HAALBAARHEIDSONDERZOEK VAN EEN MONITORINGSYSTEEM VOOR CAPACITEITSBEHOEFTEN IN HET LEERPLICHTONDERWIJS

HAALBAARHEIDSONDERZOEK VAN EEN MONITORINGSYSTEEM VOOR CAPACITEITSBEHOEFTEN IN HET LEERPLICHTONDERWIJS Eindrapport Maart 2012

Steven Groenez Bart Capéau Anneloes Vandenbroucke

Jean Pierre Verhaeghe

Johan Surkyn

HIVA KU Leuven

CO& E KU Leuven

Interface Demography V.U.Brussel

Gepubliceerd door KATHOLIEKE UNIVERSITEIT LEUVEN

HIVA - Onderzoeksinstituut voor Arbeid en Samenleving Parkstraat 47 – bus 5300, BE 3000 Leuven www.hiva.be

© typ het jaartal HIVA-K.U.Leuven Niets uit deze uitgave mag worden verveelvuldigd en/of openbaar gemaakt door middel van druk, fotocopie, microfilm of op welke andere wijze ook, zonder voorafgaande schriftelijke toestemming van de uitgever. No part of this book may be reproduced in any form, by mimeograph, film or any other means, without permission in writing from the publisher.

7

2 | De organisatie van het onderwijs in de Vlaamse Gemeenschap: relevante kenmerken voor de prognoses

9

2.1

2.2 2.3 2.4

2.5

De leerplicht (http://www.ond.vlaanderen.be/leerplicht) 2.1.1 Deeltijdse leerplicht een voltijds engagement 2.1.2 Kinderen met een vreemde nationaliteit of zonder wettig verblijfstatuut 2.1.3 Huisonderwijs 2.1.4 Gegevens over de leerplichtcontrole De structuur van het Vlaamse onderwijs De organisatie van het basisonderwijs 2.3.1 Toelatingsvoorwaarden 2.3.2 Leeftijdsniveaus en leeftijdsgroepen De organisatie van het secundair onderwijs 2.4.1 Toelatingsvoorwaarden 2.4.2 Leeftijdsniveaus en leeftijdsgroepen 2.4.3 Scholengemeenschappen en onderwijszones Het inschrijvingsrecht 2.5.1 Algemeen 2.5.2 De inschrijving van een leerling 2.5.3 Weigeringen

9 9 10 10 11 12 13 13 14 14 14 15 15 15 15 15 17

3 | Prognosemodellen voor de vraagzijde

21

3.1 3.2 3.3

21 24 25 26 26 27 28 28 29 29 30 30

3.4

Demografische prognosemodellen Prognosemodellen voor de schoolbevolking Beschikbare data over leerlingen en scholen 3.3.1 Welke leerlingen zitten (niet) in de jaarlijkse leerlingenbestand? 3.3.2 De identificatie en het longitudinaal volgen van de leerlingen 3.3.3 Adressen van leerlingen en scholen 3.3.4 Geboortedatums van leerlingen 3.3.5 Bijkomende gegevens om de prognosemodellen te verrijken Technische beschrijving van de modellen 3.4.1 Definities 3.4.2 Bouwstenen van de prognosemodellen 3.4.3 Prognosemodellen voeden met de bevolkingsvooruitzichten

4 | Wat is de kwaliteit van de beschikbare leerlingendata?

33

4.1 4.2

33 35

Overzicht van de bestanden Bestandskoppelingen: samenbrengen van de verschillende bestanden

3

1 | Inleiding

Inhoud

Inhoud

4.3

Beschrijving van de sleutelvariabelen 4.3.1 Geboortedatum ( ) 4.3.2 Woonplaats van de leerlingen ( ) 4.3.3 Longitudinaal volgnummer 4.3.4 Registerstatus (onderscheid en ) 4.3.5 Overzicht van de mogelijke posities in het onderwijs Meervoudige inschrijvingen per individu in één schooljaar Longitudinale stabiliteit van leerlingkenmerken 4.5.1 Stabiliteit van de registerstatus 4.5.2 Stabiliteit van de geboortedatum

35 36 36 38 39 41 42 44 44 45

5 | Haalbaarheid van prognoses: empirische data oefening

46

5.1

46 46 48 54 66 69 71 72 75 85 86 97

4.4 4.5

5.2 5.3 5.4

Evolutie van de officiële bevolking en de participatiegraden aan het onderwijs 5.1.1 De evolutie van de officiële bevolking (SVR bevolkingsgegevens) 5.1.2 Participatiegraden aan het Vlaamse onderwijs Wie gaat waar naar school? Resultaten van de cross-sectie probabiliteiten Resultaten van de transitiekansen Toetsing van de prognosemodellen 5.4.1 Zuiver demografisch statisch model 5.4.2 Demografisch model met trendeffecten (transversaal model) 5.4.3 Resultaten van de demografische modellen 5.4.4 Dynamisch transitiemodel 5.4.5 Resultaten van het dynamisch transitiemodel 5.4.6 Conclusies uit de prognosemodellen

6 | Capaciteit aan de aanbodzijde 6.1 6.2

99 100 100 101 102 102 103

7 | Task force Capaciteit: casestudies Gent en Vilvoorde

107

7.1

107 107 108 108 109 109 112 113 113 114 120 120 120 120 121 122 122

Inhoud 4

Beschikbare gegevens 6.1.1 De schoolgebouwenmonitor 6.1.2 Sleuteldata task force Toekomstige mogelijkheden om de capaciteit van scholen in kaart te brengen 6.2.1 Scholengebouwenmonitor 6.2.2 Nieuwe bepalingen in het decreet op het inschrijvingsrecht

7.2

Task-force capaciteit – Gent 7.1.1 Aanleiding tot de oprichting van de lokale task-force ‘capaciteit BaO’ 7.1.2 Betrokkenen 7.1.3 Tijdslijn werkzaamheden 7.1.4 Denkkader 7.1.5 Omgevingsanalyse 7.1.6 Korte, middellange en langetermijnoplossingen 7.1.7 Het eindresultaat 7.1.8 Niet te voorspellen probleem 7.1.9 Uitloper: school-woon ratio’s voor binnenstedelijke geografieën Task force Capaciteit Vilvoorde 7.2.1 Inleiding 7.2.2 Betrokkenen 7.2.3 Tijdslijn werkzaamheden 7.2.4 Denkkader 7.2.5 Omgevingsanalyse 7.2.6 Moeilijkheden ondervonden bij het in kaart brengen van vraag en aanbod

8 | Samenvatting, conclusies en aanbevelingen

125

- BIJLAGEN -

135

bijlage 1 Evolutie van de officiële bevolking en de participatiegraden aan het Vlaamse Onderwijs bijlage 2 Schattingsfouten van het transversaal model bijlage 3 Simulatie van de schoolbevolking in 2002-2010 aan de hand van een transitiemodel voor Vlaanderen, Gent en Vilvoorde

137 141 147

Bibliografie

165

Inhoud

161

5

bijlage 4 Projectie van de schoolbevolking voor 2011-2012 en 2012-2013 voor Vlaanderen, Gent en Vilvoorde

1 | Inleiding

Dat er bovendien regionale verschillen zijn, werd de afgelopen jaren duidelijk geïllustreerd met de inschrijvingsproblematiek in verschillende steden. Waar vroeger beelden van kamperende ouders mogelijks slechts de uitdrukking waren van de populariteit van (en het plaatstekort in) bepaalde scholen, zijn er recent duidelijk tekorten op gemeentelijk of stedelijk niveau vastgesteld. Naast differentiële geboortecijfers worden deze tendenzen vooral aangestuurd door differentiële migratiestromen (Willems, 2008) en spelen ook processen van schoolkeuze een rol. Naar aanleiding van het actualiteitsdebat in het Vlaamse parlement van 10 maart 2010 werd een algemene task-force capaciteit opgericht. In een eerste fase werd de capaciteitsproblematiek van 4 steden onder de loep genomen (Antwerpen, Gent, Halle en Vilvoorde). In een tweede fase wordt ook de situatie in 24 andere steden/gemeenten onderzocht. Naast de centrumsteden werden alle steden/gemeenten met (1) meer dan 1 000 ingeschreven kleuters en (2) een toename van het aantal kleuters met meer dan 100 in de laatste 5 jaar uitgenodigd. Op lokaal vlak zijn studies beschikbaar over de capaciteitsproblematiek in het basisonderwijs in Antwerpen (prognoses maximumcapaciteit door de studiedienst stadsobservatie Antwerpen) en het Nederlandstalig basisonderwijs in het Brussels Hoofdstedelijk Gewest (Janssens, 2009). Dat de capaciteitsproblematiek zich voornamelijk in steden manifesteert is niet alleen het gevolg van een meer uitgesproken demografische ontwikkeling in deze steden. De vrije schoolkeuze impliceert immers dat de schoolbevolking in een bepaald gebied kan afwijken van wat op basis

7

Voor het kleuteronderwijs zijn de gevolgen van de versterkte bevolkingsvernieuwing reeds zichtbaar in de vorm van een structurele groei in de leerlingaantallen. Ook voor het lager onderwijs worden stijgende leerlingaantallen soms al ervaren, en zeker op termijn verwacht.

hoofdstuk 1 | Inleiding

Regeren is vooruitzien. De laatste bevolkingsprognoses bevestigen voor Vlaanderen een algemene tendens naar vergrijzing maar duiden ook andere tendenzen aan (Pelfrene, 2005; Federaal Planbureau, 2008; Pelfrene, 2009). Ze geven onder meer een sterker dan voorheen voorspelde aangroei van de bevolking aan door zowel een verwachte hogere nataliteit als door een tijdelijk versterkte immigratie. Zo zal de kentering van het vruchtbaarheidscijfer vanaf 2001 samen met de hogere verwachte immigratie leiden tot een versterkte vernieuwing en verkleuring van de samenleving. Tot op heden zijn, in onderzoek, de gevolgen van deze demografische ontwikkeling voor het onderwijs onderbelicht gebleven.

van de leeftijdstructuur van de bevolking wordt verwacht. Net het samenspel van die vrije schoolkeuze met de centrumfunctie van steden, leidt ertoe dat steden vaak niet-inwonende leerlingen aantrekken, vooral in het secundair onderwijs. Dit maakt het voorspellen van de schoolbevolking ook verschillend van het voorspellen van de bevolking an sich.

8

hoofdstuk 1 | Inleiding

In dit onderzoek worden daarom de volgende onderzoeksvragen gesteld: - onderwijsvraag: - in welke mate worden leerlingenaantallen aangestuurd door demografische factoren (geboorte, sterfte en migratie) dan wel processen van schoolkeuze? - wat zijn de mogelijkheden om leerlingenprognoses te maken? - voor welke onderwijstypes (gewoon en buitengewoon) en -niveaus (kleuter, lager en secundair, binnen het secundair onderwijs ook de onderwijsvormen) zijn prognoses mogelijk? - welke gebiedsindeling wordt best gehanteerd en verschilt de optimale gebiedsindeling naar onderwijsniveau? - welke prognosemodellen kunnen gebruikt worden en wat zijn de datavereisten van deze modellen? - welke gegevens bestaan er op dit moment, wat is de kwaliteit van de beschikbare data? - welke gegevens ontbreken er vooralsnog en welke stappen kunnen er ondernomen worden om de ontbrekende gegevens te verzamelen? - onderwijsaanbod: - wat zijn de mogelijkheden om de aanbodcapaciteit in kaart te brengen? - governance: - wat zijn de governance aspecten verbonden aan de capaciteitsproblematiek? - wat is de rol van centrale en lokale besturen, welke actoren (dienen en) kunnen een rol (te) spelen in de aanpak van deze problematiek, wie kan hierin de regierol opnemen? Zoals uit de bovenstaande onderzoeksvragen is af te leiden, spelen in dit onderzoeksvoorstel zowel kwantitatieve als kwalitatieve analyses een belangrijke rol. De kwantitatieve analyses om op basis van demografische prognoses en leerlingenstromen zo betrouwbaar mogelijke uitspraken over de te verwachte ontwikkelingen te doen. Dit wordt aangevuld met kwalitatieve analyses vanuit de zekerheid dat ook deze „harde‟ voorspellingen gepaard gaan met de nodige onzekerheid. Onzekerheden die trouwens groter worden naarmate de voorspelling een meer lokale focus heeft. Kenmerkend voor het prognosemodel is dat het start met harde feiten en cijfers, waarin lokale kennis en inzichten nauwelijks een rol spelen maar uiteindelijk moet het voeding geven aan oplossingsscenario‟s voor capaciteitsproblemen, waarin juist een groot beroep wordt gedaan op deze lokale kennis. Daarom vormt het governance aspect het belangrijkste vraagstuk in de kwalitatieve analyses: hoe kan een beleid inzake infrastructuurcapaciteit ontwikkeld worden dat zowel centraal gemonitord als lokaal aangestuurd wordt? Daarom worden 2 cases gevolgd: Gent en Vilvoorde. We toetsen de praktische haalbaarheid van de prognosemodellen door prognoses uit te werken voor deze 2 cases.

Eurydice Vlaanderen (2010), Vlaams Eurydice rapport 2010: Overzicht van het onderwijsbeleid en de onderwijsorganisatie in Vlaanderen, Departement Onderwijs en Vorming, Afdeling Internationale Relaties Onderwijs, Brussel. AgODi (2010), Schoolloopbaan van een leerling in het voltijds secundair onderwijs. Inschrijvingsrecht, toelatingsvoorwaarden, leerlingendossier, leerplicht, afwezigheden, studiebewijzen, Agentschap voor Onderwijsdiensten, Afdeling scholen secundair onderwijs en deeltijds kunstonderwijs, Brussel.

2.1

De leerplicht (http://www.ond.vlaanderen.be/leerplicht)

De wet van 29 juni 1983 betreffende de leerplicht schrijft voor dat minderjarigen, zowel Belgen als allochtonen, onderworpen zijn aan de leerplicht voor een periode van 12 jaar. Deze start vanaf het schooljaar waarin het kind 6 jaar wordt en eindigt op 18 jaar. De omzendbrief SO 68 van 1/3/2000 verduidelijkt dat dit de 18e verjaardag is, dan is de leerling burgerlijk meerderjarig en kan niet langer worden verplicht lessen te volgen tot het einde van het schooljaar. Wel vraagt de omzendbrief aan de scholen om hun uiterste best doen de leerlingen te overtuigen het nog lopende schooljaar te voltooien. Voor leerlingen die verjaren na 30 juni maar in het kalenderjaar waarin zij 18 worden, reeds 12 jaren lager en secundair onderwijs hebben gevolgd, eindigt de leerplicht op 30 juni, het einde van het schooljaar. Een minderjarige die het voltijds secundair onderwijs met vrucht heeft beëindigd is niet meer onderworpen aan de leerplicht.

2.1.1

Deeltijdse leerplicht een voltijds engagement

De leerplicht is voltijds tot 16 jaar en wordt gevolgd door een periode van deeltijdse leerplicht (ingevoerd in 1983, in het kader van de verlenging van de leerplicht van 14 naar 18 jaar). Enkel wie de twee leerjaren van de 1e graad secundair onderwijs succesvol doorlopen heeft (en dus geslaagd is) kan al vanaf 15 jaar opteren voor een stelsel ter vervulling van de deeltijdse leerplicht. Aan de vereisten van de deeltijdse leerplicht kan worden voldaan door het volgen van: - verder voltijds onderwijs;

hoofdstuk 2 | De organisatie van het onderwijs in de Vlaamse Gemeenschap: relevante kenmerken voor de prognoses

In dit hoofdstuk omschrijven we enkele elementen uit de organisatie van het onderwijs in de Vlaamse gemeenschap die relevant zijn voor de prognosemodellen. De informatie in dit hoofdstuk werd letterlijk overgenomen uit de volgende documenten:

9

2 | De organisatie van het onderwijs in de Vlaamse Gemeenschap: relevante kenmerken voor de prognoses

hoofdstuk 2 | De organisatie van het onderwijs in de Vlaamse Gemeenschap: relevante kenmerken voor de prognoses 10

- deeltijds beroepssecundair onderwijs in een CDO, Centrum voor deeltijds beroepsonderwijs; - de leertijd zoals vermeld in het decreet van 10 juli 2008 betreffende het stelsel van leren en werken in de Vlaamse Gemeenschap; - een voor de vervulling van de leerplicht erkende vorming; - huisonderwijs. In functie van het decreet van de Vlaamse Gemeenschap van 10 juli 2008 betreffende het stelsel van werken en leren is een voltijds engagement voor de deeltijdse leerplicht ingeschreven in de (federale) leerplichtwet van 29 juni 1983 (art. 1 § 1 en § 2bis). Het deeltijds onderwijs, de leertijd of de erkende vorming dient gecombineerd te worden met werkplekleren. Die combinatie omvat minimum 28 uren per week. Onder werkplekleren wordt verstaan elke vorm van activiteit, naast de leercomponent, die samen met de leercomponent het voltijds engagement uitmaakt. De Vlaamse Regering bepaalt die vormen van activiteit.

2.1.2

Kinderen met een vreemde nationaliteit of zonder wettig verblijfstatuut

Alle kinderen die op het Belgisch grondgebied verblijven, ook deze zonder een wettig verblijfsstatuut, zijn onderworpen aan de leerplicht. Scholen mogen leerlingen zonder verblijfsvergunning niet weigeren. Ouders of de personen die de ouderlijke macht uitoefenen over minderjarigen van vreemde nationaliteit zijn verplicht vanaf de 60ste dag na die waarop voornoemde personen werden ingeschreven in het vreemdelingenregister, in het wachtregister of in het bevolkingsregister - naargelang van het geval - van de gemeente van hun verblijfplaats hun kinderen die leerplichtig zijn in te schrijven en ervoor te zorgen dat zij regelmatig naar school gaan. Het is echter niet omdat de wet op de leerplicht pas ingaat op de zestigste dag na de inschrijving, dat het recht op onderwijs niet vroeger kan afgedwongen worden.

2.1.3

Huisonderwijs

Huisonderwijs wordt georganiseerd en bekostigd door de personen die het ouderlijk gezag uitoefenen of in rechte of in feite de minderjarige leerlingen onder hun bewaring hebben. Het wordt geregeld voor het basisonderwijs door het decreet basisonderwijs van 25 februari 1997, voor het secundair onderwijs door de besluiten van de Vlaamse Regering van 12 november 1997 en 16 september 1997. Ouders die kiezen voor huisonderwijs, dienen uiterlijk op de dag dat zij daarmee starten het departement Onderwijs en Vorming daarvan schriftelijk op de hoogte brengen. Zij moeten zich ertoe verbinden onderwijs te verstrekken of te laten verstrekken dat beantwoordt aan volgende minimumeisen (die overigens voor elke vorm van onderwijs gelden op basis van art. 29 van het Internationaal Verdrag voor de Rechten van het Kind): - het onderwijs is gericht op de ontplooiing van de volledige persoonlijkheid en de talenten van het kind en op de voorbereiding van het kind op een actief leven als volwassene; - het onderwijs bevordert het respect voor de grondrechten van de mens en voor de culturele waarden van het kind zelf en van anderen (Decreet basisonderwijs van 25 februari 1997, art. 26 bis; Besluit van de Vlaamse Regering van 16 september 1997, art. 14 decies; Besluit van de Vlaamse Regering van 12 november 1997, art. 10 novies). De onderwijsinspectie is bevoegd om te controleren of het verstrekte huisonderwijs beantwoordt aan de doelstellingen zoals beschreven. Huisonderwijs geeft echter nooit recht op erkende studiebewijzen. De leerling die een erkend diploma wil behalen, kan voor het basisonderwijs examen afleggen in een van de 10 examenscholen, voor het secundair onderwijs voor de Examencommissie van de Vlaamse Gemeenschap.

2.1.4

Gegevens over de leerplichtcontrole

In tabel 2.1 wordt een overzicht gegeven van de gegevens verzameld in het kader van de leerplichtcontrole (AgODi, 2011). Merk op dat men bij de leerplichtcontrole vertrekt van het aantal 6-17 jarigen in het rijksregister op de 3e schooldag. Het grootste deel van de leerplichtige officiële bevolking voldoet aan de leerplicht door in te schrijven in een door de Vlaamse overheid gefinancierde of gesubsidieerde school. In 2009-2010 voldeed 2,2% van de leerplichtige 611 jarigen en 3% van de leerplichtige 12-17 jarigen aan de leerplicht door een inschrijving in een school van de Franse Gemeenschap, bijna 0,50% door een inschrijving in een buitenlandse onderwijsinstelling. Het aantal 6-11 jarigen vrijgesteld van de leerplicht bedraagt nog geen 0,05%. Bij de 12-17 jarigen bedraagt dit 0,175%. Het aandeel leerlingen dat niet (meer) verblijft in het Vlaams Gewest is hoger en bedraagt 0,28% bij de 6-11 jarigen en 0,21% bij de 12-17 jarigen.

Tabel 2.1

Overzicht van het resultaat van de controle op de inschrijvingen voor 6- tot en met 17-jarigen in het Vlaams Gewest voor het schooljaar 2009-2010

6-11 jarigen n % 392 761

12-17 jarigen n % Personen in het rijksregister in het Vlaams Gewest 425 407 Vrijstelling door diploma 513 0,121 Vrijstelling door de CABO 174 0,044 228 0,054 Verblijft niet (meer) in het Vlaams Gewest * 1 091 0,278 903 0,212 Inschrijvingen in onderwijsinstellingen in Vlaanderen 380 503 96,879 408 012 95,911 Inschrijvingen in individueel huisonderwijs 19 0,005 78 0,018 Inschrijvingen in scholen van de Franse Gemeenschap 8 832 2,249 12 774 3,003 Inschrijvingen in buitenlandse scholen 2 038 0,519 2 067 0,486 Niet ingeschreven, opvolging door procureur 86 0,022 430 0,101 Niet ingeschreven, interne opvolging 18 0,005 402 0,094 * In deze categorie zijn de kinderen opgenomen van wie gekend is dat ze buiten het Vlaams Gewest verblijven, de kinderen van wie de verblijfplaats niet gekend is (ambtshalve afschrijvingen, vermiste kinderen) en de kinderen die door de transmissietijd tussen de gemeenteregisters en het centrale rijksregister ten onrechte in het bestand opgenomen zijn. Bron: AgODi (2011)

Merk op dat in tabel 2.1 het aantal leerlingen dat huisonderwijs volgt onderschat is, aangezien enkel individueel huisonderwijs en dus niet het collectief huisonderwijs (privéscholen) opgenomen is. In 2010-2011 volgden er in totaal 294 leerlingen huisonderwijs in het basisonderwijs. In het secundair onderwijs waren dat er 647. Er wordt ook vastgesteld dat er elk schooljaar meer leerlingen huisonderwijs volgen. Tien jaar geleden waren er nog respectievelijk 84 (BaO) en 135 (SO). Over een tienjarige periode is er dus sprake van een ruime verdrievoudiging in het BaO en een ruime verviervoudiging in het SO.


Huisonderwijs mag niet verward worden met „onderwijs aan huis‟, dat thuis of in een medische instelling wordt verstrekt aan zieke leerplichtigen of leerplichtigen met een handicap. http://www.ond.vlaanderen.be/leerplicht/.

11

Huisonderwijs kan hetzij individueel gegeven worden (individueel huisonderwijs) hetzij in een organisatie of instelling al dan niet gebaseerd op een zekere rechtsvorm (collectief huisonderwijs). Huisonderwijs kan ook gecombineerd worden met gewoon onderwijs. Dat kan enkel wanneer de school de leerling inschrijft als vrije leerling (de school is hier niet toe verplicht). Dat wil zeggen dat de school geen subsidies of financiering krijgt voor de leerling én dat de leerling geen studiebekrachtiging krijgt, ook al slaagt hij/zij voor de examens die georganiseerd zijn door de school.

12


2.2

De structuur van het Vlaamse onderwijs

In Vlaanderen maakt het kleuteronderwijs (KO), samen met het lager onderwijs (LO), deel uit van het basisonderwijs (BaO) (Decreet basisonderwijs van 25 februari 1997). Sinds 1 september 2003 dienen nieuwe scholen de structuur kleuter- én lager onderwijs aan te nemen. Bestaande autonome kleuter- en lagere scholen konden hun structuur behouden (Decreet landschap basisonderwijs van 10 juli 2003). Het lager onderwijs bestaat normaal gezien uit zes leerjaren (minimaal 4 en maximaal 8 jaren). Naast het gewoon kleuter en lager onderwijs bestaat het buitengewoon kleuter en lager onderwijs voor leerlingen met bijzondere zorgbehoeften.

Figuur 2.1

Organisatie van het onderwijs in de Vlaamse gemeenschap

Bron: Cedefop rapport

Het gewoon voltijds secundair onderwijs wordt horizontaal ingedeeld in vier graden van elk twee leerjaren. Vanaf de tweede graad is het verticaal opgedeeld in 4 onderwijsvormen: Algemeen Secundair Onderwijs (ASO), Technisch Secundair Onderwijs (TSO), Kunstsecundair Onderwijs (KSO) en Beroepssecundair Onderwijs (BSO). Vierde graden worden enkel georganiseerd in het beroepssecundair onderwijs (BSO). De 4e graad verpleegkunde werd vanaf 2009-2010 ondergebracht in het hoger beroepsonderwijs (HBO5). Andere specialisaties (mode, plastische kunsten) in de vierde graad behoren niet tot het hoger beroepsonderwijs. Deze richtingen worden progressief afgebouwd en kunnen nog aangeboden worden tot het schooljaar 2012-2013. Na het 2e leerjaar van de 3e graad worden verschillende zgn. 7e leerjaren georganiseerd in ASO, KSO en BSO. De vroegere 7e specialisatiejaren in TSO en KSO werden vanaf 1 september 2009 ondergebracht in het nieuwe beroepsgerichte Se-n-Se, secundair-na-secundair onderwijs. Na de 1e graad BSO bestaat sinds 2000 een experimenteel modulair opgebouwd BSO. De deeltijdse leerplicht vergt voortaan ook een voltijds engagement van de leerlingen. Daarvoor is een „stelsel van leren en werken‟ uitgebouwd. Het omvat deeltijds beroepssecundair onderwijs

Naast het gewoon secundair onderwijs bestaat het buitengewoon secundair onderwijs voor leerlingen met bijzondere zorgbehoeften. Maar ook binnen het gewoon onderwijs worden speciale maatregelen getroffen voor zorgbehoeftigen: GOK, gelijkeonderwijskansenbeleid, GON, geïntegreerd onderwijs, ION, inclusief onderwijs voor mentaal gehandicapte type 2 leerlingen. Voor zieke leerlingen wordt Tijdelijk Onderwijs Aan Huis georganiseerd.

2.3

De organisatie van het basisonderwijs

2.3.1 2.3.1.1

Toelatingsvoorwaarden Toelating tot kleuteronderwijs

Kleuters kunnen vanaf 2,5 jaar enkel instappen in het kleuteronderwijs op vaste instapdata en vanaf dan als regelmatige leerling worden beschouwd. Deze instapdata zijn de eerste schooldag na: de zomervakantie, de herfstvakantie, de kerstvakantie, de krokusvakantie, de paasvakantie en Hemelvaart, en de eerste schooldag van februari. Vóór de instapdatum mag een kleuter tussen 2,5 jaar en 3 jaar niet op school aanwezig zijn. Een kleuter die de leeftijd van 3 jaar bereikt heeft, kan elke dag worden ingeschreven en in de school worden toegelaten zonder rekening te moeten houden met de instapdata (Omzendbrief BaO/2001/10 van 10 augustus 2001). 2.3.1.2

Overgang naar het lager onderwijs

Een schoolcarrière in het kleuteronderwijs eindigt meestal in de maand juni van het jaar waarin het kind 6 jaar wordt; in september van dat jaar begint dan het lager onderwijs en tevens de leerplicht die twaalf jaar duurt. Ouders kunnen echter beslissen om hun kind het eerste jaar lager onderwijs reeds te laten aanvangen op de leeftijd van vijf jaar of het kind daarentegen nog een jaar in het kleuteronderwijs te laten doorbrengen. Daarvoor is echter steeds advies nodig van de klassenraad van de betrokken kleuterschool en het hoofd van het Centrum voor Leerlingenbegeleiding (CLB). De ouders nemen wel de eindbeslissing. Vanaf 1 september 2010 kunnen zesjarige leerlingen pas starten in het lager onderwijs van een Nederlandstalige lagere of basisschool als ze het schooljaar voordien ten minste 220 halve dagen Nederlandstalig kleuteronderwijs gevolgd hebben of geslaagd zijn in een taaltest. 2.3.1.3

Overgang naar het secundair onderwijs

Het minimaal aantal jaren in het lager onderwijs is teruggebracht tot 4. Normaal gebeurt de overgang naar het secundair na het 6e jaar lager onderwijs. Het is echter mogelijk dat een kind

13

OKAN, onthaalonderwijs voor anderstalige nieuwkomers heeft tot doel Nederlandsonkundige leerlingen, die onlangs in België zijn aangekomen, op te vangen, zo snel mogelijk Nederlands te leren en hen te integreren in de onderwijsvorm en studierichting die het nauwst aansluit bij de individuele capaciteiten van deze anderstalige nieuwkomer. Het onthaalonderwijs bevat daarom eerst een onthaaljaar, waarbij de leerling gedurende een schooljaar intensief Nederlands (minimum 28u/week) krijgt. Na het onthaaljaar worden deze leerlingen verder ondersteund, begeleid en opgevolgd. De onthaaljaren voor anderstalige nieuwkomers worden in geen enkele graad ondergebracht.


DBSO met deeltijdse vormingen en de leertijd in KMO‟s georganiseerd door SYNTRA Vlaanderen. De „leertijd‟ is toegankelijk voor jongeren die aan de voltijdse leerplicht hebben voldaan en de leeftijd van 25 jaar nog niet hebben bereikt. De leertijd mag worden gevolgd tot het einde van het schooljaar waarin de jongere de leeftijd van 25 jaar bereikt.


maximaal acht jaar doorbrengt in het lager onderwijs, mits een positief advies van de klassenraad en advies van het CLB (Decreet van 25 februari 1997). Zo kan een kind dat laattijdig in het onderwijs is gestart (ten gevolge van ziekte, handicap of immigratie) langer in het lager onderwijs blijven, tot het einde van het schooljaar waarin het de leeftijd van 15 jaar bereikt (en onder voorwaarde niet meer dan 8 jaren in dit onderwijsniveau te hebben doorgebracht). Wanneer een leerling een deel van zijn loopbaan lager onderwijs in het gewoon en een ander deel in het buitengewoon onderwijs heeft doorgebracht, dan is de mogelijke duur van het lager onderwijs deze van het buitengewoon onderwijs.

2.3.2

Leeftijdsniveaus en leeftijdsgroepen

In het kleuteronderwijs zijn leerlingen doorgaans gegroepeerd volgens de leeftijd: kinderen van 2,5 jaar tot 3 jaar; van 3 tot 4 jaar; van 4 tot 5 jaar; van 5 tot 6 jaar. De indeling in groepen behoort echter tot de vrijheid van het schoolbestuur (d.i. de inrichtende macht). Meestal blijft de leerkracht niet bij de klasgroep als die overgaat naar een volgend jaar. Sommige scholen hanteren kortstondig of continu het verticaal verdelingssysteem, waarbij verschillende leeftijdsgroepen in eenzelfde jaar samen zitten wanneer het aantal leerlingen te klein is om aparte leerjaren in te richten. Het aantal leerlingen per klas valt onder de autonomie van het schoolbestuur. Het lager onderwijs omvat 6 jaren. De indeling van de kinderen in groepen en het aantal leerlingen per klas behoort tot de vrijheid van elk schoolbestuur. Het jaarklassensysteem is niet verplicht maar wordt de facto in veel scholen gebruikt.

2.4

2.4.1

De organisatie van het secundair onderwijs

Toelatingsvoorwaarden

Over het algemeen hebben de leerlingen de leeftijd van twaalf jaar bereikt vooraleer zij tot het secundair onderwijs toetreden. Hieronder worden de toelatingsvoorwaarden beschreven voor leerlingen in de verschillende graden en onderwijsvormen van het secundair onderwijs. Leerlingen met een getuigschrift basisonderwijs kunnen het 1e leerjaar A aanvangen (Besluit van de Vlaamse Regering van 19 juli 2002). Leerlingen die het getuigschrift basisonderwijs niet behaalden na het laatste jaar lager onderwijs, kunnen toch worden toegelaten tot het 1e leerjaar A op voorwaarde van een onderling akkoord met de ouders, een advies van het Centrum voor Leerlingenbegeleiding (CLB) én een gunstige beslissing van de toelatingsklassenraad van het 1e leerjaar A. In het 1e leerjaar B kunnen als regelmatige leerling worden toegelaten: - de regelmatige leerlingen die het 6e leerjaar van het gewoon lager onderwijs hebben beëindigd, doch niet met vrucht; - de leerlingen die het 6e leerjaar van het gewoon lager onderwijs niet hebben gevolgd of niet hebben beëindigd, op voorwaarde dat zij uiterlijk op 31 december volgend op de aanvang van het schooljaar 12 jaar worden; - de houders van het getuigschrift van basisonderwijs, behaald in het gewoon of buitengewoon onderwijs, op voorwaarde van akkoord met de betrokken personen die vooraf het advies van het CLB moeten hebben ontvangen; - de regelmatige leerlingen van het buitengewoon lager of secundair onderwijs die geen getuigschrift van basisonderwijs bezitten, op voorwaarde van een gunstige beslissing van de toelatingsklassenraad én een akkoord van de betrokken personen, die vooraf het advies van het CLB-centrum moeten hebben ontvangen.

2.4.3

Scholengemeenschappen en onderwijszones

Een scholengemeenschap is een samenwerkingsverband van verschillende scholen op een zelfde onderwijsniveau (basis- of secundair onderwijs), binnen een geografische omschrijving. Het opzet is enerzijds schaalvergroting en het studieaanbod transparanter te maken en daardoor de studiekeuze en leerlingenoriëntering te optimaliseren en anderzijds de beschikbare middelen zo efficiënt mogelijk aan te wenden. Dat kunnen scholen zijn met eenzelfde of verschillende inrichtende macht en die behoren tot eenzelfde of verschillend onderwijsnet. In september 1999 gingen zij van start in het secundair onderwijs (door het decreet secundair onderwijs van 14 juli 1998), in september 2003 in het basisonderwijs (door het decreet van 10 juli 2003 betreffende het landschap basisonderwijs). Scholen voor buitengewoon basisonderwijs kunnen reeds sinds de start van de scholengemeenschap in 2003 deel uitmaken van een scholengemeenschap basisonderwijs. De aansluiting van scholen gebeurt op vrijwillige basis voor een periode van 6 schooljaren, telkens hernieuwbaar. Op 1 september 2011 zullen ze opnieuw gevormd worden voor een periode van 6 schooljaren. Voor een rationele ordening van het aanbod werden 44 geografische onderwijszones afgebakend. Als algemeen principe (met twee uitzonderingen) geldt dat elke scholengemeenschap binnen maximum 5 aangrenzende zones moet gelegen zijn. Tevens is het aantal scholengemeenschappen gecontingenteerd. Een scholengemeenschap dient minstens 900 leerlingen (gewogen) te tellen. In toenemende mate worden de scholengemeenschappen in de beleidsuitvoering betrokken en krijgen ze extra middelen van de overheid.

2.5

2.5.1

Het inschrijvingsrecht

Algemeen

We behandelen het inschrijvingsrecht zoals dit recent gewijzigd werd in het decreet op het inschrijvingsrecht van 9 november 2011. Dit decreet treedt in werking op 1 september 2012, maar heel wat bepalingen stammen uit het GOK-decreet van 2002 of uit de wijzigingen die eerder al doorgevoerd werden. De specifieke bepalingen met betrekking tot de capaciteitsbepaling worden besproken in hoofdstuk 6.

2.5.2

De inschrijving van een leerling

Elke leerling heeft recht op inschrijving in de school of vestigingsplaats, gekozen door de ouders. Dit recht geldt ook voor meerderjarige leerlingen, zij kunnen zelf hun school of vesti-


Leeftijdsniveaus en leeftijdsgroepen

Het voltijds secundair onderwijs wordt ingedeeld in vier graden van elk twee leerjaren (uitgezonderd de driejarige opleiding verpleegkunde van de vierde graad), eventueel aangevuld met een derde leerjaar van de tweede graad van het beroepssecundair onderwijs en met een derde leerjaar van de derde graad. In theorie geldt voor het secundair onderwijs het jaarklassensysteem waarin groepen leerlingen met een identieke leeftijd een klas vormen. Omwille van mislukkingen en zittenblijven hebben de klassen soms een heterogene samenstelling (in het bijzonder in het beroepsonderwijs). Elk vak wordt onderwezen door een leerkracht die zich daarin heeft gespecialiseerd. De onderwijsbevoegdheid van de leerkracht hangt af van zijn bekwaamheidsbewijs. Leerkrachten geven les in verschillende leerjaren en leerlingen krijgen les van verschillende leerkrachten.

15

2.4.2


gingsplaats kiezen. Voorafgaand aan de inschrijving stelt de inrichtende macht de ouders in kennis van het schoolreglement en het pedagogisch project van de school. De leerling kan pas worden ingeschreven als de ouders of de meerderjarige leerling schriftelijk instemmen met het pedagogisch project en het schoolreglement. Inschrijvingen voor een bepaald schooljaar kunnen in het basisonderwijs, de eerste graad van het secundair onderwijs en het BuSO ten vroegste starten op de eerste schooldag van februari van het voorafgaande schooljaar (inschrijvingen voor het schooljaar 2013-2014 kunnen ten vroegste starten op 1 februari 2013). Hierop zijn verschillende uitzonderingen mogelijk, o.m. voor de inschrijving van leerlingen die behoren tot de voorrangsgroepen (bv. broers en zussen van reeds ingeschreven leerlingen, kinderen van personeelsleden, …). In het basisonderwijs kunnen die onder bepaalde voorwaarden al vanaf 1 september van het voorafgaande schooljaar ingeschreven worden. In de 1e graad van het SO en in het BuSO kunnen zulke „vervroegde‟ inschrijvingen vanaf de eerste schooldag na de kerstvakantie. Voor het secundair onderwijs van de 2e en de 3e graad kunnen de inschrijvingen starten vanaf de eerste schooldag na de paasvakantie van het voorafgaande schooljaar. Het decreet op het inschrijvingsrecht verstrengde de bepalingen over de start van de inschrijvingen. Het GOK-decreet maakte die voor alle categorieën van leerlingen mogelijk vanaf 1 september van het voorafgaande schooljaar. Vóór 2002 bestonden geen expliciete regels over de start van de inschrijvingen. Leerlingen hoeven zich niet jaarlijks opnieuw in te schrijven. Een inschrijving geldt immers voor de volledige duur van de schoolloopbaan van de leerling, binnen een gegeven onderwijsaanbod (bv. van begin tot einde basisonderwijs, van begin tot einde secundair onderwijs). De enige uitzonderingen hierop zijn de definitieve uitsluiting of de uitschrijving op formele vraag van de ouders of de meerderjarige leerling. Bij de overgang van leerlingen van een autonome kleuterschool naar een (autonome) lagere school of van een autonome eerste graad secundair onderwijs naar de tweede graad secundair onderwijs (bovenbouw) kan een inrichtende macht opteren om geen formele inschrijving te vragen op voorwaarde dat de beide scholen zich op eenzelfde campus bevinden. Als hiervan gebruik gemaakt wordt, moet dit opgenomen worden in de schoolreglementen van de betrokken scholen. Wanneer een leerling zich met zijn ouders (of een wettelijke houder van het ouderlijk gezag) aanbiedt op de school om zich in te schrijven, is er sprake van een formele vraag tot inschrijving. Op dat moment kan de inschrijving twee vormen aannemen: gerealiseerde inschrijvingen (ouders verklaren zich akkoord met het pedagogisch project en het schoolreglement en er zijn geen decretaal bepaalde redenen om de leerling te weigeren) of geweigerde inschrijvingen (ouders verklaren zich akkoord met het pedagogisch project en het schoolreglement, maar één van de decretaal bepaalde weigeringgronden is van toepassing). De inschrijvingen gebeuren in principe chronologisch, d.i. volgens het „wie eerst komt, eerst maalt‟-principe. Om dit principe te bewaken moet in elke school een inschrijvingsregister worden bijgehouden. Hierin worden elk schooljaar zowel de gerealiseerde als de geweigerde inschrijvingen in chronologische volgorde genoteerd. Het register kan ook worden bijgehouden per vestigingsplaats of per administratieve groep. Het register is belangrijk, zo kan de school in het geval van een klacht het inschrijvingsverloop verantwoorden (bv. de consequente toepassing van weigeringen vanwege overschrijding van capaciteit). Als tussen het ogenblik van de weigering en de laatste schooldag van oktober van het nieuwe schooljaar in een school (of vestigingsplaats, studiegebied of administratieve groep) één of meerdere plaatsen vrijkomen (doordat bepaalde leerlingen worden uitgeschreven) of bijkomen

2.5.3

Weigeringen

Het recht op inschrijving heeft onvermijdelijk tot gevolg dat scholen leerlingen niet zomaar kunnen weigeren. Scholen die leerlingen weigeren, kunnen dit enkel op basis van een van de decretaal voorziene weigeringsgronden. 2.5.3.1

Toelatingsvoorwaarden

Een leerling die zich wil inschrijven, moet voldoen aan de toelatingsvoorwaarden voor het onderwijsniveau, het leerjaar en de studierichting waarvoor hij/zij zich wil inschrijven. Leerlingen moeten voldoen aan de toelatingsvoorwaarden op het moment van de effectieve instap in de opleiding. Dit betekent dat, bij een inschrijving tijdens het voorafgaande schooljaar, de leerling op dat moment nog niet moet voldoen aan de toelatingsvoorwaarden, maar pas op de eerste dag van het schooljaar (of op de instapdag voor de jongste kleuters). Leerlingen die niet voldoen aan de toelatingsvoorwaarden op de dag van de effectieve instap, worden geweigerd door de school. Dit doet evenwel niets af aan het recht van de inrichtende macht om deze leerlingen als vrije leerling in te schrijven. Bij een verandering van studiekeuze in de loop van het schooljaar moet de leerling ook voldoen aan de overgangsvoorwaarden. 2.5.3.2

Geen ‘co-schoolschap’

De inschrijving dient geweigerd te worden wanneer uit herhaalde schoolverandering in de loop van hetzelfde schooljaar blijkt dat het de bedoeling is (of wanneer het er in de feiten toe zou leiden) dat een leerling afwisselend naar verschillende scholen gaat. Ook als na een echtscheiding in het kader van een „co-ouderschapsregeling‟ afgesproken werd dat een kind afwisselend bij de ene en dan bij de andere ouder verblijft, mag men daar geen afwisselende inschrijving in twee verschillende scholen aan verbinden. Het kind moet in één bepaalde school ingeschreven worden.


In het basisonderwijs, de eerste graad van het SO en in het volledige BuSO kan voorafgaand aan de eigenlijke inschrijvingen een aanmeldingsperiode georganiseerd worden. Aanmeldingsperiodes en de bijbehorende aanmeldingsprocedures zijn in eerste instantie nuttig om tot een betere coördinatie van vraag en aanbod te komen. De beschikbare plaatsen worden volgens bepaalde criteria onder de gegadigde leerlingen verdeeld. Daarbij dient in eerste instantie rekening gehouden te worden met (1) de keuze van de ouders, (2) de decretaal bepaalde voorrangsgroepen en (3) de evenredige verdeling van GOK- en niet-GOK-leerlingen. Daarbinnen worden leerlingen vervolgens volgens secundaire rangordecriteria geordend. Het decreet bepaalt welke ordeningscriteria binnen welk niveau (basis- versus secundair onderwijs) toegelaten zijn. Voor het basisonderwijs bijvoorbeeld is tijdstip van aanmelding niet toegelaten, maar afstandscriteria (afstand thuis - school, afstand werk - school) wel. Leerlingen die tijdens de aanmeldingsperiode aangemeld werden, worden in de volgorde van hun rangschikking in het inschrijvingsregister opgenomen, vóór de leerlingen die zich na afloop van de aanmeldingsperiode aandienen. Voor die laatsten geldt terug het gewone chronologieprincipe.

17

(doordat de capaciteit verhoogd wordt), moet de volgorde van het inschrijvingsregister worden gerespecteerd. Concreet betekent dit dat de school de geweigerde leerlingen in volgorde van het inschrijvingsregister eerst moet contacteren alvorens nieuwe leerlingen in te schrijven. Na de laatste schooldag van oktober vervalt deze verplichting. Voor de instappertjes (kinderen van 2,5 jaar) geldt deze verplichting tot het einde van het nieuwe schooljaar.

