Soukromé a veřejné české vysoké školství z hlediska komparativní sociologie vzdělání

MASARYKOVA UNIVERZITA Fakulta sociálních studií Katedra sociologie

Soukromé a veřejné české vysoké školství z hlediska komparativní sociologie vzdělání

DIPLOMOVÁ PRÁCE

Vypracoval: Bc. Ondřej Cícha Vedoucí práce: doc. PhDr. Tomáš Katrňák, Ph.D.

Brno 2015

Prohlašuji, ţe jsem tuto diplomovou práci vypracoval samostatně a všechny pouţité prameny jsem uvedl v seznamu literatury.

V Brně dne 25. 5. 2015 ……………………………………… Ondřej Cícha 2

Poděkování na prvním místě patří panu doc. PhDr. Tomáši Katrňákovi, Ph.D. za odborné vedění mé diplomové práce. Především mu děkuji za trpělivost a shovívavost v průběhu tvorby tohoto textu. Dále bych chtěl poděkovat své přítelkyni, rodičům, bratrovi a kamarádům za to, ţe jsou. 3

Obsah Obsah .................................................................................................................................................. 4 Úvod .................................................................................................................................................... 6 1. Vyjasnění pojmosloví ....................................................................................................................... 8 2. Historický vývoj vysokého školství v ČR .......................................................................................... 10 3. Teoretické představení vzniku soukromého sektoru vysokého školství a jeho statistický přehled ve světě a v Evropě ................................................................................................................................. 16 4. Teoretické představení vzdělanostní mobility ................................................................................ 23 4.1. Teoretické náhledy na koncept vzdělanostní mobility .................................................................... 23 4.2. Měření vzdělanostní mobility .......................................................................................................... 27 5. Výzkumné otázky ........................................................................................................................... 28 6. Představení vybraných askriptivních charakteristik ........................................................................ 29 6.1. Věk studenta .................................................................................................................................... 29 6.2. Typ absolvované střední školy ......................................................................................................... 29 6.3. Nejvyšší dosažené vzdělání matky ................................................................................................... 30 6.4. Socioekonomický status a příjem domácnosti ................................................................................. 31 6.5. Pohlaví .............................................................................................................................................. 32 7. Analytická část ............................................................................................................................... 33 7.1. Srovnání soukromých a veřejných vysokých škol v rámci České republiky ..................................... 33 7.1.1. Hodnocení základních charakteristik studia, kvality instituce a vyučujících ............................. 34 7.1.2. Hodnocení studijní nabídky a podmínek studia ........................................................................ 39 7.1.3. Přehled výsledků ....................................................................................................................... 44 7.2. Data, jejich charakteristika a přehled proměnných ......................................................................... 46 7.3. Deskriptivní analýza ......................................................................................................................... 49 7.3.1. Ekonomické obory .................................................................................................................... 49 7.3.2. Humanitní a společenské obory ................................................................................................ 54 7.4. Regresní analýza............................................................................................................................... 60 7.4.1. Ekonomické obory .................................................................................................................... 60 7.4.2. Humanitní a společenské obory ................................................................................................ 63 Diskuze a závěr .................................................................................................................................. 66 Zdroje ................................................................................................................................................ 70 4

Seznam tabulek ................................................................................................................................. 74 Seznam grafů ..................................................................................................................................... 75 Abstrakt ............................................................................................................................................. 76 Abstract ............................................................................................................................................. 77 Jmenný rejstřík .................................................................................................................................. 78

5

Úvod Vzdělání je v soudobých moderních společnostech klíčovým faktorem k velkému mnoţství materiálních i symbolických statků, kterých jedinec můţe dosáhnout. Jako příklad uveďme kvalitní zaměstnání, zajišťující společenskou prestiţ a s tím spojené finanční ohodnocení, vysokou ţivotní úroveň anebo celkovou kvalitu ţivota (Matějů, Straková 2006). Pokud chtějí lidé výše zmíněných výhod dosáhnout, musí nevyhnutelně stoupat po jednotlivých stupních vzdělanostní dráhy a vysoké školství bylo odjakţiva tou nejvyšší metou, které mohou studenti ve své vzdělávací dráze dosáhnout. Vysoké školství bylo minimálně v České republice ještě donedávna spojováno pouze se jmény tradičních veřejných univerzit, které za sebou mají dlouhý historický vývoj, a těší se velké společenské prestiţi. Vše se však změnilo v roce 1998, kdy byl vydán důleţitý zákon č. 111/1998 Sb., který se týkal vysokých škol (Vlčková, Kouřilová 2010). Od této doby mohla jakákoliv právnická osoba s trvalým sídlem na území ČR, a se souhlasem Ministerstva školství, mládeţe a tělovýchovy zaloţit soukromou vysokou školu. Tento zákon přinesl změnu do celého sektoru vysokého školství, protoţe do něj vnesl faktor konkurence, a jednotlivé školy začaly soupeřit o nejtalentovanější studenty, vyučující a vědecké pracovníky. Od výše zmíněného roku se tedy na území ČR začal rozrůstat soukromý sektor vysokého školství, který v současnosti dosáhl 51 soukromých vysokých škol (ČSU 2015, MŠMT 2015). Na rozdíl od veřejných škol, které poskytují vzdělání v široké nabídce studijních oborů, se soukromý sektor zaměřil pouze na několik vybraných oblastí, po kterých byla ve společnosti největší poptávka. Mezi tyto oblasti patří ekonomie, humanitní a společenské vědy a pedagogika, učitelství a sociální péče. V roce 2010 byl naměřen 53% podíl ekonomických oborů v rámci soukromého sektoru vysokého školství. Na humanitní a společenské vědy připadalo 24% a pedagogika, učitelství a sociální péče byla zastoupena z 11%. Z celých 88% je tedy současný soukromý sektor vysokého školství tvořen z pohých tří studijních oblastí (ČSU 2015). Rozdílné rozloţení oborové struktury obou sektorů je tedy důleţit brát v potaz, pokud je chceme porovnávat a právě jejich srovnání je to, čím se bude zabývat tato práce. Nejprve se podíváme na historický vývoj vysokého školství v České republice. Naše historická exkurze začne rokem 1918, ve kterém bylo zaloţeno Československo a skončí v současné době. V rámci ní se zaměříme na vývoj statistik, spojených s terciárním sektorem a budeme se také věnovat rozdílům mezi soukromými a veřejnými vysokými školami. Dále se 6

podíváme na vývoj a pozici soukromého vysokého školství ve světě a v Evropě. Především nás budou zajímat teoretické podklady, týkající se vzniku soukromého sektoru a překáţky, se kterými se musí nové instituce vypořádat. Také se zaměříme na světové a Evropské statistiky, týkající se počtu studentů a institucí, náleţících do jednotlivých sektorů. Dále si představíme jednotlivé přístupy k teorii vzdělanostní mobility. Vzdělanostní mobilita a mobilitní procesy obecně, totiţ budou naše teoretické východisko, ze kterého budeme čerpat při následném srovnání jednotlivých sektorů terciárního vzdělání. Zaměříme se tedy na vývoj konkurenčních teorií v rámci této vědní disciplíny a popíšeme, v čem se jednotlivé náhledy na tuto problematiku odlišují. V rámci analytické části se poté dostaneme k samotnému srovnání jednotlivých typů vysokého školství. Nejprve soukromý a veřejný sektor porovnáme z hlediska subjektivního hodnocení absolventů těchto institucí a následně se zaměříme na vliv askriptivních charakteristik na šance jednotlivců studovat v rámci určitého sektoru terciárního vzdělání. První srovnání provedeme v rámci vybraných institucí, budeme tedy porovnávat rozdíly v rámci sektorů jako celku. U druhého srovnání se poté zaměříme specificky na ekonomické a humanitní a společenské obory, které v rámci soukromého sektoru tvoří 77% podíl (ČSU 2015). Soukromý sektor terciárního vzdělání je nejen v České republice na vzestupu a je zajímavé sledovat, jakými směry se jeho vývoj ubírá. Dále je také zajímavé ověřit, jestli při vstupu do jednoltivých sektorů existují určité nerovnosti, zaloţené na askriptivních charakteristikách. Všemi právě zmíněnými body se bude zabývat tato práce. Pojďme se tedy podívat, jaké výsledky nám přinesla.

7

1. Vyjasnění pojmosloví Na začátek práce si nejprve představíme jednotlivé pojmy, se kterými budeme v průběhu textu pracovat, abychom se ujistili, ţe kaţdý čtenář bude dané pojmy interpretovat stejně a nebude tak docházet k nejasnostem. Nejprve si vysvětlíme, co se rozumí pod pojmem terciární vzdělání a dále se podíváme na to, s jakými typologiemi terciárního vzdělání jednotliví autoři pracují a jaké charakteristiky pouţívají k jejich dělení. Pojďme se tedy nejprve podívat na pojem terciárního vzdělání, který můţeme definovat jako „všechny typy státem uznaného vzdělávání občanů, navazující na úplné střední všeobecné vzdělání nebo úplně střední odborné vzdělání ukončené maturitní zkouškou“ (Národní program rozvoje 2001: 63). Dle této definice do terciárního vzdělání kromě vysokých škol spadají i pomaturitní jazyková studia anebo vyšší odborné školy. My se však v této práci chceme zaměřit na rozdíly mezi soukromým a veřejným vysokým školství v ČR, a z toho důvodu do naší definice pomaturitní jazyková studia a vyšší odborné školy nezahrneme. Terciární vzdělání v této práci tedy bude reprezentovat pouze vysokoškolské vzdělání. První z typologií námi definovaného terciárního vzdělání představuje rozdělení vysokých škol na školy univerzitního a neuniverzitního typu. Zatímco univerzitní vysoké školy mohou provozovat všechny typy studijních programů1 a další činnosti, které jsou s těmito programy spojené, neuniverzitní vysoké školy poskytují pouze bakalářské studijní programy a velmi vyjmečně programy magisterské. Neuniverzitní vysoké školy dále nemohou pouţívat označení „univerzita“ a nemohou být členěny na fakulty (Kudrová, Smrčka 2013). Druhá typologie terciárního vzdělání dělí jednotlivé vzdělávací instituce na školy soukromé a veřejné. Dle Reisze a Stocka (2012) existuje hned několik definic, které se zde dají pouţít. Nejpouţívanější definice soukromého vysokého školství vzešla z pera autora Levyho. Ten rozděluje terciární vzdělání na veřejné a soukromé podle toho, jak je definováno národními autoritami. (Levy 1986 in Reisz, Stock 2012). Velmi pouţívaná je také definice Altbachova, která dělí terciární vzdělání podle toho, do jaké míry jsou jednotlivé vzdělávací instituce zodpovědné za své vlastní financování (Altbach 1999 in Reisz, Stock 2012). Dle poslední definice poté můţeme rozlišit tři typy vztahů mezi soukromým a veřejným vysokým školstvím. První z nich je charakterizován masovým 1

Výčet studijních programů: bakalářské, magisterské, doktorské.

8

soukromým sektorem terciárního vzdělání s omezeným sektorem veřejným. Příkladem tohoto typu mohou být země jako Japonsko, Filipíny anebo Brazílie. Druhý typ vztahu popisuje situaci, kdy jsou oba sektory, co se počtu institucí týče, přibliţně stejně zastoupeny, jsou tedy paralelní. Příkladem můţe Belgie anebo Chile. Poslední z typologie vztahů představuje situaci, kdy je v dané zemi velmi silně zastoupen veřejný sektor terciárního vzdělání a sektor soukromý je pouze okrajovým doplňkem. Jako příklad můţeme uvést země jako Německo anebo Českou republiku. (Geiger 1988 in Reisz, Stock 2012). Dále se podíváme na to, jakým způsobem je děleno terciární vzdělání v České republice. Český právní systém rozeznává tři typy vysokých škol, a jsou to školy státní, veřejné a soukromé. Státní školy v ČR představují specifický typ terciárního vzdělávání. Jejich hlavní funkcí je uspokojování veřejných (státních) potřeb ve formě edukace a výcviku bezpečnostních sloţek států, a jsou přímo řízeny příslušnými ministerstvy. V České republice aktuálně existují pouze dvě státní školy2, a poněvadţ mají specifický charakter a nedají se jednoduše sloučit s kategorií škol veřejných, nebudeme se jimi v této práci zabývat. Druhý typ vysokých škol v ČR představují školy veřejné, mezi kterými se nachází i nejstarší české univerzity. Vzdělání na těchto institucích je dle zákona dostupné všem a zdarma. Veřejné vysoké školy jsou samosprávnými jednotkami, které disponují vlastním rozpočtem a jejich příjem je nejčastěji získáván ze státního rozpočtu, ze státních fondů anebo z rozpočtů obcí. Veřejné vysoké školy mohou vznikat, zanikat anebo být měněny pouze zákonem. Třetí typ českého vysokého školství repezentují školy soukromé. Soukromé vysoké školy jsou nahlíţeny jako právnické osoby, které získaly státní souhlas od Ministerstva školství ČR k provozování své činnosti a mají akreditován alespoň jeden studijní program. Soukromé vysoké školy vznikají primárně za účelem generování zisku, a z toho také vyplývá jejich hlavní úkol, a to zajištění si finančních prostředků pro fungování. Studium na těchto školách je tedy zpoplatněno a výši těchto poplatků si kaţdá instituce určuje sama (Körner 2010; Kudrová, Smrčka 2013; Tichý 2013).

2

Univerzita obrany v Brně a Policejní akademie České republiky v Praze

9

2. Historický vývoj vysokého školství v ČR V této kapitole se podíváme na historický vývoj vysokého školství v České republice. V rámci naší historické exkurze se vrátíme aţ do roku 1918, kdy skončila první světová válka a krátce nato se zformovalo samostatné Československo. Ukáţeme si, v jaké kondici se nacházelo české vysoké školství za doby první republiky a následného protektorátu v období druhé světové války. Dále se pokusíme zmapovat stav terciárního vzdělání v průběhu vlády komunismu a celou kapitolu uzavřeme náhledem na výsoké školy v době porevoluční. Zajímat nás bude především charakteristika dané doby, vhodnost podmínek pro studium terciárního vzdělání a efekt, který toto vzdělání mělo na jedincův status ve společnosti. Dále se podíváme na absolutní počty studentů, kteří v dané době na vysokých školách studovali a počty vysokoškolských institucí, které v té době působily. Také nás budou zajímat procentuální podíly studentů ţenského pohlaví. Pokud v některé historické fázi vývoje vysokého školství došlo k markatním rozdílům v prezentovaních statistikách, pokusíme se vysvětlit, proč tomu tak bylo. V období mezi dvěma světovými válkami, které je nazýváno jako První republika, fungovalo na území československého státu aţ 14 vysokých škol3. Nejvyššího počtu studentů v tomto období dosáhly vysoké školy v akademickém roce 1934/35, kdy zde studovalo 31 046 studentů československé národnosti. Podíl studentů ţenského pohlaví se pohyboval mezi 9% a 16% a svého maxima dosáhl v roce 1935/36 (16,4%) (Vlčková, Kouřilová 2010). Hlavním znakem studia na vysoké škole byl v tomto období její vědecký charakter. Vysokoškolsky vzdělaný člověk kromě diplomu automaticky získával i vyšší postavení v rámci společenského ţebříčku. Veškeré poplatky za studium byly plně hrazeny daným studentem, terciární vzdělávání v této době tedy bylo určeno pouze pro movitější vrstvy obyvatelstva. Tento trend pokračoval aţ do listopadu roku 1939, kdy se české země dostaly pod nadvládu sousedního Německa. V rámci Protektorátu Čechy a Morava bylo české terciární vzdělávání soustavně likvidováno a jednotlivé vysoké školy postupně uzavírány. Německé vysoké školy se v období 2. světové války začlenily do svazku říšsko německých vysokých škol a byl jim zaveden tzv.

3

V akademickém roce 1921/22 to konrétně bylo 13 vysokých škol. V roce 1924/25 se počet škol zvedl na 14, ale poté se v průběhu dalších let začal z důvodu hospodářské krize a nástupu Adolfa Hitlera k moci sniţovat. Poslední předválečný údaj z akademického roku 1936/37 hovoří o 12 vysokých školách (ČSÚ 2015).

10

kuratorní systém, coţ znamenalo, ţe jednotliví rektoři jiţ nebyli voleni profesorským sborem, ale vybíral a jmenoval je říšský ministr školství. Velmi brzy po konci 2. světové války bylo německé vysoké školství na území Československa zrušeno a majetek jednotlivých škol byl přidělen jejich českým protějškům (ČSU 2015). Po konci 2. světové války, tedy od roku 1945, se české vysoké školství začalo opět velmi rychle obnovovat. Jednotlivé vzdělávací instituce vzhledem ke stavu, v jakém je okupace a válečný stav zanechaly, přijímali do studia téměř všechny přihlášené uchazeče včetně tech, kteří byli nuceni po začátku války své studium přerušit (Vlčková, Kouřilová 2010). Díky tomu v akademickém roce 1945/46 na českém území studovalo jiţ 46 759 vysokoškolských studentů, coţ bylo o 25,5 tisíc více, neţ v nejpočetnejším akademickém roce v rámci První republiky4. Nejvyššího počtu studentů dosáhlo poválečné terciární vzdělání v akademickém roce 1946/47, kdy zde studovalo 52 519 jedinců. Mírně se zvýšila také účast studentů ţenského pohlaví. V akademickém roce 1948/49 na vysokých školách v Česku a na Slovesku studovalo 24% ţen, coţ představuje nárůst o 8%. V tomto období se také zvýšil počet vysokých škol, které na našem území působily5. Poválečný nárůst studentů zastavil aţ únorový převrat v roce 1948, po kterém se Československo dostalo pod nadvládu komunistického reţimu. (ČSU 2015). Krátce po jeho nástupu k moci došlo k rozsáhlým politickým čistkám, které vyústily k zákazu působení na akademické půdě, častokrát aţ k absolutnímu vytěsnění politicky nepohodlných jedinců (studentů, profesorů i jiných zaměstnanců vzdělávacích institucí) z veřejného i profesního prostoru (ČSU 2015). V roce 1948 byl komunistickou stranou vyprácován nový školský zákon, který mezi jinými poskytl všem studentům bez rozdílu vzdělání zcela zdarma. Snahou komunistické strany bylo především odstranit vliv ekonomických zdrojů na proces vzdělání a přenést břemeno financování výdajů za studium téměř výhradně na stát. Komunistická strana také zrušila všechny soukromé školy. (Simonová 2006). Tyto kroky přinesly absolutní obrat v rámci financování studia, poněvadţ v období První republiky byl kaţdý student nucen hradit si své studium zcela sám. Na druhou stranu však dosaţení terciárního

4

Rozdíl v počtu studentů mezi První republikou a poválečnými lety je vyšší, neţ se na první pohled zdá, protoţe zatímco Český statistický úřad v období mezi dvěma světovými válkami evidoval počty studentů v rámci celého Československa, poválečné údaje sledují jiţ jen počty studentů české národnosti. 5

Nejvyššího počtu vysoké školy dosáhly v akademickém roce 1948/49, kdy na našem území fungovalo 18 institucí.

