INTRODUCCIÓN

Las desigualdades educativas constituyen uno de los principales retos para el desarrollo de las naciones, dado que estas afectan la acumulación de capital humano, restringen la movilidad social y reducen la productividad agregada (^{Becker, 1964}; ^{Hanushek y Woessmann, 2011}). La economía de la educación ha contribuido a comprender este fenómeno al combinar la teoría económica de la inversión en capital humano con el análisis de políticas y reformas educativas, utilizando herramientas econométricas que permiten medir las brechas de rendimiento y estimar el peso relativo de sus determinantes (^{Psacharopoulos y Patrinos, 2018}).

La literatura destaca que la calidad de la educación, más allá del acceso, constituye un factor clave para el crecimiento económico sostenido (^{Hanushek y Kimko, 2000}; ^{Hanushek y Woessmann, 2012}). En esta línea, ^{Barro (1991, 2001)} enfatiza que la educación de calidad es un determinante central, al impactar directamente sobre la acumulación de capital humano y la productividad de largo plazo. Sus análisis muestran, además, que el efecto de la educación sobre el crecimiento no es homogéneo, mientras la expansión de la educación primaria resulta clave en países de menor ingreso, en economías más avanzadas adquieren mayor relevancia la educación secundaria y terciaria, lo que resalta la importancia de considerar tanto la cantidad como el nivel educativo. Asimismo, evaluaciones internacionales estandarizadas como Programme for International Student Assessment (PISA), Trends in International Mathematics and Science Study (TIMSS) y Estudio Regional Comparativo y Explicativo (ERCE) evidencian que las diferencias de aprendizaje entre países y dentro de ellos responden en gran medida a factores socioeconómicos, al tipo de escuela y a condiciones contextuales (^{OECD, 2019}; ^{Pagliarani, S. 2025}). Cuando estas desigualdades se acumulan a lo largo de la trayectoria educativa, amplían brechas de ingreso, restringen oportunidades y perpetúan la pobreza intergeneracional (^{Ferreira y Gignoux, 2014}).

En este contexto, América Latina se caracteriza por altos niveles de desigualdad socioeconómica y segmentación escolar, presentando un panorama especialmente desafiante. Estudios de la región documentan que los estudiantes de menor nivel socioeconómico y de zonas rurales obtienen sistemáticamente resultados más bajos en pruebas estandarizadas (^{Llach et al., 2009}; ^{Mizala y Torche, 2012}; ^{Fernández, 2024}; ^{Näslund-Hadley, 2024}). A pesar de la significativa expansión de la matrícula en las últimas décadas, estas brechas de rendimiento persisten y, en contextos de alta estratificación, incluso tienden a ampliarse (^{OECD, 2023}; ^{Vegas y Petrow, 2008}).

Para Paraguay, ^{Lovera y Villalba (2022)} reportan avances importantes en indicadores educativos básicos entre 2001 y 2020, como la reducción de la tasa de analfabetismo del 9,6% al 5,5% y el incremento del promedio de años de estudio de 6 a 9 años, con alrededor del 90% de la población completando la educación escolar básica. Un antecedente temprano en el análisis de rendimiento académico en Paraguay es el estudio de ^{Baird y Elías (2014)}, quienes aplican un modelo multinivel a los datos del Segundo Estudio Regional Comparativo y Explicativo (SERCE) y encuentran que los recursos escolares tienen un impacto limitado en el aprendizaje, mientras que las características individuales y familiares son determinantes más relevantes.

