W roku 2021 Minister Edukacji i Nauki trzykrotnie zmienia艂 zawarto艣膰 wykaz贸w czasopism naukowych. Wskutek tych zmian 艂膮czna liczba punkt贸w przyznawanych za artyku艂y wzros艂a w poszczeg贸lnych dyscyplinach tak, jak przedstawia to poni偶szy wykres. Wy偶sz膮 punktacj臋 zyska艂y w szczeg贸lno艣ci krajowe czasopisma naukowe. Wprowadzone zmiany dzia艂a艂y wstecz, zatem stanowi艂y nie tyle sygna艂 dla autor贸w, gdzie warto wysy艂a膰 teksty (zwi臋kszaj膮c konkurencj臋), co rodzaj redystrybucji – zamian臋 porz膮dku przyznawania kategorii naukowych (a wraz z nimi wysoko艣膰 finansowania i uprawnienia do nadawania stopni naukowych) w samej ko艅c贸wce okresu obj臋tego ocen膮 (2017-2021).
Ministerstwo Edukacji i Nauki 18 lutego 2021 opublikowa艂o aktualizacj臋 wykazu z 9 lutego 2021, w zwi膮zku z czym zamieszczam nowy plik csv (UTF-8, oddzielany 艣rednikami) zmatchowany z wykazem z 2019.
Jaki艣 czas temu pisali艣my o wynikach bada艅 nad p艂acowymi konsekwencjami wyboru 艣cie偶ki edukacyjnej (a w konsekwencji zawodowej). Najlepiej p艂atna praca dotyczy艂a absolwent贸w kierunk贸w in偶ynieryjnych i innych bezpo艣rednio zwi膮zanych z matematyk膮. Przyj臋艂o si臋 okre艣la膰 je mianem sektora STEM (science, technology, engineering, mathematics), b臋d膮cego filarem tzw. nowej gospodarki.
Pomimo zmian, jakie w ostatnich dekadach zachodz膮 w po艂o偶eniu spo艂ecznym kobiet, niekt贸re obszary edukacji i rynku pracy, w tym w艂a艣nie STEM, nadal s膮 wyra藕nie zdominowane przez m臋偶czyzn. W konsekwencji epoka spo艂ecze艅stwa informacyjnego zast臋puje jedne statusowe nier贸wno艣ci mi臋dzy p艂ciami innymi. Tym razem przyczyn膮 nie jest jednak formalne zamkni臋cie zawod贸w przed kobietami, ale w znacznej mierze ich w艂asny wyb贸r. Nasuwa to szereg pyta艅 o proces selekcji do STEM – czy kszta艂tuje j膮 w spos贸b 艣cis艂y r贸偶nica uzdolnie艅? Kiedy w艂a艣ciwie zapadaj膮 kluczowe, indywidualne decyzje o 艣cie偶ce kariery?
Przez d艂ugi czas s膮dzono, 偶e przyczyn膮 odmiennych 艣cie偶ek profesjonalnych by艂a po prostu r贸偶nica umiej臋tno艣ci matematycznych. Tego obrazu nie potwierdzaj膮 jednak szczeg贸艂owe badania nad osi膮gni臋ciami szkolnymi. Polskie dziewczynki nie wypadaj膮 gorzej ni偶 ch艂opcy w badaniach por贸wnawczych, takich jak PISA. Ale wzory te mo偶na przeanalizowa膰 nie tylko w oparciu o dane wywo艂ane (sztuczna sytuacja pomiarowa), ale r贸wnie偶 bezpo艣rednio w oparciu o dane egzaminacyjne – i to “test wysokiej stawki”, jakim jest matura. Na tych w艂a艣nie danych – wynikach egzamin贸w ponad 膰wier膰 miliona maturzyst贸w w ka偶dym z analizowanych lat – oparli艣my swoje badanie, kt贸re zosta艂y niedawno opublikowane w dw贸ch artyku艂ach: Filtered out, but not by the skill: the gender gap in pursuing mathematics at a high-stakes exam (2019, Sex Roles) oraz The net effect of ability tilt in gendered STEM-related choices (2020, Intelligence). Wyniki stre艣ci艂 i opublikowa艂 m.in. portal Yahoo Finance, wypada przedstawi膰 je w przyst臋pnej formie r贸wnie偶 polskim odbiorcom.
Matura jest kluczowym progiem w karierze szkolnej, poniewa偶 decyduje o przej艣ciu od edukacji o charakterze generalnym do edukacji o charakterze profesjonalnym. Si艂a wp艂ywu wykszta艂cenia wy偶szego objawia si臋 za艣 cho膰by w tym, jak rzadko spotkamy prawnika po studiach informatycznych i programist臋 po prawie. Generalnie rzecz bior膮c – kluczowe, najwy偶ej p艂atne profesje obsadzane s膮 na podstawie certyfikacji b臋d膮cej pochodn膮 wyboru i przebiegu studi贸w. W tej “linii produkcyjnej” nie mniej istotne jest to, 偶e przepustk膮 na okre艣lone studia jest w艂a艣nie matura.
Interesowa艂o nas czy dziewczyny i ch艂opcy maj膮 takie same szanse przyst膮pienia do rozszerzonej matury z matematyki. Maj膮c powa偶ne intencje studiowania na kierunkach zwi膮zanych z matematyk膮, trudno nie zdecydowa膰 si臋 na taki egzamin. Jego wynik jest po prostu wy偶ej punktowany w trakcie rekrutacji np. na wi臋kszo艣膰 kierunk贸w Politechniki Warszawskiej. Ze wzgl臋du na wysok膮 konkurencj臋 na kierunki prowadz膮ce do lukratywnej pracy w STEM, egzamin z tego przedmiotu mo偶na potraktowa膰 jako rodzaj “biletu wst臋pu”. A ju偶 na pewno jest on wska藕nikiem plan贸w i aspiracji dotycz膮cych dalszej kariery.
Co ciekawe, polska matura tworzy sytuacj臋 optymaln膮, niemal eksperymentaln膮 do badania wp艂ywu umiej臋tno艣ci na wyb贸r 艣cie偶ki STEM. Jej elementem jest bowiem obowi膮zkowa matura podstawowa z matematyki. R贸偶ni si臋 ona od rozszerzonej przede wszystkim zakresem programu i pozwala sprawdzi膰 na ile poszczeg贸lni uczniowie byli w stanie przyswoi膰 sobie “kanon” umiej臋tno艣ci matematycznych. Mo偶na zasadnie przyj膮膰, 偶e umiej臋tno艣ci w zakresie kanonu podstawowego s膮 w istocie predyktorem umiej臋tno艣ci matematycznych w og贸le. Czym lepiej ucze艅 zdaje matur臋 podstawow膮, tym lepiej – statystycznie rzecz bior膮c – zdaje r贸wnie偶 rozszerzon膮. Korelacja mi臋dzy tymi wynikami wynosi oko艂o 0,9, a wi臋c jest niezwykle silna. Co wi臋cej, pami臋tajmy, 偶e badanie nie dotyczy skraj贸w rozk艂adu talent贸w matematycznych, ale znacznie szerszej grupy. Bardzo znacz膮cy zakres pracy w zawodach STEM opiera si臋 na rozszerzeniu kilku umiej臋tno艣ci bazowych, a nie na przejawach “geniuszu matematycznego” przy rozwi膮zywaniu problem贸w rutynowo wpisanych w prac臋 (pocz膮wszy od organizacji produkcji, przez pisanie kodu, a sko艅czywszy na analizie marketingowej).
