inzichten uit data keynote door bart sigger

22
Wat kunt u met uw data? Inzichten uit de praktijk November ‘14

Upload: exposchoolaanzet

Post on 13-Jul-2015

165 views

Category:

Education


0 download

TRANSCRIPT

Page 1: Inzichten uit data keynote door bart sigger

Wat kunt u met uw data?Inzichten uit de praktijk

November ‘14

Page 2: Inzichten uit data keynote door bart sigger

1

Copyr

ight

© 2

014 b

y T

he B

osto

n C

onsultin

g G

roup,

Inc.

All

rights

reserv

ed.

Doelen van vandaag

Illustreren wat voor inzichten er zitten verscholen in uw data

Discussiëren hoe zulke inzichten uw beslissingen kunnen beïnvloeden

Bespreken hoe (makkelijk) u dit kunt toepassen

Page 3: Inzichten uit data keynote door bart sigger

2

Copyr

ight

© 2

014 b

y T

he B

osto

n C

onsultin

g G

roup,

Inc.

All

rights

reserv

ed.

Enige context

Ontwikkelmodel School aan Zet en BCG

• Vijf algemene aspecten, waaronder ‘Goede differentiatie’

Vraag vanuit een school

• Wat betekent 'Goede differentiatie' concreet?

Als strategie consultant doen waar we goed in zijn

• Inzichten uit data halen

‘Betere differentiatie’ concreet maken

• Eenvoudige reproduceerbare analyses

Impact op beslissingen o.b.v. data bespreken

• Vanuit ons alleen suggesties

Aanleiding

Het

onderzoek

Page 4: Inzichten uit data keynote door bart sigger

3

Copyr

ight

© 2

014 b

y T

he B

osto

n C

onsultin

g G

roup,

Inc.

All

rights

reserv

ed.

De achterliggende logica: doel-middel ontwarring

Uiteindelijke

doel:

Betere

differentiatie

Resultaat:

Potentie van

leerlingen

benut

Een effect:

Minder

afstroom

Middel:

Leerling op

de juiste plek

Interventies:

- Instroomniveau

- Profielkeuze

Middel:

Leerling goed

ondersteunen

Interventies:

- Extra begeleiding

- Docenten van

elkaar laten leren

=

I

II

III

IV

Page 5: Inzichten uit data keynote door bart sigger

4

Copyr

ight

© 2

014 b

y T

he B

osto

n C

onsultin

g G

roup,

Inc.

All

rights

reserv

ed.

Opbouw van de presentatie

Analyse

Uitkomst analyse op

basis van data uit

Magister

Discussie

Voorgestelde actie(s) op

basis van analyses

Slechts drie analyses

Eindeloos meer mogelijk!

Volgende Analyse

Etc.

Page 6: Inzichten uit data keynote door bart sigger

5

Copyr

ight

© 2

014 b

y T

he B

osto

n C

onsultin

g G

roup,

Inc.

All

rights

reserv

ed.

Agenda

Leerlingen op de juiste plek krijgen

• Passende instroomniveau kiezen

• Passende profiel (helpen) selecteren

Leerlingen goed ondersteunen

• Vroegtijdig risicogroep ondersteunen

• Docenten van elkaar laten leren

Zo kunt u dit toepassen

Appendix: overzicht eerste analyses

Page 7: Inzichten uit data keynote door bart sigger

6

Copyr

ight

© 2

014 b

y T

he B

osto

n C

onsultin

g G

roup,

Inc.

All

rights

reserv

ed.

Cito of basisschooladvies?

BasisschooladviesCito

0

500

1.000

1.500

Aantal leerlingen

79%

21%

20%

Doorstroom

Afstroom

‘Boven' adviesOp advies

80%

0

500

1.000

1.500

Aantal leerlingen

18%

76%

82%

Doorstroom

Afstroom

‘Boven’ adviesOp advies

24%

I

Page 8: Inzichten uit data keynote door bart sigger

7

Copyr

ight

© 2

014 b

y T

he B

osto

n C

onsultin

g G

roup,

Inc.

All

rights

reserv

ed.

Ter discussie:

Op niveau volgens basisschooladvies indelen, want…

• 1,5 keer kleinere kans op afstroom

Boven niveau volgens basisschooladvies indelen, want…

• 3 van de 4 haalt het!

