CURRICULUMORGANISATIE EN STUDIEVOORTGANG

CURRICULUMORGANISATIE EN STUDIEVOORTGANG een onderzoek onder zes studierichtingen aan de Rijksuniversiteit Groningen

E.P.W.A. Jansen

CURRICULUMORGANISATIE EN STUDIEVOORTGANG

CIP-GEGEVENS KONINKLIJKE BIBLIOTHEEK, DEN HAAG Jansen, Ellen Petronella Wilhelmina Anna Curriculumorganisatie en studievoortgang: een onderzoek onder zes studierichtingen aan de Rijksuniversiteit Groningen/ Ellen Petronella Wilhelmina Anna Jansen. - Groningen: GION, Gronings Instituut voor Onderzoek van Onderwijs, Opvoeding en Ontwikkeling, Rijksuniversiteit Groningen. - (Studies over opvoeding en onderwijs; 1) Proefschrift Rijksuniversiteit Groningen. - Met lit. opg. - Met samenvatting in het Engels. ISBN 90-376-0597-5 Trefw.: hoger onderwijs; effectiviteit/ hoger onderwijs; rendement. (c) 1996. GION, Gronings Instituut voor Onderzoek van Onderwijs, Opvoeding en Ontwikkeling, afdeling COWOG, Rijksuniversiteit Groningen. No part of this book may be reproduced in any form, by print, photoprint, microfilm or any other means without written permission of the Director of the Institute. Niets uit deze uitgave mag worden verveelvoudigd en/of openbaar gemaakt door middel van druk, fotokopie, microfilm of op welke andere wijze dan ook zonder voorafgaande schriftelijke toestemming van de Directeur van het Instituut.

RIJKSUNIVERSITEIT GRONINGEN

CURRICULUMORGANISATIE EN STUDIEVOORTGANG Een onderzoek onder zes studierichtingen aan de Rijksuniversiteit Groningen

Proefschrift

ter verkrijging van het doctoraat in de Psychologische, Pedagogische en Sociologische Wetenschappen aan de Rijksuniversiteit Groningen op gezag van de Rector Magnificus Dr. F. van der Woude in het openbaar te verdedigen op donderdag 4 april 1996 des namiddags te 2.45 uur precies

door

Ellen Petronella Wilhelmina Anna Jansen geboren op 19 januari 1955 te Bergh

Promotores: Prof. dr. W.T.J.G. Hoeben Prof. dr. W. Molenaar

Voor Stéfanie, Laurène en Alain

Beoordelingscommissie:

Prof. dr. W.K.B. Hofstee Prof. dr. A.M.L. van Wieringen Prof. dr. W.H.F.W. Wijnen

VOORWOORD

Een proefschrift schrijven doe je zelf, maar het was mij niet gelukt als ik niet alle medewerking had gehad van mijn collega’s van het COWOG, die mij de gelegenheid hebben gegeven mij een tijd aan de dagelijkse bezigheden op het instituut te onttrekken. Bij deze wil ik hen allen bedanken. Ronald Zwaagstra, Henk Guldemond en bovenal Ivo Molenaar hebben mij met veel geduld en enthousiasme ingewijd in de toepassing en interpretatie van de meerniveau-analyses. Zonder hen waren de analyses en het op schrift stellen ervan aanzienlijk moeizamer verlopen. Wijnand Hoeben bracht in de laatste fase van het schrijven een logische structuur aan, waardoor de opbouw van het boek veel aan duidelijkheid heeft gewonnen. Ton wil ik bedanken voor het uitvoeren en het steeds weer controleren van de correcties in tekst en lay-out. Rest mij een woord van dank voor allen bij de onderzochte studierichtingen, die mij behulpzaam zijn geweest bij het verzamelen van oude studiegidsen en roosters. Archiveren van deze gegevens is bij veel van de onderzochte studierichtingen blijkbaar geen gewoonte. De klus is geklaard. Stéfanie kan nu weer met een gerust hart gebruik maken van de computer om haar boek te schrijven.

Ellen Jansen Overschild, februari 1996

INHOUDSOPGAVE

1

EFFECTIVITEIT EN EFFICIËNTIE VAN HET HOGER ONDERWIJS: BELEIDSMATIGE ONTWIKKELINGEN

2 2.1 2.2 2.3

PROBLEEMVERKENNING Inleiding Rendementen Probleemstelling

7 7 8 14

3 3.1 3.2 3.3 3.4 3.5 3.6 3.7

FACTOREN VAN INVLOED OP STUDIEVOORTGANG Inleiding Indicatoren voor studievoortgang Persoonsgebonden en achtergrondsvariabelen Studievaardigheden, planningsgedrag en tijdsbesteding Effectiviteit van instructie Effectiviteit van de organisatie van het curriculum Een model ter verklaring van verschillen in studievoortgang uitgaande van de organisatie van het curriculum 3.7.1 (Studieloopbaan)modellen in het hoger onderwijs 3.7.2 Veronderstelde samenhang tussen factoren die van invloed zijn op de studievoortgang van studenten

19 19 20 22 25 31 34 39

ANALYSEMODEL, HYPOTHESEN, OPERATIONALISERING EN BESCHRIJVING Inleiding Het random coëfficient model Beschikbare gegevens 4.3.1 Cohortbepaling 4.3.2 Opschonen bestanden Operationaliseringen 4.4.1 Studievoortgang 4.4.2 Studentniveau: instroomkenmerken 4.4.3 Curriculumniveau: spreidingskenmerken 4.4.4 Curriculumniveau: instructiekenmerken 4.4.5 Curriculumniveau: formele examenkenmerken Uitwerking analysemodel 4.5.1 De spreidingshypothesen 4.5.2 De instructiehypothesen 4.5.3 De examenregelinghypothese

43

4 4.1 4.2 4.3

4.4

4.5

1

40 41

43 44 46 47 48 49 50 53 54 55 57 57 59 60 60

4.6

Analyse 4.6.1 Drie afhankelijke variabelen 4.6.2 Studentniveau 4.6.3 Curriculumniveau Verdelingskenmerken van studenten en studierichtingen op de variabelen uit het analysemodel 4.7.1 De studenten 4.7.2 Beschrijving afhankelijke variabelen 4.7.3 Beschrijving curriculumkenmerken

61 62 64 67 67

77 77 86 89

5.5

RESULTATEN Propedeuse binnen twee jaar voor de VWO-groep Propedeuse binnen één jaar voor de VWO-groep Gerealiseerde studiebelastingsuren na één jaar voor de VWO-groep Resultaten van de meerniveau-analyse voor de totale populatie 5.4.1 Propedeuse binnen twee jaar voor de gehele populatie 5.4.2 Propedeuse binnen één jaar voor de gehele populatie 5.4.3 Gerealiseerde studiebelastingsuren na één jaar voor de totale populatie Samenvatting

101

6 6.1 6.2 6.3 6.4 6.5

CONCLUSIES EN DISCUSSIE Inleiding De spreidingshypothesen De instructiehypothesen De examenregelingshypothese Slotbeschouwing

105 105 106 110 117 117

4.7

5 5.1 5.2 5.3 5.4

68 69 71

92 93 96 99

SAMENVATTING

121

SUMMARY

127

LITERATUUR

131

BIJLAGEN

1. EFFECTIVITEIT EN EFFICIËNTIE VAN HET HOGER ONDERWIJS: BELEIDSMATIGE ONTWIKKELINGEN

De minister heeft in 1995 de instellingen voor Hoger Onderwijs 500 miljoen gulden in het vooruitzicht gesteld om de studeerbaarheid van het hoger onderwijs te verbeteren. De eis voor studeerbare onderwijspogramma’s was gesteld door de studenten en de volksvertegenwoordiging alvorens de minister mocht overgaan tot een verhoging van het collegegeld en eventuele aanpassingen van de studieduur. Dit is een poging van de overheid om met name vanuit financieringsoogpunt de greep op het hoger onderwijs te verhogen. De discussies over de structuur van het Wetenschappelijk Onderwijs monden eind zestiger jaren uit in de Posthumus nota’s (1968/1969), die resulteerden in de Wet Herstructurering Wetenschappelijk Onderwijs in 1975. Een tweede ijkpunt in het onderwijsbeleid is de Nota Hoger Onderwijs voor Velen uit 1978, die zijn beslag vond in de Wet Tweefasenstructuur Wetenschappelijk Onderwijs (1981). De Wet Tweefasenstructuur kan gezien worden als een eerste grootschalige ingreep van de overheid in het kader van de efficiëntieverhoging van het Wetenschappelijk Onderwijs. Eén van de doelstellingen van de Wet Tweefasenstructuur was het verhogen van de doelmatigheid van het wetenschappelijk onderwijs. Als instrumenten hiervoor werden gebruikt: de verkorting van de nominale studieduur tot 4 jaar met een maximale inschrijfduur van 6 jaar; de verplichte invoering van het propedeutisch examen. Aan de propedeuse waren drie functies toegekend (oriënteren, selecteren en verwijzen). Een goed functionerende propedeuse zou een verdere selectie in het doctoraal overbodig moeten maken. In de memorie van toelichting bij de wet Tweefasenstructuur komt naar voren dat de eerste fase van het WO bovendien inhoudelijk een andere vormgeving moest krijgen: meer variëteit, flexibelere programmering, betere afstemming op de arbeidsmarkt. Tevens wordt in het Beleidskader invoering Tweefasenstructuur ervan uitgegaan dat het gemiddelde numerieke rendement van het WO zal stijgen. Het numerieke rendement is het percentage geslaagden van een instroomcohort voor een examen. Het streefgetal dat genoemd wordt is 70%. Verder 1

gaat de minister ervan uit dat van de overige 30% ongeveer 20% uitvalt in de propedeuse. In de nota Hoger Onderwijs voor Velen spreekt de minister de verwachting uit dat 40% van de studenten in de nominale tijd zal afstuderen. Bij de invoering van de Tweefasenstructuur verschenen veel publikaties van onder andere de Academische Raad met suggesties voor wijzigingen in de opzet en de inrichting van het WO. Modulair onderwijs wordt veelal als organisatieprincipe genoemd dat goed aansluit bij de beoogde beleidsdoelen (vergroting van het vernieuwend vermogen van het onderwijs, verhoging van de doelmatigheid, rendementsverbetering).

Ontwikkelingen van de laatste jaren In juni 1990 verscheen de nota heroriëntering studiefinanciering. De in de nota voorgestelde maatregelen hebben enerzijds tot doel de omvang van de kosten voor studiefinanciering te beperken en anderzijds studenten te stimuleren sneller te studeren en zo de discrepantie tussen cursusduur en studieduur te verkleinen (Staatsblad, 1991). De financiering op basis van de basisbeurs met aanvullende beurs en eventueel rentedragende lening vindt nog slechts plaats voor de duur van 5 jaar. Na 5 jaar is studiefinanciering alleen nog mogelijk in de vorm van een rentedragende lening. In 1993 is de Wet Studievoortgangscontrole, beter bekend als de wet op de tempobeurs, aangenomen. Hierin is bepaald dat studenten tenminste 25% van de studiepunten behaald moeten hebben om hun studiebeurs te kunnen behouden. Recent is dit wetsvoorstel opnieuw ingediend met een verdere aanscherping van de normen. We spreken dan van de prestatiebeurs. Studenten krijgen een lening die wordt omgezet in een gift als voldoende studiepunten behaald zijn. In het hoofdlijnenaccoord (oktober 1990) komen de minister en instellingen overeen dat de instellingen inspanningen zullen verrichten om de studieduur meer in overeenstemming te brengen met de cursusduur. De nadruk wordt in dit akkoord gelegd op de selectieve en verwijzende functie van de propedeuse en op de studeerbaarheid van de doctorale programma’s. In 1992 heeft de minister op grond van de parlementaire discussie over het HOOP 1992 besloten een externe adviescommissie "Studeerbaarheid" (de commissie Wijnen) in te stellen. Binnen de taakstelling van de commissie vallen onder andere het inventariseren van factoren die de effectiviteit van het hoger onderwijs in gunstige zin beïnvloeden, het inventariseren van knelpunten, op grond waarvan men aan de redelijkheid van studieprogramma’s of onderdelen daarvan zou kunnen twijfelen, en het doen van voorstel2

len voor de verbetering van de studeerbaarheid van opleidingen binnen de huidige cursusduur. Dit laatste ligt in het verlengde van de hoofdlijnenaccoorden met universiteiten en hogescholen. De vraag staat centraal welke structurering van onderwijsprogramma’s leidt tot verbetering van de studeerbaarheid. De commissie Wijnen heeft eind 1992 haar rapport uitgebracht ’Te doen of niet te doen’, advies over de studeerbaarheid van onderwijsprogramma’s in het hoger onderwijs. In dit rapport staan 83 aanbevelingen op vele terreinen van het onderwijs die een bijdrage zouden moeten leveren aan het maximaliseren van de studeerbaarheid door het minimaliseren van belemmerende factoren. In het rapport bepleit de commissie studieprogramma’s die meer studentgecentreerd in plaats van docent-gecentreerd zijn, dat wil zeggen studieprogramma’s waarin het leren van de student voorop staat, zonder daarmee te willen stellen dat de studenten zelf geen verantwoordelijkheid dragen voor een succesvol studieverloop. De aandacht is komen te liggen op verbeteringen in het onderwijsprogramma waarmee duidelijk mag zijn dat het uitgangspunt is dat er in het onderwijs manipuleerbare factoren te onderkennen zijn die van invloed zijn op de studievoortgang van studenten. Maar is het voor de instellingen wel duidelijk op welke punten studieprogramma’s aangepast moeten/kunnen worden om de studeerbaarheid te verhogen? Dit proefschrift gaat in op de invloed van de organisatie van het curriculum op de studievoortgang van studenten. Inzicht in deze factoren kan een aanknopingspunt bieden voor de verhoging van de studeerbaarheid van onderwijsprogramma’s.

Belang van snelle doorstroming Wie heeft er eigenlijk belang bij een snellere doorstroming van studenten door het onderwijsprogramma? In eerste instantie de overheid of anders gesteld de maatschappij, omdat er dan minder lang een beroep wordt gedaan op de studiefinanciering. Door de regelingen voor studiefinanciering steeds meer in te perken (maximaal 4 of 5 jaar, temponormen, prestatiebeurs, rentedragende leningen en dergelijke) probeert de overheid op deze uitgavenpost meer greep te krijgen. De studenten hebben juist door de regelingen in het kader van studiefinanciering ook een sterk belang bij een goed studeerbaar programma, dat zij op een snelle en op een efficiënte manier kunnen doorlopen. Dit mag echter nooit ten koste gaan van de kwaliteit van het onderwijs in de zin van een niveauverlaging. De derde partij die mogelijk belang heeft bij een snellere doorstroming van studenten is de onderwijsinstelling. Worden de kosten voor het onderwijs, bijvoorbeeld de kosten voor docenttijd en overheadkosten als onderwijsruimten en materia3

len en middelen veel hoger als studenten langer over hun studie doen? Cohen-Schotanus (1994) heeft voor de faculteit der Geneeskunde berekend dat dit niet het geval is. Wel speelt het aantal studenten dat een studie met succes afrondt een rol in de bekostigingssystematiek. In de jaren tachtig is met de invoering van het Plaatsen-Geld-Model het rendement als een parameter in de bekostiging van de instelling opgenomen. In het ontwerpHOOP 1996 wordt een bekostigingsregeling voorgesteld waarbij de instellingen afgerekend worden op het aantal behaalde diploma’s en niet meer op het aantal studenten dat instroomt.

Verhoging rendement in het WO Het is duidelijk dat vanuit alle ’partijen’ gezien uiteindelijk de vraag naar de efficiëntie en effectiviteit van het universitair onderwijs gesteld wordt. Ook in de verschillende rapporten die gebruikt zijn in het ontwerp-HOOP 1996 wordt deze vraag gesteld. Gezien het geld dat de minister aan de instellingen beschikbaar stelt om de studeerbaarheid van het hoger onderwijs te verhogen, is de vraag naar factoren die door de instelling te beïnvloeden zijn en die van invloed zijn op de studievoortgang van studenten belangrijk genoeg om gesteld te worden. Is het mogelijk om meer algemene factoren op te sporen, opdat de instellingen handvatten in handen krijgen om de efficiëntie van het onderwijs te verhogen? In het onderzoek dat in dit boek wordt beschreven gaan we uit van de organisatie van het curriculum bij onze zoektocht naar factoren die de studievoortgang van studenten beïnvloeden. Een gangbare maat voor studievoortgang is het numerieke rendement. Er zijn in de discussies rond de herziening van het hoger onderwijsstelsel met het oog op rendementsverhoging ook een aantal andere opties aan de orde geweest. Eén daarvan betreft de selectieproblematiek. Rond deze problematiek zijn verschillende invalshoeken gepresenteerd. Voor en tegenstanders van selectie aan de poort (bijvoorbeeld op grond van VWOcijfers), in de hal (tijdens de propedeuse vanaf drie maanden) of tijdens het verdere traject (bijvoorbeeld na drie jaar) zijn aan het woord gekomen tijdens het hoger onderwijsdebat (Ministerie van Onderwijs, Cultuur en Wetenschappen, 1995). De hoop dat bij het gebruik van dit soort selectiemethodieken meer talent overblijft, blijkt volgens Van Dyck (1995) niet gegrond. Toch leeft de discussie hierover steeds weer op. Van Dyck stelt dat de selectiediscussie inmiddels al zo’n driekwart eeuw oud is. Daarbij concludeert zij dat deze selectiediscussie ook nog wel ouder zal worden. Een andere invalshoek bij de stelselherzieningsdiscussie ligt in de lengte 4

van de opleidingen. De universiteiten kunnen kiezen voor het aanbieden van een drie-jarige opleiding van 126 punten, die afgesloten wordt met een baccalaureustitel of een vier-jarige opleiding van tenminste 168 punten, waaraan de titel van doctorandus, meester of ingenieur verbonden is.

Uitgangspunt bij het onderzoek In het beleid zijn vele opties ter verbetering van de effectiviteit en efficientie van het Hoger Onderwijs aan de orde geweest. In ons onderzoek gaat het niet om willekeurige maatregelen die de rendementen van de opleidingen verhogen. We beschouwen alleen die maatregelen die met de organisatie van het curriculum te maken hebben en die beïnvloedbaar zijn. Van de maatregelen binnen de organisatie van het curriculum gaan we na of deze de studievoortgang van studenten bevorderen. De resultaten uit dit onderzoek kunnen een bijdrage leveren op het gebied van kwaliteit en studeerbaarheid. Het is een empirisch onderzoek uitgevoerd bij een beperkt aantal studierichtingen. Het is geen experimenteel onderzoek en ook het strategisch gedrag van alle betrokkenen na een wijziging van het curriculum of het beleid kunnen we nimmer geheel voorzien bij de bespreking van onze conclusies.1 Op grond van de resultaten uit dit onderzoek kunnen we wel richtingen aangeven waarin een verbetering van de studeerbaarheid gezocht kan worden, maar slechts onder de aanname dat de overige omstandigheden gelijk blijven. Aan die laatste conditie zal het hoger onderwijsveld nooit volledig voldoen.

1

Een voorbeeld hiervan is de zogenaamde Schopenhauer-route. Studenten die de maximale inschrijftijd gebruikt hadden en nog niet afgestudeerd waren, konden zich inschrijven voor een extra jaar studie filosofie van een wetenschapsgebied. Op deze wijze kregen zij de mogelijkheid zich een jaar extra in te schrijven om alsnog hun ’reguliere’ studie te voltooien.

5

6

2. PROBLEEMVERKENNING 2.1

Inleiding

Het vorige hoofdstuk is besloten met de vraag naar de efficiëntie en effectiviteit van het nederlandse universitaire onderwijs. Onderzoek van het wetenschapelijk onderwijs ligt sinds eind zestiger jaren in handen van de RWOcentra, Centra voor Research van het Wetenschappelijk Onderwijs. Bijna iedere universiteit heeft of had een dergelijk centrum. Aan de Rijksuniversiteit Groningen is dat het Centrum voor Onderzoek van het Wetenschappelijk Onderwijs Groningen (COWOG), dat tegenwoordig deel uitmaakt van het GION (Gronings Instituut voor Onderzoek van Onderwijs, Opvoeding en Ontwikkeling). Binnen de RWO-centra wordt aandacht besteed aan onderzoek van het wetenschappelijk onderwijs, onderwijsontwikkeling, professionalisering van docenten in het hoger onderwijs en advisering aan de verschillende geledingen van de universitaire gemeenschap. Door deze taakstelling heeft het onderzoek veelal een toegepast karakter. Er wordt ingesprongen op vragen uit het veld en het meeste onderzoek staat in dienst van ontwikkeling of advisering. Dit is waarschijnlijk één van de redenen dat er op het terrein van het universitair onderwijs geen grote onderzoektraditie bestaat naar de effectiviteit van dat onderwijs, zoals bijvoorbeeld het ’effectieve scholen-onderzoek’ in het basis en voortgezet onderwijs (Scheerens, 1989). Wel zijn er sinds het ontstaan van de RWOcentra verschillende onderwerpen die, al dan niet tijdelijk, meer in de belangstelling staan, maar er is eigenlijk nauwelijks sprake van een samenhangend (theorievormend) onderzoeksprogramma. Opvallend is dat de laatste vijf jaar wel meer aandacht is gekomen voor onderzoek van het universitair onderwijs, blijkend uit dissertaties van bijvoorbeeld Meerum Terwogt-Kouwenhoven (1990), Koppen (1991), Vermunt (1992), Holleman (1993), Bijleveld (1993), Schouwenburg (1994) en Cohen-Schotanus (1994). De dissertaties van Bijleveld en Holleman raken aan het onderwerp van dit proefschrift doch missen een empirische fundering. De onderzoeken van Meerum Terwogt-Kouwenhoven en Cohen-Schotanus betreffen slechts één studierichting. Mede ingegeven door het huidige onderwijsbeleid, waarin de nadruk ligt op kwaliteit, studeerbaarheid en rendementsverhoging wordt de vraag naar de verschillen in rendementen tussen studierichtingen en naar maatregelen die 7

in het onderwijs getroffen kunnen worden om de renmenten te verhogen, vaak gesteld. Om een antwoord te kunnen geven op een dergelijke vraag is onderzoek over verschillende studierichtingen heen noodzakelijk. Onderzoek binnen één studierichting zoals de twee hierboven genoemde dissertaties geeft aanwijzingen voor de richting waarin invloeden op de rendementen gezocht kunnen worden, doch schiet tekort indien we in meer algemene zin uitspraken willen doen over de invloed van de organisatie van het onderwijs op bijvoorbeeld de rendementen. Vanuit de werksituatie van de RWO-centra is juist de vraag naar de invloed van de organisatie van het onderwijs op de rendementen van belang. Is het mogelijk de rendementen in casu de studievoortgang van studenten te beïnvloeden bijvoorbeeld door een bepaalde wijze van organisatie van het curriculum? Deze vraag staat centraal in dit proefschrift. Voor we hierop nader ingaan, beschrijven we eerst in de volgende paragraaf de rendementen van de in ons onderzoek betrokken studie-richtingen.

2.2

Rendementen

Hoe zien de numerieke rendementen van een reeks cohorten studenten van verschillende studierichtingen eruit? In tabel 2.1 worden van zes studierichtingen aan de Rijkuniversiteit Groningen de numerieke propedeuserendementen gepresenteerd. Het gaat hierbij om de cohorten 1987 tot en met 1991, die gevolgd zijn gedurende de tijdsperiode tot 1 oktober 1993. De studierichtingen zijn: bedrijfskunde, farmacie, geschiedenis, geneeskunde, pedagogische en andragogische wetenschappen (PAO) en psychologie. Het numerieke rendement is het percentage geslaagde studenten van een instroomcohort. Tussen haakjes staat het aantal studenten dat ingestroomd is.

8

Tabel 2.1

Propedeuserendementen van zes studierichtingen, laatste peildatum 30 september 1993

cohort studierichting

87 % (n)

%

bedrijfskunde

82 (328)

78 (410)

84

(414)

farmacie

73

90

(96)

68

(66)

geschiedenis

72 (147)

73 (170)

66

geneeskunde

84 (212)

88 (209)

PAO

85 (140)

psychologie

76 (165)

(78)

88

89

90 % (n)

%

(n)

75 (435)

59

(463)

74

(84)

83

(95)

(186)

49 (222)

51

(282)

88

(213)

89 (212)

89

(211)

78 (181)

76

(223)

73 (255)

70

(316)

70 (181)

59

(172)

56 (255)

51

(345)

(n)

%

(n)

91

We zien dat de propedeuserendementen op de peildatum 30 september 1993 zowel verschillen vertonen tussen studierichtingen als binnen een studierichting tussen cohorten. De lage rendementen van cohort 91 bij sommige studierichtingen kunnen een effect zijn van censurering. Voor dat cohort omvat de gegevensverzameling ’slechts’ twee jaar, terwijl bij de overige cohorten zonodig drie of meer jaren gebruikt konden worden om de propedeuse te behalen. Opvallend is dat bij farmacie en geneeskunde dit blijkbaar geen effect heeft. Het is in principe mogelijk dat bij die studierichtingen voor cohort 91, gemeten in september 1994, van nog hogere rendementen sprake zal zijn. Dit lijkt echter gezien de rendementsontwikkeling over de voorgaande jaren niet erg aannemelijk. De propedeuserendementen voor de studierichtingen geschiedenis, PAO en psychologie lijken gestaag te dalen, bij bedrijfskunde vanaf cohort 89 eveneens. De studierichting farmacie vertoont een zeer wisselend beeld, terwijl de rendementen bij de studierichting geneeskunde zeer stabiel zijn. Tabel 2.1 toont het beeld van wat we de finale of uiteindelijke propedeuserendementen kunnen noemen. Om een betere vergelijking te kunnen maken, waarbij censureringseffecten geen rol spelen, kunnen we de propedeuserendementen na één jaar vergelijken. Eén jaar is gedefinieerd als het behalen van het propedeusediploma binnen 14 maanden, om administratieve onzuiverheden te ondervangen. Uit eerder onderzoek (Jansen en Joostens, 1986) was bijvoorbeeld duidelijk geworden dat de datum voor het behalen van de propedeuse in het ene geval werd geadministreerd als de datum waarop aan de laatste tentamenverplichting was voldaan, en in een ander geval als de datum waarop de officiele buluitreiking had plaats 9

gevonden. Omdat dit laatste een ’vertragend’ effect zou kunnen hebben, is gekozen om de 14 maanden grens te nemen voor het behalen van de propedeuse binnen één jaar. Tabel 2.2

cohort studierichting

Propedeuserendementen na één jaar

87 %

88 (n)

%

89 (n)

%

90 (n)

%

91 (n)

%

(n)

bedrijfskunde

12 (328)

12 (410)

14 (414)

13 (435)

22 (463)

farmacie

33

47

26

36

60

geschiedenis

50 (147)

46 (170)

43 (186)

31 (222)

23 (282)

geneeskunde

34 (212)

49 (209)

55 (213)

64 (212)

72 (211)

PAO

64 (140)

59 (181)

53 (223)

38 (255)

42 (316)

psychologie

20 (165)

28 (181)

22 (172)

22 (255)

25 (345)

(78)

(96)

(66)

(84)

(95)

Ook hier zien we wederom dat er grote verschillen zijn tussen studierichtingen, bijvoorbeeld cohort 87 met de uitersten 12% voor bedrijfskunde en 64% bij PAO, maar ook binnen studierichtingen tussen cohorten. Een voorbeeld hiervan is het verschil bij geschiedenis waar cohort 87 50% propedeusegeslaagden na één jaar kent en cohort 91, dat het bij de overige studierichtingen juist relatief goed doet, slechts 23%. Bedrijfskunde en geneeskunde laten een opgaande lijn zien, zij het met grote verschillen tussen de studierichtingen, en farmacie vanaf cohort 89. Psychologie is hier nogal wisselend en de studierichtingen PAO en geschiedenis laten een neergaande lijn zien, bij PAO op cohort 91 na. No-show Er is echter een bron van ’vervuiling’ waarmee we rekening moeten houden. In het onderzoek naar het funktioneren van studieprogramma’s in de Tweefasenstructuur constateerden Jansen en Joostens (1986) al dat er bij sommige studierichtingen sprake was van een behoorlijke administratieve vervuiling door studenten die wel ingeschreven stonden bij een studierichting, maar die aan geen enkel tentamen deelnamen en dus eigenlijk niet als serieuze student voor die studierichting mochten worden aangemerkt. Ook in later onderzoek bleek dit in sommige gevallen wel eens te kunnen oplopen tot ongeveer 30% van de ingeschreven studenten. De Jong, Roeleveld en Koopman (1991) hebben deze groep studenten, naar analogie 10

van de onbezette plaatsen in een vliegtuig, ’no-show’ studenten genoemd. Omdat deze terminologie, gezien de grote publiciteit die het onderzoek waarover zij rapporteerden heeft gekregen, een ingeburgerd begrip is geworden, zullen wij deze terminologie ook in dit proefschrift hanteren. In een onderzoek van Wilbrink e.a. (1993) naar ’no-show’ en ’low-show’ (studenten die maximaal vier studiepunten in het eerste jaar van inschrijving hebben behaald) bij één cohort studenten van 10 studierichtingen aan de Universiteit van Amsterdam, blijkt een no-show percentage van 12%. Zij onderscheiden negen verschillende vormen van no-show op grond van informatie die zij verkregen hebben door middel van vragenlijsten en telefonische interviews. Voor ons onderzoek hanteren wij slechts één definitie, namelijk studenten die aan geen enkel tentamen hebben deelgenomen of slechts aan één of twee tentamens met een onvoldoende resultaat. In tabel 2.3 worden per cohort en per studierichting het aantal en het percentage ’no-show’-studenten weergegeven.

Tabel 2.3

cohort studierichting

*

’no-show’-studenten per cohort, per studierichting

87 aantal (%)*

88 aantal (%)

89 aantal (%)

90 aantal (%)

91 aantal (%)

bedrijfskunde

2

(1)

3

(1)

2

(0)

3

(1)

5

(1)

farmacie

0

(0)

1

(1)

3

(5)

6

(7)

0

(0)

geschiedenis

13

(9)

28 (17)

19

(10)

47

(21)

29

(10)

geneeskunde

5

(2)

0

(0)

2

(1)

3

(1)

2

(1)

PAO

4

(3)

11

(6)

2

(1)

18

(7)

8

(3)

psychologie

5

(3)

18 (10)

16

(9)

45

(18)

62

(18)

percentages afgerond op gehele getallen

De lage no-show percentages bij bedrijfskunde en geneeskunde zijn niet verwonderlijk, omdat het numerus fixus studierichtingen zijn. Studenten moeten loten om toegelaten te worden en zijn daardoor veelal meer gemotiveerd om in ieder geval serieus met de studie te beginnen. Het percentage no-show bij geneeskunde cohort 87 mag daarom eerder verwondering wekken. Een mogelijke oorzaak van het verschijnsel no-showstudent ligt op het terrein van de maatregelen inzake studiefinanciering. Indien een student de 11

propedeuse niet in twee jaar had behaald, kreeg deze geen studiefinanciering meer voor de propedeuse van die studierichting1. Wat deden veel studenten als zij met dit probleem geconfronteerd werden? Zij schreven zich in bij een andere studierichting, waar zij weer studiefinanciering voor konden krijgen, maar zij probeerden veelal alleen maar de propedeuse van de eerste studierichting te behalen, om daarna weer met de oorspronkelijke studierichting door te gaan. Wilbrink e.a. (1993) noemt deze groep ’derdejaars propedeusestudenten’. In bijlage II tabel T5 worden de percentages en aantallen studenten weergegeven die bij meer studierichtingen ingeschreven staan. In ons databestand weten we alleen of een student bij meer studierichtingen stond ingeschreven op de laatste peildatum van de dataverzameling. Het is dus niet duidelijk of zij ook in de eerste inschrijvingsjaren voor de propedeuse bij meer studierichtingen stonden ingeschreven. Van de studenten die bij meer studierichtingen staan ingeschreven behoort een percentage eveneens tot de no-show studenten. Dit percentage verschilt per studierichting. Bij bedrijfskunde zijn bijna geen no-show studenten. Bij geneeskunde behoort bijna 4% van de studenten met meer inschrijvingen tot de categorie "no-show’, bij farmacie en PAO 15%, bij de studierichting geschiedenis 25% en tenslotte is van de studenten psychologie die bij meer studierichtingen staan ingeschreven ruim 38% no-show-student. Aan de Erasmusuniversiteit van Rotterdam werden eveneens hoge percentages no-show gevonden bij de Sociale Wetenschappen. Studenten die zich inschrijven bij een andere studierichting om de propedeuse van de ’eigen’ studierichting alsnog in het derde inschrijvingsjaar te kunnen behalen, kunnen alleen bij Sociale Wetenschappen terecht omdat zij zich bij andere grote studierichtingen aan de EUR niet kunnen inschrijven in verband met plaatstings- of numerus fixusregelingen (Van den Berg, 1993).

Opschonen populaties Om een meer zuivere vergelijking in propedeuserendementen tussen de studierichtingen te kunnen maken, hebben we de populaties opgeschoond. Alle no-show studenten zijn bij de rendementsberekeningen in de volgende tabellen verwijderd. Als rekenvoorbeeld laten we hier het numerieke rendement van de cohort 1990 van de studierichting psychologie zien, zowel voor de totale instroom als voor de opgeschoonde populatie.

1

Dit was de regeling tot 1992. In 1992 is de Wet op het Hoger Onderwijs op dit punt veranderd. De beperkte inschrijvingsduur voor de propedeuse is vanaf dat moment vervallen.

12

instroom → num.rend. → no-show → opgeschoonde instroom → num.rend. 255

Figuur 2.1

56%

45

210

67%

Rekenvoorbeeld numeriek rendement na opschonen populatie voor ’no-show’

Tabel 2.4 geeft de finale propedeuserendementen voor de opgeschoonde populaties en tabel 2.5 de propedeuserendementen na één jaar.

Tabel 2.4

cohort studierichting

Finale propedeuserendementen per studierichting en cohort, opgeschoonde populaties

87 %

88 (n)

%

89 (n)

%

(n)

90 % (n)

91 % (n)

bedrijfskunde

82 (326)

79

(407)

85

(412)

75

(432)

farmacie

73

(78)

91

(95)

71

(63)

79

(78)

geschiedenis

78 (134)

88

(142)

74

(167)

63

(175)

57 (253)

geneeskunde

86 (207)

88

(209)

88

(211)

91

(209)

90 (209)

PAO

87 (136)

82

(170)

76

(221)

77

(237)

72 (308)

psychologie

78 (160)

78

(163)

65

(156)

67

(210)

62 (283)

13

61 (458) 83

(95)

Tabel 2.5

cohort studierichting

Propedeuserendementen na één jaar per cohort en studierichting, opgeschoonde populaties

87 %

88 (n)

%

89 (n)

%

90 (n)

%

91 (n)

%

(n)

bedrijfskunde

12 (326)

12 (407)

14 (412)

13

(432)

22

(458)

farmacie

33

47

27

(63)

39

(78)

60

(95)

geschiedenis

54 (134)

56 (142)

47 (167)

39

(175)

26

(253)

geneeskunde

35 (207)

49 (209)

55 (211)

65

(209)

73

(209)

PAO

65 (136)

62 (170)

53 (221)

41

(237)

44

(308)

psychologie

21 (160)

31 (163)

24 (156)

27

(210)

31

(283)

(78)

(95)

Bij het commentaar op de tabellen van dit hoofdstuk worden alleen globale indrukken vermeld. De formele toetsing van de effecten wordt in hoofdstuk 5 weergegeven, omdat deze weinig zinvol is zonder de verschillen in studenten curriculumkenmerken in de beschouwing te betrekken. Zowel bij de finale propedeuserendementen als de propedeuserendementen na één jaar zien we nog steeds verschillen tussen studierichtingen en tussen cohorten. Op cohort 89 na is bij de studierichting bedrijfskunde de lijn in finale propedeuserendementen dalend, maar stijgt de lijn van de propedeuserendementen na één jaar. Psychologie en PAO laten een dalende lijn zien in de finale propedeuserendementen. Bij de rendementen na één jaar zijn de lijnen voor geschiedenis vanaf cohort 88 en voor PAO tot en met cohort 90 eveneens dalend. Psychologie is nogal wisselend in de propedeuserendementen na één jaar. Dit laatste is ook het geval bij farmacie. De studierichting geneeskunde laat bij beide rendementsmaten een opwaartse lijn zien.

