https://chalk-talk-explorers.lovable.app/assets/i18n-CtrhWVF3.js

1var e=Object.create,t=Object.defineProperty,n=Object.getOwnPropertyDescriptor,r=Object.getOwnPropertyNames,i=Object.getPrototypeOf,a=Object.prototype.hasOwnProperty,o=(e,t)=>()=>(t||(e((t={exports:{}}).exports,t),e=null),t.exports),s=(e,i,o,s)=>{if(i&&typeof i==`object`||typeof i==`function`)for(var c=r(i),l=0,u=c.length,d;l<u;l++)d=c[l],!a.call(e,d)&&d!==o&&t(e,d,{get:(e=>i[e]).bind(null,d),enumerable:!(s=n(i,d))||s.enumerable});return e},c=(n,r,a)=>(a=n==null?{}:e(i(n)),s(r||!n||!n.__esModule?t(a,`default`,{value:n,enumerable:!0}):a,n)),l=o((e=>{var t=Symbol.for(`react.transitional.element`),n=Symbol.for(`react.portal`),r=Symbol.for(`react.fragment`),i=Symbol.for(`react.strict_mode`),a=Symbol.for(`react.profiler`),o=Symbol.for(`react.consumer`),s=Symbol.for(`react.context`),c=Symbol.for(`react.forward_ref`),l=Symbol.for(`react.suspense`),u=Symbol.for(`react.memo`),d=Symbol.for(`react.lazy`),f=Symbol.for(`react.activity`),p=Symbol.iterator;function m(e){return typeof e!=`object`||!e?null:(e=p&&e[p]||e[`@@iterator`],typeof e==`function`?e:null)}var h={isMounted:function(){return!1},enqueueForceUpdate:function(){},enqueueReplaceState:function(){},enqueueSetState:function(){}},g=Object.assign,_={};function v(e,t,n){this.props=e,this.context=t,this.refs=_,this.updater=n||h}v.prototype.isReactComponent={},v.prototype.setState=function(e,t){if(typeof e!=`object`&&typeof e!=`function`&&e!=null)throw Error(`takes an object of state variables to update or a function which returns an object of state variables.`);this.updater.enqueueSetState(this,e,t,`setState`)},v.prototype.forceUpdate=function(e){this.updater.enqueueForceUpdate(this,e,`forceUpdate`)};function y(){}y.prototype=v.prototype;function b(e,t,n){this.props=e,this.context=t,this.refs=_,this.updater=n||h}var x=b.prototype=new y;x.constructor=b,g(x,v.prototype),x.isPureReactComponent=!0;var S=Array.isArray;function C(){}var w={H:null,A:null,T:null,S:null},T=Object.prototype.hasOwnProperty;function E(e,n,r){var i=r.ref;return{$$typeof:t,type:e,key:n,ref:i===void 0?null:i,props:r}}function D(e,t){return E(e.type,t,e.props)}function O(e){return typeof e==`object`&&!!e&&e.$$typeof===t}function k(e){var t={"=":`=0`,":":`=2`};return`$`+e.replace(/[=:]/g,function(e){return t[e]})}var A=/\/+/g;function j(e,t){return typeof e==`object`&&e&&e.key!=null?k(``+e.key):t.toString(36)}function M(e){switch(e.status){case`fulfilled`:return e.value;case`rejected`:throw e.reason;default:switch(typeof e.status==`string`?e.then(C,C):(e.status=`pending`,e.then(function(t){e.status===`pending`&&(e.status=`fulfilled`,e.value=t)},function(t){e.status===`pending`&&(e.status=`rejected`,e.reason=t)})),e.status){case`fulfilled`:return e.value;case`rejected`:throw e.reason}}throw e}function N(e,r,i,a,o){var s=typeof e;(s===`undefined`||s===`boolean`)&&(e=null);var c=!1;if(e===null)c=!0;else switch(s){case`bigint`:case`string`:case`number`:c=!0;break;case`object`:switch(e.$$typeof){case t:case n:c=!0;break;case d:return c=e._init,N(c(e._payload),r,i,a,o)}}if(c)return o=o(e),c=a===``?`.`+j(e,0):a,S(o)?(i=``,c!=null&&(i=c.replace(A,`$&/`)+`/`),N(o,r,i,``,function(e){return e})):o!=null&&(O(o)&&(o=D(o,i+(o.key==null||e&&e.key===o.key?``:(``+o.key).replace(A,`$&/`)+`/`)+c)),r.push(o)),1;c=0;var l=a===``?`.`:a+`:`;if(S(e))for(var u=0;u<e.length;u++)a=e[u],s=l+j(a,u),c+=N(a,r,i,s,o);else if(u=m(e),typeof u==`function`)for(e=u.call(e),u=0;!(a=e.next()).done;)a=a.value,s=l+j(a,u++),c+=N(a,r,i,s,o);else if(s===`object`){if(typeof e.then==`function`)return N(M(e),r,i,a,o);throw r=String(e),Error(`Objects are not valid as a React child (found: `+(r===`[object Object]`?`object with keys {`+Object.keys(e).join(`, `)+`}`:r)+`). If you meant to render a collection of children, use an array instead.`)}return c}function P(e,t,n){if(e==null)return e;var r=[],i=0;return N(e,r,``,``,function(e){return t.call(n,e,i++)}),r}function F(e){if(e._status===-1){var t=e._result;t=t(),t.then(function(t){(e._status===0||e._status===-1)&&(e._status=1,e._result=t)},function(t){(e._status===0||e._status===-1)&&(e._status=2,e._result=t)}),e._status===-1&&(e._status=0,e._result=t)}if(e._status===1)return e._result.default;throw e._result}var I=typeof reportError==`function`?reportError:function(e){if(typeof window==`object`&&typeof window.ErrorEvent==`function`){var t=new window.ErrorEvent(`error`,{bubbles:!0,cancelable:!0,message:typeof e==`object`&&e&&typeof e.message==`string`?String(e.message):String(e),error:e});if(!window.dispatchEvent(t))return}else if(typeof process==`object`&&typeof process.emit==`function`){process.emit(`uncaughtException`,e);return}console.error(e)},L={map:P,forEach:function(e,t,n){P(e,function(){t.apply(this,arguments)},n)},count:function(e){var t=0;return P(e,function(){t++}),t},toArray:function(e){return P(e,function(e){return e})||[]},only:function(e){if(!O(e))throw Error(`React.Children.only expected to receive a single React element child.`);return e}};e.Activity=f,e.Children=L,e.Component=v,e.Fragment=r,e.Profiler=a,e.PureComponent=b,e.StrictMode=i,e.Suspense=l,e.__CLIENT_INTERNALS_DO_NOT_USE_OR_WARN_USERS_THEY_CANNOT_UPGRADE=w,e.__COMPILER_RUNTIME={__proto__:null,c:function(e){return w.H.useMemoCache(e)}},e.cache=function(e){return function(){return e.apply(null,arguments)}},e.cacheSignal=function(){return null},e.cloneElement=function(e,t,n){if(e==null)throw Error(`The argument must be a React element, but you passed `+e+`.`);var r=g({},e.props),i=e.key;if(t!=null)for(a in t.key!==void 0&&(i=``+t.key),t)!T.call(t,a)||a===`key`||a===`__self`||a===`__source`||a===`ref`&&t.ref===void 0||(r[a]=t[a]);var a=arguments.length-2;if(a===1)r.children=n;else if(1<a){for(var o=Array(a),s=0;s<a;s++)o[s]=arguments[s+2];r.children=o}return E(e.type,i,r)},e.createContext=function(e){return e={$$typeof:s,_currentValue:e,_currentValue2:e,_threadCount:0,Provider:null,Consumer:null},e.Provider=e,e.Consumer={$$typeof:o,_context:e},e},e.createElement=function(e,t,n){var r,i={},a=null;if(t!=null)for(r in t.key!==void 0&&(a=``+t.key),t)T.call(t,r)&&r!==`key`&&r!==`__self`&&r!==`__source`&&(i[r]=t[r]);var o=arguments.length-2;if(o===1)i.children=n;else if(1<o){for(var s=Array(o),c=0;c<o;c++)s[c]=arguments[c+2];i.children=s}if(e&&e.defaultProps)for(r in o=e.defaultProps,o)i[r]===void 0&&(i[r]=o[r]);return E(e,a,i)},e.createRef=function(){return{current:null}},e.forwardRef=function(e){return{$$typeof:c,render:e}},e.isValidElement=O,e.lazy=function(e){return{$$typeof:d,_payload:{_status:-1,_result:e},_init:F}},e.memo=function(e,t){return{$$typeof:u,type:e,compare:t===void 0?null:t}},e.startTransition=function(e){var t=w.T,n={};w.T=n;try{var r=e(),i=w.S;i!==null&&i(n,r),typeof r==`object`&&r&&typeof r.then==`function`&&r.then(C,I)}catch(e){I(e)}finally{t!==null&&n.types!==null&&(t.types=n.types),w.T=t}},e.unstable_useCacheRefresh=function(){return w.H.useCacheRefresh()},e.use=function(e){return w.H.use(e)},e.useActionState=function(e,t,n){return w.H.useActionState(e,t,n)},e.useCallback=function(e,t){return w.H.useCallback(e,t)},e.useContext=function(e){return w.H.useContext(e)},e.useDebugValue=function(){},e.useDeferredValue=function(e,t){return w.H.useDeferredValue(e,t)},e.useEffect=function(e,t){return w.H.useEffect(e,t)},e.useEffectEvent=function(e){return w.H.useEffectEvent(e)},e.useId=function(){return w.H.useId()},e.useImperativeHandle=function(e,t,n){return w.H.useImperativeHandle(e,t,n)},e.useInsertionEffect=function(e,t){return w.H.useInsertionEffect(e,t)},e.useLayoutEffect=function(e,t){return w.H.useLayoutEffect(e,t)},e.useMemo=function(e,t){return w.H.useMemo(e,t)},e.useOptimistic=function(e,t){return w.H.useOptimistic(e,t)},e.useReducer=function(e,t,n){return w.H.useReducer(e,t,n)},e.useRef=function(e){return w.H.useRef(e)},e.useState=function(e){return w.H.useState(e)},e.useSyncExternalStore=function(e,t,n){return w.H.useSyncExternalStore(e,t,n)},e.useTransition=function(){return w.H.useTransition()}

