)0Thailand-5(4.9)0Thailand-5(4.0)1Iceland-15(3.5)1Iceland-15(3.7)1Iceland-10(3.8)1Iceland-28(3.9)1Iceland-8(3.8)

DataFig2.19GDP per capita (in equivalent US dollars converted using PPPs)Mean performance on the PISA mathematic literacy scaleSlovak RepublicSlovak Republic11,323498MexicoMexico9,148386GBR was included to calculate the regression but doesn't appear in the chart (I remove the marker and the name without removing the data)PolandPoland10,360490HungaryHungary13,043490Czech RepublicCzech Republic14,861516GreeceGreece17,020444KoreaKorea15,916542IrelandIreland29,821502SpainSpain21,347485PortugalPortugal17,912466GermanyGermany25,453502United KingdomUnited Kingdom26,715508FinlandFinland26,344544NetherlandsNetherlands28,711538AustraliaAustralia26,685524CanadaCanada29,290532JapanJapan26,636534SwedenSweden26,902509FranceFrance26,818511BelgiumBelgium27,096529IcelandIceland28,968515DenmarkDenmark29,223514NorwayNorway36,587495ItalyItaly25,377465AustriaAustria28,372506SwitzerlandSwitzerland30,036528United StatesUnited States35,179483New ZealandNew Zealand21,230524TurkeyTurkey6,046424AUSAustralia26,685524AUTAustria28,372506BELBelgium27,096529CANCanada29,290532CZECzech Republic14,861516DNKDenmark29,223514FINFinland26,344544FRAFrance26,818511DEUGermany25,453502GRCGreece17,020444HUNHungary13,043490ISLIceland28,968515IRLIreland29,821502ITAItaly25,377465JPNJapan26,636534KORKorea15,916542LUXLuxembourg49,229493MEXMexico9,148386NLDNetherlands28,711538NZLNew Zealand21,230524NORNorway36,587495POLPoland10,360490PORPortugal17,912466SVKSlovak Republic11,323498ESPSpain21,347485SWESweden26,902509CHESwitzerland30,036528TURTurkey6,046424GBRUnited Kingdom26,715508USAUnited States35,179483

DataFig2.20Cumulative expenditureCum ExpenditureMath performanceSlovak Republic14,874498Slovak RepublicSVKMexico15,312386MexicoMEXPoland23,387490PolandPOLHungary25,631490HungaryHUNCzech Republic26,000516Czech RepublicCZEGBR was included to calculate the regression but doesn't appear in the chart (I remove the marker and the name without removing the data)Greece32,990444GreeceGRCKorea41,802542KoreaKORIreland41,845502IrelandIRLSpain46,774485SpainESPPortugal48,811466PortugalPORGermany49,145502GermanyDEUUnited Kingdom51,742508United KingdomGBRFinland54,373544FinlandFINNetherlands55,416538NetherlandsNLDAustralia58,480524AustraliaAUSCanada59,810532CanadaCANJapan60,004534JapanJPNSweden60,130509SwedenSWEFrance62,731511FranceFRABelgium63,571529BelgiumBELIceland65,977515IcelandISLDenmark72,934514DenmarkDNKNorway74,040495NorwayNORItaly75,693465ItalyITAAustria77,255506AustriaAUTSwitzerland79,691528SwitzerlandCHEUnited States79,716483United StatesUSANew Zealand524New ZealandNZLTurkey424TurkeyTUR

0%10%20%30%40%50%60%70%80%90%100%FinnorszgKoreaJapnCsehorszgFranciaorszgAusztriaNmetorszgSzlovkiaMagyarorszgLengyelorszgLettorszgEgyesltllamokOlaszorszgOroszorszgMexik