Skolens menneskelige og materielle ressurser

I Opheim mfl. (2010) ble det gjennomført tverrsnittsanalyser (flernivå) av sammenhengen mellom elevenes skårer på nasjonale prøver i lesing, regning og engelsk og utvalgte ressursindikatorer fra GSI. Timetallet og antall PCer per elev var positivt assosiert med prestasjonsnivået både på 5. og på 8. trinn. På 8. trinn var det i tillegg en positiv prestasjonseffekt av kvinneandelen blant lærere i regning, men ikke i lesing og engelsk.

Effektene av slike indikatorer fra GSI er ikke store, men en økning på 100 timer i timetallet på hhv. 2.–

4. trinn og 5.–7. trinn var – alt annet likt – assosiert med en gjennomsnittlig forbedring i prestasjons-skåren på mellom 8 og 16 prosent av et standardavvik. Her var effekten størst i regning. En økning i antall PCer per elev med en halv PC var – alt annet likt – assosiert med en gjennomsnittlig forbedring av prestasjonsnivået med inntil 10 prosent av et standardavvik (regning) på 5. trinn og inntil 6 prosent av et standardavvik (engelsk) på 8. trinn. Dette er interessante prestasjonseffekter av en partiell økn-ing i skolens satsnøkn-ing på undervisnøkn-ing og ny informasjonsteknologi (IKT), men prestasjonseffektene kan ikke sies å være store (Jf. Opheim mfl. 2010: 92, tabell 3.14 og 107, tabell 4.5).

Engelsk

68

Når vi sammenligner skoler som varierer med 100 undervisningstimer per år og med en tilgang på elevPCer som varierer med en halv PC per elev, gjennomfører vi i realiteten en ganske radikal sam-menligning av barneskoler i Norge.

Det er kanskje like interessant hvilke ressursindikatorer fra GSI som ikke hadde statistisk effekt på prestasjonsnivået i barneskolen. Antall elever per lærer, andel lærere med godkjent lærerutdanning og andel elever med spesialundervisning var ikke signifikant assosiert med prestasjonsnivået i barne-skolen.

Wiborg mfl. (2011) benyttet value added–modeller (flernivåanalyse) for å undersøke om indikatorer på skolens tilgang på og bruk av menneskelige og materielle ressurser var assosiert med prestasjons-utviklingen mellom 5. og 8. trinn. Også i disse analysene var det sparsomt med ressursindikatorer som hadde signifikant statistisk effekt på prestasjonene, men igjen var det timetallet og antall PCer per elev (på 2.–4. trinn) som hadde de tydeligste effektene. Det var også en signifikant positiv effekt på presta-sjonsutviklingen av en økning i andelen kvinnelige lærer i lærerstaben, noe som for så vidt samsvarer godt med en positiv effekt på prestasjonsnivået på 8. trinn av en høy kvinneandel blant lærerne (Opheim mfl. 2010: 107).

Effektene på prestasjonsutviklingen av ressursindikatorer fra GSI er gjennomgående litt mindre enn effektene på prestasjonsnivå, bl.a. fordi value added–modellene betinger effekter av skoleressurser på elevenes opprinnelige (initiale) prestasjonsnivå (Wiborg mfl. 2011: 91, figur 4.5). Slike kontrollvariabler var ikke tilgjengelige i Opheim mfl.s tverrsnittsanlyse i 2010.

Gitt disse funnene fra tidligere analyser, bør vi kanskje ikke ha for store forventninger til ressursmål-enes forklaringskraft, men vi gjennomfører to svært radikale sammenligninger og det bedrer antagelig muligheten til å identifisere effekter av forskjeller i tilgangen på og bruken av ressurser i skolen.

Samtidig er våre resultatmål forskjellige fra de standardiserte prestasjonsmålene som ble benyttet i Opheim mfl. (2010) og i Wiborg mfl. (2011). Våre prestasjonsmål er renset for den kollektive kompo-nenten av sosial bakgrunn i vid forstand (riktignok ikke renset for den sosiale interaksjonen mellom skole- og elevnivået), og vår analyse foregår på skolenivå, ikke på kombinasjoner av skole- og elev-nivå som i flerelev-nivåanalyse. La oss nå se på tallenes tale:

For det første finner vi at skoler i Oslo og Akershus er overrepresentert blant gode skoler etter begge kriterier. Det samme gjelder kombinerte barne– og ungdomsskoler og skoler i sentrale strøk. Private skoler finnes ikke i den svakeste gruppen etter kriterium 2, men det er bare etter dette kriteriet (og ikke etter kriterium 1) at effekten av eierform er signifikant. Bokmålsskoler er best i lesing, mens nynorsk-skoler er best i regning. Slik var det også da vi studerte sammenhengen mellom hovedmålføre og prestasjonsutviklingen i barneskolen (Wiborg mfl. 2011: 93).

