Ongelijke kansen in het secundair onderwijs in Vlaanderen

Ongelijke kansen in het secundair onderwijs in Vlaanderen Een longitudinale analyse van de interactie-effecten van geslacht, etniciteit en socio-economische status op de bereikte onderwijspositie

D.J. Hermans, M.-C. Opdenakker, E. Van de gaer & J. Van Damme

Onderzoek in opdracht van de Vlaamse minister van Onderwijs en Vorming, in het kader van het programma ‘Steunpunten voor Beleidsrelevant Onderzoek’

2003

LOA-rapport nr. 7

Voor meer informatie omtrent deze publicatie: Steunpunt LOA, Unit Onderwijsloopbanen Auteur(s): D.J. Hermans, M.-C. Opdenakker, E. Van de gaer & J. Van Damme Adres:

Dekenstraat 2, 3000 Leuven

Tel.:

+32 16 32 57 58 of +32 16 32 57 47

Fax.:

+32 16 32 58 59

E-mail:

[email protected]

Website: http://www.steunpuntloopbanen.be

Copyright (2003)

Steunpunt LOA p/a E. Van Evenstraat 2e, 3000 Leuven

Niets uit deze uitgave mag worden verveelvuldigd en/of openbaar gemaakt zonder uitdrukkelijk te verwijzen naar de bron. No material may be made public without an explicit reference to the source.

Abstract

In dit rapport worden de interactie-effecten tussen geslacht, etniciteit en socio-economische status op de bereikte onderwijspositie nagegaan. Hiermee willen we de vragen beantwoorden of deze effecten al dan niet additief zijn en wat de impact van het secundair onderwijs op deze effecten is. De analyses werden uitgevoerd op de data van het LOSO-project waarin de schoolloopbanen van een 6000-tal leerlingen gedurende een tiental jaar opgevolgd werden. De bereikte onderwijspositie wordt gemeten aan de hand van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs, uitgedrukt in de afstand (in jaren) tot het universitair onderwijs en aan de hand van het aantal uren wiskunde per week dat een leerling heeft opgenomen in het zesde leerjaar van het secundair onderwijs. In de analyses worden respectievelijk 4175 en 2801 leerlingen onderzocht. De interactie-effecten worden aan de hand van multilevel modellen geanalyseerd. Voor beide criteria worden de modellen al dan niet onder controle van de intelligentie en het prestatieniveau bij aanvang van het secundair onderwijs en van de beoordeling door de leerkracht lager onderwijs, met elkaar vergeleken. Deze vergelijking geeft ons, vanuit een meritocratische opvatting over het onderwijs, een beeld van de bijdrage van het secundair onderwijs aan de interactie-effecten. Deze werkwijze is gebaseerd op het onderzoek van Dekkers et al.1 In een derde analyse worden complexere modellen met extra verklarende variabelen opgesteld. De resultaten van de analyses wijzen erop dat meisjes op zes jaar tijd een hoger onderwijsniveau bereiken maar dat ze minder voor wiskundig georiënteerde richtingen kiezen. Bij autochtone jongeren constateerden we steeds een positief effect van de socio-economische status. Bij allochtone jongeren is de invloed van de socio-economische status daarentegen niet eenduidig. Wat de analyse van het hoogst bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs betreft, vonden we steeds een positief effect van de socio-economische status. In de analyse zonder controlevariabelen is het positieve effect van de socio-economische status het sterkst bij allochtone meisjes. Bij allochtone jongens is dit effect even sterk als bij de autochtone jongeren. Wat de analyse van het aantal uren wiskunde per week in het zesde leerjaar secundair onderwijs betreft, nemen we drie verschillende effecten waar. In het model zonder controlevariabelen vinden we geen effect van de socio-economische status. In het model onder controle van de leerlingkenmerken vinden we een negatief effect van de socio-economische status. In het complexe model met extra verklarende variabelen vinden we een positief effect van de socio-economische status. Etniciteit heeft enkel een uitgesproken negatieve impact op het bereikte onderwijsniveau indien we geen rekening houden met de leerlingkenmerken prestatieniveau en intelligentie bij aanvang van het secundair onderwijs. Indien gecontroleerd wordt voor deze leerlingkenmerken alsook voor andere variabelen, zien we dat allochtonen een onderwijsniveau behalen gelijk aan dat van autochtone jongeren die bij de start van het secundair onderwijs gelijkaardig zijn wat de variabelen betreft die in deze analyses werden opgenomen. Wat het aantal uren wiskunde per week in het zesde leerjaar secundair onderwijs betreft, blijkt dat etniciteit enkel een negatieve impact heeft in de analyse zonder controlevariabelen. Indien enkel voor leerlingkenmerken gecontroleerd wordt zien we dat bij leerlingen met de laagste socio-economische

1

Dekkers, H.P.J.M., Bosker, J.R. & Driessen, G.W.J.M. (2000). Complex Inequalities of Educational Opportunities. A Large-Scale Longitudinal Study on the Relation Between Gender, Social Class, Ethnicity and School Success. Educational Research and Evaluation, 6, 59-82.

status de allochtonen meer uren wiskunde hebben opgenomen dan autochtone jongeren. Het omgekeerde vinden we bij jongeren met de hoogste socio-economische status. In het complexe model zien we dat er geen invloed is van etniciteit op het aantal uren wiskunde dat men in het laatste jaar secundair onderwijs heeft opgenomen. De vergelijking tussen de modellen zonder en met controlevariabelen geeft een beeld van de bijdrage van het secundair onderwijs aan de interactie-effecten. Op basis hiervan besluiten we dat het voordeel van meisjes met betrekking tot het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs nog vergroot wordt door het onderwijssysteem en dat met betrekking tot het aantal uren wiskunde de kloof tussen meisjes en jongens eerder gedicht wordt. Het effect van etniciteit wordt voor beide criteria verkleind onder invloed van het onderwijssysteem. Het effect van de socio-economische status op beide criteria wordt bij autochtone jongeren verkleind door het onderwijssysteem. Bij allochtone jongeren wordt het effect van de socio-economische status verkleind wat de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs betreft, maar wat de analyse van het aantal uren wiskunde per week in het zesde leerjaar secundair onderwijs betreft, vergroot het effect van de socio-economische status. Zoals hoger vermeld vonden we daar aanvankelijk geen effect van de socio-economische status en na controle voor leerlingkenmerken een klein negatief effect.

Inhoudstafel Inhoudstafel

1

Lijst van tabellen

3

Lijst van grafieken

6

1 Inleiding

8

2 Voorafgaand onderzoek

10

3 Onderzoeksopzet

12

3.1 Onderzoeksvragen

13

3.2 Verkenning van de variabelen

13

3.2.1 Afhankelijke variabelen 3.2.1.1 Bereikt onderwijsniveau zes jaar na intrede in het secundair onderwijs 3.2.1.2 Aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs

14 14

3.2.2 Onafhankelijke variabelen 3.2.2.1 Geslacht 3.2.2.2 Etniciteit 3.2.2.3 Socio-economische status 3.2.2.4 Bereikt prestatieniveau bij de intrede in het secundair onderwijs 3.2.2.5 Intelligentie bij de intrede in het secundair onderwijs 3.2.2.6 Beoordeling door de leerkracht lager onderwijs 3.2.2.7 Opgelopen vertraging in het onderwijs voor het secundair onderwijs 3.2.2.8 De prestatiemotivatie bij de intrede in het secundair onderwijs 3.2.2.9 Geaggregeerde variabelen

18 19 19 20 20 20 21 23 23 24

3.2.3 Verdeling van de respondenten en de gemiddelde score op de afhankelijke variabele, over de combinaties van de categorieën geslacht, etniciteit en socio-economische status voor beide analyses

25

3.2.4 Correlatiematrices

27

4 Resultaten

28

4.1 Resultaten van de beperkte analyses

30

17

1

4.1.1 Modellen zonder verklarende variabelen 4.1.1.1 Variantieverdeling over het leerlingen het schoolniveau 4.1.1.2 Verdeling van de leerlingen schoolresidu’s in de modellen zonder verklarende variabelen A) OndNiv-nulmodel-residu’s B) UrenWisk-nulmodel-residu’s

30 30 33 33 35

4.1.2 Modellen met interactievariabelen geslacht, etniciteit en SES en modellen met interactievariabelen geslacht, etniciteit en SES en controlevariabelen 4.1.2.1 Analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs 4.1.2.2 Analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs

36 36 42

4.1.3 Vergelijking van de analyse van het hoogst bereikte onderwijsniveau en van het aantal uren wiskunde

47

4.1.4 Conclusies

48

4.2 Resultaten van de uitgebreide analyses

50

4.2.1 Modellen zonder verklarende variabelen

50

4.2.2 Modellen met de interactievariabelen geslacht, etniciteit en SES en de controlevariabelen 4.2.2.1 Analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs A) Opbouw van het model B) Analyse van het model a) Controlevariabelen b) Interactievariabelen geslacht, etniciteit en SES c) Covariaties tussen schoolresidu’s 4.2.2.2 Analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs A) Opbouw van het model B) Analyse van het model a) Controlevariabelen b) Interactievariabelen geslacht, etniciteit en SES c) Covariaties tussen schoolresidu’s 4.2.2.3 Vergelijking van de analyse van het bereikte onderwijsniveau en die van het aantal opgenomen uren wiskunde

50

4.3 Vergelijking van de beperkte en de uitgebreide modellen A) Vergelijking van de controlevariabelen B) Vergelijking van de interactievariabelen geslacht, etniciteit en SES

67 67 67

5 Algemeen besluit

68

Bibliografie

70

Bijlagen

74

2

51 51 54 55 56 57 59 59 62 62 63 64 65

Lijst van tabellen Tabel 1: Toewijzing van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs en de verdeling van deze scores over de verschillende onderwijscategorieën (aantallen)

16

Tabel 2: Verdeling van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs (aantallen, percenten, gemiddelde)

17

Tabel 3: Verdeling van het aantal uren wiskunde waarvoor men in het zesde leerjaar secundair onderwijs heeft gekozen (aantallen, percenten en gemiddelde)

18

Tabel 4: Verdeling van geslacht (aantallen en percenten)

19

Tabel 5: Verdeling van etniciteit (aantallen en percenten)

19

Tabel 6: Verdeling van de socio-economische status van de leerlingen (SES) (aantallen, percenten en gemiddelde)

20

Tabel 7: Verdeling van de prognose door de leerkracht lager onderwijs van het onderwijsniveau dat de leerling op het einde van zijn schoolloopbaan zal bereiken (aantallen, percenten en gemiddelde)

21

Tabel 8: Verdeling van de studieoptie die de leerkracht lager onderwijs aanraadt voor het eerste leerjaar secundair onderwijs (aantallen, percenten en gemiddelde)

22

Tabel 9: Gemiddelde, standaarddeviatie, minimum en maximum van de intelligentie bij de intrede in het secundair onderwijs (Intel), de schoolse prestaties bij de intrede in het secundair onderwijs (Prest) en de beoordeling door de leerkracht lager onderwijs (LKOD)

22

Tabel 10: Verdeling van de opgelopen vertraging vóór het secundair onderwijs (aantallen, percenten en gemiddelde)

23

Tabel 11: Gemiddelde, standaarddeviatie, minimum en maximum van de prestatiemotivatie

23

Tabel 12: Gemiddelde, standaarddeviatie, minimum en maximum van de SES van een school (SMSES) op leerlingniveau en op schoolniveau

24

Tabel 13: Gemiddelde, standaarddeviatie, minimum en maximum van de geslachtsverhouding (SMGeslacht) in de scholen op leerlingniveau en op schoolniveau

24

Tabel 14: Gemiddelde, standaarddeviatie, minimum en maximum van de verhouding allochtonen - autochtonen (SMEtnie) in de scholen op leerlingniveau en op schoolniveau

25

3

Tabel 15: Procentuele verdeling van respondenten over de categorieën geslacht, etniciteit en socio-economische status in de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs

26

Tabel 16: Procentuele verdeling van respondenten over de categorieën geslacht, etniciteit en socio-economische status voor de analyse van het aantal uren wiskunde per week opgenomen in het laatste leerjaar secundair onderwijs

26

Tabel 17: Correlatiematrix voor de variabelen uit de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs

27

Tabel 18: Correlatiematrix voor de variabelen uit de analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs (ASO, TSO, KSO)

27

Tabel 19: Nulmodel voor de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs (met variantieverdeling)

31

Tabel 20: Nulmodel voor de analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs (met variantieverdeling) : ASO

31

Tabel 21: Nulmodel voor de analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs (met variantieverdeling) : KSO

31

Tabel 22: Nulmodel voor de analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs (met variantieverdeling) : TSO

32

Tabel 23: Nulmodel voor de analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs (met variantieverdeling) : ASO / TSO / KSO

32

Tabel 24: Multilevel modellen voor de analyse van hoogst bereikte onderwijspositie zes jaar na intrede in het secundair onderwijs.

37

Tabel 25: Voorspelde waarden van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs zonder controlevariabelen

39

Tabel 26: Voorspelde waarden van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs zonder controlevariabelen en met opname van het derdeorde interactieeffect

39

Tabel 27: Volgorde van de toevoeging van de controlevariabelen aan het nulmodel van de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs

40

Tabel 28: Voorspelde waarden van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs met controlevariabelen en zonder opname van het derdeorde interactieeffect

41

Tabel 29: Voorspelde waarden van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs met controlevariabelen en met opname van het derdeorde interactie-effect

42

Tabel 30: Opbouw van het multilevel model met betrekking tot het aantal uren wiskunde per week opgenomen in het laatste leerjaar secundair onderwijs: daling van de deviantie bij opname van de onderwijsvormen

43

4

Tabel 31: Multilevel modellen voor de analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs

43

Tabel 32: Voorspelde waarden voor het aantal uren wiskunde per week opgenomen in het zesde leerjaar algemeen secundair onderwijs zonder controlevariabelen

45

Tabel 33: Volgorde van de toevoeging van de controlevariabelen aan het basismodel van de analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs

45

Tabel 34: Voorspelde waarden voor het aantal uren wiskunde per week opgenomen in het zesde leerjaar algemeen secundair onderwijs met controlevariabelen

46

Tabel 35: Opbouw van het model van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs

51

Tabel 36: Multilevel model voor de variabele bereikt onderwijsniveau zes jaar na intrede in secundair onderwijs met uitgebreide controlevariabelen

54

Tabel 37: Voorspelde waarden voor het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs onder controle van de uitgebreide controlevariabelen

57

Tabel 38: Correlaties tussen de schoolresidu’s in de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs

58

Tabel 39: Opbouw van het model van het aantal uren wiskunde per week opgenomen in het laatste leerjaar secundair onderwijs

60

Tabel 40: Multilevel model voor de variabele uren wiskunde opgenomen in het zesde leerjaar secundair onderwijs met uitgebreide controlevariabelen

62

Tabel 41: Voorspelde waarden voor het aantal uren wiskunde per week opgenomen in het zesde leerjaar algemeen secundair onderwijs onder controle van de uitgebreide controlevariabelen

64

Tabel 42: Correlatie tussen de schoolresidu’s van het intercept en de variabele prestaties in de analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs

65

Tabel 43: Verdeling van OndNiv bij alle leerlingen uit de steekproef

75

Tabel 44: Verdeling van het aantal uren wiskunde waarvoor men in het zesde leerjaar secundair onderwijs heeft gekozen bij alle leerlingen in het ASO, KSO en TSO uit de steekproef

75

Tabel 45: Procentuele verdeling van respondenten over de categorieën geslacht, etniciteit en socio-economische status en het gemiddelde bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs voor alle leerlingen waarvan het geslacht, de SES en de etniciteit gekend is

76

Tabel 46: Procentuele verdeling van respondenten over de categorieën geslacht, etniciteit en socio-economische status en het gemiddelde aantal uren wiskunde opgenomen in het zesde

5

leerjaar secundair onderwijs voor alle leerlingen waarvan het geslacht, de SES en de etniciteit gekend is

76

Tabel 47: Verdeling van de leerlingen over de verschillende studierichtingen opgedeeld volgens onderwijsvorm en aantal lesuren wiskunde

77

Tabel 48: Verdeling van de allochtone leerlingen volgens het geboorteland van de vader en van de moeder zoals dit door hen werd opgegeven

80

Lijst van grafieken Grafiek 1: Verdeling van de gestandaardiseerde leerlingresidu’s in de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs

33

Grafiek 2: Verdeling van de gestandaardiseerde schoolresidu’s in de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs

34

Grafiek 3: Verdeling van de gestandaardiseerde schoolresidu’s met betrouwbaarheidsinterval (+- 1.96 std) in de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs

34

Grafiek 4: Verdeling van de gestandaardiseerde leerlingresidu’s in de analyse van het aantal opgenomen uren wiskunde in het zesde leerjaar van het secundair onderwijs

35

Grafiek 5: Verdeling van de gestandaardiseerde schoolresidu’s in de analyse van het aantal opgenomen uren wiskunde in het zesde leerjaar van het secundair onderwijs

35

Grafiek 6: Verdeling van de gestandaardiseerde schoolresidu’s met betrouwbaarheidsinterval (+- 1.96 std) in de analyse van het aantal opgenomen uren wiskunde in het zesde leerjaar van het secundair onderwijs

36

Grafiek 7: Voorspelde waarden van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs zonder controlevariabelen en zonder opname van het derdeorde interactieeffect Grafiek 8: Voorspelde waarden van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs zonder controlevariabelen met opname van het derdeorde interactie-effect

38 39

Grafiek 9: Voorspelde waarden van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs met controlevariabelen en zonder opname van het derdeorde interactieeffect

41

Grafiek 10: Voorspelde waarden van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs met controlevariabelen en met opname van het derdeorde interactie-effect

42

6

Grafiek 11: Voorspelde waarden voor het aantal uren wiskunde per week opgenomen in het zesde leerjaar algemeen secundair onderwijs zonder controlevariabelen

44

Grafiek 12: Voorspelde waarden voor het aantal uren wiskunde per week opgenomen in het zesde leerjaar algemeen secundair onderwijs met controlevariabelen

46

Grafiek 13: Interactie tussen SES en Prognose op het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs

52

Grafiek 14: Interactie tussen etniciteit en prestatiemotivatie op het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs

53

Grafiek 15: Interactie tussen geslacht en de aangeraden studieoptie (Startricht) in het secundair onderwijs op het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs

53

Grafiek 16: Voorspelde waarden voor het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs onder controle van de uitgebreide controlevariabelen

57

Grafiek 17: Interactie tussen SES en Prestaties op het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs

61

Grafiek 18: Interactie tussen Etniciteit en Prestaties op het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs

61

Grafiek 19: Voorspelde waarden voor het aantal uren wiskunde per week opgenomen in het zesde leerjaar algemeen secundair onderwijs onder controle van de uitgebreide controlevariabelen