Miryam Mirzakhani (藕r贸d艂o: YouTube)
Co pokaza艂y nasze analizy? Zacznijmy od tego, 偶e wed艂ug danych z matur z ostatnich lat m艂odzi m臋偶czy藕ni ponad dwukrotnie cz臋艣ciej przyst臋puj膮 do rozszerzonej matury z matematyki. Ju偶 sama ta r贸偶nica pozwala zrozumie膰 dysproporcj臋 p艂ci na kierunkach in偶ynieryjnych. Kobiety masowo “wypadaj膮 z gry” ju偶 na etapie szko艂y 艣redniej. Mo偶na by przypuszcza膰, 偶e cz臋艣膰 tej r贸偶nicy obja艣ni odmienny poziom wynik贸w z matematyki. Nic bardziej mylnego! Kiedy podda si臋 statystycznej kontroli wynik z matury obowi膮zkowej – co oznacza, 偶e model statystyczny czyni por贸wnania pomi臋dzy osobami o tym samym poziomie umiej臋tno艣ci – luka mi臋dzy kobietami i m臋偶czyznami staje si臋 w istocie wi臋ksza. Okazuje si臋, 偶e wy偶sze umiej臋tno艣ci matematyczne nie zmniejszaj膮 dysproporcji w sk艂onno艣ci do wyboru 艣cie偶ki matematycznej. Brzmi nieco paradoksalnie, prawda?
Dlaczego jednak tak si臋 w艂a艣nie dzieje? Co stoi za tym, 偶e wzrost umiej臋tno艣ci nie zmniejsza luki w sk艂onno艣ci do pogoni za karier膮 w STEM? Dos艂ownej, bezpo艣redniej odpowiedzi nie znajdziemy w “suchych” wynikach z matury. Mo偶emy w nich jednak znale藕膰 pewne istotne poszlaki. Ot贸偶 drug膮 rzecz膮, kt贸rej si臋 przyjrzeli艣my, by艂y wyniki maturalne z j臋zyka polskiego. To, 偶e wysokie umiej臋tno艣ci humanistyczne (zw艂aszcza kompetencje j臋zykowe) kierowa艂y uczni贸w ku 艣cie偶kom na studia humanistyczne i spo艂eczne – nie jest specjalnym zaskoczeniem. Ale wa偶ne jest to, 偶e owe umiej臋tno艣ci “odci膮gaj膮” kobiety znacznie silniej ni偶 m臋偶czyzn, a jednocze艣nie jest znacznie wi臋cej kobiet, kt贸re 艂膮cz膮 ponadprzeci臋tne zdolno艣ci matematyczne z ponadprzeci臋tnymi zdolno艣ciami humanistycznymi. Tworzy to pewien paradoks. Jednym z powod贸w odp艂ywu ze 艣cie偶ku ku STEM kobiet s膮 wzgl臋dnie wysokie dodatkowe umiej臋tno艣ci i tym samym szerszy wachlarz opcji kariery. Ten wi臋kszy wyb贸r dzia艂a – to istota paradoksu – na niekorzy艣膰 kobiet.
Prawdopodobie艅stwo wyboru matematyki na maturze rozszerzonej (o艣 Y) w zale偶no艣ci od wyniku z egzaminu obowi膮zkowego (o艣 X, warto艣ci standaryzowane)
Pami臋tajmy bowiem, 偶e ludzie wybieraj膮 艣cie偶ki edukacji i pracy nie tylko por贸wnuj膮c si臋 z innymi, ale tak偶e por贸wnuj膮c si臋 “wewn臋trznie” – definiuj膮c swoje “s艂abe” i “mocne” strony. Cudzys艂贸w st膮d, 偶e ta ocena nie zawsze jest rzetelna i obiektywna, cz臋sto nie przystaje te偶 do relacji ryzyka do wzgl臋dnych korzy艣ci (w tym p艂acowych) z danego poziomu zdolno艣ci. Zauwa偶my, 偶e kto艣 o zupe艂nie przeci臋tnych umiej臋tno艣ciach matematycznych, ale kompletnym braku innych uzdolnie艅 – je艣li zdecyduje, aby rozpocz膮膰 studia – z du偶ym prawdopodobie艅stwem wybierze kierunek techniczny, in偶ynieryjny lub inny zwi膮zany z matematyk膮. W艣r贸d tych os贸b wi臋cej jest z kolei m臋偶czyzn.
Z instytucjonalnego punktu widzenia znaczenie odgrywa tak偶e wzgl臋dnie sztywny system edukacji profilowanej w liceach. Pami臋tajmy, 偶e wyboru 艣cie偶ki przedmiotowej formalnie dokonuj膮 absolwenci podstaw贸wek. Jest to zatem wzgl臋dnie wczesna decyzja o du偶ej wadze. Wiedza o w艂asnych uzdolnieniach i ich warto艣ci na rynku pracy, a tak偶e plany kariery s膮 w wieku 15 lat wci膮偶 do艣膰 mgliste, za艣 nie wszyscy rodzice s膮 kompetentnymi doradcami edukacyjnymi. System szkolny powinien w procesie “sortowania” uczni贸w w wi臋kszym stopniu bra膰 to pod uwag臋. Warto mie膰 na wzgl臋dzie m.in. fakt, 偶e o nastawieniu do przedmiotu decyduje w du偶ej mierze nauczyciel w szkole podstawowej, a z punktu widzenia wi臋kszo艣ci uczni贸w to, na jakiego trafiaj膮, jest procesem losowym.