1,e.version=`19.2.8`})),u=o(((e,t)=>{t.exports=l()})),d=o((e=>{var t=Symbol.for(`react.transitional.element`),n=Symbol.for(`react.fragment`);function r(e,n,r){var i=null;if(r!==void 0&&(i=``+r),n.key!==void 0&&(i=``+n.key),`key`in n)for(var a in r={},n)a!==`key`&&(r[a]=n[a]);else r=n;return n=r.ref,{$$typeof:t,type:e,key:i,ref:n===void 0?null:n,props:r}}e.Fragment=n,e.jsx=r,e.jsxs=r})),f=o(((e,t)=>{t.exports=d()})),p=c(u(),1),m={locale:`en`,localeName:`English`,switchTo:`Español`,switchToLabel:`Ver el sitio en español`,nav:{home:`Home`,findings:`Findings`,explore:`Explore`,methods:`How we did it`,limitations:`Limitations`,teaching:`Teaching`,data:`Data`,about:`About & cite`,menu:`Menu`},site:{shortTitle:`Teacher Preparation, Pre-College Human Capital and Student Learning`,title:`Teacher Preparation, Pre-College Human Capital and Student Learning: Evidence from Enseña Chile`,status:`Working paper, August 2026. Under review.`,authorsLine:`Soledad De Gregorio · Christopher A. Neilson · Sebastián Gallegos`,footerNote:`Descriptive decomposition. Estimates are not causal effects of a training route.`,themeLight:`Light`,themeDark:`Dark`,themeSystem:`System`,themeLabel:`Colour theme`},cta:{paper:`Read the paper (PDF)`,appendix:`Online appendix (PDF)`,slides:`Teaching slides`,slidesSource:`Teaching slides (LaTeX source)`},home:{kicker:`Working paper`,sentence:`Chile's Teach For All affiliate recruits teachers near the top of the national ability distribution, and once you account for that selection and for the fact that every one of them is in their first or second year of teaching, the training route itself explains essentially none of the remaining difference in student learning.`,eqTitle:`The decomposition`,eqSubtitle:`After reweighting the comparison teachers to the national common-support ability distribution.`,eqNote:`The −0.16σ net gap is itself not statistically distinguishable from zero. What the paper identifies is its composition.`,ninetyTitle:`The finding in 90 seconds`,ninety:[`Enseña Chile places university graduates in classrooms after a short preparation programme rather than a traditional teacher-education degree. Comparing their students' learning gains to those of traditionally prepared teachers gives a raw gap of −0.32σ in mathematics: Enseña Chile teachers at −0.19σ, traditional teachers at +0.13σ (s.e. 0.16, p = 0.04). Read on its own, that number looks like a verdict on the route.`,`It is not, because two other things differ at the same time. Enseña Chile recruits sit at the 97th percentile of the national teacher ability distribution — +1.9 SD above the mean teacher on the PSU/PAA university entrance exam — and ability predicts effectiveness: 0.51σ of value-added per 100 exam points, equivalently 0.41σ per standard deviation of teacher ability, where one teacher SD is about 80 points. And every Enseña Chile teacher in the sample is in their first or second year. Experience matters enormously early on: first-year Enseña Chile teachers are at −0.47σ, second-year at +0.13σ, a difference of +0.60σ. Traditional teachers show a flat profile by comparison, +0.12σ early-career against +0.14σ veteran.`,`Reweighting the comparison group onto the same ability distribution and separating those two forces leaves a net gap of −0.16σ made of ability +0.25σ [+0.06, +0.42], inexperience −0.30σ [−0.55, −0.09], and a route remainder of −0.10σ [−0.37, +0.17]. The remainder crosses zero: net of who these teachers were before they were hired and how long they have taught, no route penalty is detectable. That is a failure to detect, not a demonstration of equivalence — the interval is wide.`],numbersTitle:`The study at a glance`,numbers:[{label:`Students`,value:`3,756`},{label:`Classrooms`,value:`169`},{label:`Mathematics teachers`,value:`114`},{label:`Enseña Chile / traditional`,value:`37 / 77`},{label:`Schools`,value:`59`},{label:`Grades, year`,value:`9–11, 2016`}]},findings:{title:`Findings`,intro:`Four results, each with the figure it rests on and a plain-language reading. Every section says what the figure does not show, because that is where this kind of evidence is most often over-read.`,notShowTitle:`What this does not show`,sections:[{id:`ability`,figure:`gradient`,title:`Ability predicts effectiveness`,body:[`Teachers who scored higher on the PSU/PAA university entrance exam before they ever entered a classroom produce larger learning gains. The gradient is 0.51σ of value-ad

1ded per 100 exam points, which is 0.41σ per standard deviation of teacher ability, since one standard deviation of the teacher ability distribution is about 80 points.`,`The shaded band marks the 10th-to-90th percentile range of Enseña Chile recruits' own entrance scores. They sit far to the right of the distribution: pre-college human capital is the dimension on which this group is most unusual.`],notShow:[`It is not the causal return to ability. The gradient is a descriptive relationship in a single cohort of 114 teachers, and entrance scores are correlated with schooling, subject knowledge and family background that are not separately held fixed.`,`It does not say that entrance scores are a good screening rule for hiring. A slope estimated across this range says nothing about how any individual applicant would perform.`],alt:`Scatter of teacher value-added against PSU/PAA university entrance score with an upward-sloping fitted line; a shaded vertical band marks the 10th-to-90th percentile range of Enseña Chile recruits' entrance scores, sitting in the upper part of the score range.`},{id:`experience`,figure:`experience`,title:`Experience is steep, then flat`,body:[`Split by route and career stage, the pattern is asymmetric. First-year Enseña Chile teachers average −0.47σ and second-year teachers +0.13σ, a difference of +0.60σ. Traditional teachers, by contrast, look flat: +0.12σ early-career and +0.14σ veteran.`,`Because every Enseña Chile teacher in this sample is in year one or year two, any comparison that ignores experience is comparing the steepest part of one profile to the flat part of another.`],notShow:[`The +0.60σ first-to-second-year difference is not a within-teacher learning curve. It compares two different cohorts measured in a single wave, so cohort composition and attrition cannot be separated from improvement.