18


2.5.3.3

Capaciteit

De inrichtende macht kan elke bijkomende inschrijving weigeren, wanneer deze inschrijving tot gevolg heeft dat de vooropgestelde maximumcapaciteit overschreden wordt. De specifieke regelgeving voor de capaciteitsbepaling verschilt naargelang van het onderwijsniveau (zie verder in hoofdstuk 6). De algemene regel is dat de school vrij kan kiezen op hoeveel leerlingen ze de maximumcapaciteit vaststelt. Wel moet dit aantal op voorhand vastgelegd zijn. Wanneer een school een leerling weigert omwille van capaciteit, moet zij dit principe ook consequent toepassen. De school moet, in het geval van een klacht, via het inschrijvingsregister kunnen aantonen dat na de weigering van een leerling wegens capaciteit, er in dat niveau geen nieuwe leerlingen meer worden ingeschreven. Hierop kunnen voor bepaalde categorieën van leerlingen wel uitzonderingen toegestaan worden. Voor het basisonderwijs worden acht categorieën van leerlingen onderscheiden die „in overtal‟ genomen kunnen worden (o.m. anderstalige nieuwkomers, kinderen die geplaatst zijn door de jeugdrechter of comités voor bijzondere jeugdzorg, internaatsleerlingen, enz.). In het secundair onderwijs kunnen vijf categorieën van leerlingen „in overtal‟ genomen worden. Deze afwijking is niet verplicht, iedere inrichtende macht bepaalt voor zichzelf of ze hier al dan niet gebruik van maakt. 2.5.3.4

Uitsluitingen

Als een leerling (basis- of secundair onderwijs) tijdens het lopende, het vorige of het daaraan voorafgaande schooljaar definitief werd uitgesloten in de school, kan de inrichtende macht een nieuwe inschrijving weigeren. In het secundair onderwijs geldt dit ook voor scholen die geen formele inschrijving vragen bij de overgang van een autonome eerste graad secundair onderwijs naar de tweede graad secundair onderwijs (wat kan als scholen op dezelfde campus liggen en deze regeling is opgenomen in het schoolreglement, zie hoger). Deze worden wat het inschrijvingsrecht betreft als één geheel beschouwd. Een leerling die bijvoorbeeld definitief is uitgesloten in het tweede jaar van een autonome middenschool, kan het volgende schooljaar in het derde jaar van de school op dezelfde campus worden geweigerd. Scholen voor secundair onderwijs kunnen in sommige gevallen ook de inschrijving weigeren van leerlingen die als gevolg van een definitieve uitsluiting in de loop van het schooljaar van school veranderen. Deze mogelijkheid is bedoeld voor scholen waarvan de draagkracht onder druk komt te staan. Scholen kunnen deze weigeringgrond echter enkel toepassen na overleg en goedkeuring binnen het lokaal overlegplatform (LOP). Deze weigeringen moeten gebeuren op basis van criteria die vooraf door het LOP zijn bepaald. Het LOP mag deze criteria vastleggen, maar moet ten minste rekening houden met de volgende elementen: het aantal leerlingen in de school dat aantikt op een van de GOK-indicatoren, het aantal reeds ingeschreven elders uitgesloten leerlingen en het aantal begeleidingsdossiers problematische afwezigheden binnen de school. Wanneer het LOP geen overeenstemming bereikt over deze criteria, kan geen enkele school binnen het werkingsgebied van het LOP deze weigeringsgrond inroepen. Ook scholen die niet in het werkingsgebied van een LOP liggen, kunnen geen elders uitgesloten leerlingen weigeren. Als de leerling vanwege onvoldoende draagkracht wordt geweigerd, zal het lokaal overlegplatform automatisch een bemiddelingstaak opnemen. Indien de school buiten het werkingsgebied van een LOP ligt, wordt de bemiddeling waargenomen door een LOP-deskundige en een onderwijsinspecteur die door de Vlaamse regering per provincie aangeduid werden. Concreet zal AgODi in dat geval de nodige stappen zetten om deze bemiddeling op gang te brengen. 2.5.3.5

Draagkracht voor leerlingen met bijzondere noden

Ook leerlingen die naar het buitengewoon onderwijs georiënteerd werden, hebben recht op inschrijving in een school voor gewoon onderwijs. Een school voor gewoon onderwijs kan zulke


leerlingen (m.u.v. leerlingen die naar type 8 georiënteerd werden) evenwel inschrijven onder de ontbindende voorwaarde van onvoldoende draagkracht. Dat wil zeggen dat de inschrijving terug ontbonden kan worden wanneer de school vaststelt dat ze niet kan voldoen aan de specifieke noden van de leerling op het vlak van onderwijs, therapie of verzorging. De beslissing tot ontbinding kan enkel genomen worden na zorgvuldige afweging van de mogelijkheden en het draagvlak van de school enerzijds en van de individuele noden van de leerling anderzijds. Dit dient in overleg met de ouders en het CLB te gebeuren en er dient rekening gehouden te worden met alle bijkomende ondersteunende maatregelen waarover de leerling en de school kunnen beschikken. Die afweging dient voor elke case afzonderlijk te gebeuren. Een school kan dus niet op voorhand beslissen geen draagvlak te hebben voor bijvoorbeeld leerlingen die naar type 2 georiënteerd werden. Wordt een leerling na zo‟n afwegingsprocedure alsnog door de school geweigerd, dan wordt automatisch een bemiddeling opgezet, zoals hoger al onder 2.5.3.4 geschetst werd.

Wat de vraagzijde betreft, is het uiteindelijke doel de evolutie van de schoolbevolking voor verschillende geografische gebieden te voorspellen. Aangezien bevolkingsprojecties normaliter de volledige leeftijdsstructuur van de (officiële) bevolking van een bepaald geografisch gebied voorspellen, kunnen deze projecties ook als basis dienen om prognosemodellen voor de evolutie van de schoolbevolking op te stellen.

3.1

Demografische prognosemodellen

De basis van het prognosemodel wordt gevormd door een model dat werkt met overgangskansen. Het begint met een stand van de bevolking op een moment t, opgesplitst naar elke leeftijd. Bij prognoses worden vier grote factoren van bewegingen in aanmerking genomen: nataliteit, mortaliteit, emigratie en immigratie (cf. tabel 3.1). De werkwijze bestaat er vervolgens in om iteratief, jaar na jaar, de voorspelde toestand op het einde van jaar t+1 te berekenen als resultaat van de toepassing van de verschillende bewegingen gedurende het jaar t+1 op de bevolking op het einde van jaar t (Willems 2006). Bevolking: Stockt+1= Stockt + int+1 - uitt+1= Stockt + Gt+1 - St+1+ IMt+1 - EMt+1 Bevolkingsstromen: nataliteit (G), mortaliteit (S), immigratie (IM) en emigratie (EM) Om te bepalen wat er met deze personen gebeurt in het komende jaar, worden overgangskansen gebruikt die bepaald zijn met behulp van historische gegevens. De bewegingen worden doorgaans berekend door aan de bevolking die aan het „risico‟ onderworpen is, een probabiliteit toe te kennen dat de gebeurtenis zich ook werkelijk voordoet.‟ (NIS, 2001). Om ook rekening te houden met immigratie (personen van buiten het geografisch gebied komen binnen het gebied

21

De demografische ontwikkeling is een belangrijke determinant van de evolutie van de schoolbevolking. Demografische vooruitzichten zoals nu door P. Willems en E. Pelfrene worden aangemaakt voor de Vlaamse steden bieden houvast inzake de toekomstige evolutie. Een realistische inschatting van de lokale onderwijsvraag gaat echter veel verder, en moet onder meer rekening houden met de bevolking die niet in prognosen is opgenomen (o.a. asielzoekers), met onderwijsachterstand waardoor per hoofd meer jaren in een bepaald niveau wordt doorgebracht.

hoofdstuk 3 | Prognosemodellen voor de vraagzijde

3 | Prognosemodellen voor de vraagzijde

wonen) kan gewerkt worden met ophoogfactoren. Ook deze factoren zijn geschat op basis van historische gegevens. Merk op dat niet alle migratiebewegingen meetellen. Doorgaans wordt het onderscheid gemaakt tussen externe en interne migratie. Alleen bewegingen waarbij de grenzen van het geografisch gebied doorkruist worden (externe migratie), dienen meegeteld te worden. De bevolkingstromen binnen het geografisch gebied (interne migratie) spelen geen rol bij het bepalen van de bevolking binnen dit bepaald gebied. Bewegingen worden als interne of externe migratie aangeduid afhankelijk van het niveau van geografische aggregatie. Wat externe migratie is op niveau van steden/gemeenten is interne migratie op hoger niveau.

Tabel 3.1

Demografische componenten van bevolkingsprognose modellen

22


Vlaanderen

Stad/Gemeente

Bevolking op moment t+1= bevolking op moment t + flows tussen t en t+1 Inwoners Stockt+1= Stockt + Gt+1 - St+1 + Mt+1 Geboorte G: geboortecijfer G: geboortecijfer Sterfte S: sterftecijfer S: sterftecijfer Migratiebeweging= M (migratiesaldo): verhuizen + M (migratiesaldo): Verhuizen naar - verhuizen uit verhuisbewegingen (externe Vlaanderen (externe migratie) migratie) naar of uit Vlaanderen binnen Vlaanderen tussen gemeenten

Binnenstedelijk (wijk/statistische sector) G: geboortecijfer S: sterftecijfer + M (migratiesaldo): verhuisbewegingen (externe migratie) naar of uit Vlaanderen binnen Vlaanderen tussen gemeenten binnen gemeente tussen wijken

Bevolkingsprognoses geven projecties over de verwachte bevolking naar leeftijd en woonplaats. Het is belangrijk te duiden hoe het begrip bevolking hierbij afgebakend wordt. Afbakening van de officiële bevolking: het rijksregister en het KSZ-register (bron: kruispuntbank der sociale zekerheid) Het Rijksregister bevat alle natuurlijke personen die officieel en reglementair ingeschreven zijn in een Belgische gemeente en alle personen die een aanvraag hebben gedaan tot politiek asiel. Deze gegevens worden verkregen van de gemeenten en in een gegevensbank bijgehouden in de schoot van de federale overheidsdienst Binnenlandse Zaken. Het Rijksregister bestaat uit het bevolkingsregister (Belgen), het vreemdelingenregister (niet Belgen met een permanente verblijfstatus) en het wachtregister. Het wachtregister bestaat uitsluitend uit asielzoekers of exasielzoekers en omvat volgens Vreemdelingenzaken de volgende categorieën die kunnen overgaan naar het vreemdelingenregister: - erkend worden als vluchteling; - subsidiaire bescherming (sinds 10/10/2006); - ontheemdenstatuut verkregen (Kosovaren 1999-2000); - regularisatie; - ex-asielzoekers die via een visum gezinshereniging terug naar België komen; - ex-asielzoekers die via een studentenvisum terug naar België komen; - ex-asielzoekers die met een visum en arbeidskaart terug naar België komen; - (ex-)asielzoekers die in België gezinshereniging verkrijgen na huwelijk met een Belg of een EU-er; - asielzoekers die tijdens het legaal verblijf in België gezinshereniging verkrijgen na huwelijk met een niet-EU-er.

Alle personen die bekend zijn bij de Belgische socialezekerheidsinstellingen beschikken over een uniek nummer: het INSZ. Voor de personen opgenomen in het rijksregister komt dit nummer overeen met het Rijksregisternummer, zoniet met een Bisregisternummer, of het Terregisternummer.

Inzake bevolkingsvooruitzichten zijn er twee bronnen: de federale en de Vlaamse bevolkingsvooruitzichten. De meest recente federale vooruitzichten werden in 2008 gepubliceerd door het Federaal Planbureau en ADSEI en geven projecties voor de periode 2007-2060. Bij deze langetermijnprojecties vormen de arrondissementen de kleinste geografische eenheid. Deze projecties geven jaarlijkse vooruitzichten voor de officiële bevolking volgens de officiële definities naar leeftijd op 1 januari. Deze projecties houden dus enkel rekening met de in België officieel wonende burgers. Dit zijn de personen die behoren tot het bevolkingsregister en het vreemdelingenregister (personen met een buitenlandse nationaliteit), niet de personen die behoren tot het wachtregister. De meest recente Vlaamse vooruitzichten werden op 2 maart 2011 voorgesteld door de Studiedienst van de Vlaamse Regering (SVR). Het betreft hier vooruitzichten van de bevolking en huishoudens voor Vlaamse steden en gemeenten voor de periode 2009-2030. Bij deze middellange termijnprojecties vormen de fusiegemeenten de kleinste geografische eenheid. Hierbij wordt de officiële bevolking geprojecteerd door middel van een combinatie van verschillende bronnen. Ook hier gebeuren de projecties naar leeftijd op 1 januari. Bijgevolg behoren enkel de personen die behoren tot het bevolkingsregister en het vreemdelingenregister tot de officiële bevolking. In- en uittredes uit het bevolkings- of vreemdelingenregister van of naar het wachtregister, het bis- of terregister en de niet geregistreerde bevolking vallen onder migratiebewegingen. Evenwel de grootste groep migratiebewegingen wordt gevormd door de personen die vertrekken naar het buitenland en dus niet naar wacht-, bis- of terregister of de niet-geregistreerde bevolking overgaan. Ze worden gewoon burger van een ander land. In omgekeerde richting gebeurt precies hetzelfde: nieuwkomers uit Nederland bijvoorbeeld, passeren niet via het wacht- of ander register.

23

Naast de geregistreerde bevolking is er ook de niet geregistreerde bevolking. Daartoe behoren de personen zonder wettige verblijfsstatus en sommige asielzoekers.


Het Bisregister bevat die personen die bij de Belgische socialezekerheidsinstellingen gekend zijn, maar niet ingeschreven zijn in een Belgische gemeente. Het Bisregister bevat ook de geradieerde Rijksregisternummers, dit wil zeggen Rijksregisternummers die overgeheveld zijn naar het Bisregister. Een radiatie kan gebeuren omwille van een ambtshalve schrapping door de wijkagent, bevestigd door het schepencollege, bijvoorbeeld omdat het domicilieadres niet meer bewoond wordt, en de persoon niet in een andere Belgische gemeente is ingeschreven. Personen die geradieerd worden uit het Rijksregister komen terug in het bisregister als deze personen nog een band hebben met de Belgische sociale zekerheid en zich niet ingeschreven hebben bij een diplomatieke post in het buitenland. Indien een persoon zich wel heeft ingeschreven bij een diplomatieke post of aan de gemeente heeft gemeld dat hij/zij naar het buitenland vertrok en welk land het betreft, maakt hij/zij terug deel uit van het Rijksregister, met een buitenlandse woonplaatscode. Het Terregister bevat de personen voor wie cruciale gegevens ontbreken. Er worden haast geen nieuwe Ter-nummers meer gecreëerd.

3.2

Prognosemodellen voor de schoolbevolking

In tabel 3.2 geven we aan hoe de kernbegrippen van de demografische prognosemodellen hun vertaalslag vinden in een onderwijscontext. De dynamiek van een schoolbevolking is gelijkaardig aan de dynamiek van een bevolking. Wordt de dynamiek van een bevolking bepaald door processen van nataliteit, mortaliteit, en interne en externe migratie dan wordt de dynamiek van een schoolbevolking gegeven door instromers en uitstromers. Daarbij kunnen ook geboortes (generatieleerlingen) en sterftes ((on)gekwalificeerd schoolverlaten) onderscheiden worden. En net zoals migratiebewegingen de evolutie van de bevolking kunnen beïnvloeden, kunnen processen van schoolkeuze de evolutie van de schoolbevolking beïnvloeden. Voor de schoolbevolking gebruiken we de volgende definities: - instroom als 1° inschrijving in het onderwijs of een onderwijsniveau (generatieleerling): instromer; - instroom vanuit een andere school (binnen hetzelfde onderwijsniveau): neveninstromer; - uitstroom uit het onderwijs of uit een onderwijsniveau: (on)gekwalificeerde schoolverlater; - uitstroom uit school naar ander school (binnen hetzelfde onderwijsniveau): uitstromer.

Tabel 3.2

Vertaling van de demografische componenten naar de schoolbevolking

24


Vlaanderen

Stad/gemeente

Binnenstedelijk (wijk/statistische sector) Schoolbevolking op moment t+1= schoolbevolking op moment t + flows tussen t en t+1 Leerlingen Stockt+1= Stockt + Gt+1 - St+1 + Mt+1 „Geboorte‟ G: instromer G: instromer G: instromer „Sterfte‟ S: schoolverlater S: schoolverlater S: schoolverlater Migratiebeweging= M (migratiesaldo): M (migratiesaldo): M (migratiesaldo): schoolkeuze (al neveninstromer van buiten neveninstromer vanuit school neveninstromer vanuit school dan niet Vlaanderen - uitstromer naar buiten gemeente - uitstromer naar buiten de wijk - uitstromer naar veroorzaakt door school buiten Vlaanderen school buiten de gemeente een school buiten de wijk verhuizen)

Om de leeftijdstructuur van de schoolbevolking binnen een bepaald geografisch gebied te voorspellen moet niet alleen de toekomstige evolutie van het geboortecijfer en het sterftecijfer ingeschat worden maar zijn ook assumpties nodig over de verwachte migratiestromen in termen van woonplaatsen (interne en externe migratie) en over de verwachte schoolkeuzestromen. Om de schoolbevolking te voorspellen dienen de bevolkingsprognosemodellen dus verrijkt te worden met gegevens over schoolkeuzeprocessen. Daartoe hebben we gegevens nodig die de koppeling tussen de woonplaats van de leerling en de vestigingsplaats van de school aangeven. De leerlingendatabank van het departement onderwijs bevat deze gegevens en kan gebruikt worden om na te gaan wat de gerealiseerde schoolkeuze is/waar scholen rekruteren. Zo kan voor elke school, of voor alle scholen van een bepaald geografisch gebied, het voedingsgebied afgebakend worden. Daarom maken we in tabel 3.3 ook het onderscheid tussen inwoners en niet-inwoners van een bepaald geografisch gebied.

Opsplitsing van de componenten voor de prognose van de schoolbevolking naar inwoners en niet-inwoners

Stad/gemeente

Binnenstedelijk (wijk/statistische sector) Schoolbevolking op moment t+1= schoolbevolking op moment t + flows tussen t en t+1 Leerlingen Stockt+1= Stockt + G1t+1 + G2t+1 – S1t+1 – S2t+1 + M1t+1+ M2t+1 „Geboorte‟ G1: instromer die woont in G1: instromer die woont in de G1: instromer die woont in de Vlaanderen gemeente wijk G2: instromer die woont G2: instromer die woont buiten de G2: instromer die woont buiten buiten Vlaanderen gemeente de wijk „Sterfte‟ S1: schoolverlater die woont S1: schoolverlater die woont in de S1: schoolverlater die woont in in Vlaanderen gemeente de wijk S2: schoolverlater die woont S2: schoolverlater die woont S2: schoolverlater die woont buiten Vlaanderen buiten de gemeente buiten de wijk Migratiebeweging= M1: migratiesaldo inwoners van M1: migratiesaldo inwoners van schoolkeuze (al gemeente de wijk dan niet Inwoners van gemeente die school Inwoners van de wijk die school veroorzaakt door liepen buiten de gemeente en nu liepen buiten de wijk en nu verhuizen) school lopen binnen de gemeente school lopen binnen de wijk – inwoners van de gemeente die – inwoners van de wijk die school liepen binnen de gemeente school liepen binnen de wijk en en nu school lopen buiten de nu school lopen buiten de wijk gemeente M2: migratiesaldo niet inwoners M2: migratiesaldo niet inwoners van gemeente van de wijk Niet- inwoners van de gemeente Niet- inwoners van de wijk die die school liepen buiten de school liepen buiten de wijk en gemeente en nu school lopen nu school lopen binnen de wijk binnen de gemeente – niet- inwoners van de wijk die – niet- inwoners van de gemeente school liepen binnen de wijk en die school liepen binnen de nu school lopen buiten de wijk gemeente en nu school lopen buiten de gemeente

De volgende gegevens zijn minimaal nodig voor het opstellen van leerlingenprognoses: - gegevens over de woonplaats van de leerling en de vestigingplaatsen van scholen; - gegevens over de leeftijd van leerlingen (geboortedatum); - gegevens over de positie van de leerling in het onderwijs; - gegevens over de status in het rijksregister en het ksz-register; - een longitudinaal volgnummer per leerling. Op basis van deze gegevens kunnen leerlingenstromen in kaart worden gebracht en kunnen prognosemodellen opgesteld worden die gevoed worden door historische reeksen. Vervolgens zijn er gegevens die niet minimaal vereist zijn maar wel bruikbaar kunnen zijn om de determinanten van verhuisbewegingen en schoolkeuzes te schatten. Dit laat vervolgens toe om bij prognoses de verwachte migratie- en schoolkeuzestromen niet enkel te baseren op historische reeksen. Zo kan nagegaan worden wat hoe lokale migratie- en schoolkeuzestromen beïnvloedt worden door variabelen op drie niveaus opgenomen (leerlingen, scholen en buurten).

3.3

Beschikbare data over leerlingen en scholen

In een eerste fase van het onderzoek werden de beschikbare administratieve databronnen in kaart gebracht.


Vlaanderen

25

Tabel 3.3

3.3.1

Welke leerlingen zitten (niet) in de jaarlijkse leerlingenbestand?

In dit onderzoek maken we gebruik van jaarlijkse bestanden die de schoolbevolking weergeven zoals geteld op 1 februari. Hoewel de schoolbevolking een inherent dynamisch gegeven is, volstaat een jaarlijkse statische beschrijving voor het maken van prognoses. Net zoals bij de bevolkingsvooruitzichten is het geenszins het opzet van leerlingenprognoses om de evoluerende leerlingenaantallen binnen elk schooljaar te voorspellen.1

26


Deze aanpak levert een onderschatting op van de onderwijsvraag in het kleuteronderwijs aangezien alle instappende kleuters na 1 februari niet in de brongegevens opgenomen worden. Voor de volledigheid vermelden we dat we in deze dataoefening geen onderscheid maken naar de financieringsstatus van leerlingen: - regelmatige leerling: Leerling die voldoet aan de toelatingsvoorwaarden en die het geheel van de vorming van het leerjaar waarvoor hij is ingeschreven werkelijk en regelmatig volgt voor de hele duur van het schooljaar, behalve in geval van gewettigde afwezigheid. Een regelmatige leerling komt in aanmerking voor financiering/subsidiëring, schoolbevolkings-normen en voor het behalen van een officieel studiebewijs; - vrije leerling (secundair onderwijs): Leerling die niet voldoet aan de voorwaarden van regelmatige leerling. De inschrijving van een vrije leerling is niet onderworpen aan door de Vlaamse overheid bepaalde normen en omvat dan ook uitsluitend een onderlinge overeenkomst tussen de betrokken inrichtende macht of de schooldirectie en de ouders of de meerderjarige leerling zelf. Een vrije leerling komt noch in aanmerking voor financiering/subsidiëring, schoolbevolkingsnormen noch voor het behalen van een officieel studiebewijs. Een vrije leerling beantwoordt wel aan de bepalingen inzake de leerplicht op voorwaarde dat, zoals een regelmatige leerling, het geheel van de vorming wordt gevolgd.

3.3.2

De identificatie en het longitudinaal volgen van de leerlingen

De administratieve leerlingenbestanden worden gevoed door zendingen vanuit de scholen. Deze inkomende zendingen bestaan uit identificatiegegevens en inschrijvingsgegevens. Het identificatierecord bevat de gegevens die de leerling identificeren, het inschrijvingsrecord bevat de gegevens over de inschrijving van de leerling in een school. Identificatiegegevens: Instellingsnummer, hoofdstructuur, stamnummer, identificatienummer (RR-nummer of bisnummer van de lerende), geboortedatum, familienaam, eerste voornaam, straat woonplaats, huisnummer, busnummer, postcode woonplaats, land woonplaats, nationaliteit Inschrijvingsgegevens: onder meer Instellingsnummer, hoofdstructuur, stamnummer, vestigingsplaats, huidige administratieve groep, hoofdstructuur vorige inschrijving, financierbaarheid, thuisloos, trekkende bevolking, spreektaal moeder/vader/broer&zus/vrienden, opleidingsniveau moeder Bij de binnenkomende zendingen worden de beide gegevensstromen direct gescheiden. De jaarlijkse zendingen van identificatiegegevens voeden de databank „De Lerende Mens‟. Deze databank bevat identificatiegegevens van individuen in onderwijs met een longitudinaal volgnummer (timestamp). Deze timestamp wordt binnen De Lerende Mens gegenereerd indien binnen-

1

In het basisonderwijs worden late inen uitschrijvers bovendien niet geregistreerd.

komende individuen (uit zendingen) niet gematcht kunnen worden met een reeds bestaande timestamp. Bij inschrijving krijgt een leerling een uniek nummer (het stamnummer). Dit nummer moet uniek zijn binnen een „instelling‟ of binnen de combinatie „instelling-hoofdstructuur‟. Deze combinatie laat enkel toe om leerlingen binnen dezelfde school longitudinaal te volgen. Leerlingen die van school veranderen kunnen via deze nummers niet gevolgd worden. Scholen sturen zendingen van leerlingen door waarbij hen gevraagd wordt zoveel als mogelijk rijksregisternummers of bisnummers aan te leveren. Na het insturen van de zending, worden de gegevens op het departement automatisch gecontroleerd naar vorm en naar inhoud. Afhankelijk van het resultaat van deze controle wordt een bericht naar de school gestuurd met een beschrijving van de gedetecteerde anomalieën. Via terugzendingen wordt scholen gevraagd anomalieën recht te zetten.

De rijksregisternummers of bisnummers hebben een bepaalde structuur: - de eerste tot en met de zesde positie moet overeenkomen met de geboortedatum of daarmee maximaal één dag verschillen (formaat JJMMDD); - het derde en vierde cijfer geven de geboortemaand aan (indien het een bisnummer betreft, wordt de geboortemaand vermeerderd met 20 of met 40); - de volgende drie posities vormen een onpaar getal bij jongens en een even getal bij meisjes; - de laatste twee posities zijn een controlegetal.

3.3.3

Adressen van leerlingen en scholen

In de leerlingenbestanden zijn er voor de leerlingen twee bronnen van adresgegevens. Enerzijds is er het leerlingenadres volgens de zending. Dit is beschikbaar vanaf midden jaren negentig. Op basis van dit adres werd geen statistische sector aangemaakt. Daarnaast zijn er ook de adresgegevens uit het rijksregister. Het is opmerkelijk dat hoewel het rr-adres gekend is vanaf 20012002, de statistische sector pas bekend is vanaf 2006-2007. In tabel 3.4 wordt opgelijst vanaf wanneer gegevens beschikbaar zijn over de woonplaats van de leerlingen en de vestigingsplaatsen van de scholen.

27

Na de controle van de zendingen van de scholen worden de volgende stappen ondernomen om lerenden longitudinaal te identificeren. Voor individuen waarvoor geen rr-nr of bis-nr binnenkomt, wordt binnen de lerende mens zelf gezocht naar een match. Als er geen match gevonden wordt, wordt een nieuwe record toegevoegd, en worden de identificatiegegevens in een later stadium naar het rijksregister gestuurd met de vraag om match te vinden op basis van naam (ook fonetisch), geboortedatum, adres, ... Voor leerlingen waarvoor ook in het rijksregister geen match werd gevonden (bv. foute naam en geboortedatum, buitenlandse studenten, ...) wordt door de KSZ (Kruispuntbank van de Sociale Zekerheid) een bisnummer aangemaakt.


Zo doorlopen de identificatiegegevens een aantal controles eigen aan de databank De Lerende Mens. Hierbij wordt onder andere aan de hand van het rijksregisternummer getoetst of de door de scholen doorgezonden naam en voornaam van de student overeenstemmen met de reeds aanwezige gegevens in de databank De Lerende Mens.

Tabel 3.4

Beschikbare gegevens m.b.t. tot de woonplaats van de leerlingen en de vestigingsplaatsen van de scholen

Gewoon BAO

Buitengewoon BAO

Gewoon SO

Buitengewoon SO

DBSO

Woonplaats leerlingen Fusiegemeente* 94-95 96-97 92-93 96-97 95-96 Adres** 01-02 01-02 01-02 01-02 01-02 Statistische sector** 06-07 06-07 06-07 06-07 06-07 Vestigingsplaatsen Fusiegemeente 1989 1997 1989 2002 2000 Adres laatste 3 jr laatste 3 jr laatste 3 jr laatste 3 jr laatste 3 jr Statistische sector*** toekomst toekomst toekomst toekomst toekomst * Fusiegemeente: t.e.m. 2001-2002 bepaald o.b.v. NIS-code fusiegemeente, hetgeen een zekere foutenmarge met zich meebracht. Deze foutenmarge werd aanzienlijk verkleind toen vanaf 2002-2003 de NIS-code afgeleid werd o.b.v. postcode. ** Adres en statistische sector uit de tabellen Lerende Mens. *** Wordt gebouwd in het DWH, wanneer de gegevens beschikbaar zijn zal de history load teruggaan tot 2007-2008.


In deze oefening maken we voor de woonplaats van de leerling gebruik van het adres zoals dit in De Lerende Mens is opgenomen. Hierbij kiezen we ervoor om de woonplaats niet verder te detailleren dan de fusiegemeente. Bij het maken van exhaustieve leerlingenprognoses kan overwogen worden om voor grote steden gebruik te maken van binnenstedelijke geografische afbakeningen. Deze bestaan op dit moment alleszins voor de steden Antwerpen (eigen GIS-model Reynaert Stoop) en Gent (Diederik Gaus).

3.3.4

Geboortedatums van leerlingen

Ook voor de geboortedatum maken we gebruik van de gegevens uit De Lerende Mens.

3.3.5

Bijkomende gegevens om de prognosemodellen te verrijken

Bij de analyses kan ook gebruik gemaakt worden van de vier individuele financieringskenmerken (opleiding moeder, thuistaal, schooltoelage en kansarme buurt) en van de GOK-indicatoren. De volgende tabel geeft aan vanaf welke jaren de verschillende financierings- of GOK-kenmerken opgenomen zijn.

28

Tabel 3.5

Beschikbare gegevens m.b.t. de individuele leerlinggegevens: financierings- of GOKkenmerken

Gewoon BAO

Buitengewoon Gewoon SO BAO Toelage 08-09 Neen 07-08 Diploma moeder 07-08 Neen* 07-08 Thuistaal 07-08 Neen* 07-08 Buurt 07-08 Neen 07-08 Trekkende bevolking 07-08 Neen 07-08 Thuisloos 07-08 Neen 07-08 * In het BuO type 1 en 3 wordt deze indicator wel verzameld.

Buitengewoon SO Neen Neen* Neen* Neen Neen Neen

DBSO 07-08 07-08 07-08 07-08 07-08 07-08

Op basis van deze eerste inschatting van de databehoeften werden de volgende gegevens aangevraagd.

Tabel 3.6

Aangevraagde gegevens

Scholen Nummer_school

Vestigingsplaatsen Nummer_school

Positie in het onderwijs Nummer_admgr

Intern_volgnr_vpl Nis_code_fusie Postcode Straatnaam Huisnr Provincie Rand Kleine koepel Soort_im

Nis_code_fusie Postcode

Hoofdstructuur Natuurlijk_leerjr

Straatnaam Huisnr

Onderwijsvorm_so

Leerlingen Nummer_school Nummer_admgr Intern_volgnr_vpl Stamnummer Schooljaar Beschikbaarheid_GOK_ge gs Buurt_ik Opleiding_ik Taal_ik Schooltoelage_ik + uniek longitudinaal nummer

Nadien werden nog de volgende gegevens aangevraagd: adresgegevens van de leerlingen, geboortedatums, scholengemeenschappen en opsplitsing van bis en rrnr‟s. Deze opsplitsing is voor het eerst beschikbaar in 2006-2007.

3.4

3.4.1

Technische beschrijving van de modellen

Definities

In deze sectie omschrijven we kort de gehanteerde definities in de prognosemodellen - 1) Tijd (t) in jaartallen op 01/01/.... - 2) Bevolking ( ) met drie mogelijke statussen : geregistreerd in het Rijksregister : geregistreerd in het Bisregister : niet geregistreerd in het Rijksregisters of het Bisregister en vormen samen de bevolking niet geregistreerd in het Rijksregister - 3) Woonplaats van de leerling op moment t ( ) en vestigingsplaats van de school op moment t ( ) Als regionale afbakening voor de woonplaatsen en vestigingsplaatsen hanteren we een combinatie van fusiegemeenten (niscodes), onderwijszones en gewest (Niscode Gent, Onderwijszone Gent, Niscode Vilvoorde, Onderwijszone Vilvoorde, Brussels gewest, Waals gewest, elders, missing): - 4) geboortejaar van de leerling ( ); - 5) geslacht van de leerling ( );

29

Onderwijszones zitten in de zogenaamde ster geografie, een tabel met schakelcodes voor verschillende geografieën. De onderwijszones zijn enkel beschikbaar voor het secundair onderwijs en worden gebruikt in de regelgeving over scholengemeenschappen (zie hoofdstuk 2 sectie 2.4.3).


Het longitudinaal volgen van leerling is mogelijk vanaf het schooljaar 2001-2002. Vanaf dit moment is immers het rijksregisternummer (rr-nr) beschikbaar. Dit betekent dat we in de prognoseoefening gegevens zullen gebruiken vanaf het schooljaar 2001-2002. Het onderzoeksteam haalt er zelf de gegevens voor de cases (Gent en Vilvoorde) uit.

- 6) posities in het onderwijs: - hoofdstructuur op moment t ( ) o KO, BKO, LO, BLO, SO, DBSO, SYNTRA, BUSO - leerjaar op moment t ( ): o Leerjaren: 1-9 en code 0 (waar leerjaren niet van toepassing zijn) - onderwijsvorm binnen hoofdstructuur 311 op moment t ( ): o Onthaalklassen, GSO, ASO, KSO, TSO, BSO, HBO

30


3.4.2

Bouwstenen van de prognosemodellen

Een eerste bouwsteen voor de prognosemodellen is de cross-sectionele verdeling van de leerlingen naar woonplaats en vestigingsplaats van de school: - in het meest eenvoudige model wordt dit berekend per jaar t met kruistabellen van en . Cross-sectionele kansen ; - in een tweede model wordt dit verfijnd naar leeftijd van de leerlingen: conditioneel op een kruistabel van en . Cross-sectionele kansen ; - in een derde model wordt de positie in het onderwijs verder gepreciseerd en worden de kansen berekend per leeftijd en hoofdstructuur: conditioneel op per een kruistabel van en . Cross-sectionele kansen ; - in een vierde model wordt een verdere detaillering van hoofdstructuur naar leerjaar opgenomen, hierbij worden de kansen berekend per leeftijd en per leerjaar in een hoofdstructuur . Cross-sectionele kansen . In een tweede reeks van modellen worden overgangen of transities gemodelleerd. In deze modellen worden de transitiekansen van periode t naar periode t+1 berekend. Ook hier wordt de volledige stock van leerlingen op moment t verdeeld naar posities op moment t+1: - in het meest eenvoudige model wordt bij de berekening van de transitiekansen enkel rekening gehouden met de woonplaatsen van de leerling op tijdstip t en t+1 en de vestigingsplaatsen van de scholen op tijdstip t en t+1. Transitiekansen ; - in een tweede model worden de participatiegraden verfijnd naar leeftijd van de leerlingen: transitiekansen conditioneel op ; - in een derde model wordt de positie in het onderwijs verder gepreciseerd en worden de transitiekansen berekend per leeftijd en hoofdstructuur: transitiekansen conditioneel op en ; - in een vierde model wordt een verdere detaillering van hoofdstructuur naar leerjaar opgenomen: transitiekansen conditioneel per leeftijd en per leerjaar in een hoofdstructuur .

3.4.3

Prognosemodellen voeden met de bevolkingsvooruitzichten

De beide bouwstenen, zowel de cross-sectionele kansen als de transitiekansen worden berekend op de leerlingendatabank. In een prognosemodel voor de schoolbevolking worden deze bouwstenen dan gevoed door de vooruitzichten van de bevolking naar leeftijd en woonplaats. Merk op dat de koppeling tussen de bevolkingsprojecties en de databank met de schoolbevolking naar leeftijd niet zonder meer kan gebeuren. De officiële bevolking naar leeftijd en woonplaats zoals gedefinieerd in de bevolkingsprognoses verschilt immers van de schoolbevolking naar leeftijd en woonplaats.

De bevolkingsprognoses geven projecties over de verwachte officiële bevolking naar leeftijd en woonplaats. De schoolbevolking naar leeftijd wordt bepaald door de leerlingen die geregistreerd zijn in de leerlingendatabank van het departement onderwijs. Dit zijn de leerlingen die ingeschreven zijn in een school die gesubsidieerd/gefinancierd wordt door de Vlaamse gemeenschap. Hierbij worden de gegevens gebruikt van leerlingen zoals geteld op 1 februari.

Verschil tussen de officiële bevolking en de schoolbevolking op moment t

segment 3

Schoolbevolking

segment 1

segment 2

- Segment 1 : De officiële bevolking die ingeschreven is in een school die gesubsidieerd/gefinancierd wordt door de Vlaamse gemeenschap:  officiële bevolking woonachtig in Vlaams Gewest én ingeschreven in een ...  officiële bevolking woonachtig buiten Vlaams Gewest én ingeschreven in een ... - Segment 2 : De niet officiële bevolking die ingeschreven is een school die gesubsidieerd/gefinancierd wordt door de Vlaamse gemeenschap:  niet officiële bevolking woonachtig buiten Vlaams Gewest én ingeschreven in een ...  niet officiële bevolking woonachtig in Vlaams Gewest én ingeschreven in een ... - Segment 3 : De officiële bevolking die niet ingeschreven is een school die gesubsidieerd/gefinancierd wordt door de Vlaamse gemeenschap bv.:  officiële bevolking woonachtig buiten Vlaams Gewest én niet ingeschreven in een ...  officiële bevolking woonachtig in Vlaams Gewest die ingeschreven is in een school die niet gesubsidieerd wordt door de Vlaamse gemeenschap  officiële bevolking woonachtig in Vlaams Gewest die huisonderwijs volgt  officiële bevolking woonachtig in Vlaams Gewest én niet ingeschreven in een ... (niet leerplichtig of niet voldoen aan de leerplicht)


Officiële bevolking

31

Figuur 3.1

4.1

Overzicht van de bestanden

In tabel 4.1 en 4.2 wordt een overzicht gegeven van de gegevensbestanden die ontvangen werden. De bestanden met individuele leerlingengegevens bevatten gegevens over de schooljaren 2001-2002 tot en met 2010-2011. In een eerste stap worden de variabelennamen over de bestanden heen uniform gemaakt. De schooljaarcode werd herleid tot het kalenderjaar waarin het schooljaar start. Aangezien we scholen in deze oefening per vestigingsplaats benaderen, wordt een uniek nummer per vestigingsplaats (nummer_vpl) aangemaakt. Hierbij wordt het schoolnummer (nummer_school) gecombineerd met het uniek intern nummer (internvolgnr_vpl). Nummer_vpl= Nummer_school*100+ internvolgnr_vpl

33

In wat volgt beschrijven we systematisch de verschillende stappen die in deze data-oefening gevolgd werden. In dit hoofdstuk besteden we aandacht aan een kwaliteitscontrole van de gegevens, meer in het bijzonder gaan we in op de koppeling van de verschillende gegevensbestanden, missing data en longitudinale consistentie van gegevens. In het algemeen stellen we vast dat de kwaliteit van de beschikbare data doorheen de jaren verbetert.

hoofdstuk 4 | Wat is de kwaliteit van de beschikbare leerlingendata?

4 | Wat is de kwaliteit van de beschikbare leerlingendata?

34

Tabel 4.1

Overzicht van de gegevensbestanden

Naam tabel Positie_lln_bas Positie_lln_sec Socmix Beschikbaarheid GOK Admgr_bas Admgr_sec Instellingen+vpl Instellingen Adres_lln Gebdat_lln

Tabel 4.2


1 record=

Schooljaar

School

Ll in schooljaar Ll in schooljaar Ll in schooljaar Ll in schooljaar Adm. groep Adm. groep Vestiging School Ll in schooljaar Ll in schooljaar

Schooljaar Schooljaar Schooljaar Schooljaar

Nummer_school Nummer_school Nummer_school Nummer_school

Schooljaar Schooljaar

Nummer_school Nummer_school Nummer_school Nummer_school

Identificatievariabelen Vestiging Hoofdstructuur Nummer_vpl Hs Nummer_vpl Hs Nummer_vpl Hs Hs Hs Hs Nummer_vpl

Administratieve groep Nummer_admgr Nummer_admgr

Leerling Stamnummer Stamnummer Stamnummer Stamnummer

Nummer_admgr Nummer_admgr

Hs Hs

Stamnummer Stamnummer

Overzicht van de gegevensbestanden (vervolg)

Naam tabel Positie_lln_bas Positie_lln_sec Socmix Beschikbaarheid GOK Admgr_bas Admgr_sec Instellingen+vpl Instellingen

Onderwijsniveau BaO SO BaO en SO BaO en SO BaO SO BaO en SO BaO en SO

Aantal observaties 6 629 006 4 559 061 2 592 652 2 708 382 27 2 005 6 056 3 892

Eerste observatie 2001-2002 2001-2002 2007-2008 2007-2008

Adres_lln Gebdat_lln

BaO en SO BaO en SO

11 198 716 11 198 703

2001-2002 2001-2002

Laatste observatie 2010-2011 2010-2011 2009-2010 2009-2010

Informatie Timestamp_leerling Timestamp_leerling 4 financieringskenmerken Beschikbaarheid financieringskenmerken

2010-2011 2010-2011

Natuurlijk lj en onderwijsvorm Niscode, postcode, straat en huis Naam, niscode, postcode, straat en huisnr, ko_prov, Ko_soort_im, koepel, kleine koepel Postcode, straat, huis- en busnr Gebdat, geslacht, RRnr of bis gekend

4.2

Bestandskoppelingen: samenbrengen van de verschillende bestanden

In een volgende stap worden de gegevensbestanden aan elkaar gekoppeld. Dit gebeurt in verschillende stappen. In een eerste stap worden de bestanden met de geboortedata en de adressen van de leerlingen aan elkaar gekoppeld. Eerst worden de bestanden gecheckt op dubbele observaties. Zowel het bestand met de adressen als het bestand met de geboortedata bevatten negen volledig identieke records. Na verwijderen van deze dubbele observaties worden de beide bestanden gemerged op basis van de combinatie schooljaar, nummer_school, hoofdstructuur en stamnummer. Er zijn 13 observaties in het bestand met de adressen, die niet in het bestand met de geboortedatums zitten.

Niet in bestand gebdat_lln Wel in bestand gebdat_lln Totaal

Niet in bestand adres_lln 0 0 0

Wel in bestand adres_lln 13 11 198 694 11 198 707

Totaal 13 11 198 694 11 198 707

In een volgende stap worden deze bestanden gemerged met de bestanden met de leerlingenposities in het basis- en secundair onderwijs. Dit gebeurt op de combinatie van schooljaar, nummer_school, hoofdstructuur en stamnummer.

Tabel 4.4

Merge van de bestanden met de geboortedata en leerlingenposities in het onderwijs

Niet in Positie_lln_bas of Positie_lln_sec Positie_lln_bas gekend Positie_lln_sec gekend Totaal

Niet in bestand gebdat_lln of in adres_lln 0

Niet in bestand gebdat_lln & wel in adres_lln 0

121 3 124

13 0 13

Wel in bestanden gebdat_lln en adres_lln 10 764 6 628 872 4 559 058 11 198 694

Totaal 10 764 6 629 006 4 559 061 11 198 831

In het bestand zitten 124 observaties die niet in het bestand met de geboortedatum of het adres zitten, dus deze observaties hebben een missing op de geboortedatum, het rr-status en de niscode. Er zijn 13 observaties in het bestand met adres, die niet in bestand met de geboortedata zitten. Al deze observaties situeren zich in het schooljaar 2010. Voor 11 van deze observaties kon op basis van de timestamp een geboortedatum en geslacht gevonden worden in een ander record (zelfde individu in een ander schooljaar). Na bespreking met het departement onderwijs blijkt dat deze koppelingsproblemen het gevolg zijn van een data-aanvraag in verschillende stappen en geen aanduiding vormt van structurele missings in de bronbestanden.

4.3

Beschrijving van de sleutelvariabelen

Het gemerged bestand bevat informatie over alle 11 198 831 inschrijvingen in de periode 2001-2002 en 2010-2011. Deze inschrijvingen gaan uit van 1 836 152 unieke timestamps en 10 764 observaties zonder timestamp. Tabel 4.5 geeft informatie over deze inschrijvingen naar hoofdstructuur en schooljaar samen met het aantal inschrijvingen met missing waarden op de sleutelvariabelen.


Merge van de bestanden met de geboortedata en de adressen van de leerlingen

35

Tabel 4.3

36


Tabel 4.5

Overzicht van de inschrijvingen naar hoofdstructuur en schooljaar en de inschrijvingen met missing waarden op de sleutelvariabelen

Totaal Hoofdstructuur Gewoon KO Buitengewoon KO Gewoon LO Buitengewoon LO Gewoon SO DBSO zeevisserij CDV Syntra Buitengewoon SO Schooljaar 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

4.3.1

Aantal

Geboortedatum

11 198 831

137

2 408 679 19 584 3 929 032 273 277 4 313 051 67 146 42 602 7 604 179 814

57

1 115 123 1 115 016 1 113 831 1 118 105 1 117 657 1 117 157 1 118 307 1 119 845 1 128 911 1 134 879

63 25 24 3

76 1 2

1

9 13

Waarvan missing op Postcode_ll Timestamp en positie in het onderwijs 61 840 10 764

Registerstatus 137

11 328 102 11 842 1 266 33 420 500 0 1 30 3 351

707 21 721 117 794 129 1 602 7 604 68

57

4 641 4 917 5 338 5 848 6 371 6 632 6 977 7 080 7 033 7 003

1 953 273 119 81 58 333 319 8 3 908 3 712

63 25 24 3

76 1 2

1

9 13

Geboortedatum ( )

Voor 134 van de 137 observaties met een missing waarde op de geboortedatum kan via longitudinale koppeling een andere inschrijving gevonden worden voor dezelfde leerling (in een ander schooljaar) waar wel een geboortedatum is opgegeven. Zo kunnen deze missing waarden gesubstitueerd worden. Hierbij dient nog opgemerkt te worden dat 4 329 observaties een geboortedatum van de vorm „00.00.jaar‟ hebben, dus zonder geldige geboortedag of -maand. Dit is voor de huidige data-oefening niet van belang aangezien we enkel het geboortejaar gebruiken. Wel merken we dat via een longitudinale koppeling voor heel wat van deze observaties wel een volledige geboortedatum kan gevonden worden. Voor de lerenden waarvan de geboortedatum niet gekend is, wordt bij de zendingen gevraagd zoveel mogelijk de geboortedatum vermeld in het ID-nummer te volgen. Het voorkomen van deze „00.00‟ waarden bij zendingen is toegelaten, vermits deze ook kunnen voorkomen in het ID-nummer. De restricties op de zendingen vermelden verder dat 00-waarden toegelaten zijn voor dag en maand, maar niet gebruikt kunnen worden voor het geboortejaar. Er moet een jaartal ingevuld worden, ook indien het jaartal niet gekend is.

4.3.2

Woonplaats van de leerlingen (

)

De bevolkingsvooruitzichten van de Vlaamse regering bevatten enkel prognoses van de leeftijdsstructuur van de (officiële) bevolking van het Vlaams Gewest. In de mate dat scholen leerlingen recruteren die wonen buiten het Vlaams Gewest, dienen de prognoses gevoed te worden door bevolkingsvooruitzichten voor deze recruteringsgebieden.