2.3

Probleemstelling

De hierboven gepresenteerde gegevens roepen de vraag op naar verklaringen voor de verschillen in rendementen en studiesnelheid zowel tussen studierichtingen als tussen cohorten binnen één studierichting. Verschillen in uitvalpercentages kunnen te maken hebben met verschillen in instroom c.q. de selectie van studenten. Sommige studierichtingen trekken mogelijk meer studenten aan die zich uit een vorm van negatieve keuze bij de studierichting inschrijven. Een andere mogelijkheid is dat de studie in werkelijkheid 14

anders is dan de aspirant-studenten van te voren denken. Studenten die door middel van loting tot de studierichting zijn toegelaten, zijn misschien meer gemotiveerd. Wij zijn echter niet in eerste instantie geïnteresseerd in de relatie tussen persoonskenmerken en studievoortgang. In tegenstelling tot bijvoorbeeld veel amerikaans onderzoek naar studieloopbanen (zie bijvoorbeeld Tinto, 1975, 1987; Pascarella & Terenzini, 1983; Stoecker, Pascarella and Wolfle, 1988), zijn we niet in de eerste plaats geïnteresseerd in ’individuele’ succesvariabelen, maar juist in factoren op het niveau van de studierichting, faculteit of instelling. De belangstelling voor juist deze factoren komt voort uit de werksetting van waaruit dit onderzoek is gestart, het RWO-centrum van de Rijksuniversiteit Groningen. Met dit onderzoek willen we enerzijds bijdragen aan de theorievorming omtrent de efficiëntie en effectiviteit van het wetenschappelijk onderwijs, maar willen we ook de instelling, faculteit of studierichting handreikingen geven om het onderwijs zo effectief mogelijk in te richten. Daarom zijn we op zoek naar factoren die van invloed zijn op de studievoortgang en die door de studierichting/instelling beïnvloedbaar zijn. Dit bouwt voort op onderzoek dat aan de Rijkuniversiteit Groningen al sinds een aantal jaren wordt uitgevoerd (Jansen, 1992, 1993a, 1993b; De Vette, 1990; Jansen en Joostens, 1986, 1987, 1989; Joostens, 1990 ; Joostens en Schoonen 1987; Schoonen en Joostens, 1993; Zwaal, Joostens en Jansen, 1987) . We willen proberen aan te tonen dat bepaalde vormen van curriculumorganisatie een gunstige invloed uitoefenen op de studievoortgang van studenten. Hierbij gaat het dan niet alleen om de uiteindelijke numerieke rendementen, maar ook om de snelheid waarmee studenten het onderwijsprogramma in de propedeuse doorlopen. De centrale vraagstelling in dit proefschrift luidt:

Is er een model te formuleren en te toetsen ter verklaring van verschillen in studievoortgang van studenten, waarbij de invloed van de organisatie van het curriculum op de studievoortgang van studenten, het uitgangspunt vormt? De universiteit bestaat uit verschillende faculteiten met daarbinnen verschillende studierichtingen en afstudeerrichtingen. Onderzoek van Jansen en Joostens (1987) liet zien dat hoewel de verschillen in numerieke rendementen bij vier verschillende studierichtingen groot waren, de percentages gerealiseerde studiebelastingsuren bij de vier studierichtingen veel dichter bij elkaar lagen. 15

Ander onderzoek (Jansen, 1993b; De Jong e.a. 1991) versterkt juist het vermoeden dat er sprake is van studierichtingseffecten, dat wil zeggen dat de studierichting zelf meer bepalend is dan de organisatie van het onderwijs binnen die studierichting. In dit proefschrift willen we een antwoord zoeken op de vraag of er meer algemene kenmerken van de organisatie van het onderwijs aan te wijzen zijn die invloed uitoefenen op de studievoortgang van studenten, waarbij we controleren voor verschillen in instroom en studierichting. Het antwoord op deze vraag is relevant voor de onderwijspraktijk. Als het mogelijk blijkt van algemene instructie- of curriculumkenmerken aan te tonen dat zij de studievoortgang van studenten bevorderen, geeft dit meer houvast bij een mogelijke herinrichting van het onderwijs. In het onderzoek is gebruik gemaakt van data die beschikbaar zijn in de centrale studentenadministratie van de in het onderzoek betrokken studierichtingen. Daarnaast is gebruik gemaakt van informatie uit de studiegidsen (zie voor uitgebreidere beschrijving hoofdstuk 4). Deze afhankelijkheid van beschikbare data geeft meteen de beperkingen van het onderhavige onderzoek weer. Zo zal het niet mogelijk zijn een volledig model te toetsen. In het model dat in hoofdstuk 4 gepresenteerd wordt, worden bijvoorbeeld persoonskenmerken en persoonlijke variabelen van studenten slechts zeer summier als controlevariabelen meegenomen. Er zijn geen persoonlijkheids-, motivatie- of studiegedragsvragenlijsten bij studenten afgenomen. Ook de operationaliseringen van kenmerken van het onderwijs die van invloed worden geacht op de studievoortgang van studenten, kennen in ons model hun beperkingen door de data waarover de beschikking was voor dit onderzoek. Bij longitudinaal onderzoek is het altijd al moeilijk alle mogelijke belangrijk geachte variabelen op te nemen in het onderzoek. Dit onderzoek heeft als extra handicap dat het retrospectief is, waardoor het verzamelen van een aantal data die we graag in ons onderzoek opgenomen zouden hebben, onmogelijk is. Kortom: er zijn beperkingen bij het type onderzoek waar hierover gerapporteerd wordt. Er is geen sprake van experimenteel onderzoek, maar van correlationeel onderzoek. Oorzakelijke verbanden kunnen we derhalve niet aantonen. Een ander probleem ligt in de gebruikte predictoren die soms slechts in een enkele studierichting aan veranderingen onderhevig zijn en soms onderling gecorreleerd zijn. Ondanks deze beperkingen zijn wij van mening dat de resultaten van het onderzoek een bijdrage kunnen leveren aan de discussies over de inrichting van het wetenschappelijk onderwijs. In het volgende hoofdstuk worden verschillende (theoretische) ingangen 16

gepresenteerd, die uiteindelijk zullen leiden tot de formulering van een model ter verklaring van verschillen in studievoortgang van studenten die studeren in studierichtingen met verschillende curriculumorganisaties. In hoofdstuk 4 werken we dit model uit naar de gegevens die ons ter beschikking staan. Tevens zullen in dat hoofdstuk op grond van het model hypothesen worden geformuleerd die in de daarop volgende hoofdstukken getoetst worden.

17

18

3. FACTOREN VAN INVLOED OP STUDIEVOORTGANG 3.1

Inleiding

In dit hoofdstuk wordt een beschrijving gegeven van onderzoek dat ge-richt is op het zoeken naar verklaringen voor studiesucces of studievoortgang. Hoewel de probleemstelling gericht is op een verklaring vanuit de organisatie van het curriculum, zijn andere verklaringen uiteraard ook van belang. Bij de literatuur hierover speelt onderzoek in het universitair onderwijs in Nederland en Vlaanderen een grote rol. In de Verenigde Staten is eveneens veel onderzoek gedaan naar studieloopbanen en/of drop-out (zie onder andere Spady, 1970; Tinto, 1975,1987; Pascarella and Terenzini, 1991). De situatie binnen het universitaire onderwijs aldaar is nogal anders dan de nederlandse. Zowel verschillen in het (universitaire) onderwijssysteem als verschillen in financiering van zowel de instelling als de studenten, maken vergelijkingen met de nederlandse universitaire situatie moeilijk. De uitkomsten van onderzoek uit de Verenigde Staten zijn daarom vaak slecht te vertalen naar de nederlandse situatie. Bovendien is er weinig angelsaksisch onderzoek bekend waarin de organisatie van het curriculum en de invloed daarvan op studievoortgang uitgangspunt is. Artikelen die in hun titel suggereren de invloed van (onderwijs)organisatie op enige vorm van studievoortgang te beschrijven (zie bijvoorbeeld Stricker, 1994; Bowen & Rudenstine, 1992; Baird, 1990; Ayres & Bennett, 1983) belichten veelal kenmerken van instellingen of onderwijsprogramma’s die niet of minder relevant geacht worden voor de bestaande situatie aan de nederlandse universiteiten. Bijvoorbeeld wordt het type college, twee- of vierjarige opleidingen, financiering van student respectievelijk instelling of hoogte van salaris van de staf onderzocht op hun invloed op percentages afgestudeerden, drop-out of tijdsduur tot diplomering. In de volgende paragraaf geven we een beschrijving van enkele indicatoren voor studievoortgang. Daarna gaan we in paragraaf 3.3 uitvoeriger in op persoonsgebonden- en achtergrondvariabelen van studenten. Een tweede groep variabelen ter verklaring van studiesucces of studiestaking ligt op het terrein van studievaardigheden, planningsgedrag en tijdbesteding van studenten. Hierover gaat paragraaf 3.4. Bijleveld (1993) merkt in de inleiding van zijn proefschrift getiteld ’Numeriek rendement en studiestaking’ op, dat er in Nederland geen onderzoekstraditie bestaat waarin de effectiviteit van 19

het wetenschappelijk onderwijs in verband wordt gebracht met de organisatie van het onderwijs. Dit geldt mogelijk wel op het niveau van studierichtingen of instellingen maar zeker niet voor het cursusniveau. In paragraaf 3.5 gaan we in op onderzoek naar de invloed van factoren die op het terrein liggen van effectiviteit van instructie in het Wetenschappelijk Onderwijs. Hiermee komen variabelen die buiten de student liggen in het blikveld. Paragraaf 3.6 gaat in op de verwachte effecten van de curriculumorganisatie op de studievoortgang van studenten, het thema van dit proefschrift. Het hoofdstuk wordt afgesloten met een paragraaf waarin de relevante factoren die van invloed zijn op studievoortgang op een rij worden gezet. Deze factoren brengen we onder in een model ter verklaring van verschillen in studievoortgang van studenten die studeren in verschillende curriculumorganisaties.

3.2

Indicatoren voor studievoortgang

Studievoortgang van studenten is een begrip waarop verschillende indicatoren van toepassing zijn. Voor de individuele student refereert het begrip studievoortgang in de eerste plaats aan de studievorderingen die hij of zij maakt. Hierbij kan onderscheid gemaakt worden naar ’leerwinst’ en ’behaalde studiepunten’. Daarnaast kan ook de studiesnelheid (de snelheid waarmee een student het studieprogramma doorloopt) voor een student van belang zijn. Van leerwinst is sprake als studenten na het volgen van een bepaalde hoeveelheid onderwijs hoger scoren op een test, waarmee voor dat onderdeel kennis en vaardigheden worden gemeten, dan zij vóór het gevolgde onderwijs zouden scoren. Het behaalde aantal studiepunten verwijst naar het behalen van het tentamen voor het betreffende studieonderdeel. Het is een dichotomie van wel of niet geslaagd zijn voor een bepaald tentamen. De hoogte van het cijfer voor het tentamen, behalve het onderscheid voldoende (wel de studiepunten gekregen) of onvoldoende (geen studiepunten gekregen) speelt daarbij geen rol. Op een ’hoger’ niveau, dat van de studierichting of faculteit, is het numerieke rendement een indicator voor studievoortgang van studenten. Aan het bepalen van het numerieke rendement van een cohort studenten zit een aantal haken en ogen dat in hoofdstuk 2 reeds is besproken. Op deze plaats volstaan we met het definiëren van het numerieke rendement als het percentage geslaagden voor een examen van een instroomcohort op 20

bepaalde peildata. Dat kan in het Wetenschappelijk Onderwijs het propedeuse- of het doctoraalexamen zijn (of bijvoorbeeld het arts- of apothekersexamen). Naast het numerieke rendement, dat gekoppeld is aan examens, kan ook het aantal gerealiseerde studiebelastingsuren van een cohort als indicator voor studievoortgang worden beschouwd (Jansen en Joostens, 1987). Het aantal gerealiseerde studiebelastingsuren van een cohort is het door het cohort behaalde aantal studiepunten gedeeld door het door het cohort in totaal te behalen aantal studiepunten volgens het studieprogramma (in principe per jaar 42). Dit kan worden omgerekend naar studiebelastingsuren. Eén studiepunt correspondeert met 40 studiebelastingsuren. De vraag of het tentamen een valide meting was voor het bepalen van leerwinst als gevolg van het gevolgde onderwijs wordt hiermee niet beantwoord. Cohen-Schotanus (1994) heeft in haar onderzoek laten zien dat het met de kwaliteit van de tentamens niet altijd even goed gesteld is. Van 15 door haar onderzochte tentamens bij de faculteit geneeskunde bleken er 12 niet aan de kwaliteitseisen te voldoen (o.a. door slechte formuleringen, vragen niet van toepassing op de leerstof). Bij twee tentamens bleek het slaagpercentage na correctie voor ’slechte’ items te stijgen van respectievelijk 27% naar 65% en van 3% naar 97%. De hierboven beschreven indicatoren geven zicht op de studievoortgang van de (min of meer) succesvolle studenten. Maar ook de andere zijde van de medaille, de studenten die de studie staken, kunnen als indicator voor het rendement van een studierichting of instelling dienen. Veel onderzoek naar factoren die studiesucces zouden moeten verklaren, gaan uit van de studiestakers. Tot voor kort was de aandacht vooral gericht op het voorkomen van uitval. Op dit moment is de vraag meer of de uitval negatief moet worden beoordeeld. Er moet een deel van de studenten uitvallen maar door vroegtijdige selectie en verwijzing zouden deze studenten alsnog een studieloopbaan succesvol moeten kunnen afronden (zie bijvoorbeeld Verbeek, Lington en De Jong, 1995; Prins, 1995). Bij de onderzoeken uit de zeventiger jaren, maar ook bij de recente onderzoeken, spelen persoons- en omgevingsvariabelen vaak een grote rol.

21

3.3

Persoonsgebonden en achtergrondvariabelen

Bij het zoeken naar verklaringen voor lage rendementen, lange studieduren, studiestaken of, positief gezien, studiesucces kunnen grofweg twee ingangen gevolgd worden. Of we gaan ervan uit dat de student alleen en zelf verantwoordelijk is voor zijn/haar studievoortgang of we leggen de verantwoordelijkheid bij het onderwijs. Uiteraard zijn er ook combinaties tussen beide mogelijk. Vanuit de eerste ingang wordt de verklaring bij de student gezocht (bijvoorbeeld slechte motivatie, lui, gebrekkige vooropleiding), vanuit de tweede ingang wordt het onderwijs aansprakelijk gesteld, waarbij met name de kwaliteit van het onderwijs in het geding is. In deze paragraaf gaan we in op student- en achtergrondkenmerken. Vanaf de jaren zeventig zien we een groot aantal onderzoeken naar studiestaken, geringe studievoortgang, lange studieduur en studiesucces verschijnen. Het accent bij verklaringen wordt veelal gelegd bij de individuele student. In het Nederlandse taalgebied zien we onderzoek op dit gebied bijvoorbeeld van Van Berkel (1977), Buis (1979), Beetsma e.a. (1982), Lacante (1983), Van Overwalle (1985), Baneke (1987), Meerum TerwogtKouwenhoven (1990).

Persoonlijkheidskenmerken Bijleveld (1993) noemt de benadering waarbij een verband wordt gelegd tussen persoonlijkheidsfactoren en studiestaking de psychologische benadering. Hij komt op grond van diverse angelsaksiche onderzoeken tot de conclusie dat er niet zoiets bestaat als een ’drop-out’ persoonlijkheid. Onderzoek uit deze traditie gaat voorbij aan de mogelijke invloeden van het onderwijsproces. Een ongeschikte persoonlijkheid zou de voornaamste oorzaak zijn voor het falen van studenten. Daarmee wordt de verantwoordelijkheid voor studievoortgang geheel en al bij de student gelegd. Uit onderzoek van Baneke (1987) blijkt dat alleen prestatiemotivatie enige samenhang van betekenis vertoont met studiesucces bij geneeskundestudenten. Ook Crombag e.a. (1975) hadden in een vergelijkende studie bij vier studierichtingen een zwak verband gevonden van prestatiemotivatie met slagen voor de propedeuse bij twee studierichtingen. Van Overwalle (1985) vond dat intelligentie en studiemotivatie niet-significant of zwak correleerden met studieprestaties aan de universiteit. Meer recent gaat Schouwenburg (1994) in op uitstelgedrag bij studenten waarbij eveneens direct aan de student gekoppelde kenmerken zijn onderzocht. Hij noemt in navolging van Lacante (1983) het een ’wet’ uit de onder22

wijspsychologie dat studiesucces een funktie is van intelligentie en inzet, of zoals De Groot het beschreef: leerwinst is voor 50% à 70% inspanning x begaafdheid (De Groot, 1979). Faalangst blijkt bijvoorbeeld niet samen te hangen met procrastinatie (uitstelgedrag). Het draagt weinig bij aan uitstelgedrag. Schouwenburg concludeert dat studievaardigheidstrainingen gericht op planning en time-management de uitstelneiging beheersbaar kunnen maken, maar niet afleerbaar. Op de aspecten planningsgedrag en tijdbesteding van studenten aan de studie wordt in paragraaf 3.4 nader ingegaan.

Vooropleiding Naast persoonlijkheidskenmerken en intelligentie wordt ook de vooropleiding van studenten veelal als oorzaak gezien van achterblijvende studieresultaten of studiestaken. Het VWO-diploma geeft recht op toelating tot een universitaire studie, waarbij voor sommige studierichtingen bepaalde vakken in het vakkenpakket op het VWO vereist zijn. Hoewel het voor de hand ligt na te gaan of de inhoud van het vakkenpakket en de eindexamencijfers op de vakken van invloed zijn op het studiesucces van studenten, en daarmee op het rendement, is er weinig systematisch onderzoek naar gedaan. Het onderzoek dat in Nederland bekend is heeft veelal betrekking op de technische studierichtingen of op de aanwezigheid van wiskunde in het pakket. Dit laatste is met name onderzocht bij de studierichtingen economie en psychologie. Smit (1994) vond op grond van een analyse van verschillende onderzoeken naar de relatie tussen VWO-wiskunde en studiesucces, dat voor de studierichting psychologie enige exacte kennis vereist is, maar kennelijk niet teveel. Dit concludeert zij op grond van een onderzoek van Koevoet (1993) die in Leiden het merkwaardige verschijnsel vond dat psychologiestudenten met één wiskundevak in hun eindexamenpakket meer kans hebben voor de propedeuse te slagen dan studenten met beide wiskundevakken in hun pakket. Voor de studierichting geschiedenis blijkt veel bêta-kennis een contra-indicatie voor studiesucces (De Jong e.a. 1991). Hulshoff (1990) liet in haar studie naar kwalifikaties voor het wetenschappelijk onderwijs zien dat behalve voor de sector taal en cultuur exacte vakken in het eindexamenpakket een samenhang vertoonden met studievoortgang. Ook Van Overwalle (1985) kwam tot de conclusie dat na de eindexamencijfers in de vooropleiding het aantal wiskundige en natuurwetenschappelijke lesuren in het secundair onderwijs de beste predictoren waren voor studiesucces in het wetenschappelijk onderwijs. Het gemiddelde eindexamencijfer lijkt wel een van de sterkste voorspellers van studiesucces te zijn, maar er zijn op dit punt grote verschillen per studierichting. Er is per studierichting in 23

feite sprake van zelfselectie en homogene instroom. Door de gewogen loting bij bijvoorbeeld geneeskunde zullen we daar studenten vinden met gemiddeld hogere eindexamencijfers. Studierichtingen die als ’moeilijk’ te boek staan, trekken over het algemeen eveneens studenten met hogere VWOcijfers. Begin negentiger jaren is begonnen met een herziening van de tweede fase van het voortgezet onderwijs (MOW, 1991, 1992). Onder andere voor het VWO zijn plannen ontwikkeld die moeten leiden tot vier profielen, die een betere aansluiting zouden moeten vormen op het hoger onderwijs. Met deze plannen als basis zijn enkele onderzoeken uitgevoerd waarin een relatie is gelegd tussen de voorgestelde profielen en studiesucces in de op het profiel aansluitende studierichtingen (Roeleveld e.a., 1994; Jansen, 1995). Omdat in de profielen uitgegaan wordt van een andere opzet van de VWO-vakken is een vergelijking met studenten met de huidige vakkenpakketten niet helemaal zuiver. Maar een grove vergelijking van studenten die studeren met een VWO-vakkenpakket dat past binnen één van de voorgestelde profielen en studenten met een vakkenpakket dat daar niet in past, levert geen aanwijzingen op dat de profielen op zich zullen bijdragen aan een verbeterde aansluiting tussen VWO en WO, in de zin van een verhoging van het percentage succesvolle studenten in de propedeuse. Jansen (1995) toonde wel aan dat het gemiddelde eindexamencijfer voor de acht door haar onderzochte studierichtingen de beste voorspeller was voor de snelheid waarmee het propedeuseprogramma werd behaald. Bij vier studierichtingen vertoonden de afzonderlijke beta-vakken enige samenhang met studiesnelheid (correlaties tussen de .17 en .33). Deze beide resultaten sluiten aan bij de bevindingen van Van Overwalle (1985). Meerum Terwogt-Kouwenhoven (1990) geeft aan dat vooropleidingsgegevens hoogstens iets zeggen over wie weinig kans hebben te slagen voor de propedeuse, maar niet wie er wel of niet zullen slagen.

Achtergrondvariabelen In de loop der jaren is ook aandacht besteed aan kenmerken als sociaaleconomische status van de ouders, geslacht en leeftijd. Onderzoek uit de jaren zestig en zeventig liet nog wel zien dat studieprestaties van vrouwen (in de zin van het behalen van kandidaats en/of doctoraaldiploma’s) achter bleven bij die van mannen. Eind zeventiger en begin tachtiger jaren werden juist omgekeerde tendensen zichtbaar (zie bijvoorbeeld Jansen en Joostens, 1986). Uit het onderzoek van De Jong e.a. (1991) waarbij de cohorten 1982 en 1986 steekproefsgewijs op landelijk niveau zijn onderzocht, kon slechts bij één studierichting een sexe-effect in relatie met studievoortgang gevon24

den worden. Cohen-Schotanus (1994) en Roeleveld e.a. (1994) toonden weer aan dat vrouwen sneller door de studie heen gaan dan mannen. De sociaal-economische status van de ouders vertoonde in het onderzoek van De Jong e.a. (1991) geen significante relatie met studievoortgang. Het verband dat zij vonden met leeftijd, als een student jonger is bij eerste inschrijving heeft hij een hoger slaagkans in het wetenschappelijk onderwijs, loopt mogelijk via doubleren in het voortgezet onderwijs of uitgestelde onderwijsweg. Bij deze variabelen kan de vraag gesteld worden, indien zij wel samenhang zouden vertonen met studievoortgang, wat een instelling met dat gegeven kan doen. Allereerst levert een samenhang alleen natuurlijk geen causaal verband op. Ten tweede staat het Wetenschappelijk Onderwijs in principe open voor iedereen met een diploma dat recht geeft op toelating. Instellingen kunnen niet op bepaalde kenmerken selecteren. De overheid kan door haar regelgeving wel sturend optreden. Zo zal bijvoorbeeld door de regelgeving met betrekking tot studiefinanciering en hoogte van het collegegeld, de universiteit meer jongere studenten aantrekken dan oudere. Een ander gevolg van de huidige regelingen op studiefinancieringsgebied zou kunnen zijn dat studenten met meer draagkrachtige ouders een grotere plaats gaan innemen in het Wetenschappelijk Onderwijs. Het ligt niet voor de hand dat de overheid op voorhand deze mogelijke effecten als gewenst beschouwt. Omdat een aantal van de beschreven kenmerken van de individuele student klaarblijkelijk van belang zijn voor de verklaring van studievoortgang, zijn deze variabelen voor zover beschikbaar (zie 4.3 en 4.4.2) in ons onderzoek naar de invloed van de organisatie van het curriculum wel gebruikt als controlevariabelen in de statistische analyses.

3.4

Studievaardigheden, planningsgedrag en tijdbesteding

Studievaardigheden In de benaderingen waarbij de oorzaak voor studievertraging of studiestaking met name bij de student wordt gezocht, is een onderzoekstraditie naar voren gekomen waarbij veel aandacht werd besteed aan de studievaardigheden van studenten. Via trainingen probeerde men de studievaardigheden van studenten te verbeteren en op deze wijze tot minder uitval te komen of tot minder studievertraging. In de jaren zeventig is veel onderzoek gedaan naar de effecten van dit soort trainingen. Het artikel van Israëls (1983) waarin hij op grond van een uitgebreid literatuuronderzoek concludeerde dat

25

er geen postieve effecten van studiebegeleiding waren aangetoond, lokte veel reakties uit (Van der Klauw, 1983; Sonneveld en Janssen, 1983; Kramers, 1983). Over het algemeen bleken aparte algemene studievaardigheidstrainingen geen effect te hebben op de studievoortgang van studenten, maar in een aantal gevallen wel op het welbevinden van studenten. Verder bleek dat studievaardigheidstrainingen die geïntegreerd zijn in het reguliere onderwijs wel enige samenhang vertoonden met studievoortgang binnen de cursus. Crombag e.a. (1975) ontwikkelden een instrument waarmee zij verschillende dimensies van studievaardigheden hebben gemeten. De dimensies hebben ondere andere betrekking op de wijze van leerstofbestudering, aantekeningen maken, gebruik van de studietijd en deelname bij verschillende vormen van onderwijs. Zij vonden geen verband tusen deze algemene studievaardigheden en het behalen van de propedeuse. Dit is door hen bij verschillende studierichtingen onderzocht. Opvallend genoeg bleek er vrijwel geen verschil te zijn in het studeergedrag van studenten bij de verschilende studierichtingen. De studenten concentreren zich met hun studie-inspanning op het volgen van colleges, op hetgeen de docent aanbiedt en op examenvoorbereiding. De auteurs vinden het opmerkelijk dat verschillende onderwijsomgevingen zo weinig van invloed zijn op het werkgedrag van studenten. Zij vragen zich vertwijfeld af wat het verschil is tussen succesvolle en niet succesvolle studenten, nu bij hen bleek dat het weinig verschil uitmaakte hoe een student studeerde. Hun belangrijkste conclusie destijds was dan ook dat in de vier onderzochte studierichtingen (medicijnen, psychologie, scheikunde en rechten) prestaties van studenten moeilijk te voorspellen zijn. Omdat er geen aanwijzingen zijn dat studievaardigheden een belangrijke invloed uitoefenen op studievoortgang van studenten speelt dit aspect verder geen rol in het te ontwikkelen verklaringsmodel.

26

Tijdbesteding In latere studies zijn de auteurs het werkgedrag van studenten nader gaan onderzoeken. Door hen zijn verschillende onderzoeken uitgevoerd, waarbij studenten is gevraagd hun tijdbesteding gedetailleerd bij te houden. Vaak betreft dit niet alleen de tijd direct besteed aan de studie maar ook de besteding van tijd aan de overige activiteiten (bijvoorbeeld persoonlijke verzorging, slapen, hobbies, boodschappen en dergelijke). De resultaten van deze onderzoeken zijn uitgebreid beschreven in Van der Drift en Vos (1987). Op deze plaats willen we onze aandacht richten op de studietijdbesteding van studenten, hoewel dat uiteraard gerelateerd is aan de tijd die studenten besteden aan overige activiteiten. Studenten maken immers voortdurend een afweging of zij hun tijd zullen gaan besteden aan een aan de studie gerelateerde activiteit of aan één van de overige activiteiten. Idealiter zouden studenten hun studietijd (hiermee bedoelen we zowel de contacttijd als de zelfstudietijd) gelijkmatig over de gehele studieperiode moeten verdelen. Praktijkervaringen maken duidelijk dat studenten zelden een dergelijk ’ideaal’ studiegedrag vertonen. In de onderwijspraktijk maken we dagelijks studenten mee die in de laatste spurt voor het tentamen nog proberen het grootste deel van de leerstof onder de knie te krijgen. Schouwenburg (1994) noemt dit tijdbestedingpatroon gegeven de eigenschappen van het geheugen rationeel. De werking van de vergeetcurve maakt dat wat iemand vandaag leert, verder wegzakt naarmate er meer tijd verloopt tussen het moment van leren en de datum van het tentamen. Voor studenten is het dus rationeel om tijd en energie te sparen tot vlak voor het tentamen. De tijdschrijfonderzoeken die Van der Drift en Vos geanalyseerd hebben laten dit ook overduidelijk zien. op grond van dat soort gegevens kunnen we een een schematische weergave opstellen van de verdeling van de studietijd van studenten in een denkbeeldig curriculum met een semesterplanning en vijf vakken parallel geroosterd. Aan het einde van het semester zien we vijf tentamenmomenten, voor iedere cursus één tentamen. In de figuur zijn de tentamens aangeduid met T1, T2, etcetera. De studie-inspanning van studenten ziet er schematisch als volgt uit:

Figuur 3.1:

Schematische weergave van de tijdbesteding van studenten

27

gedurende een semester met vijf cursussen parallel

In het begin van het semester worden er nog weinig eisen aan de studenten gesteld en besteden de studenten relatief weinig tijd aan de studie, zeker als het vergeleken wordt met de nominale studielast van 40 uur per week. Naarmate het semester vordert en de tentamens in zicht komen, is een duidelijke stijging van het aantal studie-uren zichtbaar, uitmondend in pieken vlak voor het tentamen. Voor de eerste twee tentamens in de tentamenrij is deze strategie misschien nog wel vol te houden, maar bij de tentamens voor het derde en de volgende vakken blijken deze pieken steeds lager te komen liggen. Bovendien heeft onderzoek uitgewezen dat er aan de eerste tentamens relatief meer studenten deelnemen en de slaagpercentages hoger zijn (zie bijvoorbeeld Van der Drift en Vos, 1987). Op het aspect sturen van inzet door middel van spreiding van de studielast komen we in paragraaf 3.6, waarin we kenmerken van de curriculumorganisatie beschrijven, uitgebreid terug.

Planningsgedrag Studenten laten zich bij de keuze voor hun tijdbesteding leiden door de verwachte opbrengst op de korte en langere termijn. De tijd besteed aan zelfstudie volgt het door Schouwenburg (1994) beschreven kortingsprincipe. In de economie heeft het kortingsprincipe de betekenis dat mensen op de

28

vrije markt goederen minder waard vinden naarmate levering langer op zich laat wachten. In het algemeen gesteld komen verschillende auteurs tot de conclusie dat met name een verband gevonden wordt tussen de inrichting van curricula en het werkgedrag van studenten (Crombag, van der Drift en Vos, 1985; Van der Drift en Vos, 1987; Schouwenburg, 1994; Jansen, 1992, 1993a, 1993b). Hier komen we in paragraaf 3.6 uitgebreid op terug. In zijn literatuuronderzoek naar studiemislukking en vertraging noemt Buis (1979) al dat de tijdsdimensie één van de hoofdaspecten van de studievaardigheidsproblematiek is. Studenten hebben problemen hun studieactiviteiten goed te plannen. Hij citeert onder andere Van Os en Van Strien (1975): ’Hun (van de studenten) probleem is dat ze slechte rentmeesters zijn van hun tijd’. Vele onderzoekers zijn tot dezelfde conclusie gekomen. Meerum TerwogtKouwenhoven (1990) vond in haar onderzoek ter verklaring van de rendementspoblematiek van de studierichting psychologie dat ’plannen’ de belangrijkste factor lijkt ter verklaring van het propedeuseresultaat. Bij verschillende cohorten studenten heeft zij onder andere een studiegedragvragenlijst afgenomen. Deze vragenlijst bestond uit items die zeven subschalen vormden, te weten: - planning en organisatie - begripsproblemen - schematizeren - minimum houding - gebruik oriëntatiefase - taakoverzicht - dieptestructuur zoeken. Studenten die extreem hoog scoorden op één van de subschalen, maar niet op één van de andere subschalen zijn geselecteerd voor nader onderzoek. In de propedeuseresultaten (geslaagd in juli, augustus, niet geslaagd of gestopt) wijken alleen de resultaten van de goede planners sterk af van de groep als geheel. Een vergelijking van goede planners en slechte planners leverde op dat goede planners conscientieuzer zijn, regelmatiger werken, meer colleges volgen, meer tijd besteden aan de voorbereiding van tentamens en deze ook kwalitatief beter voorbereiden. Geen verschil werd gevonden op de punten leeftijd, woordenschat, algemene ontwikkeling en de persoonlijkheidsvariabelen Extraversie, Vriendelijkheid en Neuroticisme. Uit een onderzoek onder een later cohort studenten, waarbij een factoranalyse is uitgevoerd op de studiegedragvragenlijst inclusief vragen over verschillende verwerkingsstrategieën en belevingsclusters, bleek dat de schaal ’plan29

ning’ één factor vormde met tijdoverzicht, inzet en tevredenheid. Er was geen correlatie met enig studie-inhoudelijk aspect. Variabelen die betrekking hebben op planning en tijdbesteding hebben geen inhoudelijke component in de vorm van bepaalde verwerkingsstrategieën. De wijze waarop studenten hun tijd besteden aan het voorbereiden van tentamens kan zowel diepgaand als oppervlakkig zijn. Dit brengt haar tot de conclusie dat de succesvolle student niet degene blijkt die zijn informatie diep, complex en extensief verwerkt, maar juist iemand die het op kan brengen een heel jaar lang met enige regelmaat in de boeken te duiken. De propedeuse selecteert dus een klein aantal doorzetters, ...., en niet de ’goede’ student die studeert zoals dat zou moeten (Meerum Terwogt-Kouwenhoven, 1990, p. 91-92). Dit lijkt geen wenselijke situatie voor de universiteiten. Gezien de ontwikkelingen op het beleidsterrein van het Hoger Onderwijs lijkt het dus van groot belang voor de universiteiten om er voor te zorgen dat enerzijds het onderwijs zo is ingericht dat studenten tot regelmatig studiegedrag worden aangezet, zonder dat dit vervalt in puur reproduktief onderwijs. Hierop komen we in paragraaf 3.5 en 3.6 terug. Schouwenburg (1994) komt in zijn onderzoek naar uitstelgedrag bij studenten tot de conclusie dat de beste voorspeller voor uitstelgedrag inadequate zelfregulatie is, opgevat als inadequaat planning/tijdgebruik. Dit gegeven wordt door hem als bemoedigend voor het studievaardigheidsonderwijs aan de Nederlandse universiteiten beschouwd, omdat de belangrijkste geïdentificeerde determinant van uitstelgedrag bij studenten kan worden geremedieerd. De vraag rijst of het een handige strategie is het leren plannen en aanleren van zelfdiscipline in aparte studievaardigheidscursussen aan te bieden of dat het efficiënter is het leren plannen en dergelijke, op te vatten als een doelstelling van het curriculum en daarop door de organisatie van het onderwijs op curriculum- en cursusniveau in te spelen. Dit wordt eveneens aanbevolen door Oosterhuis-Geers (1995) in haar proefschrift waarin zij een procedure beschrijft ter bevordering van effectief en efficiënt studeergedrag. Dat de tijd die studenten besteden aan de studie een belangrijke factor is behoeft geen betoog. In 1963 formuleerde Carroll zijn onderwijsleermodel om studiesucces te verklaren en om leerproblemen te voorkomen en te remediëren. Dit model en op dit model gebaseerde onderwijsvormen zijn ook in Nederland vaak gebruikt voor onderzoek en onderwijsontwikkeling in het Hoger Onderwijs (Holleman, 1993; Knippenberg en Loos, 1983; De Bruyne, 1976; Mettes en Pilot, 1980). Tijd (time-on task) is de cruciale facor. In feite probeert Carroll alles te meten in termen van tijd. Volgens Holleman (1993) kan je daar kritiek op hebben omdat het in de praktijk gaat om het 30

leveren van een inspanning. Dat kost tijd maar kan niet als tijd worden gedefiniëerd. Om te bevorderen dat een student op een bepaald tijdstip zoveel mogelijk leerwinst heeft behaald, moet een studierichting volgens Carroll de netto benodigde tijd en de bestede studietijd optimaliseren. Dit kan door een optimale inrichting van de leeromgeving, het onderwijsprogramma of onderwijssysteem. Daarop zijn twee randvoorwaarden van toepassing ’quality of instruction’ (onderwijskwaliteit) en ’opportunity to learn’ (door het systeem bepaalde plafondwaarde van bestede tijd aan de leerstof). Holleman (1993) stelt voor Carroll’s factor onderwijskwaliteit te vervangen door voorschriften ter optimalisering van interne en externe leercondities. Hiermee komen we op de factoren die in de volgende paragraaf behandeld worden: de effectiviteit van instructie.

3.5

Effectiviteit van instructie

In deze en de volgende paragraaf nemen we factoren binnen het onderwijs onder de loupe die van invloed zijn op de studievoortgang van studenten. In het algemeen kunnen we stellen dat naast studentkenmerken de kwaliteit van het onderwijs van invloed zal zijn op de studievoortgang van studenten. Kwaliteit is echter een ruim en tamelijk moeilijk te definiëren begrip. Het begrip onderwijs kan eveneens op meer wijzen ingevuld worden. Bij de term kwaliteit van het onderwijs zijn vele ingangen en niveau’s denkbaar. Het percentage afgestudeerden in een bepaalde tijdsperiode kan als uitgangspunt genomen worden, maar ook de behaalde hoeveelheid leerwinst afgezet tegen tijd en kosten. Nadat in 1985 de HOAK-nota is verschenen heeft de discussie over de kwaliteit van het hoger onderwijs een grote vlucht genomen. Hieraan is in de loop der tijd door verschillende auteurs veel aandacht gegeven (zie bijv. Kells, Maassen en de Haan, 1991; Heijnen, Joostens en Vroeijensteijn, 1990; Kells en van Vugt, 1988). Onderwijs kan opgevat worden in ruime zin als de wijze waarop de opleiding is georganiseerd, maar ook in meer beperkte zin als het daadwerkelijke onderwijzen, de kennisoverdracht van de docent aan de studenten. In navolging van Jochems (1990) gebruiken we voor deze beperkte betekenis de term instructie. Instructie wordt niet opgevat als alleen het docentfunctioneren, maar juist als de gehele cursusopzet, waarbinnen de docent één van de elementen is. De vraag in deze paragraaf is welke cursuskenmerken een positieve invloed hebben op de studievoortgang van studenten. In feite stellen we hier de vraag naar de effectiviteit van instructie.

