Brug af data
Der bliver lavet meget store mængder data, som er relevant for skolebestyrelsen at forholde sig til. Det kan være data fra nationale test, afgangskarakterer efter 9. klasse, nationale trivselsmålinger, kommunale kvalitetsrapporter m.v.. Mange af tallene er samlet i en database som er offentligt tilgængelig. Her kan man lave en rapport for hver kommune og hver skole.
Øvrige data kan skolebestyrelsen rekvirere hos skolelederen.
God praksis
Når man bruger data i sit arbejde i skolebestyrelsen, er der en række forhold, man skal overveje, inden man drager konklusioner - hvis man vil holde sig til god praksis for brug af data:
Se på flere år
Små ændringer fra år til år i eksempelvis skolens afgangskarakterer efter 9. klasse er ikke nødvendigvis noget, der bør give anledning til bekymring. Små forskelle kan være naturlige variationer fra år til år på baggrund af elevsammensætningen i klasserne o.l..
Det er god praksis at se på resultater fra eksempelvis de sidste tre år, før man begynder at drage konklusioner om skolens resultater.
Statistisk signifikans
Små afvigelser fra et landsgennemsnit skal heller ikke give anledning til bekymring. I den ovenfor omtalte database kan man se tal for skolens gennemsnitlige afgangskarakterer efter 9. klasse i forhold til socio-økonomi, dvs. forældrenes baggrund. Her er der eksempelvis en * (Stjerne), hvis forskellen mellem den forventede karakter på baggrund af socio-økonomi og de faktiske afgangskarakterer er statistisk signifikant, det vil sige større, end usikkerheden i selve beregningen - og dermed statistisk sikker.
I disse socioøkonomiske beregninger er det som udgangspunkt kun de statistisk sikre resultater, som man skal tage alvorligt.
Brug flere datatyper
Hvis de nationale test på skolen viser, at der er et problem i dansk i 2. klasserne, bør man eksempelvis indhente lærerteamets vurdering af elevernes niveau, inden man konkluderer noget. Computerbaserede test viser et øjebliksbillede af et begrænset område.
Generelt er det god praksis at efterspørge data, der er lavet på andre måder, end det ”datasæt” man allerede har.
Brug de rigtige sammenligninger
Når man bruger data, sammenligner man ofte med gennemsnittet i kommunen eller det nationale gennemsnit. Det er selvfølgelig en god ide at få et indtryk af, hvordan skolen klarer sig generelt, men denne type sammenligninger har også klare begrænsninger. Der kan være store forskelle i eksempelvis elevsammensætningen fra skole til skole. Hvis man vil have en kvalificeret sammenligning, skal man eksempelvis finde andre skoler eller kommuner, der ligner ens egen så meget som muligt.
Skjulte sammenhænge
Det kan være, at en skole I løbet af et år oplever et stort fald i den gennemsnitlige afgangskarakter efter 9. klasse. Men når man går data efter, kan det også vise sig, at andelen af elever, der går op til eksamen i samme periode, er steget fra 88 til 95 procent af årgangen. Man må forvente, at en så stor stigning i andelen, der går til eksamen, vil have en negativ effekt på karaktergennemsnittet, da det er de fagligt svageste elever, der bliver undtaget fra at gå til eksamen.
Garbage in - garbage out
Hvis der er mangler eller andre problemer med de tal man putter ind i et regneark, vil de problemer også blive afspejlet i de resultater, der kommer ud af regnearket. Hvis der eksempelvis kommer meget opsigtsvækkende resultater ud af et regneark, er det en god ide at gennemgå datagrundlaget endnu en gang, hvis det er muligt.
Korrelation - ikke årsag
Et af de mest almindeligt brugte statistiske greb er en korrelation, hvor man undersøger, om der er en sammenhæng mellem to faktorer. Her ser man på, om eksempelvis elevernes karakterer bliver højere i takt med, at forældrene er mere veluddannede, velhavende, raske og i arbejde (Det meget sammensatte begreb socioøkonomi). Tallene viser, at der er en høj grad af sammenhæng mellem forældrenes socioøkonomi og elevernes karakterer - altså jo bedre socioøkonomi hos forældrene, jo bedre karakterer til eleverne.
En korrelation siger imidlertid ikke nødvendigvis noget om årsagen til sammenhængen. Her bliver man ofte nødt til at grave et spadestik dybere.
Det er god praksis at være opmærksom på forskellen mellem sammenhæng og årsag.
Indikator eller hårde facts
Mange data er såkaldte indikatorer. Det betyder, at de giver et fingerpeg om noget, men ikke viser hele den komplekse virkelighed. De nationale test er et godt eksempel på en såkaldt indikator, da de kun kan vise noget af, hvad eleverne har lært i eksempelvis faget dansk. Modsætningsvis er en opgørelse over antal sygedage blandt personalet hårde data – altså fakta.
Det er god praksis at gøre sig klart, hvilken type data man arbejder med.
Sygefravær blandt personalet er i sig selv en indikator - på fx. det generelle arbejdsmiljø på skolen. Her må man så igen grave et spadestik dybere, hvis man vil kunne komme med bud på sammenhænge eller egentlige årsager til fx et højt sygefravær.
Sikre vurderinger
Hvis 74 procent af indskolingseleverne mener, toiletterne på skolen er ulækre, og samme tal kun er 25 procent i gennemsnit for hele kommunen, er det nærliggende at antage, at netop ens egen skole har et problem med ulækre toiletter. Hvis denne vurdering bekræftes af andre typer input, kan man nå frem til, at der er tale om en sikker vurdering.
I al omgang med data gælder det generelt om at nå frem til sikre vurderinger.
Overordnet gælder det derfor om at finde ud af, hvilke vurderinger man kan anse som sikre - og så handle på dem.