Oczywi艣cie sprawa wyboru kariery jest bardzo z艂o偶ona i wzi臋li艣my tu w nawias ca艂y zestaw czynnik贸w kulturowych, subtelnych “szturchni臋膰” w procesie edukacji, stereotyp贸w czy l臋k贸w zwi膮zanych z wej艣ciem do zmaskulinizowanego zawodu. Nie zmienia to faktu, 偶e statystycznie rzecz bior膮c, wiele kobiet, kt贸re spokojnie mog艂oby trafi膰 do pracy w sektorze STEM, “odp艂ywa” do innych 艣cie偶ek ze wzgl臋du na inn膮, bardziej wyr贸wnan膮 charakterystyk臋 profilu umiej臋tno艣ci. Ryzyko, 偶e stracimy talent formatu Sk艂odowskiej jest statystycznie wi臋ksze, ni偶 to, 偶e stracimy talent na miar臋 Polaka, m臋偶czyzny, kt贸ry zdoby艂 Nobla w naukach 艣cis艂ych…
Mo偶na przewidywa膰, 偶e za jaki艣 czas w debacie publicznej g艂o艣niejszy stanie si臋 w膮tek nier贸wno艣ci edukacyjnych w tych obszarach, gdzie dzi艣 s膮 one wzgl臋dnie s艂abo dostrzegane. Jednym z nich s膮 zr贸偶nicowania na poziomie podstawowym. Sprawa wydaje si臋 ciekawa zar贸wno akademicko, jak praktycznie, poniewa偶 wi膮偶e si臋 ze strategiami podejmowania decyzji przez rodzic贸w. Na tym etapie s膮 oni wy艂膮cznymi decydentami w zakresie los贸w edukacyjnych dzieci, lecz 艣wiadomo艣膰 konsekwencji dokonywanych wybor贸w jest r贸偶na. Rodzice cz臋sto podejmuj膮 decyzje w oparciu o swoje w艂asne do艣wiadczenia szkolne, a nie o informacje dotycz膮ce stanu bie偶膮cego. W ostatnich 20-30 latach wiele si臋 jednak zmieni艂o, np. rozwin膮艂 si臋 sektor szk贸艂 niepublicznych. Przyjrzeli艣my si臋 tej kwestii w naszym lokalnym kontek艣cie – podstaw贸wkom w Bia艂ymstoku, by zilustrowa膰 czym obecnie charakteryzuje si臋 ten sektor kszta艂cenia.
W przypadku szk贸艂 podstawowych nie istniej膮 wska藕niki edukacyjnej warto艣ci dodanej, mo偶emy zatem przyjrze膰 si臋 jedynie wynikom testu sz贸stoklasisty – czyli efektom szkolnym brutto. Oznacza to, 偶e patrzymy na generalne skutki uczenia si臋 w danej szkole, nie rozr贸偶niaj膮c tego na ile s膮 one pochodn膮 selekcji uczni贸w na wej艣ciu, a na ile jako艣ci nauczania (zwykle jednego i drugiego). Dane wykorzystane we wpisie pochodz膮 ze strony Okr臋gowej Komisji Egzaminacyjnej w 艁om偶y. Sp贸jrzmy jak wygl膮da艂y wyniki m艂odych bia艂ostoczan w roku 2016.
Na wykresie poni偶ej wida膰 艣rednie wyniki 艂膮czne z j臋zyka polskiego i matematyki (w procentach) dla poszczeg贸lnych szk贸艂 (kolorowe punkty). Pomin臋li艣my tu szko艂y, w kt贸rych do sprawdzianu przyst膮pi艂o mniej ni偶 5 uczni贸w. Przedzia艂y wok贸艂 艣rednich, oznaczone czarnymi, poziomymi odcinaki, to odchylenia standardowe, m贸wi膮ce o tym, czy uczniowie w danej szkole mieli zbli偶one wyniki, czy nie. Du偶e odchylenie (d艂u偶sze linie) wskazuje, 偶e uczniowie zaprezentowali bardziej zr贸偶nicowany poziom przygotowania. Ma艂e odchylenie wskazuje, 偶e uczniowie w konkretnej szkole poradzili sobie podobnie (podobnie s艂abo lub podobnie dobrze). Statystyka odchylenia standardowego jest niezale偶na od samej liczby uczni贸w, a w zakresie +/- jedno odchylenie mie艣ci si臋 oko艂o 2/3 wszystkich obserwacji (przedzia艂 m贸wi wi臋c zwykle, gdzie lokowa艂y si臋 wyniki wi臋kszo艣ci uczni贸w danej szko艂y).
Pierwsze spostrze偶enie, jakie nasuwa wykres, dotyczy du偶ej mi臋dzyszkolnej rozpi臋to艣ci wynik贸w. O ile szko艂y najlepsze mieszcz膮 si臋 w ca艂o艣ci w g贸rnej 膰wiartce wykresu (75-100), o tyle te s艂absze g贸rn膮 膰wiartk臋 ledwo dotykaj膮. W skrajnych przypadkach oznacza to, 偶e najgorsi uczniowie jednej szko艂y byliby najlepszymi uczniami drugiej. Taki poziom nier贸wno艣ci mo偶na oceni膰 jako g艂臋boki, jako strukturalne “p臋kanie” szkolnictwa.
Po drugie, podzielili艣my szko艂y na publiczne i niepubliczne (prywatne i prowadzone przez niezale偶ne towarzystwa o艣wiatowe). W pierwszej sz贸stce bia艂ostockich szk贸艂 nie znalaz艂a si臋 ani jedna szko艂a publiczna. Najwy偶sze pozycje nale偶膮 do podstaw贸wek prowadzonych przez PTO i STO, a wi臋c szk贸艂 spo艂ecznych. Zdarzaj膮 si臋 szko艂y niepubliczne, w kt贸rych uczniowie osi膮gn臋li wyniki ni偶sze ni偶 艣rednia miejska (68%), ale jest ich niewiele. Warto tak偶e mie膰 na wzgl臋dzie, 偶e w艣r贸d szk贸艂 nieobecnych w zestawieniu, czyli tych, kt贸re mia艂y niewielk膮 liczb臋 sz贸stoklasist贸w albo w og贸le ich nie mia艂y (szko艂y nowe), by艂y zar贸wno szko艂y prywatne jak publiczne, ale nie ma wystarczaj膮cych danych by rzetelnie powiedzie膰 co艣 o ich rezultatach.
Trzecia rzecz to hierarchia szk贸艂 pa艅stwowych. O ile w przypadku szk贸艂 niepublicznych rol臋 w wynikach uczni贸w odgrywa status materialny rodzic贸w, to tutaj teoretycznie wp艂yw tego czynnika nie powinien by膰 istotny. Kluczow膮 rol臋 odgrywa bowiem w za艂o偶eniu rejonizacja szk贸艂. Ma ona jednak paradoksalne konsekwencje. Na szko艂y na艂o偶ony jest obowi膮zek przyj臋cia w pierwszej kolejno艣ci uczni贸w z rejonu, a je艣li zostan膮 wolne miejsca, mog膮 tam si臋 tak偶e uczy膰 inne dzieci. Rejony i zasady rekrutacji s膮 ustalane przez w艂adze miejskie. Wiadomo jednak, 偶e w mie艣cie istniej膮 gorsze i lepsze dzielnice, jedne skupiaj膮 zamo偶niejszych, lepiej wykszta艂conych ludzi, inne ubo偶szych, s艂abiej wykszta艂conych. Jest to konsekwencja m.in. coraz silniej dzia艂aj膮cej w Polsce renty gruntowej, czyli r贸偶nicy w cenie mieszka艅 w r贸偶nych lokalizacjach, ale tak偶e innych, spo艂ecznych proces贸w segregacji (np. dziedziczenia struktury osiedli urz臋dniczych, si臋gaj膮cych nie tylko do czas贸w PRL, ale tak偶e okresu mi臋dzywojennego czy przeprowadzka klasy 艣redniej do dom贸w w suburbiach). W efekcie rejonizacji podzia艂y te nak艂adaj膮 si臋 na selekcje do szk贸艂. W podstaw贸wkach ulokowanych w dzielnicach bogatszych ucz膮 si臋 cz臋sto dzieci rodzic贸w o wzgl臋dnie wy偶szym statusie spo艂ecznym, a to praktycznie zawsze jest czynnik skorelowany z wynikami egzamin贸w. Najlepsze szko艂y publiczne w Bia艂ymstoku ulokowane s膮 albo w 艣cis艂ym centrum albo na osiedlach dom贸w jednorodzinnych. Przyk艂ady stanowi膮 z jednej strony: SP 1 i SP 6, z drugiej SP 16 i SP 28.
