Geschreven door Myrthe Meester in opdracht van BiOND Magazine
Sommige groepen leerlingen hebben disproportioneel minder kans op studiesucces dan andere. Onderzoeker Theo Bakker, verbonden aan De Haagse Hogeschool, ontwikkelde een gratis beschikbare methode om data van onderwijsinstellingen te screenen op kansenongelijkheid. Per opleiding en zelfs per vak kan worden blootgelegd of bepaalde groepen leerlingen opvallend in het nadeel zijn, zodat er gerichte maatregelen kunnen worden getroffen.
‘No fairness without awareness.’ Zo luidt het motto van Theo Bakker, die sinds 2023 het lectoraat Learning Technology & Analytics aan De Haagse Hogeschool bekleedt. Om het onderwijs eerlijker te maken, moeten we
eerst met onze neus op de feiten worden gedrukt. “Tot nu toe is er vooral veel kwalitatief onderzoek gedaan naar kansenongelijkheid in het onderwijs,” vertelt de onderzoeker, die in 2022 promoveerde aan de Vrije Universiteit Amsterdam. “Daarbij wordt er in interviews aan studenten gevraagd hoe zij de kansengelijkheid of -ongelijkheid bij hun opleiding ervaren. Maar ik ken nog geen enkel onderzoek dat het cijfermatig doorrekent.”
Studiesucces bij autisme
Daarom is Theo dat zelf gaan doen: onderwijsdata verzamelen en analyseren met het oog op kansen(on)gelijkheid. De data komen uit interne cijferadministraties, maar ook van Studielink en DUO. Zo komt hij tot objectieve resultaten waar niemand omheen kan. In zijn proefschrift bracht hij aan de hand van data van de VU het studiesucces van studenten met autisme, met andere functiebeperkingen en zonder functiebeperkingen in kaart. “Studenten met autisme bleken vaak iets later hun draai te vinden in het onderwijs, maar er was geen verschil in uitval of studiesucces. Zij hebben vaak een ‘special interest’, waarbij ze ontzettend veel afweten van één onderwerp, wat natuurlijk heel nuttig is aan de universiteit. Het viel op dat met name studenten met AD(H)D minder goed wisten mee te komen.”
Aan De Haagse Hogeschool onderzocht Theo vorig jaar of bepaalde groepen studenten vaker uitvallen na hun eerste studiejaar dan andere. “Ik heb de data gescreend op kenmerken zoals geslacht en hoogste vooropleiding,” vertelt hij. Op die manier bracht hij in kaart of er een onevenredig verschil in uitval is tussen mannelijke en vrouwelijke hbo-studenten, en tussen hbo-studenten met een mbo-, havo- en vwo-achtergrond.
Jongens in het nadeel
Uit de resultaten bleek dat mannelijke studenten bij 20 van de 66 opleidingen aan De Haagse Hogeschool in het nadeel zijn. “Dat is in het algemeen zo in het onderwijs,” zegt Theo. “Daar zijn meerdere redenen voor te bedenken. De ontwikkeling van het mannelijk brein gaat wat langzamer, waardoor de executieve vaardigheden van jongens zich later ontwikkelen.
Ook plannen wordt steeds belangrijker, evenals zelf verantwoordelijk nemen voor hoe je leert
Tegelijk zie je dat steeds meer vormen van onderwijs sociaal worden ingericht: het gaat om samen leren, in de groep. Ook plannen wordt steeds belangrijker, evenals zelf verantwoordelijkheid nemen voor hoe je leert. Dat zijn allemaal dingen waar meiden vaak beter in zijn dan jongens.” Momenteel is Theo bezig om via data te achterhalen bij welke specifieke vakken en werkvormen mannelijke studenten (en studenten uit andere benadeelde groepen) op moeilijkheden stuiten, zodat daar gerichte maatregelen kunnen worden getroffen. Dat jongens zich wat langzamer ontwikkelen dan meisjes, zorgt er ook voor dat zij op de basisschool vaak een lager advies krijgen: zij gaan vaker naar het vmbo en stromen daarom vaker door van mbo4 naar het hbo. Een groep voor wie dat in nog sterkere mate geldt, zijn leerlingen uit minderheidsgroepen en kansarme gezinnen. “Zij krijgen op de basisschool structureel te maken met onderadvisering. Hun cognitieve niveau ligt vaak hoger dan hun geadviseerde onderwijsniveau. Daarom zie je dat deze studenten verderop in hun studieloopbaan vaak willen opklimmen. De route van mbo naar hbo is voor hen heel belangrijk.” Het is immers een mogelijkheid om de kansenongelijkheid uit de vroegere fase van hun schoolcarrière alsnog recht te zetten.
Doorstroom verbeteren
Maar in zijn dataonderzoek zag Theo duidelijk dat de overstap van mbo4 naar hbo niet altijd soepel verloopt: leerlingen met een mbo-achtergrond vielen na hun eerste hbo-jaar onevenredig vaker uit dan leerlingen met een havo- of vwo-achtergrond. “Misschien heeft iemand met een mbo-vooropleiding wat meer tijd nodig om de academische aspecten van een hbo-opleiding te leren kennen. En bij technische hbo-opleidingen geldt vaak dat leerlingen met een mbo-diploma moeilijk kunnen meekomen omdat er wiskunde op havo-niveau wordt verondersteld. Dat moeten we als systeem oplossen, want het mbo-diploma is een geldige vooropleiding voor
deze studies.”