`,`The flat traditional profile is not evidence that traditionally prepared teachers never improve. It is what this one cross-section of early-career and veteran teachers shows.`],alt:`Value-added by route and career stage with 95% confidence intervals: Enseña Chile first-year teachers at −0.47 sigma and second-year at +0.13 sigma, against traditional teachers at +0.12 sigma early-career and +0.14 sigma veteran, drawn as an essentially flat line.`},{id:`decomposition`,figure:`decomposition`,title:`Decomposing the gap`,body:[`After reweighting the comparison teachers to the national common-support ability distribution, the net gap of −0.16σ splits into three pieces: ability +0.25σ [+0.06, +0.42], inexperience −0.30σ [−0.55, −0.09], and a route remainder of −0.10σ [−0.37, +0.17]. The inexperience interval comes from a cohort-inclusive bootstrap.`,`Ability works in Enseña Chile's favour and excludes zero. Inexperience works against it and excludes zero. The remainder crosses zero.`],notShow:[`The remainder is a remainder, not an estimated training effect. It absorbs training, motivation, unobserved selection, and any ability-by-experience interaction that the additive form leaves unmodelled.`,`A remainder near zero with a 95% interval of [−0.37, +0.17] is a failure to detect a route penalty, not evidence that the routes are equivalent. The interval is wide enough to contain a moderate shortfall.`,`The −0.16σ net gap itself is not statistically distinguishable from zero. The contribution here is the composition, not the total.`,`The decomposition is descriptive. None of the three components is a causal effect.`],alt:`Three contributions to the reweighted Enseña Chile value-added gap: a teal bar of +0.25 sigma for ability, an amber bar of −0.30 sigma for inexperience with a hatched −0.10 sigma route remainder below it summing to −0.40 sigma, and the resulting net gap of −0.16 sigma.`},{id:`percentile`,figure:`percentile`,title:`Recruited at the top, delivering at the middle`,body:[`Against a national reference cohort of roughly 17,700 teachers, Enseña Chile recruits sit at the 97th percentile of ability, +1.9 SD above the mean teacher. Their model-predicted value-ad

1ded sits at the 42nd percentile, against a comparison teacher at the 51st.`,`The distance between those two positions is what inexperience costs early on: extraordinary selection on pre-college human capital, ordinary predicted performance while the teachers are still in their first two years.`],notShow:[`The 42nd percentile is model-predicted value-added, not realized performance. Both it and the reference distribution are fitted values from an ability–experience model, so the distribution carries no residual dispersion and percentile positions are compressed toward the middle by construction.`,`It is not a forecast of where these teachers end up. It is where the fitted model places a teacher with their ability and their current experience.`],alt:`Distribution of model-predicted teacher value-added across a national reference cohort of about 17,700 teachers, with markers showing Enseña Chile recruits at the 42nd percentile of predicted value-added and the comparison teacher at the 51st, alongside their 97th-percentile position in ability.`}]},explore:{title:`Explore the decomposition`,intro:`Set the ability contribution and the inexperience penalty; the route remainder and the net gap follow as arithmetic. Both sliders are limited to the paper's 95% confidence intervals, so you cannot dial in values the data reject.`,disclaimer:`This is arithmetic on the paper's components, not re-estimation. Moving the sliders shows how the residual would change under different assumptions; it does not produce new estimates.`,abilityLabel:`Ability contribution`,inexperienceLabel:`Inexperience penalty`,routeLabel:`Route remainder (implied)`,gapLabel:`Net gap (implied)`,ciLabel:`95% CI`,rangeLabel:`Allowed range`,reset:`Reset to the paper's estimates`,atPaper:`Currently at the paper's estimates.`,notAtPaper:`Hypothetical values — not the paper's estimates.`,routeCiNote:`The route remainder's reported 95% interval, [−0.37, +0.17], is fixed and drawn behind the value at all times. It comes from the paper's estimation and does not change with the sliders.`,identity:`Net gap = ability + inexperience + route remainder`,reminderTitle:`Two reminders while you slide`,reminders:[`The route remainder is a remainder. It absorbs training, motivation, unobserved selection and any ability-by-experience interaction — it is not an estimated effect of the training route.`,`The paper's net gap of −0.16σ is not statistically distinguishable from zero. Any value you produce here inherits that imprecision and adds nothing to it.`]},methods:{title:`How we did it`,intro:`The design in plain terms, for readers who do not work with value-added models.`,mapTitle:`Where the testing ran`,mapBody:`The 35 Enseña Chile partner schools contributing teachers span 8 of Chile's 15 regions, from Tarapacá in the north to Aysén in the far south; the 24 comparison schools sit in the Metropolitan Region by design, where 40% of Chilean students are enrolled.`,mapAlt:`Schematic map of Chile's fifteen regions ordered north to south, marking the eight that contain schools in the study: one partner school in Tarapaca, six in Valparaiso, eleven in the Metropolitan Region alongside twenty-four comparison schools, and seventeen across the five southern regions.`,mapNote:`Counts are those published in Online Appendix A.3, where the 17 southern schools are reported as a group rather than region by region. The vertical scale is schematic and evenly spaced, not a geographic projection. Schools are shown at the level of the region only: which schools host Enseña Chile teachers is roster information, and the paper reports no result that identifies an individual school.`,sections:[{h:`We ran the tests ourselves`,body:[`Value-added estimates need the same students measured twice, at the classroom level, within a single school year. In most middle-income countries that data simply does not exist: national assessments arrive too infrequently, or cannot be linked to the teacher who actually taught the class. So the research team collected it. Students sat a baseline mathematics test in May 2016 and an endline in November 2016, in 169 classrooms across 59 schools, grades 9 through 11 — 3,756 students and 114 mathematics teachers in total.`,`That is 

