Vedoucí oddělení strategií MŠMT L. Třeštíková zarámovala problematiku nerovností z pohledu Strategie 2030+. Za hlavní výzvy související s nerovnostmi považuje decentralizovaný systém regionálního školství, související velké rozdíly mezi školami a velkou závislost výsledků dětí na rodinném zázemí. 

Analytici projektu IPs DATA (O. Nývlt, M. Molinek, K. Zichová a R. Pejcalová) představili cíle, zdroje dat, metodický přístup i výsledky zpracované analýzy nerovností na úrovni vzdělávací soustavy.  

Analýza je členěna do 5 tematických oblastí – přístup k předškolnímu vzdělávání, průchod vzdělávacím systémem, začlenění žáků se SVP, školní klima a evaluace škol. Každá tematická oblast byla vyjádřena skupinou ukazatelů. Například u přístupu k předškolnímu vzdělávání byly analyzovány nerovnosti v účasti dětí v předškolním vzdělávání, v regionální dostupnosti a naplnění kapacity.  

Všechny tematické oblasti a analyzované ukazatele byly zpracovány do podoby interaktivního dashboardu v PowerBI, který představily analytičky projektu IPs DATA M. Molinek a K. Zichová. Dashboard umožňuje všem uživatelům jednoduše zobrazit data o nerovnostech a zaměřit se na konkrétní školy nebo oblasti.

Klíčová zjištění deskriptivní analýzy zahrnují: 

• Přetrvávají výrazné regionální rozdíly v účasti dětí ve věku 2–5 let na předškolním vzdělávání. Podprůměrná účast však nemusí být způsobena nedostatkem kapacit. Příčiny je možné hledat v hlubších strukturálních faktorech, jako je například socioekonomická situace rodiny, dostupnost služeb v menších obcích, případně nižší důvěra rodičů v instituce předškolního vzdělávání. 

• Problematická zůstává vysoká míra odkladů povinné školní docházky, přičemž přetrvávají významné rozdíly mezi regiony a školami. Naopak klesá míra nestandardních přechodů (jako jsou i předčasné odchody ze středního vzdělávání) žáků, což naznačuje stabilizaci vzdělávací dráhy žáků. 

• V oblasti začleňování žáků se speciálními vzdělávacími potřebami (SVP) je patrný dlouhodobý trend nárůstu jejich podílu v základních školách. Současně se zvyšuje i počet úvazků asistentů pedagoga a zlepšuje se jejich dostupnost. Nadprůměrný podíl žáků se SVP vykazují Ústecký a Moravskoslezský kraj, v Ústeckém kraji je však výrazně vyšší i dostupnost asistentů pedagoga. 

• Ve všech krajích se významně zvyšuje dostupnost informačních technologií, a to zejména v ZŠ, a nepředstavuje již tedy hlavní bariéru pro rozvoj digitálních kompetencí. 

• Napříč všemi regiony se také snižuje neúspěšnost ve společné části maturitní zkoušky – z přibližně 15 % v roce 2017 na současných zhruba 5 %. 

Kromě deskriptivní analýzy byla provedena i víceúrovňová lineární regrese. Ta zkoumala vztah charakteristik škol a regionů s úspěšností žáků a hodnocením ZŠ a SŠ v klíčových oblastech. Zaměřila se i na roli regionálního kontextu. 

Metodický postup a hlavní zjištění představila analytička projektu IPs DATA R. Pejcalová: 

• Výsledky ZŠ úzce souvisí s charakteristikami škol, socioekonomickým zázemím žáků, mírou inkluzivního prostředí i regionálním kontextem. Například školy ve znevýhodněných regionech vykazují nižší úspěšnost žáků u jednotné přijímací zkoušky.  

• Ve středních školách dosahují horších výsledků podmínek a průběhu vzdělávání školy s odbornými obory a smíšené školy (kombinace gymnázií a odborných oborů). Zároveň vykazují i nižší míru úspěšného ukončení studia žáků posledního ročníku SŠ.  

• Naopak lepší výsledky jsou spojeny s nižším počtem odchodů po 1. ročníku SŠ, vyšší účastí žáků u maturit a částečně také s finanční a personální podporou na zajištění podpůrných pozic. 