64

7

1 Inleiding Vanuit de vaststelling dat de onderwijsloopbaan in sterke mate correleert met de sociale positie die men doorheen het verdere leven zal innemen (Boudon, 1974; Jencks, 1972; Bourdieu, 1984; Verlot, 2001), werden in het verleden verschillende categorieën van leerlingen bestudeerd naar hun onderwijskansen en –uitkomsten. Enerzijds maakte in het begin van de jaren vijftig van vorige eeuw het onderzoek over democratisering van het onderwijs een opmars doordat de opdracht van het onderwijs in vraag gesteld werd. Dit was het logische antwoord op de fundamentele veranderingen die de samenleving had ondergaan (Coleman, 1968; Karabel & Halsey, 1977). Meer bepaald kwam de continuïteit op de arbeidsmarkt in het gedrang nadat de vanzelfsprekende opvolgingssituatie van vader op zoon doorbroken werd door de overgang van de pre-industriële naar de industriële en post-industriële samenleving. Aanvankelijk ging de meeste aandacht uit naar het soort scholing om de nieuwe vragen vanuit de veranderde productiewijzen in de industriële samenleving te kunnen beantwoorden. Later ging de aandacht uit naar de rechtvaardigheid van de toewijzing van leerlingen aan de verschillende opleidingsvormen. De vanzelfsprekende opvolging van vader op zoon was immers, evenals de sociaal selectieve toegang tot geprivilegieerde opleidingen en beroepen, binnen de nieuwe maatschappelijke context niet meer te verantwoorden. In het onderzoek over de democratisering van het onderwijs dat door deze evolutie op gang was gekomen kreeg de impact van de socio-economische status, al dan niet vanuit genderperspectief1, op de onderwijsloopbaan specifieke aandacht (Coleman et al., 1966; Jencks, 1972; Vandekerckhove & Huyse, 1976; Dronkers, 1986; Stinissen, 1986, 1987a, 1987b; Lammertyn, 1987, 1992; Marjoribanks, 2002; Verhoeven, Vandekerckhove & Huyse, 1992; Tan, 1998). Anderzijds ontwikkelt eind jaren ’802 de invloed van etniciteit3 op de schoolloopbaan zich tot een autonoom onderzoeksthema binnen het Vlaamse onderwijsonderzoek. Dit gebeurde onder invloed van de intrede van een groeiend aantal leerlingen van Italiaanse afkomst en later ook van Turkse en Maghrebijnse afkomst in het Vlaamse onderwijs als gevolg van het tewerkstellings- en migratiebeleid dat respectievelijk tijdens de jaren veertig en zestig gevoerd werd (Roosens, 1989). Samen met het marginaliseren van het terugkeerbeleid, de institutionele uitbouw van een migrantenbeleid op federaal en iets later op Vlaams niveau kwam het onderzoek naar etniciteit in een stroomversnelling terecht (Martens & Caestecker, 2001; 1

In tegenstelling tot ‘geslacht’ dat de biologische gesteldheid van iemand weergeeft wordt vanaf het midden van de jaren zeventig het begrip ‘gender’ gebruikt om de culturele constructie van mannelijkheid en vrouwelijkheid aan te duiden (Gayle, 1975 in Van der Heyden & Michielsens, 2001). 2 In Amerika waar men reeds vroeger migraties heeft gekend, kwam dit onderzoek sneller op gang. De eerste onderzoeken met betrekking tot etniciteit en onderwijs dateren er van midden jaren ’50 (Coulon, 1993). 3 In Vlaanderen werd het anderszijn, vervat in de term etniciteit, beklemtoond terwijl de Franstaligen in België een minder categoriaal beleid voorstonden (Martens & Caestecker, 2001).

8

Caestecker, 2001; Verlot, 2001). Het feit dat deze bevolkingsgroepen integraal deel uitmaakten van de samenleving leidde ertoe dat ze als doelgroep mee opgenomen werden in het rechtvaardigheidsvraagstuk over de participatiekansen in het onderwijs, de arbeidsmarkt, de politiek, de gezondheidszorg, etc.. Naar elk van de genoemde drie achtergrondkenmerken, geslacht, etniciteit en socioeconomische status, werd dus in Vlaanderen vanaf de tweede helft van de jaren ’80 onderzoek verricht, maar zelden werden de drie achtergrondkenmerken in relatie tot elkaar bestudeerd4 (Van der Heyden & Michielsens, 2001). Dit kwam onder andere doordat, althans voor kwantitatief onderzoek, men over voldoende respondenten moest beschikken om over de onderscheiden categorieën uitspraken te kunnen doen. Een andere reden hiervoor is dat de onderscheiden subgroepen het onderzoeksobject vormden van verschillende wetenschappelijke disciplines: socio-economische status en geslacht behoorden eerder tot het sociologisch en psychologisch onderzoeksdomein en etniciteit eerder tot het antropologische (Verlot, 2001). Met de analyses in dit onderzoeksrapport willen we de Vlaamse situatie onderzoeken naar eventuele interactie-effecten op de schoolloopbaan. Hierbij hebben we ons laten inspireren door het onderzoek dat in Nederland werd verricht door Dekkers, Bosker en Driessen (2000). Zij stelden zich de vraag of de effecten van geslacht, etniciteit en SES additief zijn en zoniet welke effecten er dan optreden. Daarnaast vroegen ze zich ook af wat de bijdrage van het secundair onderwijs is aan deze effecten. Ook wij zullen met onze analyses het secundair onderwijs evalueren voor wat de interactieeffecten tussen geslacht, socio-economische status en etniciteit betreft. Dit zal gebeuren aan de hand van twee afhankelijke variabelen, enerzijds het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs, en anderzijds de keuze voor een studierichting vóór het verlaten van het voltijds secundair onderwijs geordend op basis van het aantal lesuren wiskunde per week. Voor beide analyses zal gecontroleerd worden voor intredekenmerken. Deze zijn het bereikte niveau bij intrede in het secundair onderwijs gemeten aan de hand van de gemiddelde score voor een taal- en wiskundetoets, de prestatiemotivatie, de opgelopen vertraging vóór intrede in het secundair onderwijs en de gemiddelde intelligentie gemeten aan de hand van een numerieke en spatiale intelligentietest. De verbale intelligentietest werd niet gebruikt omdat we in het bijzonder de effecten van etniciteit willen nagaan. Daarnaast wordt het leerkrachtenoordeel over het voorspelde bereikte onderwijsniveau en het aangeraden vakkenpakket in het eerste leerjaar secundair onderwijs opgenomen. Tot slot wordt gecontroleerd voor het gemiddelde opleidingsniveau van de ouders, de geslachtsverhouding en de verhouding allochtonen – autochtonen in elke school. Na een overzicht van vroeger onderzoek bespreken we de variabelen die in de analyses gebruikt worden. Daarna komen de multilevel analyses aan bod. Hier bespreken we eerst de nulmodellen om vervolgens de interactievariabelen geslacht, etniciteit en SES samen met de controlevariabelen te modelleren. Tenslotte vergelijken we beide analysemodellen om er enkele algemene conclusies uit te trekken.

4

Dit was ook internationaal het geval. Het Coleman-rapport dat in 1966 de mate van etnische segregatie in het Amerikaans onderwijs en de impact hiervan op de onderwijskansen onderzocht, was hier een uitzondering op. Er werden in dit onderzoek echter geen drieweg interacties nagegaan. Overigens was de methode van het multilevel onderzoek toen nog niet ontwikkeld.

9

2 Voorafgaand onderzoek Onderzoek in het verleden werd veelal uitgevoerd vanuit het perspectief dat meisjes, leerlingen uit lage socio-economische statusfamilies en allochtonen een achterstand hebben in het onderwijs ten opzichtte van respectievelijk jongens, leerlingen uit hoge socio-economische statusfamilies en autochtone leerlingen. Een vooronderstelling die dikwijls hierbij gemaakt wordt is dat de drie effecten additief zouden zijn. Dit wil zeggen dat bvb. allochtone meisjes een dubbel nadeel zouden hebben. Twee indicatoren voor succesvolle onderwijsposities zijn de participatie aan wetenschappelijk georiënteerd onderwijs en het bereikte onderwijsniveau in het algemeen. Wat de invloed van geslacht op de keuze van het aantal wetenschappelijke vakken betreft concludeerden Keeves en Kotte (1994, in Dekkers, Bosker & Driessen, 2000) dat meisjes wetenschappen en wiskunde vermijden en daarmee bepaalde onderwijsroutes en daarmee samenhangend ook bepaalde beter betaalde jobs uitsluiten. Lacante en Schodts (1997) stelden vast dat jongens meer voor de harde wetenschappen en meisjes meer voor de zachte wetenschappen kiezen aan de universiteit. Volgens hen is één van de oorzaken dat meisjes hun wiskundige capaciteiten lager inschatten dan jongens met hetzelfde prestatieniveau voor wiskunde. Peng en Owings (1997, in Dekkers, Bosker & Driessen, 2000) stelden vast dat allochtone studenten minder voor wiskundegeoriënteerde opleidingen kiezen. Peng (1998, in Dekkers, Bosker & Driessen, 2000) vond later dat de bevindingen van Peng en Owings enkel gelden voor allochtone jongens. Een bevinding die het additieve karakter van de effecten weerlegt. Allochtone meisjes hebben volgens hen dus geen dubbele achterstand in relatie tot wetenschappelijk georiënteerde opleidingen. Sammons (1995) concludeert ook dat de additieve hypothese niet opgaat voor het bereikte onderwijsniveau op vlak van lezen en wiskunde. Allochtone leerlingen, onder controle van verschillen in socio-economische status, hadden meer vooruitgang geboekt dan hun leeftijdgenoten. Met betrekking tot het bereikte onderwijsniveau wordt reeds lang een verband gevonden met de socio-economische status (SES) van een leerling. Leerlingen uit lagere SES-families presteren minder goed en bereiken een lager onderwijsniveau dan leerlingen uit hogere SES-families (Coleman et al., 1966; Jencks, 1972; Dronkers, 1986; Marjoribanks, 2002). Het opleidingsniveau van de ouders, dat als één van de beste indicators van de SES beschouwd wordt, is positief gecorreleerd met het bereikte onderwijsniveau (Boudon, 1973; Shavit & Blossfeld, 1993; Magnuson & McGroder, 2002). In relatie tot etniciteit werd voor verschillende etnische groepen een verschillend effect van de SES vastgesteld (Marjoribanks, 2002). Recent onderzoek naar de relatie tussen geslacht en het bereikt onderwijsniveau heeft aangetoond dat meisjes beter presteren dan jongens, in tegenstelling tot vroeger. In Vlaanderen studeren er sinds 1996 meer meisjes aan de universiteit dan jongens (Ministerie van de Vlaamse Gemeenschap, 2002). Dit fenomeen beperkt zich niet tot Vlaanderen maar vertoont zich in de meeste geïndustrialiseerde landen (OECD, 2002). Naar de interactie-effecten van geslacht, etniciteit en socio-economische status zijn nagenoeg geen representatieve onderzoeken gevoerd5. Eén van de uitzonderingen hierop is het onderzoek van Dekkers, Bosker en Driessen (2000). Met betrekking tot het secundair onderwijs toonden zij aan dat het bereikte onderwijsniveau van meisjes en van leerlingen uit hogere SES-families 5

Meestal werd het effect van één variabele (bijvoorbeeld etnicitiet) onderzocht onder controle van een andere (bijvoorbeeld geslacht of SES).

10

hoger is dan dat van jongens, respectievelijk leerlingen van lagere SES-families. Het effect van geslacht toont zich enkel voor de autochtone leerlingen en het effect van de SES is kleiner voor meisjes en voor allochtone leerlingen. Uiteindelijk presteren allochtone meisjes even goed als autochtone meisjes en bereiken allochtone jongens een hoger onderwijsniveau dan autochtone jongens. Om de bijdrage van het secundair onderwijs te evalueren werd het model waarin SES, geslacht en etnische achtergrond als verklarende variabelen opgenomen zijn, vergeleken met hetzelfde model onder controle van de intredekenmerken van de leerlingen (geschiktheid en prestatieniveau). Deze vergelijking toont aan dat door de opname van de intredekenmerken het effect van geslacht vergroot (en de voorsprong van meisjes nog groter wordt) en dat het effect van SES, vooral voor meisjes en voor allochtone leerlingen, verkleint, maar nog aanwezig blijft. Na controle voor de intredekenmerken blijkt opnieuw dat allochtone jongens beter presteren dan autochtone jongens. Een tweede onderwerp dat Dekkers et al. (2000) bestudeerden was het aantal wetenschappelijke vakken waarvoor de leerlingen in hun laatste leerjaar algemeen secundair onderwijs6 kiezen. Hier blijkt dat meisjes, zoals verwacht, minder wetenschappelijke vakken opnemen dan jongens. Ze vonden echter geen significante hoofdeffecten van SES of van etniciteit. Wel is er een significant interactie-effect tussen geslacht, etniciteit en SES. Autochtone jongens met een lage SES nemen beduidend minder wetenschappelijke vakken op in vergelijking met de andere (autochtone met een hoge SES en allochtone) jongens. Allochtone jongens met een hoge SES nemen uiteindelijk het meeste wetenschappelijke vakken op en allochtone meisjes, onafhankelijk van hun SES, het minst. Aan deze effecten verandert weinig na controle voor de intredekenmerken. Enkel het effect van geslacht vermindert lichtjes. De reden die hiervoor gegeven wordt is dat de wiskundige prestaties op twaalfjarige leeftijd een krachtige voorspeller zijn van het aantal wetenschappelijke vakken waarvoor men kiest, en meisjes scoren beduidend lager op die wiskundige prestaties.

6

Deze analyses werden uitgevoerd op de leerlingen in het MAVO, het HAVO en het VWO.

11

3 Onderzoeksopzet De analyses werden uitgevoerd op de data van het LOSO-onderzoek. In het LOSO-onderzoek werden twee regio’s7 geselecteerd waarbinnen in principe alle leerlingen die in het schooljaar 1990-1991 het secundair onderwijs hebben aangevat uit alle secundaire scholen werden opgenomen. Het voordeel van deze werkwijze is dat het mogelijk werd de loopbanen van deze leerlingen te volgen met een minimum uitval van respondenten (Van Damme et al., 1997). In totaal werden ongeveer 6400 leerlingen gedurende 10 jaar uitgebreid gevolgd aan de hand van tests, toetsen en vragenlijsten. Informatie werd verzameld over de leerling, het ouderlijk milieu, en het schoolmilieu. Voor de analyses die hier gepresenteerd worden, worden multilevel modellen gebruikt. De meeste statistische analysetechnieken zijn gebaseerd op de premisse van onafhankelijkheid van de analyse-eenheden. Omdat leerlingen van eenzelfde school niet als onafhankelijk van elkaar beschouwd kunnen worden, gebruiken we hier multilevel modellen. In deze modellen wordt er van uitgegaan dat leerlingen (level 1) genest zijn in scholen (level 2). In dit onderdeel worden eerst kort de onderzoeksvragen voorgesteld en daarna de variabelen toegelicht. Vervolgens wordt de verdeling van de leerlingen over de combinaties van de categorieën geslacht, etniciteit en socio-economische status weergegeven samen met de gemiddelde score van elk van deze subgroepen op de twee afhankelijke variabelen (bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs en het opgenomen aantal uren wiskunde in het zesde leerjaar van het secundair onderwijs). Tot slot geven we voor beide analyses de correlatiematrix van alle variabelen.

7

De regio's Dendermonde-Zele-Hamme en Diest-Hasselt-Genk-Houthalen-Leopoldsburg-Beringen werden geselecteerd op basis van hun gezamenlijke representativiteit voor Vlaanderen.

12

3.1 Onderzoeksvragen Veronderstellend dat de effecten van geslacht, etniciteit en socio-economische status niet additief zijn onderzoeken we welke interactie-effecten we vinden op de onderwijspositie bij de leerlingen in het Vlaamse onderwijs. Tevens willen we het secundair onderwijs evalueren met betrekking tot zijn bijdrage aan deze effecten. De onderzoeksvragen zijn: - Welke interactie-effecten tussen geslacht, socio-economische status en etniciteit zijn er op het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs en op het opgenomen aantal uren wiskunde in het zesde leerjaar van het secundair onderwijs? - Wat is de bijdrage van het secundair onderwijs aan deze interactie-effecten?

3.2 Verkenning van de variabelen Ook wat de variabelen betreft hebben we ons laten inspireren door het onderzoek van Dekkers, Bosker en Driessen (2000). Het bereikte onderwijsniveau werd in het Nederlandse onderzoek gemeten aan de hand van de afstand in jaren die de leerling, zes jaar na intrede in het secundair onderwijs, nog zou moeten afleggen om toegang te krijgen tot universitair onderwijs. Ook wij berekenden de afstand tot de formele toegang tot de universiteit. Voor studierichtingen die geen formele toegang geven tot het universitair onderwijs werd een hypothetische afstand tot de formele toegang tot het universitair onderwijs ontwikkeld. De berekening van het bereikte onderwijsniveau, gelijk aan zes minus de afstand tot toegang tot universitair onderwijs in jaren uitgedrukt wordt onder punt 3.2.1.1. weergegeven. Een tweede afhankelijke variabele in het Nederlandse onderzoek was het aantal wetenschappelijke vakken (wiskunde, chemie en fysica) waarvoor een leerling in zijn of haar laatste leerjaar secundair heeft gekozen. In de voorliggende analyses werd gekeken naar het aantal lesuren wiskunde per week waarvoor een leerling in het zesde leerjaar secundair onderwijs heeft gekozen. De analyse met betrekking tot deze laatste variabele beperkt zich tot die leerlingen die het zesde leerjaar in een algemene, kunst- of technische richting volgden. Als controlevariabelen nemen we analoog aan het Nederlandse onderzoek het oordeel over de leerlingen door de leerkracht lager onderwijs en het bereikte prestatie- en intelligentieniveau bij aanvang van het secundair onderwijs op. We maken dus een onderscheid tussen het bereikte prestatieniveau (aan de hand van taalkundige en wiskundige toetsen) en de intelligentie van een leerling. Als we met intelligentie vooral niet socialiseerbare intelligentie bedoelen (in tegenstelling tot het bereikte niveau van schoolse kennis dat we kunnen beschouwen als het resultaat van de intelligentie en de socialisatie) menen we het best geen verbale intelligentietest te gebruiken omdat verwacht kan worden dat

13

allochtonen hierop minder goed presteren en we zo hun intelligentie zouden onderschatten. Daarom werd de gemiddelde intelligentie enkel gemeten aan de hand van het gemiddelde van een numerieke-8 en een spatiale9 intelligentietest. Het bereikte prestatieniveau daarentegen omvat naast wiskundige toetsen wel taalkundige toetsen omdat hiermee het feitelijke, reeds aangeleerde niveau van de leerling bedoeld wordt, dat medebepalend is voor de feitelijke doorstroommogelijkheden van de leerling binnen ons onderwijssysteem. Hieronder volgt een overzicht van de aanmaak en de verdeling van de variabelen die in de modellen opgenomen worden. Telkens wordt de verdeling gegeven voor de groep leerlingen die op alle variabelen die in de analyse opgenomen zijn, een score hebben.