En la misma línea, ^{Suárez Enciso, Elías y Zarza (2016)} utilizan el Tercer Estudio Regional Comparativo y Explicativo (TERCE) y confirman que tanto los factores individuales como los contextuales socioeconómicos inciden en el desempeño estudiantil. Más recientemente, se han difundido estudios descriptivos basados en el Sistema Nacional de Evaluación del Proceso Educativo (SNEPE); ^{Pérez (2024)} explora el rendimiento en matemáticas con énfasis en diferencias de género y ^{Riveros (2023)} examina los resultados del SNEPE 2018 con una aproximación descriptiva y cualitativa. En conjunto, estos aportes han contribuido a visibilizar las desigualdades educativas en el país, aunque con enfoques principalmente descriptivos o comparativos regionales. Persiste, por tanto, un vacío en el uso de los microdatos del Sistema Nacional de Evaluación del Proceso Educativo (SNEPE), implementado desde 2015, para realizar análisis econométricos que estimen rigurosamente las brechas de aprendizaje y sus determinantes estructurales.

La evaluación censal del SNEPE, aplicada a estudiantes de tercer y sexto grado de la Educación Escolar Básica, y tercero de la Educación Media, constituye una fuente privilegiada para este propósito. En este estudio, la atención se concentra en los resultados de 3º de la Educación Media, dado que capturan el rendimiento al final de la trayectoria escolar obligatoria y permiten analizar con mayor claridad su vínculo con la transición a la educación superior y el mercado laboral. La aplicación 2018, la más reciente publicada, ofrece datos censales de rendimiento en lengua castellana y matemáticas junto con información socioeconómica e institucional. A diferencia de pruebas muestrales como PISA o ERCE, el SNEPE permite un análisis exhaustivo y desagregado a nivel nacional, aunque su potencial ha sido poco aprovechado en la investigación académica aplicada.

En contraste, países como México y Chile han logrado explotar sus evaluaciones nacionales (ENLACE, SIMCE) para analizar políticas, trayectorias educativas y desigualdades de aprendizaje (^{De Hoyos Navarro, 2018}; ^{de Hoyos Navarro, 2021}), generando evidencia robusta para el diseño de políticas. La ausencia de estudios similares en Paraguay subraya la relevancia de esta investigación.

Desde el punto de vista metodológico, la literatura en economía de la educación ha avanzado hacia el uso de métodos de inferencia causal, como diferencias en diferencias (DiD), estudios de eventos y diseños cuasiexperimentales (^{Angrist y Pischke, 2009}; ^{Cunningham, 2021}), posibles cuando se cuenta con datos longitudinales y reformas que permitan definir grupos de tratamiento y control. Estas condiciones no se cumplen en el caso del SNEPE 2018, que corresponde a una evaluación censal de corte transversal.

Bajo estas condiciones, la presente investigación ofrece un análisis de las brechas de rendimiento académico en Paraguay, basado en evidencia empírica. Para ello emplea un enfoque econométrico que utiliza modelos de regresión lineal múltiple con interacciones para examinar si el gradiente socioeconómico, es decir, la pendiente que mide la asociación entre el nivel socioeconómico de los estudiantes y su rendimiento académico, varía según el tipo de gestión escolar (pública/privada), incorporando un conjunto amplio de controles a nivel individual e institucional (^{Wooldridge, 2010}; ^{OECD, 2019}). También, se aplica la descomposición Oaxaca–Blinder (^{Oaxaca, 1973}; ^{Blinder, 1973}), para cuantificar la proporción de la brecha atribuible a diferencias en dotaciones observables y la asociada a retornos diferenciales de dichas características. En ausencia de datos longitudinales o reformas con potencial de identificación causal claros, esta combinación metodológica constituye una estrategia sólida para aislar y cuantificar desigualdades asociadas a factores observables, proporcionando estimaciones ajustadas y detalladas que sirven de base para el diseño de políticas educativas basadas en evidencia.

