Omgevingsanalyse als beleidsinstrument

Presentatie over: "Omgevingsanalyse als beleidsinstrument"— Transcript van de presentatie:

1 Omgevingsanalyse als beleidsinstrument
Strategisch omgaan met gegevens Paul Mahieu & Jan Vanhoof

2 Inhoud Omdat gegevens belangrijk zijn 3 stellingen Een model 4 cases
slotbeschouwing

3 Inhoud Omdat gegevens belangrijk zijn 2 stellingen Een model cases
slotbeschouwing

4 Meten is weten Omdat De minister het zegt: “informatierijke schoolomgeving” De internationale trend heet: * evidence based management * data driven decision making * data driven development De inspectie er een zaak van maakt: “e / i / q” -scan

5 Voorontwerp van decreet betreffende de kwaliteit in het onderwijs
§ 2. Met het oog op het realiseren van de vermelde doelstellingen, moet een onderwijsinstelling ten minste: 1° de onderwijsreglementering respecteren (cf. minimumdoelen, erkenningsvoorwaarden, financiering- en subsidiëringsvoorwaarden; 2° beschikken over voldoende beleidsvoerend vermogen daartoe; 3° een eigen kwaliteitssysteem hanteren, met inbegrip van een vorm van zelfevaluatie waar de regelgeving dit vereist.

6 Implicaties voor schoolbeleid?
Kortom: Om in een context van deregulering en het vergroten van de autonomie onderwijskwaliteit te waarborgen, moet de mogelijkheid van scholen om de beleidsruimte te benutten groot zijn. Vandaar de opkomst van termen als beleidsvoerend vermogen, beleidskracht, interne kwaliteitszorg en zelfevaluatie Vandaar de opkomst van geïnformeerde schoolontwikkeling

7 Meten is weten Omdat Het een meerwaarde geeft aan het schoolbeleid
Het een antwoord is op een maatschappelijke vraag/verwachting Het mogelijk is dank zij o.a. nieuwe wettelijke en technische opportuniteiten

8 Inhoud Omdat gegevens belangrijk zijn 2 stellingen Een model cases
slotbeschouwing

9 2 stellingen Cijfers zeggen op zich niets Onderzoek is geen doel

10 Gegevens gegevens meten + code, legende, … informatie weten + ervaring kennis + wijsheid actie doen

11 Gegevens – informatie - kennis
7.52 / 8.38 8.52 / 9.38 9.52 / 10.38 … 8.22 / 9.08 9.22 / 10.08 10.22 / 11.08

12 Gegevens – informatie - kennis
Antwerpen / Turnhout 7.52 / 8.38 8.52 / 9.38 9.52 / 10.38 … Turnhout / Antwerpen 8.22 / 9.08 9.22 / 10.08 10.22 / 11.08

13 Gegevens – informatie - kennis
Antwerpen / Turnhout 7.52 / 8.38 8.52 / 9.38 9.52 / 10.38 … Turnhou / Antwerpen 8.22 / 9.08 9.22 / 10.08 10.22 / 11.08

14 Vraag: Welke gegevens / kennis / vormen van kennismanagement
Zijn beschikbaar / nodig voor de uitbouw van kwaliteitsvol onderwijs ?

15 2 stellingen Cijfers zeggen op zich niets Onderzoek is geen doel

16 Kwaliteitszorg als systematische en geïnformeerde beleidsvoering
Plannen Plannen Aanpassen Aanpassen Doen Doen Controleren Controleren 16

17

18

19 Geïnformeerde schoolontwikkeling: Beleidsgerichte invalshoek

20 Geïnformeerde schoolontwikkeling: onderzoeksgerichte invalshoek
Een heldere vraag als uitgangspunt vooropstellen Relevant Gekaderd Werk maken van doelmatige gegevensverzameling Een gepaste strategie voor de gegevensverzameling kiezen Validiteit bewaken Betrouwbaarheid bewaken Bewaken van de efficiëntie en haalbaarheid Het beantwoorden van de vraag - Interpretatie

21 Bij de interpretatie: Een gepaste basis voor beoordeling
Een normgericht referentiekader: Hoe goed doen wij het in vergelijking met anderen? Een criteriumgericht referentiekader: Hoe goed doen wij het in vergelijking met onze eigen verwachtingen/standaarden? Een schoolgericht referentiekader. Hoe goed doen wij het in vergelijking met voorheen?