3.2.1 Afhankelijke variabelen Het bereikte onderwijsniveau werd op twee manieren geoperationaliseerd. Enerzijds is dit de bereikte positie in het secundair onderwijs zes jaar na intrede in het secundair onderwijs en anderzijds het aantal lesuren wiskunde in de richting waarvoor men in het zesde leerjaar secundair onderwijs heeft gekozen.

3.2.1.1 Bereikt onderwijsniveau zes jaar na intrede in het secundair onderwijs Het bereikt onderwijsniveau zes jaar na intrede moet letterlijk opgevat worden. Voor alle leerlingen werd gekeken of er data beschikbaar waren over de positie van de leerling in het onderwijs of op de arbeidsmarkt zes jaar na intrede in het secundair onderwijs. Indien een leerling zes jaar na de intrede in het secundair onderwijs zich niet meer in het secundair onderwijs bevond maar er wel data beschikbaar waren over de schoolloopbaan werd dus het hoogst bereikte onderwijsniveau genomen dat hij of zij in de periode van zes jaar behaald heeft. Variabele OndNiv Voor de berekening van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs werd volgende procedure toegepast.

8

De numerieke intelligentietest is een compositie van de numerieke delen uit de ‘Differentiële Geschiktheidbatterij’ van L. Coetsier et al. (1964) en van de numerieke delen uit de ‘Intelligentietest Lager Onderwijs, 6e Leerjaar’ van Van Hove, 1974. 9 De spatiale intelligentietest is een compositie van het deel over figuren uit de ‘Interesse, Schoolvorderingen en Intelligentie’-test van Van Boxtel, Snijders & Welten van 1982.

14

Eerst werd aan de hand van het leerjaar en de onderwijsvorm de hoogste positie geselecteerd zonder rekening te houden met deeltijds onderwijs en leercontract. A) Voor leerlingen in het 1. ASO, KSO, TSO, eerste leerjaar A of 2A - werd het leerjaar genomen waarin ze het voorgaande jaar zaten. In geval van een B-attest en een C-attest werd hier respectievelijk 0.5 en 1 van afgetrokken. 2. BSO, beroepsvoorbereidend leerjaar of eerste leerjaar B - werd het leerjaar genomen waarin ze het voorgaande jaar zaten -1. In geval van een B-attest en een C-attest werd hier respectievelijk nog eens 0.5 en 1 van afgetrokken. 3. BuSO - werd het leerjaar genomen waarin ze het voorgaande jaar zaten -2. In geval van een B-attest en een C-attest werd hier respectievelijk nog eens 0.5 en 1 van afgetrokken.

Daarnaast werd voor de leerlingen die deeltijds onderwijs of leercontract volgden of gevolgd hadden, volgende procedure toegepast: B) Voor leerlingen 1. in de 2e graad in het deeltijds onderwijs - die een kwalificatiegetuigschrift 2e graad behaalden werd een bereikt niveau van 2.5 genomen. - die een Attest 2e graad of een bekwaamheidsattest behaalden, werd een bereikt niveau van 1.5 genomen. - Indien ze geen attest of getuigschrift behaalden werd een bereikt niveau van 1 genomen. 2. in de 3e graad in het deeltijds onderwijs - die een kwalificatiegetuigschrift 3e graad behaalden werd een bereikt niveau van 4 genomen. - die een Attest 3e graad of een bekwaamheidsattest behaalden, werd een bereikt niveau van 3 genomen. - Indien ze geen attest of getuigschrift behaalden (maar wel in de derde graad zaten) werd een bereikt niveau van 2.5 genomen. Aan het behalen van een attest of getuigschrift wordt dus één bepaalde score toegekend. Een leerling die meerdere attesten of getuigschriften heeft behaald, krijgt enkel de score voor het hoogst behaalde attest of getuigschrift. C) Voor leerlingen op leercontract - die geslaagd zijn, werd een bereikt niveau van 4 genomen. - die nog niet geslaagd of gestopt zijn, werd een bereikt niveau van 0.5 toegekend.

Uiteindelijk werden de verschillende hoogste posities (in het voltijds secundair onderwijs, het DBSO en in de opleiding voor een leercontract) met elkaar vergeleken en werd de hoogste positie weerhouden. Bij twee gelijke hoogst bereikte posities werd op de eerste plaats de omschrijving behorende bij het leercontract weerhouden, gevolgd door deze in het DBSO. We gaan er vanuit dat een leerling eerst voltijds SO gevolgd heeft en dan DBSO of leercontract en

15

dat indien een leerling DBSO en leercontract gevolgd heeft dat het DBSO aan het leercontract voorafgegaan is. Deze arbitraire keuze werd gemaakt om Tabel 1 te kunnen aanmaken. Deze werkwijze heeft echter geen invloed op de score voor het bereikte onderwijsniveau. Tabel 1: Toewijzing van de OndNiv-scores en de verdeling over de verschillende categorieën (aantallen)

Leerjaar sequentieel 1 2 3 4 5 6



SubTotaal

DBSO 2e graad DBSO 3e graad

A-attest BSO OndNiv N

A/K/TSO OndNiv N 1 2 3 4 5 6

0 0 5 82 550 2072

1 1 0 31 27 0

1 3 8 18 138 78

3015 Getuigschriften OndNiv N 2.5 4

-0.5 0.5 1.5 2.5 3.5 4.5

0 0 0 2 0 0

-1 0 1 2 3 4

0 2 13 30 59 40

1.5 3

Leercontract SubTotaal Totaal

0 0 0 0 0 0

-2 -1 0 1 2 3

0 0 0 0 1 0

1 2.5

0 0

geen OndNiv N

N

4

-1.5 -0.5 0.5 1.5 2.5 3.5

11 geen OndNiv N 20 22

Attest OndNiv

0 0 0 4 5 1

BuSO OndNiv N

936 Attesten OndNiv N 3 3

-1 0 1 2 3 4

BuSO OndNiv N

C-attest BSO OndNiv N

A/K/TSO OndNiv N 0 1 2 3 4 5

0 3 7 52 232 496

B-attest BSO OndNiv N

A/K/TSO OndNiv N 0.5 1.5 2.5 3.5 4.5 5.5

0 1 2 3 4 5

BuSO OndNiv N

165

0.5

171

42

0

0

4175

16

Tabel 2: Verdeling van OndNiv (aantallen, percenten, gemiddelde) OndNiv 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 6 Totaal

aantal

%

3 0.07 1 0.02 19 0.46 21 0.50 50 1.20 5 0.12 161 3.86 31 0.74 661 15.83 27 0.65 1124 26.92 2072 49.63 4175 100.00 Gemiddelde= 5.17

Als we deze verdeling vergelijken met die van alle leerlingen uit de steekproef (zie Tabel 43 in de bijlage) zien we dat de uitval van respondenten niet random is. De leerlingen met een laag bereikt onderwijsniveau zijn in beperkte mate onder gerepresenteerd. De gemiddelde score op OndNiv toont dit ook aan, deze stijgt namelijk van 5.00 tot 5.17.

3.2.1.2 Aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs Variabele UrenWisk Dit is de variabele die weergeeft hoeveel lesuren wiskunde per week de leerling heeft opgenomen in zijn laatste zesde leerjaar secundair onderwijs. Indien een leerling meermaals het zesde leerjaar heeft gevolgd werd dus het aantal uren wiskunde weerhouden van de studierichting waarin hij zich het laatst heeft ingeschreven. Ook voor leerlingen die een zevende leerjaar hebben aangevat werd het aantal uren wiskunde per week in het laatste zesde leerjaar weerhouden. Voor de eenvoud spreken we verder over het aantal uren wiskunde opgenomen in het zesde leerjaar secundair onderwijs. Voor 88.9% (n=3410) van de leerlingen was het aantal lesuren wiskunde per week gekend. Voor die studierichtingen waarvoor het aantal lesuren wiskunde per week in die school niet beschikbaar was (11.1% van de leerlingen; n=427), werd de score op volgende wijze bepaald: Indien de naam van de studierichting overeenkomt met de naam van een studierichting waarvoor de verschillende aantallen uren wiskunde wel gekend zijn, of het aantal uren wiskunde wel gekend is, werd het gemiddelde aantal uren wiskunde genomen voor die studierichting over alle scholen heen (8.6%, n=330). De overblijvende studierichtingen (2.5%; n=97) werden opgezocht op het internet. Indien de informatie over het lesprogramma van de school waar de leerling de richting volgt beschikbaar was op het internet, werd deze informatie overgenomen. Indien de informatie over de studierichting van de betrokken school niet beschikbaar was, werd gekeken naar het aantal uren wiskunde in de gelijknamige studierichting in een andere school. Indien ook dit geen éénduidige informatie opleverde werd UrenWisk op missing gezet (n=5).

17

Voor de frequentieverdeling hieronder werden afgeronde getallen gebruikt. Tabel 3: Verdeling van het aantal uren wiskunde waarvoor men in het zesde leerjaar secundair onderwijs heeft gekozen (aantallen, percenten en gemiddelde)

UrenWisk 2 3 4 5 6 7 8 Totaal

ASO % aantal

KSO % aantal

105 462 225 35 574 12 196

6.5 28.7 14.0 2.2 35.7 0.7 12.2

1609

100.0

Mean = 4.83 Std = 1.82

TSO aantal

62 1 0 0 7 0 0

88.6 1.4 0.0 0.0 10.0 0.0 0.0

70

100.0

Mean = 2.41 Std = 1.21

Totaal % aantal

%

449 288 258 7 65 0 55

40.0 25.7 23.0 0.6 5.8 0.0 4.9

1122

100.0

Mean = 3.26 Std = 1.52

616 751 483 42 646 12 251

22.0 26.8 17.2 1.5 23.1 0.4 9.0

2801

100.0

Mean = 4.14 Std = 1.88

Indien we deze verdeling van het aantal uren wiskunde vergelijken met die voor alle leerlingen (die ASO, TSO of KSO hebben gevolgd in het zesde leerjaar secundair onderwijs) uit de steekproef zien we dat ook hier de uitval niet random is (zie Tabel 44 in de bijlage). Ook hier zijn het eerder de leerlingen die minder uren wiskunde opnemen waarvoor we niet over alle gegevens op de overige variabelen beschikken. De gemiddelde score steeg ten gevolge hierdoor van 4.10 tot 4.14. In de analyse van het aantal uren wiskunde opgenomen in het zesde leerjaar secundair onderwijs wordt gecontroleerd voor de onderwijsvorm (ASO-KSO-TSO). Voor de correlatiematrix werden hiervoor ‘dummy-variabelen’ aangemaakt. Een leerling kreeg dan op de drie variabelen ASO, KSO, TSO een waarde nul of één. Bijvoorbeeld een leerling uit het ASO kreeg dan volgende waarden op de variabelen: ASO=1, TSO=0 en KSO=0.

3.2.2 Onafhankelijke variabelen De onafhankelijke variabelen kunnen ingedeeld worden in twee groepen. De eerste groep betreft de variabelen waarvan we de interactie-effecten willen bestuderen in deze analyses. Het gaat om geslacht, etniciteit en socio-economische status (SES). Daarnaast zijn er nog de controlevariabelen. Dit zijn de prestaties en de intelligentie bij de intrede in het secundair onderwijs, het leerkrachtenoordeel (variabele samengesteld op basis van de twee volgende variabelen die hier vermeld worden), de prognose door de leerkracht lager onderwijs van het hoogste onderwijsniveau dat de leerling zal bereiken, de startrichting in het secundair onderwijs die de leerkracht lager onderwijs aanraadt aan de leerling, de opgelopen vertraging vóór het secundair onderwijs en de prestatiemotivatie. De verdeling van elke variabele wordt telkens voor elk van beide analyses (dwz. voor de analyses met betrekking tot elk van beide afhankelijke variabelen) weergegeven.

18

3.2.2.1

Geslacht

Variabele GESLACHT 0=jongen/1=meisje Tabel 4: Verdeling van geslacht (aantallen en percenten) OndNiv

Geslacht

aantal 2062 2113 4175

Jongen Meisje Totaal

% 49.4 50.6 100

UrenWisk aantal % 1283 45.8 1518 54.2 2801 100

Uit de verdeling voor de analyse van het aantal uren wiskunde per week opgenomen in het laatste leerjaar secundair onderwijs blijkt dat meer meisjes dan jongens ASO, KSO of TSO volgen. Met betrekking tot het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs is het aantal jongens en meisjes zo goed als gelijk.

3.2.2.2

Etniciteit

Variabele ETNICITEIT Deze variabele werd op volgende wijze geconstrueerd:

Leerlingen met minstens één ouder geboren in een Zuid-Europees, Afrikaans, Arabisch, Zuid- of Centraal-Amerikaans land kregen een code 1. De leerlingen met beide ouders geboren in een West-Europees land kregen code 0. De overige leerlingen werden uit de analyses geweerd10. Tabel 5: Verdeling van etniciteit (aantallen en percenten) ETNICITEIT Autochtoon 0 Allochtoon 1 Totaal

OndNiv aantal 3640 535 4175

UrenWisk % 87.2 12.8 100

aantal 2580 221 2801

% 92.1 7.9 100

Het aantal allochtone leerlingen in de analyse van het aantal uren wiskunde bedraagt ongeveer twee vijfden van het aantal in de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs. Procentueel gezien zitten er in de analyse van het aantal uren wiskunde in het zesde leerjaar van het secundair onderwijs iets meer dan de helft van het percentage in de

10

In de bijlage is een tabel toegevoegd met het geboorteland (of streek, stad, dorp…) zoals dit door de ouders zelf vermeld werd in de vragenlijst. Daaruit blijkt dat onze groep allochtonen vooral kinderen met een Turkse, Italiaanse, Marokkaanse en, in mindere mate, Spaanse achtergrond telt.

19

analyse met betrekking tot het hoogst bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs.

3.2.2.3

Socio-economische status

Variabele SES De socio-economische status van de leerling werd geoperationaliseerd aan de hand van het hoogst behaalde onderwijsniveau van een ouder. Het hoogst behaalde diploma van vader of moeder, afhankelijk van wie het hoogste diploma heeft behaald, werd weerhouden. Tabel 6: Verdeling van de socio-economische status van de leerlingen (SES) (aantallen, percenten en gemiddelde) SES

Hoogst behaalde onderwijsniveau van de ouders

-2

geen diploma lager onderwijs lager/hoger beroepsonderwijs lager secundair technisch lager middelbaar (humaniora) hoger secundair technisch onderwijs hoger middelbaar (humaniora) hoger niet-universitair onderwijs (incl. normaalschool) hoger universitair onderwijs

-1 0 1 Totaal Gemiddelde

OndNiv aantal %

UrenWisk aantal %

591

14.2

202

7.2

1432

34.3

812

29.0

968

23.2

738

26.4

1184

28.4

1049

37.5

4175 100.0 -0.34

2801 100.0 -0.06

De gemiddelde SES is hoger voor de leerlingen in de analyse van het aantal opgenomen uren wiskunde in het zesde leerjaar secundair onderwijs dan in de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs.

3.2.2.4

Bereikt prestatieniveau bij de intrede in het secundair onderwijs

Variabele PREST Deze gestandaardiseerde variabele geeft weer hoe goed de leerling presteerde op taalkundige en wiskundige toetsen bij aanvang van het secundair onderwijs. Het gemiddelde, de standaarddeviatie en de minimum- en maximumscore worden in Tabel 9 weergegeven (zie punt 3.2.2.6 ).

3.2.2.5

Intelligentie bij de intrede in het secundair onderwijs

Variabele INTEL Dit is een gestandaardiseerde samengestelde variabele op basis van de spatiale en numerieke tests. Indien een waarde ontbrak op één van beide tests werd de score van de andere test

20

gebruikt. De verbale intelligentie werd niet opgenomen omdat effecten van etniciteit nagegaan worden. Het gemiddelde, de standaarddeviatie en de minimum- en maximumscore worden in Tabel 9 weergegeven (zie punt 3.2.2.6 ).

3.2.2.6

Beoordeling door de leerkracht lager onderwijs

Er werden drie variabelen geconstrueerd op basis van informatie vanwege de laatste leerkracht van het lager onderwijs. Variabele PROGNOSE Dit is de prognose door de leerkracht lager onderwijs van het onderwijsniveau dat de leerling op het einde van zijn schoolloopbaan zal bereiken. De leerkracht kon de leerling toewijzen aan één van zeven hiërarchisch geordende categorieën. Deze variabele werd gehercodeerd zodat de categorie ‘stoppen na succes in het 6e leerjaar ASO’ de nulscore wordt. Dit is tevens de categorie die het dichtst bij het algemeen gemiddelde aansluit in de analyse van het hoogst bereikte onderwijsniveau. 1 = stoppen tijdens SO zonder getuigschrift lager secundair onderwijs 2 = stoppen tijdens SO met getuigschrift LSO 3 = stoppen na succes in 6BSO 4 = stoppen na succes in 6TSO 5 = stoppen na succes in 6ASO 6 = diploma hoger onderwijs van het korte type 7 = diploma hoger onderwijs lange type of universiteit Tabel 7: Verdeling van de prognose van de leerkracht lager onderwijs van het hoogste onderwijsniveau dat de leerling op het einde van zijn schoolloopbaan zal bereiken (aantallen, percenten en gemiddelde) Prognose stoppen tijdens SO zonder getuigschrift lager secundair onderwijs stoppen tijdens SO met getuigschrift LSO stoppen na succes in 6BSO stoppen na succes in 6TSO stoppen na succes in 6ASO een diploma hoger onderwijs van het korte type diploma hoger onderwijs lange type of universiteit Totaal Gemiddelde

categorieën

OndNiv aantal %

UrenWisk aantal %

-4

131

3.1

17

0.6

-3 -2 -1 0 1

229 545 937 316 1044

5.5 13.1 22.4 7.6 25.0

57 104 510 234 953

2.0 3.7 18.2 8.4 34.0

2

973

23.3

926

33.1

4175 100.0 -0.06

2801 100.0 0.66

21

Variabele STARTRICHT Dit is de richting die de leerkracht lager onderwijs aanraadt voor het eerste leerjaar secundair onderwijs. Hier kon de leerkracht de leerling toewijzen aan één van vier hiërarchisch geordende categorieën. Voor de analyse van het bereikt onderwijsniveau sluit de nulscore het dichtst aan bij het algemeen gemiddelde, maar niet voor de analyse van het aantal uren wiskunde. 1 = het eerste leerjaar A zonder twijfel 2 = het eerste leerjaar A met enige twijfel 3 = het eerste leerjaar B met enige twijfel 4 = het eerste leerjaar B zonder twijfel Tabel 8: Verdeling van de studieoptie die de leerkracht lager onderwijs aanraadt voor het eerste leerjaar secundair onderwijs (aantallen, percenten en gemiddelde) OndNiv aantal

categorieën

Startricht het eerste leerjaar A zonder twijfel het eerste leerjaar A met enige twijfel het eerste leerjaar B met enige twijfel het eerste leerjaar B zonder twijfel Totaal Gemiddelde