Este trabajo constituye el primer análisis nacional de las brechas de rendimiento académico en Paraguay basado en microdatos del SNEPE 2018, con un enfoque econométrico que combina modelos de regresión con interacciones y descomposición Oaxaca–Blinder. Los resultados muestran una brecha significativa de rendimiento entre el sector público y privado, más marcada en lengua castellana que en matemáticas, también confirma que el rendimiento académico de los estudiantes está fuertemente asociado a su nivel socioeconómico (NS) y evidencia desventajas adicionales para estudiantes rurales, repetidores y aquellos que trabajan durante la secundaria. Asimismo, se observa que el uso de una lengua distinta al castellano en el hogar se asocia con desempeños más bajos, lo que adquiere especial relevancia en un país oficialmente bilingüe como Paraguay, donde el guaraní es hablado ampliamente en los hogares, pero las oportunidades laborales formales dependen casi exclusivamente del español o, en algunos casos, del inglés. La descomposición Oaxaca–Blinder revela que una parte de las brechas de aprendizaje se debe a que los estudiantes difieren en características observables (como nivel socioeconómico, repitencia o idioma del hogar). Sin embargo, otra parte se explica porque esas mismas características "rinden" de forma desigual según el grupo, lo que indica que el sistema educativo genera retornos diferenciados y, en consecuencia, segmentación estructural.

Al llenar un vacío en la literatura nacional y dialogar con la evidencia internacional, este estudio aporta resultados importantes y metodológicamente robustos con implicaciones directas para políticas públicas.

MATERIALES Y MÉTODOS

Este estudio es de carácter cuantitativo, con un diseño no experimental y transversal. Se adopta un enfoque descriptivo-explicativo, orientado a caracterizar las brechas educativas, estimar la asociación de factores individuales, institucionales y contextuales con el rendimiento académico y la descomposición de las brechas en explicados y no explicados.

Se emplearon microdatos provenientes del Sistema Nacional de Evaluación del Proceso Educativo (SNEPE), correspondientes a la evaluación censal aplicada en 2018 a estudiantes del Tercer Curso de la Educación Media en Paraguay. La evaluación censal del SNEPE, implementada por el Ministerio de Educación y Ciencias (MEC), constituye la única evaluación de carácter censal a nivel nacional de educación, lo que garantiza la cobertura de todos los estudiantes del nivel evaluado. La base de datos contiene información individual (puntajes en lengua castellana y matemática, sexo, nivel socioeconómico, repitencia, edad, asistencia, idioma principal en el hogar y condición laboral) e institucional (zona geográfica, tipo de gestión escolar, tamaño de matrícula, relación alumno–docente, indicadores de infraestructura y ubicación departamental y distrital). Se excluyeron observaciones con información incompleta en las variables principales, conformando muestras finales independientes para lengua castellana y matemáticas según la disponibilidad de datos en cada prueba. La Tabla 1 presenta la definición y el nivel de agregación de las principales variables utilizadas en el análisis.

Para garantizar la comparabilidad de los puntajes de las pruebas en castellano y matemáticas entre estudiantes y grupos, se calcularon valores z (z-scores). Estos se obtuvieron mediante la fórmula:

donde X_is el puntaje bruto del estudiante i en la escuela s, μ es la media del puntaje para la muestra y σ corresponde a la desviación estándar del rendimiento.

Este proceso permitió estandarizar los puntajes originales, transformándolos en unidades de desviación estándar respecto a la media, homogeneizando las métricas y facilitando la comparación entre subgrupos, independientemente de las escalas originales. De esta manera, los coeficientes de las regresiones pueden interpretarse como cambios en desviaciones estándar del rendimiento académico.

Para estimar las asociaciones entre las variables independientes y el rendimiento académico, se utilizaron tres especificaciones de regresión lineal múltiple (OLS), con errores estándar robustos, ajustados por agrupación a nivel de escuela y efectos fijos departamentales.{ label (or @symbol) needed for fn } El ajuste de errores estándar por escuela permite capturar la correlación intra-institución, mientras que los efectos fijos departamentales controlan por heterogeneidad estructural no observable a nivel territorial.

Modelo 1 (M1): efectos principales con controles individuales

Modelo 2 (M2): añade controles institucionales

Modelo 3 (M3): incluye interacción NS × gestión escolar

donde z_is es el puntaje estandarizado del estudiante i en la escuela s, U_s indica la zona geográfica (urbana/rural), P_s el tipo de gestión escolar (privada/pública), NS_i el índice socioeconómico, X_i representa los controles individuales, Z_s los controles institucionales, δ_d los efectos fijos departamentales y ε_is el término de error.