Overzicht van de inschrijvingen naar hoofdstructuur en schooljaar, opgesplitst naar woonplaats van de leerlingen

Totaal Hoofdstructuur

Gewoon KO Buitengewoon KO Gewoon LO Buitengewoon LO Gewoon SO DBSO zeevisserij CDV Syntra Buitengewoon SO Schooljaar 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Vlaams Gewest

Postcode Brussels Waals Gewest Missing Gewest (buitenland) 297 728 85 625 61 840 2 66% 0 77% 0 55%

11 198 831

10 753 638 96 02%

2 408 679 19 584 3 929 032 273 277 4 313 051 67 146 42 602 7 604 179 814

2 276 850 19 019 3 771 265 265 212 4 176 550 64 442 42 496 7 482 172 280

97 848 394 111 549 5 806 76 540 1 971

22 653 69 34 376 993 26 541 233

11 328 102 11 842 1 266 33 420 500

104 79 3 437

1 13 746

1 30 3 351

1 115 123 1 115 016 1 113 831 1 118 105 1 117 657 1 117 157 1 118 307 1 119 845 1 128 911 1 134 879

1 079 241 1 077 297 1 074 060 1 075 855 1 072 759 1 071 215 1 070 534 1 071 114 1 078 646 1 082 917

23 853 25 117 26 512 28 363 30 129 30 517 31 854 32 395 33 693 35 295

7 388 7 685 7 921 8 039 8 398 8 793 8 942 9 256 9 539 9 664

4 641 4 917 5 338 5 848 6 371 6 632 6 977 7 080 7 033 7 003

In tabel 4.6 wordt aangegeven dat gemiddeld over de 10 schooljaren 96% van de bevolking van de Vlaamse scholen in het Vlaams Gewest woont. Gemiddeld 2,7% woont in het Brussels Gewest. Daarnaast heeft ongeveer 0,8% een woonplaats in het Waals Gewest en voor 0,5% is geen Belgische postcode bekend. Dit betekent dat deze leerlingen een niet-Belgische woonplaats hebben. De volgende figuren geven de evolutie weer van het aantal inschrijvingen van personen met een woonplaats buiten het Vlaams Gewest. We zien dat het aandeel van deze groep geleidelijk toeneemt doorheen de jaren. In absolute aantallen (figuur 4.1) wordt dit voornamelijk veroorzaakt door een sterkere aanwas vanuit het Brussels Gewest. In relatieve termen zien we dat het aandeel personen met een niet-Belgische woonplaats het sterkst stijgt (met 48% in het schooljaar 2010-2011 ten opzichte van het schooljaar 2001-2002).


Totaal Aantal

37

Tabel 4.6

Evolutie van inschrijvingen van personen met een woonplaats buiten het Vlaams Gewest

38


Figuur 4.1

4.3.3

Longitudinaal volgnummer

10 764 observaties zitten in de bestanden met adressen of geboortejaren van de leerlingen maar niet in de bestanden met de posities van de leerlingen in het basis of secundair onderwijs. Voor deze inschrijvingen is dus geen timestamp beschikbaar. Dit geldt voor alle observaties in de hoofdstructuren 314 en 315 (8 206 of 76%). De onderstaande figuur (figuur 4.2) geeft het aantal missing waarden weer zonder de observaties uit deze hoofdstructuren. Nu wordt duidelijk dat het aantal missing waarden verwaarloosbaar is in de laatste jaren. Merk op dat voor alle 10 764 observaties wel de registerstatus bekend is en 10 703 observaties een rijksregister- of bisnummer hebben. Vermoedelijk is voor deze observaties wel een longitudinaal nummer beschik-

baar. Deze missing waarden zijn inderdaad een louter gevolg van bestandskoppelingen als gevolg van de sequentiële data-aanvraag.

Registerstatus (onderscheid

en

)

In figuur 4.3 wordt voor de opeenvolgende schooljaren aangegeven of er een rijksregisternummer of een bisnummer gekend is. Hierbij worden de volgende posities onderscheiden: - het rijksregisternummer of het bisnummer is gekend; - noch het rijksregisternummer, noch het bisnummer is gekend.


4.3.4

Aantal inschrijvingen met missing waarden op het longitudinaal volgnummer naar schooljaar

39

Figuur 4.2

40


Figuur 4.3

Registerstatus naar schooljaar

Voor alle schooljaren is voor minstens 99% van de inschrijvingen een rijksregisternummer of een bisnummer gekend. In deze datareeks zit een duidelijke trendbreuk in het schooljaar 20062007. Dit is namelijk het eerste schooljaar waarvoor de bisnummers beschikbaar zijn. Voor dit schooljaar rapporteren we ook het onderscheid tussen de beide nummers. De volgende tabel (tabel 4.7) geeft, per hoofdstructuur weer wat de status is van de leerlingen m.b.t. de twee mogelijke registernummers. Hierbij worden de volgende posities onderscheiden: - Het rijksregisternummer is gekend - Het bisnummer is gekend - Noch het rijksregisternummer, noch het bisnummer is gekend. In het schooljaar 2006-2007 is voor 99,17% van de inschrijvingen een rijksregisternummer gekend, voor 0,81% is een bisnummer gekend en slechts voor 0,02% (n=238) is geen van beide nummers gekend. Het aantal leerlingen waarvoor geen nummer bekend is, botst met de intuïtie over het aantal leerlingen dat hier verwacht wordt.

Status in rijksregister: gegevens voor schooljaar 2006-2007

111 121 211 221 311 312 313 314 321 Totaal

Geen nummer Aantal % Aantal % Aantal % Aantal % Aantal % Aantal % Aantal % Aantal % Aantal %

81 0,03 0 0,00 80 0,02 4 0,01 67 0,02 1 0,02 0 0,00 0 0,00 5 0,03 238 0,02

Rijksregisternummer gekend 231 851 98,89 1 991 98,76 386 975 99,48 26 813 99,35 435 426 99,08 6 482 98,62 4 100,00 293 95,75 17 988 98,03 1 107 823 99,17

Bisnummer gekend 2 522 1,08 25 1,24 1 942 0,50 172 0,64 3 975 0,90 90 1,37 0 0,00 13 4,25 357 1,95 9 096 0,81

Totaal 234 454 2,016 388 997 26 989 439 468 6 573 4 306 18 350 1 117 157

De stabiliteit van de registerstatus wordt verder behandeld in sectie 4.5.1 van dit hoofdstuk.

4.3.5

Overzicht van de mogelijke posities in het onderwijs

10 764 observaties zitten in de bestanden met adressen of geboortejaren van de leerlingen maar niet in de bestanden met de posities van de leerlingen in het basis of secundair onderwijs. Voor deze inschrijvingen zijn dus geen positievariabelen, andere dan de hoofdstructuur (koppelingsvariabele), beschikbaar. Wat de positie van de leerlingen in het onderwijs betreft worden drie variabelen meegenomen - hoofdstructuur op moment t ( ); - leerjaar binnen hoofdstructuur op moment t ( ); - Onderwijsvorm binnen hoofdstructuur op moment t ( ) enkel voor 311. In tabel 4.8 wordt de combinatie van hoofdstructuren ( ) en leerjaren ( ) weergegeven samen met de minimum en maximum leeftijd van individuen zoals die in de periode 2001-2010 voorkomen in de databank. Hierbij staat de code nvt voor „niet van toepassing‟.


Hoofdstructuur

41

Tabel 4.7

Tabel 4.8

Leerjaar Leeftijd Hoofdstructuren nvt 1 2 3 4 5 6 7 8 9 missing min max Kleuter onderwijs KO x 2 13 Buitengewoon kleuter onderwijs BKO x 2 10 Lager onderwijs LO x x x x x x 3 19 Buitengewoon lager onderwijs BLO x 5 15 Secundair onderwijs SO x x x x x x x x x x 8 59 Deeltijds beroepsonderwijs DBSO CDO x 13 28 Zeevisserij * x 16 18 Centrum voor deeltijdse vorming CDV * ** x 13 19 Leertijd SYNTRA ** x 14 32 Buitengewoon secundair onderwijs BUSO *** x x x x x x x x x 10 70 * Als gevolg van hervorming van de systemen van deeltijds leren en werken zijn gedurende de observatieperiode een aantal structuurhervormingen doorgevoerd. Het nieuwe decreet betreffende het stelsel leren en werken trad in werking op 1 september 2008. Bijgevolg worden de hoofdstructuren 313 en 314 niet meer gebruikt vanaf het schooljaar 2008-2009. * Het studiegebied zeevisserij wordt vanaf het schooljaar 2008-2009 door het Maritiem Instituut Mercator aangeboden in de hoofdstructuur 312. ** De Centra voor deeltijdse vorming (CDV) organiseren persoonlijke ontwikkelingstrajecten voor jongeren met persoonlijke of sociale problemen in het deeltijds beroepsonderwijs. Vanaf schooljaar 2008-2009 mogen jongeren zich wel aanmelden bij een centrum deeltijdse vorming, maar moeten ze zich wel inschrijven en screenen in een CDO/SYNTRA-leertijd. *** In het BUSO komen leerjaren enkel voor in opleidingsvormen 3 en 4. OV4 omvat 3 graden, 4 onderwijsvormen en een groot aantal studierichtingen uit het „gewone „ secundair onderwijs, maar dan met doelstellingen en ondersteuning aangepast aan de problematiek van de jongere. Het biedt onderwijs aan normaal begaafde jongeren die wegens de ernst van hun handicap (motorische, visuele, auditieve) of wegens de voortdurende medische en paramedische ondersteuning die ze nodig hebben (zieke jongeren), niet naar het gewoon onderwijs kunnen.

Tabel 4.9 geeft voor het gewoon secundair onderwijs de combinatie van onderwijsvormen en leerjaren aan en de minimum en maximum leeftijd van individuen zoals die in de periode 20012010 voorkomen in de leerlingendatabank. Hierbij staat de code nvt voor „niet van toepassing‟.

Tabel 4.9

HS 311

42


111 121 211 221 311 312 313 314 315 321

Overzicht van de leerjaren ( ) en de minimum en maximum leeftijd van leerlingen binnen de verschillende hoofdstructuren ( )

4.4

Hoofdstructuren ( individuen

) en leerjaren ( ) aan en de minimum en maximum leeftijd van

Leerjaar Leeftijd Onderwijsvormen nvt 1 2 3 4 5 6 7 8 9 17 18 min max 999 * x x x 8 44 GSO x x 9 23 ASO x x x x x 10 41 KSO x x x x x 13 38 TSO x x x x x 10 54 BSO ** x x x x x x x x 12 59 HBO *** x 17 59 * De onderwijsvorm met code 999 omvat de onthaal- of schakelklassen voor anderstalige nieuwkomers. In de periode 2001-2009 omvat dit de eerste onthaalklas voor anderstalige nieuwkomers (administratieve groep 25 002). In de periode 2005-2009 omvat dit bovendien de schakelklas onthaalklas anderstalige nieuwkomers proeftuin (administratieve groep 34 901). Vanaf 2010 worden deze vervangen door het eerste en het tweede onthaaljaar voor anderstalige nieuwkomers (administratieve groep 37 749 en 37 750) die respectievelijk leerjaar 17 en 18 omvatten. ** Naast het „lineaire‟ stelsel (met graden en leerjaren), loopt in het BSO sinds september 2000 het experiment modulair onderwijs. In dit stelsel bestaan geen graden, leerjaren en studierichtingen. *** HBO: op 1 september 2009 werd het Hoger Beroepsonderwijs (HBO) ingevoerd dat volledig modulair georganiseerd is.

Meervoudige inschrijvingen per individu in één schooljaar

Een telling geeft aan dat longitudinale volgnummers meervoudig kunnen voorkomen binnen eenzelfde schooljaar. Dit komt 2 930 keer voor. In tabel 4.10 geven we het aantal observaties weer dat binnen eenzelfde schooljaar meervoudig voorkomt, samen met de identificatienummers: school (nummer_vpl), richting (hs en nummer_admgr) en leerling (stamnummer).

Voorkomen van meervoudige inschrijvingen binnen eenzelfde schooljaar

Variabelen die identiek zijn

Dubbele observatie Individu ingeschreven in >1 adm. groep in zelfde vestigingsplaats met zelfde stamnummer Individu ingeschreven in >1 adm. groep in zelfde vestigingsplaats met ander stamnummer Individu ingeschreven in 1 adm. groep in zelfde vestigingsplaats met ander stamnummer Individu ingeschreven in 1 adm. groep in verschillende vestigingsplaatsen met zelfde stamnummer Individu ingeschreven in >1 adm. groep in verschillende vestigingsplaatsen met zelfde stamnummer Individu ingeschreven in 1 adm. groep in verschillende vestigingsplaatsen en ander stamnummer Individu ingeschreven in >1 adm. groep in verschillende vestigingsplaatsen en ander stamnummer Totaal

Schooljaar Schooljaar

Timestamp Timestamp

Nr_vpl Nr_vpl

Stamnr Stamnr

Schooljaar

Timestamp

Nr_vpl

Schooljaar

Timestamp

Nr_vpl

Schooljaar

Timestamp

Stamnr

Schooljaar

Timestamp

Stamnr

Schooljaar

Timestamp

Schooljaar

Timestamp

Hs Nr_admgr

Aantal gevallen in BaO SO 0 0 13 0 7

5

Hs Nr_admgr

30

7

Hs Nr_admgr

2

0

21

2

151

41

1.938

713

2.162

768

Hs Nr_admgr

De vaakst voorkomende reden van meervoudige inschrijving is dat een leerling ingeschreven is in eenzelfde (6,5%) of verschillende (90%) administratieve groep(en) in verschillende scholen (vestigingsplaatsen) met een ander stamnummer. De onderstaande tabel (tabel 4.11) geeft de combinatie van hoofdstructuren van deze meervoudige inschrijvingen aan. Voor 2 568 leerlingen betreft de meervoudige inschrijving een inschrijving in het buitengewoon onderwijs (n) die gecombineerd wordt met een andere inschrijving: - in het gewoon onderwijs: n=1 953 - in het buitengewoon onderwijs: n=615

43

Dit kan mogelijks verklaard worden door leerlingen in type 5 van het buitengewoon onderwijs (voor langdurig zieke kinderen, kinderen die opgenomen zijn in een ziekenhuis of op medische gronden verblijven in een preventorium) die in hun oorspronkelijke school ingeschreven blijven.


Tabel 4.10

Tabel 4.11

HS HS 111 121 211 221 311 312 321 Totaal

Meervoudige inschrijvingen binnen eenzelfde schooljaar: combinatie van hoofdstructuren

111 117

117

121 524 85

609

211 26 14 83

123

221 4 19 830 456

1309

311

17 3 107 127

312

321

10 2

1 4 571 6 51 633

12

Totaal 671 118 931 463 688 8 51 2 930

In figuur 4.4 wordt weergegeven hoe het aantal meervoudige inschrijvingen evolueert over de schooljaren. Er is een duidelijk dalende tendens van 2002-2003 tot 2007-2008, gevolgd door een scherpe daling in het schooljaar 2008-2009.

44


Figuur 4.4

4.5

Meervoudige inschrijvingen binnen eenzelfde schooljaar: evolutie over de schooljaren

Longitudinale stabiliteit van leerlingkenmerken

In een volgende stap gaan we na in welke mate variabelen ook stabiel blijven over de schooljaren. In sectie 4.3 gaven we reeds aan dat er in de periode 2001-2010 1 836 152 unieke timestamps voorkomen. Voor deze unieke timestamps gaan we na in welke mate bepaalde leerlingenkenmerken stabiel blijven over de schooljaren.

4.5.1

Stabiliteit van de registerstatus

Voor 10 opeenvolgende schooljaren, beginnend met 2001-2002 gaan we na wat de opeenvolgende waarden zijn op de variabele RRnr_of_bisnr. We coderen de mogelijke waarden op deze variabele als: - code 1: RRnr_of_bisnr is gekend voor dit schooljaar; - code 2: RRnr_of_bisnr is niet gekend voor dit schooljaar; - code 8: RRnr_of_bisnr status is missing voor dit schooljaar; - code 9: timestamp komt niet voor in dit schooljaar. In de volgende tabel (tabel 4.12) vatten we samen welke sequenties van codes voorkomen.

Registerstatus per individu

Enkel codes 1 en codes 9 Codes 2: geen nummer Waarvan Combinatie 9-2 Combinatie 2-1 (en 9) Combinatie 1-2 (en 9) Combinatie 1-2-1 (en 9) Codes 8 status niet gekend Waarvan Combinatie 8-1 (en 9) Combinatie 1-8 (en 9) Combinatie 1-8-1 (en 9) Combinatie 9-8 Totaal

Omschrijving Rr-nr of bisnr is gekend voor alle inschrijvingen Voor minstens 1 inschrijving is er geen rr-of bisnr Geen gekend nummer voor alle inschrijvingen Geen nummer gevolgd door gekend nummer Gekend nummer gevolgd door geen nummer Gekend nummer- geen nummer - gekend nummer Status onbekend voor minstens 1 inschrijving Onbekende status gevolgd door gekend nummer Gekend nummer gevolgd door onbekende status Gekend nummer - onbekend - gekend nummer Registerstatus onbekend voor alle inschrijvingen

Aantallen n % 1 808 694 98,51 27 349 1,49 19 822 7 074 32 421 109

0,00

77 12 17 3 1 836 152

100,00

Voor 98,5% van alle individuen is voor elke inschrijving een rijksregister- of bisnummer gekend. Voor 27 259 individuen (1,5%) is er minstens 1 inschrijving waarvoor er geen registernummer gekend is. Over de volledige observatieperiode is geen registernummer gegeven voor 19 822 individuen. Voor iets meer dan 7 000 individuen is er sprake van een intrede in het rijksof bisregister en voor 453 individuen is er sprake van een uittrede of een combinatie van een inen uittrede. Daarnaast zijn er nog 109 unieke timestamps waarvoor de registerstatus voor minstens 1 inschrijving onbekend is. In sectie 4.3 van dit hoofdstuk gaven we al aan dat er 137 observaties niet in het aangeleverde bestand met de registerstatus opgenomen waren. Voor 134 van deze observaties werd wel een ander record voor dezelfde timestamp gevonden en kunnen de missing waarden opgelost worden.

4.5.2

Stabiliteit van de geboortedatum

Van de 1 836 152 unieke timestamps zijn er 1 362 timestamps waar de geboortedatum wijzigt over de jaren.


Sequentie van codes

45

Tabel 4.12

In dit hoofdstuk bespreken we resultaten van de data-oefeningen en de prognosemodellen. In de eerste sectie bespreken we de evolutie van de officiële bevolking in het Vlaams Gewest en de participatiegraden aan het onderwijs dat gesubsidieerd/gefinancierd wordt door de Vlaamse gemeenschap. In de secties 5.2 en 5.3 bespreken we de bouwstenen voor deze prognosemodellen, de cross-sectionele kansen in sectie 5.2 en de transitiekansen in sectie 5.3. We verduidelijken deze concepten aan de hand van voorbeelden voor de cases van Gent en Vilvoorde. De vierde sectie beschrijft een concrete poging om leerlingenaantallen te voorspellen door het koppelen van de bevolkingsdynamiek (naar woonplaats) aan leerlingengegevens (naar plaats van onderwijs). Het betreft echter geen toekomstgerichte voorspelling, maar een simulatie van de leerlingenevolutie tussen 2001 en 2010. Aangezien we voor deze periode de reële evolutie kennen, laat dit doe de kwaliteit van de modellen te beoordelen, wat past in de haalbaarheidsstudie die hier ondernomen wordt. Bij deze data-oefening konden de observaties met een ontbrekende timestamp niet meegenomen voor het berekenen van de transitiekansen, dit was wel mogelijk voor de doorsnede-analyse. Voor de transitiekansen werd ook slechts 1 inschrijving per timestamp per schooljaar in rekening gebracht. Voor de 2 928 unieke timestamps waarvoor 2 (2 926 cases) of 3 (2 cases) observaties zijn per schooljaar werd door een toevalstrekking één observatie geselecteerd.

46

hoofdstuk 5 | Haalbaarheid van prognoses: empirische data oefening

5 | Haalbaarheid van prognoses: empirische data oefening

5.1

Evolutie van de officiële bevolking en de participatiegraden aan het onderwijs

In deze sectie gebruiken we de SVR bevolkingsgegevens en de leerlingendatabank om de evolutie te schetsen van de officiële bevolking en de participatiegraden aan het onderwijs dat gesubsidieerd/gefinancierd wordt door de Vlaamse gemeenschap. We geven de cijfers voor het Vlaams Gewest en voor de cases Gent en Vilvoorde. Hierbij verduidelijken we de gehanteerde definities uit sectie 3.4 van hoofdstuk 3.

5.1.1

De evolutie van de officiële bevolking (SVR bevolkingsgegevens)

In een eerste reeks figuren wordt de evolutie geschetst van de officiële bevolking ( ) van het Vlaams Gewest naar leeftijd. We beperken de reeks tot de periode waarvoor we gegevens hebben over de schoolbevolking (zoals geteld in februari van de periode 2002-2011). De gegevens

vóór 2008 zijn historische reeksen, de gegevens ná 2008 zijn gegevens uit de vooruitzichten van de studiedienst van de Vlaamse regering (SVR).

Evolutie van de officiële bevolking (2-22 jarigen) van het Vlaams Gewest naar leeftijdsgroepen over de periode 2002-2011

Figuur 5.2

Evolutie van de officiële bevolking (2-22 jarigen) in Gent (links) en Vilvoorde (rechts) naar

47

Figuur 5.1


In figuur 5.1 rapporteren we de evolutie van de omvang van drie geaggregeerde leeftijdsgroepen (2-5 jarigen, 6-11 jarigen en 12-17 jarigen. Voor het volledig Vlaams Gewest zien we dat, over de periode 2002-2011 het aantal 2-5 jarigen lichtjes daalt tot 2006 om daarna sterk te stijgen. In 2011 zijn er zo‟n 5,6% meer 2-5 jarigen dan in 2002. Het aantal 6-11 jarigen daalt met 6,6% tot 2010. Het aantal 12-17 jarigen stijgt tot 2006 om daarna terug te dalen. Het aantal 18-22 jarigen daalt tot 2006 om daarna geleidelijk te stijgen.

In figuur 5.2 wordt een beeld gegeven van de omvang van de respectievelijke leeftijdsgroepen in Gent en Vilvoorde. Deze absolute cijfers geven evenwel geen duidelijk visueel beeld van de pro-

centuele toe- of afname over de periode 2002-2011. Gebruiken we de gegevens van 2002 als basis en drukken we de evolutie tot 2011 uit als index ten opzichte van het basisjaar zie (figuur 5.3) dan zien we dat: - de stijging van het aantal 2-5 jarigen meer uitgesproken is in Vilvoorde en in Gent; - er bij de 6-11 jarigen eerder een stabiel patroon is in Gent en een forse stijging in Vilvoorde; - de evolutie van het aantal 12-17 jarigen in Gent het patroon volgt van het Vlaams Gewest, terwijl in Vilvoorde het aantal 12-17 jarigen met 25% toeneemt over de periode 2002-2011.

Indexevolutie van de officiële bevolking (2-22 jarigen) naar leeftijdsgroepen over de periode 2002-2011 in het Vlaams gewest, Gent en Vilvoorde

48


Figuur 5.3

Deze cijfers kunnen verder opgesplitst worden naar leeftijd. Deze figuren zijn opgenomen in bijlage.

5.1.2

Participatiegraden aan het Vlaamse onderwijs

In een tweede reeks figuren worden de participatiegraden per leeftijd geschetst. Deze participatiegraden hebben als doel aan te geven welk percentage van een bepaalde bevolking (hier de officiële bevolking van het Vlaams Gewest) deelneemt aan onderwijs dat gesubsidieerd/gefinancierd wordt door de Vlaamse gemeenschap. Participatiegraden schommelen bijgevolg tussen 0 en 100%. Voor de 6 tot en met 17-jarigen (behoudens de uitzonderingen2) geven 2

Volgende kinderen zijn vrijgesteld van de leerplicht: kinderen die door een fysieke of mentale handicap door de Commissie van Advies voor Buitengewoon Onderwijs, een vrijstelling van de leerplicht kregen, samen met jongeren die al een diploma van secundair onderwijs, een studiegetuigschrift van het tweede leerjaar van de derde graad BSO of een kwalificatiegetuigschrift van opleidingsvorm 3 van het buitengewoon onderwijs behaalden

deze cijfers het aandeel van deze leeftijdsgroep dat aan de leerplicht voldoet door onderwijs te volgen in een school gesubsidieerd/gefinancierd door de Vlaamse gemeenschap. Hierbij dient opgemerkt te worden dat leerlingen die voldoen aan de deeltijdse leerplicht in centra voor deeltijdse vorming en Syntra-opleidingen niet meegerekend worden.

Deze oefening kunnen we maken voor de volledige periode 2002-2011. In tweede instantie berekenen we ook de participatiegraad door de schoolbevolking naar leeftijd die ook tot de officiële bevolking behoort te delen door de officiële bevolking ( ) naar leeftijd. Dit kan enkel voor het schooljaar 2006-2007. In figuur 5.4, respectievelijk figuren 5.5 en 5.6 geven we de participatiegraden voor het Vlaams Gewest, de steden Gent en Vilvoorde. Voor de 3 tot 15-jarigen ligt de participatiegraad onverminderd boven de 95%. De voltijdse leerplicht eindigt op de leeftijd van 16 jaar. Voor 16- en respectievelijk 17-jarigen (onderworpen aan de deeltijdse leerplicht) schommelt de participatiegraad rond de 94-95% en 92-93%. Voor de opeenvolgende leeftijdsgroepen dalen de participatiegraden (aan het leerplichtonderwijs) onverminderd. Gegeven de schaalgrootte wordt de participatiegraad van de 2-jarigen in de figuur met de participatiegraden van de 18-22 jarigen opgenomen. Wat de evolutie over de periode 2002-2011 betreft, zien we dalende participatiegraden bij de 3-6 jarigen tot het schooljaar 2007-2008, nadien zien we een sterke stijging waarbij de participatiegraden in 2010-2011 deze van het schooljaar 2001-2002 overstijgen. Bij de 7-15 jarigen zien we een overwegend dalende tendens in de participatiegraden, die in de laatste twee schooljaren afvlakt. De participatiegraden van de 16-22 jarigen nemen doorheen de observatieperiode toe.

49

In een eerste stap berekenen we de participatiegraden door de volledige schoolbevolking naar leeftijd te delen door de officiële bevolking ( ) naar leeftijd. Ter verduidelijking, voor schooljaar t-(t+1) worden de cijfers voor leerlingen zoals geteld op 1 februari van t+1 vergeleken met de bevolkingsstatistieken voor jaar t+1 (die slaan, naar demografische traditie op cijfers per 1 januari).


Voor de berekening van deze participatiegraden maken we gebruik van twee verschillende gegevensbronnen, met name de officiële bevolking van het Vlaams Gewest en de schoolbevolking. Hierdoor is het per definitie niet mogelijk om volledig „zuivere‟ participatiegraden te berekenen. Dit vereist immers dat in de geregistreerde schoolbevolking de leerlingen die behoren tot de officiële bevolking van het Vlaams Gewest in het rijksregister ondubbelzinnig geïdentificeerd kunnen worden.

50


Figuur 5.4

Evolutie van de leeftijdsspecifieke participatiegraden van de officiële inwoners van het Vlaams Gewest aan onderwijs dat gesubsidieerd/gefinancierd wordt door de Vlaamse gemeenschap over de periode 2002-2011

In figuur 5.5 en 5.6 wordt de evolutie van de participatiegraden voor officiële inwoners van Gent en Vilvoorde weergegeven. Vooreerst valt op dat participatiegraden berekend op kleinere populaties duidelijk grotere schommelingen vertonen. Daarnaast is er ook een duidelijk verschil in schaal. Voor de case Gent zien we verschillende participatiegraden boven de 100%, een gevolg van het gebruik van twee verschillende databronnen, met name de officiële bevolking van het Vlaams Gewest (zoals jaarlijks geteld of voorspeld op 1 januari) en de schoolbevolking, al dan niet behorend tot de officiële bevolking. Voor de case Vilvoorde blijven de participatiegraden ver onder de 100%, wat uitdrukking geeft aan het feit dat vele leerplichtige leerlingen aan de leerplicht voldoen in scholen die niet gesubsidieerd/gefinancierd worden door de Vlaamse gemeenschap.


Evolutie van de leeftijdsspecifieke participatiegraden van de officiële inwoners van Gent aan onderwijs dat gesubsidieerd/gefinancierd wordt door de Vlaamse gemeenschap over de periode 2002-2011

51

Figuur 5.5

52


Figuur 5.6

Evolutie van de leeftijdsspecifieke participatiegraden van de officiële inwoners van Vilvoorde aan onderwijs dat gesubsidieerd/gefinancierd wordt door de Vlaamse gemeenschap over de periode 2002-2011

Voor het schooljaar 2006-2007 kunnen we in de leerlingengegevens het onderscheid maken tussen personen ingeschreven in het rijksregister en personen niet ingeschreven in het rijksregister. Dit betekent dat we twee participatiegraden kunnen berekenen voor de officiële bevolking wonend in het Vlaams gewest. De eerste participatiegraad telt bij de schoolbevolking alle ingeschreven personen, ongeacht of deze behoren tot de officiële bevolking of niet. Bij de tweede participatiegraad wordt bij de schoolbevolking enkel de personen behorend tot de officiële bevolking geteld.

Leeftijd 2 3 4 5 6 7 8 9 10 11 12

Verschil tussen de participatiegraden berekend met de volledige schoolbevolking en de schoolbevolking die behoort tot de officieel geregistreerde bevolking (Vlaams Gewest, schooljaar 2006-2007)

Participatiegraad met als teller Bevolking Officiële bevolking 55,40 55,01 98,44 97,71 98,54 97,88 98,15 97,67 97,86 97,46 97,71 97,43 97,46 97,23 97,54 97,27 97,38 97,13 97,37 97,12 96,49 96,23

Verschil %

n

Leeftijd

0,39 0,73 0,66 0,48 0,40 0,28 0,23 0,28 0,25 0,24 0,24

250 454 410 304 259 182 151 188 168 165 174

13 14 15 16 17 18 19 20 21 22

Participatiegraad met als teller Bevolking Officiële bevolking 96,59 96,39 96,58 96,37 95,62 95,45 94,32 94,15 92,67 92,50 40,15 40,03 17,22 17,16 6,61 6,58 2,49 2,47 1,03 1,02

Verschil %

n

0,20 0,21 0,17 0,17 0,18 0,11 0,06 0,03 0,02 0,01

144 152 128 129 125 81 45 23 11 4

In figuur 5.7 wordt het verschil gegeven tussen beide participatiegraden voor het Vlaams Gewest, Gent en Vilvoorde. Naarmate de leeftijd vordert, verkleint het verschil tussen beide participatiegraden. De afwijking tussen beide participatiegraden is het grootst in Gent en het kleinst in Vilvoorde. Anderzijds stellen we ook vast dat de opname van de niet officiële bevolking in de schoolbevolking niet de volledige verklaring biedt voor de mate waarin een aantal Gentse participatiegraden boven de 100% uitstijgen.

Verschil tussen de participatiegraden naar leeftijd berekend voor de totale schoolbevolking of de officiële schoolbevolking (verschil uitgedrukt in % punten)

53

Figuur 5.7


Tabel 5.1

Een mogelijke verklaring voor participatiegraden boven de 100% is dat leerlingen die niet behoren tot de officiële bevolking in de leerlingenbestanden toch als officiële bevolking geregistreerd zijn. In hoofdstuk 3 merkten we reeds op dat het aantal leerlingen zonder rijksregisternummer of bisnummer uitzonderlijk laag is in het leerlingenbestand. Er kan verwacht worden dat de overschatting van de participatiegraden die hierdoor ontstaat, groter is in de grote steden.

Een andere mogelijke verklaring ligt in verschillen in het voor de leerling geregistreerde adres in de SVR-gegevens en het voor de leerling geregistreerde adres in het leerlingenbestand. In de SVR-gegevens wordt het registratiemoment vastgelegd op 1 januari van het jaar t+1 voor de statistieken van het jaar t. In het leerlingenbestand is het moment van registratie niet gekend, gegeven de controle van de zendinggegevens met het dynamisch rr-bestand.

54


We verduidelijken dit aan de hand van een voorbeeld voor het schooljaar 2006-2007. De gegevens uit de bevolkingsprojecties bevatten het adres van de referentiepersoon van het huishouden op 01/01/2007. Het adres in het leerlingenbestand zal het adres zijn van de referentiepersoon van het huishouden op ??/??/2007. Hierbij hanteren we de hypothese dat alle adressen uit de zendingsbestanden jaarlijks gecontroleerd worden en dat de controles voor de tellingsdatum van 01 februari 2007 in de loop van het kalenderjaar worden afgerond. Een participatiegraad groter dan 100% voor de officiële bevolking van bv. Gent kan dan verklaard worden door leerlingen die na 1 januari in Gent komen wonen. Deze worden immers bij de in Gent wonende schoolbevolking geteld zonder deel uit te maken van de officiële bevolking. Tegelijkertijd wordt de participatiegraad in de „oude‟ gemeente onderschat. Merk op dat leerlingen die tussen 01/01/2007 verhuizen uit Gent, nog bij de officiële bevolking worden geteld, maar niet meer bij de in Gent wonende schoolbevolking. Dit leidt tot onderschatting van de participatiegraad van Gent en een onderschatting van de participatiegraad in de nieuwe gemeente.

5.2

Wie gaat waar naar school? Resultaten van de cross-sectie probabiliteiten

De bedoeling is om een zicht te krijgen per schooljaar over wie waar naar school gaat. Een prognose van het toekomstig populatiebestand per woonplaats, zoals deze geleverd worden door de bevolkingsvooruitzichten zou dan als input kunnen dienen voor een nieuwe schatting van de regionale spreiding van deze schoolpopulatie. We geven deze woon-schoolmatrix, gedefinieerd voor relatieve aantallen in hoofdstuk 3 sectie 3.4.2, hieronder in expliciete vorm en voor absolute aantallen (zie tabel 5.2). Een cel in de matrix geeft het aantal leerlingen die in gemeente(regio) w wonen en die in een school gevestigd in gemeente v , naar school gaan. Voorafgaandelijk is een classificatie van de woonplaatsen van leerlingen en de vestigingsplaatsen van de scholen gebeurd, en gemakshalve indentificeren we elke woon- en vestigingsplaats met een natuurlijk getal uit een set van opeenvolgende nummers en indiceren we deze sets met W , voor de woonplaats, en V voor de vestigingsplaatsen. Voor de woonplaatsen hebben we zo W  1, , w, , NW en voor de vestingplaatsen, V  1, , v, , NV . NW en NV zijn dan respectievelijk het aantal onderscheiden woon- en vestigingsplaatsen. We bakenen ook een leeftijdsklasse af, door enkel leerlingen van leeftijd , met   x, x  1, , X  op te nemen. Alle onderstaande cijfers zijn dan conditioneel op leerlingen die tot die leeftijd behoren. We bakenen ook een observatiejaar t af. De cijfers in onderstaande matrix slaan dan op dat jaar. Voor eenvoud van notatie hebben geven we de conditioneringsvariabelen en t niet weer in de formules, indien niet nodig.

Tabel 5.2

Matrix met cross-sectionele kansen van de woonplaats van de leerlingen en de vestigingsplaats van de school waar de leerling ingeschreven is

Vestigingsplaats

V 1

Woonplaats

V v

Rijtotalen

V  NV

W 1 N  w, v 

W w

NV

 N  w,V   N

W

( w)

V 1

W  NW

Kolomtotalen

 N W , v 

W 1

W 1

 N V 1

 NV v

NW

 N W , N  

W 1

N  NV 

V

Totaal aantal leerlingen

V

Wanneer we voor een bepaalde vestingplaats, v , de aantallen van leerlingen die er schoollopen en woonachtig zijn in gemeentes W  1, , w, , NW sommeren, bekomen we het totaal aantal leerlingen die school lopen in v , N V  v  . Het is in een prognose van deze totalen dat we geïnteresseerd zijn. Dat zijn de kolomtotalen van bovenstaande matrix, weergegeven in de onderste rij van de matrix. Het totaal aantal leerlingen woonachtig in gemeente w vind je door de rijtotalen van de matrix te berekenen, die worden aangeduid met N W  w . Deze aantallen of, voor zover ze samenvallen met de bevolkingsaantallen voor die leeftijd in de gemeenten, hun equivalent in de bevolkingsstatistieken, kunnen als input voor het prognosemodel beschouwd worden. In de volgende data-oefening werden de woonplaatsen van de leerlingen ingedeeld in 7 zones: - Gent (nis-code=44 021); - Onderwijszone GENT maar niet Gent (onderwijszone=030 en niscode 44 021); Vilvoorde (nis-code=23 088); - Onderwijszone VILVOORDE maar niet in Vilvoorde (onderwijszone=018 en niscode 23 088); - Onderwijszone Brussel (onderwijszone=013); - Wallonië (nis-codes tussen 25 000 en 25 999 (Waals-Brabant), 50 000 en 69 999 (Henegouwen en Luik), en tussen 80 000 en 99 000 (Luxemburg en Namen); - ELDERS (dit is, er is een nis-code geconstrueerd op basis van de postcode, die niet tot één van bovenstaande behoort). Daarnaast zijn er de leerlingen waarvoor we geen postcode van het adres hebben (ontbrekende waarden). De volgende tabel (tabel 5.3) geeft een overzicht van de woonplaats van de leerlingen voor de verschillende schooljaren.


 N W ,1

NW

55

NW

Tabel 5.3 Overzicht van de woonplaats van de leerlingen voor de verschillende schooljaren (volledige schoolpopulatie voor de schooljaren 2001-2002 t.e.m. schooljaar 2010-2011

Aantal Kol. perc. Woonplaats Ontbreekt Elders Gent Zone Bxl Zone Gent Zone Vilv. Vilvoorde


Wallonië Totalen

Schooljaar 2001-02 4 643 0,42% 983 565 88,20% 38 261 3,43% 23 853 2,14% 26 835 2,41% 24 808 2,22% 5 772 0,52% 7 386 0,66% 1 115 123

2002-03 4917 0,44% 980 934 87,97% 38 622 3,46% 25 117 2,25% 26 857 2,41% 24 971 2,24% 5 913 0,53% 7 685 0,69% 1 115 016

2003-04 5 338 0,48% 976 958 87,71% 38 860 3,49% 26 512 2,38% 26 841 2,41% 25 338 2,27% 6 063 0,54% 7 921 0,71% 1 113 831

2004-05 5 848 0,52% 978 077 87,48% 39 251 3,51% 28 363 2,54% 26 857 2,40% 25 530 2,28% 6 140 0,55% 8 039 0,72% 1 118 105

2005-06 6 371 0,57% 974 566 87,20% 39 500 3,53% 30 129 2,70% 26 785 2,40% 25 628 2,29% 6 280 0,56% 8 398 0,75% 1 117 657

2006-07 6 632 0,59% 972 312 87,03% 39 324 3,52% 30 517 2,73% 26 944 2,41% 26 173 2,34% 6 462 0,58% 8 793 0,79% 1 117 157

Totalen 2007-08 6 977 0,62% 970 645 86,80% 39 896 3,57% 31 854 2,85% 26 813 2,40% 26 569 2,38% 6 611 0,59% 8 942 0,80% 1 118 307

2008-09 7 080 0,63% 970 626 86,68% 40 021 3,57% 32 395 2,89% 26 798 2,39% 26 904 2,40% 6 765 0,60% 9 256 0,83% 1 119 845

2009-10 7 033 0,62% 976 868 86,53% 40 556 3,59% 33 693 2,98% 26 860 2,38% 27 468 2,43% 6 894 0,61% 9 539 0,84% 1 128 911

2010-11 7 003 61 842 0,62% 0,55% 979 755 9 764 306 86,33% 87,19% 41 442 395 733 3,65% 3,53% 35 295 297 728 3,11% 2,66% 26 874 268 464 2,37% 2,40% 27 791 261 180 2,45% 2,33% 7 055 63 955 0,62% 0,57% 9 664 85 623 0,85% 0,76% 1 134 879 11 198 831

Voor de catalogisering van de vestigingplaatsen van de scholen waar de leerlingen schoollopen werden het Waals Gewest en elders in Vlaanderen (dan onderwijszone Gent en Vilvoorde) samen genomen. Voor zover we konden nagaan is de school in Komen, de enige in het Waalse Gewest gevestigde school onder bevoegdheid van de Vlaamse Gemeenschap. (Daarnaast zijn er ook nog twee scholen in Duitsland onder bevoegdheid van de Vlaamse Gemeenschap). De volgende tabel (tabel 5.4) geeft een overzicht van de vestigingsplaats van de school voor de verschillende schooljaren. Tabel 5.4

Overzicht van de vestigingsplaats van de scholen voor de volledige schoolpopulatie voor de schooljaren 2001-2002 t.e.m. schooljaar 2010-2011

Aantal kol. perc.

Schooljaar

Vestigingsplaats school Ontbreekt

56

Elders Gent Zone BXL Zone Gent Zone Vilv. Vilvoorde Totalen Rij perc.

2001-02

2002-03

2003-04

2004-05

2005-06

2006-07

Totalen 2007-08

23 378 15 532 4 295 81 58 333 319 2,10% 1,39% 0,39% 0,01% 0,01% 0,03% 0,03% 960 951 966 785 975 465 982 025 980 329 977 872 977 814 86,17% 86,71% 87,58% 87,83% 87,71% 87,53% 87,44% 50 433 50 906 50 595 50 954 50 879 51 004 51 182 4,52% 4,57% 4,54% 4,56% 4,55% 4,57% 4,58% 34 442 35 115 35 698 36 587 37 435 38 210 38 469 3,09% 3,15% 3,20% 3,27% 3,35% 3,42% 3,44% 20 239 20 393 20 702 20 967 21 026 21 093 21 216 1,81% 1,83% 1,86% 1,88% 1,88% 1,89% 1,90% 19 535 20 096 20 550 20 713 20 988 21 489 22 000 1,75% 1,80% 1,84% 1,85% 1,88% 1,92% 1,97% 6 145 6 189 6 526 6 778 6 942 7 156 7 307 0,55% 0,56% 0,59% 0,61% 0,62% 0,64% 0,65% 1 115 123 1 115 016 1 113 831 1 118 105 1 117 657 1 117 157 1 118 307 9,96% 9,96% 9,95% 9,98% 9,98% 9,98% 9,99%

2008-09

2009-10

8 0,00% 978 048 87,34% 51 531 4,60% 38 974 3,48% 21 313 1,90% 22 412 2,00% 7 559 0,68% 1 119 845 10,00%

3 908 0,35% 981 027 86,90% 51 913 4,60% 39 771 3,52% 21 601 1,91% 22 919 2,03% 7 772 0,69% 1 128 911 10,08%

2010-11 3712 51 624 0,33% 0,46% 985 129 9 765 445 86,80% 87,20% 52 581 511 978 4,63% 4,57% 40 215 374 916 3,54% 3,35% 21 896 210 446 1,93% 1,88% 23 397 214 099 2,06% 1,91% 7 949 70 323 0,70% 0,63% 1 134 879 11 198 831 10,13%

Een eerste analyse kan gebeuren door de kolompercentages voor de vestigingplaats van de scholen te vergelijken met die van de woonplaatsen. Deze liggen voor Gent ruim één procentpunt hoger (rode lijn in figuur 5.8), voor de onderwijszone Brussel (valt samen met het Brussels Hoofdstedelijk Gewest, groene lijn in figuur 5.8) was dat bijna één procentpunt in het begin van

de waarnemingsperiode, gradueel dalend naar een nog nauwelijks een half procentpunt op het einde. Ook Vilvoorde trekt meer leerlingen aan dan er woonachtig zijn (blauw). De onderwijszones Gent en Vilvoorde (donkerroze en lila) hebben een netto emigratiesaldo: er gaan minder leerlingen naar school in deze regio‟s dan er woonachtig zijn.

Een dergelijke vergelijking laat niet toe na te gaan uit welke regio Gent dan wel haar extra leerlingen aantrekt. Achter deze netto migratiesaldo‟s kunnen bovendien grotere bruto stromen schuilgaan. Niet alle leerlingen woonachtig in Gent of Vilvoorde gaan ook naar school in Gent of Vilvoorde. In tabel 5.5 brengen we deze bruto migratiestromen in beeld door de schoolplaats van de leerlingen per woonplaats te bekijken. Uit deze tabel kan je bijvoorbeeld afleiden dat over de gehele observatieperiode (2001/02 tot 2010/11) bijna 90% van de leerlingen in scholen onder de bevoegdheid van de Vlaamse Gemeenschap, die woonachtig zijn in Gent, ook school lopen in Gent. Van de overige 10% gaat het merendeel naar school in de onderwijszone Gent (6,4% van het totaal aantal leerlingen woonachtig in Gent), en nog eens 3,4% elders in Vlaanderen (uitgezonderd de onderwijszone Vilvoorde). Het percentage van in Gent woonachtige leerlingen dat school loopt in Brussel en Vilvoorde is verwaarloosbaar. Leerlingen woonachtig in Vilvoorde vertonen grotere migratiebewegingen. Slechts 72% loopt school in Vilvoorde zelf. Negen percent loopt school in de onderwijszone Vilvoorde en elf percent in Brussel. Nog eens zeven percent gaat elders in Vlaanderen naar school.


Verschil in de leerlingenaandelen naar woonplaats van leerlingen en vestigingsplaatsen van de scholen (evolutie over de periode 2001-2002 tot en met 2010-2011)

57

Figuur 5.8

De tabel kan ook kolomsgewijs gelezen worden. Dan zie je dat scholen met vestigingsplaats te Gent ruim 30% van hun leerlingenbestand aantrekken uit leerlingen die niet in Gent wonen: 15% uit de onderwijszone Gent en 15% van elders in Vlaanderen. Het aandeel van leerlingen in de Gentse schoolbevolking dat in Wallonië woont is verwaarloosbaar (0,16%). Ook vanuit dit perspectief is de migratie naar Vilvoordse scholen anders dan in Gent: 35% van de leerlingen in scholen te Vilvoorde woont niet in Vilvoorde: 16% van de schoolbevolking in Vilvoorde komt elders uit de onderwijszone Vilvoorde, 14% woont elders in Vlaanderen en bijna 5% woont in Brussel.