Theo adviseert verschillende mogelijke oplossingen. “Je kunt denken aan een indaalprogramma of zomercursus, waarbij leerlingen voorafgaand aan de opleiding worden bijgespijkerd. Je kunt leerlingen ook iets meer tijd geven, zoals nu bijvoorbeeld gebeurt met de pabo-rekentoets, die pas verderop in de opleiding wordt afgenomen, en niet meer in het begin. Een andere optie is om met mbo’s af te spreken dat zij in hun opleidingen alvast aandacht besteden aan bepaalde competenties, zodat de doorstroom naar het hbo soepeler verloopt. Maar het allerbelangrijkste is de afschaffing van het bindend studieadvies, zodat studenten meer tijd krijgen om hun draai te vinden.”
Een begrip waar Theo steeds op terugkomt, is ‘differentiatie’. “Als hbo moet je een brede groep leerlingen bedienen, die instromen vanuit verschillende richtingen. Je hebt eigenlijk drie niveaus, en je moet voorkomen dat je je onderwijs alleen afstemt op de havisten en vwo’ers. Want dan sluit je opleiding minder goed aan bij misschien wel veertig procent van de studenten, namelijk degenen met een mbo-diploma, die evenveel recht hebben op goede aansluiting en passend onderwijs.”
Zelf aan de slag
Momenteel is Theo bezig om zijn methode van dataonderzoek bruikbaar te maken voor alle mbo’s, hbo’s en universiteiten in Nederland. Vanaf de zomer is de methode gratis te downloaden via de website van Npuls (www.npuls.nl), waar het te vinden zal zijn in de categorie ‘AI en Data’. Onderwijsinstellingen kunnen daarmee zelf onderzoeken hoe het gesteld is met kansen(on)gelijkheid binnen hun opleidingen. De methode wordt beschikbaar gesteld in twee moeilijkheidsgraden: de basisversie is geschikt voor onderwijsmedewerkers zónder, en de geavanceerde versie voor medewerkers mét dataervaring.
“Mijn methode is helaas nog niet bruikbaar in het voortgezet onderwijs,” zegt Theo. “Dat komt doordat middelbare scholen met andere datasets werken, die ze bijhouden in systemen zoals Magister, die ik nog niet heb onderzocht.” Wie in het voortgezet onderwijs werkt en tóch interesse heeft in dataonderzoek, kan bijvoorbeeld gebruikmaken van de functie ReportBuilder in Magister. Deze tool is vooral bedoeld voor applicatiebeheerders en medewerkers van de leerlingenadministratie, en maakt het mogelijk om standaardrapportages binnen Magister aan te passen en
eigen rapportages te creëren. Bij de Magister Academy in Ede, Deventer en Leeuwarden worden twee trainingen aangeboden, Reportbuilder Basis en Reportbuilder Expert, om hiermee te leren werken (training.magister.nl). Een andere aanbieder van data-analysetools in het voortgezet onderwijs is The Implementation Group (tignl.eu/dashboards).
Gevoelige kenmerken
Wanneer je als onderwijsinstelling zelf begint om kansen(on)gelijkheid in kaart te brengen via data-analyse, kun je volgens Theo het beste kijken naar kenmerken zoals geslacht en leeftijd. “Ook etniciteit is een belangrijk kenmerk, dat waarschijnlijk veel invloed heeft op kansenongelijkheid. Maar doordat het een bijzonder persoonsgegeven is, worden er vanuit de AVG (Algemene Verordening Gegevensbescherming, red.) andere eisen gesteld aan de verwerking daarvan. Geslacht en leeftijd zijn gemakkelijker om als eerste te onderzoeken: het zijn geen bijzondere persoonsgegevens, maar wel sensitieve kenmerken waarop gediscrimineerd kan worden, en daarom relevant voor kansengelijkheidsonderzoek.”
Bovendien bestaat er enige overlap tussen de categorie leeftijd en de categorie etniciteit: omdat veel leerlingen met een migratieachtergrond een lager schooladvies krijgen op de basisschool, zijn ze waarschijnlijk ook oververtegenwoordigd onder de leerlingen die een jaartje ouder zijn omdat ze van het vmbo naar de havo zijn overgestapt, of van de havo naar het vwo. “Het is belangrijk om die groep in beeld te krijgen, en te zien of het onderwijs voldoende gedifferentieerd is om leerlingen met verschillende instroomroutes een eerlijke kans te geven.”
Wat kun je doen als je via data-analyse hebt ontdekt dat bepaalde groepen onevenredig vaak blijven zitten of uitvallen? “Het is belangrijk om met docenten te spreken over hun ervaring, over wat ze zien in de klas,” aldus Theo. “Vaak hebben zij al een idee over de mogelijke oorzaken. En vergeet niet om ook met leerlingen te spreken. We moeten niet alleen over hen praten, maar ze ook zelf betrekken bij mogelijke oplossingen. Dat doen we soms echt te weinig.” Bovendien kun je via verfijndere data-analyse heel precies in beeld brengen bij welke vakken of werkvormen het misgaat voor bepaalde groepen leerlingen. “Als je daar gerichte aanpassingen doorvoert, kun je soms het verschil al maken.” Zo voorkom je onnodige uitval en krijgen alle leerlingen evenveel kans om hun schoolcarrière succesvol te doorlopen.