• Napříč všemi modely se jako klíčové ukazují proměnné popisující vzdělávací dráhy žáků (opakování ročníků, přestupy mezi školami, pokračování ve studiu, předčasné ukončení bez další návaznosti). Tyto proměnné mají konzistentní vztah k výsledkům. Pozitivně se dále projevuje velikost škol, dostupnost podpůrných a poradenských pozic a externí finanční podpory. Vliv dostupnosti školních psychologů je silnější, pokud působí v kombinaci se speciálními pedagogy. 

• Specifické výsledky vykazují soukromé školy – ve většině modelů je pozorován pozitivní efekt, výjimkou je však vazba na úspěšné dokončení středního vzdělání. 

• Regionální kontext se ukazuje spíše jako doplňkový faktor. Jeho význam je obecně nižší, než vliv školních a strukturálních charakteristik. 

První blok uzavřela panelová diskuse, které se zúčastnili M. Bořkovec (MŠMT), J. Čechová (Učitel naživo), N. Fabšíková (PAQ Research), M. Majcík (FF MUNI) a V. Novotná Šebestová (MŠMT). V diskusi i následných dotazech ostatních účastníků zazněla řada relevantních podnětů a reakcí, například: 

• Je důležité vidět, že se s administrativními daty sbíranými od škol pracuje. Výzvou je doplnit je i kvalitativním pohledem. 

• Zajímavým poznatkem je nerovnoměrnost v dostupnosti podpůrných pozic ve školách. Podstatnou informací kromě účasti na předškolním vzdělávání bude i absence v předškolní docházce, tato data začíná MŠMT sbírat.  

• Chybí informace o žácích s odlišným mateřským jazykem, kteří nepokračují ve středoškolském vzdělávání a zůstávají mimo systém. 

• Pro možnost analyzování průchodu vzdělávací soustavou bude nápomocný vznikající registr dětí, žáků a studentů, jehož součástí bude i jednotný identifikátor žáka/studenta.  

• Velkým tématem diskuse byla připravenost českého vzdělávacího systému na veřejnou dostupnost výsledků jednotlivých škol za účelem jejich porovnávání. Diskutující se shodli, že v tomto ohledu je za potřebí edukace aktérů ve veřejném prostoru, aby využívání výsledků vedlo ke zlepšování škol v práci s žáky a posun žáků.  

• Aktéři napříč vzdělávací politikou potřebují jak agregovaná data, tak i data za jednotlivé školy. Právě dostupnost dat na úrovni škol umožňuje i návazné výzkumy (případové studie, pozorování). V zahraničí je práce s daty na úrovni škol využívána pro zacílení konkrétní pomoci. Příkladem v ČR je zavádění indexového financování a projekt NPI ČR Podpora rovných příležitostí. 

Analytici projektu IPs DATA O. Nývlt, B. Koutná a M. Štefančová představili metodický přístup a hlavní zjištění z druhé části analýzy nerovností, zaměřené na dospělou populaci. Analýza vycházela z dat z 2. cyklu mezinárodního šetření PIAAC, které bylo realizováno OECD v ČR v letech 2022–2023. 

Šetření PIAAC hodnotí klíčové kognitivní dovednosti dospělé populace, konkrétně čtenářskou a numerickou gramotnost a adaptivní řešení problémů. Současně sleduje jejich využívání v každodenním životě a pracovním prostředí. Nejde tedy pouze o měření úrovně dovedností, ale o jejich zasazení do širšího kontextu fungování jedince ve společnosti. 

Součástí šetření je také rozsáhlé dotazníkové šetření mapující vzdělávací dráhu, pracovní uplatnění další socioekonomické charakteristiky respondentů. Propojení těchto informací umožňuje analyzovat vztahy s úrovní dovedností. 

V analýze byla využita hranice úrovně dovedností 3 a vyšší jako indikátor funkční gramotnosti. Tato úroveň představuje kompetence, které jedinci umožňují relativně svobodnou volbu zaměstnání odpovídající jejich kvalifikaci a aktivní fungování v moderní společnosti. Proto byla tato hranice využita jako další kontext pro provedenou analýzu. 

Analytičky projektu IPs DATA B. Koutná a M. Štefančová představily deskriptivní analýzu dat PIAAC, která byla zpracována i do interaktivního dashboardu. Ten umožňuje detailně analyzovat klíčové dovednosti podle úrovně vzdělání či věkových kategorií a zvolených proměnných (například účast v dalším vzdělávání). 