M1 estima efectos principales con controles individuales; M2 añade controles institucionales y M3 incluye una interacción que permite examinar variaciones contextuales en los efectos. De esta forma, es posible identificar si la pendiente que mide la asociación entre el nivel socioeconómico de los estudiantes y su rendimiento académico, varía según el tipo de gestión escolar, es decir, escuelas públicas y privadas.

Asimismo, la inclusión de controles individuales (sexo, repitencia, idioma principal del hogar y condición laboral) busca aislar el efecto neto de las variables principales al considerar características personales relevantes para el aprendizaje. Los controles institucionales (tamaño de la escuela, libros para docentes y acceso a tecnología de docentes) capturan diferencias en recursos y condiciones entre centros educativos, mientras que los efectos fijos departamentales controlan por factores estructurales comunes a las escuelas dentro de cada territorio. En conjunto, estas especificaciones permiten estimar brechas ajustadas y comprender no solo la magnitud de los factores estructurales asociados al rendimiento, sino también cómo interactúan entre sí, de manera a configurar las desigualdades observadas.

Estas especificaciones se estimaron{ label (or @symbol) needed for fn } por separado para los puntajes estandarizados en lengua castellana y matemáticas. Esta estrategia garantiza consistencia metodológica y la comparabilidad de los resultados entre ambas áreas de aprendizaje, lo que permite examinar si los determinantes individuales e institucionales operan de manera similar o diferencial según la competencia evaluada. Adicionalmente, se estimaron especificaciones alternativas para verificar la robustez de los resultados, incluyendo modelos más parsimoniosos y estimaciones separadas por área geográfica.

Posteriormente, se implementó la descomposición Oaxaca–Blinder (^{Oaxaca, 1973}; ^{Blinder, 1973}) con base en los modelos obtenidos. Lo cual permite analizar en qué medida las brechas observadas en el rendimiento entre escuelas públicas y privadas responden a diferencias en características observables o a retornos diferenciales de dichas características.

Este método separa la diferencia total ΔY (para este caso el rendimiento entre escuelas públicas y privadas), en tres componentes: dotaciones, que reflejan las diferencias en características observables como nivel socioeconómico y tipo de gestión escolar; coeficientes, que capturan cómo estas características impactan en el rendimiento en cada grupo; y la interacción, que combina ambos efectos. La ecuación utilizada para esta descomposición fue:

En cuanto a las consideraciones éticas, se respetaron los principios fundamentales de confidencialidad y privacidad de los datos. Al tratarse de datos anónimos, no fue posible identificar a ningún individuo, asegurando el cumplimiento de las normativas internacionales y nacionales en investigación educativa. Además, el análisis se realizó exclusivamente con fines académicos, enmarcándose en un enfoque que busca contribuir al conocimiento y a la formulación de políticas públicas basadas en evidencia.

RESULTADOS Y DISCUSIÓN

En esta sección se presentan los principales resultados del estudio, comenzando con un análisis descriptivo de las brechas en el rendimiento académico, según zona de residencia y tipo de gestión escolar. Seguidamente, se examina cómo estas diferencias se modifican al controlar por características individuales, institucionales y contextuales mediante modelos de regresión y posteriormente, se profundiza en su descomposición utilizando el método Oaxaca–Blinder.

La Tabla 2 presenta las brechas brutas en puntajes estandarizados (z-scores) por zona y tipo de gestión escolar para las pruebas de lengua castellana y matemática. En el caso de la zona geográfica, los estudiantes urbanos obtienen en promedio 0,33 desviaciones estándar más que los rurales en castellano, una diferencia de magnitud mediana (d de Cohen = 0,33; p < 0,001). En matemática, la brecha urbana–rural es mucho menor (0,08 desviaciones estándar), aunque igualmente significativa debido al gran tamaño muestral (d = 0,08; p <0,001).