31

Onderwijsfuncties Onderwijsactiviteiten en leermiddelen vervullen bepaalde functies voor het leren van studenten. Deze functies worden wel aangeduid als onderwijsfuncties (Smuling e.a.,1990; Pilot e.a. 1992). Zij geven aan welke onderwijsactiviteiten moeten plaats vinden om het gewenste leerproces te realiseren. Hoofdfuncties die vervuld moeten worden zijn oriënteren, gelegenheid geven tot oefenen, controleren van het leerresultaat en het geven van terugkoppeling daarover. Daarnaast worden nog drie voorwaardelijke functies onderscheiden, namelijk motiveren, aansluiten bij beginsituatie en inzicht geven in leerdoelen. Onder de hoofdfunctie oriënteren verstaan we het verkennen van informatie, het verwerven van informatie, zowel qua kenniselementen als qua probleemaanpak, en het operationeel maken van deze informatie. Binnen de oriëntatiefunctie krijgen studenten theorieën, begrippen en werkwijzen gepresenteerd en worden deze voor de studenten toegankelijk gemaakt. Deze functie kan vervuld worden door schriftelijk studiemateriaal of contacttijd, bijvoorbeeld een hoorcollege. De tweede hoofdfunctie, oefenen, zorgt ervoor dat studenten oefenen in het gebruik van kenniselementen en methoden van probleemaanpak. Daarnaast is terugkoppeling tijdens het oefenen en reflecteren tijdens en na het oefenen van belang. Oefening is nodig om de stof te leren beheersen en om vakspecifieke werkwijzen te leren uitvoeren. Door studenten vraagstukken en opdrachten te geven om thuis of tijdens werkcolleges en practica te maken wordt aan studenten de gelegenheid gegeven te oefenen. Alleen de gelegenheid geven is echter geen garantie dat er goed gebruik wordt gemaakt van de oefeningen. Daarom is het van belang de leerresultaten van de studenten regelmatig te controleren. Deze controle tijdens de cursus heeft een tweeledig doel. Enerzijds wordt voorkomen dat studenten de aansluiting met de leerstof missen: studenten ontdekken tijdig of zij extra hulp of uitleg nodig hebben bij de leerstof. Anderzijds worden studenten door een regelmatige controle tijdens de cursus aangezet tot regelmatig studeren. In de vorige paragraaf hebben we gezien dat dat juist een van de elementen is die bepalend is voor de studievoortgang van studenten en dat ook studenten juist daarmee veel problemen hebben. Om de controle tijdens de cursus effectief te laten zijn dienen de studenten ook terugkoppeling te krijgen over de gemaakte fouten en moeten zij aanwijzingen krijgen hoe zij verder moeten werken. Terugkoppeling is gerelateerd aan een geleverde prestatie van studenten. Alleen het geven van een uitwerking op het bord zonder dat studenten de opgave van te voren hebben gemaakt, is geen 32

adequate vorm van terugkoppeling. Er is dan eerder sprake van het vervullen van de oriëntatiefunctie. Het toetsen van het leerresultaat is als derde hoofdfunctie genoemd. Hierbij gaan we na welk leerresultaat is bereikt, stellen we vast of dit leerresultaat voldoet aan de norm en informeren we de studenten over het toetsresultaat. Meestal gebeurt het vaststellen van het leerresultaat door middel van een individuele toets, maar het het is ook mogelijk de resultaten op tussentijdse toetsen als eindcontrole te laten gelden. Dit gebeurt bijvoorbeeld bij individuele studiesystemen. Na afloop van de toets of het tentamen moeten de studenten terugkoppeling krijgen over de gemaakte fouten en over hoe zij deze fouten kunnen herstellen. Dit is de vierde hoofdfunctie: terugkoppelen op grond van leerresultaten en specifieke voortzetting van het leerproces. Het belang van het mechanisme van controle en terugkoppeling voor het verbeteren van studieprestaties van studenten is door verschillende auteurs benadrukt (Buis, 1978; Mettes en Pilot, 1980; Been, 1981; Roossink, 1990). Onderwijsfuncties kunnen gebruikt worden bij het ontwerpen van cursussen, maar zij zijn eveneens en goede leidraad bij de evaluatie van cursussen. Een analyse van cursussen aan de hand van onderwijsfuncties, waarbij duidelijk wordt welke functies wel, niet of onvoldoende of inadequaat vervuld worden, kan aanwijzingen geven voor verbetering van de cursus. Een dergelijk analyse-aanpak wordt bijvoorbeeld voorgestaan in het ISEKInstrumentarium voor Systematische Evaluatie van Kursussen (Jansen, Joostens en Tiesinga, 1990). De veronderstelling is dat cursussen waarin de verschillende onderwijsfuncties adequaat worden vervuld, betere rendementen hebben en daarmee de studievoortgang van studenten positief beïnvloeden.

Instructietijd Verder is in onderzoek aangetoond (Vos, 1985) dat het gemiddeld aantal uren zelfstudie per uur onderwijsdeelname of instructietijd afneemt naarmate het aantal uren instructietijd toeneemt. Het blijkt niet rendabel om instructietijd steeds meer te verhogen zonder dat dit ten koste gaat van de zelfstudie. Opleidingen met veel instructietijd lokken relatief weinig zelfstudie uit per instructie-uur. Gijselaers en Schmidt (1994) vonden op basis van onderzoek binnen de Faculteit der Geneeskunde van de Rijksuniversiteit Limburg dat zelfstudie en de ratio instructietijd/zelfstudie positief met toetsresultaten correleerden (resp. r=.40 en r=.50). Instructietijd correleerde negatief met toetsprestaties (r=-.33). Hun conclusie luidde dan ook ’Investeren in instruc33

tietijd: spaarzaamheid loont de moeite’.

3.6

Effectiviteit van de organisatie van het curriculum

In deze paragraaf gaan wij in op de organisatie van het curriculum, het centrale thema van ons onderzoek. Onder het curriculum verstaan we het totale onderwijsaanbod binnen een studierichting, in het in de volgende hoofdstukken beschreven onderzoek ingeperkt tot het onderwijs in de propedeuse. Het omvat evenwel vele vakgebieden die binnen een studierichting aan bod komen. In tegenstelling tot bijvoorbeeld het gebruik van de term curriculum in het basisonderwijs, waarin verschillende curricula onderscheiden worden (bijvoorbeeld, rekenen, taal, wereldoriëntatie) wordt de inhoudelijke component van het curriculum in onze vraagstelling buiten beschouwing gelaten. In termen van de vier fundamentele vragen die Tyler (1949) in zijn (curriculumtheoretisch) model stelt: 1 welke onderwijsdoelstellingen dient een school na te streven? 2 welke leerervaringen zijn geschikt om deze doelstellingen te bereiken? 3 hoe kunnen deze leerervaringen doeltreffend worden georganiseerd? 4 hoe kan bepaald worden of deze doelstellingen worden bereikt?, gaan we in op de derde vraag, die naar de organisatie van het curriculum om de gewenste leerervaringen door de studenten te laten bereiken. In de voorgaande paragrafen zijn enkele factoren naar voren gekomen die de studievoortgang van studenten beïnvloeden. Op het niveau van de student bleek planningsvaardigheid en regelmatig studiegedrag van belang. Op het niveau van de cursus zijn de onderwijsfuncties en met name het controle en terugkoppelingsmechanisme als belangrijk naar voren gekomen. In hoeverre hangen deze factoren samen met de inrichting, de organisatie van het curriculum? Eind zeventiger jaren kwam Buis (1979) al tot de conclusie dat het probleem in het tertiair onderwijs is dat het instructieproces wordt gescheiden van het leerproces. Daardoor wordt de informatie over en de controle op de studievoortgang uitgesteld. Dit is gekoppeld aan de vrijblijvendheid van het academische onderwijs, zowel wat de staf als wat de houding van de studenten betreft. In zijn proefschrift pleit Buis (1978) daarom voor een versterking van de terugkoppeling van studievoortgangsgegevens naar de student. Hij noemt twee voorwaarden voor effectieve

34

terugkoppeling: a) de studenten mogen zich niet aan de terugkoppeling kunnen onttrekken en b) de terugkoppeling dient specifiek te zijn. Gegevens over verband tussen terugkoppelingsmechanismen en rendement zijn volgens Bijleveld (1993) alleen bekend op het niveau van de cursus of onderwijsvorm, zoals bijvoorbeeld op het niveau van ISS (individuele studiesystemen). Onderzoek naar het verband op studierichtingsniveau is volgens hem niet bekend. Bovendien heeft onderzoek op studierichtingsniveau vaak een beperkte generalisatiewaarde omdat het zich beperkt tot één enkele studierichting aan één instelling, waardoor het vrijwel onmogelijk is iets te zeggen over het effect van studierichtingsfactoren. Daar waar wel meer dan één studierichting in het onderzoek betrokken is, betreft het vaak onderzoek naar inhoudelijk verschillende studierichtingen waardoor het niet mogelijk is om effecten en factoren bij overeenkomstige studierichtingen vast te stellen. Toch zijn er verschillende onderzoeken in Nederland uitgevoerd waarbij het verband tussen de inrichting van het curriculum en het rendement van de studierichting of de studievoortgang van studenten is onderzocht. Ondanks de beperkingen die Bijleveld aan deze onderzoeken toekent, geven zij inzicht in factoren op curriculumniveau die van invloed zijn op de studievoortgang van studenten. We gaan hierbij met name in op organisatiekenmerken van het curriculum zoals programmeringsprincipes, tentamenspreiding en tentamenregelingen.

Tentamenspreiding Een belangrijk onderzoeksprogramma naar de invloed van de inrichting van het curriculum op het werkgedrag van studenten is uitgevoerd door Crombag, Van der Drift en Vos in de tachtiger jaren (Crombag e.a., 1985; Van der Drift en Vos, 1987). Zij veronderstellen de Teaching-Learning Paradox van Dubin en Taveggia (1968) - op de leerresultaten maakt het niet uit welke onderwijsmethode gebruikt wordt - te kunnen doorbreken, door het werkgedrag van studenten als intermediaire variabele op te nemen bij het leggen van verbanden tussen onderwijzen en leren. Op grond van onderzoek naar de tijdbesteding van studenten bij verschillende cursussen in een curriculum kwamen zij tot de conclusie dat studenten hun werkgedrag aanpassen bij de organisatie van het curriculum. Bij de studierichting Rechten vonden zij dat een kleine organisatorische verandering in het curriculum (het veranderen van volgorde van tentamens en het verder uit elkaar plaatsen daarvan) leidde tot een in totaal hoger aantal gerealiseerde studiebelastingsuren, een evenwichtiger verdeling van de studie-uren over 35

de concurrende cursussen en een aanmerkelijk hoger slagingspercentage voor één cursus zonder een overeenkomstige daling bij een concurrerende cursus. Van der Drift en Vos (1987) komen op grond van verschillende tijdbestedingsonderzoeken tot de volgende factoren die studenten aanzetten tot het volgen van onderwijs en het uittrekken van tijd voor zelfstudie: de nabijheid van het tentamen, dat wil zeggen van het moment waarop het resultaat van het leren wordt vastgesteld; de verplichting om aan onderwijs deel te nemen; de controle op voorbereiding van onderwijs door middel van formele huiswerkbeoordeling of door handhaving van een hoog niveau bij de behandeling van de leerstof, waardoor voorbereiding van het onderwijs onontkoombaar wordt. Verder concluderen zij dat bij gelijktijdige, onverenigbare prestatie- of inspanningeisen ’onbelangrijke’ vakken opgeofferd worden aan urgentere zaken, dat wil zeggen aan vakken waarbij het minst aan de eisen kan worden getornd. Bij de vraag naar de mogelijkheden vanuit de onderwijsinstelling om te komen tot een optimalisering van het onderwijs komen zij tot de vaststelling dat een ideaal onderwijs- en tentamenrooster (een rooster met zo weinig mogelijke concurrentie tussen vakken onderling, vakken en tentamens en tentamens onderling) zal resulteren in een optimale verdeling van studietijd over de vakken en in een toename van de totale studielast omdat concurrentieverliezen tot een minimum gereduceerd zijn. In feite pleiten zij hier voor een geblokt curriculum waarbij vakken ná elkaar in plaats van naast elkaar geroosterd zijn. Als nadeel van blokonderwijs noemen zij problemen bij ziekte van een docent indien deze niet kan worden vervangen en een mogelijk groter risico van uitstel van tentamendeelname indien een student tijdens een blokcursus tijdelijk door ziekte geveld is. Deze veronderstellingen hebben zij niet empirisch getoetst. Uit een opinie-onderzoek onder eerstejaarsstudenten aan de Rijksuniversiteit Groningen waarin gevraagd is naar de mogelijke voor- en nadelen van een geblokt of parallel curriculum, worden de verwachte problemen bij ziekte van docent of student bij beide vormen van curriculumorganisatie genoemd, zij het dat het percentage studenten dat verwacht bij een geblokt curriculum in de problemen te komen bij ziekte van de docent hoger is. Ziekte van de student zelf is naar hun mening in elke vorm van onderwijsprogrammering problematisch (Jansen en Joostens, 1989).

36

Programmeringsprincipes Uit een evaluatieonderzoek naar de uniforme jaarindeling van 6 x 7 weken binnen de Faculteit der Psychologische, Pedagogische en Sociologische Wetenschappen aan de Rijksuniversiteit Groningen, bleken de propedeuserendementen in het 6 x 7 systeem hoger dan in het semester of trimestersysteem (de Vette, 1990). Het geblokte curriculum bij de studierichting pedagogische en andragogische wetenschappen gaf ook een hogere studiesnelheid (gemiddeld aantal maanden dat studenten gebruiken om de propedeuse te behalen) te zien dan het 6 x 7 systeem bij dezelfde studierichting (Jansen, 1992). Een probleem bij onderzoeken naar de effecten van vernieuwingen ligt in het optreden van het zogenaamde Hawthorne-effect. Een vernieuwing geeft in veel gevallen in eerste aanzet een verbetering te zien, maar na enkele jaren verdwijnt het effect van de doorgevoerde vernieuwing. De geboekte tijdswinst in de propedeuse in het 6 x 7 systeem bleef bij deze studierichting echter behouden in het doctoraalprogramma bij het vergelijken van het aantal gerealiseerde studiebelastingsuren in het 6 x 7 systeem met die in het semestersysteem (Jansen, 1993). In een volgend jaar waarin in plaats van blokonderwijs twee vakken parallel werden geroosterd, was de studievoortgang lager. Deze laatste ’vernieuwing’ leidde dus niet tot een beoogde verbetering van de studievoortgang. Het blijft moeilijk inzicht te krijgen in hoeverre er sprake is of zal zijn van het Hawthorneeffect bij veranderingen in de curriculumorganisatie. Bij de andere studierichtingen binnen de faculteit PPSW waren de resultaten minder eenduidig of konden deze nog niet over een langere termijn getoetst worden vanwege onbeschikbaarheid van data. Ook in amerikaans onderzoek is gevonden dat een verandering in programmeringsprincipe in kortere periodes tot betere studieresultaten leidde. Coleman e.a. (1984) rapporteren een verlaging van het gemiddeld aantal gerealiseerde studiebelastingsuren en toename van studie-uitval bij een verandering van een programmeringssysteem van vier perioden naar een semestersysteem. In een onderzoek naar de impact van een roosterwijziging in een blokkensysteem, één cursus tegelijk, vonden Vaughan en Carlson (1992) onder andere een verandering in het gedrag van de studenten. De stafleden rapporteerden hoger collegebezoek, betere voorbereiding, minder te laat ingeleverde papers en een in het algemeen hogere kwaliteit van het werk van de studenten. In vergelijking met studenten die in het oude systeem gestudeerd hadden, waren afgestudeerden uit het blokkensysteem ervan overtuigd dit onderwijsprincipe er in grote mate toe had bijgedragen dat zij nu in staat waren hun tijd effectief te organiseren. Ook binnen de studierichting Farmacie van de Rijksuniversiteit Groningen blijkt de overgang 37

naar het blokonderwijssysteem positief te hebben bijgedragen aan de studievoortgang van studenten. In het nieuwe curriculum realiseerden de studenten meer studielast (het programma was zwaarder geworden) in minder tijd (Joostens en Schoonen, 1987; Schoonen en Joostens, 1993). Voor het behalen van het doctoraaldiploma werd een tijdwinst geboekt van zeven tot tien maanden.

Tentamenregelingen Naast het spreiden van tentamens over het studiejaar, zijn ook de gebruikte tentamenregelingen van invloed op de studievoortgang van studenten. Wilbrink (1980) suggereert dat conjunctieve tentamenregelingen vaker tot studievertraging zullen leiden dan compensatorische. Tot eenzelfde conclusie komen De Jong en Meijer (1990) bij hun bevinding dat de snelste doorstroming gevonden werd in een studieprogramma van een bêta-studierichting, omdat daar het meest gebruik werd gemaakt van een compensatieregeling voor onvoldoendes. Rekveld en Starren (1994) komen op grond van theoretisch onderzoek eveneens tot de conclusie dat compensatorische examenregelingen zullen resulteren in lagere zakkansen. De auteurs vragen zich af waarom in het Nederlandse Hoger Onderwijs ondanks de voordelen van compensatie nog steeds op grote schaal een conjunctief systeem wordt gehanteerd. Mogelijk heeft dit te maken met kwaliteitseisen die de studierichtingen willen stellen aan studenten. Een conjunctief systeem lijkt hogere eisen te stellen omdat elk onderdeel afzonderlijk met een voldoende cijfer moet worden afgesloten. Een ander argument komt mogelijk voort uit de autonomie van de docenten. Bijna elke docent vindt zijn/haar vak zo belangrijk dat zij het niet willen toestaan dat studenten juist voor hun vak een onvoldoende kunnen laten staan. In een onderzoek bij de faculteit geneeskunde aan de Rijksuniversiteit Groningen is nagegaan wat de effecten zijn van de invoering van een compensatieregeling, waarbij studenten per studiejaar één vijf mochten laten staan, mits deze vijf gecompenseerd werd door een zeven op een ander vak (Cohen-Schotanus, 1995). Uit dit onderzoek bleek niet dat bepaalde vakken altijd worden gecompenseerd en andere niet. Een standaard combinatie van een moeilijk vak compenseren door een gemakkelijk vak was niet aantoonbaar. Cohen-Schotanus concludeert dan ook dat er waarschijnlijk sprake is van compensatie van ’toevallige’ vijven. De gemiddelde verblijfsduur van studenten was na invoering van de compensatieregel afgenomen met ongeveer drie maanden. Het gebruik van een conjunctieve dan wel een compensatorische examenregeling is hoe dan ook een belangrijk kenmerk van de curriculumorgani38

satie.

3.7

Een model ter verklaring van verschillen in studievoortgang uitgaande van de organisatie van het curriculum

Zoals al vaker is aangestipt, is er in Nederland weinig empirisch onderzoek bekend waarin een model ter verklaring van studievoortgang van studenten is getoetst. Onderzoeken hebben zich veelal op deelaspecten gericht, maar deze zijn niet tot een meer geïntegreerd model uitgewerkt. Een eerste aanzet tot een dergelijk verklarend model is gegeven door Jansen (1993). Bijleveld (1993) komt in zijn proefschrift uiteindelijk ook tot de formulering van een theoretisch model voor het verklaren van studiestaking in het wetenschappelijk onderwijs. Op basis van dit model worden dertien hypothesen geformuleerd die echter niet empirisch getoetst worden. Cohen-Schotanus (1994) beschrijft in haar proefschrift de effecten van drie verschillende curricula van de faculteit geneeskunde aan de Rijkuniversiteit Groningen. Op grond van de hypothesen van Bijleveld heeft zij geprobeerd te voorspellen of met het nieuwste curriculum (curriculum 2000) een betere studiedoorstroom te verwachten is. Hierbij heeft zij ook de veranderingen ten opzichte van de twee ’oude’ curricula vergeleken. Haar conclusie is dat het voorspellen van het succes van het nieuwe curriculum op basis van de dertien genoemde hypothesen onzeker is. Ook Otten (1993) geeft aan dat het niet waarschijnlijk is dat alle hypothesen van Bijleveld bij toetsing overeind blijven, maar heeft die veronderstelling niet empirisch getoetst. 3.7.1

(Studieloopbaan)modellen in het hoger onderwijs

In de Verenigde Staten bestaat een rijke onderzoekstraditie naar modellen ter verklaring van drop-out of studieloopbaan (zie bijvoorbeeld Spady, 1970; Tinto, 1975,1987; Pascarella, 1980; Bean en Metzner 1985). Door het beschikbaar komen van multivariate statistische technieken heeft ook de toetsing en bijstelling van modellen een grote vlucht genomen. Een uitgebreide beschrijving van deze modellen is te vinden in Bijleveld (1993). In 1991 hebben Pascarella en Terenzini een volumineus werk doen verschijnen - How college affects students -, waarin zij een synthese geven van onderzoek dat de laatste twintig jaar op dit terrein is verschenen. Gezien echter de grote verschillen in universitair/hoger onderwijs tussen de Verenigde Staten en Nederland (zie o.a. Jansen, 1993) is het moeilijk resultaten 39

van de onderzoeken uit de Verenigde Staten te vertalen naar de nederlandse situatie. Bovendien is de organisatie van het onderwijs, waarin wij juist geïnteresseerd zijn, geen object van onderzoek. Wel zijn in Nederland de modellen ter verklaring van drop-out uit de Verenigde Staten vaak gebruikt in schoolloopbaanonderzoek. In het onderzoek van De Jong e.a. (1991) naar studieloopbanen in het hoger onderwijs, wordt uitgegaan van het model van Tinto (1987). Het model is in het onderzoek van De Jong gebruikt als leidraad voor het selecteren van studentvariabelen die van invloed zijn op de studieloopbanen. In dit onderzoek is echter slechts zeer summier aandacht gegeven aan kenmerken van de organisatie van het curriculum. De relatie tussen studentkenmerken en studieloopbaan staat voorop. Voor zover variabelen betrekking hebben op het onderwijs, zijn zij gemeten als meningen of ervaringen van studenten. In het onderzoek van de Jong e.a. gaat het om het verklaren of voorspellen van individuele succeskansen van studenten. Wij zijn in de eerste plaats geïnteresseerd in het verklaren of voorspellen van succeskansen van studenten die studeren in een bepaalde curriculumorganisatie. Dat is een wezenlijk ander uitgangspunt. Reijnders (1989) komt in een artikel getiteld ’Tinto’s theorie getoetst’ tot de conclusie dat de contacten tussen studenten onderling en tussen studenten en leden van de wetenschappelijke staf van belang zijn voor het voorkomen van studie-uitval in het hoger onderwijs. Ook al lijkt deze conclusie vanzelfsprekend, de toetsing waarvan in de titel sprake is, is wederom gebaseerd op de amerikaanse onderzoeken en vindt geen empirische fundering in onderzoek dat betrekking heeft op de nederlandse situatie en organisatie van het wetenschappelijk of hoger onderwijs. Een ander probleem bij de toetsing van modellen ter verklaring van verschillen in studievoortgang tussen studierichtingen, of zoals Bijleveld (1993) het noemt, verschillen in numeriek rendement tussen studierichtingen in het wetenschappelijk onderwijs, ligt ook in de verschillende niveaus van analyse-eenheden binnen een model, waarin zowel gegevens op studentniveau, cursus- en curriculumniveau en studierichtings- of instellingsniveau een rol spelen. Met de opkomst van analysetechnieken voor meer niveaus (multilevel technieken, zie bijvoorbeeld Bryk and Raudenbusch, 1992) is het nu mogelijk een dergelijk model beter te schatten en te toetsen. Voor een meer technische uiteenzetting verwijzen we naar 4.2.

40

3.7.2

Veronderstelde samenhang tussen factoren die van invloed zijn op de studievoortgang van studenten

In de voorgaande paragrafen zijn verschillende factoren die van invloed kunnen zijn op de studievoortgang van studenten aan de orde geweest. Uitgangspunt is verschillen in studievoortgang tussen studenten die studeren in verschillende curriculumorganisaties te verklaren. Op deze plaats geven we een samenvatting van de factoren en geven we aan welke factoren we op zouden moeten nemen in een model ter verklaring van studievoortgang van studenten. Een eerste verklaringsfactor wordt gevormd door de instroomkenmerken van het cohort. Hierbij blijken met name vooropleidingsgegevens van belang. We zullen het type vooropleiding, het gemiddelde eindexamencijfer of cijfers op bepaalde (groepen) vakken in een model ter verklaring van verschillen in studievoortgang op moeten nemen. Inzet van studenten blijkt een bepalende factor. Inzet omvat verschillende aspecten. Motivatie is er één van, maar ook de tijd die studenten aan de studie besteden. Omdat uit onderzoek duidelijk naar voren is gekomen dat problemen met de planning van de studie en uitstelgedrag veel voorkomen, ligt het voor de hand na te gaan welke kenmerken van het curriculum er zorg voor kunnen dragen dat studenten in ieder geval zo veel mogelijk gestimuleerd worden tot een hoge inzet. Zowel organisatiekenmerken van het curriculum als instructiekenmerken zijn hierbij van belang. Hierbij zijn met name het controle- en terugkoppelingsprincipe, zowel op cursus als curriculumniveau belangrijk gebleken (zie ook Hoeben, 1993). Daarnaast blijken examenregelingen invloed te kunnen hebben op de studievoortgang van studenten, waarbij compensatorische regelingen verondersteld worden te leiden tot een hogere studiesnelheid. Omdat wij in dit onderzoek de organisatie van het curriculum als uitgangspunt nemen, kijken we over studierichtingen heen naar algemene kenmerken die van invloed zijn op de studievoortgang. Het zal echter duidelijk zijn dat de studierichting ook een rol speelt. Bij eerdere onderzoeken sprak men al van studierichtingseffecten (zie bijvoorbeeld Jansen, 1993b; De Jong e.a. 1991). Het is te verwachten dat er interactie is tussen student-, curriculumen instructievariabelen en studierichting. Op grond van de beschreven veronderstelde samenhangen komen we tot het in figuur 3.2 weergegeven globale model ter verklaring van verschillen in studievoortgang van cohorten studenten, die studeren in verschillende curriculumorganisaties.

41

studentkenmerken

↓

inzet van studenten

↑

→

studievoortgang

curriculumorganisatie

Figuur 3.2

Model ter verklaring van verschillen in studievoortgang tussen studenten die studeren in verschillende curriculumorganisaties in het wetenschappelijk onderwijs

In het volgende hoofdstuk wordt dit model verder uitgewerkt naar de data waarover we in ons onderzoek de beschikking hebben, en toegespitst op een aantal hypothesen die we in ons onderzoek willen toetsen.

42

4. ANALYSEMODEL, HYPOTHESEN, EN BESCHRIJVING 4.1

OPERATIONALISERING

Inleiding

In het model dat we in het vorige hoofdstuk hebben geformuleerd is sprake van studentkenmerken en curriculumkenmerken die van invloed zijn op de studievoortgang van studenten. Ook hebben we in hoofdstuk 2 en 3 al enige malen vermeld dat er studierichtingseffecten kunnen optreden. Dit impliceert dat er in het verder uit te werken analysemodel sprake zal zij van drie niveaus, namelijk het studentniveau, het curriculumniveau en het studierichtingsniveau. Dit laatste niveau is niet in figuur 3.2 op-genomen om het schema niet onnodig ingewikkeld en onleesbaar te ma-ken. Wij willen hier benadrukken, dat de term curriculumniveau gereserveerd is voor de gegevens van een bepaald studiejaar van een bepaalde studierichting, dus bijvoorbeeld bedrijfskunde’87 of geneeskunde’90. Omdat we in dit proefschrift na willen gaan wat de invloed is van curriculumkenmerken op de studievoortgang van studenten, bestuderen we de effecten van variabelen op curriculum- en studierichtingsniveau, waarbij we controleren voor variabelen op studentniveau. Gezien de vraagstelling en de beschikbare data ligt het voor de hand te kiezen voor een meer-niveauanalyse. De studenten studeren immers binnen een bepaald curriculum van een bepaald jaar binnen een bepaalde studierichting. Binnen eenzelfde combinatie van curriculum(jaar) en studierichting zullen studenten in studievoortgang meer op elkaar lijken dan willekeurige studenten uit verschillende studierichtingen of curriculumjaren. We controleren voor variabelen op studentniveau, om het risico te verminderen dat gevonden verschillen tussen curricula en studierichtingen toegeschreven zouden moeten worden aan studentvariabelen. Wij verkrijgen een zuiverder schatting van de effecten van curriculumkenmerken, als we eerst de variantie die gebonden wordt door studentvariabelen traceren. Het is bijvoorbeeld al vaker aangetoond dat vrouwen sneller door de studie heengaan dan mannen. Als we niet zouden controleren voor het studentkenmerk ’sexe’, is het mogelijk dat we een snellere studievoortgang van studenten in een studierichting met een parallelle roostering aan dat curriculumkenmerk zouden toeschrijven, als studierichtingen met een parallelle roostering toevallig voornamelijk bezocht worden door vrouwen. Omdat we gebruik maken van longitudinale data kan 43

de vraag gesteld worden of een levensduuranalyse (event history analysis) niet meer voor de hand had gelegen. Gezien de drie niveaus die we onderscheiden zou een combinatie van meerniveau-analyse en levensduuranalyse in aanmerking komen. Dit is technisch lastig uit te voeren. Bovendien zijn de data een mengsel van discrete data (klontering in propedeusedata bijvoorbeeld) en continue data (aantal gerealiseerde studiebelastingsuren). Dit zou een levensduuranalyse ook complex maken. Daarom is uiteindelijk toch gekozen voor een meerniveau-analyse. In de volgende paragraaf wordt een korte uiteenzetting gegeven van het voor de meerniveau-analyse gebruikte random coëfficient model. In de derde paragraaf gaan we in op de beschikbare gegevens. In paragraaf 4.4 kunnen we dan overgaan op de operationaliseringen van de gebruikte begrippen, gevolgd door de te toetsen hypothesen in paragraaf 4.5. Paragraaf 4.6 tenslotte geeft een beschrijving van de verdelingskenmerken van de studenten en studierichtingen op de variabelen uit het verklaringsmodel.

4.2

Het random coëfficient model

In de analyses maken we gebruik van het random coëfficiënt model (zie onder andere Kreft en de Leeuw, 1987; Bosker en Snijders, 1990) om de curriculumeffecten te schatten. Dit random coëfficiënt model wordt ge-bruikt voor data waarin meer nestingsniveaus aanwezig zijn. In ons geval gaat het om studenten die studeren binnen een curriculum binnen een studierichting. Het curriculumniveau is gekoppeld aan een cohort binnen een studierichting. De curriculumvariabelen zijn de variabelen waar we uitspraken over willen doen. Een tweede reden om gebruik te maken van het random coëfficiënt model is de aanname dat de studierichtingen een steekproef vormen uit alle studierichtingen waarover we in meer generaliserende zin uitspraken willen doen. Hoewel we in dit onderzoek slechts een beperkt aantal studierichtingen analyseren, is het streven toch om uitspraken te kunnen doen over kenmerken van het curriculum, i.c. de onderwijsorganisatie in het algemeen. De gekozen techniek biedt meer mogelijkheden dan een covariantie-analysemodel met vaste effecten, waarin wordt uitgegaan van gelijke regressiecoëfficiënten. Die aanname maakt het onmogelijk om juist de invloed van het curriculum, dat is gekoppeld aan een cohort binnen een studierichting, op de regressiecoëfficienten te schatten. Een derde overweging om met het random coëfficiënt model te werken in plaats van met een covariantie-

44

analyse met vaste effecten komt voort uit de aannames met betrekking tot de storingstermen. In het model worden de ongemeten variabelen van het individuele niveau en de ongemeten variabelen van het context-niveau, die samengevat zijn in de storingstermen, uit elkaar gehaald. Het random coëfficiëntmodel kan verkort als volgt worden weergegeven:

Yijk

=

waarbij: Yijk = αjk βjk Xijk

= = =

eijk

=

αjk + βjkXijk + eijk

(1)

de studievoortgangsscore van student i in curriculum j in studierichting k het curriculumspecifieke intercept volgens (2) de curriculumspecifieke regressiecoëfficiënt van y op x een studentspecifiek kenmerk, bijvoorbeeld zijn/haar gemiddeld eindexamencijfer residu op studentniveau met variantie σe2

Het model veronderstelt dat de intercepten zelf weer verklaard kunnen worden door variabelen op een hoger aggregatieniveau. Het curriculumspecifieke intercept kunnen we als volgt weergeven: αjk

=

waarbij: αk = γk = Zjk ujk

= =

αk + γkZjk + ujk

(2)

het studierichtingsspecifieke intercept volgens (3) de studierichtingsspecifieke coëfficiënt voor de regressie van αjk op Z een curriculumvariabele, bijvoorbeeld uren hoorcollege residu op curriculumniveau met variantie σu2

Het studierichtingsspecifieke intercept wordt weergegeven door: αk

=

waarbij: α =

α + vk

(3)

het algemeen gemiddelde (grand mean) van αk over de studierichtingen 45

vk

=

residu op studierichtingsniveau met variantie σv2

Het curriculumspecifieke intercept, αjk, is te voorspellen met curriculum- en studierichtingskenmerken, en het studierichtingsspecifieke intercept, αk, met behulp van studierichtingskenmerken. Op het niveau van de studierichting hebben we in ons databestand geen variabelen. We hebben op dit niveau wel een intercept, maar geen model, omdat we geen predictoren op het derde niveau hebben. We kunnen dus alleen nagaan óf er op dat niveau variantie gebonden wordt. Een deel van de studierichtingsspecifieke kenmerken zit in de variabelen op curriculumniveau, waar curriculumkenmerken per cohort*studierichting zijn ingevoerd. In paragraaf 4.7.3 zullen wij bijvoorbeeld laten zien dat sommige curriculumvariabelen tussen cohorten per studierichting minder variëren dan tussen studierichtingen. Dergelijke kenmerken zullen dan meer variantie op studierichtingsniveau binden dan op curriculumniveau. Dit houdt in dat sommige curriculumkenmerken zo specifiek zijn voor een bepaalde studierichting dat zij opgevat kunnen worden als een weergave van een studierichtingskenmerk. Voor we het verklaringsmodel verder uitwerken geven we in de volgende paragrafen eerst een overzicht van de beschikbare gegevens. Daarna wordt het model gepresenteerd gevolgd door een aantal hypothesen.

4.3

Beschikbare gegevens

In het onderzoek naar de relatie tussen curriculumkenmerken en de studievoortgang van studenten kon gebruik gemaakt worden van beschikbare gegevens van zes studierichtingen aan de Rijksuniversiteit Groningen. Het betreft hier de studierichtingen bedrijfskunde, psychologie, pedagogische wetenschappen, geschiedenis, geneeskunde en farmacie. Bij alle studierichtingen heeft er wel op enig moment een verandering in de curriculumorganisatie plaats gevonden. Dit kan betrekking hebben op de periode-indeling van het studiejaar en daarmee met de spreiding van de tentamens, het kan ook betrekking hebben op een andere regelgeving ten aanzien van de beoordelingen, bijvoorbeeld een compensatorische regeling in plaats van een conjunctieve. Sommige studierichtingen hebben wel kleine maar geen ingrijpende veranderingen in het onderwijsprogramma ondergaan, maar zijn

46

juist daarom als controle-studierichtingen in het onderzoek opgenomen. Er is gebruik gemaakt van gegevens uit het stu- dievoortgangsregistratiesysteem, uit de studiegidsen en roosters voorzover nog aanwezig, en van gegevens verkregen uit gesprekken met bij- voorbeeld onderwijscoördinatoren. Er heeft geen aparte gegevensverzameling bij studenten of docenten plaats gevonden. De analyses hebben alleen betrekking op de propedeuse. We hebben er voor gekozen ons tot de propedeuseprogramma’s te beperken omdat deze bijna altijd een verplicht karakter hebben. Hierdoor is de vergelijkbaarheid van de programma’s groter. Bovendien kunnen door het verplichte karakter grotere aantallen studenten in de analyses betrokken worden. In de doctoraalfase waaieren de studenten uit over verschillende afstudeerrichtingen met ook weer zeer verschillende programma’s. Het in kaart brengen van deze programma’s op zodanige wijze dat een vergelijking tusen de studierichtingen/afstudeerrichtingen mogelijk is, is een bijna onmogelijke opgave. Het resultaat zou zijn dat het aantal variabelen op studierichtings- i.c. afstudeerrichtingsniveau groter zou zijn dan het aantal cellen studierichting*cohort. Ook zou het aantal studenten binnen zo’n cel soms zeer klein worden, met de nodige complicaties voor de statis- tische analyses.

4.3.1

Cohortbepaling

Voor elke studierichting zullen vijf cohorten studenten met elkaar vergeleken worden. De keuze voor vijf cohorten heeft onder andere te maken met de beschikbaarheid van gegevens uit het centrale studieresultatenregistratiesysteem BASIS. Voor alle in het onderzoek betrokken studierichtingen waren in ieder geval vanaf cohort 1987 de gegevens beschikbaar. Als laatste peildatum voor de registratie van studieresultaten gold 30 september 1993. Vanuit BASIS zijn de gegevens geconverteerd naar ProgRESS (Programma voor Registratie en Evaluatie van Studievoortgang van Studenten: Merckens en Welling, 1992). ProgRESS biedt de mogelijkheid een plat databestand op te bouwen met studentgegevens, het aantal gerealiseerde studiebelastingsuren op een aantal peildata en data van propedeuse- en doctoraalexamen. Sinds de invoering van de TweeFasenstructuur is het presenteren van rendementsgegevens een gewoonte geworden. Er bleken echter grote verschillen in rendementen zowel tussen studierichtingen (voor de onderzochte studierichtingen aan de Rijksuniversiteit Groningen zie hoofdstuk 2, voor een landelijk overzicht zie Bijleveld, 1993 p. 64), als tussen de rende47

mentsgegevens die door centrale instanties van instellingen werden gepresenteerd en de rendementen die de studierichtingen zelf hadden berekend. Een deel van deze verschillen is toe te schrijven aan een niet eenduidige cohortbepaling. De studierichting ging bijvoorbeeld uit van de studenten die zich bij hen hadden aangemeld, terwijl dat er minder konden zijn dan de studenten die in het centrale administratiesysteem voor de betreffende studierichting waren ingeschreven. Ook wordt er verschillend omgegaan met studenten die toestromen vanuit een andere studierichting of juist omzwaaien naar een andere studierichting. Prins (1994) heeft een overzicht gegeven van verschillende gehanteerde cohortdefinities en maakt duidelijk welke verschillen dit kan opleveren in de berekening van de rendementen. In dit onderzoek hanteren we als cohortdefinitie : alle studenten die als eerstejaars voltijdstudent zijn ingeschreven in een bepaald jaar bij een bepaalde studierichting. De inschrijving kan zijn als student, als auditor of als extraneus. Deze laatste twee inschrijvingsvormen zien we vooral bij de ’vroege’ cohorten studenten die bijvoorbeeld hun inschrijftijd (voor de propedeuse of voor de hele studie) hebben verbruikt en toch nog studeren. Bij de jongere cohorten is de noodzaak tot inschrijving anders dan als student nog niet aanwezig. De registratie van het type inschrijving is gebeurd op de laatste peildatum van dataverzameling. Van studenten uit de vroege cohorten weten we dus niet hoe hun inschrijving was in hun eerste en tweede inschrijvingsjaar.