Ruim 43% van de leerlingen die in de onderwijszone Gent wonen (maar niet in Gent) gaan niet naar school in de onderwijszone Gent; bijna dertig percent van de schoollopers in het Vlaamse onderwijs en woonachtig in de onderwijszone Gent (maar niet in Gent zelf), doen dat in een school in Gent. Daarmee is de immigratie uit de onderwijszone Gent naar Gent groter dan die vanuit de onderwijszone Vilvoorde naar Vilvoorde (4%); voor leerlingen die in de onderwijszone Vilvoorde wonen (maar niet in Vilvoorde zelf) is de aantrekkingskracht van Vlaamse scholen in Brussel groter (13%) dan die van de Vlaamse scholen in Vilvoorde.

Tabel 5.5

Woonplaats van de leerling en vestigingsplaats van zijn/haar school (volledige schoolpopulatie voor de schooljaren 2001-2002 t.e.m. schooljaar 2010-2011)

Aantal Rij perc. Kol. perc.

Vestigingsplaats school

Woonplaats Ontbreekt

Totalen Kol. perc. 61 842

Elders

Gent

Zone Bxl

zone Gent

zone Vilv.

Vilvoorde

318

60 006

502

92

859

57

8

0,51% 0,62%

97,03% 0,61%

0,81% 0,10%

0,15% 0,02%

1,39% 0,41%

0,09% 0,03%

0,01% 0,01%

0,55%

47 514

9 524 846

76 455

61 012

31 209

13 704

9566

9 764 306

0,49% 92,04%

97,55% 97,54%

0,78% 14,93%

0,62% 16,27%

0,32% 14,83%

0,14% 6,40%

0,10% 13,60%

87,19%

1 443 0,36%

13 322 3,37%

355 234 89,77%

323 0,08%

25 325 6,40%

56 0,01%

30 0,01%

2,80%

0,14%

69,38%

0,09%

12,03%

0,03%

0,04%

3,53%

435 0,15%

23 593 7,92%

424 0,14%

264 655 88,89%

268 0,09%

5156 1,73%

3197 1,07%

297 728

0,84%

0,24%

0,08%

70,59%

0,13%

2,41%

4,55%

2,66%

594 0,22%

37 604 14,01%

78349 29,18%

61 0,02%

151 822 56,55%

16 0,01%

18 0,01%

268 464

1,15%

0,39%

15,30%

0,02%

72,14%

0,01%

0,03%

2,40%

448 0,17% 0,87%

34 007 13,02% 0,35%

131 0,05% 0,03%

33 909 12,98% 9,04%

120 0,05% 0,06%

181 308 69,42% 84,68%

11 257 4,31% 16,01%

261 180

Vilvoorde

468 0,73% 0,91%

4 490 7,02% 0,05%

56 0,09% 0,01%

6976 10,91% 1,86%

0 0,00% 0,00%

5 909 9,24% 2,76%

46 056 72,01% 65,49%

63 955

Wallonië

404 0,47% 0,78%

67 577 78,92% 0,69%

827 0,97% 0,16%

7 888 9,21% 2,10%

843 0,98% 0,40%

7 893 9,22% 3,69%

191 0,22% 0,27%

85 623

51 624 0,46%

9 765 445 87,20%

511 978 4,57%

374 916 3,35%

210 446 1,88%

214 099 1,91%

70 323 0,63%

11 198 831

Ontbreekt

Elders

Gent

Zone Bxl

58

Zone Gent

Zone Vilv.

Totalen Rij percent

395 733

2,33%

0,57%

0,76%

59


We kunnen deze cijfers desaggregeren naar de hoofdstructuren. We geven in onderstaande tabellen de cijfers voor het gewoon lager (tabel 5.6) en secundair onderwijs (tabel 5.7). Zoals verwacht is de mobiliteit in het secundair onderwijs groter dan in het lager (vergelijk de diagonaal percentages met gele achtergrond). Vooral de beweging van de periferie naar het centrum in het Gentse secundair onderwijs is opvallend. Nog slechts een goede 20% van de leerlingen woonachtig in de periferie van Gent (onderwijszone Gent maar niet Gent zelf) volgt in diezelfde regio secundair onderwijs, terwijl ruim 53% in Gent school loopt. Ook hier oefent Brussel een grotere aantrekkingskracht uit voor leerlingen uit de onderwijszone Vilvoorde dan Vilvoorde (21% versus 8%).

Tabel 5.6

Aantal Rij perc. Kol. perc. Woonplaats Ontbreekt

Elders

Gent

60


Zone Bxl

Zone Gent

Zone Vilv.

Vilvoorde

Wallonië

Woonplaats van de leerling en vestigingsplaats van zijn/haar school (volledige schoolpopulatie in het gewoon lager onderwijs voor de schooljaren 2001-2002 t.e.m. schooljaar 2010-2011)

Vestigingsplaats school (HS=211) Ontbreekt

Elders

Gent

Zone Bxl

Zone Gent

Zone Vilv.

Vilvoorde


97

11401

45

18

263

18

0

0,82%

96,28%

0,38%

0,15%

2,22%

0,15%

0,00%

0,37%

0,33%

0,03%

0,01%

0,26%

0,02%

0,00%

0,30%

24 757

3 350 140

8 223

14 328

10 865

5 287

1 186

3 414 786

0,72%

98,11%

0,24%

0,42%

0,32%

0,15%

0,03%

93,33%

98,38%

5,67%

10,89%

10,74%

5,36%

5,69%

86,91% 136 642

689

1 932

124 729

83

9 194

12

3

0,50%

1,41%

91,28%

0,06%

6,73%

0,01%

0,00%

2,60%

0,06%

85,96%

0,06%

9,09%

0,01%

0,01%

3,48%

65

5 709

103

103 716

90

1 538

328

111 549

0,06%

5,12%

0,09%

92,98%

0,08%

1,38%

0,29%

0,25%

0,17%

0,07%

78,86%

0,09%

1,56%

1,57%

2,84% 97 120

298

4507

11 825

11

80 471

6

2

0,31%

4,64%

12,18%

0,01%

82,86%

0,01%

0,00%

1,12%

0,13%

8,15%

0,01%

79,52%

0,01%

0,01%

2,47%

184

3 995

19

8 335

31

85 449

1 543

99 556

0,18%

4,01%

0,02%

8,37%

0,03%

85,83%

1,55%

0,69%

0,12%

0,01%

6,34%

0,03%

86,66%

7,41%

2,53%

218

894

4

2 083

0

2 216

17 746

23 161

0,94%

3,86%

0,02%

8,99%

0,00%

9,57%

76,62%

0,82%

0,03%

0,00%

1,58%

0,00%

2,25%

85,21%

0,59% 34 376

217

26 686

154

2 938

285

4 077

19

0,63%

77,63%

0,45%

8,55%

0,83%

11,86%

0,06%

0,82%

0,78%

0,11%

2,23%

0,28%

4,13%

0,09%

0,87%

Totalen

26 525

3 405 264

145 102

131 512

101 199

98 603

20 827

3 929 032

Rij percent

0,68%

86,67%

3,69%

3,35%

2,58%

2,51%

0,53%

Ontbreekt

Elders

Gent

Zone Bxl

Zone Gent

Zone Vilv.

Vilvoorde

Wallonië

Totalen Rij percent

Vestigingsplaats school (HS=311) Ontbreekt

Elders

Gent

Zone Bxl

Zone Gent

Zone Vilv.

Vilvoorde


9

32 916

290

47

148

10

2

0,03%

98,49%

0,87%

0,14%

0,44%

0,03%

0,01%

1,13%

0,86%

0,12%

0,04%

0,34%

0,02%

0,01%

0,77%

671

3 705 974

54 878

33 745

11 489

4 241

6 853

3 817 851

0,02%

97,07%

1,44%

0,88%

0,30%

0,11%

0,18%

84,51%

96,71%

23,21%

27,84%

26,52%

8,64%

22,72%

88,52% 141 683

32

7849

124 348

157

9 251

33

13

0,02%

5,54%

87,76%

0,11%

6,53%

0,02%

0,01%

4,03%

0,20%

52,58%

0,13%

21,36%

0,07%

0,04%

3,28%

27

9 761

235

62 240

156

2 269

1 852

76 540

0,04%

12,75%

0,31%

81,32%

0,20%

2,96%

2,42%

3,40%

0,25%

0,10%

51,35%

0,36%

4,62%

6,14%

1,77% 105 509

27

27 792

55 983

27

21 657

7

16

0,03%

26,34%

53,06%

0,03%

20,53%

0,01%

0,02%

3,40%

0,73%

23,67%

0,02%

50,00%

0,01%

0,05%

2,45%

15

24 080

88

19 080

82

39 253

7 344

89 942

0,02%

26,77%

0,10%

21,21%

0,09%

43,64%

8,17%

1,89%

0,63%

0,04%

15,74%

0,19%

79,99%

24,34%

2,09%

3

2 374

25

2 867

0

2 284

14 012

21 565

0,01%

11,01%

0,12%

13,29%

0,00%

10,59%

64,98%

0,38%

0,06%

0,01%

2,37%

0,00%

4,65%

46,45%

0,50% 26 539

10

21 266

628

3 049

532

977

77

0,04%

80,13%

2,37%

11,49%

2,00%

3,68%

0,29%

1,26%

0,55%

0,27%

2,52%

1,23%

1,99%

0,26%

0,62%

794

3 832 012

236 475

121 212

43 315

49 074

30 169

4 313 051

0,02%

88,85%

5,48%

2,81%

1,00%

1,14%

0,70%

Om deze cijfers te linken aan demografische gegevens dienen ze verder uitgesplitst te worden op jaarbasis, per geboortejaar en geslacht. Zo wordt het mogelijk om op een bepaald moment: - de geregistreerde bevolking ( ) van een bepaalde leeftijd ( ) en geslacht ( )in een bepaalde regio ( ) te vergelijken met de bevolking van hetzelfde geslacht ( ) en leeftijd ( ), op hetzelfde moment, woonachtig in dezelfde regio ( ), die naar school gaat in een school onder bevoegdheid van de Vlaamse gemeenschap ( ); - na te gaan wat de positie van die bevolkingssubgroep in het onderwijs is ( , , ) en waar ze dat onderwijs volgen ( ). Zoals we vermeldden in hoofdstuk 3, sectie 3.4.3 kunnen verschillen tussen de geregistreerde en de schoolbevolking ontstaan doordat: - enerzijds een deel van de officiële bevolking van die leeftijd, dat geslacht en woonachtig in die regio, op dat moment niet naar een school gaat onder bevoegdheid van de Vlaamse Gemeenschap;


Aantal Rij perc. Kol. perc. Woonplaats

Woonplaats van de leerling en vestigingsplaats van zijn/haar school (volledige schoolpopulatie in het gewoon secundair onderwijs voor de schooljaren 2001-2002 t.e.m. schooljaar 2010-2011)

61

Tabel 5.7

- anderzijds een deel van de schoolbevolking niet behoort tot de geregistreerde bevolking (asielzoekers en mensen zonder wettig verblijf).

62


Met dergelijke afwijkingen zal moeten rekening gehouden worden bij prognoses op basis van de voorspelde aantallen personen voor de geregistreerde bevolking van dezelfde leeftijd en geslacht in dezelfde regio in de toekomst. Afwijkingen zijn ook mogelijk door adreswijzigingen tussen het moment van registratie in de schoolbevolking (niet gekend) en het moment van registratie in de bevolkingsstatistieken (1 januari jaar t+1 voor de statistieken van jaar t) en doordat het voor de leerling geregistreerde adres in de databestanden van het departement onderwijs kan afwijken van het adres geregistreerd in de bevolkingsregisters voor die persoon. We berekenden dus de bovenstaande kruistabellen per schooljaar voor jongens en meisjes in hetzelfde jaar geboren en per positie in het onderwijs. De positie in het onderwijs werd gecategoriseerd door de hoofdstructuur, en, waar van toepassing, het leerjaar. Het is onmogelijk hier alle informatie weer te geven, de kruistabellen bevatten meer dan 100 000 cellen. Ter illustratie volgen we hier de cohorte van de leerlingen geboren in 1995 voor de mannen woonachtig in Gent (tabel 5.8), en geven de regionale spreiding van de schoolkeuze enkel weer voor diegenen die op jaar zitten (tabel 5.9). In het schooljaar 2001-2002 zijn dat bijvoorbeeld diegenen die in het eerste jaar lager onderwijs zitten(hs_lj=211_ 1). De beperking tot diegenen die op jaar zitten, verklaart waarom in tabel 5.9 de totalen in de laatste kolom stelselmatig kleiner worden. De zittenblijvers verdwijnen immers jaar na jaar uit de cohorte.

Tabel 5.8

Schooljaar 2001-2002 2002-2003 2003-2004 2004-2005 2005-2006 2006-2007

Onderwijspositie van de leerlingen woonachtig in Gent (Voorbeeld Mannen met geboortejaar 1995)

111_ 0 121_ 0 160 14 13,38 1,17 1 4 0,08 0,33

211_ 1 969 81,02 294 24,34 28 2,32 2 0,16

Onderwijspositie: hoofdstructuur en leerjaar 211_ 3 211_ 4 211_ 5 211_ 6 221_ 0 311_ 0 48 4,01 8 84 0,66 6,95 766 9 125 63,41 0,75 10,35 269 739 8 146 22,16 60,87 0,66 12,03 62 255 717 7 163 5,12 21,06 59,21 0,58 13,46 10 61 251 671 181 0,85 5,17 21,27 56,86 15,34 10 48 221 160 10 0,84 4,02 18,52 13,41 0,84

211_ 2 5 0,42 817 67,63 280 23,18 50 4,12 7 0,58

2007-2008 Tabel 5.8

311_ 1

6 0,51 721 60,44

311_ 2

312_ 1 312_ 2

Totalen 1 196 1 170* 1 208 1 179** 1 208 1 181*** 1 214 1 175**** 1 211 1 183***** 1 180 1 184****** 15 1 193 1,26 1 179*******

7 0,59

1 0,08

Onderwijspositie van de leerlingen woonachtig in Gent (Voorbeeld Mannen met geboortejaar 1995) (vervolg)

Onderwijspositie: hoofdstructuur en leerjaar Schooljaar 2008-2009 2009-2010 2010-2011

211_ 5 211_ 6 221_ 0 311_ 0 3 28 21 24 0,25 2,36 1,77 2,03 3 15 0,25 1,26

311_ 1 311_ 2 311_ 3 311_ 4 311_ 5 311_17 346 665 6 29,20 56,12 0,51 71 357 629 5 5,97 30,00 52,86 0,42 4 82 380 563 5 29 0,33 6,78 31,43 46,57 0,41 2,40

312_0

43 3,56

315_. 321_ 0 321_ 1 321_ 2 321_ 3 321_ 4 Totalen 21 53 18 1 185 1,77 4,47 1,52 1 185********* 30 5 62 13 1 190 2,52 0,42 5,21 1,09 1 194********** 11 30 17 37 8 1 209 0,91 2,48 1,41 3,06 0,66 1 191***********

* Bevolking van 6-jarige jongens woonachtig in Gent volgens statistieken SVR 2002 (1 jan.). ** Bevolking van 7-jarige jongens woonachtig in Gent volgens statistieken SVR 2003 (1 jan.). *** Bevolking van 8-jarige jongens woonachtig in Gent volgens statistieken SVR 2004 (1 jan.). **** Bevolking van 9-jarige jongens woonachtig in Gent volgens statistieken SVR 2005 (1 jan.). ***** Bevolking van 10-jarige jongens woonachtig in Gent volgens statistieken SVR 2006 (1 jan.). ****** Bevolking van 11-jarige jongens woonachtig in Gent volgens statistieken SVR 2007 (1 jan.). ******* Bevolking van 12-jarige jongens woonachtig in Gent volgens statistieken SVR 2008 (1 jan.). ******** Bevolking van 13-jarige jongens woonachtig in Gent volgens statistieken SVR 2009 (1 jan.). ********* Bevolking van 14-jarige jongens woonachtig in Gent volgens statistieken SVR 2010 (1 jan.). ********** Bevolking van 15-jarige jongens woonachtig in Gent volgens statistieken SVR 2011 (1 jan.).

63


64


Tabel 5.9

Vestigingsplaats van de school voor leerlingen woonachtig in Gent (voorbeeld Mannen met geboortejaar 1995)

Schooljaar 2001-2002

Onderwijspositie 211_ 1

2002-2003

211_ 2

2003-2004

211_ 3

2004-2005

211_ 4

2005-2006

211_ 5

2006-2007

211_ 6

2007-2008

311_ 1

2008-2009

311_ 2

2009-2010

311_ 3

2010-2011

311_ 4

Missing

Elders

20 2,06 17 2,08 12 1,57

31 3,20 22 2,69 16 2,09 10 1,35 6 0,840 8 1,19 30 4,16 31 4,66 39 6,20 37 6,57

Vestigingsplaats van de school Gent Zone Bxl Zone Gent 862 88,96 730 89,35 691 90,21 683 92,42 667 93,03 618 92,10 639 88,63 588 88,42 552 87,76 490 87,03

1 0,15

55 5,68 48 5,88 47 6,14 46 6,22 44 6,14 44 6,56 52 7,21 46 6,92 38 6,04 36 6,39

Zone Vilv

Totalen

1 0,10

969 817 766 739 717 671 721 665 629 563

Voor leerlingen woonachtig in Vilvoorde geven we ter illustratie de onderwijspositie van vrouwelijke leerlingen geboren in 1995 (tabel 5.10). De regionale spreiding van de schoolkeuze geven we ook hier enkel weer voor diegenen die op jaar zitten (tabel 5.11). In het schooljaar 2001-2002 zijn dat bijvoorbeeld diegenen die in het eerste jaar lager onderwijs zitten (hs_lj=211_ 1).

Tabel 5.10

Schooljaar 2001-2002

Onderwijspositie van de leerlingen woonachtig in Vilvoorde (Voorbeeld Vrouwen met geboortejaar 1995)

111_ 0 14 6,93

2002-2003 2003-2004

121_ 0 1 0,50 1 0,50

211_ 1 181 89,60 36 17,82

2004-2005

211_ 2 1 0,50 156 77,23 50 24,27 4 1,95

2005-2006 2006-2007 2007-2008

Tabel 5.10

Schooljaar 2008-2009 2009-2010 2010-2011

Onderwijspositie: hoofdstructuur en leerjaar 211_ 3 211_ 4 211_ 5 211_ 6 1 0,50 1 0,50 140 1 67,96 0,49 53 131 1 25,85 63,90 0,49 2 54 131 2 0,96 25,84 62,68 0,96 3 56 126 1,46 27,18 61,17 3 47 1,46 22,82

221_ 0 4 1,98 8 3,96 15 7,28 16 7,80 20 9,57 20 9,71 19 9,22

311_ 0

311_ 1

1 0,49

1 0,49 135 65,53

311_ 2

Totalen 202 245* 202 251** 206 258*** 205 259**** 209 265***** 206 274****** 1 206 0,49 275*******

Onderwijspositie van de leerlingen woonachtig in Vilvoorde (Voorbeeld Vrouwen met geboortejaar 1995) (vervolg)

Onderwijspositie: hoofdstructuur en leerjaar 311_ 2 311_ 3 311_ 4 312_0 315_. 321_ 0 321_ 1 121 1 6 62,05 0,51 3,08 2 78 110 2 0,99 38,61 54,46 0,99 7 79 102 1 1 2 3,52 39,70 51,26 0,50 0,50 1,01 * Bevolking van 6-jarige meisjes woonachtig in Vilvoorde volgens statistieken SVR 2002 (1 jan.). ** Bevolking van 7-jarige meisjes woonachtig in Vilvoorde volgens statistieken SVR 2003 (1 jan.). *** Bevolking van 8-jarige meisjes woonachtig in Vilvoorde volgens statistieken SVR 2004 (1 jan.). **** Bevolking van 9-jarige meisjes woonachtig in Vilvoorde volgens statistieken SVR 2005 (1 jan.). ***** Bevolking van 10-jarige meisjes woonachtig in Vilvoorde volgens statistieken SVR 2006 (1 jan.). ****** Bevolking van 11-jarige meisjes woonachtig in Vilvoorde volgens statistieken SVR 2007 (1 jan.). ******* Bevolking van 12-jarige meisjes woonachtig in Vilvoorde volgens statistieken SVR 2008 (1 jan.). ******** Bevolking van 13-jarige meisjes woonachtig in Vilvoorde volgens statistieken SVR 2009 (1 jan.). ********* Bevolking van 14-jarige meisjes woonachtig in Vilvoorde volgens statistieken SVR 2010 (1 jan.). ********** Bevolking van 15-jarige meisjes woonachtig in Vilvoorde volgens statistieken SVR 2011 (1 jan.). 211_ 6 1 0,51

221_ 0 1 0,51

311_ 0

311_ 1 65 33,33 3 1,49

65

321_ 2 7 3,47 3 1,51


321_ 3

Totalen 195 273********* 202 273********** 4 199 2,01 273***********

Tabel 5.11

Vestigingsplaats van de school voor leerlingen woonachtig in Vilvoorde (Voorbeeld Vrouwen met geboortejaar 1995)

66


Schooljaar Onderwijspositie 2001-2002 211_ 1 2002-2003

211_ 2

2003-2004

211_ 3

2004-2005

211_ 4

2005-2006

211_ 5

2006-2007

211_ 6

2007-2008

311_ 1

2008-2009

311_ 2

2009-2010

311_ 3

2010-2011

311_ 4

Ontbreekt 11 6,08 13 8,33

Vestigingsplaats van de school Elders 6 3,31 5 3,21 6 4,29 5 3,82 4 3,05 4 3,17 9 6,67 6 4,96 11 10,00 15 14,71

Zone Bxl 23 12,71 18 11,54 13 9,29 12 9,16 11 8,40 14 11,11 21 15,56 20 16,53 18 16,36 16 15,69

Zone Vilv. 20 11,05 16 10,26 16 11,43 15 11,45 15 11,45 14 11,11 7 5,19 7 5,79 7 6,36 5 4,90

Vilvoorde Totalen 121 181 66,85 104 156 66,67 105 140 75,00 99 131 75,57 101 131 77,10 94 126 74,60 98 135 72,59 88 121 72,73 74 110 67,27 66 102 64,71

Deze tabellen geven dat het percentage leerlingen met vertraging reeds aanzienlijk is bij de start van het SO en dat het aandeel vertraagden oploopt tot meer dan 40%. Specifiek voor de cohorte meisjes geboren in 1995 woonachtig in Vilvoorde stellen we vast dat deze geboortecohorte zeer dun bevolkt is, wanneer we dit vergelijken met nabije geboortecohortes (zie SVR cijfers).

5.3

Resultaten van de transitiekansen

In plaats van het beeld van de doorsnede op momenten t, t+1,…, t+k met behulp van prognoses over de bevolking per woonplaats op moment t+k+1, t+k+2,… te repliceren kan men ook de transitie van een cohorte van moment t+i naar moment t+i+1 (i=0,…,k-1) bekijken om met behulp van prognoses over de bevolking per woonplaats op moment t+k+1+j, de schoolbevolking op moment t+k+2+j (j=0,1,…) te projecteren. We berekenden daarom in elk jaar van 2001-02 tot 2009-10, voor elke subgroep van een cohorte van leerlingen met dezelfde woonplaats, schoolplaats en positie in het onderwijs, de kansen van hun schoolpositie, woon- en schoolplaats voor het volgend jaar. Ook hier heeft het weinig zin alle tabellen te reproduceren. In tabel 5.12 geven we ter illustratie de woon- en schoolplaats en onderwijspositie in 2002-03 weer van de 718 vrouwelijke leerlingen geboren in 1989 die in 2001-02 in Gent woonden en in een school in Gent het eerste jaar secundair onderwijs volgden. Acht van die leerlingen zijn niet meer terug te vinden in de database voor het schooljaar 20022003. Alle anderen wonen nog steeds in Gent. Ruim 95% (685 leerlingen) zit in het tweede leerjaar van het secundair in 2002-03. Er zijn 23 leerlingen die hun jaar overdoen. Twee van hen gaan niet meer in Gent naar school. Twee leerlingen zijn overgeschakeld naar het buitengewoon secundair onderwijs.

Schoolplaats 2002-2003 Ontbreekt Elders Gent Zone Gent

Ontbreekt

Onderwijs positie 2002-2003 311_ 1 311_ 2 321_ 1

321_ 2

Totaal

%

1

8 8 696 6 718

1,11% 1,11% 96,94% 0,84%

8

8 1,11%

1 21 1 23 3,20%

6 674 5 685 95,41%

1 1 0,14%

1 0,14%

100,00%

De aldus berekende transitiekansen zijn telkenmale conditioneel op de informatie van het jaar ervoor. Wanneer we de cohorte van de in Gent woonachtige meisjes geboren in 1989 die in Gent school volgen, in het tweede leerjaar secundair onderwijs tijdens het schooljaar 2002-03 op dezelfde manier identificeren, bekomen we 688 leerlingen (tabel 5.13). Daartoe behoren 674 leerlingen die we in de vorige tabel identificeerden. Er zijn daarnaast ook 12 leerlingen geboren in 1989 die het tweede leerjaar secundair volgen in een Gentse school in het schooljaar 2002-03, maar het eerste leerjaar in 2001-02 niet in Gent gevolgd hebben. Bovendien is er een leerlinge die in 2001-02 reeds in het tweede jaar secundair zat en haar jaar dus overdoet. Ten slotte is er een nieuwkomer in de dataset: iemand voor wie we in 2001-02 geen gegevens hadden, maar die wel in het tweede leerjaar secundair in een Gentse school les volgt in 2002-03. Er stromen 93% (640) van die leerlingen door naar het derde leerjaar waarvan de overgrote meerderheid (623) dat in Gent blijft doen. Er zijn 28 (4%) zittenblijvers. Eén van hen doet dat in een school in Brussel.

Tabel 5.13

Woonplaats 2003-2004 Ontbreekt Gent Gent Gent Totaal

Onderwijspositie, woonplaats en vestigingsplaats van de school in schooljaar 2003-2004 voor vrouwelijke leerlingen geboren in 1989 die in 2002-2003 in Gent woonden en ingeschreven waren in het 2° lj SO van een Gentse school

Schoolplaats 2003-2004 Ontbreekt Elders Gent Zone Gent

Ontbreekt

Onderwijs positie 2003-2004 311_0 311_ 2 311_ 3 312_ 0

321_2 Totaal

%

2 8 665 13 688

0,29% 1,16% 96,66% 1,89%

2 15 2 0,29%

15 2,18%

3 24 1 28 4,07%

5 623 12 640 93,02%

2

1

2 0,29%

1 0,15%


Woonplaats 2002-2003 Ontbreekt Gent Gent Gent Totaal

Onderwijspositie, woonplaats en vestigingsplaats van de school in schooljaar 2002-2003 voor vrouwelijke leerlingen die in 2001-2002 woonden in Gent en ingeschreven waren in het 1° lj SO van een Gentse school

100,00%

We kunnen ook uit deze tabel de jaarlijkse capaciteitsbehoefte per leerjaar en onderwijszone trekken. Dit geven we in tabel 5.14 weer voor het vierde leerjaar secundair in Gent voor het schooljaar 2004-05. De totale capaciteitsbehoefte voor het vierde leerjaar secundair 2004-05 is 3 667. Er zijn ongeveer evenveel meisjes als jongens. Ruim de helft van die leerlingen woont ook in Gent. Nog eens een klein kwart woont in de onderwijszone Gent (maar niet in Gent zelf) en ongeveer een even groot aandeel woont elders in Vlaanderen. De andere recruteringsgebieden zijn verwaarloosbaar voor Gent, hoewel het in totaal om 17 personen gaat, wat toch nog een klas extra is. Er zijn drie leerlingen van twintig, allen ook woonachtig in Gent. Bijna 63% is op zijn vijftiende, terwijl reeds ruim een kwart van de leerlingen één jaar achter zit, en nog eens ruim tien procent heeft meer dan een jaar achterstand.

67

Tabel 5.12

Tabel 5.14

Kenmerken van leerlingen in het vierde leerjaar secundair in Gentse scholen in 2004-05

Geboortejaar M

68


V

1984 1985 1986 1987 1988 1989 1990 Totaal M 1984 1985 1986 1987 1988 1989 1990 Totaal V Totaal M+V

Missing

1 1

2 2 4 5 0,14%

Woonplaats van de leerling Gent Zone Zone Bxl Gent

Elders

3 29 122 270 6 430 4 25 106 308 9 452 882 24,05%

1 4 30 126 295 469 5 930 2 6 17 82 218 610 15 950 1 880 51,27%

Zone Vilv.

Waals gewest

1 33 110 311 2 457

1 1 2 2 0,05%

2 10 81 329 9 431 888 24,22%

Totalen

1 1 2 4

1

1 2 2

1 1 0,03%

5 9 0,24%

1 4 34 189 528 1 053 13 1 822 2 6 23 118 410 1 253 33 1 845 3 667

% 0,01% 0,22% 1,87% 10,37% 28,98% 57,79% 0,71% 0,01% 0,33% 1,25% 6,40% 22,22% 67,91% 1,79% 100,00%

We geven een zelfde beeld voor Vilvoorde, in het schooljaar 2009-2010 in tabel 5.15.

Tabel 5.15

M

V

Kenmerken van leerlingen in het vierde leerjaar secundair in Vilvoordse scholen in 2009-10

Geboortejaar 1988 1990 1991 1992 1993 1994 1995 Totaal M 1988 1990 1991 1992 1993 1994 1995 Totaal V Totaal M+V

Elders

Gent

Woonplaats van de leerling Zone Bxl Zone Zone Gent Vilv.

1 1 5 28 51 1 87 1 6 27 49 2 85 172 30,28%

4 5 10 4 23

1

8 7 9

1 1 0,18%

24 47 8,27%

1

1 1 10 19 37 1 69

1 0,18%

1 12 12 37 2 64 133 23,42%

1

Vilvoorde 1 6 16 35 47 105 2 5 45 57 109 214 37,68%

Totalen 1 2 12 37 92 139 2 285 0 0 4 31 92 152 4 283 568

% 0,35% 0,70% 4,21% 12,98% 32,28% 48,77% 0,70%

1,41% 10,95% 32,51% 53,71% 1,41% 100,00%

In sectie 3.2 van hoofdstuk 3 gaven we ook aan dat in prognoses ook de instromers en de schoolverlaters gemodelleerd moeten worden. We herhalen de definities: - instroom als 1° inschrijving in het onderwijs of een onderwijsniveau (generatieleerling): instromer; - uitstroom uit het onderwijs of uit een onderwijsniveau: (on)gekwalificeerde schoolverlater. „Immigratie‟ in de schoolbevolking is dan het binnenkomen in de dataset. Dit zijn leerlingen voor wie we een positie in het schooljaar (t,t+1) registreren, maar geen positie voor het schooljaar (t-1,t) kennen. „Emigratie‟ uit de schoolbevolking is dan het verdwijnen van leerlingen uit de dataset. Dit zijn leerlingen voor wie we een positie in het schooljaar (t,t+1) registreren, maar waarvoor we geen

positie meer registreren voor het schooljaar (t+1,t+2). Dit kan omwille van (1) inschrijving in een school die niet onder de bevoegdheid van de Vlaamse Gemeenschap of overstap naar thuisonderwijs (2) stopzetten van onderwijs tout court 3) overlijden. Informatie over de omvang van de „immigratie‟- en „emigratie‟stromen kan gehaald worden uit de transitiematrices. Op basis van deze gegevens kunnen dan ook trendreeksen geschat worden die vervolgens in de prognoses gebruikt kunnen worden. In tabel 5.16 geven we ter illustratie het aantal nieuwkomers en schoolverlaters weer voor de Gentse en Vilvoordse case (4° lj SO) die we hierboven bespraken.

Vilvoorde

Positie was gekend in 2003-2004 3 647 Positie was gekend in 2008-2009 566

Leerlingen in 2004-2005 3 667 Leerlingen in 2009-2010 568

Positie is niet gekend in 2005-2006 3 539 Positie is niet gekend in 2010-2011 541

Nieuwkomers

Schoolverlaters

20

128

Nieuwkomers

Schoolverlaters

2

27

Voor het voorbeeld van Gent, respectievelijk Vilvoorde zijn er voor 20 van de 3 667 personen, en 2 van de 568 personen geen gegevens bekend over de „voor‟positie. Het zijn m.a.w. „immigranten‟ of instromers. Voor 128 (Gent), respectievelijk 27 (Vilvoorde) is geen personen, en 2 van de 568 personen geen gegevens bekend over de „volg‟positie. Het zijn m.a.w. „emigranten‟ of schoolverlaters. Tot slot geven we twee voorbeelden over de omvang van het schoolverlaten voor de volledige schoolpopulatie. Van de 70 847 leerlingen in het vierde jaar secundair onderwijs in schooljaar 2008-2009 zijn er 1 961 (2,8%) niet meer terug te vinden in het Vlaams Onderwijs in schooljaar 2009. Ze gaan elders of niet meer naar school. Ook in het LO zien we emigratie. Tabel 5.17 geeft de omvang van het schoolverlaten voor leerlingen die in 2008-09 in het vierde leerjaar lager onderwijs zitten. Iets meer dan een half procent (0,57%) van deze leerlingen (n=359) heeft het Vlaams onderwijs verlaten.

Tabel 5.17

n %

5.4

Emigratie voor leerlingen die in 2008-09 in het vierde leerjaar lager onderwijs (volledige schoolbevolking)

On211_ 2 bekend 359 3 0,57% 0,00%

Onderwijspositie: hoofdstructuur en leerjaar in 2009-2010 211_ 3 211_ 4 211_ 5 211_ 6 221_ 0 311_ 0 311_ 1 311_ 2 321_0 12 1 161 0,02% 1,84%

321_1 Totalen

60 650 72 374 10 446 2 1 32 63 122 96,08% 0,11% 0,59% 0,02% 0,71% 0,00% 0,00% 0,05% 100,00%

Toetsing van de prognosemodellen

De vierde sectie van dit hoofdstuk is van een andere aard dan de voorgaande: hier wordt getracht het verloop van leerlingenaantallen doorheen de tijd te schatten via rekenmodellen. Dit


Gent

Nieuwkomers en schoolverlaters in het vierde leerjaar secundair in Gentse en Vilvoordse scholen

69

Tabel 5.16

70


met het oog op een evaluatie van de kwaliteit van resultaten van drie verschillende modeltypes. In tegenstelling tot de vorige paragrafen wordt hier niet enkel ingezoomd op Gent en Vilvoorde, maar worden alle Vlaamse gemeenten (of beter alle gemeenten waar het Nederlandstalig onderwijs scholen inricht) waar mogelijk meegenomen. Elke gemeente draagt dus bij tot de evolutieparameters die geschat worden (grotere robuustheid), en vormt bij de evaluatie dan ook een afzonderlijk ijkpunt. Anderzijds moet herhaald worden dat het strictu senso niet om prognosemodellen gaat, maar om simulaties van de evolutie tussen 2001 en 2010. De modellen kunnen beroep doen op twee informatiebronnen: - de informatie uit de databanken van het departement onderwijs; - de evoluties van de bevolking per gemeente, naar leeftijdsjaar. Aangezien de databanken onderwijs voortdurend geactualiseerd worden, en anderzijds - voor wat de loop van de bevolking betreft - de SVR op regelmatige tijdstippen vooruitzichten aanmaakt naar leeftijdsjaar en gemeente, zouden dergelijke modellen potentieel toelaten toekomstige leerlingenaantallen te berekenen. De SVR-vooruitzichten dekken niet de gemeenten die tot het Brussels Hoofdstedelijk Gewest behoren. Voor het BHG zal dus een andere prospectieve bron gezocht moeten worden. Gezien de leerplicht bestrijken de gegevens van de leerlingendatabank ongeveer de volledige bevolking tussen 2 en 18 jaar (zie hoger). Elke leerling die op een willekeurig punt tussen 2001 en 2010 ingeschreven was in het Vlaamse onderwijs is in het bronbestand opgenomen, en bijgevolg kunnen we van een nagenoeg volledige dekking spreken, zelfs buiten het leeftijdsbereik van de leerplicht. In de oefeningen die hierna beschreven worden leek het ons daarom verantwoord de gemeentelijke bevolkingsgegevens van de leerlingendatabank af te leiden, en gemakshalve alle bewerkingen binnen eenzelfde bronbestand uit te voeren. Deze benadering laat namelijk toe het probleem van de taalverdeling van de bevolking uit Brussel en de Vlaamse grensgebieden (niet beschikbaar in administratieve bevolkingsgegevens) even opzij te schuiven, en alle gemeenten ongeacht hun geografische ligging gelijk te behandelen in deze analyse. Dat neemt uiteraard niet weg dat het in een finaal model, en a fortiori in een reële prospectieve oefening, opnieuw zal opduiken. Deze oefening betreft slechts een test van de haalbaarheid van een dergelijk werkwijze, door enkele alternatieve modellen uit te werken, en na te gaan welke voorspellingskracht ze kunnen opleveren. Uiteraard kan de toekomstige voorspellingskracht vandaag niet perfect worden ingeschat. Wel is het mogelijk de parameters (coëfficiënten) te schatten die de distributie van kinderen en jongeren naar woonplaats en schoolgemeente in het recente verleden bepaalden. Deze coëfficiënten kunnen vervolgens toegepast worden op de bevolking (per gemeente en leeftijdsjaar) van een volgend kalenderjaar om zo een theoretische schoolpopulatie voor dat jaar te berekenen. Aangezien we over testgegevens voor 10 achtereenvolgende schooljaren beschikken kunnen we telkens tussen 2 jaren (of over langere perioden) nagaan in welke mate de geregistreerde schoolbevolking overeenkomt met deze die modelmatig berekend werd a.d.h.v. de coëfficiënten uit het voorgaande jaar. Deze oefening is echter meer ambitieus: we trachten meteen een sprong van 10 jaar in de tijd te modelleren. We kunnen drie types van modellen onderscheiden, met verschillende complexiteit. Andere zijn wellicht denkbaar, maar worden hier niet uitgewerkt: - een zuiver demografisch statisch model; - een demografisch model met trendeffecten (regressieschattingen); - een dynamisch transitiemodel.

Hieronder worden kort de uitgangspunten van elk modeltype beschreven.

5.4.1

Zuiver demografisch statisch model

Dit is het meest eenvoudige model. Het gaat er van uit dat slechts twee parameters bepalen hoeveel kinderen en jongeren school lopen in een bepaalde gemeente. De eerste parameter NW W  beschrijft en louter demografisch effect: de omvang van de bevolking die woont in de gemeente zelf, en in alle andere gemeenten waaruit de scholen gelegen in de gemeente verder nog leerlingen rekruteren. De tweede parameter R W ,V  zijn de woongemeente-specifieke

Dit model is gebaseerd op de cross-sectie matrix (cf. tabel 5.1) die we uit de gegevens van het departement onderwijs trokken. Voor elke vestigingplaats v , kunnen we nu de rekruteringsgraad R  w, v  uit een gemeente w berekenen:

R  w, v  

N  w, v  N W  w

,

dat is het relatieve aantal leerlingen dat die vestigingsplaats v aantrekt uit woonplaats w (relatief tot het totaal van de leerlingen in die woonplaats). Noteer dat: NW

 R  w, v   N W   N  v  . W

V

W 1

Wanneer we dus voor een bepaald toekomstig jaar t  k prognoses hebben over de geografische spreiding van de bevolking over de gemeenten W  1, , w, , NW , Nˆ B  w; t  k  , dan kan een prognose voor het aantal leerlingen die school zullen lopen in v in jaar t  k , als volgt worden gemaakt: NW

Nˆ 1V  v; t  k  :  R W , v   Nˆ B W ; t  k  . W 1

In dit model wordt de aantrekkingskracht van scholen in vestigingplaats v , op leerlingen die niet in Vlaanderen wonen, verwaarloosd. Die verwaarlozing is niet relevant voor gemeenten in „het centrum‟ van Vlaanderen maar is dit wel voor de prognoses voor Brussel, de rand en de grensgemeenten. Het model werd gevalideerd door de rekruteringsgraden R W ,V  te berekenen voor schooljaar 2001-02 en dan voor Nˆ B W ;2010 de cijfers voor 2010-11 uit het leerlingendatabestand te ne-

71

De centrale modelhypothese is dan dat bevolkingsevolutie de voornaamste drijfveer achter groei of krimp van de lokale schoolbevolking is, rekening houdend met het woonprofiel van de leerlingen die er onderwijs volgen (of in de andere richting geformuleerd: rekening houdend met het rekruteringsprofiel van de lokale scholen naar de woonplaats van hun leerlingen). Met andere woorden, de bevolkingsevolutie in een gemeente draagt bij tot de evoluties van de schoolbevolking in alle gemeenten waarnaar de (woon-)gemeente traditioneel leerlingen uitstuurt.


recruteringsgraden die in feite een gecombineerd effect omvatten van deelname (tout-court) aan het Vlaamse onderwijs, en distributie naar woon- en schoolgemeente.

men voor de variabelen NW W  . De aldus geprojecteerde aantallen Nˆ 1V V ; 2010 kunnen dan geconfronteerd worden met de data uit het leerlingenbestand 2010-11, voor de variabelen N V V  . Slotopmerking: indien bevolkingsstatistieken of projecties voor deze oefening worden gebruikt, dienen voor de prognose voor schooljaar t  k , t  k  1 , de projecties (of statistieken) van het jaar t  k  1 geconsulteerd, daar deze, conventieel, de bevolking op 1 januari (00.00h) meten.

72


Van een dergelijk model kan slechts voor een zeer korte tijdshorizon - vermoedelijk te kort voor planningsdoeleinden inzake schoolinfrastructuur - enige nauwkeurigheid verwacht worden. Het loont echter de moeite toch even deze werkwijze te testen, al was het maar om vervolgens het resultaat te vergelijken met een meer uitgewerkt model. Een nuttige denkpiste volgend uit dit model betreft schoolrekruteringsgebieden (zie onderwijszones). Het is immers praktisch moeilijk werkbaar om de uitwisseling tussen alle paren van gemeenten volledig te modelleren (trouwens niet enkel de Vlaamse woongemeenten, want ook Brussel en Wallonië leveren een niet onaanzienlijk aantal leerlingen aan het Nederlandstalig onderwijs). Niet alleen zou dat een grote inspanning vergen; het resultaat zou er vermoedelijk niet door verbeteren. Integendeel, de kleine schoolpendelstromen tussen ver uit elkaar gelegen gemeenten gehoorzamen waarschijnlijk nauwelijks aan enige regelmaat. De vraag is dan welke regionale indeling toelaat gemeenten - liefst aansluitend - te groeperen zodat zones ontstaan waarvan de inwoners maximaal binnen de regio onderwijs volgen en er bijgevolg de meest robuuste relatie gelegd kan worden tussen bevolkingssamenstelling en schoolpopulatie.

5.4.2

Demografisch model met trendeffecten (transversaal model)

De idee van een uitbreiding van het hierboven beschreven model met trendeffecten komt voort uit de vaststelling dat de tweede parameter (woongemeente-specifieke recruteringsgraden, voor leeftijden met onderwijsplicht vooral bepaald door de schoolpendel) niet statisch zijn, maar juist steeds in beweging. Voor doeleinden van modellering moet nagegaan worden welke regelmaten achter deze beweging schuilgaan. Het kan dan gaan om trends op langere termijn (bv. een trend om scholen dichter bij de woonplaats te kiezen), maar ook om het samenspel van vraag en aanbod op de onderwijsmarkt. Sommige gemeenten recruteren hun leerlingen ook ver buiten het eigen grondgebied, vooral in het secundair onderwijs. Dat kan het geval zijn vanuit een centrumfunctie (intrinsieke aantrekking) of gewoon omdat het schoolaanbod (historisch gegroeid) in de gemeente meer ruimte biedt dan het geval is in de omliggende gemeenten. Kortom leerlingen kiezen scholen in functie van diverse factoren: nabijheid van de woonplaats, eigen pendelmogelijkheden en de arbeidspendel van de ouders, gepercipieerde reputatie en traditie van lokale scholen, onderwijsaanbod in termen van capaciteit maar ook specialisatieaanbod, … Meerdere hierboven genoemde factoren kunnen niet rechtstreeks of niet nauwkeurig gemeten worden a.d.h.v. de indicatoren uit de beschikbare dataset. Het is echter wel mogelijk het verschuivend evenwicht tussen lokale bevolking en lokaal leerlingenbestand te onderzoeken, en na te gaan hoe en in welke omstandigheden verschuivingen verwacht kunnen worden. Maar het is niet bij voorbaat duidelijk welke processen spelen (en hoe belangrijk ze zijn ten opzichte van elkaar). Evenmin is duidelijk welke trends zich hierin aftekenen. Zo kan men zich voorstellen dat wanneer kinderen en jongeren (schoolgaande leeftijdsgroepen) wonend in een bepaalde gemeente sterk en snel in aantal toenemen - zoals de voorbije jaren het geval was in de grote agglomeraties - het plaatselijk onderwijsaanbod niet kan volgen, en leerlingen bijgevolg genood-

zaakt zijn uit te zwermen naar scholen verder in de omgeving. Maar ook andere processen (die mogelijk in omgekeerde richting werken) zouden kunnen spelen: mijdingsgedrag t.o.v. gekleurde centrumscholen in grote agglomeraties zou kunnen betekenen dat leerlingen uit de rand of de periferie minder vaak in de stedelijke agglomeratie schoollopen en eerder de eigen gemeente verkiezen. Om de zaken nog wat verder te compliceren, moet er rekening mee gehouden worden dat de onderwijsinrichters zelf een actieve groep van spelers vormen in de match tussen onderwijsvraag en onderwijsaanbod.