Po czwarte, aby lepiej zilustrowa膰 sk膮d si臋 bior膮 mi臋dzyszkolne r贸偶nice warto tak偶e zwr贸ci膰 uwag臋 na jeszcze jedn膮 statystyk臋 opublikowan膮 przez OKE. Chodzi o odsetek uczni贸w, kt贸rzy uzyskali niskie i tych, kt贸rzy uzyskali wysokie wyniki (obie kategorie zdefiniowa艂o samo OKE) – przedstawiamy je na dw贸ch wykresach poni偶ej. Wysoka pozycja rankingowa szk贸艂 prowadzonych przez towarzystwa o艣wiatowe to konsekwencja tego, 偶e bezwzgl臋dna wi臋kszo艣膰 ich uczni贸w uzyskuje wysokie wyniki, a nie ma tam uczni贸w s艂abych. Jest to w jakiej艣 mierze pochodn膮 “efektu r贸wie艣nika” (peer effect), czyli wzajemnego wp艂ywu uczni贸w.
W szko艂ach publicznych wzgl臋dna wi臋kszo艣膰 uczni贸w zwykle nie uzyskuje ani wynik贸w niskich, ani wysokich – tylko 艣rednie. Jednak i tu r贸偶nice s膮 zaskakuj膮co du偶e – w najwy偶ej sklasyfikowanych pa艅stwowych podstaw贸wkach jest oko艂o pi臋膰 razy wi臋cej wynik贸w wysokich, ni偶 w podstaw贸wkach sklasyfikowanych najni偶ej. Pomijamy tu zreszt膮 szczeg贸lny przypadek, jaki stanowi SP 30, kt贸ra jest plac贸wk膮 dedykowan膮 m.in. dla os贸b zaniedbanych 艣rodowiskowo, z trudno艣ciami w uczeniu si臋, b臋d膮cych w sytuacjach kryzysowych lub traumatycznych. Akurat ten konkretny przyk艂ad dobitnie pokazuje, 偶e pozycja szko艂y jest w znacznej mierze konsekwencj膮 szeroko rozumianej rekrutacji, a nie tylko jako艣ci nauczania (nie jest “win膮” szko艂y, 偶e znalaz艂a si臋 tak nisko w zestawieniu). Tych dw贸ch spraw nie da si臋 rozdzieli膰 w oparciu o wska藕niki brutto.
Konsekwencje dla dzieci ucz膮cych si臋 w tych szko艂ach s膮 cz臋sto wi臋ksze, ni偶 zdaje sobie spraw臋 wielu rodzic贸w. Z艂y start na etapie podstawowym w znacznej mierze decyduje o dalszych losach szkolnych. Jednak pole wyboru w praktyce ograniczone jest do szko艂y znajduj膮cej si臋 najbli偶ej domu. Jest to zreszt膮 zupe艂nie naturalne – chodzi przecie偶 tak偶e o bezpiecze艅stwo i wygod臋. Jednak w ten spos贸b rodzice i instytucje edukacyjne reprodukuj膮 lub wr臋cz pog艂臋biaj膮 realne r贸偶nice szans mi臋dzy podopiecznymi. Nie jest przecie偶 tak, 偶e w podstaw贸wkach ze s艂abymi wynikami nie ma dzieci zdolnych czy dobrych nauczycieli. S膮 to jednak dzieci i nauczyciele, kt贸rzy musz膮 sobie niejednokrotnie radzi膰 z wi臋ksz膮 liczb膮 bardzo rozmaitych utrudnie艅 (od 艣rodowiskowych po materialne). Co wi臋cej, obok przebiegaj膮cej w zr贸偶nicowany spos贸b selekcji uczni贸w, odbywa si臋 tak偶e cicha autoselekcja nauczycieli, kt贸rzy w swojej karierze zawodowej zainteresowani s膮 przecie偶 prac膮 w lepszych szko艂ach czy za wi臋ksze wynagrodzenie.
System szkolny, kt贸ry nie jest zorientowany na aktywne przeciwdzia艂anie “strukturalnemu p臋kaniu” o艣wiaty na poziomie podstawowym, niesiony jest dryfem zjawisk pozostaj膮cych poza sfer膮 jego kontroli. Podobnie dzieje si臋 przecie偶 np. w przypadku systemu ochrony zdrowia. W kontek艣cie wdra偶anej w艂a艣nie reformy edukacyjnej warto te偶 zauwa偶y膰, 偶e wskutek likwidacji gimnazj贸w dzieci pozostan膮 w swoich podstaw贸wkach na d艂u偶ej i rzadziej poddawane b臋d膮 “mieszaniu” z innymi uczniami. Tego, czy nier贸wno艣ci edukacyjne w konsekwencji realnie wzrosn膮, dowiemy si臋 najwcze艣niej za kilka lat.
Ewidencyjne bazy POL-on pozwalaj膮 na analiz臋 podstawowych fakt贸w na temat populacji polskich naukowc贸w. Zanim napiszemy o sprawach powa偶niejszych – kilka fun facts. Jakie imiona nosz膮 najcz臋艣ciej rodzimi badacze? Odpowied藕 poni偶ej (por贸wnawcz膮 chmur臋 s艂贸w wykonali艣my w R przy pomocy kodu dost臋pnego na tej stronie).
Co ciekawe istniej膮 pewne wyra藕ne wzory dotycz膮ce cz臋sto艣ci wyst臋powania imion na poszczeg贸lnych stopniach kariery naukowej. W艣r贸d magistr贸w najpopularniejsze imiona to Pawe艂 (dalej: Marcin, Piotr) i Anna (dalej: Agnieszka i Katarzyna). Jako, 偶e kobiety stanowi膮 63,3% najm艂odszych badaczy, to mo偶na powiedzie膰, 偶e statystyczny polski asystent nazywa si臋 Anna.
W艣r贸d doktor贸w najpopularniejsze imiona m臋skie to kolejno: Piotr, Tomasz, Krzysztof, a 偶e艅skie to wci膮偶: Anna, Agnieszka, Katarzyna. Kobiety stanowi膮 51,1% badaczy z tym stopniem, st膮d statystyczny polski doktor to r贸wnie偶 Anna.