Las diferencias por tipo de gestión son más pronunciadas. En lengua castellana, los estudiantes de escuelas privadas superan a los de escuelas públicas en 0,49 desviaciones estándar, lo que corresponde a un efecto de magnitud mediana-alta (d = 0,49; p < .001). En matemática, la brecha privada–pública es de 0,41 desviaciones estándar (d = 0,41; p < 0,001).

En conjunto, estos resultados indican que las desigualdades asociadas al tipo de gestión escolar son sustancialmente mayores a las diferencias atribuibles a la zona geográfica y que las brechas tienden a ser más amplias en castellano que en matemática.

La Figura 1, panel A y B complementan esta información, presentando las distribuciones completas de los puntajes estandarizados. El Panel A ilustra las distribuciones de puntajes estandarizados en castellano y matemática, según la zona de residencia. En castellano, la curva de densidad para el grupo urbano se desplaza hacia valores positivos en comparación con la rural, reflejando la diferencia media observada. En matemática, si bien la distancia entre distribuciones es menor, persiste una ligera ventaja para el grupo urbano. El Panel B presenta las distribuciones de puntajes estandarizados en Castellano y Matemática, según la gestión escolar (pública o privada/subvencionada). En ambas pruebas, la curva correspondiente a las escuelas privadas se encuentra desplazada hacia la derecha en relación con la de las escuelas públicas, lo que indica un mejor desempeño promedio de los estudiantes del sector privado. En Castellano, esta diferencia es más marcada, con una mayor concentración de estudiantes privados en puntajes por encima de la media y una menor dispersión hacia valores bajos. En Matemática, la brecha también es visible, aunque ligeramente menor en magnitud.

Nota. Los puntajes están estandarizados (z-scores; media = 0, DE = 1). La línea continua corresponde a estudiantes de escuelas privadas y la línea discontinua a estudiantes de escuelas públicas.

Figura 1. Panel A- Distribuciones de puntajes estandarizados (z-scores) en castellano y matemática según zona de residencia. Panel B - Distribuciones de puntajes estandarizados (z-scores) en Castellano y Matemática según gestión escolar. 

En síntesis, el análisis descriptivo demuestra que las desigualdades educativas son más marcadas, según el tipo de gestión escolar que por la zona de residencia y que éstas tienden a ser mayores en Castellano que en Matemática. Sin embargo, estas diferencias corresponden a brechas brutas, sin controlar por factores individuales ni institucionales. En la siguiente sección, se evalúa en qué medida estas disparidades persisten al ajustar por dichas características.

CONCLUSIONES

El análisis confirma la existencia de brechas sustantivas en el desempeño académico en Paraguay entre estudiantes de gestión pública y privada en el último año de la Educación Media. Con puntajes estandarizados, la diferencia bruta a favor del sector privado es del orden de aproximadamente 0,49 desviaciones estándar en lengua castellana y 0,41 en matemáticas. Esta asimetría se mantiene tras controlar por composición individual e institucional y al incorporar efectos fijos departamentales y errores agrupados a nivel de escuela, lo que señala que las desigualdades no se limitan a diferencias de acceso o de dotaciones visibles, sino que remiten también a formas diferenciadas de producción de aprendizajes a nivel escolar.

Los resultados por asignatura revelan una heterogeneidad central para la interpretación y el diseño de política. Lengua castellana exhibe las brechas más amplias y persistentes, con un papel protagónico del idioma del hogar: quienes no usan castellano en la vida doméstica presentan un rezago sistemático, aun tras condicionar por nivel socioeconómico y controles institucionales. En matemáticas, las diferencias son también significativas, pero de menor tamaño relativo, lo que sugiere que el lenguaje de escolarización actúa como cuello de botella especialmente en castellano. La ruralidad agrava este patrón: los estudiantes rurales obtienen puntajes más bajos en ambas áreas, con rezagos más marcados en castellano, en parte por la mayor prevalencia de guaraní como lengua de socialización y por condiciones escolares menos favorables. En el plano individual, la repitencia y el trabajo durante la secundaria se asocian consistentemente con menor rendimiento; estos factores operan como mecanismos de acumulación de desventajas, especialmente entre estudiantes de menor nivel socioeconómico y en contextos rurales.