Beschrijving van het regressiemodel

De afhankelijke variabele in de analyse is de gemeentelijke „school-woon-ratio‟ van het schooljaar 2010-2011. Voor een bepaalde leeftijdsklasse, is deze gedefinieerd als de verhouding tussen het aantal jongeren dat in de gemeente school loopt over het aantal jongeren woonachtig in de gemeente. Wanneer deze ratio perfect voorspeld wordt, dan kan het toekomstig aantal leerlingen geraamd worden als product van de gemeentelijke „school-woon-ratio‟ met de toekomstige bevolkingscijfers. Enkel de foutenmarge op de demografische voorspellingen zou dan nog voor afwijkingen zorgen. Maar uiteraard is deze „school-woon-ratio‟ niet perfect voorspelbaar. We herhalen ook dat in deze oefening het aantal jongeren op schoolleeftijd geraamd werd als het aantal jongeren die effectief in de databank van het Departement Onderwijs voorkomen. Gezien de dekking bijna 100% bedraagt, en het slechts om een methodologische vergelijking gaat levert deze benadering meestal weinig problemen. Enigszins anders is de situatie in het BHG (en enkele andere gemeenten, o.a. Komen en de faciliteitengemeenten). Hier helpt deze benadering om te gaan met de problematiek van taalkeuze/schoolkeuze in relatie tot demografische evolutie. Zonder dit hulpmiddel zou het model niet enkel moeten voorspellen in welke gemeente leerlingen van het Nederlandstalig regime onderwijs volgen. Daarnaast zou het moeten inschatten hoe de toename van de Brusselse bevolking zich vertaalt in een taalkeuze van het onderwijs. Dit lijkt ons een zeer belangrijk onderwerp, dat echter in het bestek van deze haalbaarheidsstudie niet adequaat onderzocht kan worden. De basisvariabele voor het model met trendeffecten is de school-woon ratio, SW  v  : het aantal leerlingen (van een bepaalde leeftijdsklasse , op moment t ) dat school loopt in v , ten opzichte het aantal personen van die leeftijd woonachtig in v . Deze kan eveneens uit de crosssectie matrix worden getrokken als:

SW V  

N V V 

N W V 

.

Noteer dat ook hier een projectie kan gemaakt worden voor jaar t  k als volgt:

Daarvoor is echter een model nodig dat een projectie levert van de school-woon ratio. Dit werd aan de hand van regressiemodellen gedaan.

73

5.4.2.1


Gezien de complexe interacties die meespelen, leek het ons best om deze studie vanuit een open invalshoek aan te vatten. Daarom werden tentatief een aantal indicatoren aangemaakt rond de relatie tussen lokale schoolgaande jeugd en lokaal onderwijsaanbod en alle verschuivingen die zich daarin kunnen voordoen. Dat wil zeggen, zowel verschuivingen in de tijd als drukverschuivingen in de regio. Vervolgens hebben we via regressieschattingen nagegaan welk hun effect is, en hoe nauwkeurig de gemeentelijke schoolbevolking geraamd kan worden gebruik makend van deze effecten.

Het basismodel dat geschat werd kan geformaliseerd worden als:

met uV een storingsterm, de parameters  , 1 , 2 , 3  en als predictoren drie variabelen die betrekking hebben op de gemeentelijke onderwijssituatie in 2001: 

: de school-woonratio van het schooljaar 2001-2002 of het aantal leerlingen (van een bepaalde leeftijdsklasse ) dat school loopt in v , ten opzichte het aantal personen van die leeftijd woonachtig in v ;



: het interne leerlingenaandeel van het schooljaar 20012002 of het aantal leerlingen (van een bepaalde leeftijdsklasse ) dat woont én schoolloopt in v , ten opzichte van het aantal personen van die leeftijd die schoollopen in v ;

74




: de interne rekruteringsgraad van het schooljaar 20012002 of het aantal leerlingen (van een bepaalde leeftijdsklasse ) dat woont én schoolloopt in v , ten opzichte van het aantal personen van die leeftijd die wonen in v .

Merk op dat hoewel de tweede en derde predictor in feite deelcomponenten zijn van de eerste, ze samen toch geen tautologische set vormen (niet volledig collineair). Na schatting van de parameters (hieronder aangeduid door de Griekse Latijnse letters te vervangen), bekomen we volgende projectiewaarde voor t  9 , gegeven observaties voor t van de verklarende veranderlijken:

Dit

basismodel

werd

opnieuw intern te berekenen en

gevalideerd door te confronteren met

N V V ;2010 .

Het basismodel, dat enkel deze eerste drie predictoren bevat, lijkt sterk op het hoger beschreven „zuiver demografisch statisch model‟. We zullen de verklaringskracht van deze eerste predictoren dan ook gebruiken als een indicatie van de kwaliteit van een dergelijk zuiver demografisch statisch model. Het gaat slechts om een indicatie, aangezien de andere gemeenten die leerlingen aanbrengen, of de leerlingen die in andere gemeenten dan de woongemeente onderwijs volgen niet per gemeente in rekening zijn gebracht, maar enkel globaal. Bovendien wordt de analyse niet per afzonderlijk leeftijdsjaar uitgevoerd, waardoor ongetwijfeld enig verklaringspotentieel van het model verloren gaat. Dat neemt niet weg dat dit vereenvoudigd model al één en ander kan leren over de mogelijkheden om leerlingenaantallen statistisch te voorspellen. De andere predictoren - deze die de trendeffecten beschrijven en er een dynamisch karakter aan geven - beschrijven de lokale en bovenlokale demografische evoluties tussen 2001 en 2010: 

: Pop_groei: relatieve demografische aangroei binnen de gemeente van het aantal jongeren op schoolgaande leeftijd (2001-2010);



: Arro_pop_groei: relatieve demografische aangroei binnen het gehele arrondissement waartoe de gemeente behoort van het aantal jongeren op schoolgaande leeftijd (2001-2010).

De predictor Popgroei laat toe te onderzoeken of de evolutie van de school-woon-ratio afhangt van de snelheid van de bevolkingsgroei in de gemeente zelf. Dat zou het geval kunnen zijn wanneer een voorrangsbeleid ten aanzien van eigen leerlingen met zich mee brengt dat bij grote demografische druk minder ruimte geboden wordt aan leerlingen van buiten de gemeente. In dat geval zou Popgroei een negatief effect hebben op de school-woon-ratio. De predictor Arro_pop_increase bekijkt dan in dezelfde zin het effect van de bevolkingsevolutie in de andere gemeenten van het arrondissement.

Het geheel van deze set-up is zo gekozen dat ze de uitgangssituatie weerspiegelt van een planner die met een tijdshorizon van tien jaar in de toekomst het aantal leerlingen dat in de gemeente zal schoollopen wil vooruitberekenen. Hoe de schoolpendel vandaag verloopt zal hem/haar bekend zijn, maar niet hoe deze de komende tien jaren evolueert. Voor wat de demografische toekomst betreft zal de planner echter kunnen beschikken over bevolkingsvooruitzichten. Evenwel, deze zullen een foutenmarge hebben die vandaag nog onbekend is. Ons model gaat dus in feite na hoe goed, en aan de hand van welke relevante indicatoren, een planner die zou kunnen beschikken over perfecte bevolkingsvooruitzichten de toekomstige leerlingenaantallen in een gemeente tien jaar vooruit kan ramen. Dit in de veronderstelling dat de komende tien jaren geen grotere verrassingen zullen brengen dan deze die we de voorbije tien jaar beleefden op het vlak van schoolkeuze en schoolpendel. Enerzijds kan gesteld worden dat de resultaten van deze analyse een opgesmukt beeld geven van de reële voorspelbaarheid. Onze analyse ging immers uit van reële bekende bevolkingsevolutie, niet van vooruitzichten. Anderzijds gaat het slechts om een eerste rudimentair model dat voor een finale uitwerking ongetwijfeld sterk verbeterd zal worden. Bovendien is de tijdshorizon van tien jaar al vrij ambitieus: afwijkingen hebben vaak de neiging exponentieel toe te nemen met de tijd, en een voorspelling over vijf jaar zou wellicht een heel wat betere aansluiting met de werkelijkheid hebben.

5.4.3

Resultaten van de demografische modellen

Een eerste regressiemodel, waarin alle gemeenten als één case meetelden, en geen onderscheid naar leerjaar werd gemaakt, haalde meteen een goede voorspellingskracht. De correlatie tussen de voorspelde waarde voor 2010 en reële waarde bedroeg 0.922 wat overeenkomt met 85% verklaarde variantie. De modellen werden bovendien substantieel verbeterd door de drie onderwijsniveaus afzonderlijk te behandelen. Zoals vermoed kon worden loopt het samenspel tussen lokaal onderwijsaanbod en lokale bevolkingsloop in het kleuteronderwijs niet geheel volgens dezelfde regelmaten als in het lager of secundair onderwijs. Voor het kleuteronderwijs bedroeg de correlatie tussen voorspelde waarde voor 2010 en reële waarde 0.977 (R-square=0.954); voor

75

Met deze interactietermen willen we nagaan of in gemeenten die een sterke interne bevolkingsgroei kennen en tegelijk veel leerlingen van buitenaf aantrekken, het demografisch effect overof ondergecompenseerd wordt in de schoolcapaciteit in vergelijking met andere gemeenten.


Tenslotte werden nog twee interactietermen opgenomen tussen de uitgangssituatie in 2001 en de evolutie nadien:  popeffect1: * of de interactie tussen de pop_groei tussen 2001 en 2010 en de school-woon ratio van 2001;  popeffect2: * of de interactie tussen de pop-groei tussen 2001 en 2010 en de interne rekruteringsgraad van het schooljaar 2001-2002.

het lager onderwijs was de voorspelling het best: R=0.986 (R-square=0.971); voor het secundair onderwijs bedroeg R toch ook nog 0.979 (R-square=0.959). Maar de algemene statistische voorspellingskracht van het model is niet wat ons hier het meest bezighoudt. Drie andere vragen interesseren ons verder in het bijzonder: - hoe goed zouden we kunnen voorspellen wanneer we enkel de school-woon-ratio van 2001 zouden gebruiken, en er dus van zouden uitgaan dat deze net als in het statisch demografisch model de enige factor van belang zou zijn? - hoe groot zijn de afwijkingen in leerlingenaantallen tussen model en observatie, en hoe groot is de vork tussen gemeenten met „goede‟ voorspellingen en deze waarin de voorspelling minder nauwkeurig was; - welke factoren verklaren, bovenop de school-woon-ratio van 2001, de evoluties tussen 2001 en 2010. Deze laatste vraag is relevant, omdat ze indicatief is voor de predictoren die in een finaal model wellicht best meegenomen worden.

76


5.4.3.1

Eerste onderzoeksvraag

Op de eerste vraag kan kort geantwoord worden: voor het geheel van het leerplichtonderwijs (zonder onderscheid naar leerjaar te maken) correleert de school-woon-ratio van 2001 voor 0.890 met deze van 2010 (R-square=0.792). De verbetering van het model door invoering van alle predictoren, die indicatief is voor hoeveel beter het model met trendeffecten scoort dan het zuiver demografisch statisch model, bedroeg dus slechts 6% verklaarde variantie (van 79 naar 85%). Voor het kleuteronderwijs afzonderlijk kan de school-woon-ratio van 2001 slechts 30,7% van de variantie in 2010 verklaren, en is het dus vooral aan de andere predictoren te danken dat het uitgebreide model uiteindelijk 95,4% verklaart. Voor het lager onderwijs liggen de overeenkomstige waarden op respectievelijk 49,4% (enkel school-woon-ratio 2001) en 97,1% (alle predictoren samen). Voor het secundair onderwijs is dat 90,2% en 95,9%. Het lijkt dan bij een eerste aanblik eigenaardig dat de evoluties in het kleuteronderwijs, dat erom bekend staat dicht bij de woonplaats te recruteren, zich het minst goed laat verklaren aan de hand van (enkel) de bevolkingsloop in de gemeente. Een voorlopige conclusie zou kunnen zijn dat de evoluties in de school-woon-ratio van het kleuteronderwijs gedurende de voorbije tien jaren niet enkel gestuurd zijn door de bevolkingsloop maar door een stijgende dekkingsgraad van het kleuteronderwijs, en vooral door regionale verschillen die zich in deze trend aftekenen. Mogelijk speelde ook het Decreet landschap basisonderwijs van 10 juli 2003 een rol, aangezien nieuwe scholen vanaf september 2003 de structuur kleuter- én lager onderwijs dienden aan te nemen. Mogelijk leidde dit tot verschuivingen in het regionale aanbod van kleuter en lager onderwijs. Dergelijke verschuivingen kunnen uiteraard niet gecapteerd worden door de demografische indicatoren uit het model, en verdienen afzonderlijk onderzocht te worden. In elk geval kan uit deze eerste onderzoekspiste afgeleid worden dat een eenvoudig zuiver demografisch statisch model nauwelijks in staat is om tien jaar vooruit leerlingenaantallen per gemeente te ramen, zelfs niet wanneer de demografische evolutie perfect gekend is. 5.4.3.2

Tweede onderzoeksvraag

De evaluatie van modellen in termen van hoeveelheid (percentage) verklaarde variantie is vanuit statistisch oogpunt interessant, maar planners zullen doorgaans eerder willen weten of de foutenmarge van een voorspelling in de grootte-orde van tientallen of honderden eenheden ligt, dan wel hoeveel variantie onverklaard blijft. De grootte-orde van de afwijkingen tussen model en observatie kan in afwijkingspercentages of in absolute aantallen uitgedrukt worden. Dit onderscheid is uiteraard relevant, zeker wanneer zou blijken dat de evolutie in grote gemeenten (qua

Tabel 5.18

Percentuele foutenmarges van het regressiemodel naar hoofdstructuur

Foutenmarge <1% Van 1 tot 1,99% Van 2 tot 2,99% Van 3 tot 3,99% Van 4 tot 4,99% Van 5 tot 9,99% Van 10 tot 19,99% Van 20 tot 49,99% Van 50 tot 100%

Lager onderwijs HS=211 11,9% N=39 18,7% N=61 22,3% N=73 15,9% N=52 8,00% N=26 15,6% N=51 6,4% N=21 1,2% N=4 0,0% N=0 0,0% N=0

Secundair onderwijs HS=311 0,0% N=0 0,0% N=0 3,1% N=6 2,0% N=4 1,5% N=3 10,2% N=20 17,9% N=35 42,3% N=83 15,9% N=31 7,00% N=14

77

Meer dan 100%

Kleuteronderwijs HS=111 15,9% N=52 27,2% N=89 19,6% N=64 15,6% N=51 9,5% N=31 9,1% N=30 2,8% N=9 0,3% N=1 0,0% N=0 0,0% N=0


bevolking) moeilijker te voorspellen zou zijn. Hoe dan ook gaat het zelfs bij kleine afwijkingspercentages snel om enkele honderden of zelfs duizenden leerlingen. Tabel 5.18 geeft een overzicht van de grootte van de afwijkingen (in %), en het aandeel van de gemeenten waarvoor de schatting zich in elke foutenmarge situeert. De resultaten zijn zeer behoorlijk voor het basisonderwijs: in 43% van de gemeenten bedroeg de afwijking voor het kleuteronderwijs minder dan 2%; voor het lager onderwijs was dat 31%. Binnen een foutenmarge van 5% vinden we telkens de grote meerderheid van gemeenten terug: namelijk 88% en 77% in kleuter- en lager onderwijs. De goede scores voor het kleuteronderwijs lijken schijnbaar in tegenspraak met de eerdere vaststelling inzake verklaarde variantie. Dat het model toch zeer dicht de reële waarden benadert komt voort uit een meer gelijkmatige verdeling van de school-woonratio‟s voor het kleuteronderwijs. Ze liggen met name veel dichter bij de neutrale waarde van één, die aangeeft dat inwoneraantal en leerlingenaantal ongeveer even groot zijn, wat meestal (maar niet noodzakelijk) wijst op een sterk geconcentreerde lokale rekruteringsbasis. Onze voorlopige conclusie inzake de voorspellingskracht van de demografische modellen (1ste onderzoeksvraag) moet dus genuanceerd worden, vooral voor het kleuteronderwijs: de spreiding tussen gemeenten is statistisch niet mooi voorspelbaar, maar aangezien deze spreiding voor het kleuteronderwijs bijzonder klein is, blijven de foutenmarges al bij al beperkt.

Voor het secundair onderwijs vallen de resultaten van het model erg zwak uit: in minder dan 7% van de gemeenten kon een nauwkeurigheid van 5% behaald worden, en zelfs wanneer de precisiegrens op 20% gelegd wordt voldoet de schatting in slechts 35% van de gemeenten. In 7% van de gevallen bedroeg de schattingsfout zelfs meer dan 100%. Dat de resultaten veel minder goed zijn dan voor het basisonderwijs is geen verrassing. Het aantal pendelende (buiten de woongemeente) leerlingen ligt in het secundair onderwijs beduidend hoger dan in het basisonderwijs: ongeveer een derde van de Vlaamse gemeenten heeft geen secundaire scholen, en bijgevolg pendelen hun leerlingen buiten de gemeentegrenzen. Het aandeel pendelende leerlingen bedroegen in het kleuteronderwijs 20,8% in 2001 en 16,3% in 2010; in het lager onderwijs 22,2% in 2001en 20,1% in 2010; maar in het secundair onderwijs 55,3% in 2001 met zelfs een kleine stijging naar 55,9% in 2010. Wanneer we deze gemiddelden per gemeente berekenen en niet per leerling, dan stijgt het pendel-percentage in het secundair onderwijs tot maar liefst 75%. In dat geval tellen de kleinere gemeenten zonder secundaire school (en dus een pendelpercentage van

100%) voor hetzelfde gewicht mee als de grote gemeenten die een veel lager pendelpercentage hebben. Naast dit alles moet nog opgemerkt worden dat een zevental gemeenten in 2001 geen secundaire school hadden, maar wel in 2010. In ongeveer evenveel gemeenten verdween tussen 2001 en 2010 de enige secundaire school. Dit alles maakt duidelijk dat het voorspellen van het aantal leerlingen in het secundair onderwijs van elke gemeente een grote uitdaging vormt. Anderzijds is ons model, dat de pendelstromen vanuit andere gemeenten enkel globaal in acht neemt en niet per woongemeente van pendelende leerlingen, hoe dan ook niet optimaal geformuleerd om met deze bewegingen om te gaan.

Figuur 5.9 toont de verdeling van de schattingsfouten voor het kleuteronderwijs. De fouten zijn telkens gesommeerd voor elk van de 327 gemeenten waar kleuteronderwijs wordt aangeboden. In ongeveer een derde van de gemeenten bedraagt de schattingsfout minder dan 50 leerlingen/kleuters. Laten we een fout van 100 eenheden toe, dan dekt het model bijna 60% van de gemeenten.

Figuur 5.9

Schattingsfouten van het multivariaat regressiemodel voor het kleuteronderwijs: schattingsfout in 2010 in absolute aantallen (X-as), aantal gemeenten (Y-as)

78


Tot slot van deze paragraaf berekenen we de foutenmarge in absolute aantallen voor het basisonderwijs. De afwijkingen van het model voor het secundair onderwijs zijn dermate groot dat meteen duidelijk is dat het model voor planningsdoeleinden niet voldoet, en het herberekenen van de afwijkingen in absolute aantallen leerlingen niet langer relevant is.

Op de figuur is ook zichtbaar dat een enkele gemeente uit de band springt met een uitzonderlijke afwijking van 500 eenheden of meer. Het gaat dan bijna altijd over de grotere steden, waar de schatting te laag uitkomt: Antwerpen en Gent zijn twee van deze gemeenten, net als Bras-

79

Figuur 5.10 toont dan op dezelfde manier de schattingsfouten voor het lager onderwijs. In absolute cijfers liggen de schattingsfouten grofweg dubbel zo hoog. Dat heeft vooral met het verschil in schaalgrootte te maken, en slechts voor een marginaal deel met een minder goed schattingsresultaat. De fouten zijn weer gesommeerd voor de 327 gemeenten waar lager onderwijs wordt aangeboden. Nu ligt slechts 12% van de gemeenten in het foutenbereik van -50 tot +50 leerlingen, en 27% tussen -100 en +100.


schaat, Leuven, Brugge, Kortrijk en Hasselt. De twee gemeenten waar de grootste schattingsfouten zich voordoen bevinden zich links op de grafiek: het model overschatte er dus flink het aantal kleuters in het onderwijs van de Vlaamse Gemeenschap. Het gaat om Schaarbeek en StJans-Molenbeek. Voor een goed begrip van deze bevinding moet terug verwezen worden naar basisgegevens waarop het model werd gedraaid. Het totaal van alle leerlingen van het Nederlandstalig onderwijs werd als benadering gebruikt van de bevolking op schoolgaande leeftijd, om de problematiek van de schooltaalkeuze te scheiden van deze waarop hier specifiek wordt ingezoomd: de geografische spreiding van de leerlingenpopulatie over het Nederlandstalig onderwijs. De grote schattingsoverschotten (modelwaarde 2010>observatie 2010) van het aantal kleuters die men op basis van de demografische evolutie zou verwachten in het onderwijs van Schaarbeek en St-Jans-Molenbeek wijzen dus niet op dalende participatie aan kleuteronderwijs of sterkere keuze voor Franstalig onderwijs. De verklaring is dus wellicht te zoeken in een grotere spreiding van deze kleuters over het Nederlandstalige onderwijs van de andere Brusselse gemeenten of zelfs daarbuiten.

80


Figuur 5.10 Schattingsfouten van het multivariaat regressiemodel voor het lager onderwijs: schattingsfout in 2010 in absolute aantallen (X-as), aantal gemeenten (Y-as)

In een foutmarge van 200 eenheden vinden we net niet de helft van de gemeenten terug. In een tiental gemeenten bedraagt de fout meer dan 1 000 eenheden: schattingstekorten zijn te vinden in Gent, Brasschaat, Leuven, Brugge, Kortrijk en Hasselt. Een te hoge schatting berekende het model in Antwerpen, Kapellen, Mortsel, Sint-Jans-Molenbeek en Schaarbeek. Voor Antwerpen, Kappellen en Mortsel is dat enigszins onverwacht. Dit zou erop kunnen wijzen dat, tegen de algemene trend in, leerlingen uit deze gemeenten nu vaker elders onderwijs volgen dan het geval was in 2001. Tot slot geven we in figuren 5.11, 5.12 en 5.13 de schattingsfouten voor respectievelijk het kleuter onderwijs, het lager onderwijs en het secundair onderwijs weer op geografische kaarten. Voor het kleuter en het lager onderwijs geven we in kleurschakeringen de foutenmarges van 2% en 5% aan. Voor het secundair onderwijs geven de kleurschakeringen de foutenmarges van 5% en 10% aan. In deze laatste figuur geeft de grijze kleurtint de gemeenten aan waar geen secundair onderwijs wordt aangeboden.

Figuur 5.11

Schattingsfouten van het multivariaat regressiemodel voor het kleuteronderwijs: schattingsfout in 2010 in %

FOUT KLEUTER 0,05 < fout < 0,29 0,02 < fout < 0,05 -0,02 < fout < 0,02 -0,05 < fout < -0,02 -0,23 < fout < -0,05

81


82

Figuur 5.12


Schattingsfouten van het multivariaat regressiemodel voor het lager onderwijs: schattingsfout in 2010 in %

FOUT LAGER 0,05 < fout < 0,41 0,02 < fout < 0,05 -0,02 < fout < 0,02 -0,05 < fout < -0,02 -0,26 < fout < -0,05

Figuur 5.13

Schattingsfouten van het multivariaat regressiemodel voor het secundair onderwijs: schattingsfout in 2010 in %

FOUT SECUNDAIR 0,10 < fout < 5,00 0,05 < fout < 0,10 -0,05 < fout < 0,05 -0,10 < fout < -0,05 -3,00 < fout < -0,10

83


5.4.3.3

Derde onderzoeksvraag

Tenslotte wordt ingegaan op de effecten van de verschillende verklarende variabelen die in het regressiemodel gebruikt werden. Los van hoe goed het model schattingen/simulaties maakt is het nuttig te onderzoeken welke parameters significante effecten hebben op de evolutie van de school-woon-ratio‟s. Het zijn dan parameters die het zuiver demografische effect bijsturen, in die zin dat ze verklaren waarom sommige gemeenten in de loop van de voorbije tien jaren sterker of minder sterk lokaal dan wel breder leerlingen rekruteren. We bespreken hieronder enkel de bivariate correlaties.

Tabel 5.19

Bivariate correlaties tussen de school-woon-ratio van 2010 en de predictoren in het regressiemodel

Predictor School-woon-ratio 2001

84


Intern leerlingenaandeel in gemeente 2001 Interne rekruteringsgraad in eigen gemeente 2001 Bevolkingsgroei gemeente 2001-2010 Bevolkingsgroei arrondissement 2001-2010 Interactieterm Bevolkingsgroei gemeente * S-W-ratio Interactieterm Bevolkingsgroei gemeente * interne rekruteringsgraad

Kleuteronderwijs HS=111 0,554 N=327 0,385 N=327 -0,365 N=327 0,066 N=327 -0,075 N=327 0,549 N=327 0,439 N=327

Lager onderwijs HS=211 0,703 N=327 0,238 N=327 -0,446 N=327 -0,091 N=327 0,013 N=327 0,688 N=327 0,287 N=327

Secundair onderwijs HS=311 0,950 N=199 -0,084 N=199 -0,518 N=199 -0,132 N=199 -0,099 N=199 0,954 N=199 -0,062 N=199

Uit tabel 5.19 kan afgelezen worden dat de waarden van S/W-ratio‟s van 2001 en 2010 voor dezelfde gemeente het sterkst (lineair) samenhangen voor het secundair onderwijs, en telkens wat minder voor lager en kleuteronderwijs. Hiermee is opnieuw geïllustreerd dat de minder nauwkeurige schattingen in het secundair onderwijs niet te wijten zijn aan zwakke statistische relaties, maar aan de grote spreiding en variatie tussen gemeenten onderling in vergelijking met het basisonderwijs. De twee volgende predictoren zijn in feite maten voor het relatieve belang van de inkomende en uitgaande schoolpendel. Hoe groter het intern leerlingenaandeel, hoe kleiner het belang van de inkomende schoolpendel. Hoe groter de interne rekruteringsgraad, hoe kleiner de uitgaande schoolpendel. Voor het basisonderwijs had een kleine inkomende schoolpendel een positief effect op de S/W-ratio: dit betekent dat hun schoolbevolking relatief sterker toenam voor vergelijkbare bevolkingsgroei. In dergelijke gemeenten had kennelijk een trend van groeiende instroom en/of dalende uitstroom plaats. Rekening houdend met de toenemende lokale rekrutering in het basisonderwijs (zie hoger), zou het zwaartepunt dan bij een dalende uitgaande schoolpendel liggen. Een kleine uitgaande schoolpendel in 2001 had een effect in de andere richting. In gemeenten waar slechts een klein aandeel van de leerlingen over de gemeentegrenzen onderwijs volgden werd tussen 2001 en 2010 blijkbaar een combinatie van stijgende uitstroom en/of dalende instroom vastgesteld. Dit geldt voor de drie graden. De bevolkingsgroei in de onderzochte gemeenten had uiteraard een effect op het aantal leerlingen, maar niet op de relatie tussen residente bevolking en schoolbevolking. Als er al een effect is, dan wijst het in de richting van dalende schoolpendel bij sterke bevolkingsaangroei voor het

kleuteronderwijs, maar stijgend voor lager en vooral secundair onderwijs. Bevolkingsdruk zou dus leiden tot een meer gesloten onderwijsmarkt in kleuter en (misschien) lager onderwijs, maar een meer geopende markt in het secundair onderwijs. Dat lijkt in overeenstemming met eerdere bevindingen. Bevolkingsgroei binnen het gehele arrondissement lijkt niet onmiddellijk een rol van betekenis te spelen voor de afzonderlijke gemeenten die tot het arrondissement behoren.

5.4.4

Dynamisch transitiemodel

Een dynamisch transitiemodel modelleert de veronderstelling dat de positie waarin een bevolking zich volgend jaar zal bevinden afhankelijk is van de positie van vandaag, en van de jaarlijkse overgangskansen die voor deze positie werden opgemeten. Toegepast op het onderwijs, wordt dus het aantal leerlingen in een derde jaar van het basisonderwijs voorspeld op basis van het aantal leerlingen uit het tweede jaar en hun slaagkansen, en het aantal leerlingen uit het derde jaar en hun kansen om dat jaar over te doen. Het model is echter complexer, want in elk jaar wordt rekening gehouden met verse instroom, bijvoorbeeld van (onderwijs)migranten of leerlingen die vanuit het Franstalig onderwijs instromen. Daartegenover bestaat de kans om uit te stromen. Door een dergelijke model iteratief te laten lopen wordt het onderwijs als proces vrij natuurgetrouw gesimuleerd, en niet – zoals in de eerder beschreven modellen – als een ahistorische reeks van dwarsdoorsnedes (cross-sectioneel). Schoolcarrières zijn bovendien grotendeels incrementeel en ook daarom biedt een transitieaanpak in de context van het onderwijs een aantal voordelen. Zo is het duidelijk dat leerlingen met onderwijsachterstand deze achterstand meestal zullen meenemen gedurende hun verdere schoolcarrière. Een dynamisch transitiemodel zal dan ook expliciet het effect van het aantal zittenblijvers in een derde jaar meenemen en doorschuiven naar de hogere leerjaren, en tegelijk aan de hand van de schoolachterstand in lagere leerjaren ramen hoeveel derdejaarsleerlingen in feite zittenblijvers zijn. Cross-sectionele modellen doen dat in principe niet, ze gaan er (tenzij extern aan het model opgelegd) van uit dat het aandeel leerlingen met schoolachterstand onafhankelijk is van het aandeel uit een vorig leerjaar, en constant blijft. We moeten wel opmerken dat dit voordeel van dynamische transitiemodellen enigszins afvlakt met de tijd. Wanneer het model een tiental jaren vooruitloopt en de laatste leerlingen waarvan de reële schoolachterstand gekend was uitstromen, dan zal ook een transitiemodel stilaan neigen naar constante percentages van leerachterstand. Zelfs al is modellering van de leerachterstand mogelijk geen primaire functie van prospectieve modellen, dan toch is deze zeer belangrijk voor de capaciteitsproblematiek,

85

De tweede interactieterm geeft aan dat de effecten van een hoge bevolkingsgroei en een hoge interne rekruteringsgraad (lage inkomende schoolpendel) elkaar positief versterken in kleuter- en basisonderwijs. In dergelijke gemeenten is er een bonuseffect waarbij de schoolbevolking van de gemeente nog sterker toeneemt dan de residerende bevolking.


Tenslotte zijn er de twee interactietermen, die wel van belang zijn: een combinatie van hoge bevolkingsgroei en hoge S/W-ratio in 2001 leidt tot een bijkomende toename van de S/W-ratio in 2010. Gemeenten die in 2001 reeds een groot netto-overschot van instromende t.o.v. uitstromende leerlingen hadden, en bovendien een groeiende eigen bevolking hadden, gingen er nog verder op vooruit. Hierin is geen verdringingseffect merkbaar t.o.v. leerlingen uit andere gemeenten wanneer de eigen bevolking toeneemt. Anderzijds is het wel mogelijk (en plausibel) dat de toename van het aantal leerlingen in heel wat gemeenten vooral binnen het onderwijs van die gemeenten werd opgevangen, en dus niet tot bijkomende schoolpendel leidde.

omdat ze essentieel is voor een correcte vertaling van bevolkingsgegevens (naar leeftijd en woonplaats) naar leerlingencapaciteit (naar leerjaar en plaats van onderwijs). Tenslotte wijzen we erop dat wanneer een dynamisch transitiemodel gebruikt zou worden voor een prognose naar de toekomst, de projecties van de SVR voornamelijk een rol spelen in het bepalen van de nieuwe instroom. De reeds ingeschreven leerlingen worden dan via de „interne transities‟ gemodelleerd voor de duur die ze nog in het onderwijs zullen doorbrengen. Dat betekent concreet dat voor een projectiehorizon van 10 jaar vooral de aantallen in het kleuter en lager onderwijs sterk aan de bevolkingsvooruitzichten gebonden zouden zijn. In het secundair onderwijs zal dat veel minder sterk het geval zijn.

86


5.4.4.1

Dynamisch transitiemodel: gegevensstructuur

Het invullen van de modelparameters vraagt eerst en vooral dat de basisgegevens longitudinaal geschikt worden: voor elke leerling wordt een record aangemaakt die jaar per jaar aangeeft waar deze zich binnen het onderwijs bevindt, met inbegrip van een code voor leerlingen die (nog) niet of niet meer voor het betreffende jaar zijn ingeschreven. Dit laatste is noodzakelijk voor het ramen van de inen uitstroom (de zgn. externe transities) van leerlingen die zich ten opzichte van het basisjaar t(0) op t(-1) of t(+1) wel binnen het Vlaamse onderwijs situeren. Een tweede stap is het aanmaken van een statusvariabele die het onderscheid maakt tussen alle relevante posities. In deze oefening ging het om een variabele met 16 posities: niet ingeschreven, kleuteronderwijs, lager onderwijs 1ste leerjaar, lager onderwijs 2de leerjaar, lager onderwijs 3de leerjaar, lager onderwijs 4de leerjaar, lager onderwijs 5de leerjaar, lager onderwijs 6de leerjaar, secundair onderwijs 1ste leerjaar, secundair onderwijs 2de leerjaar, secundair onderwijs 3de leerjaar, secundair onderwijs 4de leerjaar, secundair onderwijs 5de leerjaar, secundair onderwijs 6de leerjaar, lager onderwijs zonder leerjaar (grotendeels buitengewoon onderwijs) en secundair onderwijs zonder leerjaar (grotendeels buitengewoon onderwijs, onthaalklassen). Drie bijkomende posities waren oorspronkelijk voorzien voor leerjaren 7 to 9 van het secundair onderwijs, maar deze werden achteraf niet systematisch in de analyse meegenomen wegens lage aantallen en evoluties in de hoofdstructuur m.b.t. deze leerlingen. Eenmaal de statusvariabele aangemaakt is voor elk schooljaar worden de posities van leerlingen van elke leeftijd voor de opeenvolgende schooljaren vergeleken, en daarvan de transities afgeleid. De combinatie van de bevolking op het basisjaar en de aantallen transities werden in de projectie-software3 geladen, die deze omzette in een matrix van transitie-rates. De transitiematrix vormt de basis voor de eigenlijke projectie. Er werden in het kader van deze studie transities-matrices berekend voor het gehele Vlaamse onderwijs en voor Gent en Vilvoorde afzonderlijk. Daarbij werd eenmaal de stap tussen 2001 en 2002 als uitgangspunt genomen, om net zoals bij de cross-sectionele modellen na te gaan of de gekende evolutie tussen 2001 en 2010 modelmatig gereproduceerd kan worden. Tenslotte werd ook de stap tussen 2009 en 2010 als uitgangspunt gebruikt, om in de marge van deze haalbaarheidsstudie toch ook een kleine echte voorspellingsoefening te maken. Wanneer de februari-telling van het lopende schooljaar is afgerond kunnen de resultaten op hun waarde getest worden. In totaal gaat het dus om 6 sets van simulaties.

5.4.5

Resultaten van het dynamisch transitiemodel

In tegenstelling tot de regressieanalyses die meteen op alle Vlaamse gemeenten uitgevoerd werden, is dat binnen het huidige bestek niet haalbaar voor het dynamisch transitiemodel. De evaluatie van de resultaten gebeurt dus noodgedwongen voor enkele geselecteerde gevallen, in casu de pilootgemeenten Vilvoorde en Gent, en voor het geheel van Vlaanderen. We kunnen dus niet 3 In dit geval LIPRO multistate projectieprogramma (E. Van Imhoff, 1998)

aangeven hoe de foutenmarges regionaal gespreid zijn, en ook de representativiteit van de uitkomsten kan niet gegarandeerd worden. Anderzijds zijn Gent en Vilvoorde zeker geen makkelijke voorbeelden: de foutenmarge van het zuiver demografisch model met trendeffecten lag in Gent vrij hoog, en het modelleren van de evoluties binnen het onderwijs in Vilvoorde is gezien de uitwisseling met het BHG wellicht ook moeilijker en atypisch. Tegenover het nadeel dat we slechts drie cases kunnen evalueren staat het grote voordeel dat we dit in groot detail kunnen doen. De simulatieresultaten zijn volledig opgesplitst naar afzonderlijk schooljaar tussen 2001 en 2010, naar leeftijd en naar leerjaar (voor zover toepasselijk). Een meer gedetailleerde vergelijking tussen simulatie en realiteit blijkt nuttige inzichten op te leveren.

Figuur 5.14 geeft het overschot (positieve getallen) of het tekort van de simulatie ten opzichte van de geobserveerde cijfers. Voorlopig uitgaande van een constante instroom in het kleuteronderwijs duurt het tot schooljaar 2006-2007 vooraleer het effect zichtbaar wordt van de geboortetoename die we niet opnamen in het model. Tot ca. 2006-2007 zijn de afwijkingen in het eerste leerjaar dus nauwelijks vertekend doordat ons model het kleuteronderwijs en bijgevolg de doorstroming naar het lager onderwijs op termijn onderschat. Voor het tweede leerjaar ligt deze grens op 2007-2008, en voor het zesde leerjaar kan deze invloed nog niet worden waargenomen. Het lijkt ons dan ook veilig te stellen dat voor het eerste t.e.m. vijfde leerjaar de evolutie binnen een marge van ongeveer 1.5 tot 2% voorspeld werd. Met een wachttijd van drie jaar volgt de afwijking in het eerste leerjaar deze van het kleuteronderwijs, voor het tweede leerjaar is de wachttijd vier jaar enzovoort. Enkel het zesde leerjaar komt tot een wat grotere positieve afwijking, die niet aan het kleuteronderwijs kan toegeschreven worden. Een mogelijke (onbevestigde) verklaring zou een toename van de schoolachterstand kunnen zijn, waardoor leerlingen gemiddeld wat trager doorstroomden naar het zesde leerjaar dan op basis van vroegere slaagkansen verwacht werd.


Het Nederlandstalig onderwijs als geheel

Door een eerste simulatie uit te voeren voor het geheel van het Vlaamse onderwijs schakelen we de effecten van verhuisbewegingen en onderwijspendel grotendeels uit. Daardoor vormt deze simulatie een geschikt instrument om de „baseline‟ waarde van het transitiemodel in te schatten, en vervolgens als achtergrond te gebruiken bij de beoordeling van een grote agglomeratie als Gent en het meer extreme geval van Vilvoorde waar verhuisbewegingen en schoolpendel het model sterk op proef stellen. De voorgestelde simulatie voor de periode 2001-2010 gaat uit van constante transitiekansen op het niveau van het schooljaar 2001-2002. Dat geldt ook voor de nieuwe instroom. Hoewel zonder meer verdedigbaar voor de interne transities (overgang tussen leerjaren en onderwijsniveaus) levert dit geen realistisch beeld op voor het kleuteronderwijs, dat grotendeels van nieuwe instroom afhangt en waar geen interne transities plaatsvinden. Er werd echter geen poging ondernomen om hieraan te verhelpen (hoewel dat perfect mogelijk zou zijn), aangezien dat enkel zou neerkomen op een verdiscontering van de bevolking volgens een verdeelsleutel naar participatiegraad in functie van woonplaats en leeftijd. Dat is precies wat een statisch demografisch model doet, met vermoedelijk een zeer vergelijkbaar resultaat. Het zou ons echter genoodzaakt hebben om een model dat enkel als een test bedoeld is veel verder uit te werken, met slechts een beperkte meerwaarde, tenzij voor de doorstroming van kleuter- naar lager onderwijs. Op dit laatste punt wordt in de bespreking teruggekomen.

87

5.4.5.1

88


Figuur 5.14

Evolutie van de afwijkingen (in %) van het transitiemodel voor het lager onderwijs (Vlaanderen)

Al bij al tonen de beperkte afwijking en de mooie opvolging van evoluties in kleuter- en lager onderwijs dat het model inhoudelijk werkt, en dat mits een betere modellering van de evoluties in het kleuteronderwijs accurate resultaten verhoopt mogen worden. Op figuur 5.15 is zichtbaar dat de foutenmarges op Vlaams niveau eerder kleiner zijn in het secundair dan in het lager onderwijs.

Maken we weer even abstractie van het zesde jaar, dan blijven alle fouten na 6 jaar nog binnen een marge van 0.5%, en pas na 8 jaar overschrijden ze 1%. De onderschatting in het zesde leerjaar is duidelijk van een andere orde. De uitstroom uit dat zesde jaar is duidelijk afgenomen. Voor een goed begrip van de waarde van deze resultaten merken we op dit model volledig autonoom draaide op het leerlingenbestand van 2002, met vaste inen uitstroom. Er werd dus geen enkel correctiemechanisme met betrekking tot de reële bevolkingsloop toegevoegd. Tot slot wordt in figuur 5.16 het verloop weergegeven van de afwijkingen in het buitengewoon onderwijs en in de trajecten die buiten de leerplicht vallen. Zoals verwacht kon worden zijn de afwijkingen hier groter, en bovendien vertonen ze een meer grillig verloop.


Evolutie van de afwijkingen (in %) van het transitiemodel voor het secundair onderwijs (Vlaanderen)

89

Figuur 5.15

90


Figuur 5.16

5.4.5.2

Evolutie van de afwijkingen (in %) van het transitiemodel voor het buitengewoon onderwijs en het niet-leerplichtonderwijs (Vlaanderen)

Gent

Het modelleren van de case van Gent betekent dat eerst en vooral met wat kleinere aantallen gewerkt wordt, en bovendien dat het element van de binnenlandse verhuisbewegingen en schoolpendel begint mee te wegen. Zoals voor het lager onderwijs te zien is op figuur 5.17 volgen de afwijkingen voor Gent dezelfde trends als voor Vlaanderen als geheel. Dezelfde bemerkingen met betrekking tot de onderschatting van het aantal kleuters en de effecten daarvan naarmate ze doorstromen naar het lager onderwijs zijn van toepassing. De amplitude van de afwijkingen is echter groter: een foutenmarge van ongeveer 4% wordt vastgesteld. Deze neemt niet toe met de tijd, maar kent van jaar tot jaar wel een vrij onregelmatig verloop. In het geval van Gent compenseren de positieve en negatieve afwijkingen elkaar nagenoeg volledig, zodat de totale fout voor het lager onderwijs binnen één percent blijft. Aangezien dat voor Vlaanderen als geheel niet het geval was, lijkt het desondanks veilig om globaal van een afwijking van ca. 4% te spreken. N.b.: het multivariaat regressiemodel maakte voor Gent een schattingsfout van meer dan 5%. Het leerlingenbestand van het zesde leerjaar wordt opnieuw overschat. Figuur 5.18 toont dat er tegelijk inderdaad een lichte toename van de schoolse vertraging heeft plaatsgehad (i.h.b. in dat zesde leerjaar), en dat het model dus op basis van de cijfers van 2001-2002 een wat te snelle doorstroming voorziet naar het zesde leerjaar. Gezien het vrij kleine verschil in slaagkansen is dat mogelijk niet de enige verklaring.

Figuur 5.18

Evolutie van het aandeel leerlingen met schoolse vertraging naar leerjaar in het lager onderwijs (Gent)


Evolutie van de afwijkingen (in %) van het transitiemodel voor het lager onderwijs (Gent)

91

Figuur 5.17

Voor het secundair onderwijs lijkt het model opnieuw wat beter te presteren: in doorsnee minder dan 3% afwijking voor de afzonderlijke leerjaren (figuur 5.19), en globaal minder dan één percent voor het geheel van het secundair onderwijs. Opnieuw is er geen aanwijsbare toename van de foutenmarge met de tijd. Als op basis van de bevindingen voor Gent en Vlaanderen al

conclusies getrokken mogen worden, dan zouden er aanwijzingen in gezien kunnen worden dat een modellering op basis van de gekende transities (naar leeftijd) van reeds ingeschreven leerlingen, aangevuld met vrij rudimentair gemodelleerde inen uitstromen, het minstens even goed doen als zuiver demografische modellen die op basis van een leeftijdsdoorsnede van de bevolking een doorrekening maken naar de leerlingenpopulatie. Dat zou doen vermoeden dat de stabiliteit in de lokale schoolbevolking zelfs op een termijn van een tiental jaren groter is dan deze in de lokale bevolking. Maar deze conclusie is gebaseerd op Vlaanderen en Gent: twee gevallen waar het volume van de nieuwe instroom en pendel relatief beperkt is ten aanzien van het gewicht van de reeds ingeschreven schoolbevolking. De resultaten voor Vilvoorde zullen aangeven of dit ook standhoudt wanneer de instroom en pendel zwaarder doorweegt ten opzichte van een veel kleinere lokale bevolking.

Evolutie van de afwijkingen (in %) van het transitiemodel voor het secundair onderwijs (Gent)

92


Figuur 5.19

Tenslotte worden de afwijkingen voor het buitengewoon onderwijs en het onderwijs buiten de typische leerjaren geschetst in figuur 5.20. Het mag duidelijk zijn dat modellen voor de 7de en 8ste jaren maar ook voor het buitengewoon onderwijs vrij grote foutenmarges kennen.

Vilvoorde

Met de keuze van Vilvoorde als pilootgemeente wordt het simulatiemodel sterk op proef gesteld. Enerzijds door de nabijheid van Brussel en de uitwisseling van inwoners en schoolpendelaars, maar anderzijds ook doordat Vilvoorde een veel kleinere schoolbevolking heeft dan Gent, en de modellen dus gevoeliger zijn voor gebeurtenissen zoals de uitbreiding, opening of sluiting van een school. Op negen jaar tijd loopt het schattingstekort voor het lager onderwijs op tot gemiddeld 15% (figuur 5.21). Het grote tekort vertrekt vanaf de modellering van het kleuteronderwijs, maar het is meteen duidelijk dat andere factoren een cruciale rol gespeeld hebben. Eerst en vooral ontvingen de Vilvoordse basisscholen na 2001 en sterk groeiende nieuwe instroom die niet door het model voorzien kon worden. Globaal bedroeg deze groei zowat 33% in negen jaar; voor het kleuteronderwijs was dat 44%. Het aantal kleuters met woonplaats in Vilvoorde steeg met hooguit 10 à 15%, en deze stroomden uiteraard slechts geleidelijk door naar het lager onderwijs. Een groot deel van de nieuwe instroom was dus afkomstig van elders. Tegelijk met de aangroei (figuur 5.22) begon het aandeel leerlingen met schoolse vertraging sterk toe te nemen: van ongeveer 22% in 2002 naar 31% negen jaar later. Meteen rijst de vraag of net deze „onverwachte‟ nieuwkomers verantwoordelijk zijn voor de toenemende leerachterstand. In dat geval werkt de onderschatting van het aantal instromers dubbel om tot een algemene onderschatting in het model te leiden: één maal door de instroom zelf, en één maal door de groeiende schoolachterstand die er mee samenhangt. Het dient opgemerkt dat het regressiemodel voor Vilvoorde een foutenmarge van minder dan 1% had voor het lager onderwijs, en ongeveer 2% voor het secundair onderwijs.


