Download de presentatie
De presentatie wordt gedownload. Even geduld aub
GepubliceerdGuus Cools Laatst gewijzigd meer dan 9 jaar geleden
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
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
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
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
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
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
Verwante presentaties
© 2024 SlidePlayer.nl Inc.
All rights reserved.