UrenWisk aantal %

%

1

2602

60.0

2164

77.3

0

1024

23.0

509

18.2

-1

302

6.4

66

2.4

-2

563

10.8

62

2.2

100

2801

4175 0.32

100 0.70

Variabele LKOD De gestandaardiseerde variabele LKOD (leerkrachtoordeel) is een gestandaardiseerde samengestelde variabele op basis van het product van de prognose door de leerkracht lager onderwijs van het onderwijsniveau dat de leerling vermoedelijk zal bereiken en anderzijds de studieoptie die de leerling wordt aangeraden te volgen bij de aanvang van het secundair onderwijs. De variabelen Prognose en Startricht werden hiervoor aangepast zodat ze beide even zwaar doorwegen in het product. Indien de waarde op één van beide variabelen ontbrak werd de gestandaardiseerde waarde op de andere variabele genomen. Tabel 9: Gemiddelde, standaarddeviatie, minimum en maximum van de intelligentie bij de intrede in het secundair onderwijs (Intel), de schoolse prestaties bij de intrede in het secundair onderwijs (Prest) en de beoordeling door de leerkracht lager onderwijs(LKOD) Variabele Intel Prest LKOD*

Mean

OndNiv (N=4175) Std Min

Max

Mean

UrenW (N=2801) Std Min

Max

0.00 0.00 0.00

1.00 1.00 1.00

3.19 4.89 1.20

0.00 0.00 0.00

1.00 1.00 1.00

3.40 5.59 0.99

-3.58 -4.00 -2.31

-3.67 -3.89 -4.31

*De waarden van de variabele LKOD zijn berekend op basis van respectievelijk 4300 en 2864 leerlingen

22

3.2.2.7

Opgelopen vertraging in het onderwijs vóór het secundair onderwijs

Variabele VERTRAAG Deze variabele geeft het aantal jaren aan dat iemand vertraging heeft opgelopen vóór het secundair onderwijs. Geen opgelopen vertraging is de referentiecategorie die tevens het dichtst aansluit bij het algemeen gemiddelde. De waarde –1 duidt erop dat de leerling één jaar voorop zit. Tabel 10: Verdeling van de opgelopen vertraging vóór het secundair onderwijs (aantallen, percenten en gemiddelde) Vertraag -1 0 1 2 Totaal Gemiddelde

3.2.2.8

OndNiv aantal % 27 0.7 3642 87.2 471 11.3 35 0.8 4175 100 0.12

UrenWisk aantal % 26 0.9 2661 95.0 112 4.0 2 0.1 2801 100 0.03

De prestatiemotivatie bij de intrede in het secundair onderwijs

Variabele PMOTIVATIE Pmotivatie is een gestandaardiseerde variabele11 op basis van de scores voor prestatiemotivatie van de Prestatie Motivatie Test voor kinderen (Hermans, 1976; Vlaamse aanpassing door De Froidmont en Mortier, 1975). Leerlingen die sterk prestatiegemotiveerd zijn willen uitblinken in de ogen van anderen en van zichzelf (Van Damme et al., 2001). Tabel 11: Gemiddelde, standaarddeviatie, minimum en maximum van de prestatiemotivatie Variabele

OndNiv (N=4175) Mean Std Min Max

UrenWisk (N=2801) Mean Std Min Max

Pmotivatie

0.00

0.00

1.00

-3.28

2.59

1.00

-3.27

2.56

11

Deze variabele werd geconstrueerd samen met drie andere onafhankelijke componenten, namelijk: ‘SES’, ‘faalangst’ en ‘initiële cognitieve capaciteit’. De component ‘initiële cognitieve capaciteit’ is onder andere gebaseerd op de prestaties en intelligentie die in dit rapport gebruikt worden. Vandaar de uiterst lage correlatie tussen de variabele Pmotivatie en de variabelen Prest en Intel (zie Tabel 17 en Tabel 18). Voor meer uitleg, zie: Van Damme et al. (2002).

23

3.2.2.9 Geaggregeerde variabelen Voor de variabelen die in interacties betrokken worden, werden geaggregeerde variabelen op schoolniveau berekend. Omdat zes jaar na intrede in het secundair onderwijs de leerlingen verspreid zijn over een veelheid van scholen zijn er ook een beperkt aantal scholen waarvoor deze geaggregeerde schoolkenmerken gebaseerd zijn op de kenmerken van slechts één of enkele leerlingen. We hebben om meerdere redenen voor deze werkwijze gekozen. Enerzijds vormen de leerlingen die in deze analyses als enige in één school zitten geen random steekproef van alle leerlingen uit de analyses. Indien voor de scholen van deze leerlingen geen score toegekend werd zouden deze leerlingen uit de analyses geweerd moeten worden waardoor de analyses op een vertekende steekproef zouden worden uitgevoerd. Anderzijds hebben we ook zoveel mogelijk leerlingen willen opnemen in de analyses om over voldoende leerlingen te beschikken om de drieweg interacties te kunnen nagaan. Het bezwaar dat sommige schoolkenmerken gebaseerd zijn op een kleine groep leerlingen die wellicht niet representatief is voor de school, is reëel. Het belang ervan kan echter gerelativeerd worden omdat in de analyses een school met weinig leerlingen minder gewicht in de schaal legt. De schoolgemiddelden werden op een grotere groep respondenten berekend dan het aantal dat in de analyses betrokken wordt, waardoor de gemiddelden van de schoolvariabelen op leerlingniveau verschillen van de gemiddelden van de oorspronkelijke variabelen die geaggregeerd werden. Variabele SMSES De variabele SMSES is een geaggregeerde variabele op basis van het leerlingkenmerk SES. Tabel 12: Gemiddelde, standaarddeviatie, minimum en maximum van de SES van een school (SMSES) op leerlingniveau en op schoolniveau SMSES leerlingniveau schoolniveau

Mean -0.38 -0.21

OndNiv (276 scholen) Std Min Max 0.55 0.86

-2.0 -2.0

1.0 1.0

Mean 0.07 0.11

UrenWisk (191 scholen) Std Min Max 0.40 0.69

-2.0 -2.0

1.0 1.0

Variabele SMGeslacht De variabele SMGeslacht is een geaggregeerde variabele op basis van het leerlingkenmerk geslacht. Elke school kreeg hier de score van de geslachtsverhouding in de school. Waarden kleiner dan 1.5 betekenen dat er meer jongens dan meisjes aanwezig zijn in de school en waarden groter dan 1.5 betekenen dat er meer meisjes dan jongens aanwezig zijn in de school. Tabel 13: Gemiddelde, standaarddeviatie, minimum en maximum van de geslachtsverhouding (SMGeslacht) in de scholen op leerlingniveau en op schoolniveau SMGeslacht leerlingniveau schoolniveau

Mean 1.50 1.42


1 1

2 2

Mean 1.53 1.45


1 1

2 2

24

Variabele SMEtnie De variabele SMEtnie is een geaggregeerde variabele op basis van het leerlingkenmerk etniciteit. Elke school kreeg hier de score voor de verhouding allochtonen - autochtonen in de school. Waarden kleiner dan 0.5 betekenen dat er meer autochtonen dan allochtonen aanwezig zijn in de school en waarden groter dan 0.5 betekenen dat er meer allochtonen dan autochtonen aanwezig zijn in de school. Tabel 14: Gemiddelde, standaarddeviatie, minimum en maximum van de verhouding allochtonen-autochtonen (SMEtnie) in de scholen op leerlingniveau en op schoolniveau

SMEtnie leerlingniveau schoolniveau

Mean 0.11 0.07


0.0 0.0

1.0 1.0

Mean 0.08 0.06


0.0 0.0

1.0 1.0

3.2.3 Verdeling van de respondenten en de gemiddelde score op de afhankelijke variabele, over de combinaties van de categorieën geslacht, etniciteit en socio-economische status voor beide analyses Om een zicht te krijgen op de onderzoekspopulatie voor de kenmerken die we hier onderzoeken wordt hieronder voor de twee analyses de verdeling van de respondenten over de combinaties van de categorieën geslacht, etniciteit en socio-economische status weergegeven (zie Tabel 15 en Tabel 16). Tevens wordt voor elke subgroep de gemiddelde score op de afhankelijke variabele weergegeven. Als we de uiteindelijke aantallen leerlingen in elke subgroep en hun gemiddelde score op de afhankelijke variabele bekijken, zien we dat er in lichte mate een te verwachten selectieve uitval van respondenten is ten gevolge van ontbrekende waarden op de onafhankelijke variabelen. Om de vergelijking te kunnen maken werden in de bijlage de tabellen met de verdeling van beide afhankelijke variabelen over de categorieën geslacht SES en etniciteit bijgevoegd (Tabel 45 en Tabel 46). In deze tabellen zijn alle leerlingen opgenomen waarvan we het geslacht, de SES en de etniciteit kennen, onafhankelijk van het feit of ze ontbrekende waarden hebben op de overige onafhankelijke variabelen. De uitval bedraagt 30% (van N=5997 naar N=4175) in de analyse van het hoogst bereikte onderwijsniveau en 27% (van N=3837 naar N=2801) in de analyse van het aantal uren wiskunde. Met betrekking tot beide afhankelijke variabelen is de uitval het sterkst bij de allochtone jongens. Daar waar deze subgroep nog 7.1 % van de totale groep waarover we informatie hebben over de kenmerken geslacht, etniciteit en SES uitmaakt, bedraagt deze groep uiteindelijk 5.7% van het totaal in de analyse van het hoogst bereikte onderwijsniveau. In de analyse van het aantal uren wiskunde zien we een uitval van 3.8 naar 3.0 % van deze groep. Bij de allochtone meisjes is er een kleine uitval van respectievelijk 7.6% naar 7.1% en van 5.0% naar 4.9%. Met betrekking tot beide analyses stijgt het relatieve aandeel van de autochtone meisjes het sterkst (+1.2% in de analyse van het hoogst bereikte onderwijsniveau en +1.3% in de analyse van het aantal uren wiskunde).

25

Wat de gemiddelde score op de afhankelijke variabelen betreft, is de wijziging ten gevolge van de uitval verwaarloosbaar in de analyse van het aantal uren wiskunde maar zien we een stijging van het gemiddelde bereikte onderwijsniveau van de allochtone leerlingen (van 4.0 naar 4.3 bij de allochtone jongens en van 4.6 naar 4.8 bij de allochtone meisjes). Deze stijging is binnen alle SES-categorieën van de allochtone jongeren zichtbaar maar is toch iets meer uitgesproken in de laagste SES-categorie (SES=-2) die tevens de grootste groep is binnen de categorieën van SES bij de allochtone jongeren (stijging van het gemiddelde bereikte onderwijsniveau van 3.8 tot 4.2 bij de allochtone jongens en van 4.4 tot 4.6 bij de allochtone meisjes).

Tabel 15: Procentuele verdeling van respondenten over de categorieën geslacht, etniciteit en socio-economische status en het gemiddelde bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs Geslacht Etniciteit SES -2 -1 0 1 Totaal (N=4175)

Jongen Autochtoon gemid. % 4.37 4.79 5.22 5.42 5.07

3.45 15.23 10.97 14.01 43.66

Meisje

Allochtoon gemid. % 4.20 4.27 4.64 5.04 4.30

3.07 1.87 0.50 0.29 5.72

Autochtoon gemid. % 4.81 5.25 5.57 5.72 5.44

Allochtoon gemid. %

3.74 14.95 11.14 13.70 43.52

4.58 5.03 4.90 5.33 4.79

3.90 2.25 0.57 0.36 7.09

Tabel 16: Procentuele verdeling van respondenten over de categorieën geslacht, etniciteit en socio-economische status en het gemiddelde aantal uren wiskunde opgenomen in het zesde leerjaar secundair onderwijs Geslacht Etniciteit SES -2 -1 0 1 Totaal (N=2801)


1.50 11.85 11.67 17.78 42.81

Meisje


1.18 1.07 0.43 0.32 3.00


2.25 14.28 13.78 18.99 49.30


2.28 1.79 0.46 0.36 4.89

26

3.2.4 Correlatiematrices Tussen alle variabelen (ook binomiale) werden Pearsons-correlaties berekend om een elementair zicht te krijgen op de samenhang tussen de variabelen. De correlatiematrices werden opgesteld voor de modellen met het minste aantal leerlingen. Enkel voor de variabele LKOD, die als enige variabele enkel in de beperkte analyses gebruikt werd, werd de correlatie nagegaan voor de modellen met het grootste aantal leerlingen die in de beperkte analyses gebruikt worden. Enkel de correlaties van LKOD met Prognose en Startricht werden, zoals de overige variabelen, berekend op basis van het kleinste aantal respondenten in beide analyses (respectievelijk: N=4175 en N=2801). Tabel 17: Correlatiematrix voor de variabelen uit de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs Variabele OndNiv N 4175 OndNiv 1 SES 0.34 Geslacht 0.18 Etnie -0.22 LKOD 0.52 Prest 0.53 Intel 0.42 Prognose 0.52 Startricht 0.46 Vertraag -0.29 Pmotivatie12 0.10

SES Geslacht Etnie LKOD Prest 4175 4175 4175 4300 4175 . . . . . 1 . . . . 0.00 1 . . . -0.41 0.02 1 . . 0.46 0.06 -0.27 1 . 0.45 0.02 -0.35 0.74 1 0.35 -0.07 -0.28 0.59 0.72 0.47 0.07 -0.26 0.74 0.70 0.36 0.04 -0.24 0.86 0.65 -0.26 -0.03 0.25 -0.38 -0.38 -0.01 0.16 0.06 0.08 0.01

Intel Prognose Startricht Vertraag Pmotivatie 4175 4175 4175 4175 4175 . . . . . . 1 0.56 1 0.53 0.70 1 -0.32 -0.37 -0.36 1 0.01 0.09 0.06 -0.01 1

Tabel 18: Correlatiematrix voor de variabelen uit de analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs (ASO, TSO, KSO) Variabele UrenW SES Geslacht Etnie N UrenW SES Geslacht Etnie ASO KSO TSO LKOD Prest Intel Prognose Startricht Vertraag Pmotivatie13

12 13

2801 1 0.25 -0.10 -0.11 0.43 -0.15 -0.38 0.36 0.48 0.39 0.37 0.24 -0.11 0.05

2801 . 1 -0.05 -0.33 0.27 -0.02 -0.26 0.31 0.31 0.22 0.34 -0.20 -0.16 -0.03

2801 . . 1 0.03 0.14 0.02 -0.14 0.01 -0.05 -0.16 0.03 -0.02 0.00 0.12

2801 . . . 1 -0.08 -0.00 0.08 -0.17 -0.26 -0.21 -0.16 -0.16 0.16 0.06

Prognose 2801 2801 2801 . . . . . . . . . . . . . . . . 1 . 0.64 1 0.54 0.40 1 0.45 0.35 0.54 -0.18 -0.17 -0.20 -0.03 -0.03 0.05

ASO KSO TSO LKOD Prest Intel 2801 . . . . 1 -0.19 -0.95 0.48 0.48 0.31 0.50 0.32 -0.17 0.06

2801 . . . . . 1 -0.13 -0.03 -0.05 -0.03 -0.04 0.00 0.01 -0.03

2801 . . . . . . 1 -0.48 -0.47 -0.30 -0.49 -0.32 0.17 -0.05

2864 . . . . . . . 1 0.58 0.44 0.90 0.84 -0.19 0.05

Start- Vertraag Pmotiricht vatie 2801 2801 2801

1 -0.16 0.04

1 0.05

Zie voetnoot 11. Zie voetnoot 11.

27

1

4

Resultaten

Hieronder worden de resultaten van twee groepen van multilevel analyses gepresenteerd. De eerste groep, ‘beperkte’ analyses verschilt van de daaropvolgende groep, ‘uitgebreide’ analyses door het feit dat in de eerste groep enkel die variabelen opgenomen worden die dezelfde concepten meten als deze die opgenomen werden in de analyses die Dekkers, Bosker en Driessen (2000) uitgevoerd hebben op Nederlandse data. Concreet komt het erop neer dat in de eerste plaats de concepten ‘prestatiemotivatie’ en ‘de opgelopen vertraging vóór het secundair onderwijs’ uit de analyses geweerd werden. Ook werden de variabelen die naar een zelfde concept verwijzen, samengenomen. Meer bepaald werden de variabelen ‘Prognose’ en ‘Startricht’ samengenomen tot de variabele LKOD (zie 3.2.2.6 bij de voorstelling van de variabelen). Deze twee maatregelen hebben tot doel zoveel mogelijk observatie-eenheden te behouden. We beschikken hier immers niet over hetzelfde grote aantal respondenten als in de Nederlandse analyses. Om drieweg interacties na te gaan is het belangrijk over zoveel mogelijk respondenten te beschikken om alle cellen in de kruistabel over de drie kenmerken geslacht, etniciteit en socio-economische status voldoende te vullen. Ten derde worden in de beperkte analyses geen effecten van interacties met de controlevariabelen nagegaan. Dit werd immers in de Nederlandse analyses ook niet gedaan. Ten vierde werd de samenhang tussen de schoolresidu’s van de onafhankelijke variabelen niet nagegaan op mogelijke significante verbeteringen van de fit van het model en dus ook niet gemodelleerd. Ten vijfde wordt in de beperkte analyses een vergelijking gemaakt van de modellen met enkel de interactievariabelen (geslacht, socio-economische status en etniciteit) met de modellen met de controlevariabelen (oordeel van de leerkracht lager onderwijs en het prestatieniveau en de intelligentie bij de intrede in het secundair onderwijs) en de interactievariabelen. Anders verwoord vergelijken we de totale effecten (model zonder controlevariabelen) met de nettoeffecten (model met controlevariabelen). Deze werkwijze is een mogelijkheid om het secundair onderwijs te evalueren op haar bijdrage aan de interactie-effecten zoals dit ook in het Nederlandse onderzoek is gebeurd. Er wordt dan, vanuit een meritocratische visie op het onderwijs, van uitgegaan dat het secundair onderwijs leerlingen moet oriënteren op basis van geschiktheid (intelligentie) en op basis van geleverde inspanningen (prestaties). Vanuit deze visie heeft immers iedereen het recht een sociale status te bereiken die overeenstemt met zijn of haar capaciteiten (Nicaise, 2001; Young, 1967, Lammertyn, 1987). De veranderingen aan de totale effecten door de controle voor deze achtergrondkenmerken kunnen gezien worden als de bijdrage van het secundair onderwijs aan de interactie-effecten. In de groep van uitgebreide analyses wordt de vergelijking van de netto-effecten met de totale effecten niet opnieuw gemaakt. Tevens worden in de groep van beperkte analyses de meritocratische criteria voor alle leerlingen in dezelfde mate van toepassing geacht. Interactie-

28

effecten met de controlevariabelen werden in deze analyses dan ook niet opgenomen, terwijl dit wel het geval was in de groep van uitgebreide analyses. Wel worden de netto-effecten voor de uitgebreide analyses vergeleken met de netto-effecten voor de beperkte analyses. Eerst bespreken we de resultaten van de ‘beperkte’ analyses waarbij we met de lege modellen starten. Dit zijn de modellen zonder verklarende variabelen. Daarna worden de interactievariabelen geslacht, etniciteit en SES toegevoegd en geëvalueerd. Dit geeft een beeld van de ‘totale effecten’. In het tweede model voegen we eerst de controlevariabelen toe aan het nulmodel en vervolgens de interactievariabelen geslacht, etniciteit en SES. Dit geeft ons een beeld van de ‘netto-effecten’. Vervolgens worden de modellen met en zonder controlevariabelen, of de totale effecten en de netto-effecten, met elkaar vergeleken om zo het secundair onderwijs te evalueren op haar bijdrage aan deze interactie-effecten. Tot slot worden de resultaten van de twee analyses (die van het bereikte onderwijsniveau en die van het aantal uren wiskunde) van de beperkte modellen met elkaar vergeleken. Daarna bespreken we de uitgebreide analyses waarin de prestatiemotivatie, de opgelopen vertraging en de schoolkenmerken opgenomen zijn. Ook hier worden de twee analyses (bereikt onderwijsniveau en aantal uren wiskunde) eerst afzonderlijk besproken en daarna met elkaar vergeleken. Tot slot vergelijken we de resultaten van de uitgebreide analyses met die van de beperkte analyses. Bij de bespreking van de grootte van de effecten volgen we de criteria van Cohen (1988). Er wordt gesproken over kleine, zwakke of lichte effecten indien een wijziging van één standaarddeviatie in de onafhankelijke variabele een verandering van groter dan .15 en kleiner dan .30 teweegbrengt in de afhankelijke variabele indien deze gestandaardiseerd zou worden. We spreken van een matig effect indien een wijziging optreedt van groter dan .30 en kleiner dan .50 en van een sterk effect indien de wijziging groter is dan .50. Om het effect van SES te evalueren vergelijken we de verwachte waarde van de groep leerlingen met de hoogste SES met de verwachte waarde van de groep leerlingen met de laagste SES.