11

vzdělání automaticky nepřinášelo vyšší společenské postavení a uţ vůbec nezaručovalo zvýšení ţivotní úrovně (Simonová 2006), coţ vnášelo demoralizující efekt do motivace studentů terciární vzdělání absolvovat. Souhrný efekt poúnorových změn v rámci komunistického reţimu vyústil v propad absolutního počtu studentů, kteří na vysokých školách v této době studovali. V akademickém roce 1948/49 bylo evidováno 48 666 studentů. Tento počet se však v roce 1951/52 propadl na pouhých 29 745, coţ činilo pokles o celých 38% bodů. V následujících letech se však opět začal zvyšovat. Ke konci 50. let na českém území studovalo v průměru okolo 50 tisíc studentů a v 60. letech se počty zvedly aţ na 90 tisíc6. Takto vyskoký nárůst počtu studentů v rámci jedné dekády byl způsoben otevřením velkého mnoţství nových vysokých škol, které byly z velké většiny tvořeny pedagogickými instituty7. Procentuální nárůst v poměru k muţské populaci zaznamenaly také ţeny-studentky. Zatímco v prvních pěti poúnorových letech na vysokých školách studovalo v průměru 24% studentek, jejich podíl se v akademickém roce 1963/64 vyšplhal aţ na 41,4%. Aţ do započetí tzv. Praţského jara a následné sovětské okupace se podíl ţen, studujících na vysokých školách pohyboval okolo 39% (ČSU 2015). Tento nárůst byl kromě jiného také způsoben snahou komunistické strany o zrovnoprávnění (v některých případech aţ zvýhodnění) ţenského pohlaví (Simonová 2006). Záčátek roku 1968 je v dějinách znám jako tzv. Praţské jaro, v jehoţ rámci se reformní komunisté pokusili uvolnit politický tlak tehdejšího reţimu a urychlit proces demokratizace Československa. Toto období bylo ukončeno v noci z 20. na 21. srpna, kdy na naše území vstoupila vojska Varšavské smlouvy. Roky následující po sovětské okupaci (konkrétněji období mezi lety 1968 – 1989) jsou historiky označovány jako období normalizace. Na počátku normalizace stály politické čistky a prověrky, které měly opět za následek vyhoštění politicky nepohodlných jedinců z prostoru akademických institucí. Kromě výše zmíněných čistek komunistický reţim také přitvrdil v rámci přijímání nových studentů do terciárního vzdělání. O studium na vysoké škole se teorieticky mohl ucházet kaţdý, kdo vlastnil maturitní vysvědčení, realita však byla trochu jiná. Kromě úspěšně sloţené maturitní zkoušky musel vysokoškolský

6

Nejvyššího počtu studentů terciárního vzdělání v tomto období dosáhly vysoké školy v akademickém roce 1965/66, kdy zde studovalo 95 528 studentů. 7

Zatímco v akademickém roce 1948/49 fungovalo na českém území 18 vysokoškolských institucí, jejich počet v roce 1959/60 skoro zdvojnásobil (konkrétně 34 vysokých škol). Poté započal jejich opětovný úbytek, který se v období Praţského jara (tedy v roce 1968/69) zastavil na čísle 23.

12

uchazeč splňovat určitá kritéria a doloţit několik typů doporučení a posudků8 (Vlčková, Kouřilová 2010). Vlivem výše zmíněných čistek a náročnosti kritérií v rámci vstupu na akademickou půdu se po srpnové okupaci počet studentů na českých vysokých školách opět začal propadat. V akademickém roku 1969/70 zde ještě studovalo 84 784 jedinců, tento počet se však v průběhu 3 let (akademický rok 1972/73) propadl aţ na 75 597. Poté se počty studentů opět začaly zvyšovat, a svého předrevolučního maxima dosáhly v roce 1981/82, kdy zde bylo k vysokoškolskému studiu zapsáno 120 914 jedinců. Sledovaný nárůst je přičítán rostoucímu počtu československé populace a také zvyšujícímu se mnoţství jedinců, kteří vysoké školy studovali při zaměstnání. Počet vysokých škol, které na našem území působily, se po srpnových událostech stabilizoval na čísle 24. V roce 1974 byla zrušena Univerzita 17. listopadu v Praze a od té doby se aţ do sametové revoluce počet vysokých škol ustálil na počtu 23. V tomto období se také nadále zvyšovalo procentuální zastoupení studentů ţenského pohlaví. V akademickém roce 1969/70 zde studovalo 38,4% ţen. Jejich zastoupení v terciárním vzdělávání se na konci sledovaného období (tedy v roce 1989/90) zvedlo na 44,6% (ČSU 2015). V průběhu 80. let se začala hroutit nadvláda komunistického reţimu ve státech Východního bloku z důvodu občanské nespokojenosti s politickým a ekonomickým vývojem. V Československu se tato vlna nespokojenosti poprvé projevila v roce 1988, kdy proběhlo několik do té doby nemyslitelných protivládních demostrací a shromáţdění. Tyto demonstrace pokračovaly i v roce 1989 a jejich vyvrcholením se stalo shromáţdění, konané nezávislým studentským sdruţením „Stuha“, které na 17. listopad naplánovalo pietní akci k 50. výročí uzavření českých vysokých škol nacisty. Původně schválená a nenásilně plánovaná demonstrace se nakonec z důvodu zásahu bezpečnostních sloţek státu zvrhla v násilné potlačení studentského shromáţdění. Následující den se tato zpráva začala šířit v rámci území Československa i mimo něj, a z dnešního pohledu je tato událost pokládána za finální hřebík do rakve komunistického reţimu na našem území (Suk 2009). Vysokému školství byla krátce po těchto událostech navrácena akademická svoboda, obnovily se akademické senáty a znovu byly zavedeny demokratické volby jednotlivých vysokoškolských funkcionářů. Vzhledem k přechodu Československa (od 1. 1. 1993 uţ jen České republiky) k demokratickému reţimu a otevřenosti 8

Patřilo sem například doporučení třídního učitele ze střední školy anebo posudek tzv. uličního výboru (sdruţení, které zastupovalo domovsou čtvrť studenta). Mezi další předpoklady patřilo členství rodičů v komunistické straně a v některých případech členství studenta v Socialistickém svazu mládeţe.

13

vůči západnímu světu se u nás velmi brzy redefinoval společenský pohled na hodnotu vzdělání (vysokoškolského především), coţ mělo za následek velmi rychlý růst v počtu porevolučních studentů. Následující statistiky, které se týkají počtu studentů a vysokých škol, si prozatím zobrazíme pouze do roku 1998, protoţe tento rok byl pro naše pozorování a i pro tuto práci stěţejní a jeho důleţitost si vysvětlíme za chvíli. Zatímco v akademickém roce 1989/90 na vysokých školách studovalo 112 980 studentů, v roce 1998/1999 to bylo jiţ 186 730. Takto výrazný nárůst byl způsoben rostoucí ekonomickou i sociální hodnotou terciárního vzdělání. Matějů, Řeháková a Simonová (2006) například zjistili, ţe ekonomická rentabilnost tohoto vzdělání se z roku 1988 do roku 1996 zdvojnásobila. Zvyšující se počty porevolučních studentů byly také způsobeny rozvojem demokracie a převzetím západních strategií, cílů a vizí v rámci terciárního vzdělávání. Co se rozloţení studentů z hlediska pohlaví týče, nebyl zaznamenán znatelný rozdíl mezi dobou předrevoluční a koncem 90. let. Jak jiţ bylo zmíněno výše, v akademickém roce 1989/90 na českých vysokých školách studovalo 44,6% ţen a velmi podobných hodnot (v průměru 44,5%) dosahovalo ţenská účast na terciárním vzdělávání i v průběhu let devadesátých. Počet škol v rámci námi aktuálně sledovaného období zůstal konstantní, stále se tedy drţel na čísle 23 (ČSU 2015), ale to se mělo brzy změnit. Zlomovým bodem byl rok 1998, protoţe byl v této době vládou České republiky přijat zákon č. 111/1998 Sb., který se týkal vysokých škol. Důleţitou součástí tohoto zákona byla část, zabývající se moţností zaloţení soukromé vysoké školy. Tu můţe zaloţit právnická osoba s trvalým sídlem na území ČR a se souhlasem Ministerstva školství, mládeţe a tělovýchovy (Vlčková, Kouřilová 2010). Nyní se tedy podíváme na vývoj vysokého školství v České republice od roku 1998/99 aţ do současnosti. Nejprve si zobrazíme sledované statistiky v rámci veřejného terciárního vzdělání a na závěr se podíváme na jeho soukromý sektor. V roce 2000 na veřejných vysokých školách studovalo 188 192 studentů a kaţdým rokem se jejich počet zvyšoval minimálně o 10 tisíc. Nejvyššího počtu studentů v rámci České republiky dosáhly tyto školy v roce 2010, kdy zde studovalo 339 353. Poslední údaj Ministerstva školství, mládeţe a tělovýchovy z roku 2014 hovoří o mírném propadu počtu studentů, konkrétně o 308 428 studujících jedincích (MŠMT 2015). Tento velmi výrazný nárůst můţeme opět připsat jiţ výše uvedenému argumentu o rostoucí ekonomické i sociální hodnotě terciárního vzdělání (Matějů, Řeháková, Simonová 2006). Studentky v roce 2001 tvořily necelých 48% z celkového počtu evidovaných studentů veřejných vysokých škol a v roce 2007 se tento podíl přehoupl přes 14

50% (konkrétně 53,2%) (ČSU 2015). Počet veřejných vysokých škol se od posledního námi sledovaného období, kdy zde působilo 23 institucí, rozrostl o 3 nově vzniklé školy9 (Vlčková, Kouřilová 2010). Počet studentů, navštěvujících soukromé vysoké školy se kaţdým rokem velmi rychle zvyšoval. V roce 2000, kdy bylo soukromé terciární vzdělání na počátku svého rozvoje, v těchto institucích studovalo pouhých 2 056 jedinců, coţ tvořilo 1% z celkové vysokoškolské populace v tomto roce (ČSU 2015). V roce 2005 se tento počet více neţ zdesetinásobil a dosáhl čísla 24 440 studentů. V roce 2010 se nárust zdvojnásobil na číslo 57 424 jedinců, coţ bylo prozatím známé maximum, jehoţ soukromé vysoké školy dosáhly. Poslední známý údaj z roku 2014 hovoří o podobném propadu studentů, jaký zaznamenaly školy veřejné. V tomto roce soukromé terciární vzdělávání navštěvovalo 39 416 studentů, coţ tvořilo 12,8% z celkové vysokoškolské populace. Podíl ţen, zastoupených na soukromých vysokých školách v průběhu jejich vývoje vzrostl z 51,7% zjištěných v roce 2001 aţ na 60,5% naměřených v roce 2014. V současnosti tedy na kaţdé tři ţeny, studující na soukromé vysoké škole, připadají dva muţi-studenti (MŠMT 2015). Po uvedení zákona č. 111/1998 Sb. v platnost se také velmi rychle zvyšoval počet jednotlivých soukromých škol. Uţ ke konci roku 1999 Ministerstvo školství mládeţe a tělovýchovy udělilo souhlas 4 nově vzniklým institucím, které nabízely soukromé terciární vzdělání. O rok později se jejich počet zdvojnásobil a kaţdým následujícím rokem toto číslo nadále stoupalo. V roce 2014 bylo na území České republiky zaregistrováno 51 soukromých vysokých škol (ČSU 2015, MŠMT 2015).

9

Konkrétně se jednalo o Univerzitu T. Bati ve Zlíně (zaloţena roku 2001), neuniverzitní Vysokou školu polytechnickou v Jihlavě (zaloţena roku 2004) a nejmladší Vysokou školu technickou a ekonomickou v Českých Budějovicích (zaloţena roku 2006).

15

3. Teoretické představení vzniku soukromého sektoru vysokého školství a jeho statistický přehled ve světě a v Evropě V této kapitole se nejprve podíváme na teoretické pozadí vzniku soukromého sektoru vysokého školství. Ukáţeme si, s jakými problémy se soukromé instituce musejí potýkat a jaké úskalí přináší jejich legitimizační proces. Dále si zobrazíme světové statistiky podílů soukromého a veřejného terciárního sektoru a na závěr se blíţe zaměříme na Evropský kontinent a soukromý sektor vysokého školství v postkomunistických zemích Východní Evropy. Soukromý sektor terciárního vzdělání byl aţ do nedávné doby ve velké části světa pouze okrajovým fenoménem. Počátkem nového tisícileté však došlo k obratu, a podíl tohoto sektoru10 se v rámci jednotlivých kontinentů začal rapidně zvyšovat a to hlavně v rozvojových a tranzitních zemích (Levy 2009). Vzhledem k problematickým podmínkám existence, které budou popsány dále, však mají jednotlivé podíly soukromého vysokého školství tendenci měnit svou velikost. Na jedné straně můţeme pozorovat situace, kdy jsou kapacitně menší soukromé instituce terciárního sektoru náchýlnější k ekonomickému krachu a následnému ukončení svého provozu. Důvodem je právě malá kapacita, která při fluktuaci zapsaných studentů nemusí být naplněna, a soukromá instituce následně nemá další finance potřebné ke svému chodu. Například v USA mezi lety 1980 a 1995 zaniklo cca sto soukromých vysokých škol, avšak velmi podobný počet institucí byl v této době zaloţen (Zumeta, LaSota 2010). Na druhé straně poté můţeme pozorovat situace, kdy jsou soukromé školy zakládány. Autor Levy (2010) rozdělil soukromý sektor terciárního vzdělání na tři typy, aby tak ukázal, z jakého důvodu jsou nové instituce zakládány. První z nich pojmenoval jako školy „náboţenské“ (v angl. originále „religious“), druhé nazýval „elitní a semi-elitní“ (elite and semi-elite) a třetí „non-elitní a poptávce vyhovující“ (non-elite and demand absorbing). „Náboţenské“ soukromé vysoké školy jsou dle Levyho zakládány z důvodu vzniku nových náboţenských a etnických identit. Do této kategorie jsou zařazeny školy, které své studenty vybírají na základě určitých kulturně definovaných předpokladů. Kromě náboţenských a etnických institucí sem také mohou patřit školy, které mohou být navštěvovány např. pouze ţenami (genderový předpoklad) anebo příslušníky určité rasy (rasový předpoklad). Druhý typ institucí, nazvaný „elitní a semi-elitní“ je vytvářen na 10

Podílem je zde myšlen procentuální podíl studentů zapsaných do soukromého sektoru vysokého školství.

16

základě potřeby soukromého sektoru vyrovnat se tomu veřejnému. Jiţ z definice vidíme, ţe semi-elitní školy, kterých je v této kategorii většina, se pohybují mezi elitními a non-elitními školami. Tyto instituce se nejčastěji zaměřují na výuku a jsou orientované na přípravu studenta pro vstup do pracovního trhu. Mezi elitními a semi-elitními školami také můţeme velmi často najít instituce ekonomického zaměření. Poslední typ, nazvaný „non-elitní a poptávce vyhovující“ je v současné době nejrychleji se rozvíjejícím typem soukromého školství, a to z důvodů neustálého demografického růstu, ekonomické expanze, rostoucí střední třídy, zvyšujících se vzdělanostních aspirací studentů a rozrůstajícího se pracovního trhu. Mezi těmito institucemi můţeme nejčastěji najít školy neuniverzitního typu, které se zaměřují na profesní přípravu studenta. Španělský tým autorů se pokusil podívat na vznik soukromých vysokých škol z jiného úhlu pohledu a tvrdí, ţe nové instituce vznikají a kladou si za cíl skrze vytvoření konkurence zlepšit jednotlivé školy a celkovou výkonost školského systému. Dle těchto autorů existují dva základní účely vysokých škol, kterými jsou akumulace vědomostí a jejich transfer do systému produkce. Tyto účely jsou naplňovány skrze tři úkoly, které školy plní a jsou to výuka, výzkum a tvorba vědomostí. V neo-liberálním kontextu a v rámci komercializace univerzitních aktivit jsou výuka a transfer vědomostí povaţovány za soukromý statek a výzkum a akumulace vědění se berou jako statky veřejné. Tým autorů právě zmíněné dělení uvádí z důvodů evaluace efektivity výše uvedených cílů, protoţe zavedení konkurence je nejefektivnější v rámci soukromých statků a na statky veřejné nemá tak velký vliv (Casani, De Filippo, García-Zorita, Sanz-Casado 2014). Nově zaloţené soukromé instituce to však nemají vůbec lehké. Zaprvé je potřeba překonat určité překáţky při tvorbě soukromého sektoru a zadruhé jednotlivé instituce musí projít několika stádii legitimizace, aby poté mohlo dojít k širšímu společenskému uznání. Co se překáţek při tvorbě soukromého terciárního sektoru týče, autorka Galbraith (2003) identifikovala tři typy. První z nich se nazývá kulturně behaviorální a soukromé vysoké školy s ním přicházejí do styku v momentě, kdy je privátní sektor na daném území relativně novým jevem. Vzhledem k tomu, ţe privátní sektor je z pohledu tradičních univerzit nahlíţen s nedůvěrou, špičkoví studenti i profesoři raději volí veřejný sektor. To poté vede k nedostatku lidského kapitálu v soukromém sektoru. Této situaci příliš nepomáhá ani vysoká variabilita v kvalitě vysokoškolského vzdělání. Kulturně behaviorální překáţky navíc mohou fungovat jako tzv. 17

sebenaplňující se proroctví (Merton 1968), kdy se situace definovaná jako reálná (tedy špatná kvalita institucí a nedůvěra v ně) stane reálnou i ve svých důsledcích. Další typ překáţek se nazývá ekonomický a jsou s ním spojeny veškeré těţkosti s obstaráváním finančních prostředků (například na pronájem a vybavení prostorů, financování výzkumu atd.) pro jednotlivé vzdělávací instituce. K tomuto typu je také přiřazen problém s vysokým školným na některých privátních školách, které si ne kaţdý jedinec můţe dovolit, coţ sebou opět přináší odliv potenciálních studentů. Poslední typ se nazývá regulační a jeho následky se projevují aţ po kulturně behaviorálních a finančních překáţkách. Regulační překáţky mohou nabývat dvou podob. První z nich nastává v případě, kdy ve státě funguje pouze velmi malá regulace vysokoškolského sektoru. Regulační překáţky se poté projeví v podobě byrokratických prodlev při udělování licencí, anebo v rámci problémů s akreditacemi. Druhý případ naopak spočívá v silné státní regulaci, která se snaţí likvidovat soukromý sektor, který je nahlíţen jako soupeř toho veřejného. Další projevy mohou být vysoké zdanění anebo zpolitizování akreditačního procesu. Autorka na závěr dodává, ţe jednotlivé překáţky se mohou navzájem překrývat a mezi sebou se navzájem ovlivňovat (Galbraith 2003). I kdyţ určitá škola překoná výše zmíněné překáţky související s jejím vznikem, ješte stále nemá vyhráno. Dle autora Gieseckeho (2006) musí totiţ projít třemi stádii legitimizačního procesu, aby tak mohla být v rámci dané společnosti uznána. Exitují zde tedy tři klíčová stádia, v rámci kterých se soukromé instituce pohybují, pokud chtějí být uznané jako legitimní. První z nich se nazývá „stádium efektivity“ a evokuje společenské přijetí. Další je nazváno jako „stádium ţivotaschopnosti“ a vzbuzuje veřejnou důvěru. Poslední z nich se nazývá „stádium legitimity“ a přináší širší společenské rozpoznání. Různé typy institucí dle Gieseckeho vyuţívají rozdílné strategie při průchodu výše zmíněnými stádii. Soukromé školy univerzitního typu by se dle autora měly zaměřit na zkvalitnění výzkumu, a pro školy neuniverzitního typu je zase klíčová mediální prezentace, která následně přitáhne kvalitní studenty. V průběhu 19. a 20. století figurovalo vysoké školství ve velké většině pouze v rámci veřejného sektoru. Od přelomu tisíciletí lze však pozorovat velký nárůst soukromého terciárního sektoru, který se odehrává v globálním měřítku. Největší růst byl prozatím zaznamenán u zemí rozvojových a zemí tranzitních, které přešly od komunistického reţimu k demokracii (Levy