W艣r贸d doktor贸w habilitowanych zatrudnionych przy prowadzeniu bada艅 najcz臋艣ciej wyst臋puj膮ce imi臋 m臋skie to ju偶: Andrzej. Piotr spada na drugie miejsce, a na trzecie wskakuje Marek. Najwi臋ksza grupa posiadaczek habilitacji to niezmiennie Anny, a dalej: Ma艂gorzaty i Ewy. Kobiety stanowi膮 na tym etapie kariery 37,6%.
W艣r贸d profesor贸w najcz臋stsze imi臋 m臋skie to Andrzej (po nim Jan i Jerzy), a 偶e艅skie – tu nie ma zaskoczenia – Anna (p贸藕niej Maria i Ewa). Andrzej贸w jest w tej grupie ju偶 ponad trzy razy wi臋cej ni偶 Ann, co jest prawie dok艂adnie zgodne ze statystykami p艂ci – kobiety w艣r贸d profesor贸w stanowi膮 25,2%.
Wypada spointowa膰, 偶e wraz z kolejnymi szczebli kariery naukowej ro艣nie prawdopodobie艅stwo, 偶e badacz nazywa si臋 Andrzej, spada natomiast prawdopodobie艅stwo, 偶e nazywa si臋 Anna.
GUS opublikowa艂 wyniki sonda偶u na temat bud偶et贸w czasu Polak贸w. Mo偶emy przyjrze膰 si臋, czy 偶ycie kobiet i m臋偶czyzn w naszym kraju wype艂niaj膮 podobne sprawy.
Na poni偶szym wykresie zaprezentowana jest przeci臋tna, wzgl臋dna d艂ugo艣膰 wykonywania danej czynno艣ci. Wyra偶ona jest w procentach, wi臋c mo偶na j膮 interpretowa膰 dobowo, ale ze wzgl臋du na u艣rednienie bardziej trafne jest rozumienie tego wykresu jako przekroju ca艂ego 偶ycia (wyj膮wszy dzieci do 14 lat). Zewn臋trzny obwarzanek pokazuje, co sk艂ada si臋 na 偶ycie statystycznego m臋偶czyzny, a wewn臋trzny – kobiety. Oczywi艣cie prawie po艂ow臋 偶ycia przeznaczamy na potrzeby fizjologiczne, przede wszystkim sen. Odrobin臋 wi臋cej czasu przeznaczaj膮 na nie kobiety. Co ciekawe, chodzi w szczeg贸lno艣ci o spanie (w drugiej kolejno艣ci o higien臋 i ubieranie si臋).
Nast臋pne w kolejno艣ci s膮 praca zawodowa (zagregowana tu z nauk膮) oraz obowi膮zki domowe. Tu r贸偶nice mi臋dzy p艂ciami s膮 ju偶 du偶e i s膮 wzgl臋dem siebie komplementarne. Kobiety sp臋dzaj膮 w pracy zawodowej 11% 偶ycia, podczas gdy m臋偶czy藕ni 18%. Z kolei na prac臋 w domu kobiety przeznaczaj膮 艣rednio 18% 偶ycia, a m臋偶czy藕ni 10%. Ta r贸偶nica wynika z faktu, 偶e kobiety znacznie cz臋艣ciej ni偶 m臋偶czy藕ni pozostaj膮 poza rynkiem pracy.
Przyjrzyjmy si臋 temu dok艂adniej pos艂uguj膮c si臋 drugim wska藕nikiem, jakim jest 艣redni czas wykonywania danej czynno艣ci (odnosi si臋 tylko do os贸b, kt贸re t臋 czynno艣膰 faktycznie wykonuj膮). Poni偶szy wykres pokazuje 艣redni膮 dobow膮 r贸偶nic臋 wykonywania danej czynno艣ci mi臋dzy kobietami i m臋偶czyznami. Wyra偶ona zosta艂a w minutach.
Podzia艂 obowi膮zk贸w wydaje si臋 do艣膰 tradycyjny: kobiety prawie o godzin臋 d艂u偶ej dziennie zajmuj膮 si臋 dzie膰mi i gotuj膮 ni偶 m臋偶czy藕ni (przy 艣redniej og贸lnopolskiej wynosz膮cej 145 minut w przypadku dzieci i 94 minut w przypadku przygotowywania 偶ywno艣ci, s膮 to du偶e kontrasty). M臋偶czy藕ni wi臋cej czasu przeznaczaj膮 na budow臋, naprawy i remonty, ale jest to r贸偶nica nieca艂ych 30 minut (艣rednia generalna to 130 minut, zaskakuj膮co du偶o). Je艣li jednak spojrzymy teraz na d艂ugo艣膰 wykonywania pracy zawodowej, to tutaj m臋偶czy藕ni maj膮 znaczn膮 przewag臋, bo pracuj膮 o godzin臋 d艂u偶ej, a je艣li jeszcze dorabiaj膮, to tak偶e robi膮 to o kwadrans d艂u偶ej ni偶 kobiety. Jedynie w zakupach uczestniczymy po r贸wno.
Brak r贸wnowagi w podziale obowi膮zk贸w dotyczy praktycznie wszystkich sfer 偶ycia, ale ma inny charakter. W badaniu GUS 29% kobiet zadeklarowa艂o wykonywanie pracy zawodowej w por贸wnaniu z 47% m臋偶czyzn. Zaj臋cia domowe wykonuje 97% kobiet i 85% m臋偶czyzn. Bezpo艣redni膮 prac臋 na rzecz gospodarstwa domowego wykonuj膮 wi臋c prawie wszyscy, z tym, 偶e m臋偶czy藕ni po艣wi臋caj膮 si臋 jej w znacznie mniejszym stopniu. Patrz膮c jedynie na podzia艂 pracy w domu, 艂atwo zarzuci膰 m臋偶czyznom lenistwo (艣rednio o 23 minuty na dob臋 d艂u偶ej ogl膮daj膮 telewizj臋, o 20 minut d艂u偶ej oddaj膮 si臋 swojemu hobby, o 6 minut d艂u偶ej 膰wicz膮). Jednak r贸wnocze艣nie znacznie wi臋ksza liczba kobiet decyduje, by w og贸le nie wychodzi膰 na rynek pracy. W konsekwencji najwi臋ksza presja dotycz膮ca podzia艂u obowi膮zk贸w spada na te gospodarstwa, gdzie wszyscy doro艣li pracuj膮 – nie ma tu miejsca na alibi zar贸wno wobec zawodowej bierno艣ci, jak immunitetu wobec mycia okien. Rekompensata przychodzi w postaci wy偶szego stanu konta.
Bez dodatkowych danych nie mo偶na powiedzie膰 jak p艂e膰, praca zawodowa i obowi膮zki domowe s膮 ze sob膮 skorelowane. Por贸wnania wymaga艂oby przede wszystkim to, jak wygl膮da dzie艅 pracuj膮cej zawodowo kobiety i m臋偶czyzny. Mamy nadziej臋, 偶e GUS podzieli si臋 tymi danymi. Do艣wiadczenie pokazuje jednak, 偶e nik艂e s膮 na to szanse.