4.3.2

Opschonen bestanden

Bij de analyses zijn de cohorten opgeschoond voor de zogenaamde ’noshow’ studenten (zie par.2.2). Dit zijn studenten die zich wel ingeschreven hebben, maar die hetzij helemaal nooit hetzij nooit serieus aan de studie begonnen zijn. Deze studenten zijn bij de analyses buiten beschouwing gelaten, omdat van deze studenten niet aangenomen kan worden dat zij van plan waren ’echt’ te studeren binnen de studierichting waar zij ingeschreven staan als eerstejaars. Geen enkele curriculumorganisatie zal ertoe kunnen bijdragen dat deze studenten zich meer met de studie gaan bezighouden. Omdat in de centrale studentenadministratie niet eenduidig is geregistreerd of een student een ’echte’ eerstejaars is of dat het een student betreft die op grond van eerdere opleidingen eigenlijk tot de instroom in een hoger jaar gerekend moet worden, zijn de bestanden nog op een tweede wijze opgeschoond. Studenten die meer dan een half studiejaar (840 studiebelastingsuren) vrijstelling hebben gekregen en studenten die binnen 6 maanden hun 48

propedeuse-examen hebben behaald, worden niet in de analyses betrokken. Deze studenten hebben geen of slechts een klein deel van het propedeuseonderwijs gevolgd. Op grond van hun studievoortgang kunnen geen conclusies ten aanzien van de curriculumorganisatie getrokken worden. Daarnaast heeft voor de cohorten 87 en 88 van de studierichting geschiedenis nog een aparte opschoning plaats gevonden. Bij deze cohorten stonden in de administratieve bestanden 3 respectievelijk 21 studenten geregistreerd met een datum voor de propedeuse maar zonder studieresultaten. Deze studenten zijn wel meegeteld in de tabellen in hoofstuk 2, maar zijn bij de verdere analyses buiten beschouwing gelaten. In tabel 4.1 staat per studierichting en cohort het aantal studenten vermeld dat in de analyses is betrokken.

Tabel 4.1

Aantal studenten per studierichting en cohort, opgeschoonde bestanden voor de analyses

cohort

87

88

89

90

91

studierichting bedrijfskunde

326

407

412

430

447

78

95

63

77

94

geschiedenis

131

121

167

175

252

geneeskunde

207

209

211

209

209

PAO

133

125

127

146

221

psychologie

160

163

153

210

279

farmacie

4.4

Operationaliseringen

In deze paragraaf wordt in algemene zin beschreven welke afhankelijke en onafhankelijke variabelen in het model optreden en welke begrippen zij beogen te meten. Daarna worden de variabelen in paragraaf 4.5 ondergebracht in het model ter verklaring van studievoortgang van studenten die studeren in verschillende curriculumorganisaties. In paragraaf 4.6 wordt ingegaan op de analysetechniek van de meerniveau-analyse. Tot slot worden in paragraaf 4.7 de verdelingskenmerken van de variabelen uit het analysemodel beschreven. De voorspelling van de afhankelijke variabelen uit de predictoren komt pas in hoofdstuk 5 aan de orde.

49

4.4.1

Studievoortgang

De studievoortgang van studenten kan op verschillende manieren geoperationaliseerd worden. Gezien vanuit de onderwijsinstelling is het numerieke rendement voor de propedeuse, na één, twee of meer jaren een belangrijk gegeven. Het numerieke rendement wordt berekend als het percentage geslaagde studenten van een bepaald cohort ten opzichte van het aantal ingeschreven studenten van dat cohort. In dit onderzoek gaan we uit van opgeschoonde cohorten (zie 4.3.1). Daarbinnen is voor de studierichting het aantal studiestakers in het eerste jaar of in de eerste twee jaar van belang. Studiestakers raken immers rechtstreeks aan de numerieke rendementen. Een probleem is dat slechts bij een enkele studierichting studiestakers actief opgespoord worden en een datum van studiestaking geregistreerd wordt. Gaan we ervan uit dat studenten die aan het einde van het tweede studiejaar geen studielast gerealiseerd hebben in vergelijking met het einde van het eerste studiejaar, de studie in de propedeuse gestaakt hebben, dan ziet de verdeling van studiestakers over de studierichtingen er als volgt uit. Tabel 4.2

Verdeling studiestakers na eerste jaar per studierichting, samengevoegde cohorten 1987-1991

studierichting %

(n)

waarvan met propedeuse % (aantal)

bedrijfskunde

12

(2022)

4

(

9)

farmacie

15

( 407)

10

(

6)

geschiedenis

34

( 846)

26

( 76)

geneeskunde

7

(1045)

8

PAO

21

( 752)

19

( 31)

psychologie

25

( 965)

7

( 18)

TOTALE POPULATIE

18

(6037)

14

(146)

(

6)

Tussen de studierichtingen zien we grote verschillen. Zoals te verwachten is heeft geneeskunde het laagste percentage studiestakers (7%). Bij geschiedenis zien we het hoge percentage van 34% van de studenten. Van deze 34% heeft echter een kwart wel de propedeuse behaald. Aannemelijk is dat zij na de propedeuse geschiedenis de studie in een bovenbouwstudierichting hebben voortgezet. Ook bij PAO zien we een hoog percentage studenten 50

dat met een propedeusediploma de studie gestaakt heeft. Het percentage studiestakers wordt in dit onderzoek niet verder bestudeerd omdat het enerzijds rechtstreeks raakt aan het numerieke rendement en anderzijds het hierboven vermelde percentage een indruk geeft van de studiestakers in het tweede inschrijvingsjaar. In hoeverre de relatie gelegd kan worden met de curriculumorganisatie in het eerste jaar is niet duidelijk, omdat we geen informatie omtrent redenen voor studiestaken onderzocht hebben. Een andere maat voor studievoortgang is het aantal maanden dat studenten gebruikt hebben om het propedeusediploma te behalen. Hierbij moeten we ons wel realiseren dat er sprake kan zijn van administratieve onzuiverheden. Enerzijds komt dit door de verschillende regelingen die studierichtingen hebben ten aaanzien van het aantal maal per jaar dat er aan het propedeuse-examen kan worden deelgenomen (met als gevolg ’klontering’ in de waarden van de variabele) , anderzijds betreft het ook zuiver administratieve keuzes. Bij sommige studierichtingen wordt de datum van buluitreiking geadministreerd als propedeuse datum, bij andere de datum waarop aan alle verplichtingen is voldaan. Daarom lijkt deze maat niet direct geschikt om in de analyses te gebruiken. Het zou een mate van exactheid suggereren, die er niet is. Deze maat gebruiken we derhalve niet om studievoortgang of studiesnelheid te meten. De studievoortgang op individueel niveau voor studenten kan gedefinieerd worden als het aantal studiebelastingsuren dat door de student is gerealiseerd. Als een student een tentamen heeft behaald worden daarvoor de betreffende studiepunten toegekend. Eén studiepunt is het equivalent voor 40 studiebelastingsuren. In totaal is een studiejaar geprogrammeerd op 1680 studiebelastingsuren. Het percentage of aantal studiebelastingsuren dat door studenten is gerealiseerd is daarmee een goede maat voor studievoortgang, die bovendien meer recht doet aan de inspanningen van studenten dan alleen het numerieke rendement. Alle studielast die al ge-realiseerd is, terwijl nog niet volledig aan de propedeuseverplichtingen is voldaan, wordt in de dichotomie van wel of niet geslaagd niet zichtbaar. Bij de berekening van de gerealiseerde studielast van een student worden vrijstellingen buiten beschouwing gelaten. De studenten hebben immers geen onderwijs gevolgd voor het verkrijgen van de vrijstellingen. De studiepunten die zij op basis van de vrijstellingen toegekend krijgen, geven het idee dat zij snel(ler) studeren. Maar deze studiesnelheid is niet te relateren aan de curriculumorganisatie. Bij de variabele gerealiseerde studiebelastingsuren na één jaar gaat het dus over daadwerkelijke behaalde studiepunten door te slagen voor het tentamen. Omdat in het tweede jaar van inschrijving vaak al doctoraalpunten worden behaald, in verschillende programma’s 51

binnen een studierichting, beperken we ons tot de uren corresponderend met het behaalde puntenaantal in het eerste studiejaar. Het aantal gerealiseerde studiebelastingsuren geeft geen directe informatie over het werkelijk door de studenten bestede aantal uren. Het is geen studietijdmeting. Op zich zou een studietijdmeting een interressant gegeven zijn, maar dat is in dit retrospectieve macro-onderzoek onmogelijk. Als afhankelijke variabelen gebruiken we in dit onderzoek het behalen van de propedeuse binnen één en twee jaar, en het aantal gerealiseerde studiebelastingsuren na één jaar. Het behalen van de propedeuse binnen één jaar is om administratieve onzuiverheden te ondervangen gedefinieerd als het behalen van de propedeuse binnen 14 maanden. Voor het behalen van de propedeuse binnen twee jaar hanteren we de grens van 26 maanden.

52

4.4.2

Studentniveau: instroomkenmerken

Studierichtingen kunnen verschillen in studentenpopulatie. Zo zijn er tussen studierichtingen verschillen in de verhouding mannen en vrouwen. Evenzo verschilt het percentage studenten dat met een andere dan VWO-vooropleiding aan de studie begint tussen de verschillende studierichtingen. Het is daarom van belang voor deze kenmerken te corrigeren. Zo worden op studentniveau geslacht, leeftijd en vooropleiding als covariaat opgenomen. Het type vooropleiding definiëren we als VWO, volledige HBO-opleiding en overige opleidingen. Alleen van studenten met een VWO-vooropleiding zijn de cijfers op de vakken waarin zij eindexamen hebben gedaan bekend. Dit betekent dat bij de analyses waar vooropleidingscijfers in betrokken worden, een inperking tot de VWO-groep plaats vindt. Leeftijd wordt in de analyses opgenomen omdat uit eerder onderzoek (o.a. De Jong e.a. 1991) bleek dat jongere studenten het beter zouden doen dan oudere studenten. Een verklaring hiervoor kan zijn dat er bij oudere studenten sprake is van een uitgestelde onderwijsweg of van doublures in het voortgezet onderwijs. We gebruiken leeftijd in feite als een indicatie voor de studieloopbaan in het voortgezet onderwijs. De variabelen aantal uren vrijstelling en bij meer studierichtingen ingeschreven, zijn alleen gebruikt om de bestanden op te schonen en worden niet als predictorvariabelen gebruikt. Bij sommige studierichtingen is het aantal studenten met bijvoorbeeld een afgeronde HBO-opleiding vrij groot. Deze studenten krijgen op grond van hun vooropleiding veelal een groot aantal studiebelastingsuren vrijgesteld, terwijl zij nog niet aan de propedeuseverplichtingen voor de betreffende studierichting hebben voldaan. Na het behalen van bijvoorbeeld één of twee tentamens hebben zij wel het propedeusediploma behaald. Deze studenten geven uiteraard een vertekend beeld in de zin van studiesnelheid waarmee het propedeusediploma wordt behaald. Binnen de verschillende administratiesytemen worden zij echter wel als eerstejaars binnen het betreffende cohort aangemerkt en waren zij als zodanig ook in onze ruwe bestanden als behorend tot dat betreffende cohort opgenomen. Zoals in paragraaf 4.3.1 al is beschreven hebben we studenten met meer dan 840 uur vrijstelling voor de analyses uit de bestanden verwijderd. Voor de overige studenten zijn de punten verkregen via vrijstelling(en) niet meegeteld bij de bepaling van de afhankelijke variabele gerealiseerde studiebelastingsuren na één jaar. Reden om de variabele ’bij meer studierichtingen ingeschreven’ niet als predictorvariabele op te nemen ligt enerzijds in het gegeven zoals ook in hoofdstuk 2 al is vermeld, dat in ons databestand de registratie of een 53

student bij meer studierichtingen staat ingeschreven, alleen voor de laatste peildatum van dataverzameling geldt. Hieruit mogen we dus niet concluderen dat deze studenten ook in de propedeuse bij meer studierichtingen stonden ingeschreven. Omdat de analyses betrekking hebben op de propedeuse, is het niet gerechtvaardigd deze variabele in het verklaringsmodel op te nemen. Daarbij komt dat we om uitspraken te kunnen doen over de invloed van deze variabele op de studievoortgang binnen de studierichting die nu in het onderzoek is opgenomen, ook de studievoortgang in de andere studierichting(en) waar de student staat ingeschreven erbij zouden moeten betrekken. Dit zou de dataverzameling te gecompliceerd maken. Op studentniveau nemen we de variabelen geslacht, leeftijd, vooropleiding en voor de VWO-groep gemiddeld eindexamencijfer op in het analysemodel.

4.4.3

Curriculumniveau: spreidingskenmerken

Tentamenspreiding is één van de curriculumkenmerken en is als volgt geöperationaliseerd: het aantal tentamenperiodes in de propedeuse wordt geteld. Een blokprogrammering met één tentamen na afloop van elke cursus krijgt zo de hoogste score. Telt een dergelijk studieprogramma acht cursussen, dan zijn er acht onderscheiden toetsmomenten en krijgt de variabele ’spreiding toetsing’ een acht. In een trimestersysteem worden de tentamens na afloop van elk trimester afgenomen. In de roostering zien we dan duidelijk drie tentamenperiodes. Op de variabele spreiding toetsing heeft een studierichting met een dergelijke tentamenroostering een drie. Drie is de laagste waarde van deze variabele in dit onderzoek en acht de hoogste. Ook de programmering van de herkansingen is een kenmerk van het curriculum. Bij de programmering kan het gaan om een herkansing vrijwel direct na de eerste tentamenkans, een herkansing in het blok of trimester volgend op het blok of trimester waarin het betreffende tentamen voor de eerste maal werd afgenomen, een herkansingsperiode voor alle tentamens uit de propedeuse vóór de zomervakantie of een dergelijke herkansingsperiode in augustus. De scoring van deze variabele gaat analoog aan die van de spreiding van de toetsen, het aantal herkansingsperiodes wordt geteld. De waarde van deze variable ligt in ons onderzoek tussen de één en de acht. Daarnaast is het aantal maal dat er twee tentamens in één week geprogrammeerd zijn en het aantal maal dat er een herkansing geprogrammeerd is in een week waarin ook een ’regulier’ tentamen plaats vindt,

54

als curriculumkenmerk met betrekking tot spreiding van de studielast, opgenomen. Het laatste door ons gebruikte kenmerk met betrekking tot de spreiding van de studielast is het gemiddeld aantal vakken dat parallel geroosterd is.

4.4.4

Curriculumniveau: instructiekenmerken

In hoofdstuk 3 hebben we gezien dat het vervullen van onderwijsfuncties (oriënteren, gelegenheid geven tot oefenen, het geven van feedback, zowel tijdens als na de cursus) bijdraagt aan een optimale begeleiding van het leerproces van studenten. In dit onderzoek worden de studiegidsen gebruikt voor het achterhalen van de mate waarin de verschillende onderwijsfuncties vervuld worden. Hieraan kleeft het bezwaar dat de beschrijving in de studiegids niet een geheel adequate weergave is van wat er in de praktijk gebeurd is. Omdat ons onderzoek retrospectief over verschillende studiejaren gaat, was het niet goed meer mogelijk te achterhalen wat er in de verschillende jaren daadwerkelijk in de onderwijsuitvoering is gebeurd. Aangenomen mag worden dat de weergave van de opzet van het onderwijs in de studiegids niet in die mate afwijkt van wat er in de praktijk gedaan wordt, dat de informatie zoals die door ons is gebruikt binnen dit onderzoek volkomen onbetrouwbaar en daarmee zinloos is. In een verklarend model moeten we spaarzaam zijn met de hoeveelheid variabelen. Daarom is ervoor gekozen de instructiekenmerken in te perken tot vier maten, te weten tijd geroosterd voor het vervullen van de oriëntatiefunctie (uren hoorcollege), tijd geroosterd voor het geven van gelegenheid tot oefenen (uren werkcollege en aantal onderdelen met extra oefeningen), en de mate waarin voorzien is in het geven van feedback (aantal feedbackmomenten). Oriëntatie wordt veelal gegeven in de vorm van hoorcolleges en via het schriftelijk studiemateriaal. Dit laatste wordt echter ook gebruikt voor de functie gelegenheid geven tot oefenen (bijvoorbeeld opdrachten in boek of syllabus) of het vervult een tussentijdse feedbackfunctie door uitwerkingen bij de opdrachten te geven. In dit onderzoek is gekozen voor een beperkte operationalisering van de oriëntatiefunctie door het aantal hoorcollege-uren. Werkcolleges zijn bij uitstek bedoeld om gelegenheid te geven tot oefenen. Ook al is uit de dagelijkse onderwijspraktijk in het WO bekend dat dit (vaak of soms) verwordt tot een herhaald hoorcollege, (bijvoorbeeld doordat studenten zich niet voldoende voorbereiden op het werkcollege en de 55

docent zich laat verleiden tot het herhalen/aanbieden van de leerstof zonder dat de studenten er in oefenvorm mee aan het werk gaan), wordt het aantal uren op jaarbasis geroosterd voor werkcolleges opgenomen als maat voor de vervulling van de functie gelegenheid geven tot oefenen. Indien in de studiegidsen expliciet wordt aangegeven dat er met opdrachten wordt gewerkt, of dat er een oefenboek of iets dergelijks wordt gebruikt, ComputerOndersteund Onderwijs (COO) of Individueel StudieSysteem (ISS), wordt het aantal onderdelen waarbij dat het geval is geteld. Dit is de tweede variabele waarmee we de gelegenheid tot oefenen meten. Indien er in de studiegids melding wordt gemaakt dat er huiswerk of opdrachten worden verstrekt, die beoordeeld worden, of als er sprake is van tussentijdse toetsing, ISS/COO, referaten en dergelijke wordt dit meegenomen in een feedbackscore. Vindt er bij een cursus alleen een tentamen plaats, waarbij de studenten hun cijfer krijgen zonder dat er sprake is van een ingeroosterde vorm van nabespreking, dan heeft deze cursus één feedbackmoment. Tussentijdse toetsing, het geven van huis-werk of opdrachten die beoordeeld worden, al dan niet met consequenties voor het eindcijfer leveren meer feedbackmomenten op. Over de ge-hele propedeuse wordt het aantal feedbackmomenten bij elkaar opgeteld. Deze laatste twee variabelen zijn een vrij grove benadering van de oefenen terugkoppelingsfunctie. Is een studierichting die bij twee van de zes onderdelen met extra opdrachten werkt minder met terugkoppeling bezig dan een studierichting die dat bij vijf van de vijftien onderdelen doet? Overwogen is een exactere maat te verkrijgen door bijvoorbeeld een weging naar studiepunten te maken. Dat roept ook weer vragen op naar de mate waarin met die extra opdrachten en dergelijke wordt gewerkt. Scoort een vak dat volledig volgens de principes van een individueel studiesysteem is opgezet weer hoger dan een vak waarin ’slechts’ twee opdrachten worden beoordeeld? Om hierover uitspraken te kunnen doen, moeten we weten wat er precies tijdens de onderwijsuitvoering gebeurt. Nemen de opdrachten een groot deel van de tijd van het onderdeel in beslag of slechts een klein deel? Dit is in ons retrospectieve onderzoek niet meer te achterhalen. Zoals al vaker in dit proefschrift is beargumenteerd is om praktische redenen gekozen voor de grove indeling. Tentatieve berekeningen, waarbij getracht is te wegen naar studiepunten en naar het aantal (sub)onderdelen, blijken nauwelijks veranderingen in rangorde van studierichting*cohort op te leveren.

56

4.4.5

Curriculumniveau: formele examenkenmerken

Het aantal vakken waaruit het propedeutisch examen bestaat is ook een kenmerk van het curriculum waar we rekening mee willen houden. Een klein aantal vakken houdt in dat er grotere tentamens zijn en andersom leidt een groot aantal vakken veelal tot kleinere tentamens. Bij veel vakken zijn er navenant meer mogelijkheden om te zakken. Afhankelijk van de examenregeling die gehanteerd wordt, kan dit tot verschillen in studievoortgang tussen studierichtingen of tussen cohorten leiden. De examenregelingen verschillen per studierichting. Zo zal bij de ene studierichting voor alle vakken een voldoende behaald moeten worden, terwijl bij een andere studierichting compensatie tussen vakken of groepen vakken mogelijk is (compensatorische versus conjunctieve examenregelingen). De variabele ’compensatieregeling’ is geoperationaliseerd als het aantal compensatiemogelijkheden dat binnen het propedeuse-examen geboden wordt. Het gaat hierbij dus om formele regelingen binnen het examen en niet om compensatiemogelijkheden binnen vakken.

4.5

Uitwerking analysemodel

In figuur 4.1 wordt het analysemodel weergegeven met daarin aangegeven op de verschillende niveaus welke variabelen worden gebruikt. Op grond van dit model kunnen een aantal hypothesen geformuleerd worden, dat wil zeggen verwachtingen ten aanzien van de invloed van kenmerken van het curriculum, waaronder ook gevat de instructiekenmerken, op de studievoortgang van studenten.

57

STUDENTNIVEAU instroomkenmerken geslacht leeftijd vooropleiding gemiddeld eindexamencijfer

studievoortgang numeriek propedeuserendement na 1 of 2 jaar gerealiseerde studielast na één jaar

CURRICULUMNIVEAU spreidingskenmerken spreiding tentamens spreiding herkansingen gemiddeld aantal vakken parallel herkansing in week met 1e-kanstentamen twee tentamens in één week

instructiekenmerken oriëntatiefunctie (hoorcollege) gelegenheid geven tot oefenen (werkcollege en onderdelen met extra oefeningen) geven van terugkoppeling

formele kenmerken examen examenregeling aantal vakken in propedeuse-examen

Figuur 4.1

Uitwerking model ter verklaring van verschillen in studievoortgang tussen cohorten studenten in verschillende curriculumorganisaties in het wetenschappelijk onderwijs

Ook hier is het derde niveau (studierichting) om reden van overzichtelijkheid niet opgenomen in het schema. Op grond van dit model hebben we hypothesen geformuleerd met betrekking tot de veronderstelde werking van kenmerken van de onderwijsorganisatie i.c. het curriculum op de studie58

voortgang van studenten. Nogmaals willen we hier benadrukken dat wij met name geïnteresseerd zijn in kenmerken van het curriculum die van invloed zijn op de studievoortgang en dat wij dus niet op zoek zijn naar kenmerken voor individuele succeskansen. Alle hypothesen worden geformuleerd onder de veronderstelling dat de overige omstandigheden gelijk blijven.

4.5.1

De spreidingshypothesen

In het in de vorige paragraaf gepresenteerde model gaan we ervan uit dat de inzet van studenten een bepalende factor is met betrekking tot de mate van studievoortgang. In hoofdstuk 3 hebben we gezien dat de inzet van studenten gestimuleerd kan worden door een goede spreiding van de studielast en door te zorgen voor weinig concurrentie tussen vakken onderling en tussen vakken en tentamens. Het uitstelgedrag kan worden geminimaliseerd door een spreiding van de tentamens met als gevolg een hogere inzet van studenten voor de studie. De volgende hypothesen hebben betrekking op spreiding van de studielast en tentamens: 1.

In curricula/studieprogramma’s waarin de toetsen meer zijn gespreid zal de studievoortgang van studenten hoger zijn (minimalisering uitstelgedrag).

2.

In curricula/studieprogramma’s waarin weinig vakken parallel geroosterd zijn, zal de studievoortgang van studenten hoger zijn (minder concurrentie tussen vakken).

3.

In curricula/studieprogramma’s waarin in één week twee tentamens geroosterd zijn, zal de studievoortgang van studenten lager zijn (concurrentie tussen tentamens).

4.

In curricula/studieprogramma’s waarin de herkansingen verspreid zijn over het jaar zal de studievoortgang van studenten lager zijn (concurrentie met het reguliere onderwijsaanbod en eerste-kanstentamens).

5.

In curricula/studieprogramma’s waarin herkansingen geprogrammeerd zijn in een week waarin ook een regulier tentamen geroosterd is, zal de studievoortgang van studenten lager zijn (concurrentie tentamen herkansing).

59

4.5.2

De instructiehypothesen

Niet alleen de organisatie van het onderwijs, in de zin van roostering, is van invloed op de studievoortgang. In paragraaf 3.4 hebben we gezien dat het vervullen van de onderwijsfuncties oriënteren, gelegenheid geven tot oefenen, controleren en het geven van feedback, het onderwijsleerproces optimaal ondersteunt. Met name het controle- en terugkoppelingsmechanisme is van belang gebleken. Ten aanzien van instructie hebben we de volgende hypothesen geformuleerd: 6.

Naarmate in een curriculum/studieprogramma meer aandacht gegeven wordt aan het geven van terugkoppeling, zal de studievoortgang van studenten hoger zijn (stimuleren tot regelmatig studiegedrag).

7.

Naarmate in een curriculum/studieprogramma meer gelegenheid gegeven wordt tot oefenen, zal de studievoortgang van studenten groter zijn (stimuleren tot actief studiegedrag).

8.

Naarmate in een curriculum/studieprogramma meer aandacht gegeven wordt aan oriëntatie, zal de studievoortgang van studenten lager zijn (te veel aandacht voor oriëntatie leidt tot minder actief studiegedrag en uitstelgedrag).

4.5.3

De examenregelinghypothese

Aan het slot van paragraaf 3.6 is ingegaan op gebruikte examenregelingen binnen het onderwijs. Conjunctieve examenregelingen, waarbij ieder vak afzonderlijk voldoende dient te zijn, zouden leiden tot vertraging in doorstroming. Compensatieregelingen kunnen per vak gelden, bijvoorbeeld resultaten op deeltoetsen die compenseren, maar kunnen ook gelden voor het propedeutisch examen als geheel. Omdat regelingen per vak niet altijd even duidelijk in de studiegidsen vermeld stonden en ook uit gesprekken met onderwijscoördinatoren was gebleken dat deze regelingen zeer verschillend toegepast werden, zowel binnen studierichtingen als tussen studierichtingen, is ervoor gekozen in dit onderzoek alleen van de formele examenregeling voor het propedeutisch examen uit te gaan. De daarbij behorende hypothese luidt:

60

9.

Naarmate er meer compensatiemogelijkheden zijn in het propedeutisch examen, zal de studievoortgang uitgedrukt in het numerieke rendement hoger zijn.

Ook het formeel vastgelegde aantal onderdelen waaruit het propedeutisch examen bestaat kan een factor zijn die van invloed is op de studievoortgang. Veel onderdelen geven meer zakkansen, minder onderdelen betekent onderdelen van grotere omvang waardoor deze onderdelen voor studenten misschien moeilijker zijn. Grotere vakken kunnen uiteengelegd zijn in deelvakken of deeltoetsen, al dan niet met compensatiemogelijkheden. Omdat de regelingen voor compensatie binnen vakken niet betrouwbaar konden worden geïnventariseerd, kunnen wij geen uitspraken doen over de mogelijkheid dat minder onderdelen in het propedeutisch examen tot lagere slaagpercentages voor het propedeutisch examen zouden leiden. Het aantal onderdelen van het propedeutisch examen is wel als variabele opgenomen in de analyses, maar we formuleren hier geen hypothese over de richting van de invloed op studievoortgang.

4.6

Analyse

De meerniveau-analyses zijn uitgevoerd met behulp van het computerprogramma VARCL (Longford, 1988). Het eerste niveau is dat van de student. Op dit niveau beschikken we over gegevens als de vooropleiding, het jaar van het eindexamen, indien de vooropleiding VWO is over de cijfers op de vakken uit het eindexamen, vrijstellingen, ingeschreven staan bij meer studierichtingen en uiteraard persoonsgegevens als geslacht en leeftijd. Op het tweede niveau beschikken we over gegevens van vijf cohorten over zes studierichtingen. Voor de propedeuse zijn per studierichting*cohort gegevens bekend over geprogrammeerde uren hoor- en werkcolleges, over het aantal studie-onderdelen waar met extra oefeningen wordt gewerkt, het aantal feedbackmomenten, spreiding van tentamens en herkansingen, of er twee tentamens in één week zijn geprogrammeerd, of er herkansingen in een week zijn geprogrammeerd waarin ook een ’regulier’ tentamen valt, het gemiddeld aantal vakken dat parallel geroosterd is, het aantal compensatiemogelijkheden binnen het propedeuseprogramma en het aantal formele onderdelen waaruit de propedeuse bestaat. Op het tweede niveau beschikken we aldus over waarnemingen binnen 30 cellen, namelijk zes studierichtingen maal vijf cohorten. Dit

61

tweede niveau noemen we het curriculumniveau (cohort*studierichting). Het derde niveau bestaat uit de studierichtingen zelf. Op dit niveau hebben we zoals vermeld geen predictoren. Met behulp van een drie niveau-analyse willen we nagaan welke kenmerken van het curriculum van invloed zijn op de studievoortgang van studenten. Omdat studenten tussen studierichtingen en cohorten kunnen verschillen qua instroomkenmerken, controleren we hiervoor in de meer-niveau-analyse. Het computerprogramma berekent welk deel van de variantie gebonden kan worden op het niveau van de studierichting, het niveau van het curriculum en het niveau van de studenten. Indien we variabelen op student- of curriculumniveau opnemen in het analysemodel, berekent het programma VARCL hoeveel van de oorspronkelijke variantie gebonden wordt door de predictorvariabelen. Variantie die gebonden wordt door verschillen tussen studierichtingen zouden we terug moeten vinden op het derde niveau. Een mogelijk interpretatieprobleem doet zich voor doordat de cellen op het tweede niveau gevormd worden door cohort*studierichting, zodat variantie die gebonden wordt op het tweede niveau toch (deels) toegekend moet worden aan een bepaalde studierichting.

4.6.1

Drie afhankelijke variabelen

In het databestand beschikken we over drie variabelen die uitdrukking geven aan het begrip studievoortgang (zie paragraaf 4.4.1). Allereerst het numerieke propedeuserendement na één en twee jaar. Het propedeuserendement na twee jaar gebruiken we als afhankelijke variabele omdat studenten tot 1991 in principe twee jaar over hun propedeuse mochten doen. De interpretatie van de effecten van het curriculum in het eerste jaar op het behalen van de propedeuse in twee jaar wordt wel bemoeilijkt door het feit dat studenten in hun tweede inschrijvingsjaar veelal reeds doctoraalvakken volgen en daar studiepunten mee behalen. Daarom gebruiken we daarnaast als afhankelijke variabele het behalen van de propedeuse in één jaar. Dit kan als een maat voor studiesnelheid beschouwd worden. Bij de twee analyses met het numerieke rendement als variabele is sprake van een dichotome afhankelijke variabele, de propedeuse wel of niet behaald. Een derde maat voor studievoortgang is het aantal gerealiseerde studiebelastingsuren na één jaar. De gerealiseerde studiebelastingsuren na één jaar en het numerieke propedeuserendement na één jaar kunnen gezien worden als een uitdrukking van studiesnelheid. De variabele gerealiseerde studiebelastingsuren na één jaar is een continue afhankelijke variabele. Bij deze 62

variabele kan gebruik gemaakt worden van ’gewone’ regressieanalyse omdat aan de basisassumpties hiervoor wordt voldaan. In geval van een dichotome afhankelijke variabele moeten we gebruik maken van logistische regressieanalyse.

Getransformeerde afhankelijke variabele De afhankelijke variabele ’propedeuse behaald binnen twee jaar’ is dichotoom. Een student heeft de propedeuse wel of niet behaald binnen twee jaar. Er is dus niet voldaan aan de basisassumpties van ’gewone’ regressie aangezien er geen sprake is van een lineaire functie van y op x en de residuen niet normaal verdeeld zijn. Het behalen van de propedeuse binnen twee jaar is de variabele Y. Deze heeft de waarde 1 als de propedeuse binnen twee jaar is behaald en de waarde 0 als dat niet het geval is. Bij een dichotome variabele met de waarden 0 en 1, is de kans op 0 bekend als we de kans op 1 kennen, omdat de som van beide kansen 1 moet zijn. De kans op 1 geven we aan met P(1) en de kans op 0 geven we aan met P(0), waarbij P(0) = 1 - P(1). De odds (kansverhouding) kunnen we dan weergeven als odds = P(1)/{1-P(1)}

Stel dat de kans op het behalen van de propedeuse binnen twee jaar .74 bedraagt. De odds (kansverhouding) kunnen we dan weergeven als: odds = .74/.26 = 2.8 , dus studenten hebben een ongeveer drie maal grotere kans om de propedeuse binnen twee jaar wél te behalen, dan om dit niet te doen. Een verhoging van het propedeuserendement met 5% is niet bij ieder rendementsgegeven als van even groot belang te interpreteren. Een verhoging van het propedeuserendement van .90 naar .95 mag voor een studierichting als een ’grotere’ prestatie beschouwd worden dan een verhoging van .50 naar .55. In de odss zien we deze ’grotere’ prestatie als volgt: P(1)=.95 odds = 19.00 P(1)=.90 odds = 9.00 P(1)=.55 odds = 1.22 P(1)=.50 odds = 1.00 De odds mogen dus niet lineair geïnterpreteerd worden. Dit probleem kunnen we ondervangen door de logit te nemen (zie bijv. Stevens, 1992). De logit is de natuurlijke logaritme (ln) van de odds-ratio. 63

logit = ln (odds) = ln [P(1)/{1-P(1)}] Voor een kans P(1) van 0.5 is de logit dus 0. Verder is de logit symmetrisch rond 0. Bijvoorbeeld als P(1) = .74 dan is de odds= .74/.26=2.8 en de ln (2.8) = 1.05 P(1) = .26 dan is de odds= .26/.74=.35 en de ln (.35) = -1.05. De afhankelijke variabelen ’propedeuse binnen twee jaar’ en ’propedeuse behaald in één jaar’ in de VARCL-analyses zijn getransformeerd in de logit. Verondersteld wordt dat deze logit een lineaire functie is van de predictoren op student- of curriculumniveau.

4.6.2

Studentniveau

Zoals al eerder gesteld controleren we in de analyses voor variabelen op studentniveau omdat we willen voorkomen dat een invloed op de studievoortgang van studenten aan een curriculumkenmerk wordt toegeschreven, terwijl dit eigenlijk aan een kenmerk op studentniveau toegeschreven zou moeten worden. Als studenten uit cohort A van studierichting B een goede studievoortgang laten zien, kan dat behalve aan de inrichting van het onderwijs ook liggen aan de aanwezigheid van veel goede en snelle studenten, die het ook bij een andere onderwijsorganisatie goed zouden doen. We willen dus controleren voor die kenmerken van studenten waarvan we verwachten dat zij samenhangen met of van invloed zijn op de studievoortgang. Hieronder zetten we nog eens op een rij over welke variabelen op studentniveau we de beschikking hebben. Van de studenten zijn hun geslacht, leeftijd en vooropleidingsgegevens bekend. De grootste groep studenten is op grond van een VWO-diploma toegelaten tot de betreffende studierichting, gevolgd door een groep studenten met een volledig HBO-diploma, een propedeuseverklaring HBO, colloquium doctum en een restgroep die op grond van overige diploma’s of regelingen tot de studierichting is toegelaten. Van de groep met een VWO-diploma beschikken we over de cijfers op de vakken waarin eindexamen is gedaan. Omdat studenten in verschillende vakkenpakketten eindexamen hebben gedaan is er voor iedere student met een VWO-opleiding het gemiddelde eindexamencijfer berekend over de vakken waarin deze eindexamen heeft gedaan. Deze variabele nemen we op in de analyses om voor verschillen in ’algemeen niveau’ tussen studenten te kunnen controleren. Uit onderzoek naar de relatie tussen cijfers op vakken uit de vooropleiding en studiesucces in de propedeuse bleek het gemiddelde eindexamencijfer de beste voorspeller, 64

hoewel de verklaarde variantie vrij gering was (Jansen, 1995). Per studierichting variëerde dit tussen de 6% en 18%. Roeleveld e.a. (1994) rapporteerden een significant effect van het eindexamencijfer op studievoortgang. De variabelen rond de eindexamencijfers uit de vooropleiding zijn niet voor iedere respondent bekend. Mogelijke problemen rond ontbrekende waarnemingen op de predictoren en de consequenties daarvan voor de analyses worden in de volgende paragraaf beschreven. De variabele gemiddeld eindexamencijfer is herberekend door er zes punten van af te trekken.1 De variabele geslacht nemen we eveneens op in de analyse, omdat uit eerder onderzoek naar voren is gekomen dat vrouwen sneller studeren dan mannen. Er zijn geen aanwijzingen gevonden dat leeftijd een direct effect op studieinzet of studievoortgang zou hebben. In eerdere onderzoeken (bijvoorbeeld Roeleveld e.a., 1994) is leeftijd gebruikt als indicatie voor uitgestelde onderwijsweg of blijven zitten in de vooropleiding. In onze analyses controleren we voor leeftijd bij aanvang van de studie. Indien een effect van leeftijd op de studievoortgang gevonden wordt, kan dit op bovenstaande wijze geïnterpreteerd worden.

Ontbrekende waarnemingen Het programma VARCL dat gebruikt is voor de meerniveau-analyses, kan alleen werken met volledige datasets met betrekking tot de predictoren. Een probleem ligt dan ook in de wijze van omgaan met ontbrekende waarnemingen. Deze komen in ons databestand alleen voor bij de predictoren op het studentniveau. Bij studenten zonder VWO bijvoorbeeld beschikken we niet over de cijfers op de vakken van hun vooropleiding. Een keuze zou gemaakt kunnen worden om aan die studenten bijvoorbeeld het gemiddelde eindexamencijfer van de groep studenten van dat cohort en die studierichting toe te kennen. Dit lijkt onterecht, omdat aangenomen mag worden dat studenten zonder VWO als een aparte groep, met mogelijk aparte kenmerken, opgevat moeten worden. We hebben er daarom voor gekozen de analyses apart uit te voeren voor de groep studenten met een VWO-vooropleiding en voor de totale groep studenten, waarbij in het laatste geval niet gecontroleerd wordt voor gemiddeld eindexamencijfer, maar voor verschil-

1

Dit is gedaan zowel om te voorkomen dat er een al te hoge correlatie tussen intercept en helling ontstaat als om te voorkomen dat de geschatte random effects varianties kunstmatig laag lijken te zijn, omdat het gemiddelde van een variabele gekwadrateerd terugkomt in zijn random effect variantie

65

lende vooropleidingscategorieën, namelijk VWO, volledig HBO en overig. Er worden dus in totaal zes meerniveau-analyses uitgevoerd, met drie afhankelijke variabelen en twee typen controles voor instroom. Ook binnen de groep studenten met een VWO-diploma is er een probleem met ontbrekende waarnemingen. Weliswaar hebben we van deze studenten de cijfers op hun eindexamenvakken, maar dan stuiten we op het probleem van de verschillende vakkenpakketten. De vraag is of het voldoende is alleen uit te gaan van het gemiddelde eindexamencijfer, dat dus op verschillende vakken gebaseerd is, of dat we daarnaast toch gebruik moeten maken van bijvoorbeeld een alfa-, beta- en gammascore om te controleren voor aanleg of parate kennis op deze drie onderscheiden terreinen. Het gevaar bestaat dat we juist door apart te controleren met een alfa-, beta- en gammascore de kans vergroten om unieke effecten van een bepaalde studierichting met die variabelen te modelleren. Het ligt voor de hand dat studenten bij de studierichtingen farmacie en geneeskunde hogere betascores zullen hebben dan studenten bij geschiedenis of PAO. Een tweede probleem met alfa-, beta- en gammascores ligt in de constructie ervan. Studenten hebben gemiddeld in zeven vakken eindexamen gedaan. Wil men een score berekenen op grond van alle mogelijke vakken uit het alfa-, respectievelijk beta- en gammacluster, dan hebben nagenoeg alle studenten ontbrekende waarnemingen. Op welke wijze ook geprobeerd wordt een score te berekenen, er kleven altijd methodische bezwaren aan. Dit in overweging nemende hebben we besloten alleen het gemiddelde eindexamen minus 6 in het model op te nemen. De waarde van deze variabele ligt tussen de -.25 en 3.20.