18

2009). Podíl soukromého vysokého školství ve světě činí zhruba jednu třetinu11 (Levy 2012). Toto je však velmi hrubé sloučení jednotlivých světových regionů, protoţe na jedné straně zde máme regiony jako je Severní a Jiţní Amerika anebo Východní Asie, kde má soukromé školství dlouholetou tradici a je zakořeněno v tamnější kultuře, a na straně druhé se nachází například východní Evropa, kde se soukromý sektor terciárního vzdělání začal vytvářet aţ po roce 1990 (Galbraith 2003). Máme tedy co dočinění s velkou variabilitou mezi jednotlivými kontinenty a zeměmi. Autor Levy (2010) v roce 2009 porovnal jednotlivé části světa podle jejich procentuálního podílu soukromého vysokého školství. Na prvním místě se umístila Latinská Amerika s podílem 49% a druhé místo obsadila Asie s 36%. Zde je vhodné upozornit, ţe toto jsou jediné dva regiony, které svým podílem soukromého sektoru vysokého školství přesahují celosvětový průměr. Další skončila Severní amerika s 26%, následně Evropa s 16% a na závěr Afrika s 15%. Pojďme se nyní na jednotlivé kontinenty podívat trochu blíţe. Dvě statistiky, se kterými budeme v následujícím textu pracovat, jsou procentuální podíl studentů zapsaných do privátního sektoru terciárního vzdělání a procentuální podíl privátních institucí v rámci sektoru vysokého školství. Pokud bude v textu zmíněn pouze pojem „podíl soukromého sektoru“, tak je tím vţdy myšlen procentuální podíl zapsaných studentů. Nejprve si zobrazíme statistiky v rámci asijského kontinentu. Země, nacházející se ve Východní Asii mají největší podíl privátního sektoru na světě. Řadí se mezi ně Japonsko12, Indonésie, Filipíny, Jiţní Korea anebo Malajsie13. Ve všech právě zmíněných zemích přesahuje procentuální podíl zapsaných studentů i podíl soukromých institucí 70%. Jihovýchodní Asie má naproti tomu naopak velmi malý podíl zapsaných studentů, jeţ nepřesahuje ani 15%. Do tohoto regionu se řadí země jako Kambodţa, Čína, Thajsko anebo Vietnam. Podíl institucí, operujících v privátním sektoru se v těchto zemích pohybuje okolo 40%. Zbylá část asijského kontinentu se jiţ pohybuje v rámci velmi malých podílů, které nepřesahují 10% (Levy 2009). Amerika spolu s Asií sdílí největší podíly zapsaných studentů i privátních institucí. Tato část světa má nejdelší historii privátního sektoru na světě, coţ se odráţí v procentuálních 11

V roce 2009 to konkrétně bylo 31,3%.

12

Japonsko je v rámci tohoto území státem, který má největší procentuální podíl studentů zapsaných do soukromého sektoru terciárního vzdělání. Tento podíl činí 77,4%. 13

Malajsie je ve Východní Asii zemí, která má největší podíl privátních institucí, konkrétně 97%.

19

podílech soukromých intitucí v rámci vysokoškolského sektoru. Jiţ v roce 1970 se například Latinská Amerika blíţila 40% podílu privátních institucí a dnes se pohybuje okolo čísla 49%. Země, které se na této statistice podílejí nejvíce, jsou Chile14, Brazílie, Salvador, Kolumbie anebo Guatemala (Levy 2009). Podobně je na tom i USA, kde byl zjištěn 26,1% podíl soukromého sektoru. V USA se navíc privátní instituce v poslední době velmi rychle rozvíjejí. Mezi lety 1996 a 2007 se zde soukromé vysoké školství rozrostlo o 27,3% (Zumeta, LaSota 2010). Na druhé straně spektra bychom mohli najít země jako je Kuba, která má 0% podíl zapsaných studentů i privátních instititucí (Levy 2009). Co se Afrického kontinentu týče, rozvoj soukromého sektoru terciárního vzdělání započal mezi lety 1980 aţ 1990, i přesto jsou však jednotlivé podíly v této oblasti malé. Pokud se podíváme na srovnání mezi byvalými anglickými a francouzskými koloniemi, vyjde nám, ţe ty anglické mají rozvinutější systém privátního sektoru. Mezi země, které mají největší podíl privátního sektoru a studentů do něj zapsaných, patří Gabon15, Mosambik, Etiopie, Egypt anebo Uganda16 (Levy 2009). Na závěr nahlédneme na Evropské statistiky, u kterých se zastavíme trochu podrobněji. Jak jiţ bylo zmíněno dříve, průměrný podíl soukromého sektoru pro Evropu vychází na 15% (Levy 2010). Pokud se podíváme na rozdíly mezi Západem a Východem, vyjde nám, ţe zatímco Západní Evropa si drţí stabilní podíl soukromého sektoru17, tak ve Východní Evropě tento podíl neustále roste18 (Levy 2012). I přes určité rozdíly mezi Západem a Východem se ale Evropa drţí na spodu ţebříčku světadílů v rámci poměrů privátního sektoru, coţ je dle autora Clarka dáno tím, ţe je Evropa rodištěm tzv. kontinentálního modelu, který představuje ztělesnění centralistické tradice v rámci vysokoškolského vzdělání. Tento model spolu s evropskou tradicí klade stát do centra tvorby vzdělávacího systému, vytváří uvnitř něj pravidla a financuje jej.

14

Chile v Latinské Americe drţí rekord v procentuálním podílu studentů, zapsaných do soukromého vysokého školství (77,6%) i v podílu soukromých institucí (92,8%) 15

Gabon vlastní největší podíl studentů zapsaných v soukromém sektoru v rámci afrických zemí (47%).

16

V Ugandě je celých 85% vysokoškolských institucí soukromého charakteru. Na druhou stranu v nich ale studuje pouze 15% zapsaných vysokoškolských studentů, z čehoţ vyplývá, ţe tyto instituce jsou kapacitně velmi malé. 17

V roce 2000 byl pro Západní Evropu vypočítán 6% podíl privátního sektoru, který se v roce 2009 zvedl pouze o 0,3%. 18

V roce 2000 vyšel podíl soukromého sektoru pro Východní Evropu 17% a v roce 2009 se zvýšil na 23,6%.

20

Terciární vzdělání je tedy povaţováno za veřejný statek (Clark 1983). Mezi země s největším podílem soukromého sektoru v Evropě patří Kypr19, Polsko, Litva anebo Portugalsko. Na druhé straně spektra se poté nacházejí země jako Itálie, Česká Republika anebo Slovensko20 (Levy 2009). Pojďme se nyní blíţe podívat na postkomunistické země Východní Evropy, u kterých se pokusíme objasnit vyšší podíl soukromého sektoru, neţ je tomu u zemí Západní Evropy. Tímto tématem se podrobně zabývala autorka Galbraith (2003), a přišla s následujícími zjištěními. Do roku 1990 ve Východní Evropě neexistovaly soukromé školy, protoţe do té doby bylo vysoké školství kontrolováno a financováno státem v rámci správy komunistickým reţimem. V období převratů uvnitř jednotlivých zemí Východního bloku docházelo k rychlé výměně řídící struktury. V této fázi si autorka klade otázku, proč v tak hektické době pouze netransformovat to nejlepší z komunistického terciárního vzdělání a převést to do postkomunistické doby? Tento transfer bohuţel nebyl moţný z důvodu rozdílných standardů kladených na výuku v době komunismu a v postkomunistické periodě. Terciární vzdělání za komunismu totiţ exitovalo kvůli tomu, aby pohánělo komunistický systém a vytvářelo odborníky pro tento úkol potřebné (byrokracie, vědce, ekonomy). Dále bylo také podřízeno centrálně řízené ekonomice, která ho kontrolovala a vytvářela své cíle, kvůli čemuţ vysokoškolský sektor nebyl schopen rozluštit signály poptávky a nabídky, které se s příchodem demokratické společnsoti vynořily. Studentova volba vysoké školy tedy nebyla podmíněna tlakem trhu na konkrétní pozice aktuálně na tomto trhu potřebné, ale potřebami mocenského aparátů, který určoval, kolik a jaký typ specialistů bude potřebovat. Z tohoto důvodu byli velmi často

vytvářeni nadbyteční pracovníci. Autorka dále píše, ţe

vysokoškolské vzdělání v rámci komunismu byla určitého druhu antiteze demokratického procesu. Nezávislé myšlení nebylo podporováno, centrální plánování implementovalo ideologické myšlení do obsahu výuky, coţ bylo problematické v rámci mnoha oborů a učitelé spíše učili, neţ aby rozvíjeli studenty. Problém byl také se symbolickou hodnotou univerzitního diplomu, který má daleko větší cenu v trţní ekonomice, neţ měl v té centrálně plánované. Z těchto důvodů bylo potřeba celkově změnint povahu vysokého školství od centrálního plánování k podpoře trţní ekonomie. Po pádu komunismu se vytvořila obrovská poptávka po vysokém vzdělání, kterou bohuţel nelze kvalitně zachytit, protoţe se díváme pouze na čísla 19

Kypr v Evropě vítězí jak v podílu zapsaných studentů do soukromého sektoru (66,6%), tak v podílu soukromých institucí (80,6%) 20

Země jako Česká Republika anebo Slovensko na jednu stranu mají relativně velký podíl soukromých institucí (ČR – 40,1%; SR – 27,6%), ale vzhledem k jejich malé kapacitě je zde zaspáno pouze malé procento studentů.

21

přihlášených a ne na samotnou poptávku, potřebu anebo touhu lidí studovat. Po převratu bohuţel nebylo dost financí na zajištění kvalitního sektoru vysokého školství a univerzity hledaly nové způsoby financování. Tyto způsoby (poplatky za sluţby, pronájem budov) však nebyly dostačující. Se stále sílící poptávkou po studiu na vysoké škole se tím pádem otevřel prostor pro soukromý sektor. Navíc se na přelomu 80. a 90. let v postkomunistických státech vytvořilo tzv. právní vakuum. Vysoké školství dostalo větší akademické svobody a autonomii, coţ přineslo širší interpretaci financování škol. Na základě toho byly poté ze začátku 90. let zakládány soukromé vysokoškolské instituce21. Autorka Galbraith své vysvětlení uzavírá slovy, ţe v místě, kde je potřeba radikální změny, jsou privátní instituce vhodnější pro naplnění potřeby po vzdělání tím, ţe suplují chybějící kapacitu pro nové studenty (Galbraith 2003).

21

Česká Republika byla vyjímkou. Soukromé vysoké školy zde začaly vznikat aţ po roce 1999.

22

4. Teoretické představení vzdělanostní mobility V této kapitole si nejprve představíme základní pohledy na fenomén vzdělanostní mobility a následně se zaměříme na popis jednotlivých proměnných, které později vstoupí do samotné analýzy. Ačkoliv se samotným konceptem vzdělanostní mobility v analytické části nebudeme pracovat, teoretický podklad, ze kterého budeme vycházet, staví právě na tomto konceptu a proto je dobré si jej alespoň v krátkosti představit.

4.1. Teoretické náhledy na koncept vzdělanostní mobility Nyní si ukáţeme nejznámější pohledy a teorie na fenomén vzdělanostní mobility. Sociální mobilita, která je té vzdělanostní nadřazena, však představuje pouze jednou ze stran pomyslné mince. Tou druhou je totiţ reprodukce společnosti, která se s mobilitním procesem doplňuje. Tam, kde stoupá sociální mobilita, tedy sniţování vlivu askriptivních charakteristik na cílovou sociální pozici ve společnosti, tam zároveň klesá třídní reprodukce, tedy přenos třídního postavení z rodičů na potomky. V historii této vědní disciplíny je moţné rozeznat tři nejzásadnější teorie, které různým způsobem pohlíţejí na vývoj vzdělanostních nerovností, konkrétně teorii modernizační, teorii konfliktualistickou a na závěr teorii maximálně udrţované nerovnosti (Simonová 2011). První z těchto teorií tvrdí, ţe s postupem modernizace či industrializace společnosti se bude vliv sociálního původu na dosaţené vzdělání, a z toho se odvíjející zaměstnání dále zmenšovat. Tuto tezi formulovali jiţ v 60. letech 20. století američtí výzkumníci Blau a Duncan ve své knize „American occupational structure“ (Blau, Duncan 1967). Dle jejich názoru budou v západních společnostech nerovnosti zaloţené na sociálním původu slábnout a postupně je bude nahrazovat spravedlivější výběr, zaloţený na principu zásluh. Jinak řečeno, autoři predikovali posun od askriptivních charakteristik k meritokratické selekci, zaloţené na kognitivních schopnostech jedince. Dalším ze zastánců této teorie je Donald Treiman, který tvrdí, ţe v průběhu 20. století prošly západní společnosti významnými sociálními a ekonomickými změnami, jejichţ výsledkem byla zvyšující se hodnota vzdělání ve společnosti, která vzrostla na základě poptávky po kvalifikovaných zaměstnancích na stále více diferencovaném a specializovaném pracovním trhu (Treiman 1970). 23

Druhá teorie naopak zastává myšlenku, ţe nerovnosti v čase oslabovat nebudou, poněvadţ neustále dochází k jejich opakované reprodukci. Původ reprodukce lze hledat ve dvou různých zdrojích. První z nich je sociální povahy a druhý je povahy kulturní. Celé studium reprodukce je tedy rozděleno na dva názorové póly, v jejichţ středu můţeme nalézt autory, kteří syntetizovali oba přístupy (Katrňák 2005). Zastánci teorie sociální reprodukce tvrdí, ţe vzdělávací systém ve společnosti funguje jako nástroj kapitalismu k udrţení třídních nerovností. Školské prostředí tak dle tohoto pohledu nefunguje pouze jako místo pro vzdělávání, ale také jako prostor pro utvrzování nadřazeného sociálního postavení jedinců, kteří pocházejí ze společensky lépe situovaných rodin. Jako příklad můţe slouţit práce autorů Bowlese a Gintise, kteří tvrdí, ţe na jednotlivých vzdělanostních stupních jsou do ţáků vštěpovány rozdílné hodnoty a znalosti, které odpovídají jejich třídnímu postavení. Pokud se podíváme na celou pomyslnou vzdělanostní dráhu, tak na základních stupních vzdělávacího systému jsou ţáci učeni hodnotám poslušnosti, na středních stupních hodnotám spolehlivosti a na stupních nejvyšších hodnotám zodpovědnosti (Bowles, Gintis 1976). Autoři, pracující s pojmem kulturní reprodukce se zaměřují na popis a specifikaci rodinného prostředí odlišných sociálních tříd. Toto prostředí je totiţ podle nich zdrojem rozdílných výkonů, které ţáci ve škole podávají. Jako příklad můţe slouţit práce Basila Bernsteina, který ve své práci rozlišil tzv. omezený a rozvinutý řečový kód (Bernstein 1971). Jednotlivým řečovým kódům se děti učí v průběhu primární socializace. Omezený řečový kód přejímají děti z níţe sociálně situovaných rodin, a jak uţ název napovídá, samotný kód se vyznačuje omezenou větnou skladbou a malou slovní zásobou. Dětem z výše sociálně postavených rodin je naopak předáván rozvinutý řečový kód, který je charakteristický bohatou slovní zásobou a schopností jednotlivá slova zajímavým způsobem pouţít ve větách. Celková diference mezi kódy poté spočívá v socializaci rozdílných normativních principů, které vedou k pouţívání různé úrovně syntaktické a lexikální stavby vět (Katrňák 2003). Jak jiţ bylo zmíněno, proběhly také pokusy o syntézu obou právě představených teoretických přístupů k fenoménu reprodukce sociálních pozic. Autoři, kteří se na této práci podíleli, tvrdí, ţe sice na jedné straně vzdělávací systém selektuje jednotlivé studenty na základě jejich sociálního původu, ale na druhou stranu také platí tvrzení, ţe jednotlivé rodiny volí takové jednání, které maximalizuje potomkův zisk v rámci jeho vzdělávací kariéry. Řečeno jinak: „velikost zdrojů a typ omezení jsou (...) sice dány třídní strukturou, nakládání se zdroji a vyrovnání se s omezeními třídní struktura již ovšem nedeterminuje“ (Katrňák 2005: 167) 24

Příkladem autora, který se

pokusil propojit oba výše popsané teoretické přístupy, můţe být francouzský sociolog Pierre Bourdieu. Ten ve své práci představil pojem kulturní kapitál (Bourdieu 1971). Pod tímto termínem si můţeme představit postoje, preference, formální vědění či jednání, které je dítěti vštípeno v rámci primární socializace. Kulturní kapitál můţe nabývat tří rozličných forem, konkrétně formy vtělené, objektivizované a institucionalizované (Bourdieu 1986). Vtělená forma představuje tělesné a intelektuální dispozice jedince, objektivizovaná forma je reprezentována materiálními statky kulturní povahy, se kterými se jedinec dostává do kontaktu v rodinném prostředí (např. obrazy, sochy, knihy nebo fotografie) a institucionalizovanou formou se rozumí akademické hodnosti a tituly, získané za studijní úspěchy. Rodiny, které jsou v sociální hierarchii postaveny výše, zpravidla disponují větším mnoţstvím kulturního kapitálu, který se samozřejmě snaţí předat svým potomkům. Ţáci, kteří od svých rodičů obdrţeli větší mnoţství tohoto kapitálu, poté snadněji prospívají ve škole díky tomu, ţe jsou lépe vybaveni např. lingvistickými dovednostmi a kulturními znalostmi, které následně školské prostředí oceňuje skrze udělené diplomy a tituly. Z výše uvedených informací jiţ jasně vyplývá ona syntéza obou přístupů k tématu reprodukce. Rodiče na jedné straně předávají kulturní kapitál svým potomkům a tím se snaţí maximalizovat studijní i jiné zisky dítěte (pohled kulturní reprodukce) a na straně druhé je školní prostředí, které následně odměňuje mnoţství nahromaděného kulturního kapitálu skrze tituly, hodnosti a formální ocenění (pohled sociální reprodukce). Třetí z náhledů snaţících se popsat a vysvětlit vzdělanostní mobilitu, je teorie maximálně udrţované nerovnosti (angl. Maximally maintained inequality, zkráceně MMI), představená výzkumníky Rafterym a Houtem (Raftery, Hout 1993). Autoři zkoumali irská data z let 1921 aţ 1975, a snaţili se najít odpověď na otázku, proč se nemění (konkrétněji neslábne) vliv sociálního původu na jednotlivé vzdělanostní tranzice poté, co byly v Irsku plošně odstraněny školní poplatky a zároveň byly zavedeny rovnostářské reformy, týkající se školství. Jinými slovy řečeno, autory zajímalo, proč se po zavedení všech reforem nezměnil poměr ţáků z jednotlivých sociálních tříd, kteří procházeli vzdělanostními tranzicemi. Odpovědí na jejich otázku byla právě teorie MMI, která je přehledně zobrazena na grafu č. 1.