Okres zawierania i przed艂u偶ania kontrakt贸w mi臋dzy NFZem a jednostkami opieki zdrowotnej jest tradycyjnie czasem wyj膮tkowo burzliwym (zw艂aszcza dla niekt贸rych pacjent贸w). Nie wnikaj膮c szczeg贸艂owo w przedmiot sporu (jest to z艂o偶ona gra interes贸w), warto zwr贸ci膰 uwag臋 na bardzo nier贸wnomierny zasi臋g geograficzny przejaw贸w tego konfliktu. W mediach i na stronie Porozumienia Zielonog贸rskiego mo偶na znale藕膰 map臋, pokazuj膮c膮 jaka cz臋艣膰 POZ贸w w poszczeg贸lnych wojew贸dztwach odm贸wi艂a 艣wiadcze艅 na nowych zasadach. My聽 z kolei postanowili艣my zrobi膰 takie zestawienie dla miast wojew贸dzkich (wykres poni偶ej, dane ze stron oddzia艂贸w wojew贸dzkich NFZ, stan na 3.1.2015), kt贸ry pozwala pokaza膰 pewien rzadko podkre艣lany aspekt przebiegu tego sporu.
Jak wida膰 przejawy wspomnianego konfliktu instytucjonalnego s膮 niezwykle mocno zr贸偶nicowane pomi臋dzy du偶ymi miastami Polski (niewielka entropia konfliktu). Spo艣r贸d 18 stolic wojew贸dzkich, w 9 艣wiadczenia wed艂ug nowych zasad zgodzi艂y si臋 prowadzi膰 wszystkie lub prawie wszystkie POZ. Z kolei w 5 innych zakres sprzeciwu 艣wiadczeniodawc贸w mo偶na oceni膰 jako du偶y lub bardzo du偶y – wynosi od 45 do 67%. Ostatnie cztery miasta – Lublin, Rzesz贸w, Gda艅sk i Opole to przypadki po艣rednie, gdzie akcja sprzeciwu ani nie wygas艂a, ani nie osi膮gn臋艂a bardzo dotkliwego poziomu (zamkni臋tych by艂o mi臋dzy 14 a 32% POZ贸w).
Tak du偶e zr贸偶nicowanie geograficzne stanowi interesuj膮c膮 zagadk臋. W przypadku r贸偶nic regionalnych kluczowym czynnikiem jest oczywi艣cie si艂a Porozumienia Zielonog贸rskiego (mi臋dzy innymi dlatego w Wielkopolsce 100% przychodni zacz臋艂o prac臋 zaraz po Nowym Roku). By膰 mo偶e da si臋 jednak znale藕膰 r贸wnie偶 inne uwarunkowania tych r贸偶nic, patrz膮c w艂a艣nie na najwi臋ksze miasta.
Po pierwsze warto zauwa偶y膰, 偶e jest to jeden z tych konflikt贸w, kt贸ry w niewielkim stopniu zwi膮zany jest z podzia艂em politycznym. Mo偶na by podejrzewa膰, 偶e “bunt” lekarzy rodzinnych mo偶e by膰 szczeg贸lnie silny tam, gdzie w generalnej populacji istnieje niski poziom poparcia dla partii rz膮dz膮cej, zw艂aszcza, 偶e to ona desygnowa艂a Ministra Zdrowia. Nie znajduje to potwierdzenia. Korelacja mi臋dzy zakresem protestu a poparciem dla PO w wyborach 2011 roku jest do艣膰 s艂aba, wynosi zaledwie -0,14. Zreszt膮 rzut oka na map臋 nie pozostawia z艂udze艅, 偶e konflikt ten nie ma jednoznacznego politycznie charakteru – warto pami臋ta膰, 偶e par臋 lat temu PZ blisko wsp贸艂pracowa艂o z rz膮dem koalicji PO-PSL.
Jest natomiast jeden inny wa偶ny czynnik, kt贸ry warto chyba podkre艣li膰 – jest nim poziom urbanizacji. Korelacja mi臋dzy wielko艣ci膮 miasta wojew贸dzkiego a zakresem tamtejszego protestu wynosi -0,39 (zob. wykres poni偶ej). Innymi s艂owy, w wielkich miastach by艂o znacznie mniejsze prawdopodobie艅stwo, 偶e po Nowym Roku zamkni臋tych pozostanie wiele przychodni. Dlaczego tak si臋 sta艂o? Dlaczego to tu PZ mia艂o mniejsz膮 si艂臋 wp艂ywu? Wydaje si臋, 偶e wyja艣nienie mo偶e by膰 zwi膮zane z wielko艣ci膮 rynku us艂ug medycznych. W du偶ych miastach, gdzie oferta us艂ug medycznych jest bogata, silniej dzia艂aj膮 mechanizmy rynkowe. Je艣li jedna przychodnia nie przyjmie pacjent贸w, we藕mie ich inna. Warunki trudne do przyj臋cia dla jednego 艣wiadczeniodawcy s膮 do zaakceptowania dla innego. W efekcie protestowi trudniej osi膮gn膮膰 mas臋 krytyczn膮 – dop贸ki warunki proponowane przez NFZ nie b臋d膮 zupe艂nie nieakceptowalne dla zdecydowanej wi臋kszo艣ci, op贸r wzgl臋dnie szybko si臋 za艂amie. W mniejszych miejscowo艣ciach, zw艂aszcza tam gdzie federacja 艣wiadczeniodawc贸w ma wzgl臋dnie du偶e wp艂ywy, protest jest znacznie bardziej dotkliwy, a zarazem skuteczny – mniejsze jest prawdopodobie艅stwo “wy艂amania si臋” pojedynczych podmiot贸w. Pokazuje to, jaka jest (ceteris paribus) relacja pomi臋dzy si艂膮 grup nacisku a stopniem rynkowo艣ci otoczenia. To mi臋dzy innymi dlatego w najgorszej sytuacji na pocz膮tku stycznia znale藕li si臋 pacjenci w Zambrowie i okolicach, a w najlepszej ci w Poznaniu i Warszawie.
Spo艣r贸d niespe艂na 16 mln pracuj膮cych Polak贸w, prawie 4 mln zatrudnionych jest w sektorze publicznym. Najwi臋kszy udzia艂 w tej liczbie maj膮: edukacja (ponad 1 mln), administracja, ochrona zdrowia (z niewiadomych powod贸w liczona przez GUS 艂膮cznie z pomoc膮 spo艂eczn膮) oraz szeroko poj臋te s艂u偶by mundurowe (w tej kolejno艣ci). W kontek艣cie oceny dzia艂ania pa艅stwa najwi臋cej emocji budzi prawdopodobnie druga z tych pozycji, poniewa偶 korpus urz臋dniczy traktowany jest na og贸艂 jako bezpo艣rednie vis-a-vis (czy wr臋cz nemesis) sektora gospodarki rynkowej. W prasie ukazuj膮 si臋 co pewien czas zestawienia pokazuj膮ce wzrost liczby zatrudnionych w administracji, s艂u偶膮cy jako przypomnienie, 偶e wbrew obietnicom wszystkich kolejnych rz膮d贸w pa艅stwo zamiast odchudza膰 si臋 w poszukiwaniu wi臋kszej sprawno艣ci (czy mo偶e odwrotnie – usprawnia膰 si臋 by schudn膮膰), nieustannie tyje i 艂apie zadyszk臋.