29

4.2 Resultaten van de beperkte analyses 4.2.2 Modellen zonder verklarende variabelen Omdat leerlingen die naar een zelfde school gaan geen onafhankelijke observaties zijn, wordt gewerkt met multiniveau modellen. Voor beide analyses werd een regressiemodel met twee niveaus gebruikt. Hiermee kan de variantie in de afhankelijke variabele toegewezen worden aan elk van de twee niveaus, in dit geval het schoolniveau (niveau 2) en het leerlingniveau (niveau 1). Leerlingen kunnen echter in verschillende scholen gezeten hebben. Elke leerling werd toegewezen aan de school waarin hij zat op het ogenblik van de meting van de afhankelijke variabele. De school- en leerlingresidu’s geven de afwijking weer van de schoolscore, respectievelijk de leerlingscore, op de afhankelijke variabele ten opzichte van het algemeen gemiddelde. Een school met een positief residu geeft aan dat de leerlingen in de school op de afhankelijke variabele gemiddeld een hogere score hebben dan gemiddeld, over alle scholen heen, het geval is. Een leerling met een positief residu geeft aan dat de leerling een hogere score heeft op de afhankelijke variabele dan het algemeen gemiddelde. Hieronder geven we eerst de variantieverdeling over het school- en het leerlingniveau en vervolgens bespreken we de verdeling van de residu’s.

4.2.2.1

Variantieverdeling over het leerlingen schoolniveau in de modellen zonder verklarende variabelen

Naarmate leerlingen binnen een school sterker op elkaar lijken dan op leerlingen van andere scholen wat de score op de afhankelijke variabele betreft, bevindt meer variantie zich op schoolniveau. Het schoolniveau verklaart immers in dergelijk geval een groter deel van de scores van de leerlingen op de afhankelijke variabele. Eerst geven we het nulmodel voor de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs (Tabel 19), vervolgens die voor de analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs (Tabel 20 tot Tabel 23). Nadien bespreken en vergelijken we de resultaten van beide modellen.

30

Tabel 19: Nulmodel voor de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs (met variantieverdeling) Parameter

Schatting

OndNiv SF variantieverdeling

Vast Intercept Variabel

4.765

0.061

School Leerling Deviantie N Leerlingen N Scholen

0.762 0.623 10393.17 4175 276

0.086 0.014

55.0 45.0

Omdat het aantal opgenomen uren wiskunde veelal een verschillende betekenis heeft in de onderscheiden onderwijsvormen, wordt voor elke onderwijsvorm afzonderlijk een nulmodel opgesteld. Het is echter niet zinvol om de analyses met de interactievariabelen geslacht, etniciteit en SES voor elke onderwijsvorm afzonderlijk uit te voeren omdat we dan over onvoldoende respondenten binnen de combinaties van de categorieën geslacht, etniciteit en SES zouden beschikken. Daarom wordt ook het nulmodel voor de drie onderwijsvormen tezamen gegeven; daarop zullen uiteindelijk de analyses uitgevoerd worden, zij het onder controle van de onderwijsvorm. Tabel 20: Nulmodel voor de analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs (met variantieverdeling) : ASO Parameter

Schatting

UrenW SF variantieverdeling

Vast Intercept Variabel School Leerling

4.652

0.098

0.273 3.132

0.091 0.112

Deviantie N Leerlingen N Scholen

6455.84 1609 84

8.0 92.0

Tabel 21: Nulmodel voor de analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs (met variantieverdeling) : KSO Parameter

Schatting



2.360

0.168

0.056 1.379

0.115 0.247


223.46 70 15

3.9 96.1

31

Tabel 22: Nulmodel voor de analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs (met variantieverdeling) : TSO Parameter

Schatting



3.144

0.086

0.388 1.979

0.100 0.087


4039.67 1122 124

16.4 83.6

Tabel 23: Nulmodel voor de analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs (met variantieverdeling) : ASO / TSO / KSO Parameter

Schatting



3.652

0.087

0.682 2.837

0.125 0.078


11050.20 2801 191

19.4 80.6

We merken een groot verschil tussen beide modellen wat de verdeling van de variantie over de verschillende analyseniveaus betreft. In de analyse van het hoogst bereikte onderwijsniveau (OndNiv) vinden we een intraschoolcorrelatie14 van 55% in tegenstelling tot 19% in de analyse van het aantal uren wiskunde. Indien we in de analyse van het aantal uren wiskunde controleren voor de onderwijsvorm bedraagt de intraschoolcorrelatie zelfs maar 7%. In de analyse van het hoogst bereikte onderwijsniveau zijn leerlingen opgenomen uit alle onderwijsvormen en bijgevolg uit alle schooltypes. Zo zijn er bijvoorbeeld scholen opgenomen die enkel ASO aanbieden en andere scholen met relatief veel leerlingen in BSO-richtingen. Het hoogst mogelijk te bereiken onderwijsniveau verschilt voor beide types scholen (bekijk hiervoor Tabel 1 met de beschrijving van de aanmaak van de variabele OndNiv). De keuze voor een onderwijsvorm is tevens een uitdrukking van het onderwijsniveau en hangt in zekere mate samen met het type van school, wat betekent dat er een grote variatie tussen scholen mogelijk is of anders gezegd dat de correlatie tussen de leerlingen van een school mogelijks groot is. Bij de analyse van het aantal lesuren wiskunde werden enkel leerlingen opgenomen uit het ASO, het KSO en het TSO. De verdeling van de leerlingen over de verschillende schooltypes is in dit geval minder gespreid waardoor leerlingen binnen één school niet in veel sterkere mate op elkaar lijken dan op leerlingen uit een andere school. Hierdoor bevindt het grootste deel van de variantie zich op leerlingenniveau. We zien tevens dat als we de nulmodellen per onderwijsvorm bekijken dat de variatie op schoolniveau nog afneemt. Dit is het sterkst het geval als we enkel de leerlingen van het ASO bekijken (en die van het KSO maar omwille van het 14

De intraschoolcorrelatie geeft weer in welke mate twee leerlingen binnen één school correleren en dit komt overeen met het percentage variantie dat zich op schoolniveau bevindt.

32

beperkt aantal leerlingen en scholen waarop het nulmodel betrekking heeft, laten we deze groep buiten beschouwing). In de meeste ASO scholen vinden we dus een gelijkaardige spreiding van de leerlingen over een gelijkaardige variatie aan aantallen uren wiskunde. Dit hangt uiteraard ook samen met het verschillende aanbod van studierichtingen met verschillende uren wiskunde in de onderscheiden onderwijsvormen. Als we enkel de leerlingen uit het technisch onderwijs bekijken zien we dat een groter gedeelte van de variantie zich op schoolniveau bevindt. Dit is een uitdrukking van het feit dat sommige scholen relatief meer leerlingen aantrekken die studierichtingen kiezen met meer uren wiskunde of dat andere scholen vooral richtingen aanbieden met minder uren wiskunde. Voor de verdere analyse van het aantal uren wiskunde in het zesde leerjaar secundair onderwijs nemen we zoals gezegd de drie onderwijsvormen samen omdat we anders over te weinig onderzoekseenheden beschikken om de interactie-effecten na te gaan.

4.2.2.2

Verdeling van de leerlingen schoolresidu’s in de modellen zonder verklarende variabelen

In multilevel modellen wordt verwacht dat de residu’s de normaalverdeling volgen. Voor beide analysemodellen bekijken we de leerlingen schoolresidu’s. Daarnaast bekijken we de schoolresidu’s met aanduiding van het betrouwbaarheidsinterval. Dit geeft ons een beeld van de mate waarin scholen al dan niet significant verschillen qua gemiddelde score op de afhankelijke variabele.

A) OndNiv-nulmodel-residu’s Uit de verdeling van de variabele OndNiv (zie Tabel 2), los van de voorspelde waarde per school, blijkt dat het gemiddelde (score 5.2) groter is dan de mediaan (score 5) en kleiner dan de modus (score 6 die tevens de maximale score is). De verdeling van de variabele OndNiv is met andere woorden negatief scheef door het grote aantal leerlingen met een hoog onderwijsniveau (zie Grafiek 1). Hetzelfde geldt voor het gemiddelde bereikte onderwijsniveau van de leerlingen van de scholen. Er is een groot aandeel scholen met een gemiddeld onderwijsniveau dat dicht tegen de plafondwaarde ligt waardoor we ook op schoolniveau een negatief scheve verdeling krijgen (zie Grafiek 2). Grafiek 1: Verdeling van de gestandaardiseerde leerlingresidu’s in de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs

bereikt onderwijsniveau

33

Grafiek 2: Verdeling van de gestandaardiseerde schoolresidu’s in de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs

bereikt onderwijsniveau

Als we de rangordening van de scholen bekijken volgens hun schoolresidu voor de variabele OndNiv met een betrouwbaarheidsinterval van plus en min 1.96 keer de standaardfout kunnen we met 95% zekerheid zeggen of het interval de gemiddelde score omvat. We zien voor de meeste scholen dat het interval de gemiddelde score niet omvat. Het gemiddeld onderwijsniveau van de meerderheid van de scholen verschilt dus significant van het gemiddelde onderwijsniveau over alle scholen heen, wat reeds tot uiting kwam in de verdeling van de variantie over het leerlingen schoolniveau. Meer dan de helft van de variantie bevindt zich immers op schoolniveau.

Grafiek 3: Verdeling van de gestandaardiseerde schoolresidu’s met betrouwbaarheidsinterval (+- 1.96 std) in de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs

34

B) UrenWisk-nulmodel-residu’s Voor de analyse van het aantal lesuren wiskunde per week krijgen we een evenwichtiger resultaat voor de verdeling van de school- en leerlingresidu’s. Hierin vinden we in sterkere mate de normaalverdeling terug. Grafiek 4: Verdeling van de gestandaardiseerde leerlingresidu’s in de analyse van het aantal opgenomen uren wiskunde in het zesde leerjaar van het secundair onderwijs

uren wiskunde

Grafiek 5: Verdeling van de gestandaardiseerde schoolresidu’s in de analyse van het aantal opgenomen uren wiskunde in het zesde leerjaar van het secundair onderwijs

uren wiskunde

Als we de verdeling bekijken van de variabele UrenWisk (zie Tabel 3), los van de voorspelde waarde per school, zien we dat de mediaan (score 4.00) kleiner is dan het gemiddelde (score 4.14) en groter dan de modus (score 3.00). De positieve residu’s zijn kleiner in aantal maar groter in residu. Dit vinden we ook terug in de rangordening van de schoolresidu’s met betrouwbaarheidsinterval. In tegenstelling tot de OndNiv-analyses omvatten de intervallen van de scholen in de meeste gevallen wel de gemiddelde score wat betekent dat de meerderheid van de scholen niet significant verschilt van de gemiddelde score op de variabele UrenWisk over de

35

scholen heen, wat ook bleek uit de hoge variantie op leerlingniveau. Viervijfden van de variantie bevindt zich op leerlingniveau.

Grafiek 6: Verdeling van de gestandaardiseerde schoolresidu’s met betrouwbaarheidsinterval (+- 1.96 std) in de analyse van het aantal opgenomen uren wiskunde in het zesde leerjaar van het secundair onderwijs

4.2.3 Modellen met interactievariabelen geslacht, etniciteit en SES en modellen met interactievariabelen geslacht, etniciteit en SES en controlevariabelen Hieronder bespreken we de modellen met enkel de interactievariabelen geslacht, etniciteit en SES en die met de controlevariabelen en de interactievariabelen geslacht, etniciteit en SES. Dit doen we eerst voor de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs en daarna voor het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs. Telkens zullen de effecten besproken worden aan de hand van de regressiecoëfficiënten uit het model. Vervolgens zullen de voorspelde waarden weergegeven worden in een grafiek en een tabel.

4.2.3.1

Analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs

We zijn op de eerste plaats geïnteresseerd in de interactie-effecten tussen geslacht, etniciteit en socio-economische status. Maar niet alle leerlingen beginnen het secundair onderwijs met dezelfde bagage. Sommige leerlingen zijn intelligenter of beheersen reeds meer leerstof bij aanvang van het secundair onderwijs. Naast deze twee leerlingkenmerken werd zoals in het onderzoek van Dekkers, Bosker en Driessen (2000) de beoordeling van de leerkracht lager onderwijs mee opgenomen als controlevariabele.

36

Deze verschillen in aanvangspositie moeten uitgezuiverd worden om de netto-effecten van de drie interactievariabelen geslacht, etniciteit en SES beter te benaderen en de bijdrage van het selectiemechanisme van het secundair onderwijs te kunnen beoordelen. Immers, als we er vanuit gaan dat de school leerlingen moet sturen overeenkomstig hun bekwaamheden en prestaties of leerlingen in staat moet stellen verantwoorde keuzes te maken gebaseerd op hun bekwaamheden en prestaties, zouden er na controle voor de controlevariabelen geen verschillen meer mogen bestaan tussen de verschillende subgroepen15. Door de modellen met en zonder controlevariabelen met elkaar te vergelijken krijgen we een zicht op de mate waarin de school bijdraagt aan de totale effecten van geslacht, etniciteit en SES. Hieronder worden de verschillende modellen naast elkaar weergegeven. Omdat we op de eerste plaats geïnteresseerd zijn in de interactie-effecten wordt voor deze analyse telkens ook het model weergegeven waarin de derdeorde interactieterm geslacht-etniciteit-SES wordt opgenomen. De opbouw van de modellen verduidelijkt de reden hiervoor. Zowel bij het model zonder controlevariabelen als bij het model met controlevariabelen verbeterde de fit van het model niet significant als de tweedeorde interacties tussen geslacht, etniciteit en SES werden opgenomen. De opname van de derdeorde interactie tussen geslacht, etniciteit en SES bracht in beide gevallen wel een significante verbetering van de fit met zich mee. Om de derdeorde interactie op te nemen moeten echter ook de tweedeorde interacties opgenomen worden, wat een verlies aan vrijheidsgraden met zich brengt. Hieronder worden eerst de modellen zonder controlevariabelen besproken, daarna de modellen met controlevariabelen om ze uiteindelijk met elkaar te vergelijken. Tabel 24: Multilevel modellen voor de analyse van hoogst bereikte onderwijspositie zes jaar na intrede in het secundair onderwijs OndNiv Parameter

Intercept

Model 1 zonder controlevariabelen Schatting SF 4.706 ***

0.058

Model 2 zonder controlevariabelen Schatting SF 4.708 ***

0.058

LKOD Prest Intel Geslacht Etniciteit SES

0.252 *** -0.262 *** 0.142 ***

Geslacht*Etniciteit Geslacht*SES Etniciteit*SES Geslacht*Etniciteit*SES DEVIANTIE N leerlingen N scholen *= p<.05 **= p<.01 ***= p<.005

10480.32 4300 281

0.033 0.042 0.014

0.241 *** -0.390 *** 0.160 ***

0.035 0.096 0.020

0.224 -0.034 -0.101 0.177 * 10475.47 4300 281

Model 1 met controlevariabelen Schatting SF 4.724 ***

0.050

0.190 *** 0.162 *** 0.057 ***

0.019 0.022 0.017

0.292 *** -0.100 * 0.065 ***

0.031 0.040 0.013

Model 2 met controlevariabelen Schatting SF 4.730 *** 0.190 *** 0.163 *** 0.056 ***

0.050 0.019 0.022 0.017

0.273 *** -0.275 *** 0.084 ***

0.033 0.091 0.019

0.131 0.028 0.062

0.285 * -0.034 -0.112

0.124 0.026 0.059

0.085

0.170 *

0.081

10006.61 4300 281

9999.35 4300 281

15

Deze verwachting is geldig voor zover er een lineair verband bestaat tussen de controlevariabelen en de afhankelijke variabele.