25

Graf č. 1: Grafické zobrazení teorie Maximálně udrţované nerovnosti

Zdroj: Katrňák, Simonová, Fonádová 2013 Jak můţeme vidět na grafu představeném výše, expanze míst ve vzdělávacím systému, tedy zvyšující se počet potencionálních studijních příleţitostí, automaticky neznamená větší rovnost z hlediska sociálního původu. Nová místa jsou totiţ rovnoměrně obsazována ţáky napříč třídní hierarchií a relativní šance na přijetí do určitého stupně vzdělávacího systému se v čase nemění. Tento mechanizmus přestává platit ve chvíli, kdy je drtivá většina jedinců z vyšších sociálních tříd přijata do konkrétního vzdělávacího stupně, a zároveň v tomto stupni stále zbývají volná místa. Poté se třídní rozdíly začínají zmenšovat, coţ přehledně ilustruje graf č. 2.

26

Graf č. 2: Grafické zobrazení momentu, kdy teorie Maximálně udrţované nerovnosti přestává platit

Zdroj: Katrňák, Simonová, Fonádová 2013

4.2. Měření vzdělanostní mobility V této části si představíme dva nejznámější a nejpouţívanější přístupy k měření mobilitních procesů. Hlavní rozdíl mezi těmito přístupy spočívá v oblasti metodologie, konkrétně v typu dat, se kterými se v rámci analýzy pracuje. První z nich pracuje s agregovanými daty, které následně zkoumá pomocí mobilitních tabulek (Katrňák 2005). Z povahy agregovaných dat je poté jasné, ţe budou odkazovat k makrostrukturálním jevům či vztahům. Druhý přístup naopak zkoumá individuální datové soubory, a jako statistickou metodu volí regresní analýzu (Ibid.). Konkrétně se tento druh analýzy snaţí zjistit, jestli a případně jakou měrou zvolené charakteristiky ovlivňují vybranou závisle proměnnou. Tou můţe být například zaměstnanecký status, úroveň studia (základní, střední anebo vysoká škola), typ studia v rámci dané úrovně (střední odborná učiliště, střední školy a gymnázia v rámci středoškolské úrovně), či vzdělanostní aspirace. My v této práci pouţijeme druhou zmíněnou metodu. Budeme tedy analyzovat individuální data pomocí regresní analýzy.

27

5. Výzkumné otázky V předešlých částech jsme si představili vývoj vysokého školství na území České republiky, Evropy i zbytku světa. Dále jsme se věnovali teoretickému představení vzdělanostní mobility, ze které vyplynulo, ţe při vstupu do jakéhokoliv vzdělávacího stupně mezi jedinci panují určité nerovnosti. Soukromý a veřejný sektor jsme srovnávali z několika různých hledisek, ale všechny porovnávané statistiky byly strukturního charakteru, nevypovídaly tedy nic o tom, jak na jednotlivé sektory nahlíţejí jejich studenti. Abychom zde zachytili i právě zmíněné hledisko, a podívali se na rozdíly mezi sektory z pohledu jejich absolventů, formulujeme první výzkumnou otázku následujícím způsobem: Jaké jsou rozdíly mezi soukromým a veřejným sektorem vysokého školství z hlediska subjektivního hodnocení jejich absolventů? Abychom nezůstali pouze u subjektivní evaluace jednotlivých sektorů, budeme se také věnovat rozdílům v rámci askriptivních charakteristik studentů vysokých škol, abychom tak odhalili potenciální nerovnosti, které by na jejich základě mohly vzniknout. Pro ověření právě zmíněného formulujeme druhou výzkumnou otázku, která zní: Jaké jsou rozdíly mezi soukromým a veřejným sektorem z hlediska askriptivních charakteristik studenta? Vybrané askriptivní charakteristiky, kterými se v rámci druhé výzkumné otázky budeme zabývat, si představíme v následující části. Podívame se na to, jakým způsobem v dřívějších výzkumech ovlivňovaly vstup jednotlivců do konkrétních stupňů vzdělanostní dráhy, abychom v diskuzní části mohli naše zjištění s těmito výsledky porovnat.

28

6. Představení vybraných askriptivních charakteristik Fakt, zda-li bude jedinec studovat na vysoké škole, popřípadě v rámci jakého sektoru terciárního vzdělání, nezáleţí pouze na jeho studijních předpokladech, ale také na ostatních faktorech, které s dosavadním studiem a jeho výsledky na první pohled příliš nesouvisejí. Můţe se například jednat o typ vystudované střední školy, věk studenta, nejvyšší dosaţené vzdělání jeho rodičů, počet sourozenců, příjem domácnosti, socioekonomický status rodičů anebo pohlaví studenta (Matějů, Procházková, Burdová 2006). Všechny právě vyjmenované faktory jsou standardními, nezávisle proměnnými, které se pouţívají při výzkumu vzdělanostní mobility. My si je nyní představíme trochu blíţe, a podíváme se na to, jakým způsobem figurovaly v předešlých výzkumech.

6.1. Věk studenta Počet let, ve kterých daný jedinec vstupuje do sektoru terciárního vzdělání, můţe hrát v rámci srovnání veřejných a soukromých institucí klíčovou roli. Autor Basl (2006) porovnával věkové struktury studentů prvního ročníku veřejných a soukromých vysokých škol z roku 2004 a přišel s následujícími zjištěními. Zatímco podíl studentů veřejného sektoru ve věku 19-20 let čítal 43,8%, podíl soukromého sektoru tvořil pouhých 26,6%. Naproti tomu studenti jednotlivých sektorů ve věku 21-22 let byli přibliţně vyrovnání (veřejný sektor = 48,6%; soukromý sektor = 38,7%). Výrazné rozdíly však byly zjištěny v kategorii 23 a více let, kde podíl studentů veřejného sektoru činil pouhých 7,6%, zatímco u studentů sektoru soukromého byl zjištěn podíl 34,7%. Autor Basl tento rozdíl vysvětluje tak, ţe na soukromých vysokých školách studují velmi často lidé, kteří z nějakého důvodu museli v minulosti své studium přerušit. Dalším průzkumem datového souboru totiţ vyšlo najevo, ţe pouhých 22% studentů veřejných škol nenastoupilo do svého studia ihned po dokončení maturity, zatímco u škol soukromých to bylo celých 51%. Tyto závěry potvrzují i autoři Koucký, Ryška a Zelenka (2014), kteří na zkoumaných soukromých vysokých školách zjistili, ţe ve všech případech průměrný věk těchto studentů přesahoval 33 let.

6.2. Typ absolvované střední školy Typ absolvované střední školy je dle Matějů, Procházkové a Burdové (2006) jedním z nejsilnějších faktorů, které ovlivňují, jestli daný student půjde studovat vysokou školu. Zájem o 29

vysokoškolské studium dle nich nejvíce projevují maturanti z víceletých gymnázií, kdy aţ 90% z nich chtělo pokračovat ve svém studiu i na vysoké škole. Podobný podíl maturantů byl poté naměřen i u čtyřletých gymnazistů (konkrétně 88%). Co se maturantů středních škol týče, pouze 60% z nich chtělo ve svém studiu pokračovat dále a nejhůře na tom byli studenti středních odborných učilišť, u kterých projevilo zájem studovat vysokou školu pouze 28% jedinců. Tyto závěry byly podpořeny i dalším výzkumem, který se zabýval vlivem typu vystudované střední školy na vzdělanostní aspirace a vzdělanostní mobilitu (Matějů, Soukup, Basl 2007). Autoři Katrňák, Simonová a Fonádová (2013) došli ve svém výzkumu ještě o něco dále a zjistili, ţe studenti pocházející z rodin s nízkým sociálním statusem volí méně ambiciózní vzdělávací dráhy v rámci střední školy, coţ se poté, jak uţ bylo zmíněno výše, odrazí na vzdělanostních aspiracích a následné vzdělanostní mobilitě v rámci vysokých škol. Autor Basl (2006) v roce 2004 provedl výzkum mezi studenty prvních ročníků soukromých a veřejných vysokých škol, a zjistil, ţe na veřejných vysokých školách studuje daleko více absolventů čtyřletých i osmiletých gymnázií, neţ na školách soukromých. Opačných výsledků poté dosáhl u středních odborných škol, ze kterých se velkou měrou rekrutují studenti soukromého sektoru terciárního vzdělání.

6.3. Nejvyšší dosažené vzdělání matky Vzdělání rodiču ve výzkumu vzdělanotní mobility a sociologie vzdělání obecně figuruje jako indikátor vzdělanostního a kulturního zázemí jedince. Vzdělání matky je poté silnějším kritériem při volbě vzdělávací dráhy potomka, neţ vzdělání otce (Katrňák, Simonová, Fonádová 2013), a proto v tomto výzkumu budeme pracovat výhradně s ním. V rámci vysokoškolského sektoru bylo v roce 2004 zjištěno, ţe 39,3% studentů prvního ročníku pocházelo od rodičů, kteří nevlastnili ani maturitní vysvědčení. 45,8% studentů poté mělo rodiče s maturitou a pouze 14,9% studentů pocházelo z rodin, ve kterých alespoň jeden z rodičů vlastnil vysokoškolský diplom (Basl 2006). Další výzkumy v rámci České republiky ukázaly, ţe v porevoluční době došlo k utvrzení nerovností z hlediska sociálního původu indikovaného vzděláním rodičů v přístupu do terciárního vzdělání. Vliv sociálního původu na studium vysoké školy tedy dle těchto závěrů zůstává stále silný (Matějů, Řeháková, Simonová 2007). Podobných výsledků dosáhli i autoři Katrňák a Fučík (2010), kteří došli k závěru, ţe vliv sociálního původu po roce 1989 v České republice roste a potomci rodičů s vyšším vzděláním dosahují vyššího vzdělání a naopak. Následně však dodávají, ţe v současnosti tento proces přestává být platným a to z toho důvodu, 30

ţe poptávka po místech v terciárním sektoru jiţ byla nasycena. Výše zmíněné trendy potvrzuje i autorka Simonová (2011). Co se vlivu vzdělání rodičů na studium vysoké školy mimo kontext České republiky týče, autoři Cheung a Egerton (2007) zjistili následující výsledky. Vzdělání rodičů ve Velké Británii bylo na přelomu tisíciletí velmi silným prediktorem školních výsledků a následného potencíálního studia na univerzitě. K podobným závěrům došel i tým francouzských výzkumníků, kteří tvrdí, ţe vstup do tamějších nejprestiţnějších univerzit je vysoce determinován sociokulturním zázemím zde reprezentovaným vzděláním rodičů (Givord, Goux 2007). Vědecký tým z USA se také dobral podobných výsledků, a zjistil, ţe expanze tamnějšího vysokoškolského vzdělání, ani finanční pomoc studentům nesníţily vliv rodinného zázemí, reprezentovaného vzděláním rodičů, na šance studovat vysokou školu (Roksa, Grodsky, Arum, Gamoran 2007). Poslední zde prezentovaný výzkum, pocházející z Německa, který studoval data z let 1980 aţ 2000 zjistil, ţe potomci ze vzdělanějších rodin mají větší pravděpodobnost studovat vysokou školu, a naopak u dětí z rodin s nízkým vzděláním je tato pravděpodobnost velmi nízká (Mayer, Müller, Pollak 2007).

6.4. Socioekonomický status a příjem domácnosti Sociální třida dozajista ovlivňuje jedince v mnoha aspektech jeho kaţdodenního ţivota a jedním z nich je i jeho vzdělávací dráha. Příjem domácnosti anebo socioekonomciký status poté mohou slouţit jako indikátory této sociální třídy. Autor Basl provedl srovnání soukromého a veřejného sektoru vysokého školství, a přišel s následujícími výsledky. Výzkum ţáků prvního ročníku vysokých škol z roku 2004 nepotvrdil, ţe by na vysokých školách studovali jedinci, pocházející z bohatších rodin. Rozdíl byl však zjištěn v celkových měsíčních nákladech spojených se studiem. Zatímco studenti soukromých škol museli na své studium měsíčně (v průměru) vynaloţit 9792 kč, studentům škol veřejných stačilo pouze 3477 kč. Rozdíly byly zjištěny také v rámci příspěvků od rodičů. Studenti soukromých škol od nich měsíčně v průměru dostávali 5463 kč, a studenti veřejných škol pouze 2080 kč (Basl 2006). Další zjištění ohledně socioekonomického statusu rodiny přinesli autoři Matějů, Řeháková a Simonová (2007), kteří tvrdí, ţe došlo ke zvýšení porevolučních nerovností ve vstupu do terciárního vzdělání, které bylo zapříčiněno socioekonomickou dimenzí. Tento závěr potvrzují i Koucký a Bartušek (2009), kteří zjistili, ţe potomci pocházející ze zvýhodněných sociálních poměrů mají větší šanci studovat na

31

vysoké škole. Autoři Mayer, Müller a Pollak (2007) analyzovali německá data z let 1980 – 2000 a došli k závěru, ţe díky dlouhé časové zátěţi je studium na univerzitě finančně velmi náročné.

6.5. Pohlaví Základním principem moderních demokratických společností je rovnost šancí. Tento princip je například zajímavé sledovat v rámci genderové diferenciace, která se jiţ tradičně pouţívá ve výzkumech vzdělanostních aspirací anebo vzdělanostní moblity. Pod pojmem gender si můţeme představit kulturně vytvořené rozdíly mezi muţským a ţenským pohlavím. Autor Katrňák zkoumal vliv genderu na vzdělanostní aspirace studentů, a zjistil, ţe dívky mají vyšší vzdělanostní aspirace, neţ chlapci (Katrňák 2006). Tyto závěry byly podpořeny dalším českým týmem autorů (Šmídová, Janoušková, Katrňák 2008). Bouhuţel však nebylo moţné odhalit důvod tohoto rozdílu. Autoři Matějů, Řeháková, Simonová (2007) dále přišli na to, ţe v porevoluční době bylo zaznamenáno sníţení nerovností v rámci pohlaví v rámci vstupu do terciárního vzdělání. Toto tvrzení koresponduje se závěry německých výzkumníků, kteří na kohortních datech z let 1980 aţ 2000 zjištovali vliv genderu na šance studentů absolvovat vysokou školu. Ze závěrů vyplynulo, ţe se ţenám mezikohortně zvyšuje pravděpodobnost studovat univerzitní vzdělání (Mayer, Müller, Pollak 2007). K podobným závěrům došli i výzkumníci, kteří sledovali data z Velké Británie, pocházející z 80. a 90. let 20. století. Zjistili, ţe v této době se signifikantně srovnaly genderové nerovnosti v přístupu k vysokoškolskému vzdělání (Cheung, Egerton 2007) a stejné výsledky obrţel i výzkumný tým z USA, který svým výzkumem doloţil, ţe se ţenám ke konci 20. století výrazně zvedla šance na dosaţení vysokoškolského vzdělání (Roksa, Grodsky, Arum, Gamoran 2007).

32

7. Analytická část V této kapitole se nejprve podíváme na srovnání soukromých a veřejných vysokých škol v České republice z hlediska hodnocení jejich absolventů a následně otestujeme rozdíly mezi jednotlivými sektory v rámci askriptivních charakteristik jejich ţáků. Srovnání jednotlivých sektorů z pohledu jejich absolventů bude vycházet ze zprávy výzkumu REFLEX 2013, který bude podrobněji představen dále. Důleţité je nyní zmínit, ţe absolventi jednotlivých škol byli reprezentativně vybráni v rámci všech fakult dané školy, výsledné statistiky se tedy vztahují k instituci jako celku. Navíc nebylo moţné zajistit přístup k primárním datům, z čehoţ vyplývá, ţe budeme vycházet pouze z výzkumné zprávy. Rozdíly jednotlivých sektorů školství z hlediska askriptivních

charakteristik

budou

testovány

na

datech

pocházejících

z výzkumu

EUROSTUDENT IV., a budou se zabývat pouze fakultami s ekonomickým a humanitním a společenským zaměřením, protoţe k dalším fakultám nebyla sebrána potřebná data. Z výše uvedeného vyplývá, ţe bohuţel nemůţeme z prvního srovnání vyvodit jakékoliv závěry, které bychom následně převedli do testování rozdílů jednotlivých sektorů z hlediska askriptivních charakteristik. Zaprvé bychom se dopustili metodologické chyby, protoţe v prvním srovnání porovnáváme školy jako celek (hodnocení pochází od absolventů napříč fakultami), a ve druhém pracujeme pouze s fakultami s ekonomickým a humanitním a společenským zaměřením a zadruhé první srovnání vychází ze subjektivního hodnocení absolventů daných fakult, zatímco v rámci druhého srovnání pracujeme s askriptivními charakteristikami, které jsou objektivního charakteru.

7.1. Srovnání soukromých a veřejných vysokých škol v rámci České republiky V této kapitole provedeme srovnání soukromých a veřejných vysokých škol v rámci České republiky. Samotné srovnání bude vycházet z výsledků šetření nazvaného REFLEX. Na vybraném vzorku soukromých a veřejných vysokých škol se pokusíme ukázat, který ze sektorů je v rámci zvolených kategorií absolventy jednotlivých institucí hodnocen lépe. Projekt REFLEX představuje mezinárodní šetření, do kterého je zapojena i Česká republika a v roce 2013, ze kterého data pocházejí, se tohoto šetření účastnila jiţ potřetí. Díky tomu, ţe v této jiţ třetí vlně byly do výzkumu zahrnuty i soukromé instituce terciárního sektoru, můţeme provést následující srovnání. Pojďme se nyní podívat, jaké výsledky nám přineslo. 33

Nejprve se podíváme na charakteristiky datového souboru, ze kterého závěry projektu REFLEX 2013 vycházejí. Výzkumu se dohromady zůčastnilo 36 vysokých škol, z toho 20 veřejných, 15 soukromých a 1 státní škola22. Samotný dotazník vyplňovali pouze absolventi daných škol (nikoliv aktuální studenti), coţ činí dané hodnocení přesnějším a kompletnějším. Po provedení standardního čištění v datovém souboru zůstalo 34 305 případů, které byly pouţitelné pro naprostou většinu potřebných analýz. Jednotlivé poloţky v dotazníku zjišťovaly širokou škálu údajů a charakteristik, mezi něţ patřily informace týkající se doby před studiem na vysoké škole, dále informace obsahující průběh vysokoškolského studia, hodnocení kvality výuky a studovaných institucí, také informace o prvním zaměstnaní a profesní historii a závěr byl věnován rozsáhlémů výzkumu respondentových kompetencí. V rámci tohoto výzkumu byli také dotazování zaměstnavatelé absolventů vysokých škol, ale tato část nás v kontextu této práce nebude zajímat. Pojďme se tedy podívat, jaké výsledky jsme v rámci výzkumu REFLEX 2013 obdrţeli (Koucký, Ryška, Zelenka 2014).

7.1.1. Hodnocení základních charakteristik studia, kvality instituce a vyučujících První z výstupů šetření REFLEX 2013 prezentuje výsledky hodnocení základních charakteristik absolvovaného studia a také kvalitu studované instituce a učitelů. U kategorie týkající se charakteristik absolvovaného studia byl respondent vyzván, aby u kaţdé nabídnuté zhodnotil, do jaké míry předloţený popis vystihuje jeho absolvované studium23. V rámci kategorie hodnotící kvalitu učitelů měl respondent uvést, jak velký procentuální podíl velmi kvalitních vyučujících dle jeho názoru působilo na jím vystudované instituci24. U poslední kategorie bylo po respondentovi poţadováno, aby zhodnotil studovanou fakultu na sedmibodové škále25, vzhledem k ostatním vysokým školám v České republice. Výsledné hodnoty pro jednotlivé vysoké školy a průměrné hodnoty pro soukromé a veřejné vysoké školství přehledně

22

Pro potřeby této práce byly z dále prezentovaných výsledků odebrány tři veřejné vysoké školy a jedna státní vysoká škola. Zmíněné veřejné školy byly z našeho pozorování odstraněny, protoţe se v jejich nabídce studijních programů nenacházely ekonomické ani společenskovědní obory a státními školami se tato práce nezabývá. 23

1 = rozhodně ano, 5 = rozhodně ne.