1what makes teacher-level learning gains measurable here at all, and it is why the study is a single school year rather than a panel.`]},{h:`What SEPA measures, and why not SIMCE`,body:[`The assessment is SEPA — Sistema de Evaluación de Progreso del Aprendizaje — the learning-progress test developed by MIDE-UC, the measurement centre at the Pontificia Universidad Católica de Chile. It was administered by external proctors rather than by the schools themselves, at the start of the 2016 school year in May and again at the end in November.`,`Chile does have a national assessment, SIMCE, and it is not the right instrument here: it is not designed to follow the same students across a single school year, so it cannot separate what a teacher added from what students already knew when they walked in. SEPA is built for exactly that comparison, which is why the study runs on it.`]},{h:`How value-added is built from those scores`,body:[`The construction follows Chetty, Friedman and Rockoff, using those authors' vam implementation. Test scores are residualised on school and class covariates — region, municipal dependency, school SES tier, and class size — with teacher effects estimated from within-teacher variation across the baseline and follow-up waves. Class-level follow-up residuals are then projected on baseline class residuals, and the resulting predicted residual learning is standardised across the teachers in the analytic sample.`,`Two details of that last step govern how every σ on this site should be read. The estimates are reported unshrunk, so one σ is one standard deviation of the estimated teacher-effect distribution, not of true teacher quality. And a single year of data leaves classroom-level noise in those estimates, which inflates that standard deviation. Both push the same way: the gradients reported here are conservative rather than overstated.`]},{h:`We linked to administrative records`,body:[`Each teacher's own PSU/PAA university entrance score comes from the national administrative record, so pre-college human capital is measured before any of them decided how to become a teacher — it cannot be contaminated by the training route being studied. Teaching experience and career history come from the Ministry of Education's teacher service panel.`,`Together, those two links let the analysis hold ability and experience side by side against measured student learning, and let the sample be placed against a national reference cohort of roughly 17,700 teachers.`]},{h:`The comparison group is deliberately not representative`,body:[`Enseña Chile recruits cluster at the very top of the ability distribution — the 97th percentile, +1.9 SD above the mean teacher. A nationally representative comparison group would therefore have almost no overlap with them on ability, and any route difference would be hopelessly confounded with the ability difference. There would be nothing to compare like with like.`,`So the team stratified non-partner schools by their teachers' entrance-score decile and invited at least one school per decile. That buys overlap in ability across the whole range, which is exactly what the reweighting to the national common-support distribution needs in order to work.`,`The price is representativeness: the comparison teachers are not a picture of the average Chilean mathematics teacher, and no number on this site should be read as one. That is a design choice with a reason, made to answer the question about the route rather than a question about the national average.`]},{h:`What the decomposition does`,body:[`With the comparison group reweighted onto the common-support ability distribution, the remaining gap is split into the part attributable to the ability difference, the part attributable to Enseña Chile teachers all being in year one or two, and whatever is left over. The leftover is reported with its confidence interval rather than described as a training effect.`,`The arithmetic is additive and descriptive. It attributes an observed gap to observed differences; it does not identify what would happen if a given teacher had taken the other route.`]}]},limitations:{title:`Limitations and objections`,intro:`The questions we get asked, with the answers we would give in a seminar.`,faq:[{q:`Isn't a single year of data too noisy?`,a:[`Yes, and it cuts in the paper's favour. Value-added is reported unshrunk, so one σ is one standard deviation of the estimated teacher-effect distribution, which is inflated by estimation error. Scaling effects by an inflated standard deviation makes the reported gradients conservative, not generous.`,`It also means the intervals are wide, which is why the route remainder is reported as a failure to detect rather than a 

1null.`]},{q:`The +0.60σ jump from first to second year — is that really learning?`,a:[`We cannot say that it is. It compares two different cohorts measured in a single wave, so it cannot separate learning from cohort composition or from attrition of the teachers who left after year one.`]},{q:`Does this show the programme works?`,a:[`No. It evaluates the teachers the programme supplies, not the programme. The relevant comparison for a programme evaluation is the marginal hire that a vacancy would otherwise have drawn, and that teacher is never observed in this data.`]},{q:`Is a near-zero route residual evidence that the routes are the same?`,a:[`No. The 95% interval is [−0.37, +0.17], wide enough to contain a moderate shortfall. And the residual is a remainder: it absorbs training, motivation, unobserved selection and any ability-by-experience interaction at once.`]},{q:`Could this be about which schools these teachers work in?`,a:[`It could, and the design cannot fully rule it out. With about 1.9 sampled teachers per school, school fixed effects are not supported; what the data supports is a control for school faculty composition. The paper reports that adverse test rather than hiding it.`]}]},teaching:{title:`For teachers and instructors`,intro:`The slide deck is meant to be cut apart and adapted — take the exhibits you need, drop the rest, change the framing to suit your course. The LaTeX source is provided for exactly that reason.`,pendingTitle:`Download the deck`,pending:`The deck and its LaTeX source are published alongside the paper on the corresponding author's site. Sixteen frames covering the puzzle, the design, the three main figures and the national benchmark, what the evidence does and does not support, and discussion questions — each block marked so it can be dropped on its own.`,questionsTitle:`Discussion questions`,questionsNote:`The deck's own discussion questions will be listed here verbatim once the deck is posted. The prompts below are drawn only from claims stated on this site, and are marked as such rather than attributed to the deck.`,questions:[`The raw gap is −0.32σ and the reweighted net gap is −0.16σ. What changed between those two numbers, and why is reweighting to a common-support ability distribution necessary before the difference can be interpreted at all?`,`Ability contributes +0.25σ and inexperience −0.30σ. What would have to be true about the sample for those two to be separately identified, and what does the additive form assume away?`,`The route remainder is −0.10σ with a 95% interval of [−0.37, +0.17]. Write down two substantively different conclusions that are both consistent with that interval.`,`Enseña Chile recruits sit at the 97th percentile of ability but the 42nd percentile of model-predicted value-ad