En contraste, las diferencias por género son más acotadas: ventaja leve de las niñas en Castellano y resultados relativamente equilibrados en Matemáticas. Las estimaciones con interacciones muestran que el gradiente socioeconómico es más pronunciado en el sector privado, evidenciando que los hogares de mayor nivel socioeconómico capitalizan mejor las oportunidades de aprendizaje en dichas escuelas.

La descomposición Oaxaca–Blinder ayuda a dimensionar la estructura de las brechas: en castellano, alrededor de tres quintas partes de la diferencia agregada se asocian a dotaciones observables (nivel socioeconómico, idioma del hogar, recursos e insumos escolares), mientras que una proporción también relevante se vincula a retornos diferenciales de esas características; en matemáticas, la contribución de las dotaciones es relativamente mayor, pero los retornos siguen representando una fracción sustantiva. En ambos casos, el término de interacción atenúa parcialmente la brecha agregada, lo que sugiere que, si bien la composición y los retornos empujan en la dirección de mayor desigualdad, hay combinaciones de características entre grupos que moderan ese diferencial. En conjunto, el patrón es consistente con procesos de segmentación estructural: no solo importan quiénes asisten a cada tipo de escuela, sino también cómo cada escuela convierte esas dotaciones en aprendizaje.

Estos hallazgos dialogan con la literatura sobre funciones de producción educativa y desigualdades en países de ingresos medios, que subraya el rol del capital socioeconómico y del contexto institucional (^{Hanushek y Woessmann, 2012}; ^{Ferreira y Gignoux, 2014}), y se enlazan con la evidencia sobre economía del lenguaje: aprender en una lengua distinta a la materna puede limitar el rendimiento y, a la postre, los retornos en el mercado laboral. En el caso paraguayo, la tensión es particularmente visible: el país es oficialmente bilingüe, pero el mercado laboral formal se organiza casi exclusivamente en castellano (y en segmentos de mayor productividad, inglés). Por ello, el rezago en lengua castellana entre estudiantes guaraní-hablantes no es solo un problema escolar: tiene implicancias directas para la movilidad educativa y laboral.

Desde la perspectiva de política pública, los resultados sugieren una estrategia por capas. En el corto plazo, y dentro de lo más factible, se requiere fortalecer la escuela pública donde se concentran los estudiantes de menor nivel socioeconómico: asegurar recursos pedagógicos (bibliotecas, materiales, TIC) con uso instruccional efectivo mediante desarrollo profesional docente, y acompañamiento académico focalizado para repetidores y estudiantes que trabajan. En paralelo, urge atender la brecha urbano–rural con incentivos y apoyos específicos para escuelas rurales, incluida la dotación y retención de docentes. En el mediano plazo, es indispensable una política lingüística pedagógicamente sofisticada que reconozca el guaraní como activo cultural y, a la vez, garantice la adquisición sólida de competencias en castellano como lengua vehicular de la escolarización y del trabajo, evitando que el bilingüismo se traduzca en desventaja. Estas prioridades se alinean con el ODS 4 (educación de calidad) y el ODS 10 (reducción de desigualdades), y apuntan a cerrar tanto la brecha de dotaciones como la de retornos.