37

Het eerste model zonder controlevariabelen (Model 1) toont ons een zwak effect van etniciteit en van geslacht. Jongens geraken ongeveer een kwart jaar minder ver dan meisjes en allochtonen ongeveer een kwart jaar minder ver dan autochtonen. Voor alle leerlingen stellen we eenzelfde matig positief effect van SES vast. Het model zonder controlevariabelen met opname van de derdeorde interactie tussen geslacht, etniciteit en SES (Model 2) laat zien dat het effect van SES bij de allochtone meisjes sterker wordt. Het eindresultaat geeft aan dat meisjes het beter doen dan jongens, dat autochtone leerlingen het beter doen dan allochtone leerlingen en dat het effect van de SES iets sterker is voor allochtone meisjes dan voor de andere leerlingen. Autochtone meisjes behalen de hoogste onderwijsposities en allochtone jongens de laagste. Daartussenin situeren zich de allochtone meisjes en de autochtone jongens, die onderling niet verschillen. Het resultaat van alle effecten, de significante en de niet significante, kan in verwachte waarden worden uitgedrukt. De referentiecategorie, die een gemiddelde score op de afhankelijke variabele heeft gelijk aan het intercept, zijn de autochtone jongens met een SES gelijk aan nul. De verwachte waarden staan in de tabellen 25 en 26, de grafische voorstelling is af te lezen in de grafieken 7 en 8. Grafiek 7: Voorspelde waarden van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs zonder controlevariabelen en zonder opname van het derdeorde interactieeffect

Onderwijspositie

Bereikte onderwijsniveau zes jaar na intrede in secundair onderwijs 5.2 5.0 4.8 4.6 4.4 4.2 4.0 3.8 3.6

Autochtone Jongens Autochtone Meisjes Allochtone Jongens Allochtone Meisjes

-2

-1

0

1

SES

38

Tabel 25: Voorspelde waarden van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs zonder controlevariabelen en zonder opname van het derdeorde interactieeffect

Autochtoon

Allochtoon

SES -2 -1 0 1

Jongens 4.422 4.564 4.706 4.848

Meisjes 4.674 4.820 4.958 5.100

-2 -1 0 1

4.160 4.302 4.444 4.586

4.412 4.554 4.696 4.838

Grafiek 8: Voorspelde waarden van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs zonder controlevariabelen met opname van het derdeorde interactie-effect

Bereikte onderwijsniveau zes jaar na intrede in secundair onderwijs

Onderwijspositie

5.2 5.0

Autochtone Jongens

4.8 4.6

Autochtone Meisjes

4.4

Allochtone Jongens

4.2

Allochtone Meisjes

4.0

-2

-1

0

1

SES

Tabel 26: Voorspelde waarden van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs zonder controlevariabelen met opname van het derdeorde interactie-effect

Autochtoon

Allochtoon

SES -2 -1 0 1

Jongens 4.39 4.55 4.71 4.87

Meisjes 4.70 4.82 4.95 5.08

-2 -1 0 1

4.20 4.26 4.32 4.38

4.38 4.58 4.78 4.99

Vervolgens werden de controlevariabelen één na één toegevoegd aan het model. Eerst werd gekeken naar de bijdrage van elke variabele afzonderlijk aan de daling van de deviantie. De variabele die de deviantie het sterkst liet dalen werd eerst toegevoegd, die met de tweede grootste daling tot gevolg als tweede, etc.

39

Tabel 27: Volgorde van de toevoeging van de controlevariabelen aan het nulmodel van de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs Daling van de deviantie bij opname van één variabele in nulmodel Basismodel LKOD Prest Intel

Deviantie

Daling van de deviantie t.o.v. vorig model

10725.76 -467.96 -463.25 -260.17

10257.80 10262.51 10465.59

Deviantie Significantie 10725.76

-467.96 -126.07 -6.87

10257.80 10131.73 10124.86

Daarna werden de interactievariabelen geslacht, etniciteit en SES opgenomen. Ook hier geven we twee modellen, één zonder opname van de interactie-effecten en één met de interactieeffecten. Hieronder bespreken we ze achtereenvolgens. De twee modellen rechts in Tabel 24, waarin de drie controlevariabelen zijn opgenomen, laten zien dat de leerkrachtbeoordeling de grootste voorspellende controlevariabele is met een toename van 0.19 op het bereikte onderwijsniveau bij een toename van één standaarddeviatie op het oordeel van de leerkracht. Het prestatieniveau bij aanvang van het secundair onderwijs komt op de tweede plaats met een toename van de onderwijspositie van 0.16 bij een toename van één standaarddeviatie op de variabele Prest. Eén standaarddeviatie hoger scoren op de intelligentiemaat resulteert tenslotte in een toename van 0.06 in het bereikte onderwijsniveau. De effecten van de leerkrachtbeoordeling en van de prestaties moeten als zwakke effecten geïnterpreteerd worden, het effect van de intelligentie als verwaarloosbaar. In de grafische voorstellingen en in de tabellen met de verwachte waarden werden alle effecten opgenomen die in het model werden opgenomen, ook de niet significante. De resultaten worden weergegeven in de tabellen 28 en 29 en in de grafieken 9 en 10. Onder controle van de leerkrachtbeoordeling, de prestaties en de intelligentie bij aanvang van het secundair onderwijs in het model zonder de interactie-effecten, zien we dat het effect van geslacht iets groter wordt terwijl de effecten van SES en etniciteit kleiner worden. Het effect van etniciteit wordt verwaarloosbaar terwijl het effect van geslacht als zwak tot matig en het effect van SES als zwak geïnterpreteerd mag worden. In het model waarin het derdeorde interactie-effect opgenomen wordt zien we dat onder controle van de leerkrachtbeoordeling, de prestaties en de intelligentie bij aanvang van het secundair onderwijs het interactie-effect tussen geslacht en etniciteit ook significant wordt en het interactie-effect tussen etniciteit en SES randsignificant (p=0.0574). Het eindresultaat met betrekking tot de SES is een verwaarloosbaar negatief effect bij allochtone jongens, een zwak positief effect bij autochtone leerlingen en een matig positief effect bij allochtone meisjes. Het effect van geslacht vergroot dus onder controle waardoor we van een matig geslachtseffect kunnen spreken bij autochtone leerlingen en een sterk effect bij allochtone leerlingen. In beide gevallen doen de meisjes het beter dan de jongens. Het effect van etniciteit is afwezig onder de meisjes en duikt enkel op bij de jongens met een hoge SES. Laten we het randsignificante interactie-effect tussen etniciteit en SES buiten beschouwing, dan moeten we een sterker effect van SES veronderstellen bij de allochtone meisjes dan bij de overige leerlingen, waarbij we een gelijk effect van SES vaststellen. Het effect van etniciteit bij de jongens is dan niet beduidend.

40

p<.05 p<.05 p<.05

Grafiek 9: Voorspelde waarden van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs met controlevariabelen en zonder opname van het derdeorde interactieeffect


Onderwijspositie

5.2 5.0

Autochtone Jongens

4.8 4.6

Autochtone Meisjes

4.4

Allochtone Jongens

4.2

Allochtone Meisjes

4.0

-2

-1

0

1

SES

Tabel 28: Voorspelde waarden van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs met controlevariabelen en zonder opname van het derdeorde interactieeffect

Autochtoon

Allochtoon

SES -2 -1 0 1

Jongens 4.59 4.66 4.72 4.79

Meisjes 4.89 4.95 5.02 5.08

-2 -1 0 1

4.49 4.56 4.62 4.69

4.79 4.85 4.92 4.98

41

Grafiek 10: Voorspelde waarden van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs met controlevariabelen en met opname van het derdeorde interactie-effect


Onderwijspositie

5.2 5.0

Autochtone Jongens

4.8 4.6

Autochtone Meisjes

4.4

Allochtone Jongens

4.2

Allochtone Meisjes

4.0

-2

-1

0

1

SES

Tabel 29: Voorspelde waarden van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs met controlevariabelen en met opname van het derdeorde interactie-effect

Autochtoon

Allochtoon

4.2.3.2

SES -2 -1 0 1

Jongens 4.56 4.65 4.73 4.81

Meisjes 4.90 4.95 5.00 5.05

-2 -1 0 1

4.51 4.48 4.46 4.43

4.79 4.90 5.01 5.12

Analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs

Bij de bespreking van de variantieverdeling over het leerlingen schoolniveau hebben we gezien dat de variantie die toegeschreven wordt aan het school- en leerlingniveau verschilt voor de drie onderwijsvormen (ASO-KSO-TSO). Om over voldoende leerlingen te beschikken om de interactie-effecten tussen geslacht, etniciteit en SES na te gaan hebben we toen beslist om de drie onderwijsvormen samen te nemen in de analyse. Om in zekere mate aan het verschil tussen de onderwijsvormen tegemoet te komen wordt gecontroleerd voor de onderwijsvorm. De vergelijking met de analyse zonder controle voor de onderwijsvorm toonde aan dat de interactie-effecten van geslacht, etniciteit en SES nagenoeg ongewijzigd bleven. Daarom werd deze analyse niet opgenomen in dit rapport. Voor we tot de bespreking van de analyse van het aantal uren wiskunde over gaan, geven we de daling van de deviantie weer voor de controle voor de onderwijsvorm en voor de hoofd- en interactie-effecten tussen geslacht, etniciteit en SES. Vervolgens bespreken we zoals bij de analyse van het bereikte onderwijsniveau eerst het model zonder controle voor de

42

leerlingkenmerken en daarna de resultaten van het model onder controle van de leerlingkenmerken. Tot slot vergelijken dit laatste model terug met de resultaten voor het model zonder controle voor de leerlingkenmerken. Tabel 30: Opbouw van het multilevel model met betrekking tot het aantal uren wiskunde per week opgenomen in het laatste leerjaar secundair onderwijs: daling van de deviantie bij opname van de onderwijsvorm Daling van de deviantie tov. vorig model Nulmodel

Deviantie

Significantie

11334.33

TSO KSO

-170.75 -72.32

11163.58 11091.26

p<.05 p<.05

In de opbouw van het model zien we dat de toevoeging van de onderwijsvorm TSO de grootste daling van de deviantie met zich meebrengt. Dit is toe te schrijven aan het grote aantal leerlingen dat het laatste zesde leerjaar een richting volgde in het TSO (N=1122) tegenover slecht 70 leerlingen in het KSO. Tabel 31: Multilevel modellen voor de analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs UrenWisk Model zonder controlevariabelen Schatting SF

Parameter Intercept

5.575 ***

0.078

TSO KSO

-1.529 *** -2.234 ***

0.094 0.250

Model met controlevariabelen Schatting SF 5.099 *** -0.945 *** -1.815 ***

0.095 0.239

0.507 *** 0.226 *** 0.073 (p=0.055)

0.045 0.038 0.038

-0.410 *** -0.108 0.186 ***

0.071 0.168 0.034

-0.321 **

0.115

Prest Intel LKOD Geslacht Etniciteit SES

-0.551 *** -0.485 ** 0.270 ***

0.075 0.178 0.036

Geslacht*Etniciteit Geslacht*SES Etniciteit*SES

/ /

Geslacht*Etniciteit*SES

/

/

10955.94 2864 193

10584.18 2864 193

DEVIANTIE N leerlingen N scholen

0.134

/ / -0.235 (p=0.054)

0.122

*= p<.05 **= p<.01 ***= p<.005

In Tabel 31 vallen de grote parameters voor KSO en TSO als eerste op. Een keuze voor het KSO wordt voorspeld 2.2 uren minder wiskunde te bevatten dan de keuze voor ASO, een keuze voor TSO 1.5 uren minder. Het grootste hoofdeffect van de leerlingvariabelen vinden we voor geslacht. Dit effect is negatief, wat erop wijst dat de keuze voor een wiskundige richting nog steeds typisch een keuze voor jongens is. Meisjes kiezen gemiddeld voor 0.55 uren wiskunde minder dan jongens.

43

De tweede grootste parameter vinden we voor de SES (om SES vergelijkbaar te maken met geslacht en etniciteit vermenigvuldigen we de parameter met 2 om de vier categorieën terug te brengen naar twee categorieën). Een leerling die zich één SES-categorie hoger situeert wordt voorspeld 0.27 uren wiskunde meer opgenomen te hebben. Het hoofdeffect van etniciteit duidt er op dat allochtonen voorspeld worden 0.49 uren wiskunde minder op te nemen. Van de effecten van hogere orde is het relatie-effect tussen SES en etniciteit randsignificant (p=0.054). Hierdoor wordt het effect van SES verwaarloosbaar voor allochtone leerlingen. Samengevat zien we dat jongens meer wiskunde kiezen dan meisjes. Doordat het positieve effect van SES enkel opduikt bij autochtone leerlingen kunnen we stellen dat allochtonen met een hogere SES minder wiskunde kiezen dan autochtone leerlingen en dat onder de autochtone leerlingen de leerlingen met een hogere SES meer wiskunde kiezen dan leerlingen met een lagere SES (zie Grafiek 11). Tabel 16 kan hier het één en andere verduidelijken. De allochtone jongens met de laagste SES nemen gemiddeld het tweede grootste aantal uren wiskunde op van de allochtone jongeren (de allochtone jongens uit de hoogste SES-categorie hebben de hoogste score). In deze categorie bevinden zich procentueel gezien ook het meeste allochtone jongens, in de hoogste SEScategorie het minste. Met betrekking tot de allochtone jongens uit de SES-categorieën buiten de laagste SES-categorie zien we in de ruwe data wel een positief effect van SES. Het is dus zo dat de allochtone jongens uit de laagste SES-categorie verrassend veel uren wiskunde opnemen. De verwachte waarden staan in Tabel 32, de grafische voorstelling is af te lezen in Grafiek 11. Grafiek 11: Voorspelde waarden voor het aantal uren wiskunde per week opgenomen in het zesde leerjaar algemeen secundair onderwijs zonder controlevariabelen

Uren wiskunde

Aantal uren wiskunde per week

6.0 5.8 5.6 5.4 5.2 5.0 4.8 4.6 4.4 4.2

Autochtone Jongens Autochtone Meisjes Allochtone Jongens Allochtone Meisjes

-2

-1

0

1

SES

44

Tabel 32: Voorspelde waarden voor het aantal uren wiskunde per week opgenomen in het zesde leerjaar algemeen secundair onderwijs zonder controlevariabelen

Autochtoon

Allochtoon

SES -2 -1 0 1

Jongens 5.04 5.31 5.58 5.85

Meisjes 4.48 4.75 5.02 5.29

-2 -1 0 1

5.02 5.06 5.09 5.13

4.47 4.50 4.54 4.57

De volgende stap is het evalueren van het interactiemodel onder controle van de leerlingkenmerken bij aanvang van het secundair onderwijs. In Tabel 33 wordt de daling van de deviantie weergegeven bij opname van de controlevariabelen, wat ons meer vertelt over de verklaringskracht van de verschillende variabelen. Tabel 33: Volgorde van de toevoeging van de controlevariabelen aan het basismodel van de analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs Daling van de deviantie bij opname van de variabele in het basismodel Basismodel Prest Intel LKOD

Deviantie

Daling van de deviantie t.o.v. vorig model

11091.26 -385.8 -270.8 -127.8

10705.46 10820.44 10963.46

Deviantie Significantie 11091.26

-385.8 -48.08 -6.33

10705.46 10657.38 10651.05

Als we de interactie-effecten evalueren onder controle van de leerkrachtbeoordeling, het prestatieniveau en de intelligentie bij aanvang van het secundair onderwijs (zie Tabel 31) zien we dat zowel de hoofdeffecten van de leerlingvariabelen als de effecten van KSO en TSO afgezwakt worden. Onder controle van deze variabelen dalen de effecten van de variabelen TSO en KSO respectievelijk van –1.5 naar –0.9 en van –2.2 naar -1.8. In tegenstelling tot de analyse van het bereikte onderwijsniveau vinden we hier de grootste effecten voor het prestatieniveau (+0.50) en voor de intelligentie (+0.23) en blijft de invloed van het effect van de leerkrachtbeoordeling beperkt (+0.07). Dit laatste effect blijkt tevens net niet significant te zijn nadat de interactievariabelen geslacht, etniciteit en SES in het model worden opgenomen. Hoewel de hoofdeffecten van SES, etniciteit en geslacht onder controle minder sterk zijn, resulteren ze in dezelfde ordening. Het grootste effect vinden we nog steeds voor geslacht (van –0.55 naar –0.41) gevolgd door het effect van de SES (van 0.27 naar 0.19, beide te vermenigvuldigen met 2 om ze vergelijkbaar te maken met de effecten van geslacht en etniciteit) en het effect van etniciteit (van –0.49 naar –0.11) dat hier evenwel niet meer significant is. Bovenop de veranderingen aan de hoofdeffecten door in het model te controleren voor de controlevariabelen, zien we dat het interactie-effect tussen SES en etniciteit toeneemt (van –0.24 naar –0.32). Het resultaat van alle effecten (de significante en de niet significante) van geslacht, etniciteit en SES die in het model zijn opgenomen, onder controle van de leerlingkenmerken bij intrede in het secundair onderwijs kan in verwachte waarden worden uitgedrukt. De referentiecategorie,

45

p<.05 p<.05 p<.05

die een gemiddelde score op de afhankelijke variabele heeft gelijk aan het intercept, wordt gevormd door de autochtone jongens uit het ASO met een SES gelijk aan nul (dit is de categorie lager middelbaar, hoger secundair technisch onderwijs en hoger middelbaar, zie Tabel 6) en een gemiddelde score op de controlevariabelen. De verwachte waarden staan in Tabel 34, de grafische voorstelling hiervan is af te lezen in Grafiek 12. Deze grafiek en tabel verduidelijken wat de netto-effecten zijn van de interactievariabelen. Om de scores te kennen voor leerlingen uit het KSO of het TSO moeten de scores uit de tabel en de grafiek vermeerderd worden met de parameters voor respectievelijk het KSO en het TSO. Grafiek 12: Voorspelde waarden voor het aantal uren wiskunde per week opgenomen in het zesde leerjaar algemeen secundair onderwijs met controlevariabelen


Uren wiskunde

5.4 5.2

Autochtone Jongens

5.0 4.8

Autochtone Meisjes

4.6

Allochtone Jongens

4.4

Allochtone Meisjes

4.2 4.0

-2

-1

0

1

SES Tabel 34: Voorspelde waarden voor het aantal uren wiskunde per week opgenomen in het zesde leerjaar algemeen secundair onderwijs met controlevariabelen

Autochtoon

Allochtoon

SES -2 -1 0 1

Jongens 4.73 4.91 5.10 5.29

Meisjes 4.32 4.50 4.69 4.88

-2 -1 0 1

5.26 5.13 4.99 4.86

4.85 4.72 4.58 4.45

Samengevat vinden we voor autochtone leerlingen een matig, positief effect van SES en voor allochtone leerlingen een zwak, negatief effect. Jongens kiezen zoals verwacht ook meer voor wiskundig georiënteerde richtingen dan meisjes. Etniciteit gaat gepaard met een verschillend effect van SES. Gegeven de relatief grote aantallen allochtone leerlingen met een lage SES kunnen we wel stellen dat allochtone leerlingen met een lage SES beduidend meer voor een wiskundig georiënteerde richting kiezen dan autochtone leerlingen. Er moet tevens rekening gehouden worden met het feit dat er een verband is tussen etniciteit en SES (zie Tabel 18). We benadrukken hier nogmaals dat deze vergelijking ervan uitgaat dat de leerlingen vergelijkbaar

46

zijn wat betreft hun prestaties, intelligentie en leerkrachtbeoordeling bij aanvang van het secundair onderwijs. Uit de correlatiematrices (tabellen 17 en 18) tussen alle variabelen weten we dat de intelligentiemaat, de prestatiemaat en de leerkachtbeoordeling negatief correleren met etniciteit. Dit wekt het vermoeden dat de allochtone leerlingen doorheen het secundair onderwijs hun achterstand inzake prestaties en (spatiale en numerieke) intelligentie voor de aanvang van het secundair onderwijs hebben ingehaald waardoor de keuze voor een meer wiskundig georiënteerde studierichting naar het einde van het secundair onderwijs wel haalbaar is geworden. Anders bekeken kunnen de prestaties en intelligentie bij aanvang van het secundair onderwijs bij allochtone leerlingen onderschat worden met de gebruikte instrumenten. Om hierover met meer zekerheid een uitspraak te kunnen doen zouden we ten minste een vergelijking moeten maken met een intelligentie- en prestatiemeting op het einde van het secundair onderwijs.