24

Jednotlivé moţnosti volby byly omezeny na desítky procent (tedy 10%, 20%, 30% aţ 100%). Čísla v tabulce představují průměr za celou školu. 25

Moţnosti byly následující: 1 = vynikající, 2 = vysoce nadprůměrné, 3 = nadprůměrné, 4 = průměrné, 5 podprůměrné, 6 = velmi podprůměrné, 7 = velmi špatné

34

shrnuje tabulka č. 1. Ve vrchní části tabulky jsou uvedeny hodnoty pro veřejné vysoké školy a spodní část tabulky odpovídá školám soukromým.

35

Tabulka č. 1: Hodnocení základních charakteristik studia a kvality studované instituce Základní charakteristiky absolvovaného studia

Kvalita

Studium bylo snadné

Program byl zaměřen na budoucí profesionální uplatnění

Podíl velmi kvalitních učitelů (%)

Kvalita školy

2.5

4.0

2.7

66.1

2.3

2.5

3.2

3.7

2.5

66.8

3.2

2.6

3.5

3.6

2.5

64.0

3.5

MU

2.4

2.9

3.8

2.7

68.8

2.3

UP

2.3

2.9

3.9

2.4

68.8

2.7

OU

2.5

3.2

3.9

2.4

69.2

3.3

UHK

2.7

3.2

3.5

2.4

64.3

3.1

SU

2.5

3.2

3.8

2.8

65.7

3.5

ZČU

2.3

3.1

3.9

2.6

67.6

3.2

TUL

2.4

3.3

3.7

2.5

64.5

3.2

Upa

2.4

3.3

3.9

2.8

64.5

3.3

VUT

2.2

2.9

3.8

2.5

63.7

2.4

VŠB-TU

2.3

3.1

3.8

2.6

67.8

3.0

UTB

2.6

3.3

3.6

2.5

65.4

3.3

VŠE

2.5

2.8

3.6

2.7

62.9

2.4

ČZU

2.7

3.3

3.6

2.8

65.7

3.1

MENDELU

2.4

3.1

3.8

2.6

65.9

2.9

Průměr/SD

2.4/0.17

3.1/0.24

3.7/0.14

2.6/0.14

65.9/1.92

2.9/0.41

BIVŠ

2.4

3.0

3.8

2.3

66.6

3.4

VŠFS

2.6

3.3

3.6

2.4

67.8

3.1

VŠKV

2.3

3.2

3.9

2.3

78.4

3.4

ŠAVŠ

1.8

2.9

4.3

2.3

73.4

2.6

VŠMIE

2.1

2.8

3.9

1.9

78.5

2.7

VŠERS

2.9

3.3

3.4

2.4

74.7

3.5

VŠLG

2.4

2.9

3.6

2.2

78.8

3.1

BIBS

2.2

2.7

3.9

1.7

77.0

2.8

VŠO

2.9

3.6

3.4

2.6

62.8

3.7

STING

2.4

2.8

3.8

2.1

74.7

3.1

UJAK

2.8

3.1

3.5

2.2

71.2

3.4

ZMVŠ

2.9

3.6

3.3

2.7

63.9

4.1

MVSO

2.8

3.3

3.7

2.1

67.7

3.7

VŠSSH

2.6

2.9

3.7

2.1

80.0

3.2

2.5/0.34

3.1/0.29

3.7/0.26

2.2/0.26

72.5/5.86

3.2/0.41

Program byl všeobecně povaţován za náročný

Program byl prestiţní z akademického hlediska

UK

2.1

JU UJEP

Průměr/SD

Zdroj: Koucký, Ryška, Zelenka 2014; vlastní zpracování 36

Pojďme si nyní srhrnout výsledky z výše prezentované tabulky charakteristik absolvovaného studia a kvality studované isntituce. V rámci kategorie nazvané „program byl všeobecně povaţován za náročný“ dosáhly lepšího skóre veřejné vysoké školy, které obdrţely průměrnou hodnotu 2,4. Průměr pro soukromé vysoké školy vyšel 2,5. Ze srovnání standardních odchylek od průměru můţeme vidět, ţe mezi soukromými školami panovala větší variabilita v datech. U průměru pro soukromé vysoké školy vyšla standardní odchylka 0,34. U škol veřejných poté 0,17. Kategorie nazvaná „program byl prestiţní z akademického hlediska„ vyšla v rámci srovnání soukromých a veřejných škol nerozhodně. Oby typy institucí obdrţely průměrnou hodnotu 3,1. V tomto případě byly naměřeny i podobné hodnoty standardních odchylek (soukromé školy: SD = 0,29; veřejné školy: SD = 0,24), z čehoţ vyplývá, ţe v rámci této kategorie byla pozorována velmi podobná variabilita mezi porovnávanými skupinami. Kategorie, ve které absolventi hodnotili, do jaké míry jejich „studium bylo snadné“ vyšla v rámci srovnání rovněţ nerozhodně. Jak soukromé, tak veřejné vysoké školy v průměru obdrţely 3,7. Větší variabilita v datech byla zjištěna u škol soukromých (SD = 0,26), neţ u škol veřejných (SD = 0,14). Poslední kategorie, zabývající se základními charakteristikami absolvovaného studia nesla název „program byl zaměřen na budoucí profesionální uplatnění“. V rámci srovnání obdrţely lepší výsledkek školy soukromé, které získaly 2,2. Průměr veřejných škol poté vyšel 2,6. V tomto případě byla opět zjištěna větší variabilita mezi soukromými školami (SD = 0,26), neţ mezi veřejnými (SD = 0,14). Nyní se podíváme na výsledky v rámci srovnání kvality studované instituce. První kategorie nesla název „podíl velmi kvalitních učitelů“ a výsledné průměrné hodnoty pro jednotlivé typy škol jsou následující. Absolventi uvedli, ţe na veřejných vysokých školách v průměru učilo 65,9% vyučujících. Soukromé vysoké školy v tomto případě obdrţely o 6,4% lepší výsledek (konkrétně 72,5%). Mezi soukromými školami ale byla opět zjištěna větší variabilita (veřejné školy: SD = 1,92, soukromé školy: SD = 5,86). V poslední kategorii hodnotící instituci jako celek, která byla nazvána jako „kvalita školy“, zvítězily školy veřejné se ziskem průměrného skóre 2,9. Soukromé školy obrdţely 3,2. Variabilita v datech byla v tomto srovnání naměřena shodně pro oba typy institucí (SD = 0,41). Pokud shrneme právě prezentované výsledky, tak nám vyjde, ţe v první kategorii se soukromé a vysoké školy jen slabě odlišují, v následujících dvou kategoriích jsou průměry pro porovnávané typy škol shodné a v posledních třech kategoriích se z okometrického hlediska odlišují značně. Pro ověření, jestli mezi výše zmíněnými hodnotami existuje i statistický rozdíl 37

mezi soukromými a veřejnými vysokými školami, si v následující části zobrazíme výsledky ttestů, abychom výše zmíněné předpoklady ověřili, anebo vyvrátili26. Před samotným t-testem však nejprve potřebujeme zjistit, zdali jsou pozorované proměnné normálně rozloţeny a jestli v rámci proměnných byla dodrţena podmínka homogenity rozptylu, abychom tak zjistili, jestli vůbec můţeme t-test pouţít. Nejprve se tedy podíváme na výsledky Shapiro-Wilkova testu, který zjišťuje normalitu rozloţení v malých vzorcích a následně si zobrazíme výstup z Levenova testu, který ověřuje podmínku homogenity roptylu. V rámci výsledků Shapiro-Wilkova testu jsme zjistili, ţe proměnná „program byl všobecně povaţován za náročný“, W(31) = 0,96; p = 0,37; je normálně rozloţena, protoţe test statistické signifikance na hladině významnosti 0,05 je nonsignifikantní. Další proměnná s názvem „program byl zaměřen na budoucí profesionální uplatnění“, W(31) = 0,94; p = 0,10; také splňuje chrakteristiky normálního rozloţení a testovaná statistika vychází jako nonsignifikantní. U proměnné „podíl velmi kvalitních učitelů“, W(31) = 0,86; p = 0,00; bohuţel nemůţeme normalitu rozloţení potvrdit, protoţe uvedený test vychází vysoce statisticky signifikantní. Poslední testovaná proměnná, jeţ nese název „kvalita školy“, W(31) = 0,96; p = 0,30; splňuje podmínku normality rozloţení, jelikoţ test vychází statisticky nonsignifikantní.

Následně

prozkoumáme výsledky Levenova testu, který zjišťuje, zdali byla dodrţena podmínka homogenity rozptylu. V rámci veřejných a soukromých vysokých škol nebyla pro proměnnou „program byl zaměřen na budoucí profesionální uplatnění“ dodrţena podmínka homogenity rozptylu, F(1/29) = 8,79; p = 0,00. Tento test vyšel vysoce statisticky signifikantní. Druhé srovnání u proměnné „program byl zaměřen na budoucí profesionální uplatnění“ mezi skupinami vysokých škol však jiţ vyšlo statisticky nonsignifikantní, F(1/29) = 2,87; p = 0,10; coţ značí splnění podmínky homogenity rozptylu. V rámci další proměnné s názvem „podíl velmi kvalitních učitelů“ však byla tato podmínka mezi porovnávanými skupinami opět porušena, F(1/29) = 24,24; p = 0,00; protoţe test vyšel vysoce signifikantní. U poslední proměnné nesoucí název „kvalita školy“ byla zjištěna homogenita rozptylu mezi porovnávanými typy vysokých škol, F(1/29) = 0,02; p = 0,88; jelikoţ test vyšel statisticky nonsignifikantní. Závěry, jeţ plynou z právě prezentovaných výsledků, jsou následující. T-test, který funguje jako parametrický 26

V následující části tedy budeme pracovat se čtyřmi proměnnými (Program byl všeobecně povaţován za náročný, Program byl zaměřen na budoucí profesionální uplatnění, Podíl velmi kvalitních učitelů, Kvalita školy). Zbylé dvě proměné (Program byl prestiţní z akademického hlediska, Studium bylo snadné) do dalších analýz nezahrneme.

38

nástroj pro porovnání středních hodnot v rámci dvou skupin, budeme moci pouţít pouze u kategorií „program byl zaměřen na budoucí profesionální uplatnění“ a „kvalita školy“. Zbylé dvě kategorie („program byl všobecně povaţován za náročný“, „podíl velmi kvalitních učitelů“) budeme muset otestovat pomocí neparametrické varianty, jeţ nese název Mann-Whitneyův test. Pojďme se tedy nyní podívat, jak tyto testy dopadly. V rámci srovnání veřejných a soukromých vysokých škol nebyly u proměnné „program byl všobecně povaţován za náročný“ zjištěny statisticky signifikantní rozdíly v porovnávané střední hodnotě, U = 98,50; z = -0,82; p = 0,41; r = -0,14 a velikost efektu vyšla jako bezvýznamná aţ slabá.

Srovnání soukromých a veřejných škol u proměnné „program byl

zaměřen na budoucí profesionální uplatnění“ vyšlo statisticky signifikantní, t(29) = 4,82; p = 0,00; r = 0,44; srovnávané průměry se tedy v tomto případě odlišují. Velikost efektu bychom mohli označit za středně silnou. V rámci srovnání dvou typů škol u proměnné „podíl velmi kvalitních učitelů“ bylo dosaţeno statisticky signifikantních rozdílů, U = 45,5; z = -2,92; p = 0,00; r = -0,52 a velikost efektu byla zjištěna jako střední aţ silná. U poslední proměnné s názvem „kvalita školy“ nebyly při porovnávání dvou typů škol zjištěny signifikantní rozdíly ve střední hodnotě, t(29) = -1,94; p = 0,06; r = 0,11 a velikost efektu byla bezvýznamná aţ slabá.

7.1.2. Hodnocení studijní nabídky a podmínek studia Druhý z výstupů výzkumu REFLEX 2013 prezentuje výsledky hodnocení studijní nabídky a podmínek studia na soukromých a veřejných vysokých školách. Absolventi vystudovanou instituci hodnotili v rámci 19 poloţek27 v dotazníku, které byly následně upraveny do 6 kategorií, které přehledně shrnuje tabulka č. 2. Vrchní část tabulky opět patří veřejným vysokým školám a ve spodní části můţeme najít hodnoty pro školy soukromé.

27

Samotné hodnocení probíhalo na pětibodové stupnici, kdy 1 = velmi dobré a 5 = velmi špatné.

39

Tabulka č. 2: Hodnocení studijní nabídky a podmínek studia Systém a organizace studia

Odborná a didaktická část studia

Praktická část vyučování

Vyučování cizích jazyků

Moţnost kombinace studia s jinými aktivitami

Kontakt s učiteli a spoluţáky

UK

2.1

2.2

2.9

3.3

2.9

1.9

JU

2.1

2.3

2.9

3.5

2.9

1.8

UJEP

2.2

2.4

2.9

3.6

2.8

1.8

MU

2.0

2.2

2.9

3.2

2.6

2.0

UP

2.1

2.2

2.9

3.4

2.9

1.7

OU

2.1

2.3

2.8

3.3

2.7

1.7

UHK

1.9

2.4

3.0

3.4

2.3

1.8

SU

2.3

2.4

3.0

3.6

2.7

1.9

ZČU

2.1

2.3

2.9

3.3

2.7

1.8

TUL

2.2

2.5

2.9

3.6

2.6

1.9

Upa

2.2

2.4

2.9

3.7

3.0

1.8

VUT

2.1

2.3

3.1

3.6

2.8

1.9

VŠB-TU

2.1

2.3

3.1

3.8

2.6

1.8

UTB

2.1

2.4

2.9

3.5

2.2

1.8

VŠE

2.0

2.3

2.9

3.1

2.1

2.3

ČZU

2.2

2.4

2.9

3.8

2.3

1.9

MENDELU

2.1

2.3

3.0

3.8

2.8

1.8

Průměr/SD

2.1/0.09

2.3/0.08

2.9/0.07

3.5/0.20

2.6/0.25

1.9/0.13

BIVŠ

1.9

2.3

3.0

3.4

1.8

1.6

VŠFS

1.8

2.2

3.0

3.2

1.7

1.6

VŠKV

1.9

2.0

3.2

3.1

1.9

1.9

ŠAVŠ

2.0

2.1

2.6

2.3

2.0

1.5

VŠMIE

1.7

1.9

2.7

2.9

1.6

1.6

VŠERS

1.8

2.1

2.8

3.1

1.6

1.6

VŠLG

1.9

2.2

2.6

3.0

1.6

1.7

BIBS

1.6

1.9

2.5

2.5

1.4

1.8

VŠO

2.3

2.5

3.1

3.5

2.2

2.3

STING

1.8

2.0

3.0

3.4

1.7

1.7

UJAK

1.9

2.2

2.9

3.7

1.6

1.9

ZMVŠ

2.4

2.6

3.2

3.8

2.3

2.0

MVSO

2.0

2.3

3.1

3.6

1.7

1.7

VŠSSH

1.6

2.0

2.9

3.1

1.7

1.4

1.9/0.22

2.2/0.20

2.9/0.22

3.2/0.41

1.8/0.24

1.7/0.22

Průměr/SD

Zdroj: Koucký, Ryška, Zelenka 2014; vlastní zpracování

40

V rámci kategorie „systém a organizace studia“ dosáhly veřejné vysoké školy průměrného skóre 2,1 a soukromé vysoké školy 1,9. V této kategorii tedy dosáhly lepšího skóre soukromé školy. Pokud se však podíváme na hodnoty standardních odchylek od průměru (veřejné školy: SD = 0,09; soukromé školy: SD = 0,22), zjistíme, ţe mezi soukromými školami existuje větší variabilita v individuálních hodnotách, neţ je tomu u škol veřejných. Stejná situace panovala i v kategorii „odborná a didaktická část studia“, kde veřejné školy získaly průměrné skóre 2,3 a soukromé školy 2,2. Soukromé školy tedy byly opět hodnoceny lépe, i kdyţ tentokát byl rozdíl marginálnější (pouhých 0,1). Při pohledu na standardní odchylky opět vidímě větší variabilitu dat v rámci soukromých škol (veřejné školy: SD = 0,08; soukromé školy: SD = 0,20). Srovnání v rámci kategorie „praktická část vyučování“ dopadlo nerozhodně, obě školy získaly 2,9. Větší variabilita byla opět naměřena u škol soukromých (SD = 0,22), neţ u škol veřejných (SD = 0,07). V kategorii „vyučování cizích jazyků“ dosáhly soukromé vysoké školy opět lepších výsledků, neţ školy veřejné (soukromé školy 3,2; veřejné školy 3,5) a stejně dopadly i standardní odchylky, kdy byla větší variabilita v datech zaznamenána u škol soukromých (soukromé školy: SD = 0,41; veřejné školy: SD = 0,20). V rámci kategorie „moţnost kombinace studia s jinými aktivitami“ bylo dosaţeno největšího rozdílu mezi školami. V této kategorii opět zvítězily soukromé školy s výsledkem, které předstihly veřejné školy o 0,8 (konkrétně: veřejné školy 2,6; soukromé školy 1,8). V tomto případě byla naměřena srovnatelná variabilita mezi oběma školami (soukromé školy: SD = 0,24; veřejné školy: SD = 0,25). Poslední kategorie nazvaná „kontakt s učiteli a spoluţáky“ taktéţ dopadla příznivěji pro soukromé školy, u kterých bylo naměřeno průměrné skóre 1,7. Veřejné vysoké školy zde dosáhly skóre 1,9. Větší variabilita byla opět indikována u škol soukromých (SD = 0,22), neţ u škol veřejných (SD = 0,13) (Koucký, Ryška, Zelenka 2014; vlastní zpracování). Asi nejzajímavějším zjištěním, které plyne z průzkumu výše prezentované tabulky, je vyšší spokojenost absolventů soukromých škol ve většině zkoumaných kategorií. Předchozí srovnání však vychází pouze z okometrického porovnávání průměrných skóre v rámci jednotlivých kategorií, a z toho důvodu opět přistoupíme ke srovnání statistickému. Před případným pouţitím t-testu musíme znovu nejprve prozkoumat předpoklady pro jeho pouţití. Výsledky Shapiro-Wilkova a Levenova testu shrnují tabulky č. 3 a 4.