1ded. Why does the second number carry no residual dispersion, and how does that change how you read the percentile?`,`The comparison group was chosen to overlap on ability rather than to represent the country. Which questions can this sample answer, and which questions has that choice put out of reach?`,`Why does reporting unshrunk value-added make the reported gradients conservative rather than overstated?`]},data:{title:`Data and replication`,intro:`What can be shared, and what cannot.`,sections:[{h:`Individual-level records cannot be redistributed`,body:[`The student assessment data, the teacher entrance-exam records and the programme's administrative data are governed by data-sharing agreements with MIDE-UC, MINEDUC/DEMRE and Enseña Chile. Those agreements do not permit redistribution of individual-level records, and we will not post them.`]},{h:`The replication package is available on request`,body:[`The replication package, including the aggregate data behind every exhibit on this site and in the paper, is available from the authors on request. Write to the corresponding author.`,`There is no public repository for this project.`]}]},about:{title:`About & cite`,authorsTitle:`Authors`,roleLabel:`Contribution`,authors:[{name:`Soledad De Gregorio`,photo:`/authors/soledad-de-gregorio.jpg`,affil:`University of Southern California; now at Abt Global`,note:`Led the study`,role:`Investigation, formal analysis, visualization, project administration and the original draft — sole lead on each under the CRediT statement. She ran the field study that produced the data and carried out the analysis built on it.`,bio:`An applied economist whose research uses quantitative methods to study social policy — particularly housing, homelessness and education — and how these shape outcomes for families and children. PhD in Public Policy, University of Southern California; MPP, UCLA; BA in Economics, Pontificia Universidad Católica de Chile.`,link:`https://sites.google.com/view/soleca/`,linkLabel:`sites.google.com/view/soleca`},{name:`Christopher A. Neilson`,photo:`/authors/christopher-neilson.jpg`,affil:`Yale University`,note:`Corresponding author`,role:`Supervision, data curation and funding acquisition.`,bio:`Professor of Economics and Global Affairs at Yale University, and founder of ConsiliumBots and TetherEducation. His research concerns education markets and policy design, in collaboration with governments across Latin America.`,link:`mailto:[email protected]`,linkLabel:`[email protected]`},{name:`Sebastián Gallegos`,photo:`/authors/sebastian-gallegos.jpg`,affil:`Universidad Adolfo Ibáñez`,note:``,role:`Methodology and framing.`,bio:`Assistant Professor of Economics at the UAI Business School in Chile, and a research fellow of IZA and the HCEO working group at the University of Chicago. PhD from the University of Chicago Harris School with a field specialization in economics; previously a postdoctoral scholar at Princeton.`,link:`https://sites.google.com/site/sebastiangallegos/home`,linkLabel:`sites.google.com/site/sebastiangallegos`}],citeTitle:`Cite this paper`,copy:`Copy BibTeX`,copied:`Copied`,contactTitle:`Contact`,contactBody:`Questions about the paper, the replication package or the teaching materials go to Christopher A. Neilson, Yale University.`,statusNote:`Working paper, August 2026. Under review.`}},h={locale:`es`,localeName:`Español`,switchTo:`English`,switchToLabel:`View the site in English`,nav:{home:`Inicio`,findings:`Resultados`,explore:`Explorar`,methods:`Cómo lo hicimos`,limitations:`Límites`,teaching:`Docencia`,data:`Datos`,about:`Autores y cita`,menu:`Menú`},site:{shortTitle:`Formación docente, capital humano pre-universitario y aprendizaje`,title:`Formación docente, capital humano pre-universitario y aprendizaje escolar: evidencia de Enseña Chile`,status:`Documento de trabajo, agosto de 2026. En revisión.`,authorsLine:`Soledad De Gregorio · Christopher A. Neilson · Sebastián Gallegos`,footerNote:`Descomposición descriptiva. Las estimaciones no son efectos causales de una vía de formación.`,themeLight:`Claro`,themeDark:`Oscuro`,themeSystem:`Sistema`,themeLabel:`Tema de color`},cta:{paper:`Leer el paper (PDF)`,appendix:`Anexo en línea (PDF)`,slides:`Presentación para clases`,slidesSource:`Presentación para clases (fuente LaTeX)`},home:{kicker:`Documento de trabajo`,sentence:`El afiliado chileno de Teach For All recluta profesores cerca del tope de la distribución nacional de habilidad y, una vez que se toma en cuenta esa selección y el hecho de que todos están en su primer o segundo año de ejercicio, la vía de formación en sí misma no explica prácticamente nada de la diferencia restante en el aprendizaje de los estudiantes.`,eqTitle:`La descomposición`,eqSubtitle:`Tras reponderar a los profesores de comparación hacia la distribución nacional de habilidad con soporte común.`,eqNote:`La brecha neta de −0,16σ no es en sí misma distinguible de cero. Lo que el paper identifica es su composición.`,ninetyTitle:`El resultado en 90 segundos`,ninety:[`Enseña Chile lleva a titulados universitarios a la sala de clases tras un programa breve de formación, en lugar de una carrera tradicional de pedagogía. Al comparar el aprendizaje de sus estudiantes con el de profesores de formación tradicional, la bre

1cha bruta en matemáticas es de −0,32σ: profesores de Enseña Chile en −0,19σ y tradicionales en +0,13σ (e.e. 0,16, p = 0,04). Leído solo, ese número parece un veredicto sobre la vía de formación.`,`No lo es, porque al mismo tiempo difieren dos cosas más. Los reclutas de Enseña Chile se ubican en el percentil 97 de la distribución nacional de habilidad docente —+1,9 DE sobre el profesor promedio en la PSU/PAA— y la habilidad predice efectividad: 0,51σ de valor agregado por cada 100 puntos de la prueba, equivalente a 0,41σ por desviación estándar de habilidad docente, donde una DE de profesores equivale a unos 80 puntos. Además, todos los profesores de Enseña Chile de la muestra están en su primer o segundo año. La experiencia importa enormemente al comienzo: los de primer año están en −0,47σ y los de segundo año en +0,13σ, una diferencia de +0,60σ. Los profesores tradicionales, en cambio, muestran un perfil plano: +0,12σ al inicio de carrera y +0,14σ con experiencia.`,`Al reponderar al grupo de comparación hacia la misma distribución de habilidad y separar esas dos fuerzas, queda una brecha neta de −0,16σ compuesta por habilidad +0,25σ [+0,06, +0,42], inexperiencia −0,30σ [−0,55, −0,09] y un residuo de vía de −0,10σ [−0,37, +0,17]. El residuo cruza el cero: descontando quiénes eran estos profesores antes de ser contratados y cuánto tiempo llevan enseñando, no se detecta penalidad por la vía de formación. Eso es una falta de detección, no una demostración de equivalencia: el intervalo es ancho.`],numbersTitle:`El estudio en cifras`,numbers:[{label:`Estudiantes`,value:`3.756`},{label:`Salas de clase`,value:`169`},{label:`Profesores de matemática`,value:`114`},{label:`Enseña Chile / tradicionales`,value:`37 / 77`},{label:`Establecimientos`,value:`59`},{label:`Cursos, año`,value:`1°–3° medio, 2016`}]},findings:{title:`Resultados`,intro:`Cuatro resultados, cada uno con la figura en que se apoya y una lectura en lenguaje claro. Cada sección dice qué no muestra la figura, porque ahí es donde este tipo de evidencia se sobreinterpreta con más frecuencia.