Omgevingsanalyse als beleidsinstrument

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 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

26. 5 cases

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

28. 5 cases

29. Segregatiecurve in Antwerpen (2008)

30. In- en uitstromers SO in Antwerpen

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 School7 School8 School9

37. Groot Moeilijk Wit … Klein Gemakkelijk Zwart … Semantische differentiaal

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

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

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

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 (www.schoolfeedback.be) 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