41

Tabulka č. 3: Výsledky Shapiro-Wilkova testu pro kategorie hodnocení studijní nabídky a podmínek studia ShapiroWilkova statistika

Signifikance

Systém a organizace studia

0.96

0.25

Odborná a didaktická část studia

0.96

0.13

Vyučování cizích jazyků

0.91

0.01

Moţnost kombinace studia s jinými aktivitami

0.91

0.01

Kontakt s učiteli a spoluţáky

0.92

0.03

Zdroj: Koucký, Ryška, Zelenka 2014; vlastní zpracování Tabulka č. 4: Výsledky Levenova testu pro kategorie hodnocení studijní nabídky a podmínek studia v rámci veřejných a soukromých vysokých škol Levenova statistika

df1/df2

Signifikance

Systém a organizace studia

4.83

1/29

0.04

Odborná a didaktická část studia

8.76

1/29

0.00

Vyučování cizích jazyků

4.69

1/29

0.03

Moţnost kombinace studia s jinými aktivitami

0.11

1/29

0.74

Kontakt s učiteli a spoluţáky

3.53

1/29

0.07

Zdroj: Koucký, Ryška, Zelenka 2014; vlastní zpracování 42

Z výsledků Shapiro-Wilkova testu vidíme, ţe pouze první kategorie v rámci hodnocení studijní nabídky a podmínek studia není signifikantní, coţ znamená, ţe tato proměnná je normálně rozloţena. U zbylých čtyř kategorií nemůţeme normalitu rozloţení předpokládat. V rámci Levenova testu vyšla nonsignifikantní pouze čtvrtá kategorie, u které tedy můţeme očekávat splnění podmínky homogenity rozptylu. U zbylých kategorií tato podmínka nebyla dodrţena. V souladu s prezentovanými výsledky musíme u všech šesti pozorovaných kategorií zamítnout pouţití t-testu a přejít k analýze pomocí jeho neparametrické varianty, která nese název Mann-Whitneyův test. Výsledky tohoto testu shrnuje tabulka č. 5. Tabulka č. 5: Výsledky Mann-Whitneyova testu pro kategorie hodnocení studijní nabídky a podmínek studia v rámci veřejných a soukromých vysokých škol MannWhitneyova statistika

z

Signifikance

r

Systém a organizace studia

39.5

-3.21

0.00

-0.58

Odborná a didaktická část studia

51.0

-0.75

0.00

-0.13

Vyučování cizích jazyků

63.0

-2.24

0.02

-0.40

Moţnost kombinace studia s jinými aktivitami

4.5

-4.56

0.00

-0.82

Kontakt s učiteli a spoluţáky

66.0

-2.15

0.03

-0.38

Zdroj: Koucký, Ryška, Zelenka 2014; vlastní zpracování Kategorie „systém a organizace studia“ vyšla v rámci porovnávání průměrů statisticky signifikantní a velikost tohoto efektu bychom mohli popsat jako střední aţ silnou (r = -0,58). V rámci kategorie „odborná a didaktická část studia“ nám testovaná statistika také vyšla signifikantní, ale v tomto případě je síla efektu velmi nízká (r = -0,13). Srovnání v rámci kategorie „vyučování cizích jazyků“ vyšlo statisticky signifikantní a velikost efektu bychom 43

mohli označit jako středně silnou (r = -0,40). Kategorie „moţnost kombinace studia s jinými aktivitami“ vyšla v rámci srovnání opět statisticky signifikantní a byla zde také naměřena nejvyšší velikost efektu, která by se dala označit velmi silnou (r = -0,82). Poslední srovnání v rámci kategorie „kontakt s učiteli a spoluţáky“ vyšlo rovněţ statisticky signifikantní a velikost efektu byla naměřena jako střední (r = -0,38).

7.1.3. Přehled výsledků V poslední části této kapitoly si přehledně shrneme výsledky ze všech námi provedených srovnání, a dále se také pokusíme zjištěné závěry interpretovat. Pojdmě se tedy nyní podívat na souhrnné výsledky srovnání mezi soukromým a veřejným sektorem vysokého školství. Vše shrnuje tabulka č. 6.

44

Tabulka č. 6: Souhrnné výsledky srovnání soukromých a veřejných vysokých škol v rámci České republiky28 Lepšího výsledku dosáhly

Rozdíl v průměrech

Signifikance testu srovnávajícího průměry

r

Program byl všeobecně povaţován za náročný (1 - 5)

VVŠ

0.1

0.41

-0.14

Program byl prestiţní z akademického hlediska (1 - 5)

---

---

---

---

Studium bylo snadné (1 - 5)

---

---

---

---

Program byl zaměřen na budoucí profesionální uplatnění (1 - 5)

SVŠ

0.4

0.00

0.44

Podíl velmi kvalitních učitelů (0% - 100%)

SVŠ

6.6

0.00

-0.52

Kvalita školy (1 - 7)

VVŠ

0.3

0.06

0.11

Systém a organizace studia (1 - 5)

SVŠ

0.2

0.00

-0.58

Odborná a didaktická část studia (1 - 5)

SVŠ

0.1

0.00

-0.13

Praktická část vyučování (1 - 5)

---

---

---

---

Vyučování cizích jazyků (1 - 5)

SVŠ

0.3

0.02

-0.40

Moţnost kombinace studia s jinými aktivitami (1 - 5)

SVŠ

0.8

0.00

-0.82

Kontakt s učiteli a spoluţáky (1 - 5)

SVŠ

0.2

0.03

-0.38

Název porovnávané kategorie

Zdroj: Koucký, Ryška, Zelenka 2014; vlastní zpracování 28

Čísla v závorce za jednotlivými názvy kategorií znázorňují rozpětí stupnice, na které byla daná kategorie měřena. Tento údaj slouţí jako referenční rámec ke druhému sloupci tabulky, aby tak měl čtenář moţnost vidět, jak velké rozdíly byly mezi kategoriemi naměřeny. Zkratky v prvním sloupci tabulky znamenají následující: VVŠ = veřejné vysoké školy, SVŠ = soukromé vysoké školy.

45

Soukromé a veřejné vysoké školství jsme dohromady srovnávali ve dvanácti kategoriích a v devíti z nich jsme objevili okometrické rozdíly v průměrech. V rámci kategorií „program byl prestiţní z akademického hlediska“, „studium bylo snadné“ a „praktická část vyučování“ byly jednotlivé sektory v průměrném skóre vyrovnané. Z devíti kategorií, ve kterých byly nalezeny okometrické rozdíly v průměrech, se však dvě z nich v rámci statistického porovnávání průměrů ukázaly jako nonsignifikantní. Kategorie „program byl všeobecně povaţován za náročny“ a „kvalita školy“ se tedy od sebe statisticky neliší, a naměřené rozdíly v průměrech byly způsobeny výběrovou chybou. Zbyvá nám tedy sedm kategorií, ve kterých byly zjištěny statistické rozdíly ve střední hodnotě. Pojďme se na ně nyní podívat optikou velikosti efektu. Z tabulky uvedené výše vidíme, ţe pouze u šesti ze sedmi kategorií bychom velikost efektu mohli popsat minimálně jako středně silnou. U kategorie „odborná a didaktická část studia“ totiţ i přes signifikantní rozdíly ve střední hodnotě byla zjištěna pouze nízká síla efektu, coţ dokládá i samotný rozdíl v průměrech, který na pětibodové stupnici činil pouze 0,1 bodů. Kategorie, u kterých byly nalezeny signifikantní rozdíly v průměrech, a zároveň u nich byla naměřena alespoň střední síla účinku jsou následující: „program byl zaměřen na budoucí profesionální uplatnění“, „podíl velmi kvalitních učitelů“, „systém a organizace studia“, „vyučování cizích jazyků“, „moţnost kombinace studia s jinými aktivitami“ a „kontakt s učiteli a spoluţáky“. Zajímavé zjištění, které z prezentovaných závěrů plyne, je fakt, ţe ve všech právě zmíněných kategoriích zvítězily soukromé vysoké školy. Moţným interpretacím těchto výsledků se budeme věnovat v části věnované diskuzi.

7.2. Data, jejich charakteristika a přehled proměnných Datový soubor, ze kterého v této práci budeme vycházet, nese název EUROSTUDENT IV. (Výzkum sociální dimenze vysokoškolského vzdělání). Jedná se o mezinárodní výzkum v rámci Evropské unie, který shromáţdil komparativní data orientovaná na sociální a ekonomické podmínky studentů vysokých škol. Jak jiţ název napovídá, prezentovaný výzkum proběhl jiţ ve své čtvrté vlně a ČR se jej zůčastnila zatím dvakrát (poprvé ve třetí vlně). Výzkum byl v České republice realizován společností SC&C, a data byla sebrána mezi lety 2008 a 2011. V rámci ČR bylo osloveno téměř 24 000 studentů prvního aţ páteho ročníku veřejné anebo soukromé vysoké školy náhodným výběrem z matriky studentů, a na dotazník odpovědělo 12

46

573 z nich. Co se počtu zůčastněných fakult týče, 17 z nich se výzkumu odmítlo zůčastnit, dalších 31 se k výzvě nevyjádřilo a 84 se do výzkumu zapojilo (Minksová 2010). Závisle proměnnou bude v naší analýze představovat dělení vysokoškolského vzdělání na soukromý a veřejný sektor tak, jak to bylo popsáno v úvodní části nazvané – Vysvětlení pojmosloví. Poněvadţ datový soubor umoţnil další dělení závisle proměnné a to na „ekonomické“ a „humanitní a společenské“ vysokoškolské obory, bude analýza rozdělena na dvě části. V té první se podíváme na rozdíly mezi soukromým a vysokým školství z hlediska oborů ekonomických a ve druhé z pohledu humanitních a společenských oborů. Přehled četností jednotlivých kategorií výše uvedeného dělení přehledně prezentuje tabulka č. 7. Tabulka č. 7: Přehled četností závisle proměnných Soukromé VŠ

Veřejné VŠ

Celkem

Ekonomické obory

1012

1581

2593

Humanitní a společenské obory

316

1249

1565

Zdroj: EUROSTUDENT IV. Ze zobrazené tabulky můţeme vidět, ţe z původních 12 573 respondentů, kteří se zůčastnili šetření EUROSTUDENT IV., do samotné analýzy vstoupilo pouze 4 158 případů. V první části výzkumného procesu budeme tedy pracovat s 2 593 respondenty, kteří uvedli, ţe studují na jednom z typů vysokoškolského vzdělání některý z ekonomických oborů. V druhé části poté budeme operovat z 1 565 jedinci, kteří uvedli, ţe studovali humanitní a společenské obory. Nezávisle proměnných, které budou figurovat v obou částech analýzy, je šest a nesou následující pojmenování: Typ absolvované střední školy, Nejvyšší dosaţené vzdělání matky, Socioekonomický status rodiny, Příjem domácnosti, Pohlaví a Věk. V této části je vhodné upozornit, ţe proměnná socioekonomický status rodiny byla v datech EUROSTUDENT IV. vytvořena sloučením proměnných sociální postavení rodičů, ţivotní úroveň rodičů, průměrný příjem domácnosti rodičů, vzdělání otce a poslední zaměstnání otce. Tato proměnná byla následně rozdělena na kvintily, kdy první z nich reprezentuje nejniţší socioekonomický status a 47

poslední tedy páty naopak nejvyšší. Dále je vhodné zmínit, ţe ve výzkumu budeme pracovat pouze se vzděláním matky, protoţe vzdělání otce je jiţ zahrnuto do proměnné socioekonomický status a bylo by tak proměnnou redundantní. Údaje o věku v rámci ekonomických oborů vyplnilo 2 593 respondentů. Minimální naměřený věk v tomto subsouboru čítal 18 let, maximální 52 let. Průměrná hodnota věku vyšla 25,25 let (SD = 6,60). U humanitních a společenských oborů uvedlo informace týkající se věku 1 565 respondentů. Minimální hodnota věku čítala 18 let, maximální 58 let. Zjištěný průměrný věk odpovídal číslu 26,34 (SD = 7,94). Charakteristiky zbylých pěti nezávisle proměnných přehledně shrnuje tabulka č. 8. Tabulka č. 8: Přehled kategorizovaných nezávisle proměnných29 Proměnná

N

Medián

Minimum

Maximum

Popis variant proměnné

Typ absolvované střední školy

2293/1307

2/3

1

4

1) S. o. učiliště s maturitou 2) S. o. škola s maturitou 3) Čtyřleté gymnázium 4) Víceleté gymnázium

Nejvyšší dosaţené vzdělání matky

2434/1464

2/2

1

3

1) Bez maturity 2) S maturitou 3) Vysokoškolské

Socioekonomický status rodiny

2234/1223

3/3

1

5

1) Nejniţší kvintil 2) 2 3) 3 4) 4 5) Nejvyšší kvintil

Příjem domácnosti

1728/1088

2/1

1

3

1) méně neţ 30 000 2) 30 000 - 49 999 3) 50 000 a více

Pohlaví

2593/1565

2/2

1

2

1) Muţ 2) Ţena

Zdroj: EUROSTUDENT 2009

29

Hodnoty uvedené ve sloupcích četnost (N) a medián prezentují dvě různá čísla. Číslo před lomítkem je vţdy hodnota poukazující na stav v rámci ekonomických oborů, číslo za lomítkem poté odpovídá oborům humanitním a společenským.

48

7.3. Deskriptivní analýza Jak jiţ bylo zmíněno výše, deskriptivní analýzu si rozdělíme na dvě části. V první z nich budeme prozkoumávat vliv jednotlivých nezávisle proměnných na soukromé a veřejné vysoké školství v rámci ekonomických oborů, a ve druhé části se podíváme na situaci uvnitř oborů humanitních a společenských.

7.3.1. Ekonomické obory V rámci zkoumání vlivu jednotlivých nezávisle proměnných na proměnnou závislou se nejprve podíváme na rozloţení věkové struktury uvnitř veřejných a soukromých vysokých škol. Nyní se tedy budeme zabývat vlivem věku na jednotlivé typy terciárního vzdělání. Nejprve si zobrazíme histogram věkové struktury v rámci soukromých vysokých škol. Graf č. 3: Histogram prezentující věkové rozloţení v rámci soukromých vysokých škol (ekonomické obory)

Zdroj: EUROSTUDENT IV.

49

Z prezentovaného histogramu vidíme, ţe jeho rozloţení je dvouvrcholové. První z nich je umístěn na 20. roku ţivota, coţ představuje hodnotu pro studenty, kteří na soukromé vysoké školy nastoupili vzápětí po dokončení středoškolského studia. Druhý z vrcholů je poté umístěn okolo 30. roku ţivota a ten odpovídá věku studentů, kteří si vysokou školu dodělávají po tom, co z určitého důvodu předešlé studium přerušili. Dále se podíváme na histogram věku pro školy veřejné. Graf č. 4: Histogram prezentující věkové rozloţení v rámci veřejných vysokých škol (ekonomické obory)

Zdroj: EUROSTUDENT IV. V rámci veřejných škol jiţ můţeme pozorovat jednovrcholové rozloţení. Modus, tedy nejčastější hodnota v pozorovaném souboru, je umístěn na 21. roku ţivota. Z porovnání obou histogramů je patrné, ţe studenti soukromých vysokých škol budou v průměru starší, neţ studenti škol veřejných. Toto tvrzení můţeme doloţit prezentací průměrů pro jednotlivé skupiny. Zatímco u soukromých škol vyšla průměrná hodnota věku respondenta 28,20 let (SD = 7,72), průměr pro školy veřejné činil pouhých 23,11 let (SD = 4,92). Z porovnání standardních odchylek od průměru také vidíme, ţe mezi studenty soukromých škol panovala v datech větší 50

variabilita. Naměřená velikost standardní odchylky u soukromých škol také koresponduje s dvouvrcholovým rozloţením histogramu. Z předloţeného srovnání lze predikovat, ţe věk respondenta bude mít vliv na to, jaký typ vysoké školy půjde jedinec studovat. Zjištěné rozdíly také korespondují se závěry Basla (2006) a Kouckého, Ryšky a Zelenky (2014), kteří rovněţ zjistili věkové rozdíly mezi studenty soukromého a veřejného sektoru vysokého školství. Dále se podíváme na to, jak se na závisle proměnnou promítl vliv respondentovy studované střední školy. Jejich vztah zobrazuje graf č. 5. Graf č. 5: Typ respondentovy vystudované střední školy v rámci soukromých a veřejných vysokých škol (ekonomické obory)

Zdroj: EUROSTUDENT IV. Z výše uvedeného grafu můţeme pozorovat viditelnou lineární tendenci mezi proměnnými. Při pohybu v grafu zleva doprava vidíme, ţe v kaţdé následující variantě vystudované střední školy se zvyšuje podíl studentů veřejných vysokých škol a sniţuje podíl studentů škol soukromých. Zatímco respondenti, kteří uvedli, ţe vystudovali střední odborné učiliště s maturitou, jsou ze 63,6% zapsaní na soukromé vysoké škole a pouze 36,4% z nich studuje školu veřejnou, tak respondenti, kteří úspěšně ukončili středoškolské vzdělání v rámci varianty véceletého gymnázia studují z 84,2% na veřejných vysokách školách a pouze z 15,8% 51

na školách soukromých. Z prezentovaných výsledků můţeme vyvodit, ţe typ studované střední školy bude mít vliv na to, jestli jedinec následně zvolí soukromý anebo veřejný sektor terciárního vzdělávání. Dále se podíváme, jakým způsobem na naší závisle proměnnou působilo nejvyšší dosaţené vzdělání matky. Graf č. 6: Nejvyšší dosaţené vzdělání matky v rámci soukromých a veřejných vysokých škol (ekonomické obory)

Zdroj: EUROSTUDENT IV. Na prezentovaném grafu můţeme pozorovat podobnou situaci, jaká se obejvila u proměné, týkající se vystudované střední školy, i kdyţ v tomto případě nejsou rozdíly mezi soukromými a veřejnými školami tak vyrazné. I tak zde ale vidíme lineární tendenci ve vztahu mezi vzděláním matky a typem vysoké školy. Respondenti, jejichţ matka dosáhla pouze vzdělání bez maturity ze 45,9% navštěvovali soukromou vysokou školu a z 54,1% školu veřejnou. Naproti tomu jedinci, kteří byli vychovávaní vysokoškolsky vzdělanou matkou navštěvují soukromou vysokou školu pouze z 30,6%. Zbylí respondenti (69,4%) poté studují na škole veřejné. Dlé výsledků předloţené grafické analýzy můţeme opět tvrdit, ţe nejvyšší dosaţené vzdělání matky bude mít vliv na to, jaký typ terciárního vzdělávání bude respondent navštěvovat.

52

Další proměnná, kterou se v rámci deskriptivní analýzy ekonomických oborů budeme zabývat, nese název socioekonomický status respondentovy rodiny. Graf č. 7: Socioekonomický status respondentovy rodiny (kvintily) podle soukromých a veřejných vysokých škol (ekonomické obory)

Zdroj: EUROSTUDENT IV. Výsledky prezentované v grafu ukazují, ţe proměnná socioekonomický status respondentovy rodiny pravděpodobně nebude mít vliv na to, jaký typ školy půjde daný jedinec studovat. V rámci jednotlivých kvintilů totiţ můţeme pozorovat opakující se tendence, protoţe ve všech prezentovaných kategoriích nezávisle proměnné vidíme velmi podobné rozloţení podílů jednotlivých sektorů terciárního vzdělání. Následně se podíváme na to, jakým způsobem na závisle proměnnou působila proměná příjem domácnosti.

53

Graf č. 8: Celkový příjem rodiny respondenta podle soukromých a veřejných vysokých škol (ekonomické obory)

Zdroj: EUROSTUDENT IV. Z pohledu na graf vidíme, ţe ve všech příjmových kategoriích převaţují respondenti, kteří navštěvují veřejné vysoké školství. Největší diference v podílech jsme zaznamenali v prostřední kategorii „30 000 – 49 999 kč“, kde studenti veřejných škol tvoří 70,6%. V ostatních kategoriích je sice podíl menší, přesto ne zcela zanedbatelný. U této nezávislé proměnné také nemůţeme s jistotou prohlásit, jaký bude její vliv na proměnnou závislou. Výsledky odhalí aţ samotná regresní analýza. V následující kapitole se podíváme na výsledky deskriptivní analýzy v rámci humanitních a společenských oborů.