5.4.5.3

Evolutie van de afwijkingen (in %) van het transitiemodel voor het buitengewoon onderwijs en het niet-leerplichtonderwijs (Gent)

93

Figuur 5.20

hoofdstuk 5 | Haalbaarheid van prognoses: empirische data oefening 94

Figuur 5.21

Evolutie van de afwijkingen (in %) van het transitiemodel voor het lager onderwijs (Vilvoorde)

Figuur 5.22

Evolutie van het aandeel leerlingen met schoolse vertraging naar leerjaar in het lager onderwijs (Vilvoorde)

Het transitiemodel voor het secundair onderwijs in Vilvoorde scoort beduidend minder goed, met schattingsfouten die geleidelijk tot 30% oplopen (figuur 5.23). Op zoek naar de redenen voor het slecht presteren van de simulatie voor Vilvoorde blijkt dat het jaar waarop de transitiekansen geschat werden (2001-2002) geheel niet representatief was voor het voorbije decennium. Het was met name het enige jaar waarin het Vilvoordse onderwijs er in leerlingenaantallen op achteruit ging in plaats van te groeien. Dit toont meteen één van de zwakheden van simulaties: het doortrekken van trends brengt fouten met zich mee wanneer de observatieperiode atypisch is voor het geheel van de projectieduur. Het is dus zeker aan te bevelen om langere observatieperiodes te gebruiken voor een grotere robuustheid, en bovendien ook voor de toekomst trends in te bouwen in plaats van met constante transitiekansen te werken.

Evolutie van de afwijkingen (in %) van het transitiemodel voor het secundair onderwijs (Vilvoorde)

Op figuur 5.24 is te zien dat ook in het secundair onderwijs de schoolse vertraging toenam tussen 2001 en 2010 van 43 naar 47%. Hoewel dit enigszins bijdroeg tot de onderschatting van de leerlingenaantallen was dat zeker niet de hoofdoorzaak. Figuur 5.25 tenslotte beschrijft de schattingsfouten in het kleuter- en buitengewoon onderwijs, en in het zevende jaar van het secundair onderwijs.

95


Figuur 5.23

hoofdstuk 5 | Haalbaarheid van prognoses: empirische data oefening 96

Figuur 5.24

Schoolse vertraging (in %) in het secundair onderwijs (Vilvoorde)

Figuur 5.25

Evolutie van de afwijkingen (in %) van het transitiemodel voor het buitengewoon onderwijs en het niet-leerplichtonderwijs (Vilvoorde)

5.4.6

Conclusies uit de prognosemodellen

Uit het voorgaande blijkt dat een zuiver statisch demografisch model wellicht weinig potentieel heeft om leerlingenaantallen adequaat vooruit te berekenen. Wanneer het model dynamisch gemaakt wordt door aanvulling met een aantal trendeffecten gaat de voorspellingskracht er behoorlijk op vooruit. In het kleuter- en lager onderwijs wordt dan binnen relatief kleine foutenmarges gewerkt, die in een meer uitgewerkt model ongetwijfeld nog verder kunnen verkleinen. Voor het secundair onderwijs blijft het voorgestelde model evenwel een grote ruis vertonen.

Uit dit alles besluiten we dat voor de raming van de capaciteitsbehoeften in het kleuteronderwijs een transversaal model (al dan niet statisch-demografisch) goede resultaten geeft. Een transitiemodel heeft er inhoudelijk trouwens weinig zin (geen interne transities), en doet in het beste geval precies hetzelfde als een statisch of getrendeerd transversaal model. De sterke binding tussen woonbuurt en school, en het feit dat het kleuteronderwijs veel sterker uit nieuwe intreders is samengesteld maakt o.i. een sterk demografisch gestuurd model aangewezen. Voor het lager onderwijs kunnen beide modeltypes behoorlijke resultaten geven. Inhoudelijk bieden de transitiemodellen grote voordelen: ze bieden een gedetailleerde output en zijn tegelijk een analyse-instrument voor trends m.b.t. de inen uitstromen en vooral de studievoortgang. Daar staat tegenover dat geval per geval moet nagegaan worden of het observatie-interval waarop de basiskansen (transities) berekend zijn wel representatief zijn voor een langere periode. In het voorbeeld van Vilvoorde was dat niet het geval, en de resultaten werden daardoor sterk gehypothekeerd. Vermoedelijk bieden de observaties van één enkel jaar hoe dan ook te weinig houvast als basis voor een projectie. De capaciteitsbehoeften zijn het moeilijkst te ramen in het secundair onderwijs. Doordat het niet haalbaar is in deze studie alle gemeenten afzonderlijk te behandelen in transitiemodellen blijft het wat moeilijk om één modeltype aan te bevelen. Vermoedelijk is het ook niet aangewezen om resoluut voor één enkel type te kiezen. Het beste van beide werelden kan gekozen worden door te kiezen voor een transitiemodel, waarbij de externe transities (zeker de nieuwe instroom) in functie gesteld worden van de uitkomsten van transversale schattingen. Concreet zou dat betekenen dat de geboortecijfers en de groei of krimp van de bevolking bepalen hoeveel

97

Vervolgens behandelde dit onderzoek de vraag of een transitiemodel, vooral voor het secundair onderwijs, betere voorspellingen oplevert. Dat lijkt plausibel, aangezien dan onderwijscarrières van groepen van leerlingen longitudinaal voorspeld worden, in plaats van (transversaal) te werken met kansverdelingen op basis van leeftijd, geslacht en woonplaats. De onderzoeksresultaten leveren een dubbel beeld op. Voor grotere entiteiten en vooral wanneer het volume van de nieuwe instroom laag (of stabiel) is ten opzichte van het bestaande leerlingenvolume, komen we tot uitstekende resultaten. Deze zijn bovendien sterk gedetailleerd (zie ook tabellen in bijlage). Wanneer het simulatiemodel onder druk gezet werd in een gemeente zoals Vilvoorde met een relatief hoge en vooral wisselende instroom van leerlingen vanuit andere gemeenten, zijn de resultaten zwak. Een andere factor die sterk blijkt mee te spelen zijn de slaagkansen. Vooral wanneer deze snel veranderen heeft het transitiemodel grote moeite bij het voorspellen.


Beoordelen of een meer uitgewerkt model met onderscheid tussen afzonderlijke leeftijdsjaren, en afzonderlijke schattingen van inen uitstromen uit alle gemeenten (enkel werkbaar wanneer deze efficiënt gegroepeerd worden, wat een onderzoekje op zich is), is niet mogelijk zonder dergelijke modellen helemaal uit te werken. Dat valt o.i. ook buiten het bestek van deze oefening. We denken te kunnen vasthouden aan de stelling dat prognosen voor het secundair onderwijs ook dan een grote ruis zullen blijven vertonen.

leerlingen (of kleuters) instromen of uitstromen, maar dat de eigenlijke studievoortgang doorheen leerjaren en studieniveaus via transitieprobabiliteiten gemodelleerd wordt.

98


De analyse liet niet alleen toe leerlingenaantallen te simuleren via enkele modellen; ze legde ook enkele knelpunten bloot waarmee deze prognosen te maken krijgen. Een eerste knelpunt vormen de Brusselse gemeenten, en alle andere gemeenten waar Nederlandstalig onderwijs wordt ingericht, waar Frans- en anderstaligen een grote groep of zelfs een meerderheid vormen. Hier werd bewust geen poging ondernomen om de dynamiek van de taal-onderwijskeuze te modelleren, maar het is twijfelachtig of generieke modellen hierop een goed antwoord kunnen bieden. Het samenspel tussen een complex demografisch en sociologisch proces (migratie en inburgering) enerzijds, en het beleid anderzijds, stelt ongetwijfeld grenzen aan de mogelijkheden om hier realistisch te voorspellen. Ook een tweede knelpunt kwam in de analyse tot uiting. Het onderwijslandschap is in beweging, zowel aan de aanbodzijde als aan de vraagzijde. Voor het secundair onderwijs, met een zwakkere binding tussen woonplaats en schoollocatie, is dat het sterkst het geval. Op welke manier de inrichters van het onderwijs reageren op hun (gepercipieerde) demografische basis is moeilijk voorspelbaar. Het verzamelen van bijkomende lokale informatie kan mogelijk hulp bieden, maar meteen stelt zich de vraag welke systematiek gevolgd zou moeten worden om deze informatie op een gestandaardiseerde manier in rekening te brengen. Men moet er ook rekening mee houden dat sommige ingrepen in de capaciteit een „noodkarakter‟ hebben en niet structureel van aard zijn (bv. de zgn. „bubbelklassen‟ in Gent). Zij bieden soelaas voor een verwacht capaciteitstekort voor bv. één bepaald geboortejaar, maar niet voor de daarop volgende geboortejaren. Tot slot vermelden we nog dat in bijlage 3 alle tabellen opgenomen zijn die jaar per jaar (zowel in de tijd, over de leeftijden, als in leerjaren) de gesimuleerde verwachtingen geven voor Vlaanderen, Gent en Vilvoorde. Voor deze laatste twee gemeenten is ook een korte prognose gemaakt voor de schooljaren 2011-2012 en 2012-2013 (bijlage 4). Deze onderscheidt zich van de simulaties die eerder besproken werden doordat van de transitiekansen van het voorbije schooljaar werd vertrokken. Bij de aankomende februari-telling kunnen de nieuwe resultaten dus naast deze prognose gelegd worden voor een vergelijking van prognose en realiteit. Voor wat de statische en getrendeerde demografische modellen betreft was de output eerder summier. Een tabel met afwijkingspercentages van de regressieschattingen voor het kleuter-, lager en secundair onderwijs is volledigheidshalve ook opgenomen (Bijlage 2).

Deze feitelijke bezetting kan verschillen van de optimale capaciteit en de maximale capaciteit. Met de term capaciteit wordt hierbij uitdrukkelijk verwezen naar een vermogen om plaatsen aan te bieden: - optimale capaciteit: het aantal beschikbare plaatsen in een school bij een optimale aanwending van de beschikbare lokalen/gebouwen voor onderwijs- of ondersteunende functies volgens de pedagogische vrijheid van de school; - maximale capaciteit: het aantal beschikbare plaatsen in een school bij een maximale aanwending van de beschikbare lokalen/gebouwen voor de onderwijsfunctie en een minimale aanwending van de beschikbare lokalen/gebouwen voor ondersteunende functies. Net zoals bij onderwijsvraag vormt ook de aanbodcapaciteit van scholen een dynamisch gegeven. Vooreerst is er de Grondwettelijk gewaarborgde vrijheid van onderwijs (enkel beperkt door de 2 km regel), waardoor vrij scholen kunnen worden opgericht of stopgezet. Ook het aantal en de bestemming van zowel schoolgebouwen als lokalen kan wijzigen doorheen de tijd, al dan niet onder druk van een capaciteitsproblematiek. Bovendien wordt de capaciteit volgens de huidige regelgeving uitsluitend bepaald door het schoolbestuur, die behalve de beschikbare ruimte hierbij ook pedagogische aspecten in rekening kan brengen. Daarnaast zullen ook schoolinterne allocatieprocessen (hoeveel leerlingen kan een klasgroep maximaal tellen, rekening houdend met de capaciteit van de leslokalen) een rol spelen. In het kader van een capaciteitsmonitor is het zinvol om beide grootheden, zowel de optimale als de maximale capaciteit, in kaart te brengen.

99

Om de capaciteit(sbehoeften) eenduidig in kaart te brengen is er vooreerst nood aan eenduidige definities. Momenteel worden verschillende varianten door elkaar gebruikt, zoals benutte capaciteit, optimale capaciteit, maximale capaciteit, …). Met de benutte capaciteit wordt het feitelijk aantal ingeschreven leerlingen bedoeld, zonder rekening te houden met al dan niet tijdelijke afwezigheden van ingeschreven leerlingen. We kiezen er dan ook voor om deze term te gebruiken. Deze feitelijke bezetting kan „gelezen‟ worden uit de jaarlijkse leerlingenbestanden van het departement onderwijs. Deze aantallen kunnen „gelezen‟ worden op het niveau van de school, de vestigingsplaats en de leerjaren. Voor het gewoon secundair onderwijs kan dit ook op het niveau van de onderwijsvormen en de studierichtingen. De leerlingenbestanden bevatten evenwel geen informatie over het niveau van de klassen.

hoofdstuk 6 | Capaciteit aan de aanbodzijde

6 | Capaciteit aan de aanbodzijde

Vervolgens moet de vraag beantwoord worden of men een subjectieve capaciteitsmaatstaf gebruikt (bv. het aantal beschikbare stoelen) of een objectieve capaciteit (waarbij men het aantal m² opvraagt en zelf een potentieel aantal stoelen berekent op basis van een omzettingsformule). Merk op dat er, als gevolg van pedagogische en architecturale vrijheid, grote verschillen kunnen bestaan tussen objectief en subjectief gemeten capaciteit. Voor de behoeften van de capaciteitsmonitor is het aantal stoelen de essentie. Het opmeten van het aantal m² aan schoolgebouwen over heel Vlaanderen vraagt een gigantische inspanning (discussie professioneel schoolbeheer versus mankracht vzw‟s). Het zou wel kunnen leiden tot benchmarking wat betreft benutte ruimte tussen scholen en dienen als input bij lokaal overleg. Daarnaast is ook nood aan een definitie voor het niveau vestigingsplaats vanuit het blikveld van infrastructuur. Een vraag die opduikt is of er best leerlingen/stoeltjes geteld worden op niveau van adres of op niveau van officieel vestigingsplaatsnummer. Deze vraag stelt zich in het (al dan niet fictieve) geval waar er zich bv. 5 vestigingsplaatsen van 3 scholen bevinden op 3 aansluitende huisnummers.

100


Na de beslissing welke capaciteit we willen meten is een belangrijke vraag hoe de aanbodcapaciteit in kaart kan worden gebracht. Wat zijn de mogelijkheden om betrouwbare gegevens over de aanbodcapaciteit te verzamelen? Centraal (met zendingen), decentraal (via LOP‟s), wat met gebieden zonder LOP? Gezien de autonomie van het schoolbestuur bij de bepaling van de capaciteit vormt een systematische bevraging van scholen de meest directe methode om de capaciteit in beeld te brengen. De regelgeving laat schoolbesturen de keuze wat betreft het niveau waarop de capaciteit bepaald wordt (zie verder). Zowel de efficiëntie als de betrouwbaarheid van die methode voor gebruik in een capaciteitsmonitor dienen geëvalueerd te worden. In de praktijk blijkt het begrip „capaciteit‟ niet door iedereen op dezelfde manier begrepen te worden. Bestaande gegevensbronnen met aanbodgegevens zijn de schoolgebouwenmonitor van AGIOn en de sleuteldata verzameld door de task force capaciteit. In dit onderzoek willen we dan ook nagaan of het zinvol is om de gegevens van de leerlingenpopulatie, de schoolgebouwenmonitor en de sleuteldata van de task force capaciteit aan elkaar te koppelen. Zo kan nagegaan worden of, voor verschillende onderwijsniveaus en onderwijstypes, verschillende capaciteiten (bv. naar bestemmingsfunctie) berekend kunnen worden (bv. in m2 per leerling). In tweede instantie kan ook onderzocht worden of op basis van deze gekoppelde gegevens ook bezettingsgraden berekend kunnen worden. Een analyse van de samenhang tussen capaciteit opgegeven door het schoolbestuur en de gegevens in de schoolgebouwenmonitor maakt het mogelijk na te gaan in hoeverre en op welke wijze uit die gegevens een valabele capaciteitsindicator gedistilleerd kan worden.

6.1

6.1.1

Beschikbare gegevens

De schoolgebouwenmonitor

Een eerste mogelijke gegevensbron is de schoolgebouwenmonitor van AGIOn (Agentschap voor Infrastructuur in het Onderwijs). In 2008 werd een eerste bevraging van scholen georganiseerd met als doel de kwaliteit, het gebruik en het beheer van schoolgebouwen in kaart te bren-

gen. Het doel was deze survey om de vijf jaar uit te voeren (aan het einde van elke legislatuur). Deze onlinesurvey had als doel een nulmeting te vormen. In 2008 waren er 8 482 vestigingsplaatsen in 4 103 onderwijsinstellingen (6 521 adressen in het Vlaamse en het Brusselse grondgebied samen). Op 79% van die adressen is er maar één vestigingsplaats. Hierbij dient opgemerkt te worden dat er heel wat tweede gebruiker vestigingen zijn: 25% van de 8 482 vestigingsplaatsen zijn vestigingen met geen eigen gebouwen. Deze vestigingen maken dus gebruik van de gebouwen van andere vestigingsplaatsen (vooral bij het DKO en het volwassenenonderwijs).

Ondanks aantoonbare verschillen stelt AGIOn vast dat de scholenbouwproblematiek zich in meer of minder mate voordoet in alle onderwijsnetten en in alle onderwijsniveaus. „Dit neemt echter niet weg dat de verschillen in kwaliteit tussen de schoolgebouwen onderling groot kunnen zijn. 21% van de schoolgebouwen wordt als onvoldoende bruikbaar geëvalueerd, terwijl daartegenover een grotere groep staat van 53% die voldoende bruikbaar is. De bestaande kwaliteitsverschillen en de problemen die ermee gepaard gaan zijn trouwens ook relevant in het licht van de armoedeproblematiek. Zo worden schoolgebouwen die in arme, vaak binnenstedelijke, buurten gelegen zijn vaker als minder goed beoordeeld dan de schoolgebouwen die in rijkere buurten gelegen zijn.‟ (schoolgebouwenmonitor, p. 5-6) Hierbij stellen we vast dat de schoolgebouwenmonitor 2008 geen gegevens bevat over de capaciteit van scholen in termen van stoelen of m2. Dit betekent dat een koppeling van deze gegevens aan het leerlingenbestand of de sleuteldata van de task force capaciteit (of de capaciteit die bij scholen opgevraagd wordt) niet zinvol is.

6.1.2

Sleuteldata task force

In het kader van de task force capaciteit werden data verzameld over de bezettingsgraad van scholen. Deze bevraging gebeurde op het niveau van de vestigingsplaatsen en bracht de volgende sleuteldata in beeld: - capaciteit in het basisonderwijs in het schooljaar 2009-2010 en 2010-2011, apart bepaald voor het KO en het LO. Hierbij werd capaciteit omschreven als „de natuurlijke capaciteit, met name de optimale bezetting aan leerlingen per vestigingsplaats in ideale omstandigheden‟. Een voorbeeld van berekening van de optimale capaciteit werd aangegeven als de gemiddelde optimale

101

Voor wat de grootte van de gebouwen betreft, werd op basis van de schoolgebouwenmonitor vastgesteld dat er zich, gemiddeld gezien, een tekort voordoet aan onderwijsruimte in Vlaanderen. „Op 32% van de vestigingen werden de schoolgebouwen als onvoldoende groot beoordeeld, op 44% als voldoende groot. Naast een gebrek aan klassieke klaslokalen, viel vooral de nood op aan ondersteunende functies zoals een bibliotheek of mediatheek, een ontspanningsruimte, een goede leraarskamer of een polyvalente zaal. In het Brussels Hoofdstedelijk Gewest was het gebrek aan ruimte het meest uitgesproken.‟ (schoolgebouwenmonitor, p. 5)


De respons bij de schoolgebouwenmonitor bedroeg 60%. Item non-response niet in acht genomen betekent dit dat er voor heel wat vestigingsplaatsen geen gegevens beschikbaar zijn. Met betrekking tot capaciteit bevat de schoolgebouwenmonitor enkel indicatoren over de omvang van de schoolgebouwen: - aantal gebouwen met hoofdbestemming; - aantal beschikbare lokalen per bestemmingstype en het noodzakelijk aantal lokalen per bestemmingstype.

klasgrootte (x) maal het optimaal aantal (y) te vormen (of te benutten) klasgroepen (klaslokalen). In het invulsjabloon werd voor de optimale klasgrootte een standaardwaarde van 24 ingevuld, maar dit aantal kon door de vestigingsplaatsen aangepast worden; - aantal inschrijvingen voor de schooljaren 2009-2010 en 2010-2011, apart bepaald voor het KO en het LO, met bovendien afsplitsing van lj 1 en 2 in het LO. Een vergelijking van de inschrijvingen met de „natuurlijke capaciteit‟ geeft aan dat, voor sommige vestigingsplaatsen, de feitelijke bezetting inderdaad de optimale capaciteit overschreed; - Aantal weigeringen/vrije plaatsen voor de schooljaren 2009-2010 en 2010-2011, apart bepaald voor het KO en het LO, met bovendien afsplitsing van de instapklas in het KO en lj 1 en 2 in het LO; - Aantal aanmeldingen voor schooljaar 2010-2011 (enkel van toepassing voor gemeenten waar een centraal aanmeldingsregister wordt gehanteerd).

6.2

102


6.2.1

Toekomstige mogelijkheden om de capaciteit van scholen in kaart te brengen

Scholengebouwenmonitor

AGIOn plant een nieuw onderzoek als vervolg op de schoolgebouwenmonitor 2008. Bij de uitwerking van deze enquête is er ook aandacht voor het in kaart brengen van de capaciteit (aantal lokalen, bruto oppervlakte, …) en de kwaliteit van schoolgebouwen. In totaal gaat het om een 50-tal indicatoren waaronder ook vragen over isolatie en energie. De volgende figuur bevat een voorstel van bevraging over de bezettingsgraad van scholen.

Figuur 6.1

Model van invulblad ‘bezettingsgraad’

Invulblad bezettingsgraad lokalentypologie

kleuter of lager onderwijs?

totaal aantal m² beschikbaar

aantal gebruikers (leerlingen, leerkrachten) per lokaal

bezetting (zet een x waar gepast)

de ruimte staat leeg de ruimte is niet volledig bezet

de ruimte is volledig de ruimte is bezet overbezet en er is acuut plaatsgebrek

Netto-onderwijsoppervlakte leslokalen

lokaal1 lokaal2 lokaal3 lokaal4 lokaal5 lokaal6 lokaal7 lokaal8 lokaal9 lokaal 10 …

bijzondere lokalen (manuele expressie, lokalen voor groepssplitsing, taakleerkracht, muziekklas) bibliotheek mediatheek en/of open leercentrum leraarskamer, EHBO en vergaderzalen Directiebureau secretariaat, archief, bergplaatsen eetgelegenheid (refter, restaurant, cafetaria, keukens) groepsruimtes (bijvoorbeeld polyvalente zaal, opvanglokaal, expressieruimte,…) sanitair

andere lokalen

Bruto-oppervlakte van het hele gebouw Totale bruto -oppervlakte van het gebouw

Dit voorstel van bevraging bevat een aantal objectieve indicatoren (aantal beschikbare m2 en aantal gebruikers per lokaal) samen met eerder subjectieve indicatoren (volzet, …). Als mogelijke input voor een capaciteitsmonitor is het aanbevolen om de bevraagde begrippen te verduidelijken. Zo is het aangewezen om het aantal gebruikers van de leslokalen te vervangen door het aantal leerlingen dat optimaal/dan wel maximaal in deze ruimte les kan krijgen. Het lijkt aangewezen om het bevragingsinstrument te testen in een aantal scholen. Op dit moment is nog geen beslissing genomen over de inhoud van de bevraging, noch over de frequentie waarmee een analoge bevraging in de toekomst zou (kunnen) gebeuren. Mogelijks kan er gedacht worden om de capaciteitsbevraging af te splitsen van de enquête om zo de invulbaarheid te verhogen. Wanneer bij een nieuwe bevraging het invullen van de monitor bovendien als een verplichting wordt gehanteerd, zou dit instrument toelaten om ook centrale gegevens te verzamelen over een objectieve indicator (m2) voor alle scholen.

6.2.2

Nieuwe bepalingen in het decreet op het inschrijvingsrecht

Het decreet op het inschrijvingsrecht van 9 november 2011 voert een verplichting tot capaciteitsbepaling in voor alle scholen voor gewoon en buitengewoon basisonderwijs, voor de eerste graad van het voltijds gewoon secundair onderwijs en voor het buitengewoon secundair onderwijs. Onder „capaciteit‟ wordt verstaan: „het totaal aantal leerlingen dat het schoolbestuur per niveau […] als een maximaal aantal leerlingen ziet‟ (zie Decreet Basisonderwijs,

103

speelplaatsen (open en overdekt)


sportfaciliteiten (turnzaal, zwembad,…)

art. 37novies, §1 resp. Codex Secundair Onderwijs, art. 110/9, §1).4 Naargelang van onderwijsniveau en -soort gelden andere specifieke bepalingen. Specifieke bepalingen per onderwijsniveau Voor het gewoon basisonderwijs wordt capaciteitsbepaling verplicht op het niveau van de school als geheel, per vestigingsplaats en per onderwijsniveau (kleuteronderwijs vs. lager onderwijs). Daarbinnen mag het schoolbestuur de capaciteit ook nader bepalen per geboortejaar (in het kleuteronderwijs) resp. het leerjaar (in het lager onderwijs). Bovendien mag een gewone basisschool ook nog voor anderstalige nieuwkomers afzonderlijk een capaciteit bepalen. Die capaciteit moet minimaal acht leerlingen bedragen. Aan die capaciteitsbepaling zijn wel voorwaarden verbonden. Met de andere scholen binnen de gemeente of het LOP moeten afspraken gemaakt worden waardoor voor anderstalige nieuwkomers een plaats gegarandeerd wordt op redelijke afstand van de woonplaats van de leerling. De tot het schooljaar 2011-2012 bestaande mogelijkheid om de capaciteit per leergroep vast te leggen, wordt afgeschaft - met uitzondering dus voor de categorie AN-leerlingen.

104


Voor het buitengewoon basisonderwijs gelden dezelfde verplichtingen als in het gewoon basisonderwijs, met bovendien ook nog een verplichte capaciteitsbepaling per BuO-type. Mogelijkheden om daar binnen nog verder te differentiëren zijn er niet. Ook in het buitengewoon secundair onderwijs is capaciteitsbepaling verplicht. Maar men heeft daar de keuze om dat te doen op het niveau van de school als geheel, per vestigingsplaats, per opleidingsvorm, per type, per structuuronderdeel óf per pedagogische eenheid. Voor het voltijds gewoon secundair onderwijs is capaciteitsbepaling enkel verplicht in de eerste graad. Voor de overige graden in het voltijds gewoon secundair onderwijs is capaciteitsbepaling mogelijk maar niet verplicht. Wat betreft de niveaus van capaciteitsbepaling, heeft men de keuze tussen de school (d.w.z. de betreffende graad) als geheel, de vestigingsplaats of het structuuronderdeel. Aan de verplichte capaciteitsbepaling voor de eerste graad kan men dus voldoen door voor de school één getal vast te leggen, nl. het maximum aantal beschikbare plaatsen voor de hele eerste graad samen. In het DBSO en in de leertijd is capaciteitsbepaling niet verplicht. Maar de mogelijkheid bestaat om de capaciteit te bepalen op (naar keuze) het niveau van het centrum, de vestigingsplaats of het structuuronderdeel. Die regeling loopt dus gelijk met die voor de tweede en de derde graad van het voltijds gewoon secundair onderwijs. Procedurele bepalingen De procedurele bepalingen zijn grosso modo dezelfde voor basis- en secundair onderwijs: - scholen in een LOP-gebied delen de capaciteit(en) die zij - het weze verplicht, het weze optioneel - bepalen, mee aan het LOP (zelfde artikelen, §2). Er is niet bepaald aan wie scholen buiten LOP-gebieden hun capaciteit dienen mee te delen; - de capaciteiten moeten vóór de start van de inschrijvingen bepaald worden (zelfde artikelen, §1). Na de start kan een school een capaciteit wel verhogen. In LOP-gebieden moet het LOP 4

Het decreet op het inschrijvingsrecht brengt de bepalingen aangaande het inschrijvingsrecht onder in de zgn. niveaudecreten, respectievelijk het Decreet Basisonderwijs en de Codex Secundair Onderwijs. We verwijzen naar de artikelen in die twee decreten. In het decreet op het inschrijvingsrecht vindt men de betreffende bepalingen onder artikel II.15 (voor het basisonderwijs) en V.15 (voor het secundair onderwijs).

de verhoging goedkeuren. Buiten LOP-gebieden moet de verhoging meegedeeld worden aan de overige scholen binnen de gemeente (zelfde artikelen, §3);5 - indien de capaciteit bereikt wordt, dienen bijkomende inschrijvingen geweigerd te worden (zelfde artikelen, §4). Hierop zijn uitzonderingen mogelijk voor specifieke categorieën van leerlingen, zoals bv. anderstalige nieuwkomers in het basisonderwijs, kinderen of jongeren die bij wijze van jeugdbeschermingsmaatregel geplaatst zijn, enz. (zelfde artikelen, §5).6 Het inschrijven van leerlingen uit één van die „overtal-categorieën‟ geldt niet als een capaciteitsverhoging; - specifiek voor het basisonderwijs geldt dat leerlingen die voor het lopende schooljaar om een inschrijving verzoeken nadat ook al de inschrijvingen voor het volgende schooljaar begonnen zijn, geweigerd moeten worden als daarmee voor het betreffende niveau de capaciteit voor het navolgende schooljaar overschreden zou worden (Decreet Basisonderwijs, Art. 37novies, §4). Bijvoorbeeld: in het derde leerjaar heeft men een capaciteit bepaald van 20. Er zijn 19 leerlingen ingeschreven. Met het oog op het volgende schooljaar werd in februari een nieuwe leerling ingeschreven voor het vierde leerjaar, waar de capaciteit ook op 20 staat. Als nu vervolgens, vanaf maart, nog een leerling voor het derde leerjaar - lopende schooljaar - wil inschrijven, moet die geweigerd worden, omdat anders volgend schooljaar de capaciteit voor het vierde schooljaar overschreden zou worden. Men kan immers niet een leerling voor slechts één schooljaar inschrijven. Een inschrijving geldt in principe voor de rest van de schoolloopbaan.

Het decreet bepaalt voor scholen buiten LOP-gebieden niet hoe en aan wie de capaciteit meegedeeld moet worden. En voor scholen binnen LOP-gebieden wordt niet bepaald onder welke vorm of via welke drager de capaciteit meegedeeld moet worden. Hoewel het decreet terzake niets specifieert, ligt het wel in de lijn van de algemene taakomschrijving van de LOP‟s, dat een 5

6

Daaruit zou men kunnen afleiden dat ook de oorspronkelijke capaciteitsbepaling aan de overige scholen in de gemeente meegedeeld moet worden. Waarom zou men enkel een capaciteitsverhoging moeten meedelen? Bij het toekennen van die bijkomende plaatsen dient – tot een bepaalde datum – de volgorde van inschrijvingsregister en het principe van de dubbele contingentering voor GOK en niet-GOK gerespecteerd te worden. Het zou ons te ver leiden om hierop in te gaan. Leerlingen uit die ‘overtal-categorieën’ kunnen ingeschreven worden ook al staan er nog geweigerde leerlingen in het inschrijvingsregister.

105

Voor het basisonderwijs gelden veel strakkere verplichtingen dan voor het secundair onderwijs. In feite dient men voor het basisonderwijs een matrix op te maken: vestigingsplaats x onderwijsniveau. Daarbij kan onderwijsniveau eventueel nog opgedeeld worden in geboortejaar resp. leerjaar. Er wordt in het decreet niet bepaald dat de „randtotalen‟ moeten kloppen. Meer nog, ook de bepaling van de capaciteit voor de school als geheel (over de vestigingsplaatsen en onderwijsniveaus) is - volgens de letter van het decreet - verplicht zónder dat verplicht gesteld wordt dat die totale capaciteit de som van de delen moet zijn. In het verleden zijn er scholen geweest die enige „flexibiliteit‟ ingebouwd hebben. Men stelde bijvoorbeeld de totale capaciteit voor de hele school op 250, maar de capaciteit voor het KO op 90 en die voor het lager onderwijs op 210. Dat liet hen zogezegd ruimte om - naargelang van de noden - plaatsen van het ene naar het andere niveau door te schuiven. Naar de letter van het decreet is dat niet verboden, maar het wordt wel afgeraden omdat dit soort capaciteitsbepalingen tot juridische moeilijkheden kan leiden. Als de totale capaciteit (250) bereikt is, is het niet duidelijk of een leerling wel of niet geweigerd kan/moet worden als tegelijkertijd de capaciteit voor KO (resp. LO) nog niet bereikt werd. Ook voor de monitoring van capaciteit is het uiteraard beter dat de sommen kloppen.


Opmerkingen

106


LOP daarover afspraken kan maken.7 Ook is er niets in het decreet dat de overheid belet de (verplicht of optioneel) bepaalde capaciteiten op bepaalde wijzen op te vragen.

7

In art. 37septies §1 van het decreet Basisonderwijs resp. art. 110/7 §1 van de Codex Secundair Onderwijs wordt wel bepaald dat het LOP afspraken moet maken over (de niveaus voor) de bepaling van relatieve aanwezigheden binnen scholen en binnen het werkingsgebied en omtrent de contingentering voor GOK en niet-GOK, maar niet over de wijze waarop capaciteit bepaald zal worden.

7.1.1

Task-force capaciteit – Gent

Aanleiding tot de oprichting van de lokale task-force ‘capaciteit BaO’

Reeds geruime tijd werken onderwijs en niet-onderwijspartners in Gent intensief samen rond de inschrijvingsproblematiek van kinderen in het basisonderwijs. Deze samenwerking kreeg een nieuwe impuls met het GOK-decreet in 2002 en de oprichting van het Lokaal Overlegplatform Gent Basisonderwijs (LOP Gent BaO). Het groeiende aantal kampeerrijen voor schoolpoorten leidde binnen het LOP Gent BaO in 2008 tot een initiatief waaruit uiteindelijk het huidige Centraal Aanmeldingsregister (CAR) groeide. Van (een besef van) een algemeen capaciteitsprobleem was toen nog geen sprake. Men ervoer wel specifieke capaciteitsproblemen, eerst bij een aantal scholen (eigenlijk eerder een probleem van coördinatie tussen vraag en aanbod), vervolgens ook in een aantal wijken. Het idee lokaal was ook dat er van een algemeen capaciteitsprobleem in Gent nog niet direct geen sprake zou zijn. De schoolbevolkingscijfers voor het Gentse basisonderwijs die het ministerie van onderwijs doorgaf, toonden van 2002 tot 2006 trouwens een onafgebroken dalende trend. Vanaf 2007 werd opnieuw een lichte stijging ingezet, maar die was niet alarmerend en leek eerder op een „herstel‟ te wijzen. Een echte sprong omhoog kwam er trouwens maar tussen 2010 en 2011. Minister Vandenbroucke van onderwijs was de eerste om erop te wijzen - in een parlementair debat in 2009 n.a.v. de capaciteitsproblemen in Antwerpen en Brussel - dat ook Gent in de nabije toekomst capaciteitsproblemen zou kennen in het basisonderwijs. De Gentse schoolbevolkingscijfers voor het basisonderwijs lagen toen nog onder het niveau van 2003. In februari 2010 werd door minister Smet een beleidstask-force te Brussel opgericht met daarin verschillende steden die met capaciteitsproblemen (dreigen te) kampen. Gent is één van de deelnemers. De doelstelling van deze beleidstask-force is om te komen tot een meer gecoördineerde aanpak van de capaciteitsproblematiek. Op vraag van de minister riep de Gentse Schepen van Onderwijs en Opvoeding in het kader van zijn regisseursfunctie een lokale task-force „capaciteit‟ samen. De doelstelling was een analyse te maken van de capaciteitsnoden in het Gentse basisonderwijs op korte, middellange en

107

7.1

hoofdstuk 7 | Task force Capaciteit: casestudies Gent en Vilvoorde

7 | Task force Capaciteit: casestudies Gent en Vilvoorde

lange termijn én tegen de zomervakantie van 2010 aan de minister een voorlopig masterplan met voorstellen van acties voor te leggen.

7.1.2

Betrokkenen

Op de vergaderingen werden eveneens meermaals gasten vanuit Brussel ontvangen: de heer Wim Stalpaert (kabinetsadviseur), mevrouw Marleen Lembrechts (afdelingshoofd van AgODi), Carl Koninckx (departementsmedewerker) en de heer Johan Heymans (departementsmedewerker). Op de medewerkers van de dienst Data-analyse na maken alle leden van de task force ook deel uit van de „coördinatievergadering‟ (dagelijks bestuur) van het LOP Gent-BaO, die maandelijks samenkomt.8 Dat maakt dat de leden van de task force elkaar al lang kennen. Doordat de werkzaamheden van het LOP Gent BaO vooral op de inschrijvingsproblematiek focussen, is er ook inhoudelijk een grote verwantschap met de thematiek die in de task force aan de orde is. In verband met de samenstelling van de task force vallen twee grote verschillen op met (de coördinatievergadering van) het LOP Gent BaO: (1) de aanwezigheid van medewerkers van de cel Dataanalyse en GIS van de Stad Gent en (2) de afwezigheid van de niet-onderwijsverstrekkers die wel in het LOP Gent BaO zitten. De aanwezigheid van de medewerkers van de dienst Dataanalyse en GIS heeft te maken met de noodzaak om meer nauwkeurige prognoses van de onderwijsvraag te kunnen maken. In de task force zetelen geen vertegenwoordigers van het secundair onderwijs. Dat heeft te maken met de focus op de capaciteitsproblematiek in het basisonderwijs.

108


Vaste leden van de lokale task-force „capaciteit‟ te Gent zijn: - de heer Rudy Coddens, schepen onderwijs en opvoeding te Gent, voorzitter; - de heer Paul Connehaye, kabinetsattaché van de Schepen – lokale taskforce verantwoordelijke; - de heer Luc Heyerick, departementshoofd onderwijs en opvoeding stad Gent; - de heren Carlos Haerens (katholiek onderwijs), Alain De Vlaeminck (OKO), Peter Mortier (GO!) en Patrick Descamps (stedelijk onderwijs), afgevaardigden van de vier onderwijsnetten; - de heer Diedrik Gaus, mevrouw Annelies van Steenberghe en mevrouw Els Verhasselt, medewerkers van de dienst Data-analyse en GIS (Geografisch informatiesysteem); - de heer Jean Pierre Verhaeghe, voorzitter LOP Gent-BaO; - mevrouw Joke Goetmaeckers, LOP-deskundige voor Gent Basisonderwijs.

7.1.3

Tijdslijn werkzaamheden

De leden van de task-force kwamen in het voorbije schooljaar 2010-2011 tien keer samen: - 16 maart 2010; - 20 april 2010; - 18 mei 2010; - 7 juni 2010; - 14 juni 2010; - 14 september 2010; - 18 oktober 2010; - 7 december 2010; - 27 mei 2011; 8

Daarin wordt de schepen doorgaans wel vertegenwoordigd door de heer Paul Connehaye.

- 7 april 2011. De data geven enkele de officiële samenkomsten weer. Daarnaast waren er nauwe contacten tussen de verschillende partijen, zeker tussen de personen die de gegevens verzamelden en verwerkten. We kunnen dan ook zeggen dat er een vrij intensieve werking was. Bij het bepalen van de vergaderdata werd voornamelijk rekening gehouden met de tijd die nodig was om de noodzakelijke gegevens op te vragen en te verwerken en de achterban te consulteren, eerder dan met de vergaderdata van de beleidstaskforce te Brussel.

7.1.5

Omgevingsanalyse

7.1.5.1

Informatiebronnen

De lokale task-force bracht informatie samen over (a) de te verwachten vraag en (b) het aanbod aan plaatsen in het basisonderwijs. Hiervoor werden meerdere bronnen aangesproken: - de scholen (via de LOP-deskundige en via de netverantwoordelijken); - AgODi (via de Lop-deskundige); - de netverantwoordelijken voor het basisonderwijs te Gent; - diverse stadsdiensten zoals de bevolkingsdienst (via de dienst Data-analyse en GIS van de Stad Gent); - het Gentse aanmeldingssysteem voor het basisonderwijs. Vooreerst werden de scholen gevraagd de beschikbare informatie omtrent hun capaciteit en aantal vrije plaatsen te actualiseren. Dit werd opgevolgd door de LOP-deskundige. De gegevens werden opgevraagd aan de hand van een zelfgemaakt en gebruiksvriendelijk overzicht9 dat vooraf was ingevuld met informatie die ter beschikking was vanuit het aanmeldingssysteem. Door beschikbare informatie te integreren in de bevragingen, ging het voor scholen louter over nakijken, eerder dan opzoeken. Uit de bevraging van de scholen bleek dat de term „capaciteit‟ niet voor iedereen meteen duidelijk was. Het werd bv. soms verward met „aantal vrije plaatsen‟. Bij het verzamelen van de informatie stuitte de LOP-deskundige op enkele problemen. Eén daarvan betrof het opgeven van de capaciteit. Enkele scholen wensten deze oefening niet te ma-

9

Er was een overkoepelend bestand beschikbaar vanuit Brussel, maar dit werd uiteen gehaald en de bevraagden kregen enkel het onderdeel dat voor hen van toepassing was.


Denkkader

Reeds van bij de start was het duidelijk dat het niet mocht gaan over enkel het toekomstige schooljaar. Er werd dan ook besloten om een masterplan uit te werken voor drie termijnen: - korte termijn: de inschrijvingen voor het schooljaar 2011 -2012, meer bepaald de kinderen geboren in 2009; - middellange termijn:schooljaren 2012-2013 en 2013-2014; - lange termijn.

109

7.1.4

ken. Het was pas vanaf het moment dat er beloofd werd de informatie enkel voor de task-force te gebruiken (en niet voor het aanmeldingssysteem) dat de gegevens werden vrijgegeven.10 Ook het bepalen van de capaciteit was niet steeds even gemakkelijk, vooral bij scholen die afwijken van het traditionele jaarklassensysteem (één klas per geboorte- of leerjaar). Aansluitend bij de werkwijze die het LOP Gent BaO in het kader van het aanmeldingssysteem volgde, werd de capaciteit opgevraagd per geboortejaar (in het kleuteronderwijs) resp. per leerjaar (in het lager onderwijs). Bij scholen die werken met eenheidsklassen, graadsklassen of stamgroepen was enige ondersteuning soms noodzakelijk.11

110


Via de LOP-deskundige werden eveneens de cijfers aangeleverd met betrekking tot het aantal inschrijvingen per school, de leerlingenstromen, de weigeringen en de capaciteit in scholen in de Gentse randgemeenten. Die laatste scholen werden eveneens door de LOP-deskundige gecontacteerd om zicht te krijgen op mogelijke capaciteitsproblemen in naburige wijken net buiten Gent die gevolgen zouden kunnen hebben op de uitwijkmogelijkheden van ouders uit Gent. Op basis van informatie uit verschillende stadsdiensten werd er door de GIS-medewerkers een overzicht gemaakt van: - de evolutie van het geboortecijfer te Gent (van kinderen gedomicilieerd te Gent), opgesplitst per wijk; - het aantal kinderen en personen gedomicilieerd in Gent (in verschillende leeftijdscategorieën); - de geplande bouwprojecten en de profielen van toekomstige bewoners van de woonuitbreidingsgebieden (met daarbij een schatting van het aantal te verwachten kinderen); - de te verwachte migraties (de instroom van nieuwkomers per wijk); - de geografische locatie van vestigingsplaatsen van basisscholen (per net); - het verschil tussen aantal kinderen en aantal plaatsen. Er werd niet alleen gepoogd om de actuele situatie in kaart te brengen, maar ook een beeld te krijgen van de toekomstige situatie. Dat ging niet altijd vlot. Geplande wooneenheden en hun gezinnen zijn heel moeilijk te voorspellen. Komen er daar bijvoorbeeld wel jonge gezinnen in? Wat als tussen nu en de realisatie van de woningen de marktprijs stijgt en de populatie daardoor verschuift naar oudere, meer kapitaalkrachtige gezinnen? De economische situatie kan op enkele jaren tijd sterk veranderen, waardoor huizen die origineel voor jonge gezinnen bedoeld waren, eerder zullen gekocht worden door 50-plussers. Dat heeft dan uiteraard zijn invloed op het aantal kinderen in die buurt. De netverantwoordelijken bevroegen de directies over mogelijke capaciteitsuitbreiding binnen de bestaande infrastructuur van de scholen en geplande verbouwingswerken, al dan niet met zicht op mogelijke financiële bronnen. Zij gingen daarvoor soms ter plekke. Na het verzamelen van de informatie kwamen vanuit de directies wel enkele opmerkingen naar boven: - zullen er voldoende lestijden zullen zijn na de uitbreiding? - zullen er voldoende leerkrachten zijn om de extra kinderen te onderwijzen?

10 Hierbij dient vermeld te worden dat alle Gentse basisscholen deelnemen aan het centrale aanmeldingssysteem (CAR), maar dat het doorgeven van capaciteit niet verplicht was. De enige consequentie van het niet bepalen van een capaciteit voor CAR is dat die scholen geen kinderen kunnen weigeren op basis van capaciteit. 11 De ondersteuning werd indien nodig gegeven door de netverantwoordelijke en de LOP-deskundige, al dan niet gekoppeld aan een schoolbezoek.

7.1.5.2

Werkinstrumenten

De verzamelde gegevens werden door het GIS letterlijk „in kaart‟ gebracht. Tijdens de vergaderingen werd de opgevraagde informatie vergeleken aan de hand van volgende kaarten: - de vestigingsplaatsen van basisscholen te Gent (kaart met wijkenindeling); - aanpalende gemeenten en hun scholen; - de vrije plaatsen; - de geplande wooneenheden; - de leerlingenstromen; - de capaciteit voor geboortejaar 2009; - de capaciteit voor oudere leeftijdsgroepen; - de verhouding capaciteit ten opzichte van geboortejaar 2009; - de geplande capaciteitsuitbreidingen (korte, middellange en lange termijn).