4.1.3. Vergelijking van de analyse van het hoogste bereikte onderwijsniveau en van het aantal uren wiskunde Voor beide analyses zonder controle voor de achtergrondkenmerken van de leerlingen vinden we een positief effect van de SES voor de autochtone leerlingen. Het positieve effect van het behoren tot een hogere SES-familie vinden we ook voor allochtone leerlingen in de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs, maar is afwezig in de analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs. Een tweede verschil tussen de resultaten met betrekking tot de twee criteria is dat meisjes een achterstand hebben met betrekking tot het aantal uren wiskunde en een voorsprong met betrekking tot het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs. Daarnaast stellen we met betrekking tot beide criteria vast dat de algemeen veronderstelde achterstand van allochtone meisjes en jongens in vergelijking met hun autochtone leeftijdsgenoten in de totale effecten, dus zonder controle voor achtergrondkenmerken, teruggevonden wordt. De veranderingen die optreden bij de (interactie-) effecten tussen geslacht, etniciteit en SES door de controle voor de achtergrondkenmerken van de leerlingen resulteren in beide analyses in gelijkaardige effecten met uitzondering van het effect van geslacht. Wat het bereikte onderwijsniveau betreft zien we dat het effect van SES vermindert. Wat het aantal uren wiskunde betreft zagen we dat het effect van SES lichtjes vermindert bij de autochtone leerlingen maar dat het sterker wordt, zij het in negatieve zin, bij allochtone leerlingen. Het effect van geslacht vermindert lichtjes onder controle van de achtergrondkenmerken van de leerlingen in de analyse van het aantal uren wiskunde, waar de jongens voor liggen, maar vergroot lichtjes in de analyse van het bereikte onderwijsniveau, waar de meisjes reeds in de analyse zonder controle voor liggen. De achterstand van allochtone leerlingen vermindert in beide analyses, maar in verschillende mate. Wat de bereikte onderwijspositie betreft, vermindert het negatieve effect van etniciteit in die mate dat het verschil tussen allochtone en autochtone jongeren verwaarloosbaar wordt. Dit betekent dat de feitelijke achterstand van allochtone jongeren in sterke mate bepaald wordt door hun schoolse achtergrondkenmerken. Evenwel vinden we in de vergelijking van de modellen waarin het derdeorde interactie-effect is opgenomen een aanwijzing dat allochtone jongens

47

minder ver geraken dan autochtone jongens met gelijkaardige leerlingkenmerken. Met betrekking tot het aantal uren wiskunde treedt er een interactie op tussen etniciteit en SES waarbij allochtone leerlingen met een lage SES meer uren wiskunde opnemen dan vergelijkbare autochtone leerlingen.

4.1.4 Conclusies Zoals voorspeld kon worden op basis van voorgaand onderzoek kunnen we de effecten van geslacht, etniciteit en SES niet in alle gevallen als additief beschouwen. Toch kunnen we dit wel in enkele gevallen met betrekking tot specifieke onderwijsuitkomsten. Het effect van geslacht en dat van SES kan voor autochtone jongeren als additief beschouwd worden met betrekking tot de analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs. Dit stemt overeen met de bevindingen van Keeves en Kotte (1994, in Dekkers, Bosker & Driessen, 2000). Het additieve karakter van de effecten van geslacht en SES met betrekking tot de analyse van het aantal uren wiskunde geldt echter niet voor allochtone jongeren. Hier vonden we immers geen effect van SES in de analyse zonder controlevariabelen. Indien gecontroleerd wordt voor de intredekenmerken van de leerlingen vonden we een negatief effect. Dit stemt in zekere mate overeen met de bevindingen van Peng en Owings (1997, in Dekkers, Bosker & Driessen, 2000). Zij stelden vast dat jongeren met een lage SES alsook allochtonen minder algebra en geometrie opnamen. Onder controle stelden wij evenwel vast dat allochtone leerlingen met een lage SES meer wiskunde opnamen dan vergelijkbare autochtone jongeren. Onze bevindingen spreken die van Peng (1998, in Dekkers, Bosker & Driessen, 2000), dat allochtone jongens minder voor wetenschappelijk georiënteerde richtingen kiezen tegen. In tegenstelling tot de allochtone jongens nemen de allochtone meisjes het minste uren wiskunde op in hun zesde leerjaar secundair onderwijs, en deze bevinding is in overeenstemming met die van Dekkers, Bosker & Driessen (2000). Gegeven dat meisjes op kop lopen wat het bereikte onderwijsniveau betreft, zoals voorgaand onderzoek reeds meermaals bevestigd heeft, vinden we een additief effect van SES boven op dat van geslacht. Tevens vinden we aanwijzingen dat er ook een negatief effect van etniciteit aanwezig is. Bij meisjes verdwijnt dit laatste effect echter indien gecontroleerd wordt voor de intredekenmerken. Bij jongens vinden we aanwijzingen dat ook na controle nog steeds een negatief effect van etniciteit opduikt. Sammons (1995) vond dat na controle voor achtergrondkenmerken, allochtone jongeren zelfs betere perspectieven hebben dan autochtone jongeren. Wij vonden enkel dat allochtonen meisjes geen slechtere perspectieven hebben dan autochtone meisjes maar minder aanwijzingen dat we deze vaststelling ook naar jongens kunnen doortrekken. Daarnaast spreken onze bevindingen die van Dekkers, Bosker en Driessen (2000) tegen dat het gender-effect afwezig zou zijn onder allochtone jongeren. Wat de bijdrage van het secundair onderwijs aan de interactie-effecten van geslacht, etniciteit en SES betreft, gebaseerd op de vergelijking tussen de modellen zonder en die met controle voor de intredekenmerken, bekomen we gelijkaardige resultaten als Dekkers, Bosker en Driessen (2000). Voor het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs vinden ook wij dat het effect van geslacht vergroot en dat de effecten van SES en van etniciteit verkleinen. Wat de analyse van het aantal uren wiskunde betreft zien we dat het effect van geslacht vermindert. Een belangrijk verschil is dat we de hoogste posities vinden bij de allochtone jongens uit laagste

48

SES-families (alsook bij de autochtone jongens met de hoogste SES) en de laagste voor de allochtone meisjes met de hoogste SES (alsook bij de autochtone meisjes met de laagste SES). Deze bevinding is net het omgekeerde van die van Dekkers, Bosker en Driessen (2000) met betrekking tot het aantal wetenschappelijke vakken opgenomen in het zesde leerjaar secundair onderwijs. Zij vonden dat allochtone jongens met een hoge SES meer wetenschappelijke vakken opnamen en dat allochtone jongens met een lage SES minder wetenschappelijke vakken opnamen dan autochtone jongens met een lage SES.

49

4.3 Resultaten van de uitgebreide analyses In de uitgebreide analyses worden op leerlingniveau de variabelen ‘opgelopen vertraging vóór het secundair onderwijs’ en ‘prestatiemotivatie’ en de variabelen ‘gemiddelde SES op schoolniveau’, ‘de geslachtsverhouding op schoolniveau’ en ‘de verhouding allochtonenautochtonen op schoolniveau’ mee opgenomen in de modellen voor zover deze een significante verbetering van het model met zich brengen. Daarnaast wordt de variabele LKOD vervangen door de variabelen ‘prognose van de leerkracht lager onderwijs van het hoogst bereikte onderwijsniveau van de leerling’ en ‘de aangeraden studierichting in het eerste leerjaar secundair onderwijs’ die in de beperkte analyses samengevoegd waren in de variabele LKOD. Verder worden in deze analyses interacties tussen de verklarende variabelen toegelaten voor zover dit een significante verbetering van de fit van het model teweegbrengt. Tot slot wordt voor de afhankelijke variabelen op leerlingniveau een randomvariatie toegelaten van de schoolresiduelen indien dit een significante verbetering van de fit van het model met zich meebrengt.

4.3.2 Modellen zonder verklarende variabelen Voor de bespreking van de lege modellen verwijzen we naar punt 4.1.1 van het onderdeel van de resultaten van de beperkte analyses.

4.3.3 Modellen met de interactievariabelen geslacht, etniciteit en SES en de controlevariabelen Voor de verdere opbouw van de modellen werden eerst de variabelen op leerlingniveau opgenomen. Eerst werden de verschillende variabelen elk afzonderlijk aan het nulmodel (of het basismodel waarin gecontroleerd wordt voor de onderwijsvorm in het geval van de analyse van het aantal uren wiskunde) toegevoegd. Vervolgens werden ze geordend op basis van de daling van de deviantie van het model. Op basis van deze volgorde werden ze één na één aan het model toegevoegd voor zover dit een significante daling van de fit van het model teweegbracht. Dezelfde procedure werd daarna herhaald met de geaggregeerde schoolvariabelen. Om interacties na te kunnen gaan tussen de leerlingkenmerken en de variabelen geslacht, etniciteit en SES werden deze, op basis van dezelfde procedure aan het model met de leerlingkenmerken en de schoolvariabelen toegevoegd. Vervolgens werden interacties met de leerlingvariabelen nagegaan. Ook hier werd eerst gekeken naar de daling van de deviantie bij de opname van elke interactieterm afzonderlijk en werden ze vervolgens één na één toegevoegd aan het model indien de deviantie hiermee significant daalde. Nadat we zoveel mogelijk hebben trachten te verklaren met de net vermelde variabelen en interacties tussen variabelen werden de interacties van de tweede en derde orde tussen geslacht, etniciteit en SES aan het model toegevoegd indien dit een significante verbetering van de fit van het model met zich meebracht.

50

In een laatste stap werden de variabelen op leerlingniveau (of interacties hiermee) geëvalueerd op de bijdrage aan de fit van het model in het geval toegestaan wordt om random te variëren op schoolniveau. Dit betekent dat scholen mogen afwijken van de gemiddelde regressiecoëfficiënt van alle scholen voor een leerlingvariabele. Het toelaten van deze afwijking kan de fit van het model verbeteren indien uit de data blijkt dat scholen een verschillende regressiecoëfficiënt hebben voor een leerlingvariabele of voor een interactie tussen leerlingvariabelen. Eens deze randomvariatie wordt toegestaan kan men de covariantie tussen de schoolresiduelen van het intercept en die van een andere variabele die toegestaan wordt random te variëren evalueren. De resultaten hiervan worden afzonderlijk besproken onder punt c) covarianties tussen schoolresidu’s met betrekking tot beide criteria.

4.3.3.1

Analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs

A) Opbouw van het model Hieronder worden de variabelen die één na één aan het model toegevoegd werden en de daling van de deviantie die dit met zich mee bracht, weergegeven. Het alfaniveau van 0.05 werd gehanteerd om te beslissen of een variabele, interactieterm of een randomvariatie van een variabele opgenomen werd in het model. Tabel 35: Opbouw van het model van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs Daling van de deviantie bij opname van elke variabele afzonderlijk tov het vorige model nulmodel

Deviantie

Daling van de deviantie bij opname van de variabele tov het vorige model

Deviantie

10393.17

10393.17

Prest Prognose Startricht Intel Vertraag Pmotivatie

-445.92 -412.10 -344.32 -248.54 -109.41 -5.29

9947.25 9981.07 10048.85 10144.63 10283.76 10387.88

-445.92 -120.94 -25.52 -5.5 -12.54 -8.13

9947.25 9826.31 9800.79 9795.29 9782.75 9774.62

smses smgeslacht smetnie

-25.29 -15.29 -8.64

9749.33 9759.33 9765.98

-25.29 -19.61 n.s.

9749.33 9729.72

geslacht Ses etnie

-64.12 -15.03 -7.42

9665.60 9714.69 9722.30

-64.12 -18.48 -3.13

9665.60 9647.12 9643.99

ses*prognose ses*startricht ses*intel geslacht*startricht ses*prest etnie*pmotivatie geslacht*prest etnie*startricht etnie*vertraag ses*vertraag etnie*prognose

-10.30 -5.68 -5.54 -4.79 -4.61 -4.01 -3.69 -3.43 -3.15 -3.04 -2.61

9633.69 9638.31 9638.45 9639.20 9639.38 9639.98 9640.30 9640.56 9640.84 9640.95 9641.38

-10.3 n.s. n.s. -4.78 n.s. -4.48 n.s. n.s. n.s. n.s. n.s.

9633.69

9628.91 9624.42

51

geslacht*intel geslacht*prognose etnie*prest ses*pmotivatie geslacht*vertraag geslacht*pmotivatie etnie*intel

-2.38 -2.21 -2.2 -1.67 -1.23 -0.41 -0.34

9641.61 9641.78 9641.79 9642.32 9642.76 9643.58 9643.65

n.s. n.s. n.s. n.s. n.s. n.s. n.s.

etnie*ses geslacht*etnie geslacht*ses

-2.66 -1.38 -0.13

9621.76 9623.04 9624.29

n.s. n.s. n.s.

Model met tweedeorde interactie-effecten* 3-weg

-3.17

9620.36 9617.19

n.s.

-32.36 -21.92 -19.38 -17.53 -16.87 -13.86 -10.84 -9.61 -8.59 -7.77 -6.37 -5.64 -2.58 -0.56 0 0

9584.83 9595.27 9597.81 9599.66 9600.32 9603.33 9606.35 9607.58 9608.60 9609.42 9610.82 9611.55 9614.61 9616.63 9617.19 9617.19

-32.36 -19.68 -15.88 -7.57 -19.22 -16.06 gn. conv. gn. conv. gn. conv. n.s. gn. conv. gn. conv. gn. conv. gn. conv. gn. conv. gn. conv.

vertraag startricht geslacht prognose ses*prognose prest etnie*pmotivatie geslacht*etnie*ses etnie*ses intel etnie geslacht*etnie pmotivatie geslacht*startricht ses geslacht*ses

9584.83 9565.15 9549.27 9541.70 9530.05 9513.99

*Indien het derdeorde interactie-effect significant bleek te zijn hebben we dit model ook weergegeven zoals in de beperkte analyses.

Na de opname van de variabelen op leerlingen schoolniveau werd nagegaan of er interacties optraden tussen de controlevariabelen en de interactievariabelen geslacht, etniciteit en SES. De opname van de interactie tussen SES en Prognose, tussen Geslacht en Startricht en tussen Etnie en Pmotivatie bleken een significante verbetering van het model met zich mee te brengen. In de grafieken 13 tot 15 worden deze interacties grafisch weergegeven. Grafiek 13: Interactie tussen SES en Prognose op het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs

52

Grafiek 13 geeft aan dat voor elk SES-niveau de prognose van de leerkracht van het lager onderwijs verschillend samenhangt met het bereikte onderwijsniveau. Bij leerlingen met de hoogste SES vinden we de zwakste positieve samenhang met het bereikte onderwijsniveau, bij leerlingen met de laagste SES vinden we de sterkste positieve samenhang. Dit betekent dat de invloed van de prognose van de leerkracht lager onderwijs sterker doorweegt bij leerlingen met een lagere SES dan bij leerlingen uit hogere SES-families. Grafiek 14: Interactie tussen etniciteit en prestatiemotivatie op het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs

In Grafiek 14 zien we dat de Prestatiemotivatie een positief effect heeft op het bereikte onderwijsniveau bij autochtone leerlingen maar een negatief bij allochtone leerlingen.

Grafiek 15: Interactie tussen geslacht en de aangeraden studieoptie (Startricht) in het secundair onderwijs op het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs

In Grafiek 15 zien we dat de aangeraden startrichting door de leerkracht lager onderwijs een sterkere positieve samenhang vertoont met het bereikte onderwijsniveau bij jongens dan bij meisjes. De aangeraden startrichting weegt met andere woorden sterker door bij jongens dan bij meisjes.

53

B) Analyse van het model Tabel 36: Multilevel model voor het bereikte onderwijsniveau zes jaar na intrede in secundair onderwijs met uitgebreide controlevariabelen Parameter

Bereikt onderwijsniveau zes jaar na intrede in het secundair onderwijs Schatting

VAST Intercept

SF

4.609 ***

0.165

Prognose Startricht Prest Intel Vertraag Pmotivatie

0.064 *** 0.127 *** 0.184 *** 0.053 *** -0.106 * -0.031 **

0.012 0.032 0.026 0.017 0.050 0.012

SMSES SMGeslacht

0.230 *** 0.123

0.055 0.113

Geslacht Etniciteit SES

0.424 *** -0.048 0.065 ***

0.051 0.042 0.014

SES*Prognose Geslacht*startricht Etnie*Pmotivatie

-0.022 * -0.066 * -0.060

0.009 0.031 0.049

Geslacht*Etniciteit Geslacht*SES Etniciteit*SES

/ / /

Geslacht*Etniciteit*SES

/

VARIABEL Intercept Prest Startricht Vertraag Geslacht SES*Prognose Etnie*Pmotivatie DEVIANTIE N leerlingen N scholen * = p<.05 ** = p<.01 *** = p<.005

0.398 0.018 0.033 0.086 0.102 0.002 0.053

0.058 0.007 0.009 0.031 0.030 0.001 0.023

9513.99 4175 276

We zijn op de eerste plaats geïnteresseerd in de interactie-effecten van geslacht, etniciteit en socio-economische status onderling. Maar niet alle leerlingen beginnen het secundair onderwijs met dezelfde bagage. Deze verschillen in aanvangspositie zuiveren we eerst uit om de nettoeffecten van de drie interactievariabelen geslacht, etniciteit en SES te kunnen schatten. Sommige leerlingen zijn intelligenter, hebben reeds meer leerstof verwerkt, zijn meer gemotiveerd of hebben vertraging opgelopen voor de aanvang van het secundair onderwijs. Naast deze leerlingkenmerken werd de beoordeling van de leerkracht lager onderwijs mee opgenomen als controlevariabele. Maar ook de school kan een verschil maken. Zo kan men in een school terechtkomen waar de gemiddelde socio-economische status van de leerlingen hoger of lager is in vergelijking met andere scholen, waar gemiddeld meer meisjes dan jongens zitten of waar gemiddeld meer allochtonen zitten in vergelijking met andere scholen. Deze

54

geaggregeerde schoolkenmerken kunnen een positieve of negatieve invloed hebben op de prestaties van de leerlingen in de betrokken scholen. Ook hiervoor wordt gecontroleerd. Tevens is het mogelijk dat de invloed van leerlingkenmerken verschilt voor verschillende scholen. Ook dit werd in de uitgebreide analyses onderzocht. Hieronder bespreken we eerst de effecten van de controlevariabelen om later de interactieeffecten tussen geslacht, etniciteit en SES te bespreken. Tot slot staan we nog even stil bij de covarianties tussen de schoolresidu’s van het intercept en van andere variabelen. Hier gaan we na of scholen waarin de leerlingen een hoger of lager onderwijsniveau bereiken dan gemiddeld het geval is tevens scholen zijn waar het effect van andere variabelen verschilt in vergelijking met de andere scholen en gaan we na of scholen waar het effect van een bepaalde variabele groter is tevens scholen zijn waar het effect van andere variabelen ook groter is.