66

4.6.3

Curriculumniveau

Op het curriculumniveau (cohort binnen studierichting) onderscheiden we drie groepen variabelen. De eerste groep variabelen heeft betrekking op de spreiding van de studielast. In ons onderzoek hebben we de volgende variabelen met betrekking tot spreiding van de studielast tot onze beschikking: - spreiding van de toetsen (het aantal toetsperiodes); - spreiding van de herkansingen (het aantal herkansingssperiodes); - gemiddeld aantal vakken dat parallel geroosterd is; - aantal maal dat er twee tentamens in één week zijn; - aantal maal dat er een herkansing is in een week waarin ook een regulier tentamen plaats vindt. De tweede groep variabelen op curriculumniveau hebben we instructievariabelen genoemd. Deze instructievariabelen zijn als volgt geöperationaliseerd: - oriëntatiefunctie: uren hoorcollege: - oefenfunctie: uren werkcollege; - oefenfunctie: aantal onderdelen met extra oefenmogelijkheden; - controle- en terugkoppelingsfunctie: aantal feedbackmomenten. De derde groep variabelen betreft de formele kenmerken van het propedeutisch examen. In ons onderzoek onderscheiden we: - het formeel aantal onderdelen waaruit het propedeutisch examen bestaat; - het aantal compensatiemogelijkheden binnen het propedeutisch examen (dus niet binnen afzonderlijke vakken). Alvorens in hoofdstuk 5 de resultaten van de meerniveau-analyses te bespreken, geven we in paragraaf 4.7 een overzicht van de verdelingskenmerken van de studenten en studierichtingen op de variabelen uit het analysemodel.

67

4.7

Verdelingskenmerken van studenten en studierichtingen op de variabelen uit het analysemodel

Alvorens we in het volgende hoofdstuk overgaan tot de analyses om de hypothesen uit ons model te toetsen, geven we in dit hoofdstuk eerst een overzicht van de verdelingskenmerken van de studenten en de studierichtingen op de variabelen uit het analysemodel. In paragraaf 4.7.1 worden de studenten uit de zes studierichtingen beschreven aan de hand van de volgende gegevens: leeftijd, geslacht, vooropleiding en indien VWO, gemiddeld eindexamencijfer. Daarna worden in paragraaf 4.7.2 gegevens op de drie afhankelijke variabelen gepresenteerd, te weten het behalen van de propedeuse binnen één en twee jaar en het aantal gerealiseerde studiebelastingsuren na één jaar. Studenten worden zowel per studierichting naar cohort als binnen studierichtingen tussen cohorten vergeleken. De gegevens die in dit hoofdstuk gepresenteerd worden, hebben steeds betrekking op de opgeschoonde populaties. No-show studenten, studenten met meer dan een half jaar vrijstellingen en studenten die binnen zes maanden de propedeuse hebben behaald zijn uit de bestanden verwijderd. De totale analysegroep bestaat uit 6037 studenten, waarvan 5151 studenten met een VWO-vooropleiding. De studierichtingen worden aan de hand van hun curriculumkenmerken beschreven in paragraaf 4.7.3. Ook hierbij wordt ingegaan op verschillen tussen studierichtingen en tussen cohorten. In bijlage I worden de curriculumgegevens per studierichting en cohort weergegeven, in bijlage II de beschrijvende studentgegevens zowel voor de totale groep per studierichting als per studierichting en cohort.

4.7.1

De studenten

De gemiddelde leeftijd bij aanvang van de studie was voor de totale groep studenten 20 jaar. Er is een significant verschil tussen de studierichtingen (F=68.47, df = 5, p <.001). De ’jongste’ studenten vinden we bij de studierichting farmacie (gemiddelde leeftijd 19.2 jaar), de ’oudste’ studenten bij de studierichting PAO, met een gemiddelde leeftijd van 21.3 jaar. Er zijn iets meer vrouwelijke dan mannelijke studenten (51% tegen 49%). Ook hier is het verschil in verdeling over de geslachten tussen de zes studierichtingen significant (Chi2 = 183.36, df=5, p<.001). Bij bedrijfskunde en geschiedenis zijn de vrouwen in de minderheid, 30% en 45% en met

68

name bij PAO en psychologie vormen zij een meerderheid met resp. 85% en 66%. Van de totale groep studenten was 86% tot de studie toegelaten op grond van een VWO-diploma, 5% op grond van een volledig HBO-diploma en 9% op grond van overige opleidingen of examens. Ook hierbij zijn er grote verschillen tussen studierichtingen. Bij bedrijfskunde, farmacie en geneeskunde heeft 90% of meer van de studenten een VWO-vooropleiding. Bij PAO en psychologie is dat slechts 65% en 77%. De studierichting geschiedenis ligt daar tussenin met 86%. Bij PAO vinden we de grootste groep studenten met een volledig HBO-vooropleiding, namelijk 19%. Toelating op grond van overige diploma’s of examens zien we in relatief grote mate bij geschiedenis (13%), PAO (16%) en psychologie (16%). Van de groep studenten met een VWO-diploma verschillen de gemiddelde eindexamencijfers significant tussen de studierichtingen (F=20.68, df=5, p<.001). maar de verschillen zijn niet zeer groot. Het laagste gemiddelde eindexamencijfer vinden we bij de studierichting PAO (6.58), het hoogst bij de studierichting geneeskunde (6.86). Dat laatste is niet verwonderlijk omdat bij de toelating tot de studie geneeskunde een gewogen loting naar gemiddeld eindexamencijfer plaats vindt. In tabel 4.3 worden de studentgegevens samengevat.

Tabel 4.3

Studentkenmerken per studierichting (samengevoegde cohorten 1987-1991) % vrouw

% VWO

% HBO

bedrijfskunde

30

91

4

farmacie

56

96

2

geschiedenis

45

86

1

6.78

20.3

geneeskunde

57

94

1

6.86

19.5

PAO

85

65

19

6.58

21.3

psychologie

66

77

7

6.70

20.6

TOTALE POPULATIE

51

86

5

6.78

20.0

gem. cijfer

gem. leeftijd

6.82

19.6

studie

69

6.82

19.2

4.7.2

Beschrijving afhankelijke variabelen

Als afhankelijke variabelen gebruiken we in ons onderzoek het behalen van de propedeuse in één jaar, in twee jaar en het aantal gerealiseerde studiebelastingsuren na één jaar. Hieronder presenteren we in tabel 4.4 de numerieke rendementen voor de propedeuse na één en twee jaar. Per studierichting zijn de cohorten 1987 tot en met cohort 1991 samengevoegd. Tabel 4.4

Numerieke rendementen per studierichting, samengevoegde cohorten 1987-1991

studierichting

% prop 1 jaar

% prop 2 jaar

bedrijfskunde

14

69

farmacie

43

77

geschiedenis

40

64

geneeskunde

55

87

PAO

49

77

psychologie

27

66

TOTALE POPULATIE

33

73

Zoals we in hoofdstuk 2 al constateerden, zijn er aanzienlijke verschillen tussen studierichtingen. De hier gepresenteerde cijfers kunnen afwijken van die in hoofdstuk 2, omdat we hier de cijfers laten zien voor de opgeschoonde populaties, zoals we die in de verdere analyses zullen gebruiken. Ook binnen één studierichting tussen de verschillende cohorten zijn verschillen in rendementen te zien. Voor iedere studierichting afzonderlijk zijn de rendementen per cohort te vinden in bijlage II. Als voorbeeld laten we hier de rendementen zien van de studierichting farmacie.

70

Tabel 4.5

Numerieke rendementen propedeuse farmacie

cohort

% prop 1 jaar

% prop twee jaar

87

33

67

88

47

88

89

27

70

90

39

74

91

60

82

De propedeuserendementen na één jaar voor deze studierichting varieëren tussen de 27% en 60%, na twee jaar tussen de 67% en 82%. Zowel voor de variabele ’behalen van de propedeuse in één jaar’ als voor de variabele ’behalen van de propedeuse in twee jaar’ zijn de verschillen tussen de studierichtingen significant (chi2= 690.13, df=5, p<.001 respectievelijk chi2= 183.36, df=5, p<.001). Als derde afhankelijke variabele hanteren we het aantal gerealiseerde studiebelastingsuren na één jaar. In tabel 4.6 wordt voor de zes studierichtingen het gemiddelde aantal gerealiseerde studiebelastingsuren na één jaar over de vijf onderzochte cohorten weergegeven.

Tabel 4.6

Gerealiseerde studiebelastingsuren (gsl) na één jaar per studierichting, samengevoegde cohorten 1987-1991

studierichting

gsl na één jaar

bedrijfskunde

stand. afw.

991

541

farmacie

1221

534

geschiedenis

1071

617

geneeskunde

1330

529

PAO

1172

588

psychologie

1020

558

TOTALE POPULATIE

1103

572

Hier zien we wederom significante verschillen tussen de studierichtingen (F=61.48, df=5, p<.001). Bedrijfskunde scoort het laagst met gemiddeld 991 71

gerealiseerde studiebelastingsuren en geneeskunde het hoogst met 1330 uren.

4.7.3

Beschrijving curriculumkenmerken

Spreidingskenmerken De spreidingskenmerken zijn geoperationaliseerd in vijf variabelen, namelijk het aantal toetsperioden, het aantal herkansingsperioden, het aantal vakken dat parallel geroosterd is, het aantal maal dat er twee tentamens in één week geroosterd zijn en het aantal maal dat er een herkansing is geroosterd in een week waarin ook een ’regulier’ tentamen valt. De waarde op deze variabelen per studierichting over de samengevoegde cohorten 1987-1991 staan vermeld in tabel 4.7.

Tabel 4.7

Spreidingskenmerken cohorten 1987-1991 aantal toetsperioden

per

aantal herkansingsperioden

studierichting,

aantal vakken parallel

studie

samengevoegde

aantal maal twee tentamens in één week

aantal maal herkansingen in tentamenweek

bedrijfskunde

4.4

3.6

4.9

1.6

2.2

farmacie

8.0

6.4

1.1

0.0

0.8

geschiedenis

3.8

1.4

3.7

0.4

0.4

geneeskunde

4.6

2.0

5.3

4.8

0.0

PAO

6.6

1.0

1.4

1.8

0.0

psychologie

5.2

6.6

3.4

4.2

1.2

We zien tussen de studierichtingen verschillen op de vijf spreidingsvariabelen. De verschillen binnen één studierichting tussen de vijf cohorten zijn veel minder groot. Voor alle studierichtingen zijn deze variabelen per cohort weergegeven in bijlage I. Als voorbeeld laten we de waarden van deze variabelen zien voor de studierichting bedrijfskunde.

72

Tabel 4.8

Spreidingskenmerken per cohort voor de studierichting bedrijfskunde aantal toetsperioden

aantal herkansingsperioden

aantal vakken parallel

cohort

aantal maal twee tentamens in één week

aantal maal herkansing in tentamenweek

87

4

3

5.3

1

1

88

4

3

5.3

2

1

89

4

3

5.3

1

1

90

4

3

5.3

0

3

91

6

6

3.6

5

5

Bij de studierichting bedrijfskunde zien we dat met name cohort 1991 andere spreidingskenmerken heeft in vergelijking met de cohorten 19871990. Omdat de verschillen binnen een studierichting tussen cohorten veel kleiner zijn dan de verschillen tussen studierichtingen zal het moeilijker worden aan te tonen dat bepaalde curriculumkenmerken van invloed zijn op de studievoortgang van studenten, omdat verwacht kan worden dat de studierichtingseffecten groter zijn.

Instructiekenmerken De instructiekenmerken hebben we uiteengelegd in vier variabelen, namelijk het aantal uren hoorcollege (oriëntatiefunctie), het aantal uren werkcollege (oefenfunctie), het aantal onderdelen met extra oefeningen/opdrachten (oefen- en terugkoppelingsfunctie) en het aantal feedbackmomenten in de propedeuse (terugkoppelingsfunctie). De waarden op deze variabelen uitgeplitst naar studierichting staan weergegeven in tabel 4.9.

73

Tabel 4.9

Instructiekenmerken per studierichting, samengevoegde cohorten 1987-1991 uren hoorcollege

uren werkcollege

studie

aantal onderdelen extra oefeningen

aantal feedbackmomenten

bedrijfskunde

182

96

4.0

25

farmacie

322

385

5.6

14

geschiedenis

173

142

5.4

16

geneeskunde

508

263

6.4

21

PAO

338

69

1.8

15

psychologie

227

120

6.0

24

De verschillen tussen de studierichtingen zijn aanzienlijk. Geschiedenis heeft het laagste aantal hoorcolleges met 173 uren en geneeskunde met 508 uren het hoogste aantal. Bij de werkcolleges vinden we het grootste verschil tussen de studierichting PAO met 69 uren en de studierichting farmacie met 385 uren. Nemen we de studierichting bedrijfskunde weer als voorbeeld om de verschillen in instructiekenmerken tussen cohorten binnen één studierichting te laten zien, dan zien we in tabel 4.10 bij de hoorcolleges een verschil tussen de cohorten 1987-1990 en het cohort 1991. Bij de werkcolleges wijkt met name cohort 90 af, het aantal onderdelen met extra oefengelegenheid neemt toe bij de cohorten 1990 en 1991 en het aantal feedbackmomenten neemt in de tijd gestaag toe van 21 bij cohort 1987 tot 33 bij cohort 1991.

Tabel 4.10

Instructiekenmerken van de studierichting bedrijfskunde per cohort uren hoorcollege

uren werkcollege

cohort

aantal onderdelen extra oefeningen

aantal feedbackmomenten

87

176

100

3

21

88

176

100

3

22

89

172

97

4

23

90

182

70

5

28

91

204

112

5

33

74

Bij de studierichting bedrijfskunde zagen we dat met name bij cohort 91 veranderingen ten opzichte van de overige cohorten waren opgetreden, zowel qua spreidingskenmerken als qua instructiekenmerken. Bij de afhankelijke variabelen zien we dat cohort 91 het hoogste percentage propedeusegeslaagden na één jaar kent maar het laagste na twee jaar. Het aantal gerealiseerde studiebelastingsuren na één jaar is daarentegen weer het hoogste van alle onderzochte cohorten (zie tabel 4.11).

Tabel 4.11

Afhankelijke variabelen bij de studierichting bedrijfskunde per cohort propedeuse in één jaar

propedeuse in twee jaar

aantal gerealiseerde studiebelastingsuren na één jaar

cohort

%

%

87

12

75

1045

88

12

70

935

89

14

74

962

90

13

67

948

91

20

60

1072

Formele kenmerken propedeutisch examen Als laatste groep curriculumkenmerken gebruiken we de formele kenmerken van het propedeutisch examen. Het gaat hierbij om het formele aantal onderdelen in het propedeutisch examen en het aantal compensatiemogelijkheden in het propedeutisch examen. Een overzicht van deze twee variabelen over de zes studierichtingen staat in tabel 4.12.

75

Tabel 4.12

Formele kenmerken propedeutisch examen per studierichting, samengevoegde cohorten 1987-1991 aantal onderdelen

studie

aantal compensatiemogelijkheden

bedrijfskunde

12

2

farmacie

11

0

geschiedenis

14

2

geneeskunde

12

0

6

1

14

1

PAO psychologie

Het grootste verschil zien we tussen de studierichting PAO met 6 onderdelen en één compensatiemogelijkheid en de studierichting geschiedenis, met 14 onderdelen en twee compensatiemogelijkheden. Tussen de cohorten binnen één studierichting zijn er weinig verschillen. De studierichting bedrijfskunde verschilt op beide variabelen niet tussen de vijf cohorten. De studierichting geschiedenis vertoont de meeste variatie en zal hier als afsluiting van dit hoofdstuk als voorbeeld in tabel 4.13 worden weergegegeven. Tabel 4.13

Formele examenkenmerken studierichting geschiedenis, cohorten 1987-1991 aantal onderdelen

cohort

aantal compensatiemogelijkheden

87

12

2

88

16

3

89

16

3

90

12

2

91

12

0

76

5. RESULTATEN

In dit hoofdstuk worden de resultaten van de meerniveau-analyses besproken. Er zijn in totaal zes analyses uitgevoerd, namelijk voor de drie afhankeljke variabelen zowel voor de groep studenten met een VWO-vooropleiding als voor de totale analysegroep. Als eerste worden de analyses voor de VWO-groep gepresenteerd.

5.1

Propedeuse binnen twee jaar voor de VWO-groep

Als afhankelijke variabele in de eerste VARCL-analyse is het al dan niet behalen van de propedeuse binnen twee jaar gebruikt. Om administratieve onzuiverheden te ondervangen is gekozen voor 26 maanden als grens voor het behalen van de propedeuse. Studenten hebben een score 0 indien zij geen propedeuse hebben behaald binnen 26 maanden en een score 1 indien dit wel het geval was. Binnen VARCL is gekozen voor het logistisch regressiemodel (zie 4.6.1). De analyse heeft betrekking op de groep studenten met een VWO-diploma, omdat daarvan de eindexamencijfers op de vakken uit het VWO bekend zijn. Het betreft hier 5151 studenten verdeeld over de zes studierichtingen. In tabel 5.1 worden de verdelingskenmerken gegeven van de variabelen die in het model zijn opgenomen. De tabel dient als volgt gelezen te worden. In de analysegroep heeft 74% van de studenten de propedeuse in twee jaar behaald. Bij de curriculumvariabelen zien we dat over de 30 cellen studierichting*cohort gemiddeld 4.9 toetsperiodes bestaan en bedraagt het gemiddeld aantal vakken dat parallel geroosterd is 3.9. Gemiddeld zijn er 275.6 uren hoorcollege en 155.6 uren werkcollege geroosterd, zijn er 4.8 onderdelen waarbij expliciet is aangegeven dat er extra oefenmogelijkheden zijn, en zijn er 21.3 feedbackmomenten in de propedeuse.

77

Tabel 5.1

Verdelingskenmerken van variabelen uit het analysemodel voor de VWO-groep

gemiddelde/ proportie

propedeuse in twee jaar

geobserveerde minimum/ maximum

.74

studentvariabelen leeftijd gemiddeld eindexamencijfer - 6 geslacht (vrouw = 0) spreidingsvariabelen spreiding toetsen spreiding herkansingen gemiddeld aantal vakken twee tentamens in 1 week herkansing in tentamenweek instructievariabelen uren hoorcollege uren werkcollege extra oefening feedbackmomenten propedeuse-examen aantal onderdelen compensatiemogelijkheden

19.4 .78 .50

17 -.25 -

4.9 3.4 3.9 2.4 1.1

3 1 1 0 0

275.6 155.6 4.8 21.3

162 51 1 13

11.8 1.2

-

33 3.20

8 8 6 7 5

- 516 - 392 8 - 33

6 0 -

16 3

Bij het opbouwen van het model is er voor gekozen de variabelen groepsgewijs in te voeren. We zijn begonnen met het lege model, dat is het model met alleen een intercept, zonder predictoren. Daarna zijn de studentvariabelen leeftijd bij aanvang studie, geslacht en het gemiddeld eindexamencijfer ingevoerd, in tabel 5.2 en volgende aangegeven met +student. De meest harde gegevens op curriculumniveau waarover we beschikken en waarvan op grond van eerder onderzoek ook de meeste effecten verwacht kunnen worden, zijn de gegevens over de spreiding van de studielast. De kwaliteit van de spreidingsvariabelen is ook hoger dan die van de instructievariabelen. De eerst genoemde groep variabelen is daarom als derde in het model opgenomen onder het kopje +spreiding. De groep instructievariabelen is in het vierde model toegevoegd. Verwacht kan worden dat een bepaalde wijze van organisatie van het onderwijs, zoals uit de spreidingsvariabelen naar voren komt, consequenties heeft voor de vormgeving van het onderwijs. De 78

toevoeging van deze variabelen in het model staat in de kolom +instructie. De formele kenmerken van het propedeuse-examen zijn als laatste opgenomen, in de tabel weergegeven onder +examen. De resultaten van de eerste VARCL-analyse staan in tabel 5.2. De tabel is als volgt opgebouwd. In de kolommen staan de verschillende modellen. We beginnen met het lege model, dat is het model zonder predictoren. In het volgende model worden de studentvariabelen erbij opgenomen. In het daarop volgende model nemen we de variabelen rond de spreiding van de studielast erbij op, enzovoort. Na een bespreking van de diverse uitkomsten van tabel 5.2 wordt in tabel 5.3 meer specifiek toegelicht welke invloed de diverse predictoren hebben op de slaagkans voor de propedeuse binnen 26 maanden. Bij invoering van de studentvariabelen zien we dat zowel leeftijd bij aanvang studie, als het geslacht en het gemiddeld eindexamencijfer een significant effect hebben. De kans op het behalen van de propedeuse binnen twee jaar is voor jongere studenten, voor vrouwen en voor studenten met een hoger gemiddeld eindexamencijfer groter. Tevens zien we dat het intercept per kolom anders is. Dit komt omdat we steeds meer predictoren invoeren, die gemiddeld een positief effect hebben. Een voorbeeld. In het studentmodel is het intercept 3.614. Deze schatting geldt voor een fictief persoon met de waarde nul op alle predictoren. De daarbij behorende odds is 32.33 en de slaagkans is .97. (In dit geval zou een slaagkans van .97 gelden voor een nul-jarige vrouw met gemiddeld eindexamencijfer 6.) Voor een afzonderlijke variabele kunnen we een toename in de slaagkans bepalen wanneer de waarde op de betreffende variabele met één punt stijgt. Bijvoorbeeld bij een toename van het gemiddelde eindexamencijfer minus 6 met één punt, neemt de logit .963 toe. Het gemiddelde van deze variabele was .78 (zie tabel 5.1). Heeft een student een gemiddeld eindexamencijfer minus 6 van 1.78 dan is de logit 1.05 + .963 = 2.01, de odds = 7.33 en de slaagkans = .88. Hierbij gaan we ervan uit dat de overige omstandigheden gelijk blijven (ceteris paribus). Dit is uiteraard een theoretisch uitgangspunt omdat de verschillende variabelen nooit geïsoleerd zullen veranderen in een veldsituatie, waarin wij onze data verzameld hebben.

79

Tabel 5.2 Resultaten van de logistische meerniveau-analyse, afhankelijke variabele propedeuse in twee jaar, 5151 VWO-studenten. Boven de streep geschatte effecten met standaardfout tussen haakjes; onder de streep enkele andere modelkenmerken leeg

+spreiding

+instructie

3.614

1.241

1.021

.724

leeftijd

-.153 (.021)

-.160 (.020)

-.166 (.021)

-.167 (.021)

geslacht (vrouw=0)

-.276 (.074)

-.316 (.073)

-.283 (.074)

-.281 (.074)

gemiddeld eindex. cijfer -6

.963 (.069)

1.001 (.069)

1.007 (.069)

1.006 (.069)

spreiding toetsen

.370 (.050)

.374 (.060)

.390 (.067)

spreiding herkansingen

-.082 (.026)

-.042ns (.027)

-.065ns (.051)

gemiddeld aantal vakken

.278 (.046)

.283 (.059)

.258 (.066)

twee tentamens 1 week

.044ns (.024)

-.017ns (.028)

-.019ns (.028)

herkansing in tentamenweek

-.226 (.038)

-.195 (.052)

-.190 (.057)

uren hoorcollege

.002 (.001)

.002 (.001)

uren werkcollege

-.002 (.001)

-.002 (.001)

-.015ns (.023)

-.009ns (.027)

.078 (.038)

.038ns (.063)

intercept

1.130

+student

aantal feedbackmomenten aantal onderd. extra oef. formeel aantal ond. prop.

+examen

.041ns (.050)

aantal compens. in propex.

-.028ns (.102)

variantiecomponent niveau 2 niveau 3 deviance d.f. p-waarde **

.138 (.074) .143 (.138) 5687.77

.142 (.075) .134 (.136) 5301.98

.021 (.051) .000 (.074) 5260.25

.000 (.167) .000 (.036) 5248.62

.000 (.128) .000 (.036) 5247.84

3

5

4

2

<.001

<.001

<.025

<.70

ns: effect niet significant (α= .05, tweezijdig) ** toets steeds ten opzichte van het voorgaande model

80

We zien in tabel 5.2 op de regel ’niveau 3’ in het onderste blok van de tabel, dat de variantie op studierichtingsniveau na invoering van de spreidingsvariabelen verdwijnt.1 Behalve de variabele ’twee tentamens in één week’ hebben alle spreidingsvariabelen een significant effect, waarbij het effect van de spreiding van de herkansingen en het aantal malen dat er herkansingen zijn in een week dat er ook reguliere tentamens zijn, negatief is. Dat wil zeggen dat herkansingen door het jaar heen en in weken met reguliere tentamens negatief de studievoortgang van studenten beïnvloeden. De interpretatie van deze effecten is enigszins problematisch, omdat uitgegaan wordt van het idee dat de overige omstandigheden gelijk blijven. Uiteraard is dat moeilijk hard te maken met de gegevens uit praktijksituaties waar wij hier mee werken. Ook al zijn er behalve tussen de spreiding van de toetsing en het gemiddeld aantal vakken parallel geen hoge correlaties (variërend tussen de .01 en .45) tussen de spreidingsvariabelen onderling, in de praktijk van de onderwijsorganisatie mag uitgegaan worden van een bepaalde onderlinge beïnvloeding van maatregelen die men neemt. Spreiding van de toetsen en het gemiddeld aantal vakken parallel hebben positieve effecten in het model. Het effect van spreiding van de toetsen is conform de verwachting, het effect van het gemiddeld aantal vakken niet. De verklaring hiervoor is waarschijnlijk dat er een hoge correlatie (-.80) is tussen de spreiding van de toetsen en het gemiddeld aantal vakken dat parallel geroosterd is. Het is dan problematisch na te gaan hoe groot het effect is van de afzonderlijke predictoren (multicollineariteit). Voor het collineariteitsprobleem worden in de literatuur verschillende oplossingen gesuggereerd (zie bijv. Stevens, 1992). De meest radicale oplossing is slechts één van de twee variabelen te gebruiken. Een andere mogelijke oplossing is het construeren van een gecombineerde variabele. Gezien onze vraag naar de effecten van de verschillende spreidingsvariabelen, hebben wij er toch voor gekozen beide variabelen in de analyse op te nemen. Theoretisch gezien hebben we geen argumenten om juist te kiezen voor óf het gemiddeld aantal vakken parallel geroosterd, óf voor de spreiding van de toetsen. Wel is het zo dat een blokprogramma met een maximale spreiding van de toetsen, bijna altijd zal samengaan met slechts één vak parallel geroosterd. Maar er zijn ook programma’s met een redelijke hoge spreiding van toetsing waarin juist meer vakkenparallel geroosterd zijn. In figuur 5.1 wordt dat toegelicht met op de x-as de spreiding van de toetsen

1

De variantiecomponent op niveau 1 (studentniveau) wordt in het geval van logistische regressie door het programma VARCL op 1 gesteld. Het is een wijze van systematisering en geen geschatte parameter vanuit de data.

81

en op de y-as het gemiddeld aantal vakken dat parallel geroosterd2 is. In figuur 5.1 zien we bijvoorbeeld één cohort van de studierichting bedrijfskunde met 6 toetsperiodes en 3 vakken parallel, en bijvoorbeeld vier cohorten van de studie geneeskunde met 5 toetsperiodes en vijf vakken parallel. Bovendien is er in hoofdstuk 4 zowel een hypothese geformuleerd over de invloed van de spreiding van de toetsen als over de invloed van het gemiddeld aantal vakken dat parallel geroosterd is. We hebben geen argumenten om een keuze voor één van beide variabelen te maken. Daarom hebben we besloten om toch beide variabelen op te nemen.

6.0

GK

5.0

BK(4)

GK(4) PS(2)

4.0

GES(2)

GES PS

3.0

GES(2)

BK

2.0

PS

1.0

1

2

3

4

5

PSPA PA PA

PA

FA(5) PA

6

7

8

spreiding toetsing Figuur 5.1

Studierichtingen naar spreiding toetsing en gemiddeld aantal vakken dat parallel geroosterd is (als enkele punten samenvallen staat tussen haakjes het aantal cohorten)

Verder blijkt uit figuur 5.1 dat de samenhang tussen deze twee variabelen deels studierichtingsafhankelijk is. We zien rechts onderin de figuur (hoge spreiding, laag aantal vakken parallel) alle vijf de cohorten van de studierichtingen farmacie en PAO, en links bovenin de figuur (weinig spreiding, hoog aantal vakken parallel) bijna alle cohorten van bedrijfskunde.

2

In tabel 3 bijlage I zien we dat de variabele gemiddeld aantal vakken parallel gebroken waarden kan aannemen.

82

Het probleem dat een bepaalde combinatie van deze (en ook andere) variabelen studierichtingsafhankelijk is, is jammer genoeg inherent aan het type onderzoek en het type data waarover we hier rapporteren. Bij de interpretatie van de gegevens zal hier uitvoerig op worden teruggekomen. Wanneer we de instructievariabelen invoeren (voorlaatste kolom van tabel 5.2), verbetert weliswaar de passing van het model, maar verdwijnt het significante effect van de variabele spreiding herkansingen uit het vorige model. Van de ingevoerde instructievariabelen is alleen de variabele aantal feedbackmomenten niet significant. Het effect van het aantal uren hoor- en werkcolleges is tegengesteld aan de verwachting. De geschatte variantie op het tweede niveau (curriculumniveau) is eveneens tot nul teruggebracht. Invoering van de variabelen met betrekking tot de formele aspecten van het propedeuse-examen levert geen verbetering van de passing van het model op. Om een indruk te geven van het verwachte effect op de slaagkans om de propedeuse binnen twee jaar te behalen, is in tabel 5.3 per variabele in de verschillende modellen aangegeven wat hun bijdrage zou zijn aan de verhoging of verlaging van de slaagkans bij een ’gemiddelde’ student. Een gemiddelde student is een student met een slaagkans van .74 binnen de groep als geheel. Verder is het uitgangspunt dat alle andere omstandigheden gelijk blijven. De tabel moet als volgt gelezen worden. In het hypothetische geval van een gemiddelde student binnen de totale groep met een slaagkans van 74%, zou deze student indien deze een vol punt meer scoort op de variabele gemiddeld eindexamencijfer zijn/haar kans om te slagen voor de propedeuse binnen twee jaar verhogen met 14%, alle overige omstandigheden gelijk verondersteld. Dit lijkt een enorm effect. Een punt meer op deze variabele is dan ook een vrij grote verschuiving. Het gemiddelde eindexamencijfer is in doorsnee 6.78. Met één punt meer, dus 7.78, zit de student al bij de bovenste 10 % van de onderzochte populatie. De variabele spreiding van toetsing heeft waarden van 3 tot en met 8. Ter illustratie: een trimesterprogramma met drie tentamenblokken heeft de score 3 en een bloksgewijs programma waarin ieder vak na afloop aansluitend wordt getoetst heeft een score 8. Indien een programma verandert van een programmering in vijf toetsperiodes naar een programmering in zes toetsperiodes, is de schatting dat dat een verhoging van de slaagkans met zich meebrengt van 7%, uiteraard ceteris paribus.

83

Tabel 5.3

Resultaten in termen van geschatte toe- of afname van de slaagkans voor de propedeuse binnen twee jaar, ceteris paribus, 5151 VWO-studenten

+ student basiskans

+ spreiding

+ instructie

+ examen

.74

.74

.74

.74

leeftijd

-.03

-.03

-.03

-.03

geslacht (vrouw=0)

-.05

-.06

-.06

-.06

gemiddeld eindex.cijfer -6

+.14

+.15

+.15

+.15

spreiding toetsen

+.07

+.07

+.07

spreiding herkansingen

-.01

ns

ns

gemiddeld aantal vakken

+.05

+.05

+.05

ns

ns

ns

-.05

-.04

-.04

uren hoorcollege (per 100 uur)

+.04

+.04

uren werkcollege (per 100 uur)

-.04

-.04

ns

ns

+.02

ns

twee tentamens 1 week herkansing in tentamenweek

aantal feedbackmomenten aantal onderd. extra oef. formeel aantal ond. prop.

ns

aantal compens. in propex.

ns

ns: niet significante effecten

Bij de variabelen uren hoorcollege en uren werkcollege staan in tabel 5.2 de absolute waarden, maar in tabel 5.3 hebben we ervoor gekozen de de waarden per 100 uur weer te geven, omdat het onzin is om te spreken van een verhoging van het aantal uren hoorcollege met 1 uur. We zien bij de hoorcolleges weliswaar een effect van +4% indien er een verhoging van het aantal hoorcolleges zou plaats vinden van 100 uur, maar het is de vraag of dit toegeschreven kan worden aan de hoorcolleges op zich. Indien we in tabel 6 in bijlage I kijken naar de spreiding en veranderingen in aantallen uren hoorcolleges tussen verschilende studierichtingen en cohorten, zien we weinig verschillen binnen een studierichting tussen cohorten, en grote verschillen tussen studierichtingen. De kans dat het hier een studierichtingseffect betreft lijkt vrij groot. De studierichtingen geneeskunde en farmacie 84

met traditioneel relatief hoge numerieke rendementen hebben ook het hoogste aantal uren hoorcolleges, de studierichtingen geschiedenis en psychologie het laagste aantal. In tabel 7 in bijlage I zien we dat er wel een spreiding is in uren werkcolleges tussen cohorten en studierichtingen. Het verhogen van het aantal uren werkcolleges met 100 uur heeft een geschat negatief effect van 4%. Het is opvallend dat het effect negatief is, omdat we verwachten dat meer gelegenheid geven tot oefenen een positief effect zou hebben op de studievoortgang. Omdat een relatief grote verandering in het aantal werkcolleges binnen een studierichting tussen cohorten bij drie studierichtingen heeft plaats gevonden is het effect wellicht iets algemener dan het hoorcollege-effect. De veranderingen hebben plaats gevonden bij de gammarichtingen, bedrijfskunde, psychologie en pedagogische en andragogische wetenschappen. Ook hier zou het type studierichting kunnen samenhangen met het gevonden effect. Wij gaan hier in hoofdstuk 6 nader op in. Het toevoegen van twee variabelen die betrekking hebben op formele kenmerken van de propedeuse, namelijk het formele aantal onderdelen in het propedeutisch examen en het aantal compensatiemogelijkheden binnen het propedeutisch examen, geeft geen betere modelfit en laat geen significante effecten van deze twee variabelen zien. De in deze paragraaf gepresenteerde resultaten waren gerelateerd aan de afhankelijke variabele ’propedeuse behaald in twee jaar’. De vraagstelling in dit proefschrift heeft ook betrekking op de snelheid van studeren. We zoeken naar factoren die de studievoortgang beïnvloeden en daarmee naar factoren waarmee we de studiesnelheid kunnen beïnvloeden. Omdat studenten uit de onderzochte cohorten formeel twee jaar over hun propedeuse konden doen, zijn we in eerste instantie op zoek gegaan naar effecten van curriculumvariabelen op het behalen van de propedeuse in twee jaar. Een probleem daarbij is dat studenten in hun tweede inschrijvingsjaar ook al vakken uit het doctoraalprogramma volgen. Daardoor is de invloed van de curriculumorganisatie in de propedeuse moeilijker te interpreteren. Willen we iets zeggen over effecten op studiesnelheid, dan is het ook nuttig om na te gaan wat de resultaten van de meerniveau-analyses zijn met als afhankelijke variabelen het behalen van de propedeuse in één jaar of het aantal gerealiseerde studiebelastingsuren na één jaar. Hierover gaan de volgende twee paragrafen.

