Categorie: onderwijsbeleid

onderwijsbeleid, leraar, samenwerkingsverband, belangenvereniging, adviesraden

verborgen lerarentekort

Wanneer scholen niet voldoende leerkrachten kunnen werven, moeten er andere oplossingen worden gezocht: onbevoegden voor de klas, inzetten van zij-instromers, groepen samenvoegen, externen inhuren…
In een aantal grote steden wordt dit verborgen lerarentekort geïnventariseerd, en bekeken hoe scholen het tekort aan onderwijzend personeel aanpakken.

De visual toont het aantal fte verborgen en vacante tekort aan leerkrachten op de scholen. Het laat zien dat een heel aantal scholen geen of een beperkt tekort kennen, terwijl op andere scholen de tekorten erg oplopen.

gemeenten en dan anders

In onderwijsland zijn er vele datasets met daarin het kenmerken gemeente. Soms ook kan de gemeente ook worden afgeleid (bv. via een postcode) of toegevoegd middels een koppeling met een scholenbestand (met daarin de vestigingsgemeente). Voor de gemeente zijn er zijn diverse alternatieve en mede daardoor verrassende andere betekenissen. Én andere eigenaren (maar hierover elders meer).

Er zijn vele datasets beschikbaar. Een voorbeeld is een open dataset met de basisschooladviezen. In deze open dataset wordt per jaar en per school het aantal leerlingen gegeven op een elftal adviezen (vso, pro, bb t/m vwo, nvt).
In deze dataset is bij de school tevens de postcode, de plaatsnaam, en de vestigingsgemeente vermeld. Op basis hiervan kan de wijk/buurt, stadsdeel/plaatsnaam en/of de regio worden vastgesteld. Al deze kenmerken zijn gehangen aan de school.
De actuele woongemeente en de geboortegemeente zijn veelal niet beschikbaar. Denkbaar is dat bij andere datasets ook andere gemeenten zeggingskracht hebben (bv. overgangsgemeente ten tijde van de start in het middelbaar of hoger onderwijs).
In een dataset waarbij gemeenten centraal staan, kunnen data per vestigingsgemeente, woongemeente en/of geboortegemeente tezamen worden gebracht:

Het voorbeeld toont (fictieve) tellingen voor de gemeenten Capelle a/d IJssel (502) en Leidschendam-Voorburg (1916) met een uitsplitsing voor de plaatsen Stompwijk (wijk 191612), Leidschendam (wijken 191606 t/m 1916011) en Voorburg (wijken 191601 t/m 191605). In de dataset zijn de aantallen niet uitgeplitst naar scholen, al is er nog wel een uitsplitsing voor basisscholen versus scholen voor speciaal basisonderwijs.

Tellingen en datasets naar woongemeenten (en/of geboortegemeente) zijn relevant voor gemeenten, lokale organisaties en inwoners/bewoners. Dit geldt des te meer wanneer onderwijsvoorzieningen en -aanbod een meer regionale of zelfs landelijke functie hebben. Zo heeft de gemeente Leidschendam-Voorburg geen scholen voor speciaal basisonderwijs, maar uiteraard wel sbo-leerlingen woonachtig in de gemeente.

Er bestaat er naast de buurtcode ook een plaatscode. Deze codes zijn handzamer dan de namen. In RIO (registratie instellingen onderwijs) is nog niet voorzien in deze plaatscode. Plaatscodes zijn momenteel beschikbaar bij het CBS.

Speciale aandacht vragen de wijken (af te leiden van de buurtcode) en de stadsdelen (ook te beschouwen als plaatsen binnen grotere gemeenten). Soms zijn plaatsen en stadsdelen gelijk aan de wijken, en soms moeten deze worden afgeleid van de buurten of wijken.

Vanwege privacy-overwegingen rond het CBS aantallen of tot vijftallen of verbergt zij deze. Hierdoor komen gesommeerde aantallen niet meer overeen met totale elders. Dit doet zich ook voor bij uitsplitsingen naar gemeente en plaatsen/stadsdelen. Een optie is om niet de aantallen af te ronden of te verbergen, maar de naam van de betreffende plaats/stadsdeel te vervangen door de gemeentecode. Een andere optie is de betreffende adviezen of de betreffende onderwijssoorten samen te voegen.

Een specifieke toepassing van open datasets met zowel vestigingsplaats en woonplaats, is de berekeningen van dissimilarities of evenredige vertegenwoordiging: “Maken leerlingen uit verschillende gemeenten in gelijke mate gebruik van onderwijsvoorzieningen?”.

woongemeente

elites

Er is sprake van een groeide kansenongelijkheid in het onderwijs (en elders). Wie goed luistert, kan het horen donderen.

Datascientists-onderzoekers moeten een sensitiviteit hebben voor wat er mogelijk zich afspeelt onder de data-oppervlakte. Al te vaak worden ogenschijnlijke geringe anomalieën voor lief genomen, en resulteren uitkomsten met al te vanzelfsprekende significanties, tot voor de hand liggende bevindingen en herbevestiging wat al bedacht was.
De Loos Monitoring luistert nauwgezet en zoekt graag nog even door. Soms leidt dat tot alternatieve verklaringen. Wanneer deze niet bijdragen tot nieuwe inzichten, dan kunnen deze alsnog eenvoudig terzijde worden gelegd. Er is namelijk het risico dat een waaiert aan analyses, al te vaak leidt tot een of andere onbetekenend resultaat.
Toegankelijke en gedeelde cijfers, kunnen door samenspraak leiden tot nieuwe vergezichten.

Een meester in het doorgraven is waarschijnlijk Thomas Pikkety. Hij is een begenadigd luisteraar (lees ook recensie van Merijn Oudenkampsen, NRC dd 20 februari 2020).
En hij ziet de bevolking vermalen worden tussen twee elites:

  • de zakelijke elite met als achterban ‘macht, media, massa’;
  • en intellectuele elite van ‘het goede, het gelijke en het gave’.

Het onderwijs krijgt mede door Corona met schaarste te maken. Dit treft in sterkere mate de leerlingen met lagere onderwijskansen. De onderwijsraad vraagt dd 9 juni 2020 met klem om passende maatregelen.

Hebben de elites oog voor de ‘nukken, noden en niches’ van de groeiende onderlaag?