Bevindingen

Voor het schooljaar 2011-2012 werd een voorspelling gemaakt op basis van de capaciteit in juni 2010. Tijdens 2011-2012 zullen (een deel van) de kinderen geboren in 2009 in de instapklas starten. Er bleek een capaciteit van 2 742 kinderen in de instapklas, terwijl er eind 2009 3 362 kinderen van geboortejaar 2009 in Gent woonden. Het verschil liet een tekort van 620 plaatsen in de instapklas zien. Dit tekort moet echter genuanceerd worden. Het laatste instapmoment (na Hemelvaart) valt voor het schooljaar 2011-2012 op 21 mei 2012. Met andere woorden kinderen geboren na 21 november 2009 zullen niet in de instapklas terecht komen. Als we veronderstellen dat er elke maand evenveel kinderen geboren worden, dan kunnen we 1/12 (kinderen geboren in de maand december) aftrekken van het aantal kinderen geboren in 2009. Met andere woorden als we 3 362 verminderen met 280 (1/12de) dan resten er nog 3 082. Dan komt het tekort voor de instapklas neer op 340. In de discussie hierover in de task force werd erop gewezen dat rekening houden met de instapdatum het beeld van de benodigde capaciteit wel dreigt te vervalsen. De kinderen van geboortejaar 2009 die niet tijdens het schooljaar 2011-2012 kunnen instappen omdat ze te laat op het jaar geboren zijn, kunnen wel reeds ingeschreven worden én ze stappen dan wel in op 1 september 2012. Er moet voor die kinderen dus hoe dan ook wel plaats voorzien worden, al komen die kinderen in de meeste scholen dan wel meteen in de groep van de driejarigen terecht. Het aantal reële plaatsen in de instapklas kan dan misschien wel wat lager liggen, maar (1) de plaatsen moeten dus wel ten laatste het jaar erop reëel voorzien zijn in de één jaar hogere groep en (2) ‟op papier‟ moeten die kinderen wel al meegerekend worden in de capaciteit die voor de instapklas officieel voorzien wordt, gezien hun recht op inschrijving vanaf de eerste inschrijvingsperiode in 2010-2011. De task-force verwachtte dat het voorziene tekort nog iets zou afnemen tegen het moment dat de instappers effectief naar school gaan. Uit de vergelijking van het aantal geboorten, het aantal nul-jarigen op het einde van het betreffende jaar en het aantal tweejarigen twee jaar later, blijkt dat Gent nog altijd een vlucht van jonge gezinnen kent. Daardoor zou het aantal van 3 362 kinderen vermoedelijk (als de trend uit het verleden aanhoudt) nog wat zal afnemen tegen de leeftijd dat de kinderen geboren in 2009 voor het eerst naar school gaan. Voor de geboorte-

111

7.1.5.3


Deze kaarten werden steeds op wijkniveau opgesteld. Aan de hand van deze kaarten werden de noodzakelijke acties bepaald. Bijvoorbeeld welke scholen in welke wijken gevraagd zouden worden om capaciteit bij te creëren.

jaren 1999 tot 2007 woonden er gemiddeld nog 96,5% van de nuljarigen twee jaar later (op tweejarige leeftijd) nog in Gent. Uitgaande van de capaciteit die in het schooljaar 2010-2011 beschikbaar was, werd geconcludeerd dat - bij behoud van de capaciteit - er voor het schooljaar 2011-2012 een tekort van ongeveer 340 plaatsen voor de jongste kleuters (instappers) zou zijn. Voor de oudere leerlingen werden geen tekorten verwacht.

7.1.6

Korte, middellange en langetermijnoplossingen

112


De eerste beslissingen die genomen werden, stonden in het teken van kortetermijnoplossingen voor het schooljaar 2011-2012, goed wetende dat zulke ingrepen slechts eerder beperkt in omvang konden zijn en geen structurele oplossing zouden bieden. Op korte termijn werd er door de directies en de netverantwoordelijken gekeken naar het uitbreiden van de capaciteit door ingrepen binnen de school.12 In eerste instantie werd er door élke directie gekeken naar een efficiënter gebruik van klaslokalen of een herschikking ervan. Verder in het proces, wanneer de probleemwijken in kaart werden gebracht, werd er gerichter gekeken en spraken de netverantwoordelijken bepaalde scholen specifiek aan. De ingrepen waren: - het heroriënteren van lokalen of een of meer extra stoeltjes per klas plaatsen: dat leidde tot 56 extra plaatsen; - bubbelklassen invoeren: dat leidde tot 303 (tijdelijke) extra plaatsen; Het effect van bubbel- of doorgroeiklassen (niet-niveaubrede capaciteitsverhoging) is beperkt in de tijd en houdt in dat de capaciteitsuitbreiding slechts voor 1 (of een beperkt aantal) leeftijdscohorte(s) wordt ingezet. Met andere woorden, er wordt tijdens (minstens) 1 schooljaar een tijdelijke piek in de instroom mogelijk gemaakt. - doorstroomklassen inrichten: dat leidde tot 49 (structurele) extra plaatsen. Het systeem van doorstroomklassen (niveaubrede capaciteitsverhoging) houdt in dat de capaciteitsuitbreiding jaarlijks wordt doorgezet met als eindresultaat een structurele capaciteitsuitbreiding voor alle kleuterjaren of leerjaren die de school aanbiedt. Dit waren beslissingen met minimale infrastructuurkosten die gerealiseerd konden worden voordat de aanmeldingsprocedure van start ging. Het aantal extra plaatsen dat bijgecreëerd werd, overtrof dus het tekort. Middellange en lange termijnplannen, die grote structuurwerken vragen, moeten zorgen voor duurzame oplossingen inzake capaciteitsuitbreiding. Met daarbij aandacht voor: - reeds bestaande bouwdossiers; - leegstaande panden die terug in gebruik kunnen genomen worden; - locaties waar een school ingeplant kan worden. Middellange termijnplannen zijn mogelijkheden die binnen 3 schooljaren te realiseren zijn (2013-2014). De lange termijndoelstellingen zijn er (ten vroegste) op 4 schooljaren (2015-2016). Bij dit alles werd een duidelijk zicht op de randvoorwaarden en de nodige financiële garanties gevraagd.13 12 18 scholen deden een extra inspanning door het organiseren van een extra klas. 13 Het gaat hier over een 14-tal projecten, waaronder het oprichten van nieuwe scholen en gevoelige uitbreidingen(H. Lammensstraat, Sint-Bernadettestraat, de Oude Dokken, Zwijnaarde, Sint-Salvatorstraat en aan het Sint-Pietersstation).

De middellange termijnplannen zullen zorgen voor 38 extra plaatsen voor de kleuters. De lange termijnplannen leiden tot 140 extra plaatsen voor de kleuters en 495 plaatsen voor het lager onderwijs. Deze zijn het gevolg van het bouwen van nieuwe scholen en gevoelige uitbreidingen bij bestaande vestigingen.

7.1.7

Het eindresultaat

Op regelmatige basis was er een terugkoppeling vanuit Gent naar het departement Brussel, beginnende in januari 2011 toen deel 1 van de ondernomen stappen overgemaakt werd. Begin juni was er dan een formele toestemming vanuit Brussel van een terugbetaling van de bedragen. Er werd eind juni nog een actualisatie opgesteld.

Er was een terugkoppeling naar onderwijs- en niet-onderwijspartners op de algemene vergadering van het LOP Gent BaO van 7/6/2011. Dit gebeurde aan de hand van de kaarten die gebruikt werden tijdens de vergaderingen van de lokale taskforce.

7.1.8

Niet te voorspellen probleem

Ondanks de vele inspanningen om vooraf plaatsen bij te creëren, kreeg de LOP-deskundige bij de afsluiting van de laatste aanmeldingsperiode in maart 2011, meerdere opmerkingen en vragen vanwege ouders uit Gentbrugge die geen plaats kregen voor hun kind geboren in 2009. Om een voldoende antwoord te bieden aan de ouders werd er een analyse gemaakt van de situatie: - in heel Gent kon aan 176 instappers (14,8%) geen plaats toebedeeld worden. Voor het grootste deel daarvan hield dat verband met het beperkte aantal keuzes dat de ouders bij de aanmelding hadden gemaakt: - voor 92 instappers hadden de ouders maar 1 schoolkeuze aangegeven; - voor 31 instappers hadden de ouders maar 2 schoolkeuzes aangegeven; - voor 39 instappers hadden de ouders maar 3 schoolkeuzes aangegeven; - voor 14 instappers hadden de ouders wel 4 tot 7 schoolkeuzes aangegeven.

113

Verder was er ook een syntheseverslag beschikbaar met daarin volgende punten: - analyse van de cijfergegevens: - evolutie van het aantal jonge kinderen in Gent; - tendensen in Vlaanderen; - concrete cijfers per schooljaar. - ruimtelijke analyse met bijhorende kaarten: - kleuteronderwijs (per wijk); - lager onderwijs (per wijk); - capaciteit en vrije plaatsen d.d. juni 2010; - capaciteit instapklas; - capaciteit 1ste leerjaar; - aantal vrije plaatsen instapklas; - aantal vrije plaatsen 1ste kleuterklas; - aantal vrije plaatsen 1ste leerjaar.


In september 2011 werd alles afgerond en was er een eindproduct dat alle acties op korte termijn en middellange termijn samenbracht.

114


Naar verwachting zouden de meeste van die ouders voor hun kind nog wel een school kunnen vinden. Maar gezien ze niet ten volle van de mogelijkheden van het aanmeldingssysteem gebruik hadden gemaakt, zouden ze dat op eigen houtje moeten klaren. - 56 van die 176 instappers zonder toegangsticket (32,4%) bleken in 9050 (Gentbrugge/Ledeberg) te wonen; 50 zochten ook daar een school. Dat was - alle verhoudingen in acht genomen - een bijzonder groot aandeel; - voor het geboortejaar 2009 waren er alles samen 191 weigeringen voor vestigingsplaatsen in 9050, voor 114 kinderen. Daarvan woonden er 99 in 9050 (Gentbrugge-Ledeberg): - waarvan 50 nergens een plaats hadden kregen; - en 49 in een andere school wel een plaats hadden bemachtigd (waarvan 35 elders in 9050). Naar aanleiding van deze cijfers werd er gekeken naar het aantal vrije plaatsen in de deelgemeenten Gentbrugge en Ledeberg.14 In de 9 wijkscholen, waren er nog 26 vrije plaatsen in het katholieke net.15 Dit was ten eerste onvoldoende om de 50 kinderen zonder ticket in hun eigen deelgemeente op te vangen en ten tweede ging het om ouders die in eerste instantie een officiële school zochten. Vervolgens werden de naburige wijken onderzocht, maar algauw bleek dat de ouders zich ver zouden moeten verplaatsen indien ze een school van het stedelijke net of het GO! wensten. Na een spoedberaad met afgevaardigden van beide netten en met de betrokken directies bleek het op de valreep nog mogelijk om in één school van het stedelijk onderwijs en één school van het GO! een extra klas is te richten. In één van beide scholen bleek dit mogelijk door op de valreep verbouwingswerken die op punt stonden aangevat te worden, nog snel te heroriënteren. Daardoor kregen de 50 kinderen alsnog een plaats op een school van de keuze van hun ouders. BSGO Hazenakker creëerde 27 plaatsen en „t Groen Drieske 25.16 Bij de start van het schooljaar 2011-2012 had BSGO Hazenakker geen vrije plaatsen meer, „t Groen Drieske kon nog 1 leerling geboren in 2009 inschrijven. De vraag rijst hoe deze onverwachte probleemsituatie vermeden had kunnen worden. Dit blijft een moeilijk gegeven, het is namelijk onmogelijk vooraf zicht te krijgen op de keuzes die ouders maken. In het licht van de vrije schoolkeuze zijn de ouders immers niet verplicht om voor een buurtschool te kiezen. Zelfs niet voor de meest dichtbije school uit het net van hun keuze. Het probleem in Gentbrugge kon onderkend worden dankzij de alarmerende berichten van ouders en de informatie uit het centraal aanmeldingssysteem en kon ook bevredigend opgelost worden door snel te reageren en dankzij de bereidwilligheid van alle direct verantwoordelijken. Maar er was hoe dan ook een grote dosis geluk mee gemoeid. Het was nog net mogelijk om in twee scholen de nodige extra plaatsen te creëren. Het „geval Gentbrugge‟ illustreert vooral hoe een relatief groot capaciteitsprobleem onverwacht in één deelgebied kan optreden. Het illustreert ook de noodzaak van een verfijnde monitoring op substedelijk niveau.

7.1.9

Uitloper: school-woon ratio’s voor binnenstedelijke geografieën

Na het beëindigen van de werkzaamheden van de task force capaciteit in september 2011 werd een technische werkgroep van het LOP opgestart ter voorbereiding van het nieuwe aanmeldingssysteem. In het kader van de werkzaamheden van deze werkgroep werden deelgebieden

14 Om het probleem in beeld te brengen werden er door medewerkers van het GIS op 31/03/2011 kaarten opgesteld met de beschikbaarheid van de vrije plaatsen in de vier onderwijsnetten. 15 Er waren nog 23 vrije plaatsen in het Onze-Lieve-Vrouwcollege te Ledeberg en 3 in Sancta Maria te Gentbrugge. 16 In beide scholen gaat het over een doorstroomklas.

hoofdstuk 7 | Task force Capaciteit: casestudies Gent en Vilvoorde 115

gedefinieerd en werd de schoolpendel tussen deze deelgebieden onder de loep genomen. Deze analyses vormen een interessante input voor het lokale capaciteitsvraagstuk. Op basis van deze gegevens kunnen ook binnenstedelijke school-woon ratio‟s berekend worden. In tabel 7.1 worden deze ratio‟s berekend voor de 16 deelgebieden die door het LOP (in overeenstemming met het decreet op het inschrijvingsrecht) voor het Gentse basisonderwijs onderscheiden werden. Die deelgebieden volgen niet altijd de grenzen van de administratieve indeling in 25 wijken die de Stad Gent in het kader van zijn gebiedsgerichte werking onderscheidt, maar zijn mede gebaseerd op natuurlijke en andere barrières (kanalen, spoorlijnen, drukke verkeersaders) waarvan mag aangenomen worden dat ouders ze niet gemakkelijk geneigd zijn te overschrijden wanneer ze hun jonge kinderen te voet of met de fiets naar school brengen. De ratio‟s slaan op het schooljaar 2011-2012. We vermelden niet alleen de aantallen leerlingen die wonen en schoollopen binnen elk deelgebied maar ook het aandeel GOK-leerlingen zoals gedefinieerd in het decreet op het inschrijvingsrecht van 09/11/2011. Voor Gent in zijn geheel noteren we een positieve school-woon ratio. De inkomende schoolpendel is iets groter dan uitgaande schoolpendel. Het aandeel GOK-leerlingen dat in Gent school loopt, is kleiner dan het aandeel GOK-leerlingen dat in Gent woont. Daaruit valt af te leiden dat leerlingen van buiten Gent die in Gent school lopen, overwegend niet-GOK zijn. Op grond van de school-woon ratio, het aandeel GOK-leerlingen dat er woont en het aandeel GOK-leerlingen dat er school loopt, kunnen vier types deelgebieden onderscheiden worden: deelgebieden met een grote inkomen de schoolpendel, deelgebieden die gekenmerkt lijken te worden door een witte vlucht, „buitengebieden‟ met een grote uitgaande schoolpendel en „zelfbedruipende‟ deelgebieden.

116


Figuur 7.1 Deelgebieden voor het basisonderwijs te Gent

Tabel 7.1

School-woon ratio’s voor de 16 Gentse wijken (basisonderwijs schooljaar 2011-2012)

DEELGEBIED Nr 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Naam Oostakker & Kanaaldorpen Dampoort - St.-Amandsberg & Oostakker-Zuid Wondelgem Bloemekenswijk Brugse Poort - Rooigem Rabot - Papegaai Mariakerke Macharius - Heirnis - Binnenstad Gentbrugge - Ledeberg Binnenstad 2 Nieuw Gent - UZ Zwijnaarde Sint-Denijs-Westrem Stationsbuurt - Watersportbaan Drongen Muide - Sluizeken

117

Leerlingen die er school lopen KO LO Totaal % GOK Totaal % GOK Aantal Aantal 346 19,7% 364 32,1% 1500 37,9% 2212 43,3% 315 41,3% 488 43,0% 388 81,1% 416 92,6% 556 73,9% 626 83,9% 472 54,0% 514 44,2% 883 31,1% 1358 41,1% 985 43,2% 1581 48,7% 1080 49,8% 1333 59,1% 344 35,2% 776 33,3% 313 67,4% 302 81,5% 199 24,1% 201 22,4% 159 11,3% 266 15,8% 1575 25,5% 2340 28,7% 538 16,7% 862 18,7% 613 83,0% 783 87,1% 10266 42,7% 14422 46,1%

Totaal Aantal 463 1527 472 474 870 622 508 601 1284 92 383 251 185 711 450 844 9737

Leerlingen die er wonen KO LO % GOK Totaal % GOK Aantal 25,5% 773 31,3% 38,4% 2075 42,4% 39,0% 701 43,5% 66,7% 649 80,3% 69,1% 1102 76,8% 66,2% 763 69,5% 19,1% 738 24,4% 34,1% 748 37,7% 44,6% 1712 51,9% 22,8% 139 23,7% 64,8% 449 74,4% 18,7% 376 21,0% 7,6% 361 13,9% 18,7% 878 21,8% 15,6% 796 15,8% 72,2% 1085 79,1% 43,5% 13345 47,6%


Totaal wonen KO + LO Totaal % GOK Aantal 1236 29,1% 3602 40,7% 1173 41,7% 1123 74,5% 1972 73,4% 1385 68,0% 1246 22,2% 1349 36,1% 2996 48,8% 231 23,4% 832 70,0% 627 20,1% 546 11,7% 1589 20,4% 1246 15,7% 1929 76,0% 23082 45,8%

School-Woon ratio KO LO 0,75 0,98 0,67 0,82 0,64 0,76 1,74 1,64 0,84 3,74 0,82 0,79 0,86 2,22 1,20 0,73 1,05

0,47 1,07 0,70 0,64 0,57 0,67 1,84 2,11 0,78 5,58 0,67 0,53 0,74 2,67 1,08 0,72 1,08

hoofdstuk 7 | Task force Capaciteit: casestudies Gent en Vilvoorde 118

Er zijn vier deelgebieden die gekenmerkt lijken te worden door een (grotere of minder grote) „witte vlucht‟ (de deelgebieden 4, 5, 11 en 16). Het aandeel GOK-leerlingen dat er woont, is een stuk groter dan in Gent gemiddeld; voor leerlingen in de lagere schoolleeftijd gaat het om 70% tot 80%. De uitgaande schoolpendel is er relatief groot. Van alle leerlingen in de lagere schoolleeftijd gaat slechts 57% tot 72% in het eigen deelgebied naar school. Die uitgaande schoolpendel blijkt in grotere mate niet-GOK-leerlingen te betreffen, waardoor de lagere scholen in die vier deelgebieden 7 tot 12 %-punten méér GOK-leerlingen tellen dan het deelgebied waarin ze gelegen zijn. Er is één deelgebied waarin gelijkaardige tendensen waar te nemen vallen, maar waarin het aandeel GOK-leerlingen veel dichter bij het Gentse gemiddelde aanleunt (Gentbrugge – Ledeberg). Vier deelgebieden (nrs. 7, 8, 10 en 14) worden gekenmerkt door een grote inkomende schoolpendel. Het meest uitgesproken voorbeeld hiervan is deelgebied 10 („Binnenstad 2‟) die grotendeels uit een winkelzone bestaat waar slechts heel weinig kinderen tussen 2 en 11 jaar wonen (92 kleuters en 139 lagere schoolkinderen). Het aantal leerlingen dat er in één van de vier scholen lager onderwijs volgt, overtreft 5, 6 keer het aantal lagere schoolkinderen dat er woont; bij de kleuters is die ratio 3,7. In de andere drie deelgebieden die binnen deze categorie vallen, ligt de school-woon ratio tussen 1,64 en 2,67. Kenmerkend voor drie van deze vier gebieden is dat het aandeel GOK-leerlingen dat er woont maar half zo groot is als in Gent gemiddeld. In het vierde deelgebied (nr. 8) sluit het aandeel GOK-leerlingen dat er woont, iets dichter aan bij het Gentse gemiddelde (38% voor LO). Opvallend is dat de inkomende pendel de schoolbevolking in die vier deelgebieden „donkerder‟ kleurt; het aandeel GOK-leerlingen in de scholen ligt er 7 tot 17 %-punten hoger dan bij de kinderen die er wonen. Die inkomende schoolpendel telt dus niet alleen niet-GOK-leerlingen, maar verhoudingsgewijs ook veel GOK-leerlingen. Vier deelgebieden zijn „buitengebieden‟ waar een groot deel van de kinderen kleuter- of lager onderwijs buiten de eigen wijk volgt, vermoedelijk eerder in centrum van de stad of in één van de andere gebieden met een hoge inkomende schoolpendel. Vooral voor de kinderen in de leeftijdsgroep 6 tot 11 jaar ligt de school-woon ratio laag: 0,5 tot 0,7. Hoewel het om gebieden gaat die helemaal in het noorden respectievelijk helemaal in het zuiden liggen, behoorlijk ver van het centrum, gaat bij twee van die vier gebieden amper de helft van de 6- tot 11-jarigen in de eigen buurt naar school. Het aandeel GOK-leerlingen in die buitengebieden varieert van 12% tot 42% (wanneer we naar de hele leeftijdsgroep van 2 tot 11 jaar kijken). Opvallend is dat de relatief grote uitgaande schoolpendel de samenstelling van de schoolbevolking nauwelijks doet verschillen van de samenstelling van de leeftijdsgroep die er woont. Gok- en niet-GOK-leerlingen lijken in vrij gelijke mate een school buiten het eigen deelgebied op te zoeken. Deelgebied 1 (Oostakker & Kanaaldorpen) lijkt daar een uitzondering op te vormen, althans wat de kleuters betreft. Het aandeel GOK-kleuters dat er schoolloopt ligt er bijna 6%-punten lager dan het aandeel GOK-kleuters dat er woont. Gezien de school-woon ratio (<1) en gezien de geografische ligging van het gebied (ten noorden van de R4 en ten oosten van het havengebied, die beide een grote barrière vormen) is het onwaarschijnlijk dat daar sprake is van een inkomende schoolpendel van niet-GOK-kleuters. Een relatief lagere kleuterparticipatie bij de kansarme bevolking in deelgebied 1 lijkt een meer waarschijnlijke hypothese. Twee deelgebieden lijken „zelfbedruipend‟ te zijn. Het gaat om Drongen (deelgebied 15) in het westen van de stad en om St.-Amandsberg – Dampoort – Oostakker-Zuid (deelgebied 2) in het oosten van de stad. We zeggen voorzichtigheidshalve „lijken‟ omdat de school-woon ratio van ongeveer 1 die deze gebieden kenmerkt, in principe ook het gevolg zou kunnen zijn van inkomende en uitgaande schoolpendel die elkaar in balans houden. Voor Drongen is dat minder waarschijnlijk. Het deelgebied ligt geografisch sterk afgesloten van de rest van Gent, ervan gescheiden door de ringvaart met de buitenring en de Leie. Toch valt op dat voor de kleuters de school-woon ratio positief begint te worden (ratio=1,20). Deelgebied 2 vormt geografisch een iets minder afgesloten gebied, al is het aan de westkant begrensd door het havengebied en in het

119


noorden door de R4. Ten zuiden en ten oosten vormt het één agglomeratie met de aangrenzende deelgebieden en met de buurgemeente Destelbergen. Tenslotte is er één atypisch deelgebied (nr. 6, Rabot – Papegaaistraat). Dat is gekenmerkt door een hoog aandeel GOK-leerlingen, dat met 68% anderhalve keer zo hoog ligt als in Gent gemiddeld, én een relatief grote uitgaande schoolpendel. Die uitgaande schoolpendel resulteert wel in een lager aandeel in het deelgebied school lopende GOK-leerlingen: 44% in het lager onderwijs en 54% in het kleuteronderwijs. Een deel van de verklaring zou kunnen gevonden worden in het gegeven dat twee van de drie scholen die lager onderwijs aanbieden, methodescholen zijn. De drie scholen verschillen overigens onderling niet zoveel wat het aandeel GOK-leerlingen in het lager onderwijs betreft. Een belangrijk deel van de GOK-leerlingen in deelgebied 6 vindt naar geen van die drie scholen de weg. Kleuteronderwijs wordt behalve door die drie scholen ook nog aangeboden door twee vestigingsplaatsen van andere scholen. Dat zijn pure concentratiescholen met 85% tot 90% GOK-leerlingen. De situatie in deelgebied 6 illustreert hoe binnen eenzelfde deelgebied de situatie nog sterk van school tot school kan verschillen.

7.2

7.2.1

Task force Capaciteit Vilvoorde

Inleiding

Net zoals Gent is Vilvoorde één van de vier steden/gemeenten die - n.a.v. een onderhoud met het LOP en het bekijken van het aantal geregistreerde weigeringen - door de Vlaamse overheid gevraagd werd een lokale task force op te richten met het oog op het aanpakken van het plaatselijk gesignaleerde capaciteitsprobleem. Vanuit deze situatie is Vilvoorde ook lid van de beleidstaskforce. Hoewel Vilvoorde niet direct geconfronteerd werd met kampeertoestanden, liet de toenmalige situatie toch vermoeden dat er zich in het schooljaar 2010-2011 een tekort aan plaatsen zou voordoen en dan vooral in het kleuteronderwijs.

120


7.2.2

Betrokkenen

Volgende personen maakten samen de lokale task force Vilvoorde uit: - Eddy Deknopper en Tom Van de Voorde, respectievelijk algemeen directeur en coördinerend directeur Katholiek Onderwijs Vilvoorde; - Robert Steuts, algemeen directeur scholengroep Midden-Brabant (GO!); - Hilde Walder, directeur-coördinatie Stedelijk Onderwijs Vilvoorde; - Hubert Buys, LOP-voorzitter Vilvoorde basis en secundair (éénmalig aanwezig); - Patrick Van Moorter, LOP-deskundige Vilvoorde basis en secundair; - Ruth Damiaens, schoolopbouwwerk stad Vilvoorde (sporadisch aanwezig); - Fatima Lamarti, schepen van onderwijs en maatschappelijke integratie (tevens voorzitter); - Rudy Massant, diensthoofd Onderwijs (éénmalig aanwezig); - Vera Boudry, stadssecretaris Vilvoorde; - Marie-Louise Holvoet, dienst Beheer van de gebouwen stad Vilvoorde (éénmalig aanwezig); - Wim Stalpaert, kabinet Onderwijs (éénmalig aanwezig); - Karl Wauters, Departement Onderwijs en Vorming; - Marlene Lembrechts, AgODi; - Kris Van Damme, AGIOn. Hoewel een vrij grote groep van mensen in principe deel uitmaakte van de vergadering, kwamen ze zo goed als allemaal uit het beleidsdomein onderwijs. Waar het departement onderwijs, AGIOn en AgODi oorspronkelijk nog deelnamen aan deze vergaderingen, viel hun aanwezigheid weg nadat dit niet langer verwacht werd van de Vlaamse overheid. Dat betekent dat de samenstelling van de lokale taskforce in Vilvoorde nu quasi uitsluitend lokale onderwijsactoren betreft. Een dergelijke samenstelling puur vanuit onderwijs impliceert dat er een veelheid aan relevante en op verschillende plaatsten/diensten (bevolking, maatschappelijke integratie, GIScoördinator) beschikbare informatie (cijfers van het LOP over de link tussen woonplaats en vestiging waar men school loopt, cijfers van het steunpunt sociale planning, cijfers van kind en gezin, cijfers van het CLB) niet samengebracht wordt in het kader van het monitoren van de vraag en het analyseren van de match tussen vraag en aanbod.

7.2.3

Tijdslijn werkzaamheden

De lokale task force kwam voor het eerste bijeen op 27 april 2010, waarna een reeks data werden vastgelegd voor de rest van het schooljaar. Uiteindelijk kwam de groep bijeen op volgende momenten: - 27 april 2010; - 6 mei 2010;

-

19 mei 2010; 3 juni 2010; 16 juni 2010; 21 oktober 2010; 11 februari 2011.

7.2.4

Denkkader

Hoewel er op de eerste vergaderingen vrijwel uitsluitend gesproken werd over de aanpak op korte termijn - wat begrijpelijk is wanneer er zich acute problemen aandienen - werd op verschillende momenten verwezen naar de noodzaak om ook aandacht te hebben voor oplossingen op middellange en lange termijn onder de vorm van een lokaal masterplan. Zo werd bv. beslist dat het buitengewoon onderwijs pas later aan bod zou komen bij het ontwikkelen van zo‟n masterplan. Ook het (gewoon) secundair onderwijs kwam soms ter sprake, maar door de instroom van buiten Vilvoorde vond men dit een moeilijke oefening. Een aanpak op langere termijn is ook nodig omdat projecten voor nieuwe schoolgebouwen in de toekomst zullen moet voorzien zijn in de begroting (i.t.t. wat nu kon omwille van de acute situatie). Elementen die een plaats zouden kunnen/moeten krijgen in een dergelijk masterplan voor Vilvoorde zijn: - de sleuteldata (via departement onderwijs); - het bestaande patrimonium (via inrichtende machten en AGIOn); - duurzaamheid gebouwen (zoals bv. de studie van het GO!); - demografische gegevens (via rijksregister); - bevolkingsprognoses (bv. uit woonbehoeftestudie, informatie dienst bevolking over o.a. migratietendenzen); - recruteringsgebieden scholen (via LOP); - stadsonwikkelingsprojecten zoals Vilvoorde Watersite, Uplace en het ruimere strategisch masterplan Vilvoorde-Machelen. In de voorbereidende vergadering van 23 juni 2011 wordt voor het eerst meer concreet nagedacht over de toekomstige aanpak.

121

Noot: Anders dan bij de lokale task force Gent maakte geen van de onderzoekers deel uit van deze vergadering. Gezien voorliggend onderzoek pas van start ging begin 2011, kon er in de praktijk slechts één vergadering bijgewoond worden. Om de werkzaamheden in kaart te brengen werd voortgegaan op de verslagen van de vergaderingen enerzijds en op interviews met Mevrouw Hilde Walder, directeur-coördinatie van het stedelijk onderwijs Vilvoorde die in de praktijk de werkzaamheden van de task force coördineert en Mevrouw Lieve O (diensthoofd maatschappelijke integratie) anderzijds.


Op 23 juni 2011 werd een vergadering belegd - in een wat andere samenstelling dan de eigenlijke task force - om te bekijken wanneer de volgende vergadering van de task force zou plaatsvinden in het licht van de uitgeschreven woonbehoeftestudie. Omdat men heel wat - voor de capaciteitsproblematiek relevante - informatie verwacht n.a.v. het opleveren van deze studie (o.a. ook bevolkingsprognoses) in december 2011, wordt er voor januari 2012 wellicht geen nieuwe task force belegd.

7.2.5

Omgevingsanalyse

122


In mei 2010 wordt o.b.v. de dan beschikbare informatie (op dat moment ingeschreven leerlingen, te verwachten nieuwe inschrijvingen o.b.v. demografische gegevens en door de scholen opgegeven schoolcapaciteiten) geconcludeerd dat in september 2010 wellicht de helft van de scholen voor wat betreft hun kleuterklassen aan hun limiet zullen zitten (één school zit al over zijn capaciteit). De andere helft zal naar men verwacht nog een beperkt aantal plaatsen hebben. Voor het lager onderwijs zou geen enkel school in september aan zijn maximum zitten. Het secundair onderwijs komt niet ter sprake. N.a.v. deze vaststellingen werd aan elk net gevraagd na te denken over capaciteitsverhogende maatregelen. Op 19/05/‟10 overliep elk net zijn voorstellen voor capaciteitsuitbreiding van z‟n basisonderwijs. Deze voorstellen waren goed voor zo‟n 190 extra plaatsen tegen september 2010 (voor de helft door het plaatsen van containers), 240 extra plaatsen tegen september 2012 en tenslotte nog zo‟n 274 tegen september 2013. Het capaciteitsprobleem wakkert ook de discussie over een uniform inschrijvingsbeleid terug aan. Dat sommige ouders hun kind niet naar de buurtschool kunnen sturen terwijl er soms heel wat kinderen uit Brussel schoollopen (cf. Konings-Lo), wordt als problematisch aanzien. Niet iedereen blijkt echter happig op het invoeren van een afstandscriterium bij de toewijzing van een school. Ook het idee van een centraal elektronisch aanmeldingssysteem wordt door een aantal directeurs op weerstand onthaald. I.f.v. deze discussie vroeg men aan het LOP de verschillende mogelijke criteria en aanmeldingsprocedures op een rijtje te zetten met hun voor- en nadelen. Het verzamelen van gegevens omtrent het aantal kinderen dat niet in de buurt naar school gaat (≠ kan!) en omtrent de recruteringsgebieden van de scholen, wordt als voorwaarde aangehaald om een geïnformeerd inschrijvingsbeleid te voeren.

7.2.6 7.2.6.1

Moeilijkheden ondervonden bij het in kaart brengen van vraag en aanbod Regie/coördinatie

De stad Vilvoorde beseft dat het haar taak is de regierol voor het monitoren van vraag en aanbod qua onderwijs op zich te nemen. Bedoeling was dan ook hiervoor een coördinator aan te stellen vanuit flankerend onderwijsbeleid. Door een gebrek aan middelen kan er echter niemand vrij gemaakt worden voor deze opdracht en gebeurt het samenbrengen van gegevens uit de verschillende relevante beleidsdomeinen niet optimaal (zie ook punt 2 Betrokkenen). De task force vergaderingen worden in concreto voorgezeten door de schepen van onderwijs, terwijl de coördinerend directeur van het stedelijk onderwijs Vilvoorde optreedt als voorlopige spilfiguur. Dit betekent echter dat de activiteiten van de task force niet gecoördineerd worden door een neutrale speler (apolitiek en niet verbonden aan één van de netten). De coördinerend directeur geeft aan dat dit een nadeel vormt en het (hierdoor) moeilijk is om iedereen te bewegen tot collegiale inspanningen om het probleem aan te pakken. Er is bv. een locatie voorzien voor de inplanting van een nieuw schoolgebouw, maar geen van de netten voelt zicht geroepen om hier een nieuwe school op te richten. 7.2.6.2

Weigeringen

Om op korte termijn (vooral bij de start van het schooljaar) het capaciteitstekort goed in te schatten moet men o.a. zicht hebben op het aantal weigeringen. Hoewel informatie over weigeringen samenkomt op niveau van het LOP, vormt dit wellicht een onderschatting van de reële cijfers gezien niet elke school zijn weigeringen doorgeeft. Bovendien weet men niet hoeveel van de weigeringen dezelfde leerlingen betreffen (dubbele weigeringen). Gezien de twee effecten respectievelijk tot een onderschatting en overschatting van het aantal unieke weigeringen leiden

en elkaar dus enigszins opheffen, zullen de gegevens die men ter beschikking heeft over het aantal weigeringen toch enigszins zinvolle input kunnen leveren voor het inschatten van het plaatstekort. 7.2.6.3

Dubbele inschrijvingen

123


Doordat Vilvoorde geen vorm van centrale aanmelding hanteert is er geen manier voorhanden om ook nog maar partieel zicht te krijgen op dubbele inschrijvingen. AgODi voert een controle uit op de gegevens die naar het departement worden gestuurd op de derde schooldag, maar dat is er uiteraard geen manier om proactief te handelen. In het LOP dagelijks bestuur (mei 2010) werd afgesproken dat de vertegenwoordigers van de netten zouden samen zitten om de grootte van het probleem in te schatten. Helemaal uitzuiveren kan niet gezien er dubbele inschrijvingen in andere gemeentes mogelijk zijn. In mei 2010 schatte men het probleem in ter grootte van een 70-tal dubbele inschrijvingen bij de kleuters; begin juni werd dit aantal n.a.v. een verdere vergelijkingsoefening bijgesteld tot 52.

8 | Samenvatting, conclusies en aanbevelingen

Benodigde gegevens voor de vraagprognoses In eerste instantie werd in dit onderzoek aandacht besteed aan de databehoeftes van de prognosemodellen. Een natuurlijk vertrekpunt voor de prognosemodellen zijn de laatste bevolkingsvooruitzichten opgesteld door de studiedienst van de Vlaamse regering (Willems & Lodewijckx 2011). Om de schoolbevolking te voorspellen dienen deze bevolkingsprognoses verrijkt te worden met gegevens over schoolkeuzeprocessen. De leerlingendatabank van het departement onderwijs bevat deze gegevens. De onderstaande tabel lijst de benodigde gegevens op. Sleutelvariabelen worden hierbij cursief gedrukt.

125

In dit onderzoeksproject werd nagegaan wat de mogelijkheden zijn om op basis van beschikbare gegevens een monitor te ontwerpen voor de toekomstige capaciteitsbehoeften in het onderwijs. In eerste instantie werden de mogelijkheden onderzocht om de toekomstige onderwijsvraag (leerlingenaantallen) te voorspellen aan de hand van demografische prognosemodellen die verrijkt worden met gegevens over de schoolkeuze. Daarnaast werd ook onderzocht wat de mogelijkheden zijn om de capaciteit (stoelen of m2) van scholen te monitoren. Om de probleemstructurering van onderuit te voeden, werden, gedurende de looptijd van het onderzoek, de werkzaamheden van twee lokale task forces capaciteit (Gent en Vilvoorde) gevolgd.

hoofdstuk 8 | Samenvatting, conclusies en aanbevelingen

Algemeen opzet en doelstellingen

Tabel met benodigde gegevens (sleutelvariabelen in cursief)

Scholen Identificatiegegevens

Nummer_school

Vestigingsplaatsen

Positie in het onderwijs

Nummer_school Nummer_admgr Intern_volgnr_vpl

Adresgegevens Variabelen

126


Coderingsschema‟s

Nis_code_fusie Statistische sector Postcode Kleine koepel Soort_im Scholengemeenschap

Nis_code_fusie Statistische sector Postcode Hoofdstructuur Natuurlijk_leerjr Onderwijsvorm(SO)

Leerlingen Nummer_school Nummer_admgr Intern_volgnr_vpl Stamnummer Nis_code_fusie Statistische sector Postcode Schooljaar Geboortedatum leerlingen Status mbt RR-nr en Bis-nr Longitudinaal volgnummer Beschikbaarheid_GOK_gegs Buurt_ik Opleiding_ik Taal_ik Schooltoelage_ik

Onderwijszones

Als gevolg van een sequentiële data-aanvraag werden in dit onderzoek bestandkoppelingen uitgevoerd. Voor eventuele toekomstige data-oefeningen is het belangrijk om datakoppelingen zoveel mogelijk aan de bron uit te voeren en data-aanvragen in verschillende stappen te vermijden. De bevolkingsvooruitzichten gebeuren op het niveau van de fusiegemeenten, dit geografische niveau vormt dan ook het vertrekpunt voor de vraagprognoses. Bij het maken van exhaustieve leerlingenprognoses kan evenwel overwogen worden om voor grote steden gebruik te maken van binnenstedelijke geografische afbakeningen. In de mate dat binnenstedelijke geografieën opgebouwd zijn uit statistische sectorcodes kunnen deze ook in de leerlingendatabank aangemaakt worden. De beperking dat deze statistische sectoren slechts beschikbaar zijn voor leerlingen (woonplaatsen) vanaf het schooljaar 2006-2007 en voor scholen (vestigingsplaatsen) vanaf het schooljaar 2007-2008 vormt voor de prognosemodellen geen probleem. Kwaliteit van de beschikbare brongegevens Vervolgens werd een kwaliteitscontrole van de gegevens (schooljaar 2001-2002 tot en met schooljaar 2010-2011) ondernomen. Meer in het bijzonder werd ingegaan op de koppeling van de verschillende gegevensbestanden, een bespreking van de verschillende sleutelvariabelen, missing data en de longitudinale consistentie van gegevens. In het algemeen stellen we vast dat de kwaliteit van de beschikbare data goed is en doorheen de jaren nog verbetert. Een analyse van de missing waarden op de sleutelvariabelen leert dat deze missing waarden het gevolg zijn van de secundaire datakoppelingen en niet duiden op structurele missing waarden in de brondata. We stellen ook vast dat, over de periode 2001-2010 het aantal missing waarden sterk daalt. Bij een geïntegreerde data-aanvraag kan verwacht worden dat er op de sleutelvariabelen geen missing waarden zullen zijn. In de mate dat meervoudige inschrijvingen per individu in één schooljaar beantwoorden aan de realiteit, dienen deze bij toekomstige dataoefeningen ook zo behandeld te worden. Een voorbeeld wordt gevormd door leerlingen in type 5 van het buitengewoon onderwijs (langdurig zieke kinderen) die in hun oorspronkelijke school ingeschreven blijven. Leerlingen met zo‟n dubbele positie dienen in de prognoses van zowel het gewoon onderwijs als het buitengewoon onderwijs

meegenomen te worden. Bij de huidige data-oefening werd door een toevalstrekking één observatie geselecteerd. Prognosemodellen De beschikbare brongegevens werden gebruikt om een aantal prognosemodellen te toetsen door na te gaan welke voorspellingskracht ze opleveren. We kunnen drie types van modellen onderscheiden, met verschillende complexiteit. - een zuiver demografisch statisch model; - een demografisch model met trendeffecten (transversaal model); - een dynamisch transitiemodel.

De resultaten van de prognosemodellen geven aan dat een zuiver statisch demografisch model wellicht weinig potentieel heeft om leerlingenaantallen adequaat vooruit te berekenen. Wanneer het model dynamisch gemaakt wordt door aanvulling met een aantal trendeffecten gaat de voorspellingskracht er behoorlijk op vooruit. In het kleuter- en lager onderwijs wordt dan binnen relatief kleine foutenmarges gewerkt, die in een meer uitgewerkt model ongetwijfeld nog verder kunnen verkleinen. Voor het secundair onderwijs blijft het voorgestelde model evenwel een grote ruis vertonen. Vervolgens behandelde dit onderzoek de vraag of een transitiemodel, vooral voor het secundair onderwijs, betere voorspellingen oplevert. Dat lijkt plausibel, aangezien dan onderwijscarrières van groepen van leerlingen longitudinaal voorspeld worden, in plaats van (transversaal) te werken met kansverdelingen op basis van leeftijd, geslacht en woonplaats. De onderzoeksresultaten leverden een dubbel beeld op. Voor grotere entiteiten en vooral wanneer het volume van de nieuwe instroom laag (of stabiel) is ten opzichte van het bestaande leerlingenvolume, komen we tot uitstekende resultaten. Deze zijn bovendien sterk gedetailleerd. Wanneer het simulatiemodel onder druk gezet werd in een gemeente zoals Vilvoorde met een relatief hoge en vooral wisselende instroom van leerlingen vanuit andere gemeenten, zijn de resultaten zwak. Een andere factor die sterk blijkt mee te spelen zijn de slaagkansen. Vooral wanneer deze snel veranderen heeft het transitiemodel grote moeite bij het voorspellen.

127

Gezien de leerplicht bestrijken de gegevens van de leerlingendatabank ongeveer de volledige bevolking tussen 2 en 18 jaar. In de oefeningen leek het ons daarom verantwoord de gemeentelijke bevolkingsgegevens van de leerlingendatabank af te leiden, en gemakshalve alle bewerkingen binnen eenzelfde bronbestand uit te voeren. Deze benadering laat namelijk toe het probleem van de taalverdeling van de bevolking uit Brussel en de Vlaamse grensgebieden (niet beschikbaar in administratieve bevolkingsgegevens) even opzij te schuiven, en alle gemeenten ongeacht hun geografische ligging gelijk te behandelen in deze analyse. Dat neemt uiteraard niet weg dat het in een finaal model, en a fortiori in een reële prospectieve oefening, opnieuw zal opduiken.


Met testgegevens voor 10 achtereenvolgende schooljaren kan telkens tussen 2 jaren (of over langere perioden) nagegaan worden in welke mate de geregistreerde schoolbevolking overeenkomt met deze die modelmatig berekend wordt door de modellen. De gevolgde oefening was meer ambitieus: we trachten meteen een sprong van 10 jaar in de tijd te modelleren. Strictu senso gaat het hier niet om prognosemodellen, maar om simulaties van de evolutie tussen 2001 en 2010.

Uit dit alles besluiten we dat voor de raming van de capaciteitsbehoeften in het kleuteronderwijs een transversaal model (al dan niet statisch-demografisch) goede resultaten geeft. Een transitiemodel heeft er inhoudelijk trouwens weinig zin (geen interne transities), en doet in het beste geval precies hetzelfde als een statisch of getrendeerd transversaal model. De sterke binding tussen woonbuurt en school, en het feit dat het kleuteronderwijs veel sterker uit nieuwe intreders is samengesteld maakt o.i. een sterk demografisch gestuurd model aangewezen.

128


Voor het lager onderwijs kunnen beide modeltypes behoorlijke resultaten geven. Inhoudelijk bieden de transitiemodellen grote voordelen: ze bieden een gedetailleerde output en zijn tegelijk een analyse-instrument voor trends m.b.t. de inen uitstromen en vooral de studievoortgang. Daar staat tegenover dat geval per geval moet nagegaan worden of het observatie-interval waarop de basiskansen (transities) berekend zijn wel representatief zijn voor een langere periode. In het voorbeeld van Vilvoorde was dat niet het geval, en de resultaten werden daardoor sterk gehypothekeerd. Vermoedelijk bieden de observaties van één enkel jaar hoe dan ook te weinig houvast als basis voor een projectie. De capaciteitsbehoeften zijn het moeilijkst te ramen in het secundair onderwijs. Doordat het niet haalbaar is in deze studie alle gemeenten afzonderlijk te behandelen in transitiemodellen blijft het wat moeilijk om één modeltype aan te bevelen. Vermoedelijk is het ook niet aangewezen om resoluut voor één enkel type te kiezen. Het beste van beide werelden kan gekozen worden door te opteren voor een transitiemodel, waarbij de externe transities (zeker de nieuwe instroom) in functie gesteld worden van de uitkomsten van transversale schattingen. Concreet zou dat betekenen dat de geboortecijfers en de groei of krimp van de bevolking bepalen hoeveel leerlingen instromen of uitstromen, maar dat de eigenlijke studievoortgang doorheen leerjaren en studieniveaus via transitieprobabiliteiten gemodelleerd wordt. De analyse liet niet alleen toe leerlingenaantallen te simuleren via enkele modellen; ze legde ook enkele knelpunten bloot waarmee deze prognosen te maken krijgen. Een eerste knelpunt vormen de Brusselse gemeenten, en alle andere gemeenten waar Nederlandstalig onderwijs wordt ingericht, waar Frans- en anderstaligen een grote groep of zelfs een meerderheid vormen. Hier werd bewust geen poging ondernomen om de dynamiek van de taal-onderwijskeuze te modelleren, maar het is twijfelachtig of generieke modellen hierop een goed antwoord kunnen bieden. Het samenspel tussen een complex demografisch en sociologisch proces (migratie en inburgering) enerzijds, en het beleid anderzijds, stelt ongetwijfeld grenzen aan de mogelijkheden om hier realistisch te voorspellen. Ook een tweede knelpunt kwam in de analyse tot uiting. Het onderwijslandschap is in beweging, zowel aan de aanbodzijde als aan de vraagzijde. Voor het secundair onderwijs, met een zwakkere binding tussen woonplaats en schoollocatie, is dat het sterkst het geval. Op welke manier de inrichters van het onderwijs reageren op hun (gepercipieerde) demografische basis is moeilijk voorspelbaar. Het verzamelen van bijkomende lokale informatie kan mogelijk hulp bieden, maar meteen stelt zich de vraag welke systematiek gevolgd zou moeten worden om deze informatie op een gestandaardiseerde manier in rekening te brengen. Anderzijds, is het, gegeven de geplande structuurhervorming in het secundair onderwijs nog maar de vraag wat de realiteitswaarde is van prognoses die steunen op historische reeksen van schoolkeuzes die door deze hervorming zeker doorkruist zullen worden. Samen met de inschatting dat de capaciteitsproblematiek acuter is in het basisonderwijs, lijkt het ons weinig opportuun de lange termijn vraagprognoses voor het secundair onderwijs uit te werken.