Cito blijven volgen, want…

• Objectiever en klein verschil

Hoe voorkom je tweede orde effect?

• Gaan basisscholen advies aanpassen?

• Feedback-loop naar basisscholen inbouwen?

I

Page 9: Inzichten uit data keynote door bart sigger

8

Copyr

ight

© 2

014 b

y T

he B

osto

n C

onsultin

g G

roup,

Inc.

All

rights

reserv

ed.

Is NT het makkelijkste profiel?

1 2 3 4 5 6

100

105

95

110

0

Index (cijfer in jaar 1 = 100%)

Leerjaar

NT

NG

EM

CM

100%

1 2 3 4 5

0

95

100

105

NT

Index (cijfer in jaar 1 = 100%)

Leerjaar

CM

EM

NG

100%

HAVO

VWO

0

200

400

600

Aantal leerlingen

NTNGEMCM

17%

48%

13%21%

II

0

100

200

300

Aantal leerlingen

NGEM NT

21%

41%

18%21%

CM

Page 10: Inzichten uit data keynote door bart sigger

9

Copyr

ight

© 2

014 b

y T

he B

osto

n C

onsultin

g G

roup,

Inc.

All

rights

reserv

ed.

In 1e hebben toekomstige leerlingen zelfs laagste cijfer!

HAVO

VWO

Profiel Leerjaar 1 2 3 4 5

CM 6,95 6,75 6,58 6,21 6,32

EM 6,83 6,67 6,47 6,24 6,28

NG 6,76 6,66 6,58 6,27 6,22

NT 6,70 6,79 6,60 6,37 6,45

Profiel Leerjaar 1 2 3 4 5 6

CM 7,11 7,12 6,69 6,48 6,54 6,39

EM 6,83 6,82 6,63 6,30 6,49 6,45

NG 6,99 6,81 6,65 6,48 6,51 6,41

NT 6,77 7,11 7,00 6,78 6,63 6,72

Page 11: Inzichten uit data keynote door bart sigger

10

Copyr

ight

© 2

014 b

y T

he B

osto

n C

onsultin

g G

roup,

Inc.

All

rights

reserv

ed.

II

Ter discussie: juiste profiel helpen kiezen

Hypothese: N&T omgeving stimuleert leerlingen

• Is er binnen andere profielen sprake van een andere sfeer?

• Hoe kijken docenten naar de leerlingen?

Kan een school meer leerlingen aansporen om voor N&T te kiezen?

• Bv. leerlingen zonder voorkeur ‘standaard’ naar N&T

• Bv. er op wijzen dat N&T, zeker met economie, meer keuzevrijheid geeft voor studies?

Page 12: Inzichten uit data keynote door bart sigger

11

Copyr

ight

© 2

014 b

y T

he B

osto

n C

onsultin

g G

roup,

Inc.

All

rights

reserv

ed.

Agenda

Leerlingen op de juiste plek krijgen

• Passende instroomniveau kiezen

• Passende profiel (helpen) selecteren

Leerlingen goed ondersteunen

• Vroegtijdig risicogroep ondersteunen

• Docenten van elkaar laten leren

Zo kunt u dit toepassen

Appendix: overzicht eerste analyses

Page 13: Inzichten uit data keynote door bart sigger

12

Copyr

ight

© 2

014 b

y T

he B

osto

n C

onsultin

g G

roup,

Inc.

All

rights

reserv

ed.

Sommige vakken voorspellen beter dan andere

Vak Afstroom t/m VWO 4Geen afstroom

Wiskunde

Verschil

...

Biologie

Gemiddeld cijfer eerste jaar leerlingen

Frans

Totaal

7,3

(range: 5,4 – 9,1)

7,2

(range: 4,4 – 9,5)

7,1

(range: 5,2 – 8,9)

...

Gem.: 7,4

(range: 7,1 – 7,7)

6,0

(range: 4,4 – 8,7)

5,9

(range: 4,1 – 8,6)

5,8

(range: 4,0 – 8,5)

...

Gem.: 6,7

(range: 5,6 – 7,3)

1,3

1,3

1,3

...