7.3.2. Humanitní a společenské obory V této kapitole se opět podíváme na vliv jednoltivých nezávisle proměnných na proměnnou závislou. Začneme tedy průzkumem vlivu věku respondenta na typy terciárního vzdělání v rámci humanitních a společenských oborů.

54

Graf č. 9: Histogram prezentující věkové rozloţení v rámci soukromých vysokých škol (humanitní a společenské obory)

Zdroj: EUROSTUDENT IV. Z prezentovaného histogramu můţeme vidět, ţe věková struktura studentů soukromých vysokých škol s humanitním a společenským zaměřením je nerovnoměrně rozloţena po celé ose ypsilon. V levé části osy jsou sice přibliţně rovnoměrně rozvrstveni studenti mezi 20. aţ 26. rokem ţivota, dále však věková struktura velmi kolísá a v histogramu se objevuje hned několik vrcholů, coţ poukazuje na nenormalitu tohoto rozloţení. Pojďme si nyní srovnat tyto výsledky s histogramem věku pro veřejné vysoké školy.

55

Graf č. 10: Histogram prezentující věkové rozloţení v rámci veřejných vysokých škol (humanitní a společenské obory)

Zdroj: EUROSTUDENT IV. Histogram pro věkové rozloţení v rámci veřejných vysokých škol nabývá větší pravidelnosti, neţ pro školy soukromé. Většině respondentů v tomto subsouboru je mezi 18 a 26 lety a od této hodnoty dále jednotlivé četnosti klesají. Rozdíly mezi prezentovanými histogramy dokládají informace o jejich středních hodnotách. Zatímco mezi studenty soukromých škol byl naměřen věkový průměr 29,60 let (SD = 8,49), jejich kolegové z veřejného vysokého školství měli v průměru 25,09 let (SD = 7,58). Dále se podíváme na vliv respondentovy vystudované střední školy na závisle proměnnou.

56

Graf č. 11: Typ respondentovy vystudované střední školy v rámci soukromých a veřejných vysokých škol (humanitní a společenské obory)

Zdroj: EUROSTUDENT IV. Z prezentovaného grafu můţeme vidět, ţe ve všech kategoriích vystudované střední školy převládají respondenti, kteří studují na veřejných vysokých školách. Největší rozdíl v podílech mezi typy vysokých škol panuje v rámci kategorie „víceleté gymnázium“, kde absolventi tohoto typu instituce z celých 92% studují veřejnou variantu terciárního vzdělání. V samotné analýze bychom měli zaznamenat vliv této proměnné na proměnnou závislou, protoţe pokud se budeme v grafu pohybovat zleva doprava a vynecháme první kategorii respondentovy vystudované středoškolské instituce, tak můţeme v rámci kaţdé další kategorie pozorovat nárůst podílů studentů veřejného sektoru terciárního vzdělání. Následně se podíváme na vliv nejvyššího dosaţeného vzdělání matky na závisle proměnnou.

57

Graf č. 12: Nejvyšší dosaţené vzdělání matky v rámci soukromých a veřejných vysokých škol (humanitní a společenské obory)

Zdroj: EUROSTUDENT IV. Výše prezentovaný graf poukazuje na fakt, ţe ve všech kategoriích nejvyššího dosaţeného vzdělání matky převládá podíl respondentů, kteří navštěvují veřejné vysokoškolské instituce. Největší rozdíl byl naměřen v rámci kategorie „vysokoškolské vzdělání“, kde celých 89% respondentů studuje na veřejných vysokých školách s humanitním a společenským zaměřením. Následně se podíváme na vliv socioekonomického statusu respondentovy rodiny na závisle proměnnou.

58

Graf č. 13: Socioekonomický status respondentovy rodiny (kvintily) podle soukromých a veřejných vysokých škol (humanitní a společenské obory)

Zdroj: EUROSTUDENT IV. V rámci humanitních a společenských oborů se u proměnné socioekonomický status respondentovy rodiny opakuje podobná situace, jako u oborů ekonomických. Aţ na nejvyšší socioekonomickou vrstvu (nejvyšší kvintil) jsou podíly mezi soukromým a veřejným sektorem přibliţně stejné. Tato proměnná tedy pravděpodobně nebude mít vliv na to, jaký typ vysoké školy půjde jedinec studovat. Na závěr této části prozkoumáme vliv celkového příjmu rodiny na závisle proměnnou.

59

Graf č. 14: Celkový příjem rodiny respondenta podle soukromých a veřejných vysokých škol (humanitní a společenské obory)

Zdroj: EUROSTUDENT IV. Z prezentovaného grafu můţeme vidět, ţe největší podíl studentů veřejného terciárního sektoru se nacházel ve střední kaegorii a činil 87,8%. Ve zbylých kategoriích se podíl respondentů, kteří uvedli, ţe studují veřejnou vysokou školu, pohyboval okolo 75%.

7.4. Regresní analýza V této části se podíváme na výsledky regresní analýzy, která odhalí potenciální vliv zvolených nezávisle proměnných na jednotlivé typy vysokých škol. Tato kapitola bude opět rozdělena na dvě části. V té první se podíváme na to, jak soukromé a veřejné vysoké školy dopadly v rámci ekonomických oborů a v druhé části prozkoumáme situaci mezi humanitními a společenskými obory

7.4.1. Ekonomické obory Pojďme si nyní představit celkový model logistické regrese pro ekonomické obory. Přesnost predikce se po zavedení všech prediktorů zvýšila z 69,5% na 77,2%. Co se velikosti 60

účinku týče, v případě Coxova a Snellova pseudo R² model dosáhl hodnoty 0,21 a v rámci Negalkerkeho pseudo R² byla naměřena hodnota 0,30. Následně prozkoumáme samotnou tabulku binární logistické regrese pro ekonomické obory.

61

Tabulka č. 9: Koeficienty binární logistické regrese pro soukromý a veřejný sektor vysokého školství (ekonomické obory)30 b

S.E.

sig.

exp(b)

S. o. učiliště s maturitou

ref.

ref.

ref.

ref.

S. o. škola s maturitou

0.41

0.40

0.30

1.51

Čtyřleté gymnázium

1.31

0.42

0.00

3.70

Víceleté gymnázium

1.83

0.46

0.00

6.21

Bez maturity

ref.

ref.

ref.

ref.

S maturitou

0.11

0.18

0.53

1.12

Vysokoškolské

0.80

0.24

0.00

2.23

Nejniţší kvintil

ref.

ref.

ref.

ref.

2

-0.46

0.22

0.04

0.63

3

-0.40

0.26

0.11

0.67

4

-0.46

0.28

0.10

0.63

Nejvišší kvintil

-0.39

0.34

0.26

0.68

méně neţ 30 000

ref.

ref.

ref.

ref.

30 000 - 49 999

-0.09

0.20

0.66

0.92

50 000 a více

-1.18

0.31

0.00

0.31

Muţ

ref.

ref.

ref.

ref.

Ţena

0.14

0.15

0.35

1.15

Věk

-0.16

0.01

0.00

0.86

Konstanta

4.16

0.58

0.00

64.04

Typ studované střední školy

Nejvyšší dosaţené vzdělání matky

Socioekonomický status rodiny

Příjem domácnosti

Pohlaví

Zdroj: EUROSTUDENT IV. Z prezentované tabulky můţeme vidět, ţe typ studované střední školy měl v rámci ekonomických oborů vliv na to, jestli půjde daný jedinec studovat soukromý anebo veřejný 30

Soukromé vysoké školy byly v analyze kódovány jako 0 a veřejné vysoké školy jako 1.

62

sektor terciárního vzělání. V rámci srovnání středního odborného učiliště a střední odborné školy sice nebylo dosaţeno signifikantního výsledku, ale u čtyřletých a osmiletých gymnázií jiţ poměry šancí signifikantní jsou. Jedinec, který vystudoval čtyřleté gymnázium, má 3,7krát větší šanci na to, ţe půjde studovat vyřejnou vysokou školu spíše, neţ školu soukromou. Absolvent osmiletého gymnázia má poté 6,2krát větší šanci na studium ve veřejném sektoru. Nejvyšší dosaţené vzdělání matky působí na volbu typu vysokoškolského studia pouze v rámci její vysokoškolské kategorie, protoţe kategorie maturitní vzdělání vyšla jako nonsignifikantní. Jedinec, jehoţ vychovávala matka vysokoškolačka má 2,2krát větší šance na to, ţe půjde studovat vyřejnou vysokou školu spíše, neţ školu soukromou. Socioekonomický status rodiny nemá vliv na to, jaký typ vysokoškolského studia půjde jedinec studovat. V rámci druhého kvintilu byl sice zaznamenán signifikantní výsledek, ale ostatní kvintily vyšly jako nonsignifikantní, z čeho plyne, ţe v datech v rámci této nezávisle proměnné nelze pozorovat ţádnou linearitu. Měsíční příjem domácnosti má částečný vliv na to, jaký typ vysokoškolského studia bude jedinec studovat. V kategorii měsíčního příjmu 50 000 a více byl totiţ zjištěn signifikantní efekt na závisle proměnnou a jedinec s tímto rodinným příjmem má 3,2krát (OR = 1/0,31) větší šanci na to, ţe bude studovat v rámci soukromého sektoru. Pohlaví jedince nemá vliv na to, v rámci jakého sektoru vysokého školství bude jedinec studovat, protoţe zde nebyl nalezen signifikantní efekt. Věk má vliv na to, jaký typ vysokého školství půjde jedinec studovat, protoţe s kaţdým přibývajícím rokem se 1,2krát (OR = 1/0,86) zvyšuje šance na to, ţe bude studovat v rámci soukromého sektoru.

7.4.2. Humanitní a společenské obory Nejprve si opět představíme celkové charakteristiky modelu binární logistické regrese pro soukromý a veřejný sektor vysokého školství v rámci humanitních a společenských oborů. Přesnost predikce se po zavedení všech prediktorů zvýšila z 77,2% na 77,8%. Velikost účinku byla v rámci Coxova a Snellova pseudo R² naměřena 0,19. Nagelkerkeho pseudo R² poté vyšlo 0,29.

63

Tabulka č. 10: Koeficienty binární logistické regrese pro soukromý a veřejný sektor vysokého školství (humanitní a společenské obory)31 B

S.E.

sig.

exp(b)

ref.

ref.

ref.

ref.

S. o. škola s maturitou

-2.14

1.00

0.03

0.12

Čtyřleté gymnázium

-1.37

1.00

0.17

0.25

Víceleté gymnázium

-0.15

1.05

0.89

0.86

Bez maturity

ref.

ref.

ref.

ref.

S maturitou

-0.99

0.28

0.00

0.37

Vysokoškolské

-0.77

0.40

0.06

0.47

Nejniţší kvintil

ref.

ref.

ref.

ref.

2

-0.25

0.33

0.45

0.78

3

-0.62

0.41

0.14

0.54

4

2.10

0.71

0.00

8.14

Nejvyšší kvintil

0.31

0.62

0.61

1.37

méně neţ 30 000

ref.

ref.

ref.

ref.

30 000 - 49 999

0.35

0.38

0.36

1.42

50 000 a více

-1.21

0.59

0.04

0.30

Muţ

ref.

ref.

ref.

ref.

Ţena

0.18

0.23

0.42

1.20

Věk

-0.07

0.02

0.00

0.93

Konstanta

5.36

1.19

0.00

213.24

S. o. učiliště s maturitou Typ studované střední školy

Nejvyšší dosaţené vzdělání matky

Socioekonomický status rodiny

Příjem domácnosti

Pohlaví

Zdroj: EUROSTUDENT IV. Z tabulky můţeme vidět, ţe v rámci humanitních a společenských oborů nebyl nalezen lineární vliv vystudované střední školy na závisle proměnnou. V kategorii střední odborné 31

Soukromé vysoké školy byly v analyze kódovány jako 0 a veřejné vysoké školy jako 1.

64

učiliště byl sice zjištěn signifikantní efekt a jedinec s tímto středoškolským vzděláním má 8,3krát (OR = 1/0,12) větší šance, ţe půjde studovat soukromou vysokou školu, ale v rámci ostatních kategorií vyšly efekty jako nonsignifikantní. Nejvyšší dosaţené vzdělání matky částečně působí na to, jaký typ terciárního vzdělání půjde jedinec studovat. U kategorie matek s maturitním vzděláním byl nalezen signifikantní efekt na zívisle proměnnou a jedinci, řadící se do této kategorie mají 2,7krát (OR = 1/0,37) větší šance na to, ţe půjdou studovat soukromou vysokou školu. U matek vysokoškolaček byl poté vliv nonsignifikantní. Socioekonomický status rodiny nemá vliv na závisle proměnnou. Ve čtvrtém kvintilu sice bylo dosaţeno signifikantního výsledku, ale zbylé kategorie vyšly jako nonsignifikantní, z čehoţ plyne, ţe zde nemůţeme pozorovat lineární efekt. Příjem domácnosti má částečný vliv na to, jaký typ vysokoškolského studia bude jedinec navštěvovat. Signifikantního výsledku bylo dosaţeno v kategorii příjmu 50 000 a více, kde má jedinec 3,3krát (OR = 1/0,30) větší šance na to, ţe půjde studovat soukromou vysokou školu. Proměnná pohlaví nemá vliv na závisle proměnnou, protoţe zde nebyl odhalen signifikantní efekt. Věk má vliv na to, jaký typ vysokoškolského studia bude jedinec navštěvovat. S kaţdým přibývajícím rokem se 1,1krát (OR = 1/0,93) zvyšuje šance na to, ţe jedinec půjde studovat soukromou vysokou školu.

65

Diskuze a závěr V této práci jsme se zabývali porovnáním soukromého a veřejného sektoru vysokého školství. Nejprve jsme oba sektory porovnali v rámci subjektivního hodnocení absolventů jednotlivých institucí, a následně jsme zjišťovali vliv askriptivních charakteristik na studium obou sektorů, abychom tak odhalili případné nerovnosti v přístupu do těchto sektorů. Cílem bylo v první řadě rozhodnout, jaký sektor se absolventům subjektivně jeví jako kvalitnější a v druhém případě zjistit, jaké askriptivní charakteristiky zlepšují šance studentů na studium v konkrétním sektoru. V první části analýzy jsme porovnali soukromé a veřejné vysoké školství ve dvanácti zvolených kategoríích. Z nich jsme poté vyselektovali šest kategorií, u kterých byl zjištěn signifikantní rozdíl v průměrných hodnotách, a zároveň byla naměřena alespoň střední síla účinku. Pro úplnost ještě jednou zopakujme názvy všech takto vybraných kategorií: „program byl zaměřen na budoucí profesionální uplatnění“, „podíl velmi kvalitních učitelů“, „systém a organizace studia“, „vyučování cizích jazyků“, „moţnost kombinace studia s jinými aktivitami“ a „kontakt s učiteli a spoluţáky“. Zajímavým zjištěním, které z výsledků plyne, je vítězství soukromých vysokých škol ve všech šesti kategoriích. Vyšší průměrné skóre v kategorii „program byl zaměřen na budoucí profesionální uplatnění“ bychom mohli vysvětlit specifickou orientací soukromých škol na výuku oborů, které přímo souvisí s pozicemi na pracovním trhu (Levy 2010). Vítězství soukromých škol v kategoriích „systém a organizace studia“ a „moţnost kombinace studia s jinými aktivitami“ můţeme přičíst vyššímu průměrnému věku studentů těchto škol, kteří jsou jiţ velmi často zaměstnáni, coţ se poté projevuje ve vstřícnějším přístupu soukromé školy v organizaci výuky i její kombinace s jinými aktivitami (Koucký, Ryška, Zelenka 2014). Kvalitnější „kontakt s učiteli a spoluţáky“, zjištěný u soukromých škol bychom mohli přičíst menší kapacitě jednotlivých institucí v rámci soukromého sektoru (ČSU 2015). V početně malých třídách a studijních skupinách se budou lépe navazovat osobní vztahy jak mezi spoluţáky, tak mezi studenty a vyučujícími. Vítězství soukromých škol v kategoriích „podíl velmi kvalitních učitelů“ je překvapivým výsledkem, kvalitnější vyučující bychom spíše očekávali na veřejných institucích. U soukromých škol však byla zjištěna velká variabilita v datech, jednotlivé instituce se tedy v rámci tohoto sektoru velmi odlišovaly. Několik málo případů s velmi dobrým hodnocením poté mohlo zvýšit průměrné skóre soukromého sektoru. 66

Kvalitnější „vyučování cizích jazyků“ na soukromých vysokých školách bychom mohli vysvětlit následovně. Zaprvé, v rámci vzniku soukromého sektoru vysokého školství v tranzitních (postkomunistických) zemích docházelo k vytváření soukromých škol, které fungovaly jako partnerské instituce pro západní univerzity a výuka probíhala výhradně v cizím jazyce (Galbraith 2003). Zadruhé, kapacitně menší soukromé instituce mají niţší poměr ţáků na vyučující (ČSU 2015), kteří mají větší prostor individuálně se věnovat jednotlivým studentům. V druhé části analytické sekce jsme zjištovali vliv vybraných askriptivních charakteristik na šance studenta navštěvovat určitý sektor vysokého školství. Analýzu jsme rozdělili na dvě části. V první jsme zkoumali vliv charakteristik v rámci ekonomických oborů, ve druhé jsme poté provedli identickou analýzu mezi humanitními a společenskými obory. Pojďme si nyní shrnout zjištěné výsledky. Typ vystudované střední školy měl v rámci ekonomických oborů vliv na to, jaký sektor terciárního vzdělání půjde jedinec studovat. Čím prestiţnější střední školu jedinec vystudoval, tím větší má poté pravděpodobnost, ţe půjde studovat veřejnou vysokou školu. Tento závěr koresponduje s výsledky autora Basla (2006), který zjistil, ţe v rámci veřejného sektoru vysokého školství studuje daleko více absolventů čtyřletých i osmiletých gymnázií. Z předešlých výzkumů bylo dále zjištěno, ţe absolventi gymnázií jeví podstatně vyšší zájem o studium vysoké školy, neţ studenti ostatních typů středních škol (Matějů, Procházková, Burdová 2006; Matějů, Soukup, Basl 2007). My tyto závěry můţeme rozšířit o poznatek, který tvrdí, ţe v rámci ekonomických oborů jeví studenti gymnázií vyšší zájem o studium na veřejné vysoké škole. Podobný lineární vliv vystudované střední školy bohuţel nebyl nalezen u humanitních a společenských oborů. Předešlé závěry Basla (2006) tedy v rámci těchto oborů nekorespondují s našimi zjištěními. Vzdělání matky částečně působilo na šance studovat určitý sektor terciárního vzdělání v rámci ekonomických i humanitních a společenských oborů. U ekonomických oborů jsme zjistili vliv vysokoškolského vzdělání matky na to, ţe jedinec půjde studovat veřejnou školu pravděpodobněji, neţ tu soukromou. V rámci humanitních a společenských oborů byl poté nalezen vliv maturitního vzdělání matky na to, ţe jedinec půjde studovat soukromý sektor pravděpodobněji, neţ ten veřejný. Předešlé výzkumy zjistily přetrvávající vliv vzdělání rodičů na to, jestli jejich potomek půjde studovat vysokou školu (Matějů, Řeháková, Simonová 2007; 67

Cheung, Egerton 2007; Givord, Goux 2007; Katrňák, Fučík 2010; Simonová 2011). My tyto závěry můţeme rozšířit o poznatek, ţe v rámci ekonomických oborů vysokoškolské vzdělání matky zvyšuje šanci jejího potomka na studium veřejného sektoru vysokého školství a naopak v rámci humanitních a společenských oborů středoškolské vzdělání matky zvyšuje šanci jejího potomka na studium sektoru soukromého. Kvalita vzdělání rodičů tedy neovlivňuje pouze šance na to, jestli potomek půjde studovat vysokou školu, ale i to, v rámci jakého sektoru vysokého školství to bude. Socioekonomický status rodiny neměl ani v jednom případě vliv na to, jaký typ terciárního vzdělání půjde jedinec studovat. Dle závěrů Matějů, Řehákové a Simonové (2007) a Kouckého a Bartuška (2009), kteří tvrdí, ţe potomci pocházející ze zvýhodněných sociálních poměrů mají větší šanci studovat na vysoké škole, musíme konstatovat, ţe tyto nerovnosti působí pouze v samotném vstupu do terciárního sektoru, ale při volbě mezi soukromou a veřejnou vysokou školou se jiţ neprojevují. Měsíční příjem domácnosti měl u ekonomických i humanitních a společenských oborů vliv na to, jaký sektor terciárního vzdělání půjde jedinec studovat. V obou případech jsme nalezli vliv příjmové kategorie 50 000 a více na to, ţe jedinec půjde studovat soukromou školu spíše, neţ tu veřejnou. Tento závěr souhlasí se zjištěními autora Basla (2006), který prokázal větší finanční nároky na studium soukromé vysoké školy a také vyšší finanční příspěvky od rodičů pro děti, které tyto školy studují. Pohlaví jedince nemělo ani v jednom případě vliv na to, jaký sektor vysokého školství půjde studovat. Předešlé výzkumy (Matějů, Řeháková, Simonová 2007; Mayer, Müller, Pollak 2007; Cheung, Egerton 2007; Roksa, Grodsky, Arum, Gamoran 2007) prokázaly sníţení anebo úplný zánik vlivu této askriptivní charakteristiky na to, jestli půjde jedinec studovat vysokou školu. My tyto závěry můţeme rozšířit o poznatek, ţe pohlaví nemá vliv na to, jaký typ vysokého školství bude jedinec studovat. Věk jedince měl v obou případech vliv na to, jaký sektor vysokého školství půjde studovat. S rostoucím věkem se zvyšuje pravděpodobnost na to, ţe jedinec půjde studovat soukromou vysokou školu. Tyto závěry korespondují se zjištěními Basla (2006) a Kouckého, Ryšky a Zelenky (2014), kteří zjistili vyšší průměrný věk studentů soukromých vysokých škol.