Bij de huidige oefening werd gebruik gemaakt van de onderwijszones zoals deze afgebakend werden voor het secundair onderwijs. Het is zeker zinvol om de recruteringsgebieden van de scholen opnieuw in kaart te brengen en aparte onderwijszones voor het basisonderwijs te bepalen. Vraagstukken bij het koppelen van de leerlingengegevens aan de bevolkingsvooruitzichten Bij het voeden van de prognosemodellen met de bevolkingsvooruitzichten dienen drie vraagstukken opgelost te worden. De bevolkingsvooruitzichten van de Vlaamse regering bevatten enkel prognoses van de leeftijdsstructuur van de officiële bevolking van het Vlaams Gewest. In de mate dat scholen leerlingen recruteren die wonen buiten het Vlaams Gewest, dienen de prognoses gevoed te worden door bevolkingsvooruitzichten voor deze recruteringsgebieden.

Belangrijker dan de leerlingen met buitenlandse woonplaats zijn de Brusselse leerlingen. Hun schoolkeuze, binnen of buiten het BHG, en in het eerste geval al dan niet voor het Nederlandstalig onderwijs wordt in niet onbelangrijke mate bepaald door factoren die buiten Vlaanderen en ook buiten het Vlaamse onderwijs gelegen zijn. De capaciteit van het Brusselse onderwijs in beide taalregimes, de evoluerende samenstelling van de Brusselse bevolking, de reputatie van diverse scholen en de aandacht voor tweetaligheid, om er maar enkele te noemen. Het BISA maakte in 2010 gemeentelijke bevolkingsvooruitzichten die als demografische schattingsbasis in aanmerking komen. Niet het ramen van aantallen Brusselse leerlingen, maar het inschatten van hun schoolkeuze vormt dus de grootste uitdaging. De oefeningen die in deze studie worden voorgesteld tonen slechts enkele aspecten van het probleem (o.a. voor Vilvoorde), maar pogen niet tot een oplossing te komen. Nuttige denkpistes zouden wellicht trachten de schoolkeuze van leerlingen van Nederlandstalige en anderstalige achtergrond afzonderlijk te modelleren. Om dat te kunnen doen zou creatief gebruik gemaakt kunnen worden van directe en vooral indirecte indicaties van Vlaamse aanwezigheid (bv. via de vertrekplaats van verhuisbewegingen, de

129

Volgen we de evolutie van het aantal inschrijvingen van personen met een woonplaats buiten het Vlaams Gewest over deze periode dan zien we dat het aandeel van deze groep geleidelijk toeneemt doorheen de jaren. In absolute aantallen wordt dit voornamelijk veroorzaakt door een sterkere aanwas vanuit het Brussels Gewest. In relatieve termen zien we dat het aandeel personen met een niet-Belgische woonplaats het sterkst stijgt (met 48% in het schooljaar 2010-2011 ten opzichte van het schooljaar 2001-2002). In prognosemodellen heeft het weinig zin te trachten leerlingen met een buitenlandse woonplaats op dezelfde manier te behandelen als de leerlingen uit Vlaanderen, d.w.z. hun verwachte aantal te koppelen aan de evolutie van de bevolking in het land van herkomst. Er blijven dus twee mogelijkheden. ofwel worden ze ongedifferentieerd meegerekend bij de instromers, en wordt hun evolutie dus gekoppeld aan deze in de klassieke rekruteringsomgeving van de scholen. Een meer elegante oplossing is wellicht hun instroom afzonderlijk te modelleren, maar behalve trendanalyse is er weinig objectieve basis voor een dergelijke oefening. Hoe dan ook valt te betwijfelen of een planner in 2001 de groei met 48% zou kunnen voorzien hebben.


In dit rapport stelden we vast dat, gemiddeld over de schooljaren 2001-2002 tot en met 20102011, 96% van de bevolking van de Vlaamse scholen in het Vlaams Gewest woont. Gemiddeld 2,7% woont in het Brussels Gewest. Daarnaast heeft ongeveer 0,8% een woonplaats in het Waals Gewest en heeft 0,5% een niet-Belgische woonplaats.

schoolkeuze van broers en zussen, e.d.m.) om het belang van de bevolkingsevolutie in Brusselse gemeenten en buurten voor het Nederlandstalig onderwijs gedifferentieerd in te schatten.

130


Voor de niet-officiële bevolking zijn er geen bevolkingsvooruitzichten. De evolutie van de omvang van de deelname van de niet-officiële bevolking naar leeftijd aan het Vlaamse onderwijs kan gevolgd worden aan de hand van de leerlingendatabank. Dit vraagt wel dat de officiële en de niet-officiële bevolking in deze databank eenduidig onderscheiden kunnen worden. Op basis van de beschikbare gegevens, voor het schooljaar 2006-2007, stelden we vast dat er voor 99,17% van de ingeschreven leerlingen een rijksregisternummer gekend was. Voor 0,81% (n=9 096) was er een bisnummer gekend en slechts voor 0,02% (n=238) was geen van beide nummers gekend. Het aantal leerlingen waarvoor geen nummer bekend is, botst met de intuïtie over het aantal leerlingen dat hier verwacht werd. Nu kunnen niet-officiële gezinnen mét kinderen mogelijks meer mogelijkheden aanwenden om een legale verblijfstatus te bekomen, en kunnen gezinnen ook d.m.v. het zelfstandigenstatuut een bisnummer toegewezen krijgen. Toch doet het lage aantal vermoeden dat de niet-officiële bevolking op één of andere manier geteld is bij de bevolking met een rijksregister of bisnummer. De koppeling tussen de bevolkingsvooruitzichten en de leerlingendatabank duidt een derde vraagstuk aan, dat van het moment van registratie van de woonplaats. Daar waar dit tijdstip in de bevolkingsstatistieken voor schooljaar t-(t+1) vastligt op 1 januari van het jaar t+1, kan het tijdstip in het leerlingenbestand variëren (tussen 1 februari van het jaar t+1 en de uiterste controledatum) naargelang de datum waarop, na controle met het dynamisch rijksregisterbestand, de gegevens worden vastgelegd. Dit betekent dat adreswijzigingen die optreden tussen 1 januari en het moment van vastlegging in de leerlingendatabank de inschatting van de omvang van de officiële bevolking tussen beide gegevensbronnen doen afwijken. Monitoring van de aanbodzijde Wat de aanbodzijde betreft, vereenvoudigt het recente decreet op het inschrijvingsrecht van 09/11/2011 de verzameling van capaciteitsgegevens aanzienlijk, althans voor het (gewoon en buitengewoon) basisonderwijs, voor de eerste graad van het gewoon secundair onderwijs en voor het buitengewoon secundair onderwijs. Voor die onderwijsniveaus zijn scholen vanaf 01/09/2012 verplicht hun maximumcapaciteit te bepalen vóór het begin van de inschrijvingen. Het valt te verwachten dat voor de meeste scholen de maximumcapaciteit met betrekking tot die niveaus ten laatste op 1 februari van het voorafgaande schooljaar (en in het basisonderwijs vaak wellicht aanzienlijk vroeger) bekend zal zijn. Voor de niveaus waarvoor geen verplichte capaciteitsbepaling geldt (tweede en derde graad van het gewoon secundair onderwijs), hebben scholen tot de paasvakantie van het voorafgaande schooljaar de tijd om maximumcapaciteiten vast te leggen. Met het oog op de bruikbaarheid voor een capaciteitsmonitor vallen een drietal bedenkingen te formuleren: - de maximumcapaciteit zal worden bepaald in termen van „aantal stoeltjes‟. Gezien de vrijheid waarover de schoolbesturen beschikken om dat aantal te bepalen, is dit een subjectieve maatstaf. De vrees bij sommigen dat dit zou kunnen leiden tot een onderschatting van de werkelijke maximale (of zelfs optimale) capaciteit moet wellicht gerelativeerd worden. Op dit moment worden door de LOP‟s waar sprake is van een (dreigend) capaciteitstekort alle zeilen bij-

Aanpak van de capaciteitsproblematiek De demografische ontwikkelingen verhogen de urgentie te komen tot een kwantitatief en kwalitatief goede en duurzame infrastructuur voor het onderwijs. Het uitwerken van een prognosemodel voor de evolutie van de regionale onderwijsdeelname is wenselijk teneinde de besluitvorming over de onderwijsinfrastructuur te ondersteunen. Wanneer het inrichten van onderwijs in functie van wijzigende demografische en andere behoeften in toenemende mate aan lokale besturen wordt toevertrouwd, dan is het van belang dat het voorgestelde instrument een objectieve balans maakt van de behoeften zoals die zich ook op een hoger niveau uitdrukken. Enkel zo kan het Departement Onderwijs de consistentie beoordelen tussen lokale en bovenlokale behoeften. Zoniet dreigt het risico dat buurgemeenten of buurregio‟s onderwijs inrichten voor dezelfde leerlingen. Dit zien we als een belangrijke functionaliteit van het voorgestelde instrument. Om tot een valide signaalfunctie te komen, zal echter ook input vanuit het lokale niveau nodig zijn. De capaciteitsbehoefte wordt immers ook mee bepaald door factoren die wellicht alleen op lokaal niveau bekend zijn (bv. projecten inzake inplanting nieuwe woonwijken, wijzigingen in de niet-officiële bevolking met leerplichtige kinderen, …). Bovendien gebeurt ook het opstellen van een actieplan om veranderende behoeften aan onderwijscapaciteit te lijf te gaan, ook best op lokaal niveau. Daarom kan gedacht worden aan een drietraps benadering van de capaciteitsproblematiek: - een centraal prognosemodel maakt 3-jaarlijkse vraagprognoses (op 3 jaar, 5 jaar en 10 jaar) voor alle fusiegemeenten. Deze prognoses worden vergeleken met de subjectieve aanbodcapa-


Tenslotte moet opgemerkt worden dat - wegens het ontbreken van een verplichting tot capaciteitsbepaling - de capaciteitsgegevens voor de tweede en de derde graad van gewoon secundair onderwijs disparaat en onvolledig zullen blijven. Hoe dit moet opgelost worden, is voorlopig nog een vraagteken.

131

gezet om de aantallen die scholen doorgeven, zo hoog mogelijk te krijgen. Voor de behoeften van een capaciteitsmonitor lijkt het aantal stoelen ons in elk geval de essentie te zijn; - voor de bepaling van de maximumcapaciteit legt het decreet minimumomschrijvingen op (bv. vestigingsplaats x onderwijsniveau in het basisonderwijs, de hele eerste graad - alle vestigingsplaatsen en structuuronderdelen samen - in het secundair onderwijs). Sommige scholen zullen gebruik maken van de decretaal bepaalde mogelijkheden om die omschrijving verder te differentiëren; andere zullen dat wellicht niet doen. Voor de monitor betekent dat wellicht dat de maximumcapaciteiten die doorgegeven worden op een eenvormige manier naar de van tel zijnde minimumomschrijving herleid zullen moeten worden. Of dit probleemloos kan gebeuren, zal er mede van af hangen of de scholen erover waken (of ertoe verplicht worden) dat het geheel gelijk is aan de som der delen, of dat minstens ook de „randtotalen‟ ingevuld worden; - in het decreet is niets bepaald over de wijze waarop en het format waarin scholen hun maximumcapaciteiten moeten meedelen. Voor scholen buiten LOP-gebieden is ook niet duidelijk bepaald aan wie ze dat moeten doen. Om een capaciteitsmonitor op een efficiënte manier met de nodige gegevens te voeden, kan de overheid hier best voor enige standaardisering zorgen. Om inconsistenties in de cijfers te voorkomen én vanwege de mediërende rol die LOP‟s in bepaalde gevallen vervullen, lijkt het aanbevolen dat voor scholen in LOP-gebieden de mededeling van de cijfers naar het Vlaamse niveau (de capaciteitsmonitor) via de LOP-deskundigen verloopt.

citeit (# plaatsen) zoals opgenomen in een centraal register van de maximumcapaciteit (nieuw inschrijvingsdecreet); - wanneer de centrale vraagprognoses binnen de veiligheidsmarge van de maximum aanbodcapaciteit komen, wordt een eerste signaal gegeven. Dit kan het signaal zijn om een lokale taskforce op te starten die de centrale vraagprognoses bespreekt en aanvult met lokale informatie; - Voor fusiegemeenten waar de vraagprognoses de aanbodcapaciteit sterk en/of langdurig overschrijden, of waar een grote binnenstedelijke variatie speelt, kan een meer gedetailleerde vraagprognose overwogen worden. De task force krijgt dan ook best een permanent karakter en geeft de impetus voor het uitwerken van een lokaal masterplan.

132


Een centrale capaciteitsmonitor vervult vooral een signaalfunctie. Zo kan een centraal prognosemodel, voor verschillende gebiedsomschrijvingen, toekomstige capaciteitstekorten en -overschotten voorspellen. Van een centraal prognosemodel kan verwacht worden dat het de grootteorde en de duur van een capaciteitstekort kan aangeven. Hierdoor worden inzichten in de omvang en duur van de capaciteitstekorten aangereikt die nodig zijn om op lokaal niveau gerichte oplossingen (stoelen bijzetten, al dan niet tijdelijk de bestemming van lokalen wijzigen, tijdelijke gebouwen oprichten, vestigingsplaatsen uitbreiden, scholen oprichten) uit te werken. Van deze modellen kan niet verwacht worden dat ze de toekomstige vraag perfect zullen voorspellen. Ook bij modellen met een grote voorspelkracht zal nog steeds een zekere foutenmarge in acht genomen moeten worden. Hoewel deze foutenmarges beperkt zijn in procenten, kunnen de absolute aantallen aanzienlijk zijn voor lokale onderwijsplanners. Men dient er zich op lokaal niveau ook van bewust te zijn dat de centrale prognosemodellen voor wat de impact van schoolkeuzeprocessen betreft, enkel rekening kunnen houden met de gerealiseerde inschrijvingen. Het is bekend dat in steden met een capaciteitstekort een belangrijk deel van die gerealiseerde inschrijvingen niet overeenstemmen met de eerste schoolkeuze van de ouders. Een bijkomende analyse van de gegevens uit de centrale aanmeldingsregisters (CAR), met name van het aantal weigeringen bij de scholen van eerste keuze, kan bijkomende inzichten opleveren omtrent waar specifieke nood aan bijkomende capaciteit is. Hierbij dient wel de kanttekening geplaatst te worden dat centrale aanmeldingsregisters maar een correct beeld van de “werkelijke” eerste schoolkeuze bieden als de rangordecriteria die gehanteerd worden, ouders niet aansporen tot “strategisch keuzegedrag” met het oog op het maximaliseren van hun kansen op een inschrijving. Ironisch genoeg zijn het juist systemen die mikken op het “maximaliseren van de eerste schoolkeuze” door de plaats van de school in de persoonlijke voorkeurorde van de ouders als rangordecriterium op te nemen, die ouders aanzetten tot “strategisch kiezen” en daarmee het beeld omtrent hun “werkelijke eerste keuze” dreigen te verduisteren. Modelmatig betekent het feit dat de vraagprognoses vertrekken vanuit de gerealiseerde schoolkeuzes dat: 1) de prognosemodellen mogelijk zwakker presteren in die gemeenten waar veel leerlingen noodgedwongen onderwijs volgen in de school van hun tweede/derde/... keuze, aangezien de binding tussen woonplaats en onderwijsplaats er zwakker is (en dat nu net de basis van de modellering vormt). Vilvoorde was daar ongetwijfeld een voorbeeld van; 2) wanneer enkel de vraagprognoses de basis zouden vormen voor behoefteramingen, en dit aanleiding geeft tot uitbouw/verschuiving van infrastructuur, dit de ongewenste situatie niet alleen zou bestendigen, maar zelfs verergeren;

3) de schattingen van de vraagprognoses ook modelmatig verzwakken: men kan zich voorstellen dat leerlingen die hun eerste schoolkeuze niet realiseren een meer volatiele keuze hebben en bij veranderende opportuniteiten wellicht sneller overstappen; 4) vanuit de woonplaats van leerlingen bekeken, de gevolgen van de capaciteitstekorten in de woongemeenten van leerlingen voelbaar zullen zijn buiten deze gemeenten. Naarmate het capaciteitstekort groter is, dreigen de effecten zich verder buiten deze gemeenten uit te strekken. Dat maakt de vraagprognoses bijzonder moeilijk wanneer uit gemeenten met een grote en snel groeiende jongerenbevolking leerlingen (school-)pendelen naar gemeenten met een veel kleinere schoolbevolking. De relatieve impact zal voor de ontvangende gemeenten enorm en onvoorspelbaar zijn (cf. case Vilvoorde).

Beleidsmatig zijn de foutenmarges in de vraagprognoses vooral belangrijk voor gemeenten met (waarvoor) een capaciteitstekort (dreigt). Het is daarom aangeraden om voor deze gemeenten, de gegevens uit het centraal model lokaal te bespreken en aan te vullen. Naast de vraagprognoses worden ook de centrale subjectieve (#stoeltjes) en objectieve capaciteitsindicatoren (#m2 van de schoolgebouwenmonitor) besproken. Na een eerste bespreking kan de beslissing genomen worden om een tweede, lokale, dataverzameling op te starten die de nadruk legt op het documenteren van de mogelijkheden en de timing van capaciteitsuitbreidingen (stoelen bijzetten, al dan niet tijdelijk de bestemming van lokalen wijzigen, tijdelijke gebouwen oprichten). Tot slot kan in deze fase ook lokale informatie aangeleverd worden om meer gedetailleerde vraagprognoses te voeden. We denken hierbij o.m. aan geplande woonuitbreidingszones en korte termijn evoluties in de niet-officiële bevolking. Ook hier moet echter rekening gehouden worden met een behoorlijke foutenmarge in de vraagprognose. Uit de casestudy‟s blijkt dat het voor de lokale overheden moeilijk schatten is hoeveel kinderen in bv. de leeftijdsgroep van 2 tot 11 jaar er in een bepaald deelgebied ten gevolge van een woonuitbreiding zullen bijkomen. Dat blijkt sterk afhankelijk te zijn van een aantal factoren waarop de lokale overheden geen vat noch zicht hebben, zoals de evolutie van de woningprijzen en de (her)oriëntatie op een jonger of ouder publiek ten gevolge daarvan. Het is daarom goed te beseffen dat lokale evoluties automatisch meegenomen worden in de prognosemodellen die gebaseerd zijn op het dynamisch transitiemodel. Voor gemeenten met een dringend capaciteitsprobleem is het sowieso aangeraden om ook korte termijnprognoses op te stellen, gezien de onderliggende parameters mbt de schoolkeuze sterk kunnen wijzigen bij wijzigingen in de aanbodcapaciteit.

133

Daarnaast kunnen fusiegemeenten die hun aanbodcapaciteit zonder enige speelruimte zouden afstemmen op de vraagprognose, voor verrassingen komen te staan omdat de balans tussen vraag en aanbod tussen verschillende deelgebieden (wijken of deelgemeenten) sterk kan verschillen. Het is met name voor het basisonderwijs niet vanzelfsprekend dat een tekort in het ene deelgebied doeltreffend opgevangen kan worden met overschotten aan plaatsen in andere deelgebieden. De afstanden tussen deelgebieden kunnen immers vrij groot zijn. Voorspelde capaciteitstekorten dienen dan ook het sein te zijn om een lokale task force op te starten.


Het is daarom aanbevolen om met deze foutenmarges en tekortkomingen rekening te houden bij de omzetting van de vraagprognose naar de effectief benodigde capaciteit. Zo zullen de vraagprognoses voor steden en gemeenten waar, omwille van capaciteitstekorten, het schoolkeuzeproces al onder druk staat, opgehoogd moeten worden met de noodzakelijke aanbodcapaciteit die nodig is om verdere (bestaande) drukverschuivingen te beperken (verminderen).

De lokale task force en de regierol van de gemeenten

134


Een goede lezing van de prognoses die een capaciteitsmonitor biedt, vergt zowel het vermogen om de aangeleverde cijfers correct te interpreteren als om die cijfers te duiden vanuit de lokale context. Gezien de samenhang met andere lokale beleidscontexten ligt het meest voor de hand hiervoor de gemeenten in hun regierol aan te spreken. Uit de casestudy‟s is gebleken hoe belangrijk de rol van een cel “data-analyse” hierin kan zijn. Niet alle gemeenten beschikken over zo‟n dienst. Vanuit de Vlaamse overheid zal waar nodig dan ook de nodige ondersteuning gegeven moeten worden. Voor de monitoring van de aanbodzijde maar vooral voor het bekijken van mogelijkheden tot capaciteitsuitbreiding is de medewerking van de lokale onderwijsverstrekkers vereist. In gemeenten met een LOP zal de lokale task force “capaciteit” bijgevolg wellicht sterk overlappen met het (dagelijks bestuur van het) LOP. Toch lijkt het niet wenselijk om de lokale task force “capaciteit” te laten opgaan in het LOP. Men krijgt dan immers onduidelijkheid over de rol van de gemeente en over de aansturing van de gemeentelijke diensten die bij het aanleveren van lokale gegevens betrokken worden. Ook is het nodig dat diegenen die de lokale onderwijsverstrekkers vertegenwoordigen de nodige afstand kunnen aan de dag kunnen leggen ten aanzien van de concrete belangen van de verschillende betrokken scholen.

- BIJLAGEN -

Figuur B.1

Evolutie van de officiële bevolking van het Vlaams Gewest naar leeftijd (2-22j.) over de periode 2002-2011

137

Evolutie van de officiële bevolking naar leeftijd (2-22j.) over de periode 2002-2011 voor het Vlaams Gewest, Gent en Vilvoorde

bijlage 1 Evolutie van de officiële bevolking en de participatiegraden aan het Vlaamse Onderwijs


138


Figuur B.2

Evolutie van de officiële bevolking van de fusiegemeente Gent naar leeftijd over de periode 2002-2011


Evolutie van de officiële bevolking van de fusiegemeente Vilvoorde naar leeftijd over de periode 2002-2011

139

Figuur B.3

Evolutie van de participatiegraden naar leeftijd voor het Vlaams Gewest (index met als basisjaar het schooljaar 2001-2002)

140


Figuur B.4

Evolutie van de participatiegraden naar leeftijd voor het Vlaams Gewest over de periode 2002-2011

bijlage 2 Schattingsfouten van het transversaal model

141


Procentuele schattingsfouten voor het kleuter-, lager en secundair onderwijs voor de Vlaamse gemeenten (transversaal model, geschatte waarde in 2010)

142


Kleuteronderwijs Gemeente Aartselaar Antwerpen Boechout Boom Borsbeek Brasschaat Brecht Edegem Essen Hemiksem Hove Kalmthout Kapellen Kontich Lint Mortsel Niel Ranst Rumst Schelle Schilde Schoten Stabroek Wijnegem Wommelgem Wuustwezel Zandhoven Zoersel Zwijndrecht Malle Berlaar Bonheiden Bornem Duffel Heist-op-den-Berg Lier Mechelen Nijlen Putte Puurs Sint-Amands Sint-Katelijne-Waver Willebroek Arendonk Baarle-Hertog Balen Beerse Dessel Geel Grobbendonk Herentals Herenthout Herselt Hoogstraten Hulshout Kasterlee Lille Meerhout Merksplas Mol Olen Oud-Turnhout Ravels Retie Rijkevorsel Turnhout Vorselaar Vosselaar

Niscode 11001 11002 11004 11005 11007 11008 11009 11013 11016 11018 11021 11022 11023 11024 11025 11029 11030 11035 11037 11038 11039 11040 11044 11050 11052 11053 11054 11055 11056 11057 12002 12005 12007 12009 12014 12021 12025 12026 12029 12030 12034 12035 12040 13001 13002 13003 13004 13006 13008 13010 13011 13012 13013 13014 13016 13017 13019 13021 13023 13025 13029 13031 13035 13036 13037 13040 13044 13046

Afwijking -,0186 ,0470 ,0089 ,0144 ,0380 -,0391 ,0231 -,0465 ,0213 -,0208 -,0456 -,0311 ,0318 -,0248 ,0311 ,0459 -,0607 ,0270 -,0257 -,0235 -,0046 -,0146 ,0098 -,0317 ,0627 ,0057 -,0300 ,0321 -,0337 -,0037 -,0224 -,0057 -,0197 -,0049 ,0201 ,0259 ,0134 ,0102 -,0099 -,0013 ,0043 -,0239 -,0547 ,0086 ,0499 -,0221 ,0174 ,0109 -,0029 ,0969 ,0235 -,0184 -,0311 -,0219 ,0130 -,0181 -,0009 -,0189 -,0019 -,0044 -,0019 -,0076 -,0053 -,0083 ,0378 ,0246 -,0326 -,0255

Lager Onderwijs Afwijking ,0202 -,0571 ,0006 -,0498 -,0048 -,0600 -,0243 -,1764 ,0277 ,0177 -,0291 -,0552 -,0292 -,0070 -,1609 -,0636 -,0249 ,0323 ,1052 -,0059 ,0260 -,0227 -,0233 ,0169 -,0231 -,0154 ,0023 -,0426 ,0340 -,0675 ,0828 -,0227 ,0467 -,0355 -,0018 -,0338 -,0243 -,0013 -,0368 -,0750 -,0118 -,0045 -,0173 ,0297 ,1901 -,0125 ,0114 ,0230 -,0311 -,1055 -,0113 ,0025 ,0205 -,0107 ,0082 ,1349 ,0286 ,0270 ,0482 ,0279 ,0409 -,0244 ,0292 -,0463 ,0261 -,0907 -,0085 ,0333

Secundair Onderwijs Afwijking -,3852 -,2298 ,1940 -,0177 ,6118 -,1253 -,1983 -,3667 -,0436 -,5960 -,2321 ,1411 -,8273 -,7096 ,0279 -,1876 ,0687 ,1106 -,1812 ,1614 -,6998 -1,0866 ,1332 ,7146 -,1967 ,8169 -,1376 ,2396 -,0589 -,4790 -,2395 -,2176 ,3491 -,0701

,3141 -,2471 ,4011 ,2368

,1885 -,2743

,1293 ,1270

Niscode 13049 13053 21001 21002 21003 21004 21005 21006 21007 21008 21009 21010 21011 21012 21013 21014 21015 21016 21017 21018 21019 23002 23003 23009 23016 23023 23024 23025 23027 23032 23033 23038 23039 23044 23045 23047 23050 23052 23060 23062 23064 23077 23081 23086 23088 23094 23096 23097 23098 23099 23100 23101 23102 23103 23104 23105 24001 24007 24008 24009 24011 24014 24016 24020 24028 24033 24038 24041

Afwijking ,0067 ,0106 ,0342 ,0019 -,0054 ,0187 -,0151 ,0060 -,0762 -,0236 ,0272 -,0207 -,1128 ,0403 -,0495 ,2925 ,1572 -,0110 ,0012 ,0135 -,0229 -,0300 -,0258 ,0540 -,0397 -,0242 -,0165 -,0305 -,0161 -,0051 -,0142 -,0060 -,0052 ,0147 -,0051 -,0131 -,0460 ,0174 -,0395 ,0055 ,0114 -,0285 -,0351 -,0268 -,0625 -,0105 -,0225 ,0011 -,0383 -,0438 -,0003 -,0208 -,0043 ,0016 -,0369 ,0050 -,0042 -,0512 ,0497 -,0351 -,0400 -,0307 -,0057 -,0059 ,0135 -,0049 -,0280 -,0277

Secundair Onderwijs Afwijking ,3144 ,7279 -,4008 -,5768 ,2109 ,3916

-,3189 ,1600 -,4542 -,3855 -1,3037 1,5655 -,0278 -,4261 ,2294 ,0478

,4100 4,2946 ,0965 -,6726 ,3296 ,4626 ,3419 ,2921 -,0754

,1162 ,0182 ,2602


Gemeente Westerlo Laakdal Anderlecht Oudergem Sint-Agatha-Berchem Brussel Etterbeek Evere Vorst Ganshoren Elsene Jette Koekelberg Sint-Jans-Molenbeek Sint-Gillis Sint-Joost-ten-Node Schaarbeek Ukkel Watermaal-Bosvoorde Sint-Lambrechts-Woluwe Sint-Pieters-Woluwe Asse Beersel Bever Dilbeek Galmaarden Gooik Grimbergen Halle Herne Hoeilaart Kampenhout Kapelle-op-den-Bos Liedekerke Londerzeel Machelen Meise Merchtem Opwijk Overijse Pepingen Sint-Pieters-Leeuw Steenokkerzeel Ternat Vilvoorde Zaventem Zemst Roosdaal Drogenbos Kraainem Linkebeek Sint-Genesius-Rode Wemmel Wezembeek-Oppem Lennik Affligem Aarschot Begijnendijk Bekkevoort Bertem Bierbeek Boortmeerbeek Boutersem Diest Geetbets Haacht Herent Hoegaarden

Lager Onderwijs Afwijking -,0204 ,0189 -,0619 -,0712 ,1736 -,0620 -,0158 -,0419 -,0050 ,0438 -,0488 ,0125 ,0435 -,1106 ,0417 ,0150 -,1414 ,0369 -,2573 ,3633 ,0616 -,0110 ,1102 ,0342 ,0604 ,0103 -,0052 ,0358 ,0690 ,0366 ,1608 ,0012 -,0222 -,0106 -,0150 -,0255 ,0234 -,0199 ,0042 ,0308 -,0439 ,0116 ,0306 ,0130 -,0017 ,0025 ,0285 -,0357 -,0037 -,0207 -,1155 -,0040 ,0094 -,0486 ,0009 ,0050 -,0745 -,0032 -,0185 ,0147 ,0694 ,0540 ,0233 -,0464 -,0283 ,0131 ,0229 ,1577

-,3487 143

Kleuteronderwijs

,9950 -1,4964 1,1520 ,3650 -,0876 1,2473

,2451 ,3335 -,2827

144


Kleuteronderwijs Gemeente Holsbeek Huldenberg Keerbergen Kortenaken Kortenberg Landen Leuven Lubbeek Oud-Heverlee Rotselaar Tervuren Tienen Tremelo Zoutleeuw Linter Scherpenheuvel-Zichem Tielt-Winge Glabbeek Beernem Blankenberge Brugge Damme Jabbeke Oostkamp Torhout Zedelgem Zuienkerke Knokke-Heist Diksmuide Houthulst Koekelare Kortemark Lo-Reninge Ieper Mesen Poperinge Wervik Zonnebeke Heuvelland Langemark-Poelkapelle Vleteren Anzegem Avelgem Deerlijk Harelbeke Kortrijk Kuurne Lendelede Menen Waregem Wevelgem Zwevegem Spiere-Helkijn Bredene Gistel Ichtegem Middelkerke Oostende Oudenburg De Haan Hooglede Ingelmunster Izegem Ledegem Lichtervelde Moorslede Roeselare Staden

Niscode 24043 24045 24048 24054 24055 24059 24062 24066 24086 24094 24104 24107 24109 24130 24133 24134 24135 24137 31003 31004 31005 31006 31012 31022 31033 31040 31042 31043 32003 32006 32010 32011 32030 33011 33016 33021 33029 33037 33039 33040 33041 34002 34003 34009 34013 34022 34023 34025 34027 34040 34041 34042 34043 35002 35005 35006 35011 35013 35014 35029 36006 36007 36008 36010 36011 36012 36015 36019

Afwijking -,0073 -,0130 -,0012 ,0230 -,0054 -,0009 ,0440 ,0251 -,0310 ,0270 ,0192 -,0166 ,0496 -,0360 ,0365 -,0210 ,0037 ,0246 -,0035 ,0357 -,0073 ,0809 -,0234 -,0037 ,0013 ,0424 ,0905 -,0426 ,0305 ,0217 -,0185 ,0032 -,0436 -,0059 ,0191 -,0150 ,1429 ,0100 ,0149 ,0520 ,0147 ,0099 -,0216 ,0158 -,0051 ,0117 ,0181 ,0035 ,0052 ,0161 -,0106 -,0136 -,0356 -,0079 ,0098 ,0094 ,0428 ,0047 ,0460 -,0052 -,0342 -,0065 ,0242 ,0221 ,0198 ,0051 ,0059 ,0070

Lager Onderwijs Afwijking -,0040 -,0033 -,0272 -,0303 ,0242 ,0024 -,0960 -,0063 -,0089 ,0152 ,0822 -,0171 -,0227 -,0203 -,0457 ,0047 -,0169 ,0028 ,0335 ,0233 -,0233 ,0341 ,0289 ,0136 -,0083 ,0066 -,1466 ,0274 ,0186 ,0005 -,0465 ,0455 ,0126 ,0181 -,0944 ,0208 -,1174 ,0364 -,0065 -,0209 -,0424 ,0168 ,0670 -,0752 ,0262 -,0592 ,0059 -,0716 -,0023 -,0427 ,0620 ,0431 ,1236 -,0230 -,0515 ,0337 ,0376 -,0002 ,0170 -,0300 -,0028 -,0136 ,0133 ,0030 ,0268 ,0078 -,0168 -,0164

Secundair Onderwijs Afwijking -,1226 -,3628 ,4397 -,1470 -,2426 -,2500 -,1902

-,5162 -,4285 ,3411 ,7837 ,2387 -,3253 -,5633 -,1852 -2,7731 -,7854 ,1074 ,0907 -,0357 -,2586

,7434 ,3610 1,6662 ,0497 ,0850 -,1438 -,2038 ,2173 -,4495 -,5468 1,9637 ,4636 4,2690 ,1887 -,1446 ,2176 -,4304 -,2777

,1632

Niscode 37002 37007 37010 37011 37012 37015 37017 37018 37020 38002 38008 38014 38016 38025 41002 41011 41018 41024 41027 41034 41048 41063 41081 41082 42003 42004 42006 42008 42010 42011 42023 42025 42026 42028 43002 43005 43007 43010 43014 43018 44001 44011 44012 44013 44019 44020 44021 44029 44034 44036 44040 44043 44045 44048 44049 44052 44064 44072 44073 44080 44081 45017 45035 45041 45057 45059 45060 45061

Afwijking -,0008 -,0309 ,0042 ,0259 ,0387 ,0437 ,0887 ,0075 -,0075 ,0969 ,0452 -,0324 ,0372 -,0238 -,0099 -,0186 -,0029 -,0202 -,0207 -,0286 ,0004 ,0055 ,0078 ,0027 ,0263 -,0107 ,0005 ,0072 -,0072 ,0673 ,0215 ,0097 ,0060 ,0263 ,0311 ,0213 ,0022 -,0062 -,0448 -,0040 -,0082 ,0034 -,0300 -,0190 -,0248 ,0112 ,0294 -,0099 ,0045 ,0350 -,0078 -,0340 -,1026 -,0016 -,0247 ,0150 -,0361 ,1866 -,0014 -,0329 ,0180 -,0358 ,0023 ,0030 -,0262 ,0106 -,0255 -,0053

Secundair Onderwijs Afwijking -,0498 -,7051 ,1435 ,4668 -,4658 ,2996 -,5795 -,0652 ,0860 -,3211 -,2153 -,3364 ,1807 ,0263 ,5113 -,3980 -,2706 -,1958 -,5827

,4871 -,5570 ,1142 -,3170 ,2791 -,3025 -,2113 ,0574 -,1611


Gemeente Dentergem Meulebeke Oostrozebeke Pittem Ruiselede Tielt Wielsbeke Wingene Ardooie Alveringem De Panne Koksijde Nieuwpoort Veurne Aalst Denderleeuw Geraardsbergen Haaltert Herzele Lede Ninove Sint-Lievens-Houtem Zottegem Erpe-Mere Berlare Buggenhout Dendermonde Hamme Laarne Lebbeke Waasmunster Wetteren Wichelen Zele Assenede Eeklo Kaprijke Maldegem Sint-Laureins Zelzate Aalter Deinze De Pinte Destelbergen Evergem Gavere Gent Knesselare Lochristi Lovendegem Melle Merelbeke Moerbeke Nazareth Nevele Oosterzele Sint-Martens-Latem Waarschoot Wachtebeke Zomergem Zulte Kruishoutem Oudenaarde Ronse Zingem Brakel Kluisbergen Wortegem-Petegem

Lager Onderwijs Afwijking -,0024 ,0312 ,0182 ,0399 -,1318 -,0204 ,0197 -,0054 ,0198 -,0011 ,0215 -,0381 -,0162 -,0198 ,0018 -,0426 ,0248 -,0323 ,0040 -,0111 -,0159 ,1739 -,0124 ,0084 -,0129 ,0253 ,0137 ,0102 ,0216 -,0384 -,0261 -,0292 -,0272 ,0011 -,1745 -,0521 ,0160 ,0309 ,0255 -,0065 ,0212 -,0161 ,0150 -,0027 -,0080 ,0034 -,0529 -,0158 ,0075 -,0174 -,0069 ,0496 -,0200 -,0264 ,0449 -,0071 -,0215 ,0543 -,0080 ,0068 ,0192 ,0055 -,0504 -,0253 ,0036 -,0622 -,0174 -,0865

,0960 ,3242 -,1457 -,1334 -,2800 1,0329 -2,7394

-,0946 -,8243 ,3635 -,8221 -,0638

145

Kleuteronderwijs

146


Kleuteronderwijs Gemeente Horebeke Lierde Maarkedal Zwalm Beveren Kruibeke Lokeren Sint-Gillis-Waas Sint-Niklaas Stekene Temse Comines-Warneton As Beringen Diepenbeek Genk Gingelom Halen Hasselt Herk-de-Stad Leopoldsburg Lummen Nieuwerkerken Opglabbeek Sint-Truiden Tessenderlo Zonhoven Zutendaal Ham Heusden-Zolder Bocholt Bree Kinrooi Lommel Maaseik Neerpelt Overpelt Peer Hamont-Achel Hechtel-Eksel Houthalen-Helchteren Meeuwen-Gruitrode Dilsen-Stokkem Alken Bilzen Borgloon Heers Hoeselt Kortessem Lanaken Riemst Tongeren Wellen Maasmechelen Voeren

Niscode 45062 45063 45064 45065 46003 46013 46014 46020 46021 46024 46025 54010 71002 71004 71011 71016 71017 71020 71022 71024 71034 71037 71045 71047 71053 71057 71066 71067 71069 71070 72003 72004 72018 72020 72021 72025 72029 72030 72037 72038 72039 72040 72041 73001 73006 73009 73022 73032 73040 73042 73066 73083 73098 73107 73109

Afwijking ,1470 -,0600 -,0269 -,0078 -,0260 -,0119 ,0007 -,0339 ,0195 -,0571 -,0272 -,1912 -,0199 ,0021 ,0055 ,0142 ,0189 -,2281 ,0182 -,0011 ,0261 -,0098 ,0685 ,0260 ,0010 -,0112 -,0253 -,0274 ,0123 ,0160 ,0058 ,0067 -,0864 -,0216 ,0019 ,0472 ,0352 -,0290 -,0701 ,0217 ,0200 -,0006 ,0050 -,0067 -,0086 ,0444 ,0039 -,0091 ,0441 -,0425 -,0145 ,0014 -,0203 ,0022 ,0553

Lager Onderwijs Afwijking -,0473 -,0326 ,0289 ,0298 ,0329 ,0097 -,0157 -,0127 -,0231 -,0129 ,0113 ,4101 -,0076 ,0048 -,0121 ,0117 ,0250 -,0266 -,0247 -,0003 -,0168 ,0108 -,2357 ,0218 ,0015 ,0349 -,1683 ,0307 ,0043 -,0089 ,0457 ,0093 ,0910 ,0145 ,0083 -,0526 -,0367 -,0219 ,0330 ,0749 ,0204 ,0377 ,0506 ,0514 ,0473 ,0605 -,0178 ,0274 -,0268 ,0430 ,0008 ,0148 -,0204 ,0219 ,1983

Secundair Onderwijs Afwijking

-,0679 -,3569 -,2220 ,4068 3,1539 -,5780 -,4394 -,0655 ,4541 ,1175 -,6381 ,0209 ,2764 -,0392 -,6458 -,6122 ,0833 ,1652 -,4669 -,2491 ,3157 -,4537 -,1192 ,5012 -,7322 ,6182 -,3969 -,3665 -,0613 -,6598 -,3869 ,0510 -,1303 ,0270 -,0241 -,0250

Tabel C.1.1 Onderwijs van de Vlaamse Gemeenschap: Totaal: 2002-2003


bijlage 3 Simulatie van de schoolbevolking in 2002-2010 aan de hand van een transitiemodel voor Vlaanderen, Gent en Vilvoorde

Gesimuleerde evolutie van de schoolbevolking voor Vlaanderen: Transitiemodel 2002-2010.

147


148


149







150


151




152


Gesimuleerde evolutie van de schoolbevolking in Gent: Transitiemodel 2002-2010.

Tabel C.2.1 Onderwijs in Gent: 2002-2003




153


154







155


156


Gesimuleerde evolutie van de schoolbevolking in Vilvoorde: Transitiemodel 2002-2010.

Tabel C.3.1 Onderwijs in Vilvoorde: 2002-2003




157


158






159


160


Tabel C.3.9 Onderwijs van in Vilvoorde: Totaal: 2010-2011

Tabel D.1.1 Onderwijs van de Vlaamse Gemeenschap: Totaal: 2011-2012

161

Geprojecteerde evolutie van de schoolbevolking in Vlaanderen: Transitiemodel 2011-2012.



162


Tabel D.1.2 Onderwijs van de Vlaamse Gemeenschap: Totaal: 2012-2013

Geprojecteerde evolutie van de schoolbevolking in Gent: Transitiemodel 2011-2012.

Tabel D.2.1 Onderwijs in Gent: 2011-2012

163


Tabel D.2.2 Onderwijs in Gent: 2012-2013

Geprojecteerde evolutie van de schoolbevolking in Vilvoorde: Transitiemodel 2011-2012.

164


Tabel D.3.1 Onderwijs in Vilvoorde: 2011-2012

Tabel D.3.2 Onderwijs in Vilvoorde: 2012-2013

165

AgODi (2009), Leerplicht. Wie is er niet als de schoolbel rinkelt? Evaluatie 2007-2008, Agentschap voor Onderwijsdiensten, Brussel: Vlaamse Overheid. AgODi (2010), Schoolloopbaan van een leerling in het voltijds secundair onderwijs. Inschrijvingsrecht, toelatingsvoorwaarden, leerlingendossier, leerplicht, afwezigheden, studiebewijzen, Agentschap voor Onderwijsdiensten, Afdeling scholen secundair onderwijs en deeltijds kunstonderwijs, Brussel. Federaal Planbureau en Algemene Directie Statistiek en Economische Informatie, met de medewerking van het Wetenschappelijk Begeleidingscomité (2008). Bevolkingsvooruitzichten 2007-2060, Federaal Planbureau, Planning Paper 105. Brussels Instituut van Statistiek en Analyse, Ministerie van het Brussels Hoofdstedelijk Gewest (2010), Bevolkingsprojecties 2010-2020 voor het Brussels Hoofdstedelijk Gewest, Cahiers van het BISA Mei 2010. Groenez S. (2008), Hoe meten we (sociale) segregatie in het onderwijs, HIVA working paper. Janssens R. (2009), Onderzoek naar de capaciteit van het Nederlandstalig basisonderwijs in het Brussels Hoofdstedelijk Gewest, Brio-Onderzoeksverslag, 204p. Leemans G. (red.) (2009), De schoolgebouwenmonitor 2008: indicatoren voor de kwaliteit van schoolgebouwen in Vlaanderen, Leuven: Garant. Ministerie van de Vlaamse Gemeenschap & Eurydice Vlaanderen (2010), Vlaams Eurydice rapport 2010: Overzicht van het onderwijsbeleid en de onderwijsorganisatie in Vlaanderen, Departement Onderwijs en Vorming, Afdeling Internationale Relaties Onderwijs & Eurydice Vlaanderen, Brussel. Nationaal Instituut voor de Statistiek en Federaal Planbureau (2001), Mathematische demografie - bevolkingsvooruitzichten 2000–2050 per arrondissement, Nationaal Instituut voor de Statistiek. Pelfrene E. (2005), Ontgroening en vergrijzing in Vlaanderen 1990-2050, Verkenningen op basis van de NISbevolkingsvooruitzichten, Stativaria 36. Pelfrene E. (2009), De nieuwe bevolkingsvooruitzichten 2007–2060. Een vergelijking met vorige prognoses, studiedienst van de Vlaamse Regering, SVR-Rapport 2009/3. Willems P. (2006), Bevolkingsprojecties 2005-2025 voor de 308 gemeenten van het Vlaamse Gewest, SVR Technisch Rapport 2006/2. Willems P. (2008), Migratiebewegingen in het Vlaamse Gewest in de periode 1997-2006, Studiedienst van de Vlaamse Regering, SVR-Rapport 2008/2. Willems, P. & Lodewijckx, E. (red.) (2011), SVR-projecties van de bevolking en de huishoudens voor Vlaamse steden en gemeenten, 2009–2030, SVR-rapport 2011/2.

Bibliografieie

Bibliografie

HAALBAARHEIDSONDERZOEK VAN EEN MONITORINGSYSTEEM VOOR CAPACITEITSBEHOEFTEN IN HET LEERPLICHTONDERWIJS

Recommend Documents