Gem.: 0,7

Informatica7,6

(range: 6,4 – 8,7)

7,3

(range: 6,7 – 8,2)

0,3

Lichamelijke

opvoeding7,2

(range: 6,3 – 8,1)

7,1

(range: 6,6 – 7,8)

0,1

Handvaardigheid7,5

(range: 5,6 – 9,0)

7,3

(range: 5,7 – 8,2)

0,1

Page 14: Inzichten uit data keynote door bart sigger

13

Copyr

ight

© 2

014 b

y T

he B

osto

n C

onsultin

g G

roup,

Inc.

All

rights

reserv

ed.

III

Ter discussie: vroegtijdig ingrijpen

Kan een school leerlingen tijdig en effectief begeleiden?

• Welke mogelijkheden zijn er om leerlingen (individueel) te begeleiden?

• Kan de begeleiding één van de drie benodigde vaardigheden verbeteren?

Hoe voorkom je missers?

• Liever ‘false negatives’ dan ‘false positives’

Page 15: Inzichten uit data keynote door bart sigger

14

Copyr

ight

© 2

014 b

y T

he B

osto

n C

onsultin

g G

roup,

Inc.

All

rights

reserv

ed.

Met welke leerlingen werkt welke docent

het best?

Goed met alle leerlingen

Goed met matige

leerlingenGoed met sterke

leerlingen

Verschil in cijfer t.o.v. voorgaand jaar

Type leerling

Gem. >7Gem

>6, <7

Gem. <6

Type leerling

Gem. >7Gem

>6, <7

Gem. <6

Verschil in cijfer t.o.v. voorgaand jaar Verschil in cijfer t.o.v. voorgaand jaar

Type leerling

Gem. >7Gem

>6, <7

Gem. <6

Type

docent

Effect

op types

leerling

IV

Hypothese:

didactisch

sterke docent

Hypothese:

vakinhoudelijk

sterke docent

Page 16: Inzichten uit data keynote door bart sigger

15

Copyr

ight

© 2

014 b

y T

he B

osto

n C

onsultin

g G

roup,

Inc.

All

rights

reserv

ed.

IV

Ter discussie: omgaan met verschillende type docenten

Kunnen alle docenten goed worden met elke leerling?

• Hoe worden docenten opgeleid, nadat ze bij een school zijn gestart?

• Staan docenten open voor meer samenwerking om van elkaar te leren?

Kan een school leerlingen en docenten beter aan elkaar koppelen?

• Bv. klassen indelen op niveau en de 'juiste' docent voor de 'juiste' klas te zetten?

• Bv. verschillende docenten voor één klas te zetten?

• Bv. mentoren geen gewone klas te geven, maar een 'mentorklas' met 1 type leerling?

• Bv. leerlingen individueel begeleiden door het juiste type docent?

Page 17: Inzichten uit data keynote door bart sigger

16

Copyr

ight

© 2

014 b

y T

he B

osto

n C

onsultin

g G

roup,

Inc.

All

rights

reserv

ed.

Agenda

Leerlingen op de juiste plek krijgen

• Passende instroomniveau kiezen

• Passende profiel (helpen) selecteren

Leerlingen goed ondersteunen

• Vroegtijdig risicogroep ondersteunen

• Docenten van elkaar laten leren

Zo kunt u dit toepassen

Appendix: overzicht eerste analyses

Page 18: Inzichten uit data keynote door bart sigger

17

Copyr

ight

© 2

014 b

y T

he B

osto

n C

onsultin

g G

roup,

Inc.

All

rights

reserv

ed.

Hoe u inzichten uit data kunt halen

Deze analyses kunnen binnen 2 uur voor u worden uitgevoerd

• Benodigdheden: mijn Excel sheets + Magister-gebruiker

Meer algemeen: wat is er voor nodig

• Uzelf de vraag stellen ‘wat zou ik willen weten’?

• Een behulpzame ‘nerd’ benaderen

• Harde data als puzzelstukje zien, niet als heilige graal

Ter overweging: toekomstmuziek

• Integratie in een softwarepakket?

• Data-analyse als standaard docenten-vaardigheid?

Page 19: Inzichten uit data keynote door bart sigger

18

Copyr

ight

© 2

014 b

y T

he B

osto

n C

onsultin

g G

roup,

Inc.

All

rights

reserv

ed.