`,notShowTitle:`Qué NO muestra esto`,sections:[{id:`ability`,figure:`gradient`,title:`La habilidad predice efectividad`,body:[`Los profesores con mayor puntaje en la PSU/PAA, obtenido antes de entrar a una sala de clases, generan mayores aprendizajes. El gradiente es de 0,51σ de valor agregado por cada 100 puntos de la prueba, es decir 0,41σ por desviación estándar de habilidad docente, ya que una DE de la distribución de habilidad docente equivale a unos 80 puntos.`,`La banda sombreada marca el rango entre los percentiles 10 y 90 de los puntajes de ingreso de los propios reclutas de Enseña Chile. Están muy a la derecha de la distribución: el capital humano pre-universitario es la dimensión en que este grupo es más inusual.`],notShow:[`No es el retorno causal a la habilidad. El gradiente es una relación descriptiva en una sola cohorte de 114 profesores, y los puntajes de ingreso están correlacionados con escolaridad, conocimiento disciplinar y origen familiar que no se mantienen fijos por separado.`,`No dice que el puntaje de ingreso sea una buena regla de selección para contratar. Una pendiente estimada en este rango no dice nada sobre el desempeño de un postulante individual.`],alt:`Dispersión del valor agregado docente contra el puntaje PSU/PAA con una recta ajustada de pendiente positiva; una banda vertical sombreada marca el rango entre los percentiles 10 y 90 de los puntajes de los reclutas de Enseña Chile, situada en la parte alta del rango de puntajes.`},{id:`experience`,figure:`experience`,title:`La experiencia es empinada y luego plana`,body:[`Al separar por vía y etapa de carrera, el patrón es asimétrico. Los profesores de Enseña Chile de primer año promedian −0,47σ y los de segundo año +0,13σ, una diferencia de +0,60σ. Los tradicionales, en cambio, se ven planos: +0,12σ al inicio de carrera y +0,14σ con experiencia.`,`Como todos los profesores de Enseña Chile de esta muestra están en su primer o segundo año, cualquier comparación que ignore la experiencia compara la parte más empinada de un perfil con la parte plana de otro.`],notShow:[`La diferencia de +0,60σ entre primer y segundo año no es una curva de aprendizaje dentro del mismo profesor. Compara dos cohortes distintas medidas en una sola ola, por lo que no se pueden separar la mejora, la composición de cohortes y la deserción.`,`El perfil plano de los tradicionales no es evidencia de que los profesores de formación tradicional nunca mejoren. Es lo que muestra este único corte transversal de profesores nuevos y experimentados.`],alt:`Valor agregado por vía y etapa de carrera con intervalos de confianza al 95%: profesores de Enseña Chile de primer año en −0,47 sigma y de segundo año en +0,13 sigma, frente a profesores tradicionales en +0,12 sigma al inicio de carrera y +0,14 sigma con experiencia, dibujados como una línea prácticamente plana.`},{id:`decomposition`,figure:`decomposition`,title:`Descomponiendo la brecha`,body:[`Tras reponderar a los profesores de comparación hacia la distribución nacional de habilidad con soporte común, la brecha neta de −0,16σ se divide en tres partes: habilidad +0,25σ [+0,06, +0,42], inexperiencia −0,30σ [−0,55, −0,09] y un residuo de vía de −0,10σ [−0,37, +0,17]. El intervalo de inexperiencia proviene de un bootstrap que incluye la cohorte.`,`La habilidad juega a favor de Enseña Chile y excluye el cero. La inexperiencia juega en contra y excluye el cero. El residuo cruza el cero.`],notShow:[`El residuo es un resto, no un efecto estimado de la formación. Absorbe formación, motivación, selección no observada y cualquier interacción entre habilidad y experiencia que la forma aditiva deja sin modelar.`,`Un residuo cercano a cero con un intervalo al 95% de [−0,37, +0,17] es una falta de detección de penalida

1d por vía, no evidencia de que las vías sean equivalentes. El intervalo es lo bastante ancho como para contener un déficit moderado.`,`La brecha neta de −0,16σ tampoco es estadísticamente distinguible de cero. El aporte aquí es la composición, no el total.`,`La descomposición es descriptiva. Ninguno de los tres componentes es un efecto causal.`],alt:`Tres contribuciones a la brecha reponderada de valor agregado de Enseña Chile: una barra turquesa de +0,25 sigma por habilidad, una barra ámbar de −0,30 sigma por inexperiencia con un residuo de vía de −0,10 sigma achurado debajo que suma −0,40 sigma, y la brecha neta resultante de −0,16 sigma.`},{id:`percentile`,figure:`percentile`,title:`Reclutados en el tope, entregando en el medio`,body:[`Frente a una cohorte nacional de referencia de alrededor de 17.700 profesores, los reclutas de Enseña Chile se ubican en el percentil 97 de habilidad, +1,9 DE sobre el profesor promedio. Su valor agregado predicho por el modelo se ubica en el percentil 42, frente a un profesor de comparación en el percentil 51.`,`La distancia entre esas dos posiciones es lo que cuesta la inexperiencia al comienzo: una selección extraordinaria en capital humano pre-universitario y un desempeño predicho corriente mientras los profesores siguen en sus dos primeros años.`],notShow:[`El percentil 42 es valor agregado predicho por el modelo, no desempeño realizado. Tanto ese valor como la distribución de referencia son valores ajustados de un modelo de habilidad y experiencia, por lo que la distribución no lleva dispersión residual y las posiciones percentílicas quedan comprimidas hacia el centro por construcción.`,`No es un pronóstico de dónde terminarán estos profesores. Es donde el modelo ajustado sitúa a un profesor con su habilidad y su experiencia actual.`],alt:`Distribución del valor agregado docente predicho por el modelo en una cohorte nacional de referencia de unos 17.700 profesores, con marcas que muestran a los reclutas de Enseña Chile en el percentil 42 del valor agregado predicho y al profesor de comparación en el percentil 51, junto con su posición en el percentil 97 de habilidad.`}]},explore:{title:`Explorar la descomposición`,intro:`Fije la contribución de la habilidad y la penalidad por inexperiencia; el residuo de vía y la brecha neta se siguen como aritmética. Ambos controles están limitados a los intervalos de confianza al 95% del paper, de modo que no es posible fijar valores que los datos rechazan.`,disclaimer:`Esto es aritmética sobre los componentes del paper, no una nueva estimación. Mover los controles muestra cómo cambiaría el residuo bajo distintos supuestos; no produce nuevas estimaciones.`,abilityLabel:`Contribución de la habilidad`,inexperienceLabel:`Penalidad por inexperiencia`,routeLabel:`Residuo de vía (implícito)`,gapLabel:`Brecha neta (implícita)`,ciLabel:`IC 95%`,rangeLabel:`Rango permitido`,reset:`Volver a las estimaciones del paper`,atPaper:`Actualmente en las estimaciones del paper.`,notAtPaper:`Valores hipotéticos: no son las estimaciones del paper.`,routeCiNote:`El intervalo al 95% reportado para el residuo de vía, [−0,37, +0,17], es fijo y se dibuja detrás del valor en todo momento. Proviene de la estimación del paper y no cambia con los controles.`,identity:`Brecha neta = habilidad + inexperiencia + residuo de vía`,reminderTitle:`Dos recordatorios mientras mueve los controles`,reminders:[`El residuo de vía es un resto. Absorbe formación, motivación, selección no observada y cualquier interacción entre habilidad y experiencia: no es un efecto estimado de la vía de formación.