Infographic kansenongelijkheid Voortgezet Onderwijs

[Nieuws]

Data visualiseren is een van de uitdagingen tijdens Hack de Valse Start. Open State Foundation heeft samen met Jaap Nauta een deel van de datasets die beschikbaar zijn gevisualiseerd, inclusief wat er in die datasets te vinden is.

Het voortgezet onderwijs in Nederland is onderverdeeld in vier richtingen: praktijkonderwijs, voorbereidend middelbaar beroepsonderwijs (vmbo), hoger algemeen voortgezet onderwijs (havo), voorbereidend wetenschappelijk onderwijs (vwo).

In de eerste infographic tonen we een metrokaart over kansenongelijkheid in het primair onderwijs, in deze tweede infographic gaat over het voortgezet onderwijs. Jongeren volgen het voortgezet onderwijs doorgaans tussen hun 12e en 18e levensjaar, totdat ze een startkwalificatie hebben behaald of niet meer leerplichtig zijn.

De infographic leest als een metrokaart over kansenongelijkheid, met verschillende zones: de dataset-, de factor- en de eventzone. Alle metro’s starten bij een dataset (‘waar is het te vinden’) die op de een of andere manier iets kan zeggen over kansenongelijkheid. Hier vandaan lopen de lijnen naar de factorzone (‘waardoor komt het’) waar vanuit de lijnen lopen naar verschillende eindbestemmingen in de eventzone (‘wat zien we’). De eindbestemmingen in de eventzone kunnen positief zijn (groen), maar ook minder positief (oranje of rood) als het gaat om kansenongelijkheid.

infographic kansenongelijkheid voortgezet onderwijs
Klik hier om het bestand te downloaden.

Kansenongelijkheid in het Voortgezet Onderwijs

In deze infographic gaan we in op kansenongelijkheid bij jongeren in de leeftijdsfase van het Voortgezet Onderwijs. Voor deze jongeren onderscheiden we de volgende startpunten (datasets):
• LOB registratie
• CBS informatie voor derden (Iv3)
• DUO Basisregistratie Onderwijs (BRON)
• Schoolprestatiegegevens (per school)
• Suwinet
• JINC onderzoeksgegevens
• CBS wijken
• Jeugdbeschermingsgegevens
• Politiegegevens

Afhankelijk van welke lijn er gevolgd wordt, signaleren we verschillende zaken, die we factoren noemen. De factoren op zichzelf zijn niet per definitie goed of fout, maar afhankelijk van de waarde die daaronder hangt zouden we al kunnen signaleren dat we op een goede of verkeerde route zitten met betrekking tot kansenongelijkheid. We onderscheiden de volgende factoren:

leerling

• Keuze maken vervolg opleiding
• Beroependagen
• Gemeentelijke uitgaven aan jeugdzorg
• Slechte studieresultaten
• (Veel) bijbanen
• Te veel uren school gemist
• Beroep ouders
• Opleidingsniveau ouders
• Mismatch skills en school(type)
• Schoolsysteem
• Overgang van basis- naar middelbare school
• Verkeerde vrienden
• Juiste vrienden
• Rolmodel(len)
• Financiële noodzaak
• Statusbehoud
• Taalachterstand
• Carrièrecoaching nodig
• Verplicht stagelopen
• % echtscheidingen
• Woningaanbod
• Inkomensverdeling
• %-verdeling religie in een wijk
• Thuissituatie
• Verkeerde vrienden
• Onveilig thuis
• Vandalisme en/of agressie

De eindbestemmingen in de eventzone laten zien dat sommige eindbestemmingen gemiddeld zijn (groen), terwijl andere specifiek zijn (geel). Daarmee bedoelen wij dat niet elke jongere ze meemaakt. Anders is dat voor de rode eindbestemmingen, waar hulp van ouders, school of ondersteunende instanties wel noodzakelijk is om kansenongelijkheid tegen te gaan voor zover dat mogelijk is. We onderscheiden de volgende events:

geodriehoek

• Studiekeuzebegeleiding
• Jeugdzorginterventie
• Voortijdigschoolverlaters (VSV)
• Interventie leerplichtambtenaar
• Thuissituatie
• Stapelen
• Slechte schoolprestaties
• Goede schoolprestaties
• Bijbaan
• Taalbegeleiding
• Studiekeuzebegeleiding
• Stagebegeleiding
• Verhuizen
• Verhuizen
• Gebruik stadspas en/of sportfondpas
• Contact met andere religies
• Ingeschreven staan bij een kerk
• Ondertoezichtstelling (OTS)
• Machtiging uithuisplaatsing (MUHP)
• Politiecontact
• Politiecontact
• Politiecontact

Er zijn mogelijk meer metroroutes, stations en bestemmingen die in kaart kunnen worden gebracht. Welke mogelijke routes zie jij nog meer? Het uiteindelijke doel is om de route naar de minst positieve, rode, eindbestemmingen, zo vroeg mogelijk te signaleren en waar het kan te voorkomen dat die route wordt genomen. Doe je mee?

Ook benieuwd naar het primair onderwijs? Bekijk dan ook onze infographic hierover.

Hack jij de Valse Start?

Op 3 maart 2018 vindt Hack de Valse Start plaats. Tijdens deze hackathon gaan we met open onderwijs data aan de slag om kansenongelijkheid in het onderwijs beter te kunnen signaleren en eventueel aan te pakken. Doe je mee?



Icons: Freepik from www.flaticon.com

‘Next STEP’ wint hackathon over kansenongelijkheid

[Nieuws]

‘Next STEP’ heeft de eerste prijs gewonnen tijdens de hackathon Hack de Valse Start 2018. De toepassing maakt het mogelijk om als leerling rechtstreeks terugkoppeling te geven aan je docent over wat je moeilijk vindt aan het huiswerk. De jury prees het winnende team vanwege de innovatieve invalshoek van de app. Een diverse groep van   >

Tools, hulpmiddelen en technologieën voor datavisualisatie

[Nieuws]

Er zijn veel data beschikbaar op het gebied van onderwijs en kansenongelijkheid. Tegelijkertijd ontbreekt er veel informatie en inzicht. Dat maakt het voor mensen die invloed hebben op het beleid niet eenvoudig. Daarvoor zijn oplossingen nodig. Hoe kun je op een eenvoudige manier data die beschikbaar zijn, visualiseren en interpreteren? Hieronder vijf handige tool-tips. 1.   >

Programma side-event met data, onderwijs, sport en spel

[Nieuws]

Vandaag hebben we een klap gegeven op de programmering van het side-event. We combineren inhoud met sport en spel. Daarom starten we om 10:00 met een seminar over data en onderwijs van Ralph Rusconi, onderzoeker op het gebied van onderwijs bij de gemeente Amsterdam. Hij zal jullie op het begin van de dag nog wat   >

Infographic kansenongelijkheid Primair Onderwijs

[Nieuws]

Data visualiseren is een van de uitdagingen tijdens Hack de Valse Start. Open State Foundation heeft samen met Jaap Nauta een deel van de datasets die beschikbaar zijn gevisualiseerd, inclusief wat er in die datasets te vinden is. Metrokaart kansenongelijkheid Het resultaat is een metrokaart ‘kansenongelijkheid’, met verschillende zones: de dataset-, de factor- en de   >