For det andre er det tydelige effekter av timetall, særlig på 5.–7. trinn. Timetallet er en indikator på (potensiell) undervisningsmengde. Tilgangen til moderne informasjonsteknologi har også signifikante effekter: Skoler som har et høyt antall PCer per elev er overrepresentert både blant de 25 prosent høyest presterende skolene på 8. trinn (residualskår) – kriterium 1 – og blant skoler som med utgangs-punkt i en høy skår på 5. trinn også hadde en positiv prestasjonsutvikling frem mot 8. trinn (residual-skår) – kriterium 2. Disse effektene er bare litt mindre enn effekter av miljøkjennetegn (arbeidsmiljø) og omfanget av lærerstyrt undervisning på 5. trinn (jf. figurene 5.5 – 5.7).

Vi synes det også er interessant at hvis vi måler differansen mellom antall PCer per lærer og antall PCer per elev, samt endringer i denne differansen over tid, så er det en tendens til at skoler som prioriterer elever fremfor lærere på hvert tidspunkt og over tid er overrepresentert blant de gode skolene både etter kriterium 1 og kriterium 2.

69 Figur 5.5 Lesing: Korrelasjoner (eta) mellom utvalgte skolekjennetegn fra GSI og grupperingen av skoler som prestasjonssterke eller prestasjonssvake etter kriterium 1 og 2 i lesing. Jf.

vedleggstabell V5.4.

Figur 5.6 Regning: Korrelasjoner (eta) mellom utvalgte skolekjennetegn fra GSI og grupper-ingen av skoler som prestasjonssterke eller prestasjonssvake etter kriterium 1 og 2 i regning.

Jf. Vedleggstabell V5.4. Lærerstyrt 5 tr 1Lærerstyrt 5tr 2 PC elev 1

70

Figur 5.7 Engelsk: Korrelasjoner (eta) mellom utvalgte skolekjennetegn fra GSI og grupper-ingen av skoler som prestasjonssterke eller prestasjonssvake etter kriterium 1 og 2 for gjennomsnittet i lesing, regning og engelsk. Jf. vedleggstabell V5.4.

I klartekst betyr dette at de gode skolene har mindre differanse mellom lærerPCer og elevPCer og at veksttakten i elevPCer er høyere enn veksttakten i lærerPCer (relativt sett), en indikator på at det er lurt mht. prestasjonsnivå og prestasjonsutvikling å tenke elevenes behov for teknologi kommer først, deretter lærernes behov for teknologi.

Det er en tendens til at skoler som har et høyt antall elever med tysk på 10. trinn er overrepresentert blant de gode skolene etter begge kriterier. Nå snakker vi om kombinerte skoler og effekten er størst i regning. At omfanget av tysk språk i ungdomsskolen også er en potensiell kvalitetsindikator for ung-domsskolen, ble dokumentert av Håvard Helland i Grøgaard mfl. (2008). Den gang var det imidlertid ikke signifikante effekter av ungdomsskoleelvenes orientering mot tysk på prestasjonsnivået i barne-skolen (på 4. og 7. trinn). Hvis vi sammenligner radikalt langs prestasjonsskalaen på barne-skolenivå, dukker denne indikatoren opp igjen. I vårt datasett fra perioden 2007–2010, er omfanget av tysk i ungdoms-skolen en tydelig kvalitetsindikator også for barneungdoms-skolen etter både kriterium 1 og 2. Vi vender tilbake til tolkningen av dette funnet i den multivariate analysen (avsnitt 5.4).

Vi finner noen effekter som ikke er like tydelige og konsistente som effekter av timetall og tilgang til PCer. De gode barneskolene etter kriterium 1 har signifikant lavere andel minoritetselever enn de svake skolene i lesing, regning og samlet sett. Etter kriterium 2 har ikke denne variabelen signifikant effekt på grupperingen av barneskoler.

Skoler som har mange ansatte med lederoppgaver per elev er overrepresentert på gode barneskoler etter kriterium 2, men ikke etter kriterium 1. I lesing er koeffisienten negativ. Her har de gode skolene færrest ledere, men denne koeffisienten er bare grensesignifikant (p<0,1).

Vi finner også at skoler som har færre elever per lærere er overrepresentert blant gode skoler i reg-ning etter kriterium 2, men ikke etter kriterium 1.

Gjennomsnitt lesing, regning og engelsk

71 Endelig er det noen grensesignifikante effekter (etter kriterium 2) av det å ha en lav andel elever med behov for spesialundervisning på langtidsopplegg og det å ha en relativt sett høy andel av elevene utenfor ordinære undervisningsopplegg (p<0,1). Det er likevel symptomatisk at en rikholdig registrering av omfang og innretning på spesialundervisning (andel med diagnose, andel utenfor ordinære grupper, andel med langtidsopplegg, omfanget av byrdefull undervisning og lignende) ikke har statistisk pålitelige effekter på grupperingen av skoler etter verken kriterium 1 eller 2.