Agenda

Leerlingen op de juiste plek krijgen

• Passende instroomniveau kiezen

• Passende profiel (helpen) selecteren

Leerlingen goed ondersteunen

• Vroegtijdig risicogroep ondersteunen

• Docenten van elkaar laten leren

Zo kunt u dit toepassen

Appendix: overzicht andere analyses

Page 20: Inzichten uit data keynote door bart sigger

19

Copyr

ight

© 2

014 b

y T

he B

osto

n C

onsultin

g G

roup,

Inc.

All

rights

reserv

ed.

Een aantal van de voorgestelde analyses (I)

Doel Hypothese

Wiskundecijfer is een betere

voorspeller van afstroom dan

andere vakken

Meer jongens stromen af dan

meisjes

Jongens stromen af o.b.v. lage

cijfers/ tekortpunten voor

andere vakken dan meisjes

Verzuim tijdens lessen is een

voorspeller van afstroom

Aantal verwijderingen per jaar

is een voorspeller van afstroom

Initiële analyse

Gemiddelde cijfers in 1e jaar

per vak voor afgestroomde/

niet-afgestroomde ll-en

% afstroom voor jongens vs

meisjes

%'s van vakken met laagste

cijfer bij afstroom voor

jongens/ meisjes

Aantal verzuim voor

afstroom/niet-afstroom

Aantal verwijderingen voor

afstroom/niet-afstroom

Priori

-teit?

Ja?

Ja?

Ja?

Nee?

Nee?

Afstroom

minima-

liseren

Potentieel

benutten

Nut

Focus op cijfers van wiskunde

(of ander vak) voor bepalen

interventies

Bepalen of meer aandacht aan

J/M gegeven dient te worden

Extra focus op bepaalde

vakken voor jongens/meisjes

Extra aandacht voor leerlingen

met veel verzuim

Extra aandacht voor leerlingen

met veel verwijderingen

Ervaren leraren hebben meer

toegevoegde waarde

Kwartielenanalyse: relatief

rankingverschil van leer-

lingen per leraar (verband

met jaren leservaring)

Ja? Bijv.: onervaren docenten

extra laten coachen door

ervaren docenten

Initiële analyses hebben

tot doel vervolganalyses

en prioriteiten te bepalen

Niet voldoende data beschikbaar

Page 21: Inzichten uit data keynote door bart sigger

20

Copyr

ight

© 2

014 b

y T

he B

osto

n C

onsultin

g G

roup,

Inc.

All

rights

reserv

ed.

Een aantal van de voorgestelde analyses (II)

Doel Hypothese

Cito-score is een voor-

speller van doorstroom

Cito-score is een betere

voorspeller van

schoolsucces dan

basisschooladvies

Initiële analyse

Gemiddelde Cito-scores

doorstroom/niet-doorstroom

Telling diploma/afstroom

voor juistheid Cito-score vs

basisschooladvies

Priori-

teit

Nee?

Nee?

Elke

leerling

op de

juiste

plek

Betere

aanslui-

ting met

vervolg-

onderwijs

Nut

Indicatie hoe erg gekeken dient

te worden naar Cito-scores

Indicatie of meer gekeken dient

te worden naar Cito-scores of

basisschooladvies voor bepalen

instroom per schoolniveau

Initiële analyses hebben

tot doel vervolganalyses

en prioriteiten te bepalen

Streven

naar Fase

4 Ontwik-

kelmodel

Beter georganiseerde

secties scoren relatief

beter

Relatieve gem. CE-cijfers

per vak vs rest van NL –

koppeling met kwalitatieve

beoordeling van hoeveel-

heid kennisdeling per sectie

Nee?Bijv.: minder georganiseerde

secties beter organiseren

(samen leerlingdata analyseren,

groepsplannen maken, etc.)

Potentieel

benutten

Zesjescultuur is vooral een

jongensprobleem

% jongens versus meisjes

met net een voldoende

Nee?Identificeren van leerlingen die

extra uitgedaagd dienen te

worden

Er is een correlatie tussen

succes in vervolgonderwijs

en cijfers voor gerelateerde

vakken op VO

Correlaties cijfers

vervolgonderwijs en

gerelateerde vakken op VO

Nee?Leerlingen met lage cijfers voor

gerelateerde VO-vakken extra

goed begeleiden naar

vervolgonderwijs

Page 22: Inzichten uit data keynote door bart sigger

Thank you

bcg.com | bcgperspectives.com