85

5.2

Propedeuse binnen één jaar voor de VWO-groep

In de vorige paragraaf zagen we dat het opnemen van spreidingsvariabelen en instructievariabelen een betere passing van het model opleverde dan het lege model of het model met alleen studentvariabelen bij de afhankelijke variabele ’propedeuse behaald in twee jaar’. In het model waarin zowel spreidings- als instructievariabelen zijn opgenomen, was er sprake van een significant effect van drie spreidings- en drie instructievariabelen. In deze paragraaf gaan we na of deze effecten ook terug te vinden zijn bij de afhankelijke variabele ’propedeuse behaald in één jaar’. Bij deze afhankelijke variabele kunnen we de invloed van de curriculumvariabelen beter interpreteren dan bij de variabele ’propedeuse behaald in twee jaar’. Ook hier is om administratieve onzuiverheden te voorkomen gekozen voor twee maanden extra, dus het behalen van het propedeusediploma binnen 14 maanden. In de gehele analysepopulatie heeft 34% van de studenten de propedeuse behaald in één jaar. De overige kenmerken zijn uiteraard hetzelfde als bij de analyse in de vorige paragraaf en staan vermeld in tabel 5.1. De resultaten van de meerniveau-analyse staan vermeld in tabel 5.4. We zien in deze tabel globaal eenzelfde beeld (tot aan de laatste kolom neemt de modelpassing toe, veel predictoren hebben soortgelijke regressiecoëfficienten). Toch zijn er ook opmerkelijke verschillen met de resultaten voor het behalen van de propedeuse in twee jaar. Op studentniveau zijn de volgende effecten zichtbaar. Leeftijd is niet significant meer en het effect van het gemiddelde eindexamencijfer is groter. Een hoog gemiddeld eindexamencijfer was al een aanwijzing dat studenten de propedeuse binnen twee jaar halen, maar een hoog gemiddeld eindexamencijfer is nog belangrijker om de propedeuse binnen één jaar te halen. Ter illustratie: van de studenten met een gemiddeld eindexamencijfer van 6 of lager haalt 18% de propedeuse in één jaar. Het toevoegen van de spreidingsvariabelen levert een betere passing van het model op. Slechts twee variabelen, namelijk spreiding van toetsing en spreiding van herkansingen laten significante effecten zien. Bij toevoeging van instructievariabelen verschuift het effect van spreiding toetsing naar dat van het gemiddeld aantal vakken dat parallel geroosterd is. Op instructieniveau zijn dezelfde variabelen significant als in het model voor het behalen van de propedeuse in twee jaar. Toevoeging van de formele kenmerken van het propedeutisch examen levert een lichte verbetering op van de passing van het model met alleen een significant effect voor het formeel aantal onderdelen waaruit het propedeutisch examen bestaat. 86

Tabel 5.4 Resultaten van de logistische meerniveau-analyse afhankelijke variabele propedeuse binnen één jaar, 5151 VWO-studenten Boven de streep geschatte effecten met standaardfout tussen haakjes; onder de streep enkele andere modelkenmerken leeg intercept

-.412

+student

-.493

+spreiding

-1.969

+instructie

+examen

-1.670

-3.197

leeftijd

-.035ns (.020)

-.039ns (.021)

-.039ns (.022)

-.040ns (.023)

geslacht (vrouw=0)

-.197 (.065)

-.222 (.068)

-.254 (.074)

-.254 (.073)

gemiddeld eindex.cijfer -6

1.086 (.055)

1.231 (.058)

1.375 (.064)

1.381 (.064)

spreiding toetsen

.410 (.104)

.222ns (.114)

.296 (.114)

spreiding herkansingen

-.228 (.092)

-.238 (.052)

-.327 (.083)

gemiddeld aantal vakken

-.031ns (.114)

-.333 (.114)

-.446 (.114)

twee tentamens 1 week

.042ns (.048)

-.016ns (.054)

.040ns (.051)

.007ns (.081)

-.147ns (.104)

-.075ns (.100)

uren hoorcollege

.003 (.001)

.005 (.002)

uren werkcollege

-.005 (.002)

-.005 (.002)

aantal feedbackmomenten

-.026ns (.041)

.022ns (.040)

aantal onderd. extra oef.

.444 (.075)

.272 (.103)

herkansing in tentamenweek

formeel aantal ond. prop.

.187 (.081)

aantal compens. in propex.

-.048ns (.168)

variantiecomponent niveau 2 niveau 3 deviance d.f. p-waarde **

.177 (.078) .424 (.207) 5949.65

.199 (.083) .533 (.229) 5402.81

.088 (.066) .283 (.167) 5232.03

.101 (.056) .000 (.084) 5147.19

.077 (.053) .000 (.067) 5141.40

3

5

4

2

<.001

<.001

<.001

<.070

ns: effect niet significant (α= .05, tweezijdig) ** toets steeds ten opzichte van het voorgaande model

87

Kijken we naar het onderste deel van de tabel dan zien we dat bij invoering van de instructievariabelen de variantie op het derde niveau is gereduceerd tot nul. Op het tweede niveau (curriculumniveau) is de variantiecomponent na invoering van de instructievariabelen .10. Bij de analyses met als afhankelijke variabele propedeuse behaald in twee jaar was de schatting van de variantie op het derde niveau al na de invoering van de spreidingsvariabelen nul, evenals de geschatte variantie op het tweede niveau na invoering van de instructievariabelen (tabel 5.2). De toename van de variantiecomponent op het tweede en derde niveau na invoering van de predictorvariabelen lijkt opmerkelijk, maar is een verschijnsel dat vaker voorkomt bij hiërarchische lineaire modellen. Voor een uiteenzetting hierover verwijzen wij naar Snijders en Bosker, 1994. Voor een toelichting op de grootte van de effecten verwijzen we naar tabel 5.5, waarin wederom een berekening is gemaakt van de geschatte toe- of afname van de kans om te slagen voor het propedeuse-examen binnen één jaar.

88

Tabel 5.5

Resultaten in termen van geschatte toe- of afname van de slaagkans voor de propedeuse binnen één jaar, ceteris paribus, 5151 VWO-studenten

+ student basiskans

+ spreiding

+ instructie

+ examen

.34

.34

.34

.34

ns

ns

ns

ns

geslacht (vrouw=0)

-.04

-.05

-.05

-.05

gemiddeld eindex.cijfer -6

+.26

+.30

+.33

+.33

spreiding toetsen

+.10

ns

+.06

spreiding herkansingen

-.05

-.05

-.07

gemiddeld aantal vakken

ns

-.07

-.09

twee tentamens 1 week

ns

ns

ns

herkansing in tentamenweek

ns

ns

ns

uren hoorcollege (per 100 uur)

+.07

+.12

uren werkcollege (per 100 uur)

-.10

-.10

ns

ns

+.11

+.06

leeftijd

aantal feedbackmomenten aantal onderd. extra oef. formeel aantal ond. prop.

+.04

aantal compens. in propex.

ns

ns: niet significante effecten

5.3

Gerealiseerde studiebelastingsuren na één jaar voor de VWO-groep

Als derde afhankelijke variabele hebben we het aantal gerealiseerde studiebelastingsuren na één studiejaar gebruikt. Het gemiddelde aantal gerealiseerde studiebelastingsuren na één jaar over de totale groep VWOstudenten was 1111 uren. De peildatum was 31 augustus van het jaar volgend op het jaar van aankomst. Aangezien de variabele gerealiseerde studiebelastingsuren na één jaar een continue variabele is, kan gebruik gemaakt worden van ’gewone’ regressieanalyse binnen het programma VARCL. De resultaten staan vermeld in tabel 5.6. We zien in deze tabel 89

opmerkelijk veel niet-significante effecten. Het beste model lijkt het meest uitgebreide model waarbij naast studentkenmerken, spreidings-, instructieen formele kenmerken van het propedeutisch examen zijn meegenomen. Dit model lijkt qua richting van de effecten het meest op het model waarbij het behalen van de propedeuse binnen één jaar als afhankelijke variabele is gebruikt. Dit is uiteraard ook te verwachten, omdat beide variabelen beschouwd kunnen worden als een uitdrukking van studiesnelheid. Vergelijking van de instructiemodellen van de afhankelijke variabelen propedeuse behaald in één jaar en aantal gerealiseerde studiebelastingsuren na één jaar levert als opmerkelijk resultaat op dat bij het model voor de propedeuse behaald in één jaar het effect van het gemiddeld aantal vakken dat parallel geroosterd is, de uren hoorcolleges, uren werkcolleges en aantal onderdelen met extra oefenmogelijkheden significant is, terwijl bij het model voor het aantal gerealiseerde studiebelastingsuren alleen de uren hoorcollege een significant effect laten zien. Toevoeging van de twee variabelen met betrekking tot de formele kenmerken van het propedeutisch examen, leidt nu wel tot significante effecten voor een aantal spreidings- en instructievariabelen. De spreidingsvariabelen spreiding toetsing, spreiding herkansingen en gemiddeld aantal vakken parallel geroosterd laten effecten zien in de door ons verwachte richting. De richting van de effecten van de variabelen uren hoorcollege en aantal onderdelen met extra oefeningen is weer tegengesteld aan onze verwachtingen. Op het derde niveau is de variantiecomponent na invoering van de instructievariabelen tot nul gereduceerd. Na invoering van de formele kenmerken van het propedeutisch examen is de residuele variantie op het tweede niveau 2709 (zie tabel 5.6). Dat houdt in dat de geschatte standaardfout van het residu 52 is. Een nauwkeurige schatting van de gerealiseerde studiebelastingsuren per student is in het model dus niet mogelijk.

90

Tabel 5.6 Resultaten van de meerniveau-analyse afhankelijke variabele gerealiseerde studiebelastingsuren na één jaar, 5151 VWO-studenten. Boven de streep geschatte effecten met standaardfout tussen haakjes; onder de streep enkele andere modelkenmerken leeg

+spreiding

+instructie

+examen

1403

1042

1069

416

-23 (4)

-23 (4)

-22 (4)

-23 (4)

geslacht (vrouw=0)

-85 (15)

-85 (15)

-85 (15)

-84 (15)

gemiddeld eindex.cijfer -6

303 (12)

303 (12)

303 (12)

303 (12)

spreiding toetsen

65 (26)

28ns (29)

62 (23)

spreiding herkansingen

-21ns (14)

-14ns (13)

-53 (16)

gemiddeld aantal vakken

27ns (24)

-07ns (29)

-53 (22)

twee tentamens 1 week

05ns (12)

-12ns (14)

-2ns (10)

herkansing in tentamenweek

-23ns (21)

-16ns (27)

18ns (20)

intercept

+student

1154

leeftijd

uren hoorcollege

.85 (.30)

1.35 (.31)

uren werkcollege

-.29ns (.47)

-.29ns (.33)

-1.09ns (10)

.32ns (8)

aantal feedbackmomenten aantal onderd. extra oef.

23ns (19)

-54 (20)

formeel aantal ond. prop.

82 (16)

aantal compens. in propex.

-22ns (33)

variantiecomponent niveau 1

276640

239366

239344

239360

239417

niveau 2

10630 (19) 14432 (41) 79231

8860 (16) 12335 (38) 78485

9842 (17) 2224 (28) 78479

7424 (14) .000 (19) 78469

2709 (11) .000 (12) 78448

5

4

2

<.25

<.05

niveau 3 deviance d.f. p-waarde **

3 <.001

ns: effect niet significant (α= .05, tweezijdig) ** toets steeds ten opzichte van het voorgaande model

91

<.001

5.4

Resultaten van de meerniveau-analyse voor de totale populatie

In de vorige paragrafen hebben we de resultaten gepresenteerd voor de groep studenten met een VWO-vooropleiding. In deze paragrafen willen we de drie afhankelijke variabelen onderzoeken voor de totale populatie studenten uit de zes studierichtingen. Het gaat hierbij om 6037 studenten. Als studentkenmerk wordt dan niet het gemiddelde eindexamencijfer opgenomen in de analyse, maar het type vooropleiding. Het type vooropleiding is in drie categorieën onderverdeeld, te weten VWO, volledig HBO en overig. Deze laatste categorie vertegenwoordigt studenten met een propedeuseverklaring HBO, colloquium doctum of buitenlands diploma. De verdeling van de studenten over de drie vooropleidingscategorieën uitgesplitst naar studierichting is weergegeven in tabel 5.7.

Tabel 5.7

*

Vooropleiding uitgesplitst naar studierichting

studierichting

VWO aantal

(%)

HBO aantal

(%)

overig aantal

bedrijfskunde

1838

(91)

86

( 4)

98

( 5)

farmacie

391

(96)

9

( 2)

7

( 2)

geschiedenis

727

(86)

11

( 1)

108

(13)

geneeskunde

978

(94)

12

( 1)

55

( 5)

PAO

489

(65)

146

(19)

117

(16)

psychologie

744

(77)

68

( 7)

153

(16)

TOTALE POPULATIE

5167*

(86)

332

( 5)

538

( 9)

(%)

Tot deze groep zijn 16 studenten gerekend met een HBS- of gymnasiumdiploma, waarvan geen cijfers op vakken bekend waren. Deze 16 studenten zijn niet in de vorige analyses voor de VWO-groep betrokken, maar vanaf nu wel omdat eindexamencijfers geen rol meer spelen.

We zien in tabel 5.7 dat het percentage studenten uit de verschillende vooropleidingscategorieën sterk verschilt tussen de studierichtingen. De studierichting PAO heeft het laagste percentage studenten met een VWO-

92

vooropleiding (65%), de studierichting farmacie het hoogste (96%). Bij de studierichting PAO zien we het hoogste percentage studenten met een volledige HBO-vooropleiding (19%), bij geschiedenis en geneeskunde is dit slechts 1%. De overige studentkenmerken uit het analysemodel voor de totale groep staat in tabel 5.8. De onderwijsorganisatiekenmerken zijn uiteraard gelijk aan die uit het analysemodel voor de VWO-groep (zie tabel 5.1).

Tabel 5.8

Verdelingskenmerken van de studentvariabelen uit het analysemodel voor de totale groep

gemiddelde / proportie

propedeuse in twee jaar propedeuse in één jaar gerealiseerde studiebelastingsuren na één jaar studentvariabelen leeftijd geslacht (vrouw=0) vooropleiding VWO volledig HBO overig

5.4.1

0.73 0.33 1103

20.00 0.51 0.86 0.05 0.09

Propedeuse binnen twee jaar voor de gehele populatie

In de meerniveau-analyse wordt een categorale variabele als vooropleiding omgezet in een aantal dummyvariabelen. In ons geval worden de categorieën ’volledig HBO’ en ’overig’ vergeleken met de categorie ’VWO’ als standaard. De resultaten van de logistische meerniveau-analyse staat in tabel 5.9.

93

Tabel 5.9 Resultaten van de logistische meerniveau-analyse, afhankelijke variabele propedeuse in twee jaar, 6037 studenten. Boven de streep geschatte effecten met standaardfout tussen haakjes; onder de streep enkele andere modelkenmerken leeg intercept

1.041

+student

+spreiding

+instructie

+examen

3.671

1.152

.995

.653

leeftijd

-.125 (.013)

-.128 (.013)

-.129 (.013)

-.130 (.013)

geslacht (vrouw=0)

-.210 (.065)

-.234 (.065)

-.215 (.065)

-.214 (.065)

.428 (.154) -.299 (.103)

.443 (.154) -.306 (.103)

.446 (.154) -.306 (.103)

.451 (.154) -.308 (.130)

spreiding toetsen

.377 (.050)

.306 (.052)

.317 (.057)

spreiding herkansingen

-.085 (.024)

-.062 (.024)

-.078ns (.045)

gemiddeld aantal vakken

.307 (.045)

.235 (.051)

.209 (.057)

twee tentamens 1 week

.011ns (.023)

herkansing in tentamenweek

-.187 (.039)

VOOROPLEIDING volledig HBO overig

-.049 (.023)

-.051 (.024)

-.177 (.045)

-.161 (.050)

uren hoorcollege

.002 (.001)

.002 (.001)

uren werkcollege

-.001ns (.001)

.001ns (.001)

aantal feedbackmomenten

-.009ns (.020)

.010ns (.023)

.054ns (.034)

.012ns (.056)

aantal onderd. extra oef. formeel aantal ond. prop.

.043ns (.044)

aantal compens. in propex.

-.001ns (.089)

variantiecomponent niveau 2 niveau 3 deviance d.f.

.118 (.067) .123 (.126) 6884.63

.127 (.069) .105 (.123) 6713.46

.027 (.044) .000 (.079) 6669.68

.000 (.133) .000 (.031) 6654.36

.000 (.089) .000 (.030) 6653.00

4

5

4

2

<.001

<.001

<.005

<.50

p-waarde ** ns: effect niet significant (α= .05, tweezijdig) ** toets steeds ten opzichte van het voorgaande model

94

Vergelijken we deze resultaten met die van dezelfde analyse voor de VWOgroep (tabel 5.2) dan zien we dat in beide gevallen het ’instructiemodel’ de beste passing biedt. De effecten van de spreidings- en instructievariabelen zijn nagegenoeg gelijk in beide analyses. Een verschil zien we bij de uren werkcolleges. Bij analyses voor de VWO-groep vinden we wel een significant effect en bij de analyses voor de totale populatie niet. Voor beide analysegroepen is de variantiecomponent op het tweede niveau na invoering van de instructievariabelen tot nul gereduceerd. Voor een schatting van de grootte van de effecten verwijzen we naar tabel 5.10. Ook de geschatte grootte van de effecten komt overeen met de uitkomsten van de analyses voor de VWO-groep. Hieruit mogen we concluderen dat toevoeging van de verschillende vooropleidingsgroepen en het vervangen van het gemiddelde eindexamencijfer door de dummies, weinig invloed hebben op de effecten van de spreidings- en instructievariabelen op de studievoortgang van studenten. Het was ook niet te verwachten dat toevoeging van de 886 studenten zonder VWO-vooropleiding een compleet ander beeld zou opleveren. We hebben hier in feite een ondersteuning voor de veronderstelling dat de analyses over de VWO-groep met het gemiddelde eindexamencijfer als covariaat als representatief voor de eerstejaarspopulatie van de in ons onderzoek opgenomen studierichtingen mogen worden beschouwd. Voor de volledigheid presenteren we in de volgende paragrafen de analyses voor de totale groep op beide andere afhankelijke variabelen.

95

Tabel 5.10

Resultaten in termen van geschatte toe- of afname van de slaagkans voor de propedeuse binnen twee jaar, ceteris paribus, 6037 studenten

+ student basiskans

+ spreiding

+ instructie

+ examen

.73

.73

.73

.73

leeftijd

-.03

-.03

-.03

-.03

geslacht (vrouw=0)

-.04

-.05

-.04

-.04

VOOROPLEIDING volledig HBO overig

+.07 -.06

+.07 -.07

+.07 -.07

+.08 -.07

spreiding toetsen

+.07

+.06

+.06

spreiding herkansingen

-.02

-.01

ns

gemiddeld aantal vakken

+.06

+.04

+.04

ns

-.01

-.01

-.04

-.04

-.03

uren hoorcollege (per 100 uur)

+.04

+.04

uren werkcollege (per 100 uur)

ns

ns

aantal feedbackmomenten

ns

ns

aantal onderd. extra oef.

ns

ns

twee tentamens 1 week herkansing in tentamenweek

formeel aantal ond. prop.

ns

aantal compens. in propex.

ns

ns: niet significante effecten

5.4.2

Propedeuse binnen één jaar voor de gehele populatie

Eenzelfde vergelijking maken we nu met de uitkomsten uit de meerniveauanalyses voor zowel de VWO-groep en voor de totale onderzoekspopulatie voor de afhankelijke variabele propedeuse behaald binnen één jaar. De resultaten voor de totale populatie staan vermeld in tabel 5.11. Kijken we ook hier naar het instructiemodel, dan zien we de effecten van de spreidingsvariabelen nagenoeg gelijk zijn aan de effecten die gevonden zijn bij de analyses voor de VWO-groep. Van de instructie-variabelen hebben we voor de VWO-groep significante effecten gevonden voor uren hoorcollege, uren werkcollege en aantal onderdelen met extra oefeningen. 96

Tabel 5.11

Resultaten van de logistische meerniveau-analyse, afhankelijke variabele propedeuse in één jaar, 6037 studenten. Boven de streep geschatte effecten met standaardfout tussen haakjes; onder de streep enkele andere modelkenmerken leeg

intercept

+student

-.472

+spreiding

+instructie

+examen

-1.395

.783

-.578

-.102

leeftijd

-.059 (.013)

-.062 (.013)

-.064 (.014)

-.064 (.014)

geslacht (vrouw=0)

-.155 (.058)

-.166 (.062)

-.183 (.064)

-.182 (.064)

.542 (.138) -.412 (.106)

.574 (.145) -.426 (.114)

.588 (.149) -.452 (.115)

.591 (.149) -.456 (.115)

spreiding toetsen

.378 (.089)

.146ns (.101)

.199ns (.102)

spreiding herkansingen

-.203 (.082)

-.234 (.047)

-.292 (.074)

gemiddeld aantal vakken

.000ns (.098)

-.245 (.102)

-.339 (.101)

twee tentamens 1 week

.023ns (.040)

.023ns (.048)

-.040ns (.045)

herkansing in tentamenweek

.004ns (.070)

-.149ns (.093)

-.081ns (.090)

uren hoorcollege

.002ns (.001)

.003 (.001)

uren werkcollege

-.001ns (.002)

-.001ns (.002)

aantal feedbackmomenten

-.000ns (.037)

-.001ns (.036)

aantal onderd. extra oef.

.313 (.067)

.175ns (.092)

VOOROPLEIDING volledig HBO overig

formeel aantal ond. prop.

.153 (.073)

aantal compens. in propex.

.007ns (.150)

variantiecomponent niveau 2 niveau 3 deviance d.f.

.171 (.075) .361 (.193) 7021.84

.167 (.075) .352 (.190) 6943.45

.062 (.057) .249 (.154) 6817.28

.082 (.050) .000 (.078) 6768.13

.063 (.047) .000 (.062) 6762.74

4

5

4

2

<.001

<.001

<.001

<.05

p-waarde ** ns: effect niet significant (α= .05, tweezijdig) ** toets steeds ten opzichte van het voorgaande model

97

Uit de analyses voor de totale populatie komt alleen een significant effect voor het aantal onderdelen met extra oefeningen naar voren. De geschatte toe- of afname van de slaagkans staat te lezen in tabel 5.12. Dit effect is bovendien aanzienlijk kleiner dan bij de analyses voor de VWO-groep. In het model waarin ook de formele kenmerken van het propedeuse examen zijn opgenomen, verdwijnt bij de totale populatie het effect van aantal onderdelen met extra oefeningen en zien we wel een effect van het aantal uren hoorcollege. Bij de analyses over de VWO-groep wordt het effect van het aantal onderdelen met extra oefeningen kleiner en het effect van het aantal uren hoorcollege groter. Voor beide analysegroepen is ook nu de variantiecomponent voor het derde niveau tot nul teruggebracht. Op het tweede niveau blijft echter ongebonden variantie bestaan, zoals ook bij de analyse voor de VWO-groep (tabel 5.4). Tabel 5.12

Resultaten in termen van geschatte toe- of afname van de slaagkans voor de propedeuse (binnen één jaar), ceteris paribus, 6037 studenten + student

+ spreiding

+ instructie

.33

.33

.33

.33

leeftijd

-.01

-.01

-.01

-.01

geslacht (vrouw=0)

-.03

-.04

-.04

-.04

VOOROPLEIDING volledig HBO overig

+.13 -.08

+.14 -.09

+.14 -.09

+.14 -.09

spreiding toetsen

+.09

ns

ns

spreiding herkansingen

-.04

-.05

-.06

gemiddeld aantal vakken

ns

-.05

-.07

twee tentamens 1 week

ns

ns

ns

herkansing in tentamenweek

ns

ns

ns

uren hoorcollege (per 100 uur)

ns

+.07

uren werkcollege (per 100 uur)

ns

ns

aantal feedbackmomenten

ns

ns

+.07

ns

basiskans

aantal onderd. extra oef. formeel aantal ond. prop.

+ examen

+.03

aantal compens. in propex.

ns

ns: niet significante effecten

98

5.4.3

Gerealiseerde studiebelastingsuren na één jaar voor de totale populatie

Voor de afhankelijke variabele ’gerealiseerde studiebelastingsuren na één jaar’ levert de analyse als beste model het meest uitgebreide, namelijk het model waarin ook de formele kenmerken van het propedeutisch examen zijn opgenomen. Dit was eveneens het geval bij de analyse voor de VWOgroep. Een verschil vinden we in de effecten van de spreidingsvariabelen in het meest uitgebreide model. Voor de totale populatie vinden we bij deze groep variabelen alleen een effect van de spreiding van de herkansingen (zie tabel 5.13). Bij de analyses over alleen de VWO-groep zien we effecten van zowel de spreiding van de toetsen, de spreiding van de herkansingen als het gemiddeld aantal vakken dat parallel geroosterd is (tabel 5.6). De richting en grootte van de effecten van de instructievariabelen uren hoorcollege en aantal onderdelen met extra oefeningen zijn nagenoeg gelijk. Ook is voor zowel de VWO-groep als voor de totale populatie het effect van het formele aantal examenonderdelen in de propedeuse ongeveer hetzelfde.

99

Tabel 5.13

Resultaten van de meerniveau-analyse, afhankelijke variabele gerealiseerde studiebelastingsuren na één jaar, 6037 studenten. Boven de streep geschatte effecten met standaardfout tussen haakjes; onder de streep enkele andere modelkenmerken leeg

intercept

1136

+student

1755

+spreiding

+instructie

1288

+examen

1383

740

leeftijd

-29 (3)

-30 (3)

-29 (3)

-30 (3)

geslacht (vrouw=0)

-74 (15)

-75 (15)

-75 (15)

-74 (15)

303 (36) -81 (26)

302 (36) -81 (26)

303 (36) -80 (26)

305 (36) -79 (26)

spreiding toetsen

70 (27)

15ns (30)

44ns (23)

spreiding herkansingen

-18ns (15)

-21ns (14)

-53 (17)

gemiddeld aantal vakken

50 (25)

22ns (30)

-44ns (23)

twee tentamens 1 week

-1.8ns (12)

-13ns (14)

-5ns (10)

-19ns (22)

-18ns (27)

-19ns (20)

VOOROPLEIDING volledig HBO overig

herkansing in tentamenweek uren hoorcollege

.60ns (.31)

1.22 (.32)

uren werkcollege

.30ns (.48)

.26ns (.35)

aantal feedbackmomenten

5ns (11)

5ns (8)

aantal onderd. extra oef.

14ns (19)

-58 (21)

formeel aantal ond. prop.

78 (17)

aantal compens. in propex.

-5ns (34)

variantiecomponent niveau 1 niveau 2 niveau 3 deviance d.f.

305170 11281 (19) 10940 (37) 93442.14

295496 10999 (18) 8931 (35) 93247.02 4 <.001

p-waarde ** ns: effect niet significant (α= .05, tweezijdig) ** toets steeds ten opzichte van het voorgaande model

100

295483 10425 (18) 2570 (29) 93240.68

295508 7723 (14) .000 (20) 93229.41

295597 3048 (11) .000 (13) 93210.86

5

4

2

<.25

<.025

<.001

5.5

Samenvatting

In dit hoofdstuk zijn de meerniveau-analyses besproken met drie afhankelijke variabelen over twee analysegroepen. Als afhankelijke variabelen zijn gebruikt het numerieke propedeuserendement na één jaar, het numerieke propedeuserendement na twee jaar en het gerealiseerde aantal studiebelastingsuren na één jaar. De analyses zijn eerst uitgevoerd over de groep studenten met een VWO-diploma (5151 studenten), waarbij op studentniveau gecontroleerd is voor geslacht, leeftijd en gemiddeld eindexamencijfer. Daarna zijn de analyses uitgevoerd over de totale groep studenten (N=6037), waarbij op studentniveau in plaats van voor gemiddeld eindexamencijfer, gecontroleerd is voor type vooropleiding onderverdeeld in de categorieën VWO, volledig HBO en overig. De modelopbouw in de drie-niveauanalyse was als volgt: eerst is het lege model gepresenteerd, dat wil zeggen een model zonder predictoren, daarna zijn studentvariabelen toegevoegd, gevolgd door een groep spreidingsvariabelen. Daarna zijn de instructievariabelen opgenomen en uiteindelijk in het laatste model ook de twee variabelen met betrekking tot formele kenmerken van de propedeuse. De analyses met als afhankelijke variabelen de propedeuserendementen na één en twee jaar zijn gebaseerd op de logistische regressietechniek. De geschatte effecten van de predictoren zijn terugvertaald onder de aanname van de ceteris paribusclausule naar een verwachte toe- of afname van de slaagkans voor de propedeuse in één of twee jaar. Zowel bij de groep VWO-studenten als bij de totale analysegroep is het model waarin naast studentvariabelen, spreidings- en instructievariabelen zijn opgenomen het beste. Bij dit model is de variantiecomponent op het derde niveau tot nul teruggebracht. Vrouwen en jongere studenten hebben een grotere kans om te slagen voor de propedeuse. Het gemiddelde eindexamencijfer speelt een grote rol. Het is al belangrijk voor het verhogen van de slaagkans voor de propedeuse in twee jaar, maar het effect op de kans de propedeuse in één jaar te behalen is nog groter. Onze belangstelling gaat echter voornamelijk uit naar de variabelen op het curriculumniveau. Voor beide groepen worden de geschatte effecten van de variabelen uit het instructiemodel in tabel 5.14 nogmaals samengevat.

101

Tabel 5.14

Geschatte effecten spreiding- en instructievariabelen op de toeof afname van de slaagkans voor de propedeuse in één of twee jaar, voor de VWO-groep en de totale populatie, ceteris paribus

VWO prop. 2 jr.

TOTAAL prop. 2 jr.

VWO prop. 1 jr.

TOTAAL prop. 1 jr.

+.07

+.06

ns

ns

ns

-.01

-.05

-.05

+.05

+.04

-.07

-.05

twee tentamens in één week

ns

-.01

ns

ns

herkansing in tentamenweek

-.04

-.04

ns

ns

100 uur hoorcollege

+.04

+.04

+.07

ns

100 uur werkcollege

-.04

ns

-.10

ns

ns

ns

ns

ns

+.02

ns

+.11

+.07

spreiding toetsen spreiding herkansingen gemiddeld aantal vakken parallel

aantal feedbackmomenten aantal onderdelen extra oefeningen

Ook al zijn er verschillen te zien tussen de uitkomsten van de VWO-groep en de totale analysegroep, de trend van de spreidingsvariabelen wijzen voor beide groepen in dezelfde richting. Op de afhankelijke variabele het behalen van de propedeuse in twee jaar laten spreiding van de toetsen en het gemiddelde aantal vakken dat parallel geroosterd is een positief effect zien en heeft het aantal maal dat er tentamens geprogrammeerd zijn in een week waarin ook een regulier tentamen geprogrammerd is, een negatief effect. Opvallend is dat op het behalen van de propedeuse in één jaar de spreiding van de toetsen geen significant effect meer heeft en zowel het gemiddelde aantal vakken parallel als de spreiding van de herkansingen een negatief effect hebben. Ook deze effecten vinden we bij beide analysegroepen terug. De effecten van de instructievariabelen zijn voor beide analyse groepen meer verschillend. De hoorcolleges laten bij zowel de VWO-studenten als bij de totale analysegroep een positief effect zien op het behalen van de propedeuse in twee jaar. Daarnaast heeft het aantal uren werkcolleges een negatief effect bij de VWO-groep en het aantal onderdelen met extra oefeningen een licht positief effect. Voor de totale analysegroep zijn deze variabelen niet significant. Bij het behalen van de propedeuse binnen één jaar zien we een soortgelijk beeld. Voor de VWO-groep zien we positieve 102

effecten van het aantal uren hoorcollege en het aantal onderdelen met extra oefeningen en een negatief effect van het aantal werkcolleges. De totale analyse groep laat alleen een positief effect zien van het aantal onderdelen met extra oefeningen. Er zijn echter indicaties dat de instructievariabelen méér een studierichtingskenmerk zijn dan de spreidingsvariabelen. Hier komen we in het volgende hoofdstuk op terug. Bij de afhankelijke variabele ’het aantal gerealiseerde studiebelastingsuren na één jaar’ is voor beide analysegroepen het meest uitgebreide model het beste model. In tabel 5.15 zijn de geschatte effecten voor beide groepen nog eens naast elkaar gezet.

Tabel 5.15

Geschatte effecten van de predictoren op het gerealiseerde aantal studiebelastingsuren na één jaar, ceteris paribus

VWO: uren na één jaar spreiding toetsen

TOTAAL: uren na één jaar

62

ns

spreiding herkansingen

-53

-53

gemiddeld aantal vakken parallel

-53

ns

twee tentamens in één week

ns

ns

herkansing in tentamenweek

ns

ns

100 uur hoorcollege

130

120

100 uur werkcollege

ns

ns

aantal feedbackmomenten

ns

ns

-54

-58

formeel aantal onderdelen propedeuse-examen

82

78

aantal compensatiemogelijkheden in propedeuseexamen

ns

ns

aantal onderdelen extra oefeningen

We zien voor de VWO-groep bij zes predictoren een significant effect tegen vier bij de totale groep. Deze vier predictoren zijn bij beide groepen gelijk en het effect wijst in dezelfde richting. Bij de VWO-groep vinden we daarboven een positief effect van spreiding toetsing en een negatief effect van het gemiddeld aantal vakken dat parallel geroosterd is. Vergelijken we de effecten op de afhankelijke variabele ’propedeuse binnen één jaar’ en ’het 103

aantal gerealiseerde studiebelastingsuren na één jaar’ dan valt op dat bij beide analysegroepen het aantal onderdelen met extra oefeningen een positief effect laat zien op de kans om de propedeuse binnen één jaar te behalen en een negatief effect op het aantal gerealiseerde studiebelastingsuren. De spreiding van de toetsen heeft bij de VWO-groep een positief effect op het aantal gerealiseerde studiebelastingsuren en geen significant effect op het behalen van de propedeuse binnen één jaar. Bij de analyse over de totale groep kunnen we spreken over twee verschillen met de VWO-groep. Ten eerste zijn er 886 studenten toegevoegd met een HBO- of overige opleiding. Deze studenten zijn sterk ongelijk verdeeld over de studierichtingen. Ten tweede is controle voor het gemiddelde eindexamencijfer vervangen door dummievariabelen voor HBO en overig. Dit betekent dat in deze analyses alle VWO-studenten van gelijke leeftijd en sexe dezelfde voorspelde waarde krijgen. Het mag als hoopgevend beschouwd worden dat de geschatte effecten van de spreidings- en instructievariabelen door deze grovere indeling niet in essentie anders worden. Ondanks enkele verschillen in de resultaten kunnen we ervan uitgaan dat de richting van de effecten van de predictoren tussen beide analysegroepen in het algemeen niet dramatisch verschillend is. Daarom nemen we bij de bespreking van de resultaten in het volgende hoofdstuk de analyses voor de VWO-groep als uitgangspunt.

104

6. CONCLUSIES EN DISCUSSIE 6.1

Inleiding

In dit hoofdstuk worden de resultaten uit de meerniveau-analyses besproken aan de hand van de hypothesen die in hoofdstuk 4 geformuleerd zijn. Bij de bespreking van de resultaten worden de analyses voor de VWO-groep als uitgangspunt genomen. De richting van de effecten vertoonde geen dramatische verschillen tussen de VWO-groep en de totale populatie. Daarbij beslaat de VWO-groep het grootste deel van de populatie. Bovendien hebben we dan een meer genuanceerde predictor op studentniveau (gemiddeld eindexamencijfer) tot onze beschikking. Een laatste argument is dat er door de strengere regelingen op het gebied van studie-financiering, collegegelden en dergelijke waarschijnlijk steeds minder doorstroomstudenten komen. De centrale probleemstelling in dit onderzoek betreft de vraag naar de invloed van de organisatie van het curriculum op de studievoortgang van studenten. Studievoortgang hebben we geoperationaliseerd met drie variabelen, namelijk het numeriek propedeuserendement na twee jaar, het numerieke propedeuserendement na één jaar en het aantal gerealiseerde studiebelastingsuren na één jaar. De laatste twee maten beschouwen we als een uitdrukking van studiesnelheid. Bij de relatie tussen de curriculumkenmerken en het propedeuserendement na twee jaar doet zich, zoals gemeld in paragraaf 4.6.1 een probleem voor. De meeste studenten die hun propedeuse niet in één jaar hebben behaald, hebben vaak al wel zoveel studiepunten in het eerste jaar behaald dat zij in het tweede jaar van inschrijving ook al aan een (groot) deel van het tweedejaars onderwijs en de tweedejaarstentamens deelnemen. De curriculumkenmerken die wij in kaart hebben gebracht hebben alleen betrekking op het eerste studiejaar. De interferentie tussen het eerste en tweede studiejaar is niet expliciet geanalyseerd in het onderzoek. Dit zal de interpretatie van de resultaten op de variabele propedeuse behaald in twee jaar bemoeilijken. We hebben de variabele ’propedeuse behaald in twee jaar’ toch opgenomen in ons onderzoek omdat tot 1991 de inschrijvingsduur voor de propedeuse tot twee jaar beperkt was. Studenten konden in principe twee jaar over de propedeuse doen. Dit hebben we in kaart willen brengen, ondanks de interpretatieproblemen met betrekking tot de curriculumvariabelen in het eerste jaar. 105

Bij de presentatie van de resultaten in hoofdstuk 5 hebben we al meer malen aangeduid dat we ons moeten realiseren dat effecten soms meer bepaald worden door een (enkele) studierichting dan dat het effect aan een meer algemeen curriculumkenmerk toegeschreven kan worden. Voor zover dat mogelijk is zullen we in dit hoofdstuk proberen aan te tonen of dit het geval is. Het is belangrijk hier nogmaals te benadrukken dat we bij de bespreking uitgaan van de afzonderlijke effecten van de verschillende curriculumvariabelen, onder de aanname dat de overige omstandigheden gelijk blijven. Verder is er gecontroleerd voor de studentkenmerken leef- tijd bij aanvang studie, geslacht en gemiddeld eindexamencijfer. Jongere studenten, vrouwen en studenten met hogere gemiddelde eindexamencijfers laten een snellere studievoortgang zien. De invloed van de curriculumkenmerken bespreken we in de volgende paragrafen. De opbouw van dit hoofdstuk volgt de indeling van de presentatie van de hypothesen in hoofdstuk 4. In paragraaf 6.2 worden de spreidingshypothesen besproken, in paragraaf 6.3 de instructiehypothesen en in paragraaf 6.4 de hypothese rond de formele kenmerken van het propedeutisch examen. Het hoofdstuk wordt afgesloten met een beschouwing over het totale onderzoek en er wordt ingegaan op de noodzakelijke voorwaarden om een vervolg op dit onderzoek mogelijk te maken.

6.2

De spreidingshypothesen

In hoofdstuk 4 hebben we vijf hypothesen geformuleerd met betrekking tot de spreiding van de studielast en tentamens. Per hypothese gaan we na of deze door de resultaten uit de meerniveau-analyse wordt ondersteund, wordt verworpen of onbeslist blijft. In tabel 6.1 vatten we de resultaten van de meerniveau-analyses op de spreidingsvariabelen nog eens samen. Voor de afhankelijke variabelen propedeuse behaald in één of twee jaar gaan we uit van wat we in hoofdstuk 5 het instructiemodel hebben genoemd, voor de variabele gerealiseerde studiebelastingsuren na één jaar van het meest uitgebreide model waarin ook de formele kenmerken van het propedeuseexamen zijn opgenomen. De keuze voor deze modellen was gebaseerd op de beste passing van de modellen. Tevens geven we hier nog even een korte omschrijving van de operationalisering van de variabelen: - spreiding toetsen: aantal toetsperiodes,

106

- spreiding herkansingen: aantal herkansingsperiodes, - gemiddeld aantal vakken dat parallel geroosterd is, - twee tentamens in één week: aantal maal dat er twee tentamens in één week geroosterd is, - herkansing in tentamenweek: aantal maal dat er een herkansing geroosterd is in een week waarin ook een eerstekans-tentamen plaats vindt.