Dynamika wzrostu liczby urz臋dnik贸w w postaci zagregowanej ma艂o聽 jednak m贸wi o procesach, kt贸re faktycznie za tym stoj膮. Dlatego postanowili艣my przedstawi膰 je w podziale na kilka najwa偶niejszych element贸w – przede wszystkim rozdzielaj膮c administracj臋 centraln膮 od samorz膮dowej – rozw贸j samorz膮du by艂 w ko艅cu jedn膮 z zasadniczych sk艂adow膮 transformacji pa艅stwa po 1989 roku.
Tym razem zamiast z Alicj膮 pracowa艂em z Radkiem, zapewne jednym z nielicznych fan贸w R w 艣rodowisku historyk贸w. Postawili艣my sobie zadanie stworzenia sp贸jnej, syntetycznej wizualizacji wzrostu zatrudnienia w administracji na przestrzeni trzech dekad. Szeroka zak艂adka na czasy PRLu w interesuj膮cy spos贸b rozszerza kontekst (i legitymizuje udzia艂 historyka). Do przygotowania zestawienia wsp贸lnie spisali艣my dane z rocznik贸w, ale wykresy zrobili艣my niezale偶nie, by por贸wna膰 r贸偶ne “szko艂y” kompresji informacji na wykresie. Rezultaty wida膰 poni偶ej.
Wykres 1. (m贸j), kliknij aby powi臋kszy膰
Wykres 2. (Radka), kliknij aby powi臋kszy膰
Jak dobrze wiadomo, w zasadzie w ca艂ym okresie potransformacyjnym notujemy sta艂y wzrost kadr administracji publicznej. Po dezagregacji tego trendu mo偶na pokusi膰 si臋 o kilka szczeg贸艂owych spostrze偶e艅.
Po pierwsze nie mo偶e dziwi膰 fakt szybkiego wzrostu administracji samorz膮dowej po roku 1991. Po kr贸tkim “wietrzeniu” nast膮pi艂a rekonstrukcja urz臋d贸w gmin i miast, nast臋puj膮ca r贸wnolegle do rosn膮cej liczby obowi膮zk贸w lokalnej administracji. Do dzi艣 trend ten utrzymuje si臋, a obok przekazywania dawnych zada艅 pa艅stwowych w d贸艂, w jego umocnieniu pewn膮 rol臋 odgrywaj膮 zapewne r贸偶ne meandry lokalnej polityki (synekury jako waluta polityczna).
Po drugie mimo r贸wnoleg艂ego, szybkiego rozrostu kompetencyjno-kadrowego samorz膮d贸w, w latach 1990-1998 mo偶na by艂o obserwowa膰 dramatyczny wzrost liczby os贸b zatrudnionych w centralnych organach administracji. Oczywi艣cie po cz臋艣ci zwi膮zane to musia艂o by膰 z nowymi zadaniami, cho膰by skarbowymi, ale z drugiej strony Polska przechodzi艂a przecie偶 od “r臋cznego sterowania” (gospodarki planowej) do rynku, co – przynajmniej w teorii – powinno wymaga膰 mniejszej obs艂ugi administracyjnej. Warto zapewne przyjrze膰 si臋 temu wszystkiemu bli偶ej, ale na gor膮co postawili艣my z Radkiem dwie hipotezy: (a) dla lat 80-ych nie jest uj臋ta liczebno艣膰 administracji partyjnej (np. zatrudnionej w komitetach wojew贸dzkich), kt贸ra wykonywa艂a pewne zadania (przede wszystkim te czysto polityczne), (b) jedn膮 z metod 艂agodnego “przejmowania” pa艅stwa po 1989 roku by艂o zatrudnianie r贸wnoleg艂ej administracji, lojalnej wobec polityk贸w dawnej opozycji demokratycznej. Trend ten jednak nie zatrzymuje si臋 w roku 1993, wraz z przej臋ciem w艂adzy przez koalicj臋 SLD-PSL, ale jest kontynuowany a偶 do czas贸w rz膮du Buzka.
Po trzecie wskutek reformy samorz膮dowej wielko艣膰 administracji centralnej zacz臋艂a spada膰. Trwa艂o to jednak jedynie do ko艅ca rz膮d贸w koalicji AWS-UW, p贸藕niej powraca trend wzrostowy, tak, 偶e liczba urz臋dnik贸w w instytucjach centralnych ju偶 w 2007 roku przekroczy艂a t臋 sprzed decentralizacji i wci膮偶 ros艂a, przekraczaj膮c w 2009 roku liczb臋 130 tys. W sensie czysto kadrowym decentralizacja Polski by艂a wi臋c efektem bardzo kr贸tkotrwa艂ym.
Trudno jest oczywi艣cie udzieli膰 jednoznacznej odpowiedzi na to, jak licznej obsady kadrowej potrzebuje pa艅stwo takie jak Polska. Od czasu reformy samorz膮dowej jej wzrost w coraz mniejszym stopniu okre艣lany jest zreszt膮 odg贸rnie – samorz膮dy r贸偶nych szczebli zatrudniaj膮 wedle w艂asnych potrzeb i 艣rodk贸w. Administracja mniejszych gmin i miast to ju偶 kategoria prawie tak liczebna jak administracja centralna, a samorz膮d wojew贸dzki dawno ju偶 wyprzedzi艂 pod tym wzgl臋dem Urz臋dy Wojew贸dzkie. 呕膮dania “oszcz臋dniejszego pa艅stwa” b臋d膮 musia艂y by膰 coraz cz臋艣ciej – wbrew temu co pisz膮 gazety – adresowane do w艂odarzy lokalnych, a nie rz膮du.
PS. Przygl膮daj膮c si臋 wykresom warto mie膰 na wzgl臋dzie, 偶e zmiany obserwowane z roku na rok mog膮 by膰 efektem nie tylko zmian stanu etatowego i struktury organizacyjnej pa艅stwa, ale r贸wnie偶 zmian klasyfikacji GUS. Mocniejsze i bardziej szczeg贸艂owe wnioski wymaga艂yby dalszej dezagregacji danych.