Na deskriptivní analýzu analytici navázali s výsledky logistických regresí zaměřených na pravděpodobnost dosažení funkční úrovně gramotností. Model byl konstruován s ohledem na klíčové vysvětlující proměnné, zejména úroveň formálního i neformálního vzdělávání, profesní zařazení a míru občanské participace.  

Klíčová zjištění analýzy nerovností v dospělé populaci: 

• Hlavní zdroj nerovností v dospělé populaci představuje dosažené vzdělání.  Nízká úroveň dosaženého vzdělání významně zvyšuje riziko nedosažení úrovně funkční gramotnosti.  

• Méně kvalifikované manuální pozice jsou spojeny s vyšší pravděpodobností neúspěchu. 

• Pozitivní roli hraje účast na dalším vzdělávání a učení na pracovišti. 

• Dovednosti jsou vyšší u lidí, kteří je skutečně využívají v každodenním životě nebo práci. Nejvíce se to projevuje u digitálních dovedností, jejich pravidelné používání souvisí s lepšími výsledky. 

• Vyšší míra občanské participace a politické efektivity souvisí s lepší úrovní gramotností. 

• Rodinné zázemí, zejména vzdělání rodičů, významně ovlivňuje dosaženou úroveň dovedností a přispívá k mezigenerační reprodukci nerovností. 

Panelové diskuse k 2. bloku se zúčastnili J. Bernard (Institut SYRI), P. Holečková (NPI ČR), M. Měšťanová (MŠMT) a J. Straková (PedF UK): 

• Zajímavé zkušenosti a poznatky sdílely J. Straková (koordinátorka 1. cyklu šetření PIAAC 2009–2014) a P. Holečková (členka projektového týmu 2. cyklu PIAAC). Upozornily například na přínos šetření PIAAC pro identifikaci bariér osob s nejnižšími dovednostmi. 

• Zatímco v 1. cyklu šetření PIAAC byla v ČR zjištěna nadprůměrná úroveň matematické gramotnosti a podprůměrná úroveň čtenářské gramotnosti, ve 2. cyklu se tyto rozdíly setřely – bohužel v důsledku poklesu matematické gramotnosti. 

• Diskutován byl nedostatek dat o učňovském vzdělávání. Zástupkyně ČŠI D. Pražáková reagovala informací, že ČŠI již dříve oslovila školy s učňovskými obory s nabídkou testování čtenářské gramotnosti. V roce 2026 budou školy s učňovskými obory zapojené do testování ČŠI zaměřeného na občanské kompetence.  

• V diskusi také zazněly dotazy účastníků na dostupnost dat o gramotnostech cizinců či dat o vzdělanostních drahách jednotlivců. 

Představené analýzy potvrdily, že nerovnosti ve vzdělávání jsou komplexní výzvou a projevují se jak na úrovni žáků a škol, tak i v dospělé populaci. Výsledky zároveň ukazují, že klíčovou roli hrají nejen socioekonomické faktory, ale také průběh vzdělávací dráhy, dostupnost podpory a zapojení jednotlivců do dalšího vzdělávání. 

Diskuse zároveň upozornila na limity dostupných dat i na potřebu jejich dalšího rozvoje, včetně lepšího propojení přístupů. 

Na závěr odborného panelu poděkoval Václav Jelen, vrchní ředitel sekce informatiky, statistiky a analýz, všem účastníkům za zájem o problematiku nerovností ve vzdělávání dětí i dospělých.

Celou Analýzu trendů v nerovnostech vzdělávací soustavy v českých regionech naleznete na samostatné webové stránce. 

K 9. odbornému panelu byla také vydána na webu MŠMT tisková zpráva.

S tématem 9. odborného panelu souvisí také zpracovaná analytická zpráva Analýza trendů v nerovnostech vzdělávací soustavy v českých regionech - Edu.cz (vydaná v dubnu 2026).

Pro více informací navštivte webovou stránku projektu IPs DATA nebo pište projektovému týmu na e-mail: ips.data@gov.msmt.cz. Pro nejaktuálnější informace o aktivitách projektu doporučujeme vstoupit do skupiny IPs DATA na Facebooku.

Realizace výše zmíněného odborného panelu je financovaná z projektu z projektu „Datově-analytická podpora pro hodnocení a řízení vzdělávací soustavy ČR“ (IPs Datová politika), reg. č. CZ.02.02.XX/00/22_005/0002901.“