Tabel 6.1

Geschatte effecten spreidingvariabelen op de toe- of afname van de slaagkans voor de propedeuse in één of twee jaar en op de geschatte toe- of afname van het aantal gerealiseerde studiebelastingsuren na één jaar voor de VWO-groep.

VWO prop. 2 jr. spreiding toetsen

VWO prop. 1 jr.

VWO uren

+.07

ns

62

ns

-.05

-53

+.05

-.07

-53

twee tentamens in één week

ns

ns

ns

herkansing in tentamenweek

-.04

ns

ns

spreiding herkansingen gemiddeld aantal vakken parallel

De eerste hypothese luidde: 1.

In curricula/studieprogramma’s waarin de toetsen meer zijn gespreid zal de studievoortgang van studenten hoger zijn (minimalisering uitstelgedrag).

Voor de VWO-groep wordt deze hypothese op twee afhankelijke variabelen ondersteund, namelijk voor het behalen van de propedeuse in twee jaar en voor het aantal gerealiseerde studiebelastingsuren binnen één jaar. Op de variabele propedeuse behaald na één jaar blijft deze hypothese onbeslist. Blijkbaar biedt een programma met gespreide toetsen betere mogelijkheden om zowel eerste- als tweedejaarstentamens af te leggen waarbij de tentamens elkaar zo min mogelijk negatief beïnvloeden. Bij de meeste onderzocht studierichtingen heeft het tweedejaar een gelijksoortige periodeindeling en daarmee meestal ook een gelijksoortge toetsprogrammering als in het eerste jaar, maar voor zover dit in onze dataset kon worden nagegaan niet bij alle studierichtingen. Het lijkt vreemd dat spreiding van de 107

toetsen wel een positief effect laat zien op de variabele gerealiseerde studielast na één jaar maar niet op de variabele propedeuse behaald in één jaar, terwijl beide variabelen studiesnelheid in kaart brengen. Het effect op de variabele gerealiseerde studielast na één jaar is weliswaar groter dan op de variabele propedeuse behaald in één jaar maar de effecten zijn ook weer niet zo verschillend dat we kunnen spreken van een tegengesteld effect. Bij een iets grotere α zou het effect op de variabele propedeuse behaald in één jaar ook significant zijn. Bij de propedeusevariabele gaan we daarnaast uit van het instructiemodel en bij de gerealiseerde studiebelastingsuren van het model waarin ook de formele kenmerken van het propedeudisch examen zijn opgenomen. Mogelijk dat de combinatie van de toevoeging van de twee variabelen met betrekking tot de formele kenmerken van het examen een extra bijdrage levert aan de positieve effecten van de spreiding van de toetsen. Kijken we in tabel 5.4 naar het meeste uitgebreide model voor de afhankelijke variabele propedeuse behaald in één jaar dan zien we wel een effect van de spreiding van de toetsen. 2.

In curricula/studieprogramma’s waarin weinig vakken parallel geroosterd zijn, zal de studievoortgang van studenten hoger zijn (minder concurrentie tussen vakken).

Deze hypothese wordt voor de VWO-groep ondersteund voor de variabelen die met name studiesnelheid uitdrukken namelijk het behalen van de propedeuse in één jaar en het aantal gerealiseerde studiebelastingsuren na één jaar. De hypothese wordt verworpen voor de variabele propedeuse behaald in twee jaar. Mogelijk speelt hier het probleem van interferentie van de organisatie van het eerste en tweede studiejaar een rol. Op grond van de resultaten voor de studiesnelheidsvariabelen lijkt de conclusie gerechtvaardigd dat programma’s waarin weinig vakken parallel geroosterd zijn de studievoortgang van studenten bevorderen. 3.

In curricula/studieprogramma’s waarin in één week twee tentamens geroosterd zijn, zal de studievoortgang van studenten lager zijn (concurrentie tussen tentamens).

Deze hypothese wordt op geen enkele afhankelijke variabele ondersteund. Bij de variabele aantal maal dat er twee tentamens in het tijdsbestek van één week zijn geroosterd zien we zowel verschillen tussen studierichtingen als tussen cohorten (Bijlage 1: tabel 4). Omdat de resultaten met betrekking tot deze hypothese onbeslist blijken, moeten we vooralsnog concluderen dat 108

dit spreidingskenmerk kennelijk niet doorwerkt in de studievoortgang van studenten.

4.

In curricula/studieprogramma’s waarin de herkansingen verspreid zijn over het jaar zal de studievoortgang van studenten lager zijn (concurrentie met het reguliere onderwijsaanbod en tentamens).

Deze hypothese wordt net als hypothese twee ondersteund voor de variabelen die studiesnelheid uitdrukken. De kans op het behalen van de propedeuse binnen één jaar is hoger in een studieprogramma waarin minder spreiding is in de programmering van de herkansingen. Eveneens is de kans om meer studiebelastingsuren te realiseren in een programma met minder spreiding in de programmering van de herkansingen hoger. In bijlage I tabel 2 zien we dat er tussen studierichtingen meer verschillen zijn dan binnen een studierichting tussen de verschillende jaren. Omdat een hoge spreiding van de herkansingen zowel bij farmacie als psychologie te zien is en geen of een lage spreiding bij geschiedenis, PAO en geneeskunde, is het niet aannemelijk dat dit een gevolg is van studierichtingseffecten. 5.

In curricula/studieprogramma’s waarin herkansingen geprogrammeerd zijn in een week waarin ook een regulier tentamen geroosterd is, zal de studievoortgang van studenten lager zijn (concurrentie tentamen herkansing).

Deze hypothese wordt alleen ondersteund voor de variabele propedeuse behaald in twee jaar. Omdat hierbij ook wederom de interferentie tussen de programmering van het propedeusejaar en het tweede studiejaar een rol kan spelen, is het niet goed mogelijk uitspraken te doen over deze hypothese. Op de studiesnelheidvariabelen blijft deze hypothese onbeslist.

109

6.3

De instructiehypothesen

In hoofdstuk 4 hebben we drie hypothesen geformuleerd ten aanzien van de effectiviteit van instructie. Uitgangspunt hierbij was het vervullen van de onderwijsfuncties, die het leren van studenten moeten ondersteunen. De eerste hypothese betreft het geven van feedback, de tweede betreft het geven van gelegenheid tot oefenen en de derde hypothese ging over de aandacht voor oriëntatie. Feedback is geöperationaliseerd als het aantal feedbackmomenten binnen het gehele propedeuseprogramma. Gelegenheid tot oefenen is met twee variabelen gemeten, het aantal uren werkcolleges en het aantal onderdelen waar extra oefenmogelijkheden worden geboden. De oriëntatiefunctie is geöperationaliseerd als het aantal uren hoorcollege. In tabel 6.2 worden de geschatte effecten van de instructievariabelen op drie afhankelijke variabelen samengevat.

Tabel 6.2

Geschatte effecten instructievariabelen op de toe- of afname van de slaagkans voor de propedeuse in één of twee jaar en op de geschatte toe- of afname van het aantal gerealiseerde studiebelastingsuren na één jaar voor de VWO-groep.

VWO prop. 2 jr.

VWO prop. 1 jr.

VWO uren

100 uur hoorcollege

+.04

+.07

130

100 uur werkcollege

-.04

-.10

ns

ns

ns

ns

+.02

+.11

-54

aantal feedbackmomenten aantal onderdelen extra oefeningen

De eerste hypothese met betrekking tot instructiekenmerken luidde: 6.

Naarmate in een curriculum/studieprogramma meer aandacht gegeven wordt aan het geven van terugkoppeling, zal de studievoortgang van studenten hoger zijn (stimuleren tot regelmatig studiegedrag).

Voor geen enkele afhankelijke variabele kon ondersteuning voor deze hypothese verkregen worden. Dit is op zich zeer bevreemdend omdat het belang van terugkoppeling zowel binnen het hoger onderwijs maar ook binnen andere onderwijstypen op vele plaatsen is aangetoond. Er zijn twee mogelijke verklaringen. Ten eerste is het goed mogelijk dat het geven van 110

terugkoppeling van belang is voor betere leerresultaten, maar dat dit niet direct vertaald kan worden naar betere studievoortgang. Effecten van goede terugkoppeling kunnen dan bijvoorbeeld meer terug gevonden worden in hogere cijfers op de tentamens, maar minder in meer geslaagden voor het tentamen. Een andere plausibele verklaring ligt in de operationalisering van de variabele geven van terugkoppeling. Op grond van de informatie uit studiegidsen is het aantal feedbackmomenten in de propedeuse geteld. Zoals ook al in paragraaf 4.4.4 is aangegeven, is deze operationalisering mogelijk geen adequate weergave geweest van hetgeen zich werkelijk in het onderwijs heeft afgespeeld. Voor een beter inzicht in de werking van de variabele ’geven van terugkoppeling’ zou in een vervolgonderzoek het gegeven onderwijs gedurende een periode meer direct in kaart gebracht moeten worden. 7.

Naarmate in een curriculum/studieprogramma meer gelegenheid gegeven wordt tot oefenen, zal de studievoortgang van studenten groter zijn (stimuleren tot actief studiegedrag).

Deze hypothese hebben we willen toetsen door middel van twee variabelen, namelijk het aantal uren werkcolleges en het aantal onderdelen met extra oefenmogelijkheden. Het aantal uren werkcolleges wordt voor de beide propedeusevariabelen verworpen, dat wil zeggen dat we in de analyses een negatief effect zien van deze variabele. Op de variabele aantal gerealiseerde studiebelastingsuren blijft de hypothese op de variabele werkcolleges onbeslist. De variabele aantal onderdelen met extra oefeningen laat positieve effecten zien op beide propedeusevariabelen, maar verrassend genoeg een negatief effect op de variabele gerealiseerde studiebelastingsuren. In bijlage I tabel 7 en 8 zien we dat de spreiding van de waarden op deze beide variabelen groter is tussen studierichtingen dan binnen studierichtingen. Ook hier zou mogelijk sprake kunnen zijn van studierichtingseffecten. Op het einde van deze paragraaf over de instructiekenmerken komen we hierop terug.

8.

Naarmate in een curriculum/studieprogramma meer aandacht gegeven wordt aan oriëntatie, zal de studievoortgang van studenten lager zijn (te veel aandacht voor oriëntatie leidt tot minder actief studiegedrag en uitstelgedrag).

Het vervullen van de oriëntatiefunctie hebben we geöperationaliseerd via het 111

aantal uren hoorcollege. In tegenstelling tot de ideeën over effectief wetenschappelijk onderwijs, zoals de tendens naar studentgericht, activerend onderwijs (zie bijvoorbeeld het rapport van de commissie Wijnen, 1992), blijken in onze analyses het aantal uren hoorcollege een positief effect te hebben op alle drie studievoortgangsvariabelen. Onze hypothese is daarmee verworpen. Maar ook hier is de nodige voorzichtigheid geboden daar de verschillen tussen studierichtingen wederom veel groter zijn dan binnen studierichtingen, zoals uit tabel 6 in bijlage I duidelijk moge worden. Zoals we ook reeds in hoofdstuk 5 vermeldden, zien we hoge aantallen uren hoorcollege bij de studierichtingen geneeskunde en farmacie. Met name bij geneeskunde zien we daar ook de hoogste numerieke rendementen. Het is de vraag of deze hoge rendementen beïnvloed worden door de uren hoorcollege. Voor de studierichting geneeskunde hebben we hierover aanvullende informatie. Bij de invoering van het Curriculum 2000 is het aantal colleges meer dan gehalveerd. Er blijken in dit curriculum nog nooit zoveel studenten ’op tijd’ in het derde studiejaar te zijn aangekomen (Cohen-Schotanus e.a., 1995). Het lijkt aannemelijk dat het effect van aantal uren hoorcollege meer een studierichtingseffect is dan een instructie-effect.

Studierichtingseffecten We moeten constateren dat de instructievariabelen effecten laten zien die we op theoretische gronden niet verwacht hadden. Zoals hierboven bij de bespreking van de hypothese over de hoorcolleges is aangegeven is er mogelijk sprake van een studierichtingseffect. In het algemeen is het probleem van mogelijke studierichtingseffecten groter gebleken bij de interpretatie van de instructiekenmerken dan bij die van de spreidingskenmerken. De instructiekenmerken verschillen meer tussen de studierichtingen dan binnen een studierichting tussen de in het onderzoek betrokken cohorten. Om na te gaan of het zo is dat instructiekenmerken meer studierichtingsafhankelijk zijn dan de spreidingskenmerken, hebben we een VARCLanalyse uitgevoerd waarin na controle voor de studentvariabelen, de instructievariabelen zijn ingevoerd. In hoofdstuk 5 hebben we steeds na de studentvariabelen de spreidingsvariabelen toegevoegd en daarna de instructievariabelen. Nu rafelen we dit uiteen door na de studentvariabelen alleen de instructievariabelen toe te voegen. Dit vergelijken we dan met de resultaten van de VARCL-analyses uit hoofdstuk 5 waarin de spreidingsvariabelen zijn ingevoerd na de studentvariabelen. Het resultaat zien we in tabel 6.3, waarin we een model met de instructievariabelen vergelijken met een model met de spreidingsvariabelen. Omdat we hier met name na willen 112

gaan of er sprake is van een studierichtingsafhankelijkheid van de instructievariabelen kijken we naar de variantiecomponenten op niveau 2 en 3, het curriculum- en studierichtingsniveau. De variantiecomponent geeft de residuele variantie aan. Uit tabel 6.3 zouden we kunnen afleiden dat de instructiekenmerken inderdaad studierichtingsafhankelijk zijn. Bij de invoering van de instructievariabelen verdwijnt alle variantie op niveau drie, het studierichtingsniveau. Op het tweede niveau, dat van het curriculum, blijft in het model met alleen de instructiekenmerken meer variantie ongebonden dan in het model met alleen de spreidingsvariabelen (.117 respectievelijk .021). De standaardfouten zijn echter groot. In tabel 6.4 kijken we of we tot eenzelfde conclusie kunnen komen op de afhankelijke variabele propedeuse behaald in één jaar. In deze tabel zien we in tegenstelling tot tabel 6.3 dat de spreidingsvariabelen op deze afhankelijke variabele zowel op het tweede als op het derde niveau meer variantie binden dan de instructiekenmerken. Ook hier zien we weer grote standaardfouten, behalve bij de variantiecomponent in het instructiemodel op het tweede niveau. Aan de andere kant is het ook niet verwonderlijk dat het instructiemodel minder variantie bindt, omdat in dat model geen enkel effect significant is, terwijl we bij het model met de spreidingskenmerken wel twee significante effecten tegen komen. Op de derde afhankelijke variabele, gerealiseerde studiebelastingsuren na één jaar, zien we wel weer dat het model met de instructievariabelen alle variantie op het derde niveau bindt (zie tabel 6.5). Op twee van de drie afhankelijke variabelen lijken we dus aanwijzingen te hebben dat de instructievariabelen meer een studierichtingskenmerk dan een curriculumkenmerk zijn. Dit zou de oorzaak kunnen zijn dat we voor de instructiehypothesen niet de ondersteuning hebben gevonden voor de effecten die we op grond van het theoretische model mochten verwachten.

113

Tabel 6.3

Resultaten van de logistische meerniveau-analyse, afhankelijke variabele propedeuse in twee jaar, 5151 VWO-studenten. Vergelijking instructie- en spreidingskenmerken. Boven de streep geschatte effecten met standaardfout tussen haakjes; onder de streep enkele andere modelkenmerken leeg

intercept

instructie

1.130

spreiding

3.140

1.241

leeftijd

-.159 (.020)

-.160 (.020)

geslacht (vrouw=0)

-.281 (.073)

-.316 (.073)

gemiddeld eindex.cijfer -6

.991 (.069)

1.001 (.069)

spreiding toetsen

.370 (.050)

spreiding herkansingen

-.082 (.026)

gemiddeld aantal vakken

.278 (.046)

twee tentamens 1 week

.044ns (.024)

herkansing in tentamenweek

-.226 (.038)

uren hoorcollege

.004 (.001)

uren werkcollege

-.001ns (.001)

aantal feedbackmomenten

-.022ns (.020)

aantal onderd. extra oef.

.041ns (.064)

variantiecomponent niveau 2 niveau 3 deviance

.138 (.074) .143 (.138) 5687.77

d.f. p-waarde ** ns: effect niet significant (α= .05, tweezijdig) ** toets steeds ten opzichte van het lege model

114

.117 (.061) .000 (.086) 5279.79

.021 (.051) .000 (.074) 5260.25

4

5

<.001

<.001

Tabel 6.4

Resultaten van de logistische meerniveau-analyse, afhankelijke variabele propedeuse in één jaar, 5151 VWO-studenten. Vergelijking instructie- en spreidingskenmerken. Boven de streep geschatte effecten met standaardfout tussen haakjes; onder de streep enkele andere modelkenmerken

leeg

intercept

instructie

1.130

-1.728

spreiding

-1.969

leeftijd

-.036ns (.021)

-.039ns (.021)

geslacht (vrouw=0)

-.226 (.068)

-.222 (.068)

gemiddeld eindex.cijfer -6

1.220 (.058)

1.231 (.058)

spreiding toetsen

.410 (.104)

spreiding herkansingen

-.228 (.092)

gemiddeld aantal vakken

-.031ns (.114)

twee tentamens 1 week

.042ns (.048)

herkansing in tentamenweek

-.007ns (.081)

uren hoorcollege

.004ns (.002)

uren werkcollege

-.004ns (.003)

aantal feedbackmomenten

-.095ns (.138)

aantal onderd. extra oef.

.016ns (.044)

variantiecomponent niveau 2 niveau 3 deviance

.177 (.078) .424 (.207) 5949.65

.218 (.085) .345 (.195) 5270.90 4

d.f.

<.001 p-waarde ** ns: effect niet significant (α= .05, tweezijdig) ** toets steeds ten opzichte van het lege model

115

.088 (.066) .283 (.167) 5232.03 5 <.001

Tabel 6.5

Resultaten van de meerniveau-analyse afhankelijke variabele gerealiseerde studiebelastingsuren na één jaar, 5151 VWOstudenten. Vergelijking instructie- en spreidingskenmerken. Boven de streep geschatte effecten met standaardfout tussen haakjes; onder de streep enkele andere modelkenmerken leeg

intercept

1154

instructie

1403

spreiding

1042

leeftijd

-23 (4)

-23 (4)

geslacht (vrouw=0)

-85 (15)

-85 (15)

gemiddeld eindex.cijfer -6

303 (12)

303 (12)

spreiding toetsen

65 (26)

spreiding herkansingen

-21ns (14)

gemiddeld aantal vakken

27ns (24)

twee tentamens 1 week

5ns (12)

herkansing in tentamenweek

-23ns (21)

uren hoorcollege

.859 (.183)

uren werkcollege

-.124ns (.294)

aantal feedbackmomenten

-9ns (5)

aantal onderd. extra oef.

7ns (5)

variantiecomponent niveau 1 niveau 2 niveau 3 deviance

276640 10630 (19) 14432 (41) 79231

239375 8970 (15) .000 (24) 78474

239344 9842 (7) 2224 (28) 78479

4

5

<.001

<.001

d.f. p-waarde ** ns: effect niet significant (α= .05, tweezijdig) ** toets steeds ten opzichte van het voorgaande model

116

6.4

De examenregelingshypothese

Tot slot wordt in deze paragraaf de hypothese besproken rond de formele kenmerken van het propedeuse-examen. We hebben alleen een hypothese geformuleerd over de compensatorische examenregeling en niet over het formele aantal onderdelen waaruit de propedeuse bestaat. 9.

Naarmate er meer compensatiemogelijkheden zijn in het propedeutisch examen, zal de studievoortgang uitgedrukt in het numerieke rendement hoger zijn.

Deze hypothese wordt in geen enkele analyse ondersteund. De spreiding op deze variabele is ook gering, zeker binnen studierichtingen, maar ook tussen studierichtingen (zie bijlage I: tabel 11). Dit zou een reden kunnen zijn dat wij geen effect van deze variabele hebben gevonden. Cohen-Schotanus (1995a) laat voor de faculteit geneeskunde wel een effect zien van een kortere verblijfsduur van enkele maanden, na invoering van een compensatieregeling.

6.5

Slotbeschouwing

In dit onderzoek hebben we geprobeerd de invloed van de organisatie van het curriculum op de studievoortgang te onderzoeken. In tegenstelling tot een aantal recente onderzoeken waarin slechts binnen één studierichting onderzoek is verricht (bijvoorbeeld Meerum Terwogt-Kouwenhoven, 1990; Cohen-Schotanus, 1994) of onderzoek waarin geen empirische ondersteuning is gezocht voor verklaringen van studievoortgang (bijvoorbeeld Bijleveld, 1993), hebben we van zes studierichtingen aan de Rijksuniversiteit Groningen vijf cohorten studenten in ons onderzoek betrokken. Vanwege het retrospectieve karakter en het feit dat we alleen de beschikking hadden over administratieve bestanden, was het lastig om curriculumkenmerken op een zodanige wijze te operationaliseren dat zij over alle in het onderzoek betrokken studierichtingen gebruikt konden worden. Het operationaliseren van de variabelen die betrekking hadden op de spreiding van de studielast en van de tentamens was het minst problematisch. De instructiekenmerken waren veel minder gemakkelijk en eenduidig in kaart te brengen. De formele kenmerken van het propedeutisch examen waren in alle gevallen duidelijk in de studiegids omschreven. Het mag daarom misschien ook geen verwonde117

ring wekken dat we in dit onderzoek het meeste ondersteuning hebben gevonden voor de spreidingsvariabelen. Met name de spreiding van de toetsen, het gemiddeld aantal vakken dat parallel geroosterd is en de spreiding van de herkansingen bleken variabelen te zijn die van invloed geacht kunnen worden voor het bevorderen van de studievoortgang van studenten. Bij de instructievariabelen vinden we vaker dat onze hypothesen verworpen worden of dat zij onbeslist blijven. Zoals we hebben betoogd zijn studierichtingseffecten en de beperkte operationaliseringsmogelijkheden hier waarschijnlijk debet aan. We hebben eveneens laten zien dat leeftijd, geslacht en gemiddeld eindexamencijfer op het VWO positieve effecten hebben op de studievoortgang. Jongere studenten, vrouwen en studenten met een hoger gemiddeld eindexamencijfer hebben meer kans voor de propedeuse te slagen of meer studiebelastingsuren te realiseren in één jaar. Selectie op grond van leeftijd en geslacht lijkt op grond van gelijkheidsbeginselen niet wenselijk. Selectie op grond van gemiddeld eindexamencijfer kent meer nadelen dan voordelen (zie onder andere Been, 1995; van Dyck, 1995). We moeten ons wel realiseren dat we bij de bespreking van de resultaten ervan uitgegaan zijn dat alle overige omstandigheden gelijk blijven. Met name strategisch gedrag dat door bepaalde maatregelen uitgelokt kan worden, zowel van studenten, docenten als bestuurders kunnen we niet vooraf voorspellen.

Vervolgonderzoek Gezien de beperkingen die we bij dit onderzoek hebben ondervonden omdat het alleen gebaseerd was op administratieve bestanden en retrospectief was, ligt het voor de hand een dergelijk onderzoek te repliceren, maar daarbij vanaf de startdatum meer gegevens bij te houden over de onderwijsuitvoering, mogelijk over studentgedrag (bijvoorbeeld planningsgedrag, bijwonen onderwijsbijeenkomsten, evaluatiegegevens over cursussen en dergelijke), en uiteraard over de onderwijsorganisatie met betrekking tot spreiding van studielast en tentamens. Daarbij zouden meer studierichtingen in het onderzoek betrokken moeten worden om studierichtingseffecten beter te kunnen opsporen of uit te sluiten. We zullen ons dan moeten afvragen of het mogelijk is met name instructiekenmerken zodanig in kaart te brengen dat we variabelen krijgen die over alle studierichtingen heen gebruikt kunnen worden. Misschien moeten we concluderen dat spreidingsvariabelen en de variabelen omtrent de formele kenmerken van het propedeutisch examen adequaat voor verschillende studierichtingen geoperationaliseerd kunnen worden, maar dat de effecten 118

van instructiekenmerken zo studierichtingsafhankelijk zijn dat deze beter per studierichting of clusters gelijkende studierichtingen onderzocht kunnen worden. Daarnaast is het belangrijk de studievoortgang van studenten te volgen in de doctoraal fase. Hebben studenten die in de propedeuse gestudeerd hebben in een curriculumorganisatie waarin gestuurd werd op regelmatige studie-inzet een zodanige studiehouding ontwikkeld dat zij in het doctoraal zelf hun studie-inzet kunnen reguleren? Kunnen zij dit dan ook als er sprake is van minder structurering door de curriculumorganisatie? Een ander belangrijk onderwerp dat aansluit bij ons onderzoek is het volgen van studenten die hun studie staken. Op welk tijdstip vallen zij uit? Hoe vervolgen zij hun (studie)loopbaan? Op het eerste gezicht lijkt dit niet direct aan te sluiten bij onderzoek naar de invloed van de curriculumorganisatie op de studievoortgang van studenten. Een vorm van curriculumorganisatie waarbij vroegtijdig en regelmatig feedback over studievorderingen gegeven wordt, kan echter bijdragen aan een vroege (zelf)selectie van studenten. Daarmee sluiten we weer aan bij de beleidsdicussie over het verhogen van de efficiëntie van het hoger onderwijs.

119

120

SAMENVATTING

Sinds de jaren zestig staat de structuur van het Wetenschappelijk Onderwijs ter discussie. Dit mondde in 1975 uit in de Wet Herstructurering Wetenschappelijk Onderwijs. De invoering van de Wet Tweefasenstructuur in 1981 kan gezien worden als een eerste grootschalige ingreep van de overheid in het kader van de efficiëntieverhoging van het WO. De studieduur werd verkort tot vier jaar en de invoering van het propedeuseexamen werd verplicht gesteld. Uitgangspunt was dat de numerieke rendementen in het WO zouden stijgen. Op dit moment probeert de overheid de kosten voor het Hoger Onderwijs beheersbaar te houden door onder andere strengere maatregelen in het kader van de studiefinanciering, een andere bekostigingssystematiek voor het HO, verhoging van de collegegelden en mogelijke aanpassingen van de studieduur van de verschilende opleidingen. Voordat de overheid tot deze laatste maatregelen zou mogen overgaan, zou de studeerbaarheid van de onderwijsprogramma’s gegarandeerd moeten zijn. Om de instellingen extra te stimuleren de studeerbaarheid van de onderwijsprogramma’s te verbeteren, heeft de minister 500 miljoen gulden aan de instellingen beschikbaar gesteld. Hiermee geeft de overheid aan dat factoren binnen het onderwijs van invloed zijn op een goede doorstroming van studenten. De vraag is echter welke factoren van invloed en beïnvloedbaar zijn? In dit proefschrift willen we nagaan of vanuit de optiek van de curriculumorganisatie factoren opgespoord kunnen worden die de studievoortgang van studenten beïnvloeden. De centrale vraagstelling in dit proefschrift luidt:

Is er een model te formuleren en te toetsen ter verklaring van verschillen in studievoortgang van studenten, waarbij de invloed van de organisatie van het curriculum op de studievoortgang van studenten, het uitgangspunt vormt? Studievoortgang kan op verschillende wijzen geöperationaliseerd worden. Veel gebruikt is het numerieke rendement dat gekoppeld is aan het propedeutisch of het doctoraalexamen. Daarnaast kan het behaalde aantal studiepunten (het aantal gerealiseerde studiebelastingsuren) als een indicator voor studievoortgang dienen. Het numerieke rendement is het percentage geslaagden van een instroomcohort. Een probleem hierbij is de cohortdefinitie. In hoofdstuk 2 laten we zien dat er verschillende vormen van ’vervuiling’ zijn. Bekend zijn de ’no-show’-studenten, studenten die wel staan ingeschreven bij een bepaalde studierichting, maar binnen die studierichting 121

niet deelnemen aan tentamens. Hoewel de probleemstelling gericht is op een verklaring van verschillen in studievoortgang vanuit de organisatie van het curriculum, zijn andere verklaringen uiteraard ook van belang. In hoofdstuk 3 wordt een overzicht gegeven van onderzoek waarin factoren die van invloed zijn op studievoortgang, vaak vertaald naar studiesucces of studiestaken, centraal staan. We baseren ons met name op onderzoek in het universitair onderwijs in Nederland en Vlaanderen. Van de persoonsgebonden en achtergrondvariabelen zijn verbanden bekend met vooropleiding (meer specifiek met cijfers uit het VWO of het aantal beta-vakken), met leeftijd en geslacht. Studenten met een hoger gemiddeld eindexamencijfer op het VWO, jongere studenten en vrouwen blijken meer succesvol te zijn. Een tweede groep factoren die van belang geacht kunnen worden in onderzoek naar studievoortgang ligt op het terrein van studievaardigheden, planningsgedrag en tijsbesteding. Er zijn geen aanwijzingen gevonden dat studievaardigheden een belangrijke invloed uitoefenen op de studievoortgang van studenten. Inzet, tijdbesteding en planningsgedrag van studenten bleken een grote samenhang te vertonen met studievoortgang of studiesucces. Naast deze factoren die meer studentgebonden zijn, zijn we ook nagegaan of er samenhangen bekend zijn tussen instructiekenmerken en kenmerken van de organisatie van het curriculum. Effectieve instructie wordt gekenmerkt door een goede vervulling van de onderwijsfuncties oriënteren, gelegenheid geven tot oefenen, controleren van het leerresultaat en het geven van terugkoppeling daarover. Deze onderwijsfuncties geven aan welke onderwijsactiviteiten moeten plaats vinden om het gewenste leerproces te realiseren. Met name het geven van terugkoppeling is van invloed gebleken op studievoortgang. Bij de organisatie van het curriculum zijn we ingegaan op programmeringsprincipes, tentamenspreiding en examenregelingen. Een betere spreiding van studielast en tentamens werkt positief op de studievoortgang van studenten. Op grond van de bevindingen uit de literatuur zijn we tot het volgende theoretische model gekomen ter verklaring van verschillen in studievoortgang tussen studenten die studeren in verschillende curriculumorganisaties.

122

studentkenmerken

↓ inzet van studenten

→

studievoortgang

↑ curriculumorganisatie Figuur 1:

Theoretisch model ter verklaring van verschillen in studievoortgang

In het onderzoek naar de relatie tussen curriculumkenmerken en de studievoortgang van studenten kon gebruik gemaakt worden van beschikbare gegevens van zes studierichtingen aan de Rijksuniversiteit Groningen. Het betreft hier de studierichtingen bedrijfskunde, psychologie, pedagogische wetenschappen, geschiedenis, geneeskunde en farmacie. Er is gebruik gemaakt van gegevens uit het studievoortgangsregistratiesysteem, uit de studiegidsen en roosters voorzover nog aanwezig, en van gegevens verkregen uit gesprekken met bijvoorbeeld onderwijscoördinatoren. Er heeft geen aparte gegevensverzameling bij studenten of docenten plaats gevonden. Op grond van de beschikbare gegevens is het theoretische verklaringsmodel omgezet in een analysemodel. Dit wordt beschreven in hoofdstuk 4. Tevens formuleren we daar negen hypothesen onderverdeeld in drie groepen, namelijk de spreidingshypothesen, de instructiehypothesen en de examenregelinghypothese. Spreidingshypothesen: 1. In curricula/studieprogramma’s waarin de toetsen meer zijn gespreid zal de studievoortgang van studenten hoger zijn (minimalisering uitstelgedrag). 2. In curricula/studieprogramma’s waarin weinig vakken parallel geroosterd zijn, zal de studievoortgang van studenten hoger zijn (minder concurrentie tussen vakken). 3. In curricula/studieprogramma’s waarin in één week twee tentamens geroosterd zijn, zal de studievoortgang van studenten lager zijn (concurrentie tussen tentamens).

123

4.

5.

In curricula/studieprogramma’s waarin de herkansingen verspreid zijn over het jaar zal de studievoortgang van studenten lager zijn (concurrentie met het reguliere onderwijsaanbod en eerste-kanstentamens). In curricula/studieprogramma’s waarin herkansingen geprogrammeerd zijn in een week waarin ook een regulier tentamen geroosterd is, zal de studievoortgang van studenten lager zijn (concurrentie tentamen herkansing).

Instructiehypothesen: 6. Naarmate in een curriculum/studieprogramma meer aandacht gegeven wordt aan het geven van terugkoppeling, zal de studievoortgang van studenten hoger zijn (stimuleren tot regelmatig studiegedrag). 7. Naarmate in een curriculum/studieprogramma meer gelegenheid gegeven wordt tot oefenen, zal de studievoortgang van studenten groter zijn (stimuleren tot actief studiegedrag). 8. Naarmate in een curriculum/studieprogramma meer aandacht gegeven wordt aan oriëntatie, zal de studievoortgang van studenten lager zijn (te veel aandacht voor oriëntatie leidt tot minder actief studiegedrag en uitstelgedrag). Examenregelinghypothese: 9. Naarmate er meer compensatiemogelijkheden zijn in het propedeutisch examen, zal de studievoortgang uitgedrukt in het numerieke rendement hoger zijn. Gezien de vraagstelling en de beschikbare data ligt het voor de hand te kiezen voor een meerniveau-analyse. De studenten studeren immers binnen een bepaald curriculum van een bepaald jaar binnen een bepaalde studierichting. De analyses zijn uitgevoerd met het programma VARCL (Longford, 1988). Als afhankelijke variabelen zijn gebruikt: het numerieke propedeuserendement na één jaar, het numerieke propedeuserendement na twee jaar en het aantal gerealiseerde studiebelastingsuren na één jaar. Voor iedere afhankelijke variabele zijn twee analyses uitgevoerd, één analyse voor de groep studenten met een VWO-diploma waarbij gecontroleerd is voor gemiddeld eindexamencijfer en één analyse voor de totale groep studenten waarbij gecontroleerd is voor het type vooropleiding, omdat we voor de overige vooropleidingen geen beschikking hadden over eindexamencijfers. De resultaten voor beide groepen kwamen vrijwel overeen qua richting en grootte van de geschatte effecten. Bij de samenvatting van de resultaten gaan we uit van de VWO-groep. 124

Op individueel niveau hebben vrouwen, jongere studenten en studenten met een hoger gemiddeld eindexamencijfer een hogere kans het propedeutisch examen te behalen en meer studiebelastingsuren te realiseren. Voor de invloed van deze variabelen hebben we gecontroleerd in de analyses. Onze interesse ging uit naar de invloed van variabelen op curriculumniveau op de studievoortgang van studenten. We vonden over het algemeen ondersteuning voor de hypothesen die de spreiding van studielast en tentamens betroffen. Curricula waarin tentamens meer gespreid zijn over het jaar, curricula waarin herkansingen minder gespreid zijn over het jaar, en curricula waarin minder vakken parallel geroosterd zijn laten een positief effect zien op de studievoortgang van studenten. De instructiehypothesen vonden weinig ondersteuning vanuit onze data. De variabelen die het vervullen van de onderwijsfuncties in kaart brachten, lieten veelal een tegengesteld effect zien. In hoofdstuk 6 hebben we laten zien dat dit mogelijk een studierichtingseffect is. De hypothese over compensatie binnen het propedeutisch examen werd eveneens niet ondersteund door onze analyses. Het onderzoek heeft aanwijzingen opgeleverd dat een betere studeerbaarheid van onderwijsprogramma’s gezocht kan worden in de richting die aangegeven wordt door de spreidingshypothesen. Inzicht in factoren op instructie-niveau kunnen kennelijk beter per studierichting onderzocht worden. Tevens is het belangrijk dat in vervolgonderzoek de complete studieloopbaan van studenten in kaart wordt gebracht, zowel voor studenten die binnen hun aanvangsstudie het doctoraal behalen als van studenten die overstappen naar een andere studie binnen het Hoger Onderwijs.