Par臋 miesi臋cy temu Alicja zamie艣ci艂a wpis Imi臋 dla dziewczynki.聽 Czas na analogiczny przegl膮d zmian popularno艣ci imion m臋skich, jakie obserwowali艣my w Polsce na przestrzeni ostatnich dw贸ch dekad. Trendy dotycz膮ce nazywania dzieci nie s膮 przypadkowe i dobrze ilustruj膮 generalne zjawisko mody – jej 藕r贸d艂a, wzrost i zmierzch. Jak sugeruj膮 freakonomi艣ci – Steven Levitt i Stephen Dubner – imiona “偶yj膮” w pewnych cyklach. Cykl taki ma cz臋sto swoje 藕r贸d艂o w najbardziej wp艂ywowych lub wzorotw贸rczych segmentach spo艂ecze艅stwa. R贸偶nie rozumiane elity, klasa kreatywna, celebryci – w grupach tych pojawia si臋 potrzeba dystynkcji, kt贸rej przyk艂adem mo偶e by膰 potrzeba nadania oryginalnego imienia dla dziecka. Takie nowe, atrakcyjne imi臋 z czasem popularyzuje si臋, w tym samym czasie trac膮c sw贸j walor oryginalno艣ci. Najpierw rezygnuj膮 z niego ci, kt贸rzy chc膮 si臋 wyr贸偶nia膰, a w konsekwencji z czasem traci ono swoj膮 no艣no艣膰 w ca艂ym spo艂ecze艅stwie (zw艂aszcza, gdy w pewnym momencie funkcjonuje ju偶 tylko w najmniej wp艂ywowych 艣rodowiskach).
Nie jest to rzecz jasna jedyny mechanizm popularyzacji imion, obserwacja trend贸w kr贸tkookresowych pozwala z 艂atwo艣ci膮 dostrzec korelacje z popularno艣ci膮 konkretnych os贸b lub postaci (zw艂aszcza serialowych!).
Zacznijmy od “hit贸w lat 90-ych” (wykres poni偶ej). Najwi臋kszym z nich by艂 niew膮tpliwie Mateusz. Na pocz膮tku pierwszej dekady transformacji liczba ma艂ych Mateuszk贸w wyra藕nie przekracza艂a 15 tysi臋cy rocznie. Ju偶 w 1994 roku obserwujemy jednak jej spadek, przerwany okresowo w roku 2004 i 2008. Druga z tych dat zbiega si臋 z premier膮 “Ojca Mateusza” w TVP. Jak wida膰 popularno艣膰 ksi臋dza-detektywa tylko na kr贸tko zapobieg艂a zmniejszaniu si臋 popularno艣ci tego imienia. Inne imiona z kategorii “the best of 90’s” to m.in. Damian, Kamil, 艁ukasz, Patryk, Dawid. Wszystkie nadawano w贸wczas liczbie wi臋kszej ni偶 7 tysi臋cy dzieci rocznie, a dzi艣 ich popularno艣膰 jest przynajmniej dwukrotnie ni偶sza. Warto zwr贸ci膰 uwag臋 na przypadaj膮c膮 na pocz膮tek lat dwutysi臋cznych fluktuacj臋 popularno艣ci imienia Dawid. Przypadkiem zbiega si臋 ona w czasie ze podobnym trendem dotycz膮cym imienia Wiktoria (zob. Imi臋 dla dziewczynki).
W ni偶szym partiach skali da si臋 r贸wnocze艣nie zaobserwowa膰 proces “wymierania” imion, kt贸re popularne by艂y w jeszcze wcze艣niejszym cyklu. Ju偶 w po艂owie lat 90-ych mali Andrzejkowie, Arkowie, Grzesiowie i Mariuszkowie pojawia艂o si臋 w liczbie nie wi臋kszej ni偶 2-4 tysi膮ce, ale wsp贸艂cze艣nie ka偶de z tych imion pojawia si臋 w liczbie mniejszej ni偶 1000, a w konsekwencji w okresie 2001-2007 znikaj膮 z zestawienia popularnych imion. Najwi臋kszy spadek tego rodzaju dotyczy艂 imienia Rafa艂.
Przejd藕my do imion, kt贸re ostatnio znalaz艂y si臋 na “topie”. Co ciekawe najwi臋kszy i to do艣膰 systematyczny wzrost dotyczy liczby Jan贸w. Po okresie zapomnienia (zako艅czenie poprzedniego cyklu) Ja艣 powraca w glorii “starego, zapomnianego, ale szlachetnego imienia”. Analogiczn膮 sytuacj臋 obserwujemy w przypadku Antk贸w i Franciszk贸w, cho膰 w tym drugim przypadku nag艂y wzrost w roku 2013 trzeba niew膮tpliwie t艂umaczy膰 tzw. “efektem Franciszka”. Szybko popularyzuj膮cymi si臋 w ostatnich latach imionami by艂y te偶: Alan, Olek oraz Igor, chocia偶 akurat w ostatnim roku daje si臋 obserwowa膰 symptomy schy艂ku tej mody.
Warto zwr贸ci膰 uwag臋 r贸wnie偶 na imiona, kt贸re w okresie, kt贸rego dotycz膮 dane, osi膮gn臋艂y wysok膮 popularno艣膰, ale moda na nie ju偶 min臋艂a. Pe艂en cykl 偶ycia imienia najlepiej wida膰 w przypadku Jakub贸w i Kacpr贸w. Oba sta艂y si臋 modne pod koniec lat 90-ych, ale par臋 lat temu wyra藕nie “przebrzmia艂y”. Stawia艂bym, 偶e kariera pierwszego z tych imion mo偶e mie膰 co艣 wsp贸lnego z karier膮 Kuby Wojew贸dzkiego. W nieco ni偶szym diapazonie popularno艣ci sw贸j szczyt w latach dwutysi臋cznych osi膮gn臋艂y tak偶e imiona Filip i Szymon. Na koniec dwie ciekawostki – chodzi o trendy “siod艂owe”. Mo偶na je interpretowa膰 jako interferencj臋 dw贸ch bliskich sobie cykli. Przyk艂adowo imiona Piotr i Pawe艂 wydawa艂y si臋 dzieli膰 los Andrzej贸w i Rafa艂贸w, jednak z jakiego艣 powodu czasowo, po 2003 roku, ich popularno艣膰 wzros艂a. Poza innymi przyczynami imiona kojarz膮 si臋 z sieci膮 sklep贸w spo偶ywczych, kt贸ra znacz膮co rozszerzy艂a w tym okresie sw贸j udzia艂 w rynku. Jak natomiast wyja艣ni膰 nag艂y wzrost liczby Wojtk贸w w roku 2010?I ostatnia potencjalna prawid艂owo艣膰. W ostatnich kilkunastu latach r贸wnolegle spada liczba Marcin贸w, a ro艣nie liczba Marcelich. Jak wida膰 poni偶ej tempo wymiany wydaje si臋 wzgl臋dnie sta艂e. No, ale to mo偶e czysty przypadek.
Post scriptum
Po uwzgl臋dnieniu zmian wielko艣ci poszczeg贸lnych rocznik贸w (uj臋tych jako liczba urodze艅 偶ywych) charakter trend贸w nie ulega wi臋kszej zmianie. We藕my przyk艂adowo wykres ilustruj膮cy niedawny wzrost popularno艣ci niekt贸rych imion. Jak wida膰 r贸偶nice s膮 nieznaczne. Trendy dotycz膮ce posiadania dzieci nie zmieniaj膮 si臋 tak szybko jak mody.