`,`La brecha neta de −0,16σ del paper no es estadísticamente distinguible de cero. Cualquier valor que se produzca aquí hereda esa imprecisión y no le agrega nada.`]},methods:{title:`Cómo lo hicimos`,intro:`El diseño en términos simples, para quienes no trabajan con modelos de valor agregado.`,mapTitle:`Dónde se aplicaron las pruebas`,mapBody:`Los 35 establecimientos socios de Enseña Chile que aportan profesores abarcan 8 de las 15 regiones del país, desde Tarapacá en el norte hasta Aysén en el extremo sur; los 24 establecimientos de comparación están en la Región Metropolitana por diseño, donde se matricula el 40% de los estudiantes del país.`,mapAlt:`Mapa esquemático de las quince regiones de Chile ordenadas de norte a sur, marcando las ocho que contienen establecimientos del estudio: un establecimiento socio en Tarapacá, seis en Valparaíso, once en la Región Metropolitana junto a veinticuatro establecimientos de comparación, y diecisiete distribuidos en las cinco regiones del sur.`,mapNote:`Las cifras son las publicadas en el Anexo en línea A.3, donde los 17 establecimientos del sur se reportan como grupo y no región por región. La escala vertical es esquemática y de espaciado uniforme, no una proyección geográfica. Los establecimientos se muestran solo a nivel de región: qué escuelas reciben profesores de Enseña Chile es información de registro del programa, y el paper no reporta ningún resultado que identifique a un establecimiento individual.`,sections:[{h:`Aplicamos las pruebas nosotros mismos`,body:[`Estimar valor agregado requiere medir a los mismos estudiantes dos veces, a nivel de sala de clases, dentro de un mismo año escolar. En la mayoría de los países de ingreso medio esos datos simplemente no existen: las evaluaciones nacionales llegan con muy poca frecuencia o no pueden vincularse al profesor que efectivamente hizo la clase. Por eso el equipo de investigación los recolectó. Los estudiantes rindieron una prueba de matemática de línea base en mayo de 2016 y una de salida en noviembre de 2016, en 169 salas de 59 establecimientos, de 1° a 3° medio: 3.756 estudiantes y 114 profesores de matemática en total.`,`Eso es lo que hace posible medir aprendizajes a nivel de profesor en este contexto, y es también la razón por la que el estudio cubre un solo año escolar y no un panel.`]},{h:`Qué mide el SEPA, y por qué no el SIMCE`,body:[`La prueba es el SEPA — Sistema de Evaluación de Progreso del Aprendizaje — desarrollado por MIDE-UC, el centro de medición de la Pontificia Universidad Católica de Chile. Fue aplicado por examinadores externos, no por los propios establecimientos, al inicio del año escolar 2016 en mayo y nuevamente al cierre en noviembre.`,`Chile sí cuenta con una evaluación nacional, el SIMCE, y no es el instrumento adecuado aquí: no está diseña

1do para seguir a los mismos estudiantes a lo largo de un mismo año escolar, de modo que no permite separar lo que aportó el docente de lo que los estudiantes ya sabían al llegar. El SEPA está construido justamente para esa comparación.`]},{h:`Cómo se construye el valor agregado`,body:[`La construcción sigue a Chetty, Friedman y Rockoff, usando la implementación vam de esos autores. Los puntajes se residualizan sobre covariables de escuela y curso — región, dependencia municipal, grupo socioeconómico del establecimiento y tamaño del curso — y los efectos docentes se estiman a partir de la variación intra-docente entre las dos mediciones. Luego los residuos de cierre a nivel de curso se proyectan sobre los residuos de línea base, y el aprendizaje residual predicho se estandariza entre los docentes de la muestra analítica.`,`Dos detalles de ese último paso determinan cómo leer cada σ de este sitio. Las estimaciones se reportan sin encogimiento (unshrunk), por lo que un σ es una desviación estándar de la distribución estimada de efectos docentes, no de la calidad docente verdadera. Y un solo año de datos deja ruido a nivel de sala en esas estimaciones, lo que infla esa desviación estándar. Ambos efectos empujan en la misma dirección: los gradientes reportados aquí son conservadores, no exagerados.`]},{h:`Vinculamos con registros administrativos`,body:[`El puntaje PSU/PAA de cada profesor proviene del registro administrativo nacional, de modo que el capital humano pre-universitario se mide antes de que cualquiera de ellos decidiera cómo llegar a ser profesor: no puede estar contaminado por la vía de formación que se estudia. La experiencia y la trayectoria laboral provienen del panel de servicio docente del Ministerio de Educación.`,`Juntos, esos dos vínculos permiten poner habilidad y experiencia lado a lado frente al aprendizaje medido de los estudiantes, y situar la muestra contra una cohorte nacional de referencia de alrededor de 17.700 profesores.`]},{h:`El grupo de comparación deliberadamente no es representativo`,body:[`Los reclutas de Enseña Chile se concentran en el extremo superior de la distribución de habilidad: percentil 97, +1,9 DE sobre el profesor promedio. Un grupo de comparación nacionalmente representativo casi no tendría traslape con ellos en habilidad, y cualquier diferencia por vía quedaría irremediablemente confundida con la diferencia de habilidad. No habría nada que comparar en igualdad de condiciones.`,`Por eso el equipo estratificó los establecimientos no asociados según el decil de puntaje de ingreso de sus profesores e invitó al menos uno por decil. Eso compra traslape en habilidad en todo el rango, que es exactamente lo que necesita la reponderación hacia la distribución nacional con soporte común para funcionar.`,`El precio es la representatividad: los profesores de comparación no son una fotografía del profesor de matemática promedio de Chile, y ningún número de este sitio debe leerse así. Es una decisión de diseño con una razón, tomada para responder la pregunta sobre la vía de formación y no una pregunta sobre el promedio nacional.`]},{h:`Qué hace la descomposición`,body:[`Con el grupo de comparación reponderado hacia la distribución de habilidad con soporte común, la brecha restante se divide en la parte atribuible a la diferencia de habilidad, la parte atribuible a que todos los profesores de Enseña Chile están en su primer o segundo año, y lo que sobra. Lo que sobra se reporta con su intervalo de confianza en lugar de describirse como un efecto de la formación.`,`La aritmética es aditiva y descriptiva. Atribuye una brecha observada a diferencias observadas; no identifica qué habría ocurrido si un profesor determinado hubiera seguido la otra vía.`]}]},limitations:{title:`Límites y objeciones`,intro:`Las preguntas que nos hacen, con las respuestas que daríamos en un seminario.`,faq:[{q:`¿No es demasiado ruidoso un solo año de datos?`,a:[`Sí, y juega a favor del paper. El valor agregado se reporta sin encogimiento (unshrunk), de modo que un σ es una desviación estándar de la distribución estimada de efectos docentes, inflada por error de estimación. Escalar los efectos por una desviación estándar inflada hace que los gradientes reportados sean conservadores, no generosos.`,`También implica que los intervalos son anchos, razón por la cual el residuo de vía se reporta como una falta de detección y no como un cero.