125

126

SUMMARY

Curriculum organization and study progress

In the Netherlands as in most other countries in Europe, there is a great concern about the costs of universty education. The demand for university education has increased and until some years ago each year more students attended university. But not all of these students graduate and the students who do, use more time than the four years of the official program. The policy of the Minister of Education aimed at an increase of completion rates and a reduction of the time to graduate. The last decade in research on study progress as well in policy on university education, factors within the organization of university education have gained more attention. This is in contrast with the sixties and seventies, when student-related factors were more prominent. In this thesis we deal with the following research question: Which model can explain differences in students’ study progress when we regard the effects of the curriculum organization as a starting point? In our research project we investigated the study progress of five cohorts of students (enrollment years 1987-1991) within six different departments at the University of Groningen. In chapter 2 we present some quantitave data for the departments of the University of Groningen used in this research. A measure for study progress used most in policy documents is numerical return. That is a fraction with enrolling students as the numerator and graduated students as the denominator. In Dutch university education two official examination moments are used for the calculation of the numerical return: the propedeutic examination and the doctoral examination. In 1982 a law (Wet Tweefasenstructuur) was accepted that limited the duration of university courses to four years (with some exceptions like medicine) and also limited the maximum number of years a student may stay at a university to six. Also universities were obliged to have in each department an examiniation after the first year of study, the so called propedeutic exam. In our research we only used the propedeutic examination. Until 1991 students had to succeed for the propedeutic examination within two years, otherwise they were 127

excluded from governmental financial support. When a student did not succeed in two years, he/she could enroll in another department in order still to get the financial support. However, mostly these students were only aiming to complete the first year examination in the former department and not in the department they were enrolled in their third year at the university. These students are referred to as "no-show". We demonstrated that some departments seem to have low numerical returns due to these "no-show" students. For example: cohort 1990 psychology seem to have a numerical return of 56%. When we recalculate this figure without the no-show students we get a percentage of 67%. In chapter 3 we discuss factors that influence students’ study progress: student characteristics, personal and background variables, study skills, planning behaviour, instruction characteristics and the curriculum organization are discussed. At the end of the chapter a theoretical model to explain students’ study progress is presented. Based on this model nine hypotheses are formulated in chapter 4.

students’ characteristics

↓ students’ effort

→

study progress

↑ curriculum organization Figure 3.2 Theoretical model to explain differences in students’ progress In our analysis model student’s effort is regarded as a black box, because we have no data about it. We analysed the effects of student characteristics and curriulum characteristics on student’s study progress. Our data consist of descriptions of study programs, examination calenders and student characteristics available in the university administration. The model requires a three-level analysis with random coëfficients (Bryk and Raudenbusch,1992). Student characteristics account for the first level, curriculum characteristics for the second level and the department is regarded as the third level. The analysis is carried out with VARCL (Long128

ford, 1988). On the first level we have used the following variabels: gender, age and GPA (Grade Point Avarage on pre-university education) or the type of secondary education a student have had before enrolling in university. On the second level we have three groups of curriculum characteristics: spread of study load, effective instruction and formal examination rules. On the third level we have no predictor variables, only an intercept. The analysis model, operationalizations of variables and a desription of the student - and curriculum characteristics are given in chapter 4. The results of the analyses are described in chapter 5. We have used three dependent variables: the numerical return after one year and after two years and the obtained credit points after one year. For every dependent variable two analyses have been carried out. First only the students with a VWO-certificate are analysed on the three dependent variables with the grade point avarage on pre-university education as a student characteristic. After that the total group of students is analysed with the type of secondary education as a student characteristic, because there are no GPA-data available for other types of secondary education than VWO. The results on both groups were quite similar. On the individual level females, younger students and students with a higher GPA on pre-university education appear to have higher probability of succeeding for the propedeutic examination. In chapter 6 we discuss the results on the basis of the nine hypotheses from chapter 4. Our main interest was to investigate the influence of the curriculum organization on students’ study progress. In general we found support for our hypotheses related to the spread of study load. The hypotheses were: 1. The more examinations are spread during the year, the higher students’ study progress will be. 2. The more subjects are programmed in parallel, the lower students’ study progress will be. 3. Two examinations in one week will reduce students’ study progress. 4. The more resits on examinations are spread during the year, the lower students’ study progress will be. 5. A resit in a week with at least one regular examination will reduce students’ study progress. Curricula in wich examinations are better spread over the year, with less spread in moments for resits and programs with less subjects parallel presented seem to influence students’ study progress positively. We did not 129

find support for our hypotheses on effective instruction: 6. The more attention is paid to feedback, the higher students’ study progress will be. 7. The more opportunity to practice is offered, the higher students’ study progress will be. 8. The more attention is paid to orientation, the lower students’ study progress will be. These variables act often against our expectations. We demonstrated then that our variables on effective instruction seemed to be more dependent on the department than on the curriculum. In an addional analysis we showed that the instruction variables reduced almost all the variance at the the third level, the field of study.The hypothesis about the formal rules on examination was: 9. More possibilities for compensations between subjects in the propedeutic examination will increase the numerical return. was also not supported by the results from our analysis. This research gave us some clues for programming a currriculum is such a way that students’ study progress will be influenced positively. Especially meausures on spread of study load by spreading exmaninations and programming less subjects parallel seem to give good results on students’ study progress. In future research it would be desirable to follow students during their complete study career.

130

LITERATUUR

Ayres, Q.W. & R.W. Bennett (1983), University characteristics and student achievement. Journal of higher education, 54, 5, p. 516-532. Baird, L.L. (1990), Disciplines and doctorates: the relationships between programcharacteristics and the duration of doctoral study. Research in Higher Education, 31, p. 369 - 385. Baneke, J.J. (1987), Studiesucces, persoonlijkheid en stress bij geneeskunde-studenten vóór en na de invoering van de Tweefasenstructuur. (proefschrift) Amsterdam: Universiteit van Amsterdam. Bean, J.P. & B.S. Metzner (1985), A conceptual model of non-traditional undergraduate student attrition. Review of Educational Research, 55, 4, p. 485 - 540. Been, P.H. (1981), De invloed van aanleg en gebruik van studiehandleiding op tijdbesteding en studieresultaat. Groningen: COWOG/ Rijksuniversiteit Groningen. Been, P. (1995), Toegankelijkheid en selectie. Themapapier in kader van het Hoger Onderwijsdebat 1995. in: Ministerie van Onderwijs Cultuur en Wetenschappen, Hoger Onderwijsdebat 1995. Einddocument. Den Haag: Ministerie van Onderwijs en Cultuur en wetenschappen. Beetsma, Y., W.G. Broeks en Th. H. Joostens (1982), Persoonsgebonden en onderwijsgebonden faktoren ter verklaring van het studieverloop van studenten. in: A.I. Vroeijenstijn (red.), Het universitair onderwijs. Een veld van onderzoek. Stichting voor Onderzoek van het Onderwijs, SVO-reeks 56. Harlingen: Flevodruk b.v. Berg, M.J.M. van den (1993), De calculerende student? Een onderzoek naar studenten die niet naar colleges komen en geen tentamens doen. Rotterdam: RISBO. Berkel, H.J.M. van (1977), Studievertraging en vroegtijdige studiebeëindiging. Amsterdam: Universiteit van Amsterdam. Bijleveld, R.J. (1993), Numeriek rendement en studiestaking. Een theoretische analyse van factoren die samenhangen met rendement en studiestaking in het wetenschappelijk onderwijs. Utrecht: Lemma. Bosker, R.J. & T.A.B. Snijders (1990), Statistische aspecten van multiniveau onderzoek. Tijdschrift voor Onderwijsresearch, 15, 5, p. 317 - 329. 131

Bowen, W.G. & N.L. Rudenstine (1992), In pursuit of the PhD. Princeton, New Jersey: Princeton University Press. Bruyne, H. de (1976), Blokken in het onderwijs. Dissertatie Utrecht: Rijksuniversiteit Utrecht. Bryk, A.S. & S.W. Raudenbush (1992), Hierarchical Lineair Models. Application and Data Analysis Methods. Newbury-park, London, New Delhi: Sage publications. Buis, P. (1978), Het funktioneren van terugkoppeling in het wetenschappelijk onderwijs: twee voorafgaande voorwaarden. Lisse: Swets & Zeitlinger. Buis, P. (1979), Studiemislukking en studievertraging: factoren die van invloed zijn op het verschijnsel "studiemislukking en -vertraging in het nederlandse W.O. ’s Gravenhage: Staatsuitgeverij. Carroll, J.B. (1963), A model of school learning. Teachers College Record, 64, 8, p. 723 - 733. Cohen-Schotanus, J. (1994), Effecten van curriculumveranderingen. Studiewaardering, studeergedrag, kennis en studiedoorstroom in een veranderend medisch curriculum. (dissertatie) Groningen: Rijksuniversiteit Groningen. Cohen-Schotanus, J. (1995), Studieduur en de kwaliteit van de tentamens. Onderzoek van Onderwijs, 24, 2, p. 26 - 28. Cohen-Schotanus, J. (1995a), De praktijk van de compensatie. Onderzoek van Onderwijs (in druk). Cohen-Schotanus, J., H.J.M. van Rossum en R.J. Hiemstra (1995), Van een traditioneel naar een probleemgeörienteerd curriculum: ander studeergedrag? Voordracht Gezond Onderwijs Congres 1995 te Veldhoven. Coleman, D., J.R. Bolte & L. Franklin (1984), Academic calendar change impact on enrollment patterns and instructional oucomes. Research in Higher Education, 20, 2, p. 155 - 166. Crombag, H.F.M., J.G. Gaff & T.M. Chang (1975), Study behavior and academic performance. Tijdschrift voor Onderwijsresearch, 1, 1, p. 3 14. Crombag, H.F.M., K.D.J.M. van der Drift & P. Vos (1985), De inrichting van curricula en het werkgedrag van studenten. Universiteit en Hogeschool,vol. 31, , p. 234 - 247.

132

K.D.J.M. van der & P. Vos (1987), Anatomie van een leeromgeving. Een onderwijseconomische analyse van het universitaire onderwijs. Lisse: Swets & Zeitlinger. Dubin, R. & T.C. Taveggia (1968), The teaching-learning paradox: a comparative analysis of college teaching methods. Eugene Oregon: University of Oregon Press. Dyck, M. van (1995), Selectie voor Hoger Onderwijs. Utrecht: Adviesraad voor het onderwijs. Drift,

Gijselaers, W.H. & H.G. Schmidt (1993), Investeren in instructietijd: spaarzaamheid loont de moeite. Onderzoek van Onderwijs, 22, 4, p. 57-60. Groot, A.D. de (1979), Studielast en normstudent: ontwerp van een akkoord theorie (algemeen model). Tijdschrift voor onderwijsresearch, 4, 6, p. 257 - 274. Heynen, G.W.H., Th.H. Joostens & A.I. Vroeijenstijn (red)(1990), Kwaliteitszorg, waarborg voor kwaliteit in het hoger onderwijs. Groningen: COWOG, Rijksuniversiteit Groningen. Hoeben, W. Th.J.G. (1993), The contribution of curriculum to educational productivity: some lessons from educational research for Higher Education. In: Joostens, Th.H.; G.W.H. Heijnen & A.J. Heevel (red). Doability of curricula. Lisse: Swets & Zeitinger. Holleman, J.W. (1993), Over studielast en studeerbaarheid: een onderwijstechnologische interpretatie en operationalisering van de wetsvoorschriften over studielast en studeerbaarheid in het Nederlandse Hoger Onderwijs. Utrecht: Rijksuniversiteit Utrecht. Hulshof, M.J.F. (1990), Welke kwalifikaties vraagt het Wetenschappelijk Onderwijs? Literatuurstudie voor de ARVO naar gevraagde kennis en vaardigheden in de propedeuse. Nijmegen: IOWO, Katholieke Universiteit Nijmegen. Israëls, H. (1983), Studiebegeleiding: worden mensen wijzer? Universiteit en Hogeschool, 29, 4, p. 161-167. Jansen, E.P.W.A. (1992), Onderwijsprogrammering en studiesnelheid. In: Hoeks, Th.W.M.; H.J.F. Scheepers en C.L.H. Stevens (red.) Studievaardigheden in kwaliteitsperspectief: proceedings 12de landelijke dag studievaardigheden 1992. Breda: Koninklijke Militaire Academie. 133

Jansen, E.P.W.A. (1992a), Kan onderwijsprogrammering studiesnelheid beïnvloeden? Onderzoek van Onderwijs, 21, 4, p. 54-55. Jansen, E.P.W.A. (1993), Curriculum organization and study progress. In: Th.H. Joostens, G.W.H. Heynen & A. Heevel (red). Doability of curricula. Lisse: Swets & Zeitlinger. Jansen, E. (1993a), Educational programmering related to studyprogress. In: J.K. Koppen en W.D. Webler (red.), Strategies for increasing access and performance in higher education. Amsterdam: Thesis publishers. Jansen, E. (1995), De kracht van de vernieuwde tweede fase VWO. Onderzoek van Onderwijs, 24, 1, p. 9-11. Jansen, E.P.W.A. & Th.H. Joostens (1986), Numeriek rendement of gerealiseerde studiebelastingsuren? Evaluatie van studieprogramma’s in de tweefasenstruktuur aan de Rijkuniversiteit Groningen. Groningen: COWOG/ Rijksuniversiteit Groningen. Jansen, E.P.W.A. & Th.H. Joostens (1987), De bruikbaarheid van numerieke rendementen. Universiteit en Hogeschool, tijdschrift voor wetenschappelijk onderwijs, 33, 5, p. 197-211. Jansen, E.P.W.A. & Th.H. Joostens (1989), Blokonderwijs: voordelen of vooroordelen. Onderzoek van Onderwijs, 18, 3, p. 46-48. Jansen, E.P.W.A., Th.H. Joostens en L. Tiesinga (1990), ISEKhandleiding. Instrumentarium en hulpmiddelen voor onderwijsevaluatie. Groningen: COWOG/Rijksuniversiteit Groningen. Jochems, W. (1990), Productiever onderwijs. Delftse Universitaire Pers. Jong, U. de & J. Meyer (1990), Studie-uitval en vertraging bij zes studierichtingen in het WO. Tijdschrift voor Onderwijsresearch, 15, 1, p. 42-55. Jong, U. de, P. Koopman & J. Roeleveld (1991), Snelwegen en slingerpaden in en om het Hoger Onderwijs. Eindrapport projekt "Studieloopbanen in het Hoger Onderwijs". Den Haag: Ministerie Onderwijs en Wetenschappen: Achtergrond Studies Hoger Onderwijs en Wetenschappelijk Onderzoek, 10. Joostens, Th.H. (1990), De studie in de farmacie te Groningen. Resultaten na de invoering van blokonderwijs. In: Jochems, W.M.G. e.a. (red.) Onderwijsverbetering, voorbeelden uit het Wetenschappelijk Onderwijs, p. 29 - 38. Delft: Delftse Universitaire Pers. Joostens, Th.H., G.W.H. Heijnen & A.J. Heevel (red.) (1993), Doability of curricula. Lisse: Swets & Zeitlinger.

134

Joostens, Th.H. & A.J.M. Schoonen (1987), Blokken helpt: de pharmacie-opleiding aan de R.U. Groningen. In: H.J.M. van Berkel, A.E. Bax, H.M.C. Schellekens (red.) Differentiatie in het Hoger Onderwijs. Amsterdam: Versluys. Kamerstuk 15034, nrs.1-2 (1978), Nota Hoger Onderwijs Voor Velen (HOVV). Den Haag: Tweede Kamer der Staten-Generaal, zitting 1977-1978. Kells, H.R. & F.A. van Vught (eds) (1988), Self regulation, self-study and program review in higher education. Culemborg: Lemma. Kells, H.R.; P.A.M. Maassen & J. de Haan (1991), Kwaliteitsmanagement in het hoger onderwijs. Een handboek voor interne en externe evalutaties in universiteiten en hogescholen. Utrecht: Lemma. Klauw, C.F. van der (1983), Het effect van studiebegeleiding: een eenvoudige vraag? Universiteit en Hogeschool, 29, 4, p. 168 - 181. Knippenberg, W.J.M. & F.A.J. Loos (1983), Doelmatig hoger onderwijs. Verhoging van het studierendement. Delft: Delftse Universitaire Pers. Koevoet, M. (1993), Studievertraging en studietrajecten in de propedeuse van twee cohorten Leidse voltijd psychologiestudenten. Leiden: Rijksuniversiteit Leiden Psychological Reports, PRM 01-1993. Koppen, J.K. (1991), Een kwestie van discipline. Over de externe democratisering van het wetenschappelijk onderwijs. Amsterdam: Thesis Publishers. Kramers, J.H. (1983), Studiebegeleiding in het eerste jaar: een redelijke benadering van een niet redelijk proces. Universiteit en Hogeschool, 29, 4, p. 183-188. Kreft, G.G. & J. de Leeuw (1987), Het schatten van schooleffecten. Problemen bij de keuze van het model en de techniek. Tijdschrift voor Onderwijsresearch, 12, 2, p. 75 - 85. Lacante, M.F.E. (1983), Van intelligentie, persoonlijkheid, studiestrategie en studeergedrag naar studieresultaat. Pedagogische Studiën, 60, p. 289 - 299. Longford, N.T. (1988), VARCL3 - Full covariance structure modelling. Princeton, N.J., Educational Testing Service. Meerum Terwogt-Kouwenhoven, K. (1990), Niet gewogen, toch te licht bevonden. Analyse van de rendementsproblematiek aan de Universiteit. (proefschrift) Amsterdam. Kampen: Mondiss. Merckens, A. & E. Welling (1992), Handleiding bij ProgRESS. Groningen: COWOG/Rijksuniversiteit Groningen. 135

Mettes, C.T.C.W. & A. Pilot (1980), Over het leren oplossen van natuurwetenschappelijke problemen. (dissertatie) Enschede: Onderwijskundig Centrum CDO/AVC TH-Twente. Ministerie van Onderwijs en Wetenschappen (1981), Beleidskader invoering tweefasenstructuur. Den Haag: Ministerie van Onderwijs en Wetenschappen. Ministerie van Onderwijs en Wetenschappen (1991), Profiel van de tweede fase voortgezet onderwijs, voorstellen voor een betere toerusting van scholen en leerlingen in de tweede fase voortgezet onderwijs. Zoetermeer: Ministerie van Onderwijs en Wetenschappen. Ministerie van Onderwijs en Wetenschappen (1992), Profiel van de tweede fase voortgezet onderwijs, vervolgnota. Zoetermeer: Ministerie van Onderwijs en Wetenschappen. Ministerie van Onderwijs en Wetenschappen (1992), Hoger Onderwijs en Onderzoeksplan 1992. Den Haag: Ministerie van Onderwijs en Wetenschappen. Ministerie van Onderwijs Cultuur en Wetenschappen (1995), Ontwerp Hoger Onderwijs en Onderzoeksplan 1996. Den Haag: Ministerie van Onderwijs en Cultuur en Wetenschappen. Ministerie van Onderwijs Cultuur en Wetenschappen (1995), Hoger Onderwijsdebat 1995. Einddocument. Den Haag: Ministerie van Onderwijs en Cultuur en Wetenschappen. Oosterhuis-Geers, J.A. (1995), PROBES: PROcedure ter Bevordering van Effectief en efficiënt Studeergedrag. Academische Proefschrift Hengelo. Os, W. van & H.J.M. van Strien (1975), Vallen en opstaan. Amsterdam: Vrije Universiteit afdeling Onderwijsresearch. Otten, C.M.E. (1993), Bespreking van ’Numeriek rendement en studiestaking van R.J. Bijleveld’. Tijdschrift voor Hoger Onderwijs, 11, 4, p. 269 - 271. Overwalle, F. van (1985), Slagen en mislukken in de eerste kandidatuur: Op zoek naar oorzaken. Tijdschrift voor Onderwijsresearch, 10, 3, p. 107 - 129. Pascarella, E.T. (1980), Student-faculty informal contact and college outcomes. Review of Educational Research, 50, 4, p. 545 - 575.

136

Pascarella, E.T. & P.T. Terenzini (1983), Predicting voluntary freshman year persistence/ withdrawal behavior in a residential university: A path analysis validation of Tinto’s model. Journal of educational psychology, 75, 2, p. 215-226. Pascarella, E.T. & P.T. Terenzini (1991), How college affects students. Findings and insight from twenty years of research. San Francisco, Oxford: Jossey-Bass Publishers. Pilot, A., B. van Hout-Wolters en H. Kramer-Pals (1992), Schriftelijk studiemateriaal. Groningen: Wolters-Noordhoff. Posthumus, K. (1968), De universiteit: doelstellingen, functies, structuren. ’s Gravenhage: Staatsuitgeverij. Posthumus, K. (1969), Universitair onderwijs: doelstellingen, functies, structuren. ’s Gravenhage: Staatsuitgeverij. Prins, J.B.A. (1993), Verwarring rondom numerieke rendementen. Onderzoek van Onderwijs, 22, 4, p. 61-64. Prins, J. (1995), Goede raad is duur. Over de uitvoering van het studieadvies in de propaedeuse. In: M. Mirande (red.), De juiste student op de juiste plaats. over selectie in de propaedeuse aan de Katholieke Universiteit Nijmegen. Nijmegen: IOWO: instituut voor onderwijskundige dienstverlening. Reijnders, M.I. (1989), Tinto’s theorie getoetst. De uitval van studenten uit het hoger onderwijs. Universiteit en Hogeschool, tijdschrift voor wetenschappelijk onderwijs, 35, 4, p. 166 - 174. Rekveld, I.J. & J. Starren (1994), Een examenregeling zonder compensatie in het Nederlandse Hoger Onderwijs? Een vergelijking tussen compensatie en conjunctie. Tijdschrift voor Hoger Onderwijs, 12, 4, p. 210-219. Roeleveld, J., U. de Jong, H. Oosterbeek en H.D. Webbink (1994), Verder studeren, deel 3. Studievoortgang en onderwijskeuzen 1992. Den Haag: Ministerie van Onderwijs, Cultuur en Wetenschappen. Roossink, H. (1990), Terugkoppelen in het natuurwetenschappelijk onderwijs, een model voor de docent. Enschede: academisch proefschrift.

Scheerens, J. (1989), Wat maakt scholen effektief? Samenvatting en analyse van onderzoeksresultaten. Den Haag: SVO. Balans van Onderwijsonderzoek. 137

Schoonen, B.J.M. & Th.H. Joostens (1993), Modulair Curriculum Organization and Study Completion. The Case of Pharmacy at the University of Groningen. In: Joostens, Th.J.; G.W.H. Heijnen & A.J. Heevel (eds) Doability of Curricula. Lisse: Swets & Zeitlinger. Schouwenburg, H.C. (1994), Uitstelgedrag bij studenten. (proefschrift) Groningen: Rijksuniversiteit Groningen. Smit, N.J. (1994), De invloed van VWO-wiskunde op studiesucces in de propedeuse. Onderzoek van Onderwijs, 23, 1, p. 3-5. Smuling, E.B., J. Brants & A. Pilot (1990), Oriëntatie op leren en onderwijs. Groningen: Wolters Noordhoff, Hoger Onderwijs Reeks. Snijders, T.A.B. en R.J. Bosker (1994), Modeled variance in two-level models. Sociological Methods and research, 22, p. 342-363. Sonneveld, J.F.M. & T.M.F. Janssen (1983), Studiebegeleiders kunnen wijzer worden. Universiteit en Hogeschool, 29, 4, p. 182 - 187. Spady, W. (1970), Drop-outs from higher education: an interdisciplinary review and synthesis. Interchange, 1, p. 64-85. Staatsblad nr. 656 (1975), Wet herstructurering wetenschappelijk onderwijs. Staatsblad nr. 137 (1981), Wet tweefasenstructuur wetenschappelijk onderwijs. Staatsblad nr 281 (1991), Wet van 29 mei 1991, (heroriëntering studiefinanciering I). Staatsblad nr 404 (1993), Wet van 2 juli 1993, (wet op de studievoortgangscontrole). Stevens, J. (1992), Applied multivariate statistics for the social sciences. Second edition. Hillsdale, New Jersey: Lawrence Erlbaum Associates, Publishers. Stoecker, J., E.T. Pascarella & L.M. Wolfle (1988), Persistence in higher education: a nine-year-test of a theoretical model. Journal of college student development, 29, 3, p. 196-209. Stricker, Lawrence, J. (1994), Institutional factors in time tot doctorate. Research in Higher Education, 35, 5, p. 569-587. Tinto, V. (1975), Drop-out from Higher Education: a theoretical synthesis of recent research. Review of educational research, 45, 1, p. 89 -125. Tinto, V. (1987), Leaving College: rethinking causes and cures of student attrition. Chicago: The university of Chicago. Tyler, R.W. (1949), Basic principles of curriculum and instruction. Chicago: University of Chicago Press. 138

Vaughan, Ch. & Chr. Carlson (1992), Teaching and learning. One-courseat-a-time. Innovative Higher Education, 16, 4, p. 263 - 276. Verbeek, F., H. Lington & U. de Jong (1995), Vertrokken maar niet verloren onderzoek naar uitvallers in het hoger onderwijs. Amsterdam: SCO-Kohnstamm Instituut. Vermunt, J.D.H.M. (1992), Leerstijlen en sturen van leerprocessen in het Hoger Onderwijs. Naar procesgerichte instructie in zelfstandig denken. Tilburg: Katholieke Universiteit Brabant. Vette, I. de (1990), Evaluatie Modulair Onderwijs. Groningen: COWOG/ Rijksuniversiteit Groningen. Vos, P. (1985), Zelfstudie als functie van onderwijsdeelname: hypothesetoetsing. Tijdschrift voor Onderwijsresearch, 10, 5, p. 228 238. Wijnen, W.H.F.W. e.a. (1992), Te doen of niet te doen? Advies over de studeerbaarheid van studieprogramma’s in het Hoger Onderwijs. Ministerie Onderwijs en Wetenschappen. Wilbrink, B. (1980), Toetsen, herkansen en studievertraging: achterliggende mechanismen. Onderzoek van Onderwijs, 9, 2, p. 711. Wilbrink, B., U. de Jong en M.E. Voorthuis (1993), No-show en lowshow in het wetenschappelijk onderwijs. Hoe beurs-, tempo- en keuzeproblemen van studenten leiden tot schijnbare afwezigheid. Amsterdam: SCO-Kohnstamm Instituut Universiteit van Amsterdam. Zwaal,

W., Th.H. Joostens & E.P.W.A. Jansen (1987), Onderwijsprogrammering en doorstroming van studenten. In: J. Scheerens en W.G.R. Stoel (red.) Effectiviteit van onderwijsorganisaties. Lisse: Swets & Zeitlinger

139

140

BIJLAGEN

Bijlage 1:

Curriculumkenmerken per studierichting en cohort

Spreidingskenmerken Tabel 1

Aantal toetsperioden cohort

87

88

89

90

91

studierichting bedrijfskunde

4

4

4

4

6

farmacie

8

8

8

8

8

geschiedenis

5

4

4

3

3

geneeskunde

3

5

5

5

5

PAO

7

8

6

6

6

psychologie

5

5

5

6

5

Tabel 2

Aantal herkansingsperioden cohort

87

88

89

90

91

studierichting bedrijfskunde

3

3

3

3

6

farmacie

6

7

7

6

6

geschiedenis

1

1

1

1

3

geneeskunde

2

2

2

2

2

PAO

1

1

1

1

1

psychologie

7

6

7

6

7

Tabel 3

gemiddeld aantal vakken parallel cohort

87

88

89

90

91

bedrijfskunde

5.25

5.25

5.25

5.25

3.6

farmacie

1.07

1.2

1.14

1.14

1.04

geschiedenis

4

4

4

3.3

3.3

geneeskunde

6.09

5.28

5.06

5.10

5.06

PAO

1.2

1

1.16

1.6

2

psychologie

4.6

4.5

3.83

2

2.16

studierichting

Tabel 4

Aantal maal twee tentamens in één week cohort

87

88

89

90

91

studierichting bedrijfskundee

1

2

1

0

5

farmacie

0

0

0

0

0

geschiedenis

0

0

0

1

1

geneeskunde

3

4

5

5

7

PAO

0

0

0

4

5

psychologie

3

2

4

4

4

Tabel 5

Aantal maal herkansing in tentamenweek cohort

87

88

89

90

91

studierichting bedrijfskunde

1

1

1

3

5

farmacie

0

0

2

1

1

geschiedenis

0

0

0

0

2

geneeskunde

0

0

0

0

0

PAO

0

0

0

0

0

psychologie

1

3

2

0

0

Instructiekenmerken Tabel 6

Orientatie: uren hoorcollege cohort

87

88

89

90

91

bedrijfskunde

176

176

172

182

204

farmacie

328

324

327

321

313

geschiedenis

168

162

162

188

188

geneeskunde

510

516

510

509

499

PAO

391

310

348

314

330

psychologie

216

232

232

222

234

studierichting

Tabel 7

Gelegenheid tot oefenen: uren werkcollege cohort

87

88

89

90

91

bedrijfskunde

100

100

97

70

112

farmacie

382

392

391

381

381

geschiedenis

151

150

148

132

132

geneeskunde

234

281

281

274

245

79

107

52

56

51

159

146

134

83

81

90

91

studierichting

PAO psychologie

Tabel 8

Aantal onderdelen met extra oefengelegenheid/ referaten/ISS/COO/practica e.d. cohort

87

88

89

studierichting bedrijfskunde

3

3

4

5

5

farmacie

5

6

6

6

5

geschiedenis

5

6

6

5

5

geneeskunde

4

7

7

7

7

PAO

2

1

2

2

2

psychologie

7

8

7

4

4

Tabel 9

Aantal feedbackmomenten cohort

87

88

89

90

91

studierichting bedrijfskunde

21

22

23

28

33

farmacie

14

14

14

14

15

geschiedenis

13

17

17

18

17

geneeskunde

16

21

23

22

22

PAO

16

16

14

16

14

psychologie

24

29

26

20

20

Formele kenmerken propedeuse-examen Tabel 10

Aantal onderdelen propedeutisch examen cohort

87

88

89

90

91

studierichting bedrijfskunde

12

12

12

12

12

farmacie

11

11

11

11

11

geschiedenis

12

16

16

12

12

geneeskunde

13

12

12

12

12

6

6

6

6

6

16

16

16

12

12

PAO psychologie

Tabel 11

Aantal compensatiemogelijkheden binnen propedeutisch examen cohort

87

88

89

90

91

studierichting bedrijfskunde

2

2

2

2

2

farmacie

0

0

0

0

0

geschiedenis

2

3

3

2

0

geneeskunde

0

0

0

0

1

PAO

1

1

1

1

1

psychologie

0

1

1

1

1

Bijlage 2:

Studentkenmerken voor de totale populatie en uitgesplitst naar studierichting

DE TOTALE ONDERZOEKSPOPULATIE (N=6037) Tabel T1

Leeftijd bij aanvang studie

studierichting

gem. leeftijd

n

bedrijfskunde

19.6

2022

farmacie

19.2

407

geschiedenis

20.3

846

geneeskunde

19.5

1045

pao

21.3

752

psychologie

20.6

965

TOTALE POPULATIE

20.0

6037

Tabel T2

Geslacht

studierichting

% vrouw

n

bedrijfskunde

30

605

farmacie

56

226

geschiedenis

45

380

geneeskunde

57

598

pao

85

638

psychologie

66

638

TOTALE POPULATIE

51

3085

Tabel T3

Vooropleiding

studierichting

%VWO

%HBO

%overig

bedrijfskunde

91

4

5

farmacie

96

2

2

geschiedenis

86

1

13

geneeskunde

94

1

5

pao

65

19

16

psychologie

77

7

16

TOTALE POPULATIE

86

5

9

Tabel T4

Voor VWO-groep, gemiddeld eindexamencijfer

studierichting

gem. eindex. cijfer

n

bedrijfskunde

6.82

1836

farmacie

6.82

391

geschiedenis

6.78

724

geneeskunde

6.86

977

pao

6.58

484

psychologie

6.70

739

TOTALE POPULATIE

6.78

5151

Tabel T5

Bij meer studierichtingen ingeschreven

studierichting

% meer studiericht.

n

bedrijfskunde

25

510

farmacie

12

48

geschiedenis

26

221

geneeskunde

12

124

pao

10

78

psychologie

20

195

TOTALE POPULATIE

20

1176

Tabel T6

Numerieke propedeuserendementen

studierichting

% prop 1 jaar

% prop 2 jaar

bedrijfskunde

14

69

farmacie

43

77

geschiedenis

40

64

geneeskunde

55

87

pao

49

77

psychologie

27

66

TOTALE POPULATIE

33

73

Tabel T7

Aantal gerealiseerde studiebelastingsuren na één jaar

studierichting bedrijfskunde

gsl na één jaar 991

farmacie

1221

geschiedenis

1071

geneeskunde

1330

pao

1172

psychologie

1020

TOTALE POPULATIE

1103

PER STUDIERICHTING EN COHORT Bedrijfskunde Tabel BDK1

Leeftijd bij aanvang studie

cohort

gem. leeftijd

n

87

19.6

326

88

19.9

407

89

19.5

412

90

19.5

430

91

19.5

447

Tabel BDK2

Geslacht

cohort

% vrouw

n

87

30

99

88

31

125

89

27

110

90

30

128

91

32

143

Tabel BDK3 cohort

Vooropleiding % VWO

%HBO

% overig

87

91

5

4

88

88

7

5

89

91

3

6

90

91

4

5

91

93

3

4

Tabel BDK4 cohort

Voor VWO-groep, gemiddeld eindexamencijfer gem. eindex.cijfer

n

87

6.91

297

88

6.83

358

89

6.75

373

90

6.86

392

91

6.78

416

Tabel BDK5 cohort

Bij meer studierichtingen ingeschreven % meer studiericht.

n

87

23

76

88

25

100

89

30

122

90

33

144

91

15

68

Tabel BDK6 cohort

Numerieke propedeuserendementen % prop. 1 jaar

% prop. 2 jaar

87

12

75

88

12

70

89

14

74

90

13

67

91

20

60

Tabel BDK7

Gerealiseerde studiebelastingsuren na één jaar

cohort

gsl na één jaar

87

1045

88

935

89

962

90

948

91

1072

Farmacie Tabel FAR1

Leeftijd bij aanvang studie

cohort

gem. leeftijd

n

87

19.3

78

88

19.3

95

89

19.8

63

90

19.2

77

91

18.8

94

Tabel FAR2

Geslacht

cohort

% vrouw

n

87

56

44

88

53

50

89

57

36

90

52

40

91

60

56

Tabel FAR3 cohort

Vooropleiding % VWO

%HBO

% overig

87

95

4

1

88

96

2

2

89

94

3

3

90

96

3

1

91

99

0

1

Tabel FAR4 cohort

Voor VWO-groep, gemiddeld eindexamencijfer gem. eindex.cijfer

n

87

6.77

74

88

6.83

91

89

6.70

59

90

6.80

74

91

6.93

93

Tabel FAR5 cohort

Bij meer studierichtingen ingeschreven % meer studiericht.

n

87

14

11

88

12

11

89

13

8

90

14

11

91

7

7

Tabel FAR6 cohort

Numerieke propedeuserendementen % prop. 1 jaar

% prop. 2 jaar

87

33

67

88

47

88

89

27

70

90

39

74

91

60

82

Tabel FAR7 cohort

Gerealiseerde studiebelastingsuren na één jaar gsl na één jaar

87

1180

88

1246

89

1042

90

1093

91

1452

Geschiedenis Tabel GESCH1 cohort

Leeftijd bij aanvang studie gem. leeftijd

n

87

20.6

131

88

20.5

121

89

20.2

167

90

20.5

175

91

20.2

252

Tabel GESCH2

Geslacht

cohort

% vrouw

n

87

55

72

88

35

42

89

41

68

90

47

83

91

46

115

Tabel GESCH3 cohort

Vooropleiding % VWO

%HBO

% overig

87

89

2

9

88

82

2

16

89

86

1

13

90

86

2

12

91

86

0

14

Tabel GESCH4 cohort

Voor VWO-groep, gemiddeld eindexamencijfer gem. eindex.cijfer

n

87

6.82

116

88

6.90

99

89

6.79

143

90

6.73

149

91

6.74

217

Tabel GESCH5 cohort

Bij meer studierichtingen ingeschreven % meer studiericht.

n

87

17

22

88

18

22

89

25

42

90

29

51

91

33

84

Tabel GESCH6 cohort

Numerieke propedeuserendementen % prop. 1 jaar

% prop. 2 jaar

87

55

73

88

48

81

89

47

71

90

39

58

91

26

52

Tabel GESCH7 cohort

Gerealiseerde studiebelastingsuren na één jaar gsl na één jaar

87

972

88

1289

89

1217

90

962

91

994

Geneeskunde Tabel GK1

Leeftijd bij aanvang studie

cohort

gem. leeftijd

n

87

19.8

207

88

19.4

209

89

19.5

211

90

19.2

209

91

19.5

209

% vrouw

n

Tabel GK2

Geslacht

cohort 87

61

126

88

52

109

89

54

114

90

60

124

91

60

125

Tabel GK3 cohort

Vooropleiding % VWO

%HBO

% overig

87

93

2

5

88

93

1

6

89

94

2

4

90

95

1

4

91

92

1

7

Tabel GK4 cohort

Voor VWO-groep, gemiddeld eindexamencijfer gem. eindex.cijfer

n

87

6.93

192

88

6.90

195

89

6.83

199

90

6.82

198

91

6.85

193

Tabel GK5 cohort

Bij meer studierichtingen ingeschreven % meer studiericht.

n

87

11

22

88

16

34

89

14

30

90

13

28

91

5

10

Tabel GK6 cohort

Numerieke propedeuserendementen % prop. 1 jaar

% prop. 2 jaar

87

35

82

88

49

87

89

55

86

90

65

90

91

73

90

Tabel GK7 cohort

Gerealiseerde studiebelastingsuren na één jaar gsl na één jaar

87

1398

88

1278

89

1253

90

1306

91

1416

PAO Tabel PAO1

Leeftijd bij aanvang studie

cohort

gem. leeftijd

n

87

20.9

133

88

20.8

125

89

21.2

127

90

21.3

146

91

21.8

221

Tabel PAO2

Geslacht

cohort

% vrouw

n

87

84

112

88

83

104

89

84

106

90

82

119

91

89

197

Tabel PAO3 cohort

Vooropleiding % VWO

%HBO

% overig

87

62

26

12

88

77

12

11

89

68

18

14

90

71

17

12

91

55

22

23

Tabel PAO4 cohort

Voor VWO-groep, gemiddeld eindexamencijfer gem. eindex.cijfer

n

87

6.70

81

88

6.52

96

89

6.50

86

90

6.59

100

91

6.60

121

Tabel PAO5 cohort

Bij meer studierichtingen ingeschreven % meer studiericht.

n

87

10

13

88

9

11

89

13

16

90

14

21

91

8

17

Tabel PAO6 cohort

Numerieke propedeuserendementen % prop. 1 jaar

% prop. 2 jaar

87

65

88

88

62

83

89

48

74

90

39

77

91

39

70

Tabel PAO7 cohort

Gerealiseerde studiebelastingsuren na één jaar gsl na één jaar

87

1381

88

1279

89

1141

90

1017

91

1106

Psychologie Tabel PSY1

Leeftijd bij aanvang studie

cohort

gem. leeftijd

n

87

20.9

160

88

20.7

163

89

20.3

153

90

20.7

210

91

20.2

279

Tabel PSY2

Geslacht

cohort

% vrouw

n

87

64

102

88

66

108

89

66

101

90

69

145

91

65

182

Tabel PSY3 cohort

Vooropleiding % VWO

%HBO

% overig

87

76

9

16

88

74

7

19

89

79

8

13

90

78

7

15

91

79

5

16

Tabel PSY4 cohort

Voor VWO-groep, gemiddeld eindexamencijfer gem. eindex.cijfer

n

87

6.72

119

88

6.74

119

89

6.62

121

90

6.71

163

91

6.69

217

Tabel PSY5 cohort

Bij meer studierichtingen ingeschreven % meer studiericht.

n

87

13

21

88

17

27

89

23

35

90

29

60

91

19

52

Tabel PSY6 cohort

Numerieke propedeuserendementen % prop. 1 jaar

% prop. 2 jaar

87

21

73

88

31

72

89

24

62

90

27

64

91

30

62

Tabel PSY7 cohort

Gerealiseerde studiebelastingsuren na één jaar gsl. na één jaar

87

1110

88

1106

89

963

90

966

91

987