22 Inhoud Omdat gegevens belangrijk zijn 2 stellingen Een model cases
slotbeschouwing

23 Een model CIPO context (omgeving) input (wat komt binnen)
proces (hoe doen we het) output (wat gaat uit

24 Meten is weten Een model MRMM macro (wereld tot Vlaanderen)
regio (Antwerpen) meso (de school) micro (de klas)

25 Van Pisa tot ouderbezoek
C Context I Input P Proces O output Macro Regio Meso Micro

26 5 cases C Context I Input P Proces O output Macro Regio Meso Micro

27 Inhoud Omdat gegevens belangrijk zijn 2 stellingen Een model cases
slotbeschouwing

28 5 cases C Context I Input P Proces O output Macro Regio Meso Micro

29 Segregatiecurve in Antwerpen (2008)

30 In- en uitstromers SO in Antwerpen

31

32

33 C Context I Input P Proces O output Macro Regio Meso Micro

34 Meso-context bronnen: Het “café” om de hoek Eigen (markt)onderzoek
Omgevingsanalyse (LOP) Desk research van eigen gegevens (personeel, publiek, leveranciers, …) Raden en organen Toekomstverkenning

35 3de jaar handel School1 School2 School3 School4 School5 School6

36

37 Semantische differentiaal
Groot Moeilijk Wit … Klein Gemakkelijk Zwart …

38 Toekomstverkenning Backcasting Scenario’s Gaming en simulatie Modellen
Netwerk-analyse Delphi-onderzoek SWOT-analyse

39 C Context I Input P Proces O output Macro Regio Meso Micro

40 Meso-input Inhoud: GOK-indicatoren Recruteringskaarten
Thuistaal Trekkende bevolking Opleiding moeder Thuisloos Vervangingsinkomen Recruteringskaarten Schoolachterstand Anderstalige nieuwkomers

41 Meso-input Bron LOP (schoolfiches) Interne gegevens CLB Marktonderzoek

42

43

44 C Context I Input P Proces O output Macro Regio Meso Micro

45 Meso-proces & output Inhoud: Voortgang leerlingen
Voortgang onderwijsproces Doorstroming lln. Schoolontwikkelingsproces

46 Meso-proces & output Bron: Zelf-evaluaties Schooldoorlichting
AGODI via LOP (zittenblijven, doorstroom BuO) SIBO ( Rapporten klassenraden

47

48 Schoolfeedbackproject als casus
Ontwikkeling van een systeem voor geautomatiseerde aanmaak en distributie van schoolfeedback voor elke school die dat wil Voor de leergebieden / groepen naar keuze Op basis van toetsen & modellen ontwikkeld in wetenschappelijk onderzoek Ontwikkelingsperspectief

49 Voorbeeld feedbackrapport
Feedback op schoolniveau Concepten Leerwinst Corrigeren voor instroomkenmerken Toegevoegde waarde Groeicurven Kruistabellen Representatie instroomkenmerken in diagrammen (cirkel, staaf, blokken) en boxplot Toelichtingen gestandaardiseerd Feedback op leerlingniveau: ruwe vaardigheidsscores percentielzones

50 Om af te ronden

51 Inhoud Omdat gegevens belangrijk zijn 2 stellingen Een model cases
slotbeschouwing

52 Gebruik Instrumenteel: Concrete actiepunten
Conceptueel: anders kijken en een verfijnder beeld Symbolisch: Legitimatie voor keuzes Strategisch: basis voor verantwoording Motiverend en prikkelend Leerlinggericht

53 Barrières Wantrouwen tegenover data Gebrek aan opleiding
Werken met data geen deel van de job Leerkracht = vak- en handelingsgericht, niet datagericht Data leidt weg van onderwijzen … => geen datagerichte cultuur