`]},{q:`El salto de +0,60σ entre primer y segundo año: ¿es realmente aprendizaje?`,a:[`No podemos afirmarlo. Compara dos cohortes distintas medidas en una sola ola, por lo que no puede separar el aprendizaje de la composición de cohortes ni de la deserción de los profesores que se fueron tras el primer año.`]},{q:`¿Demuestra esto que el programa funciona?`,a:[`No. Evalúa a los profesores que el programa aporta, no al programa. La comparación relevante para evaluar un programa es el contratado marginal que la vacante habría atraído de otro modo, y ese profesor nunca se observa en estos datos.`]},{q:`¿Un residuo de vía cercano a cero prueba que las vías son iguales?`,a:[`No. El intervalo al 95% es [−0,37, +0,17], lo bastante ancho para contener un déficit moderado. Y el residuo es un resto: absorbe a la vez formación, motivación, selección no observada y cualquier interacción entre habilidad y experiencia.`]},{q:`¿Podría tratarse de en qué establecimientos trabajan estos profesores?`,a:[`Podría, y el diseño no lo descarta por completo. Con cerca de 1,9 profesores muestreados por establecimiento, no se sostienen efectos fijos de escuela; lo que los datos permiten es un control por composición del cuerpo docente del establecimiento. El paper reporta esa prueba adversa en lugar de esconderla.`]}]},teaching:{title:`Para docentes e instructores`,intro:`La presentación está pensada para ser desarmada y adaptada: tome las láminas que necesite, descarte el resto y cambie el enfoque según su curso. El código fuente en LaTeX se entrega precisamente por eso.`,pen

1dingTitle:`Descargar la presentación`,pending:`La presentación y su código fuente en LaTeX están publicados junto al artículo en el sitio del autor de correspondencia. Dieciséis láminas que cubren la pregunta, el diseño, las tres figuras principales y el referente nacional, lo que la evidencia sí y no permite afirmar, y preguntas para discusión — cada bloque está marcado para poder eliminarlo por separado.`,questionsTitle:`Preguntas para discusión`,questionsNote:`Las preguntas de discusión de la propia presentación se listarán aquí textualmente cuando esté publicada. Las siguientes se basan solo en afirmaciones presentes en este sitio y se señalan como tales, sin atribuirlas a la presentación.`,questions:[`La brecha bruta es −0,32σ y la brecha neta reponderada es −0,16σ. ¿Qué cambió entre esos dos números y por qué es necesaria la reponderación hacia una distribución de habilidad con soporte común antes de poder interpretar la diferencia?`,`La habilidad aporta +0,25σ y la inexperiencia −0,30σ. ¿Qué tendría que ser cierto en la muestra para identificarlas por separado, y qué supone la forma aditiva?`,`El residuo de vía es −0,10σ con un intervalo al 95% de [−0,37, +0,17]. Escriba dos conclusiones sustantivamente distintas que sean compatibles con ese intervalo.`,`Los reclutas de Enseña Chile están en el percentil 97 de habilidad pero en el percentil 42 del valor agregado predicho por el modelo. ¿Por qué el segundo número no lleva dispersión residual y cómo cambia eso la lectura del percentil?`,`El grupo de comparación se eligió para traslaparse en habilidad y no para representar al país. ¿Qué preguntas puede responder esta muestra y qué preguntas quedaron fuera de alcance con esa decisión?`,`¿Por qué reportar valor agregado sin encogimiento hace que los gradientes reportados sean conservadores y no exagerados?`]},data:{title:`Datos y replicación`,intro:`Qué se puede compartir y qué no.`,sections:[{h:`Los registros individuales no pueden redistribuirse`,body:[`Los datos de evaluación de estudiantes, los registros de puntajes de ingreso de los profesores y los datos administrativos del programa están regidos por acuerdos de uso de datos con MIDE-UC, MINEDUC/DEMRE y Enseña Chile. Esos acuerdos no permiten redistribuir registros a nivel individual, y no los publicaremos.`]},{h:`El paquete de replicación está disponible a solicitud`,body:[`El paquete de replicación, que incluye los datos agregados detrás de cada figura de este sitio y del paper, está disponible a solicitud de los autores. Escriba al autor de correspondencia.`,`No existe un repositorio público para este proyecto.`]}]},about:{title:`Autores y cita`,authorsTitle:`Autores`,roleLabel:`Contribución`,authors:[{name:`Soledad De Gregorio`,photo:`/authors/soledad-de-gregorio.jpg`,affil:`University of Southern California; actualmente en Abt Global`,note:`Dirigió el estudio`,role:`Investigación, análisis formal, visualización, administración del proyecto y redacción del borrador original — responsable única de cada uno según la declaración CRediT. Dirigió el trabajo de campo que produjo los datos y realizó el análisis construido sobre ellos.`,bio:`Economista aplicada cuya investigación usa métodos cuantitativos para estudiar política social —en particular vivienda, situación de calle y educación— y cómo estas moldean los resultados de familias y niños. Doctora en Políticas Públicas, University of Southern California; MPP, UCLA; Licenciada en Economía, Pontificia Universidad Católica de Chile.`,link:`https://sites.google.com/view/soleca/`,linkLabel:`sites.google.com/view/soleca`},{name:`Christopher A. Neilson`,photo:`/authors/christopher-neilson.jpg`,affil:`Yale University`,note:`Autor de correspondencia`,role:`Supervisión, curación de datos y obtención de financiamiento.`,bio:`Profesor de Economía y Asuntos Globales en Yale University, y fundador de ConsiliumBots y TetherEducation. Su investigación aborda los mercados educativos y el diseño de políticas, en colaboración con gobiernos de América Latina.`,link:`mailto:[email protected]`,linkLabel:`[email protected]`},{name:`Sebastián Gallegos`,photo:`/authors/sebastian-gallegos.jpg`,affil:`Universidad Adolfo Ibáñez`,note:``,role:`Metodología y encuadre del artículo.`,bio:`Profesor Asistente de Economía en la Escuela de Negocios UAI, e investigador afiliado de IZA y del grupo de trabajo HCEO de la Universidad de Chicago. Doctor por la Harris School de la Universidad de Chicago con especialización en economía; previamente investigador postdoctoral en Princeton.`,link:`https://sites.google.com/site/sebastiangallegos/home`,linkLabel:`sites.google.com/site/sebastiangallegos`}],citeTitle:`Cómo citar`,copy:`Copiar BibTeX`,copied:`Copiado`,contactTitle:`Contacto`,contactBody:`Consultas sobre el paper, el paquete de replicación o los materiales de docencia: Christopher A. Neilson, Yale University.`,statusNote:`Documento de trabajo, agosto de 2026. En revisión.`}},g=f(),_={en:m,es:h},v=(0,p.createContext)(null),y=`ech-site-lang`;function b({children:e}){let[t,n]=(0,p.useState)(`en`);return(0,p.useEffect)(()=>{let e=window.localStorage.getItem(y);if(e===`en`||e===`es`){n(e);return}window.navigator.language?.toLowerCase().startsWith(`es`)&&n(`es`)},[]),(0,p.useEffect)(()=>{document.documentElement.lang=t},[t]),(0,g.jsx)(v.Provider,{value:{lang:t,setLang:e=>{n(e);try{window.localStorage.setItem(y,e)}catch{}},t:_[t]},children:e})}function x(){let e=(0,p.useContext)(v);if(!e)throw Error(`useI18n must be used inside LanguageProvider`);return e}export{o as a,u as i,x as n,c as o,f as r,b as t};