Puntualmente para los decisores de política pública, los resultados sugieren un conjunto de intervenciones priorizadas y complementarias. Primero, las brechas persistentes en lengua castellana indican la necesidad de políticas de apoyo lingüístico temprano y sostenido en Educación Media, especialmente en escuelas públicas, rurales y con alta proporción de estudiantes guaraní-hablantes. Ello incluye estrategias pedagógicas bilingües efectivas, no meramente formales, materiales adaptados y formación docente específica en enseñanza de castellano como segunda lengua. Segundo, dado el rol de la repitencia y el trabajo adolescente como mecanismos de acumulación de desventajas, se requieren dispositivos de acompañamiento académico focalizado y políticas de permanencia escolar que articulen educación y protección social. Tercero, la evidencia de retornos diferenciales por gestión sugiere que cerrar la brecha no depende solo de redistribuir recursos, sino de fortalecer la capacidad de las escuelas públicas para transformar insumos en aprendizaje, mediante desarrollo profesional docente, liderazgo escolar y uso pedagógico efectivo de recursos. Finalmente, la heterogeneidad territorial observada refuerza la necesidad de una política explícita para la Educación Media rural, con incentivos a la dotación y retención de docentes calificados y apoyos específicos a escuelas aisladas. En conjunto, estas líneas apuntan a una estrategia integral que combine equidad en las dotaciones con mejoras en la efectividad escolar, condición necesaria para que la Educación Media funcione como un verdadero mecanismo de movilidad educativa y laboral.

En este marco, iniciativas recientes como la política Hambre Cero{ label (or @symbol) needed for fn } adquieren especial relevancia. Al reducir restricciones materiales severas en hogares vulnerables, este tipo de programas tiene el potencial de incidir indirectamente sobre varios de los mecanismos de desventaja identificados en el estudio, como la repitencia, y el trabajo adolescente, particularmente en escuelas públicas y rurales. No obstante, la evidencia presentada sugiere que los efectos de políticas de alivio material difícilmente se traduzcan en mejoras sostenidas de aprendizaje si no se articulan con intervenciones pedagógicas explícitas. En particular, para contextos con alta prevalencia de estudiantes guaraní-hablantes y bajos puntajes en lengua castellana, el impacto de programas como Hambre Cero podría verse potenciado si se complementa con apoyos académicos focalizados, estrategias lingüísticas adecuadas y fortalecimiento de la capacidad escolar para transformar mejores condiciones de asistencia en aprendizajes efectivos.

La contribución de la investigación es doble. En lo empírico, constituye un trabajo pionero en el análisis econométrico con microdatos censales del SNEPE 2018 para la Educación Media, ofreciendo evidencia inédita sobre la magnitud y estructura de las brechas por gestión, territorio, NS e idioma. En lo metodológico, combina regresiones con interacciones, que permiten captar heterogeneidad del gradiente socioeconómico por gestión y contexto, con descomposiciones coherentes con las especificaciones, lo que facilita distinguir entre desigualdades por composición y por efectividad diferencial de las escuelas. Este andamiaje aporta claridad diagnóstica y un puente operativo hacia el diseño de intervenciones.

Finalmente, el estudio reconoce sus limitaciones, el diseño es transversal y no permite inferencias causales; pueden persistir inobservables (aspiraciones, prácticas pedagógicas finas, clima escolar) y selección en la asistencia a escuelas. Si bien los datos presentan una estructura jerárquica (estudiantes dentro de escuelas), este estudio priorizó modelos OLS con errores agrupados y efectos fijos, más consistentes con la tradición de la economía aplicada y con el enfoque en desigualdades estructurales. Esta decisión metodológica no impide, sin embargo, que futuras investigaciones exploren alternativas complementarias, como modelos multinivel. En la agenda futura también se incluye, el seguimiento de cohortes con datos longitudinales para estimar valor agregado escolar; el aprovechamiento de reformas educativas para identificar efectos con diseños cuasiexperimentales; y la vinculación de los resultados con trayectorias terciarias y laborales, a fin de cuantificar cómo las brechas al final de la secundaria se traducen en oportunidades y retornos. En suma, reducir la desigualdad educativa en Paraguay exige actuar tanto sobre quiénes acceden a qué recursos como sobre la manera en que esos recursos se transforman en aprendizaje. El país puede avanzar combinando equidad, bilingüismo bien enseñado y efectividad escolar, de modo que la Educación Media opere como verdadero puente hacia la educación superior y el trabajo de calidad, y no como un filtro que consolide desventajas.