68

Zajímavým podnětem pro další analýzu by bylo vysvětlení rozdílného působení vzdělání matky v rámci ekonomických a humanitních a společenských oborů. Dále by také bylo zajímavé sledovat srovnání celých sektorů veřejného a soukromého vysokého školství. Omezení, týkající se neúplnosti dat pro soukromé vysoké školy nám bohuţel takové srovnání nedovolilo provést. Soukromý sektor terciárního vzdělání je v neustálém rozvoji a proto bude do budoucna jistě velmi zajímave sledovat, jakým způsobem a v jakém vztahu k sektoru veřejnému se bude nadále vyvíjet.

69

Zdroje Bernstein, B. 1971. Class, Codes and Control: Theoretical Studies Towards a Sociology of Language. London: Routledge & Kegan Paul. Blau, P. M., O. D. Duncan. 1967. The American Occupational Structure. New York: Wiley. Bourdieu, P. 1971. „Reproduction culturelle et reproduction sociale“. Social Sciences Information. 10(2): 45-79. Bourdieu, P. 1986. „The Forms of Capital“. Pp. 241-258 in J. G. Richardson (ed.). Handbook of Theory and Research for Sociology of Education. New York: Greenwood Press. Bowles, S., H. Gintis. 1976. Schooling in Capitalist America: Educational Reform and the Contradictions of Economic Life. New York: Basic Books. Casani, F., D. De Filippo, C. García-Zorita, E. Sanz-Casado. 2014. „Public versus private universities: Assessment of research performance; case study of the Spanish university system“. Research Evaluation. 23(1): 48-61. Clark, B. R. 1983. The Higher education System: Academic Organization in Cross-National Pespective. Berkeley: University of California Press. ČSÚ. 2015. Historie a vývoj vysokého školství. [online]. [cit. 18. 2. 2015]. Dostupné z: Galbraith, K. 2003. „Towards Quality Private Higher Education in Central and Eastern Europe“. Higher Education in Europe. 28(4): 539-558. Giesecke, H. C. 2006. „Legitimacy Seeking among New Private Institutions of Higher Education in Central and Eastern Europe“. Higher Education in Europe. 31(1): 11-24. Givord, P., D. Goux. 2007. „France“ Mass and Class – Persisting Inequalities in Postsecondary Education“. Pp. 220-239 in Y. Shavit, R. Arum, A. Gamoran (eds.). Stratification in Higher Education: A Comparative study. Stanford: Stanford University Press. Cheung, S. Y., M. Egerton. 2007. „Great Britain: Higher Education Expansion and Reform – Changing Educational Inequalities“. Pp. 195-219 in Y. Shavit, R. Arum, A. Gamoran (eds.). Stratification in Higher Education: A Comparative study. Stanford: Stanford University Press. Katrňák, T. 2003. „Sociální a kulturní reprodukce společnosti v teoretické perspektivě“. Sociológia. 35(1): 61-76. Katrňák, T. 2005. Třídní analýza a sociální mobilita. Brno: CDK.

70

Katrňák, T. 2006. „Faktory podmiňující vzdělanostní aspirace ţáků devátých tříd základních škol v České republice“ Pp. 173-193 in P. Matějů, J. Straková (eds.). (Ne)rovné šance na vzdělání: Vzdělanostní nerovnosti v České republice. Praha: Academia. Katrňák, T., N. Simonová, L. Fonádová. 2013. „Od diferenciace k diverzifikaci: test MMI a EMI v českém středním vzdělávání v první dekádě 21. století“. Sociologický časopis. 49(4): 491-520. Koucký, J., A. Bartušek. 2009. „Nerovnosti v přístupu k terciárnímu vzdělání v České republice a v Evropě: expertní studie.“ Středisko vzdělávací politiky: Univerzita Karlova v Praze. Koucký, J., R. Ryška, M. Zelenka. 2014. „Reflexe vzdělání a uplatnění absolventů vysokých škol: Výsledky šetření REFLEX 2013.“ Středisko vzdělávací politiky: Universita Karlova v Praze. Katrňák, T., P. Fučík. 2010. Návrat k sociálnímu původu: vývoj sociální stratifikace české společnosti v letech 1989 až 2009. Brno: CDK Körner, M. 2010. „Rozvoj Vysokého Školství v ČR a jeho širší historické a středoevropské souvislosti“. Urbanismus a územní rozvoj. 13(6): 47-53. Kudrová, V., J. Smrčka. 2013. Základy práva vysokých škol. [online]. [cit. 16. 2. 2015]. Dostupné z: < http://is.muni.cz/do/rect/el/estud/praf/ps13/pravo_vs/web/04.html#k32> Levy, D. C. 2009. „Growth and typology“. A New Dynamic: Private Higher Education. United Nations: Educational, Scientific and Cultural Organization. Levy, D. C. 2010. „The Global Growth of Private Higher Education“. ASHE Higher Education Report. 36(3): 121-133. Levy, D. C. 2012. „How Important Is Private Higher Education in Europe? A Regional Analysis in Global Context“. European Journal Of Education. 47(2): 178-197. Matějů, P., I. Procházková, P. Burdová. 2006. „Přechod mezi střední a vysokou školou ve světle Sondy Maturant a Uchazeč 1998-1999“. Pp. 313-341 in P. Matějů, J. Straková (eds.). (Ne)rovné šance na vzdělání: Vzdělanostní nerovnosti v České republice. Praha: Academia. Matějů, P., B. Řeháková, N. Simonová. 2006. „Dlouhodobý vývoj nerovností v šancích na získání vysokoškolského vzdělání.“ Pp. 285-312 in P. Matějů, J. Straková (eds.). (Ne)rovné šance na vzdělání: Vzdělanostní nerovnosti v České republice. Praha: Academia. Matějů, P., J. Straková. 2006. (Ne)rovné šance na vzdělání: Vzdělanostní nerovnosti v České republice. Praha: Academia. Matějů, P., B. Řeháková, N. Simonová. 2007. „The Czech Republic: Structural Growth of Inequality in Access to Higher Edcuation“. Pp. 374-399 in Y. Shavit, R. Arum, A. Gamoran (eds.). Stratification in Higher Education: A Comparative study. Stanford: Stanford University Press. 71

Matějů, P., P. Soukup, J. Basl. 2007. Educational Aspirations in Comparative Perspective: The role of individual, contextual and structural factors in the formation of educational aspirations in OECD countries. Praha: Sociologický ústav Akademie věd České republiky. Mayer, K. U., W. Müller, R. Pollak. 2007. „Germany: Institutional Change and Inequalities of Access in Higher Education“. Pp. 374-399 in Y. Shavit, R. Arum, A. Gamoran (eds.). Stratification in Higher Education: A Comparative study. Stanford: Stanford University Press. Merton, R. 1968. Social Theory and Social Structure. New York: The Free Press. Minksová, L. 2010. „Vysokoškoláci – přehled hlavních sociologických výzkumů realizovaných v ČR.“ Data a výzkum – SDA Info 4(1): 39-60. MŠMT. 2015. Vysoké školy. [online]. [cit. 21. 2. 2015]. Dostupné z: <www.msmt.cz/file/21327/download/> Národní program rozvoje vzdělávání v České republice: Bílá kniha/Ministerstvo školství, mládeže a tělovýchovy. 2001. Praha: Tauris. Raftery, A. E., Hout. M. 1993. „Maximally Maintained Inequality: Expansion, Reform and Opportunity in Irish Education, 1921-75“. Sociology of Education. 66(1): 41-66. Reisz, R. D., M. Stock. 2012. „Private Higher Education and Economic Development“. European Journal of Education. 47(2): 198-212. Roksa, J., E. Grodsky, R. Arum, A. Gamoran. 2007. „United States: Changes in Higher Education and Social Stratification“. Pp. 165-191 in Y. Shavit, R. Arum, A. Gamoran (eds.). Stratification in Higher Education: A Comparative study. Stanford: Stanford University Press. Suk, J. 2009. Labyrintem revoluce: aktéři, zápletky a křižovatky jedné politické krize: (od listopadu 1989 do června 1990). Praha: Prostor. Simonová, N. 2006. „Vzdělanostní nerovnosti a vzdělanostní mobilita v období socialismu.“ Pp. 62-91 in P. Matějů, J. Straková (eds.). (Ne)rovné šance na vzdělání: Vzdělanostní nerovnosti v České republice. Praha: Academia. Simonová, N. 2011. Vzdělanostní nerovnosti v české společnosti. Praha: SLON. Šmídová, I., K. Janoušková, T. Katrňák. 2008 „Faktory podmiňující vzdělanostní aspirace a vzdělanostní segregaci dívek a chlapců v českém vzdělávacím systému“. Sociologický časopis. 44(1): 23–53. Tichý J., 2013. „The Funding of Tertiary Education in the Czech Republic – Theoretical Background“. Journal of interdisciplinary research. 3(2): 66-70. Treiman, D. J. 1970. „Industrialization and Social Stratification“. Sociological inquiry, Special Issue: Stratification Theory and Research. 40: 207-234.

72

Vlčková, V., J. Kouřilová. 2010. „Vývoj vysokého školství na území České a Slovenské republiky“. Regionální studia. 2: 34-45 Zumeta, W., R. LaSota. 2010. „Recent Patterns in the Growth of Private Higher Education in the United States“. ASHE Higher Education Report. 36(3): 91-106.

73

Seznam tabulek Tabulka č. 1: Hodnocení základních charakteristik studia a kvality studované instituce Tabulka č. 2: Hodnocení studijní nabídky a podmínek studia Tabulka č. 3: Výsledky Shapiro-Wilkova testu pro kategorie hodnocení studijní nabídky a podmínek studia Tabulka č. 4: Výsledky Levenova testu pro kategorie hodnocení studijní nabídky a podmínek studia v rámci veřejných a soukromých vysokých škol Tabulka č. 5: Výsledky Mann-Whitneyova testu pro kategorie hodnocení studijní nabídky a podmínek studia v rámci veřejných a soukromých vysokých škol Tabulka č. 6: Souhrnné výsledky srovnání soukromých a veřejných vysokých škol v rámci České republiky Tabulka č. 7: Přehled četností závisle proměnných Tabulka č. 8: Přehled kategorizovaných nezávisle proměnných Tabulka č. 9: Koeficienty binární logistické regrese pro soukromý a veřejný sektor vysokého školství (ekonomické obory) Tabulka č. 10: Koeficienty binární logistické regrese pro soukromý a veřejný sektor vysokého školství (humanitní a společenské obory)

74

Seznam grafů Graf č. 1: Grafické zobrazení teorie Maximálně udrţované nerovnosti Graf č. 2: Grafické zobrazení momentu, kdy teorie Maximálně udrţované nerovnosti přestává platit Graf č. 3: Histogram prezentující věkové rozloţení v rámci soukromých vysokých škol (ekonomické obory) Graf č. 4: Histogram prezentující věkové rozloţení v rámci veřejných vysokých škol (ekonomické obory) Graf č. 5: Typ respondentovy vystudované střední školy v rámci soukromých a veřejných vysokých škol (ekonomické obory) Graf č. 6: Nejvyšší dosaţené vzdělání matky v rámci soukromých a veřejných vysokých škol (ekonomické obory) Graf č. 7: Socioekonomický status respondentovy rodiny (kvintily) podle soukromých a veřejných vysokých škol (ekonomické obory) Graf č. 8: Celkový příjem rodiny respondenta podle soukromých a veřejných vysokých škol (ekonomické obory) Graf č. 9: Histogram prezentující věkové rozloţení v rámci soukromých vysokých škol (humanitní a společenské obory) Graf č. 10: Histogram prezentující věkové rozloţení v rámci veřejných vysokých škol (humanitní a společenské obory) Graf č. 11: Typ respondentovy vystudované střední školy v rámci soukromých a veřejných vysokých škol (humanitní a společenské obory) Graf č. 12: Nejvyšší dosaţené vzdělání matky v rámci soukromých a veřejných vysokých škol (humanitní a společenské obory) Graf č. 13: Socioekonomický status respondentovy rodiny (kvintily) podle soukromých a veřejných vysokých škol (humanitní a společenské obory) Graf č. 14: Celkový příjem rodiny respondenta podle soukromých a veřejných vysokých škol (humanitní a společenské obory)

75

Abstrakt Počet znaků: 131 323

Předkládaná diplomová práce se zabývá srovnáním soukromého a veřejného sektoru vysokého školství v České republice. V práci je nejprve popsán historický vývoj vysokého školství v České republice. Následně jsou představeny teorie týkající se vzniku soukromého sektoru vysokého školství. Dále se práce věnuje statistickým ukazatelům soukromého a veřejného vysokého školství v Evropě a ve světě. V textu jsou také představeny teorie zabývající se fenoménem vzdělanostní mobility, ze které vychází teoretický podklad pouţitý pro analytickou část. Hlavní prostor je poté věnován dvojímu srovnání soukromého a veřejného sektoru vysokého školství. První z nich porovnává oba sektory z hlediska subjektivního hodnocení jejich absolventů a vychází z výsledků výzkumu REFLEX 2013. Z výsledků plyne, ţe soukromý sektor je absolventy hodnocen lépe v celé polovině vybraných kategorií. Ve zbylých kategoriích se poté jednotlivé sektory statisticky neodlišují. Druhé srovnání nahlíţí na oba sektory z hlediska askriptivních charakteristik a snaţí se tak zjistit moţné nerovnosti z hlediska jejich přístupu. Tato analýza je zaloţena na datech z výzkumu EUROSTUDENT IV., který byl realizován v roce 2009. Výsledky binární logistické regrese prokázaly vliv vystudované střední školy, vzdělání matky, příjmu domácnosti a věku respondenta na to, jaký sektor terciárního vzdělání půjde jedinec studovat.

76

Abstract The presented diploma thesis is concerned with a comparison of the private and the public sector of tertiary education in the Czech Republic. In the thesis, there is at first described the historical development of tertiary education in the Czech Republic. Consequently, the thesis presents theories concerning an emergence of the private sector. The thesis is further devoted to a presentation of statistical indicators concerning the private and the public sector of tertiary education in Europe and in the world. In the thesis, there are presented theories concerning a phenomenon of the educational mobility, from which comes the theoretical background used in this thesis. The main part of the thesis is devoted to a comparison of the private and the public sector of tertiary education in the two different ways. The first comparison is based on results of the REFLEX 2013 Research and compares the two sectors from the aspect of a subjective evaluation of graduates. The results from this analysis show that the private sector is assessed better in half of selected categories. In the rest of categories, the sectors are equal. The second comparison looks at the two sectors from the point of ascriptive characteristics of students and it is based on data from the EUROSTUDENT Survey IV, realised in 2009. The results of the binary logistic regression prove the influence of the type of respondent’s secondary education, the education of his/her mother, the family income and the age on the type of the tertiary sector, which the person will study.

77

Jmenný rejstřík Arum 31, 32, 68 Bartušek 31, 68 Basl 29, 30, 31, 51, 67, 68 Bernstein 24 Blau 23 Bourdieu 25 Bowles 24 Burdová 29, 67 Casani 17 Clark 20, 21 De Filippo 17 Duncan 23 Egerton 31, 32, 68 Fonádová 26, 27, 30 Fučík 30, 68 Galbraith 17, 18, 19, 21, 22, 67 Gamoran 31 32 68 García-Zorita 17 Giesecke 18 Gintis 24 Givord 31, 68 Goux 31, 68 Grodsky 31, 32, 68 Hout 25 Cheung 31, 32, 68 Janoušková 32 Katrňák 24, 26, 27, 30, 32, 68 Körner 9 Koucký 29, 34, 36, 40, 41, 42, 43, 45, 51, 66, 68 Kouřilová 6, 10, 11, 13, 14, 15 Kudrová 8, 9 LaSota 16, 20 Levy 8, 16, 18, 19, 20, 21, 66 Matějů 14, 29, 30, 31, 32, 67, 68 Mayer 31, 32, 68 Merton 18 Minksová 47 Müller 31, 32, 68 Pollak 31, 32, 68 Procházková 29, 67 Raftery 25 Reisz 8 9 Roksa 31, 32, 68 Ryška 29, 34, 36, 40, 41, 42, 43, 45, 51, 66, 68 78

Řeháková 14, 30, 31, 32, 67, 68 Sanz-Casado 17 Simonová 11, 12, 14, 23, 26, 27, 30, 31, 32, 67, 68 Smrčka 8, 9 Soukup 30, 67 Stock 8, 9 Straková 6 Suk 13 Šmídová 32 Tichý 9 Treiman 23 Vlčková 6, 10, 11, 13, 14, 15 Zelenka 29, 31, 34, 36, 40, 41, 42, 43, 45, 51, 66, 68 Zumeta 16, 20

79