a) Controlevariabelen De grootste voorspellende controlevariabelen zijn de gemiddelde SES van een school (SMSES), de prestaties bij aanvang van het secundair onderwijs (Prest) en de aangeraden startrichting door de leerkracht lager onderwijs (Startricht). Wat de gemiddelde SES van een school betreft zien we dat hoe hoger de gemiddelde SES van een school hoe hoger de bereikte onderwijspositie van de leerlingen in de school. De gemiddelde SES van een school blijkt dus een belangrijk contexteffect te hebben. De geslachtsverhouding heeft ook een positief effect op de bereikte onderwijspositie maar met opname van de volgende variabelen in het model (waaronder de variabele geslacht) blijkt de geslachtsverhouding in de school geen significante invloed meer uit te oefenen op het bereikte onderwijsniveau. De gemiddelde SES van een school blijft echter een significante invloed uitoefenen. Naast de schoolkenmerken hebben de prestaties van de leerling de sterkste invloed (0.18). Leerlingen met betere prestaties bij aanvang van het secundair onderwijs bereiken zes jaar later een hogere onderwijspositie. Hierbij aansluitend bespreken we tevens de invloed van de opgelopen vertraging voor het secundair onderwijs en van de intelligentie bij aanvang van het secundair onderwijs. Leerlingen die een jaartje achterstand hebben opgelopen voor het secundair onderwijs geraken op de zes jaar tijd in het secundair onderwijs minder ver. Per jaar vertraging dat ze hebben opgelopen wordt voorspeld dat ze ook nog eens gemiddeld 0.11 jaren minder ver geraken in het secundair onderwijs zelfs als ze gelijk scoren op alle andere verklarende variabelen die in het model opgenomen zijn. De unieke invloed van de intelligentie is in vergelijking met de unieke invloed van de prestaties relatief klein te noemen (0.05). Het oordeel van de leerkracht lager onderwijs komt op de derde plaats met een coëfficiënt van 0.13. De invloed van de aangeraden startrichting is groter dan de invloed van de prognose van de leerkracht lager onderwijs over het onderwijsniveau dat de leerling volgens hem of haar zal bereiken. (Indien gestandaardiseerde variabelen gebruikt worden is de invloed van de prognose gelijk aan bijna vier vijfde van de invloed van de aangeraden startrichting.) Een leerling die bijvoorbeeld “zonder twijfel” aangeraden werd de A-klas te volgen in het eerste leerjaar secundair onderwijs wordt voorspeld 0.13 punten hoger te scoren dan een leerling die (met twijfel) aangeraden werd de A-klas te volgen. Een mogelijke verklaring van de kleinere invloed van de prognose is dat de directe impact van de prognose op het gedrag van de leerling kleiner is dan de impact van de startrichting die aangeraden wordt. Er treedt echter een interactie op

55

tussen de variabelen Startricht en Geslacht waarbij de impact van de startrichting vooral op jongens van toepassing blijkt te zijn. Een gelijkaardige interactie merken we op voor de prognose. Bij leerlingen met de laagste SES is de invloed van de prognose van de leerkracht lager onderwijs beduidend groter dan bij leerlingen met de hoogste SES. Beide interacties kunnen we als gelijkaardig beschouwen in de zin dat het oordeel van de leerkracht lager onderwijs sterker doorweegt op het behaalde onderwijsniveau bij die groepen leerlingen die een minder hoog onderwijsniveau behalen, namelijk jongens en leerlingen met een lagere SES. Het aanvullend effect van de prestatiemotivatie is zeer klein (0.03). Echter, we hebben ook hier gezien dat er een interactie optreedt met de etniciteit van de leerling. De invloed van de prestatiemotivatie is voor allochtone leerlingen even groot als voor de autochtone maar is voor de eerstgenoemden negatief (-0.03) zoals ook te zien was in Grafiek 14.

b) Interactievariabelen geslacht, etniciteit en SES Na opname van de controlevariabelen bleken enkel de hoofdeffecten van geslacht, etniciteit en SES een significante invloed uit te oefenen op het bereikte onderwijsniveau van de leerlingen. Na opname van de significante interacties tussen de controlevariabelen en de variabelen geslacht, etniciteit en SES blijken enkel nog het geslacht en de SES een significante invloed uit te oefenen. Het effect van geslacht springt hierbij in het oog. Meisjes geraken bijna een half jaar verder dan jongens die hetzelfde scoren op de andere variabelen die opgenomen zijn in het model. De unieke invloed van de SES van een leerling is ook nog relatief groot als we de groep leerlingen met de hoogste SES contrasteren met de groep leerlingen met de laagste SES (die op alle overige variabelen die opgenomen zijn in het model hetzelfde scoren). Leerlingen met de hoogste SES geraken namelijk 0.2 jaren verder dan leerlingen met de laagste SES. Het negatieve effect van etniciteit is niet significant. De resultaten van deze effecten staan grafisch weergegeven in Grafiek 16. De voorspelde waarden kunnen uit Tabel 37 afgelezen worden. Het bereikt onderwijsniveau van de autochtone jongens met een SES-score van nul werd als vergelijkingspunt genomen. Voor elke SEScategorie kunnen de voorspelde scores afgelezen worden, opgedeeld volgens geslacht en etniciteit.

56

Grafiek 16: Voorspelde waarden voor het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs onder controle van de uitgebreide controlevariabelen


Onderwijspositie

5.2 5.0

Autochtone Jongens

4.8 4.6

Autochtone Meisjes

4.4

Allochtone Jongens*

4.2

Allochtone Meisjes*

4.0

-2

-1

0

1

SES * De regressielijnen van de twee groepen jongens vallen samen. Idem voor de meisjes.

Tabel 37: Voorspelde waarden voor het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs onder controle van de uitgebreide controlevariabelen SES

Jongens

Meisjes

Autochtoon

-2 -1 0 1

4.48 4.54 4.61 4.67

4.90 4.97 5.03 5.10

Allochtoon

-2 -1 0 1

4.48 4.54 4.61 4.67

4.90 4.97 5.03 5.10

Samengevat zien we dat er een licht positief effect optreedt van de SES en dit is gelijk voor alle leerlingen. Meisjes geraken op zes jaar tijd gemiddeld een half jaar verder dan jongens en het effect van etniciteit blijft afwezig.

c) Covariaties tussen schoolresidu’s Tot slot bekijken we de covarianties tussen de gestandaardiseerde schoolresidu’s van enkele variabelen met elkaar en met die van het intercept. De covarianties werden omgerekend naar de meer betekenisvolle correlaties die in Tabel 38 terug te vinden zijn. We beperken ons hier tot de bespreking van de correlaties die groter zijn dan .30. Hierbij doorlopen we de correlatie matrix van boven naar onder, links te beginnen.

57

Tabel 38: Correlaties tussen de schoolresidu’s in de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs correlatie-matrix schoolresiduelen Intercept Prest Startricht Vertraag Geslacht SES*Prognose Etnie*Pmotivatie

Intercept

SES*Prognose

Prest

Startricht

Vertraag

Geslacht

-0.45 -0.18 0.19 -0.69 -0.53

1 -0.70 -0.13 0.40 -0.67

1 0.06 0.09 0.74

1 -0.30 0.23

1 0.21

1

-0.12

0.68

-0.19

-0.39

-0.07

-0.10

Etnie*Pmotivatie

1

1

De eerste belangrijke correlaties treffen we aan tussen het intercept en de variabelen Prest en Geslacht. Die geven aan dat hoe hoger het gemiddelde bereikte onderwijsniveau is voor een school hoe zwakker het effect is van de prestaties bij aanvang van het secundair onderwijs en van het geslacht. Een laatste betekenisvolle correlatie met het intercept vinden we voor de interactieterm SES*Prognose. Hoe hoger het gemiddelde bereikte onderwijsniveau van een school hoe zwakker de impact van de interactie tussen de SES en de prognose van de leerkracht lager onderwijs. Daarnaast zijn er nog de correlaties tussen de schoolresidu’s van de variabelen onderling. Een eerste sterke correlatie vinden we tussen de schoolresidu’s van de variabelen Prest en Startricht. Scholen waar de invloed van de prestaties op het bereikte onderwijsniveau groter is zijn tevens scholen waar de invloed van de aangeraden startrichting door de leerkracht lager onderwijs van aanzienlijk kleinere invloed is. Anders geformuleerd zijn scholen waar de invloed van de aangeraden studierichting groot is tevens scholen waar de invloed van de prestaties kleiner is. Dezelfde relatie treffen we aan met betrekking tot de interactie tussen SES en Prognose. Scholen waar de prestaties een grotere invloed hebben op het bereikte onderwijsniveau zijn tevens scholen waar de invloed van de interactie tussen SES en Prognose kleiner is. Dit betekent dat scholen waar de prestaties sterker doorwegen, scholen zijn waar het effect van de prognose minder verschilt voor leerlingen met een verschillende SES. Het omgekeerde stellen we vast met betrekking tot de schoolresidu’s van de variabele Geslacht en van de interactieterm Etnie*Pmotivatie. Scholen waar het effect van de prestaties groter is zijn tevens scholen waar de invloed van geslacht en van de interactie tussen Etnie en Pmotivatie groter is. De sterkste correlatie vinden we tussen de schoolresidu’s van de variabele Startricht en de interactieterm SES*Prognose. Scholen waar de aangeraden startrichting een sterkere invloed uitoefent op het bereikte onderwijsniveau zijn tevens scholen waar de interactie tussen SES en Prognose groter is. Ter herinnering vermelden we nogmaals dat deze interactie erop wijst dat de impact van de prognose van de leerkracht lager onderwijs groter is voor leerlingen met een lagere SES. Tot slot vinden we een correlatie tussen de schoolresidu’s van de variabele Vertraag enerzijds en van de variabele Geslacht en de interactieterm Etnie*Pmotivatie anderzijds. Scholen waar het effect van de vóór het secundair onderwijs opgelopen vertraging op het bereikte onderwijsniveau groter is zijn tevens scholen waar het effect van geslacht minder groot is, of omgekeerd, scholen waar het effect van geslacht op het bereikte onderwijsniveau groter is, zijn

58

tevens scholen waar het effect van de vóór het secundair onderwijs opgelopen vertraging minder groot is. Met betrekking tot de interactieterm stellen we vast dat hoe groter de impact van de opgelopen vertraging, hoe kleiner de impact van de interactie tussen etniciteit en de prestatiemotivatie.

4.3.3.2

Analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs

A) Opbouw van het model Hieronder worden de variabelen die één na één aan het model toegevoegd werden en de daling van de deviantie die dit met zich mee bracht, weergegeven. Het alfaniveau van 0.05 werd gehanteerd om te beslissen of een variabele, interactieterm of een randomvariatie op schoolniveau van een variabele opgenomen werd in het model.

59

Tabel 39: Opbouw van het model van het aantal uren wiskunde per week opgenomen in het laatste leerjaar secundair onderwijs Daling van de deviantie bij opname van elke variabele afzonderlijk tov het vorige model Basismodel*

Deviantie

Daling van de deviantie tov. het vorige model

10823.06

Deviantie 10823.06

Prest Intel Prognose startr(icht) vertraag pmotivatie

-372.44 -261.20 -123.28 -45.61 -4.75 -2.61

10450.62 10561.86 10699.78 10777.45 10818.31 10820.45

-372.44 -45.88 -12.33 n.s. n.s. -10.86

10450.62 10404.74 10392.41

smgeslacht smses smetnie

-9.46 -3.92 -3.72

10371.49 10377.03 10377.23

-9.46 -6.32 n.s.

10371.49 10365.17

ses geslacht etnie

-30.97 -29.53 -0.05

10334.2 10335.64 10365.12

-30.97 -27.43 -2.22

10334.20 10306.77 10304.55

ses*prest ses*intel etnie*prest ses*prognose etnie*intel etnie*prognose geslacht*prest geslacht*pmotivatie geslacht*intel geslacht*prognose ses*pmotivatie etnie*pmotivatie

-20.21 -15.89 -13.55 -10.06 -4.33 -6.41 -1.81 -1.67 -1.31 -0.95 -0.1 -0.01

10284.34 10288.66 10291.00 10294.49 10300.22 10298.14 10302.74 10302.88 10303.24 10303.60 10304.45 10304.54

-20.21 n.s. -4.77 n.s. n.s. n.s. n.s. n.s. n.s. n.s. n.s. n.s.

10284.34

-7.09 -0.81 -0.22 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00

10272.48 10278.76 10279.35 10279.57 10279.57 10279.57 10279.57 10279.57 10279.57 10279.57 10279.57

n.s. gn. conv. gn. conv. gn. conv. gn. conv. gn. conv. gn. conv. gn. conv. gn. conv. gn. conv.

prest prognose geslacht kso intel pmotivatie ses etnie etnie*prest tso ses*prest

10380.95

10279.57

10272.48

*In het basismodel wordt gecontroleerd voor de onderwijsvorm.

We merken op dat de variabele Vertraag niet opgenomen werd in het model. Zoals we uit de verdeling van de variabele kunnen zien zijn er in het ASO, het KSO of het TSO zeer weinig leerlingen die reeds vóór het secundair onderwijs vertraging hadden opgelopen. 95% van deze leerlingen heeft op de gebruikelijke leeftijd het secundair onderwijs aangevat. Het unieke effect van de variabele Startricht is na opname van de variabele Prognose van de leerkracht lager onderwijs te klein om het model significant te verbeteren.

60

Na de opname van de variabelen op leerlingniveau werd nagegaan of er interacties optraden tussen de controlevariabelen en de interactievariabelen geslacht, etniciteit en SES. De opname van de interactietermen SES*Prest en Etnie*Prest bleken een significante verbetering van het model met zich mee te brengen. Hieronder worden de interacties grafisch weergegeven. Grafiek 17: Interactie tussen SES en Prestaties op het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs

Grafiek 18: Interactie tussen Etniciteit en Prestaties op het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs

Uit de grafieken blijkt dat voor alle leerlingen de aanvangsprestaties een positief effect hebben op het aantal uren wiskunde dat ze opnemen in het zesde leerjaar van het secundair onderwijs. Toch is er een beduidend verschil tussen verschillende groepen leerlingen. Het effect van de prestaties is sterker voor autochtone leerlingen dan voor allochtone leerlingen. Anders gesteld zien we dat bij de bij de aanvang van het secundair onderwijs goed presterenden de allochtonen minder uren wiskunde opnemen dan de autochtonen. Bij diegenen met zwakke aanvangsprestaties zien we net het omgekeerde. Met betrekking tot de SES van de leerlingen stellen we een gelijkaardig verband vast. Bij leerlingen met een hoge SES is de impact van de prestaties op het aantal uren wiskunde dat ze in het zesde leerjaar opnemen groter dan bij leerlingen met een lagere SES.

61

B) Analyse van het model Hieronder bespreken we eerst de bijdrage van de controlevariabelen om later de interactieeffecten tussen geslacht, etniciteit en SES te bespreken. Daarna staan we nog even stil bij de covariantie tussen de schoolresidu’s van het intercept en van de variabele aanvangsprestaties.

Tabel 40: Multilevel model voor de variabele uren wiskunde opgenomen in het zesde leerjaar secundair onderwijs met uitgebreide controlevariabelen Parameter

Aantal uren wiskunde per week opgenomen in het laatste leerjaar secundair onderwijs Schatting

VAST Intercept KSO TSO

SF

5.093 *** -1.696 *** -0.922 ***

0.247 0.237 0.103

Prest Intel Prognose Pmotivatie

0.485 *** 0.218 *** 0.076 ** 0.123 ***

0.051 0.038 0.027 0.029

SMGeslacht SMSES

-0.070 -0.305 *

0.169 0.118

SES Geslacht Etniciteit

0.192 *** -0.432 *** -0.131

0.034 0.081 0.147

SES*Prest Etniciteit*Prest

0.105 *** -0.276 *

0.033 0.121

VARIABEL Intercept Prest

0.171 0.031

0.044 0.018

Intercept-Prest (cov)

0.051

0.022

DEVIANTIE N leerlingen N scholen

10272.48 2801 191

* = p<.05 ** = p<.01 *** = p<.005

a) Controlevariabelen Er werd gecontroleerd voor de onderwijsvorm omdat een gelijk aantal uren in de verschillende onderwijsvormen niet als aan elkaar gelijk beschouwd kan worden. Het kunst- en technisch secundair onderwijs trekt duidelijk leerlingen aan die minder voor een wiskundig georiënteerde richting kiezen, of anders gesteld, zijn duidelijk onderwijsvormen die minder wiskundig georiënteerde richtingen aanbieden. Leerlingen die voor het KSO kiezen nemen gemiddeld 1.7 uren wiskunde per week minder op dan ASO-leerlingen. Leerlingen die voor het TSO kiezen nemen gemiddeld 0.9 uren minder wiskunde per week op. Dit hangt uiteraard samen met het verschillend aanbod van richtingen met al dan niet veel uren wiskunde binnen de verschillende onderwijsvormen.

62

Wat de controle voor de achtergrondkenmerken van de leerlingen betreft zien we op de eerste plaats de aanvangsprestaties en de intelligentie van de leerlingen. We herinneren de lezer eraan dat het hier om specifieke aanvullende effecten gaat bij leerlingen die op alle andere variabelen die in de analyse opgenomen zijn gelijk scoren. Leerlingen die op de variabele Prest één standaarddeviatie hoger dan gemiddeld scoren nemen gemiddeld per week ongeveer een half uur wiskunde meer op dan leerlingen die een gemiddelde score behaalden op de variabele Prest. Leerlingen die één standaarddeviatie boven het gemiddelde scoorden op de samenstelling van intelligentietests nemen per week gemiddeld 0.22 uren meer wiskunde op in hun laatste leerjaar secundair onderwijs dan leerlingen die hier gemiddeld op presteerden. De coëfficiënt voor de variabele prestatiemotivatie van de leerling geeft aan dat leerlingen met één positieve standaarddeviatie hier op gemiddeld 0.12 uren wiskunde meer opnemen dan leerlingen met een gemiddelde prestatiemotivatie. De prognose van de leerkracht voorspelt ook nog in zekere mate het aantal uren wiskunde dat de leerling in zijn laatste leerjaar secundair onderwijs zal opnemen. Een beoordeling die één categorie hoger ligt op deze variabele (zie punt 3.2.2.6 ) voorspelt dat de leerling 0.08 uren wiskunde meer opneemt. Zoals we reeds uit de grafieken 17 en 18 hierboven konden afleiden hebben de prestaties bij allochtone leerlingen en bij leerlingen met een lagere SES op het aantal uren wiskunde dat de leerling opneemt relatief gezien een kleiner positief effect. Het effect van de prestaties wordt bij allochtone jongeren verminderd met -0.28 per standaarddeviatie. Met andere woorden is de impact van de prestaties minder dan half zo groot bij allochtone leerlingen. Bij leerlingen met de laagste SES is de impact van de prestaties iets meer dan half zo groot als bij leerlingen met een SES gelijk aan nul. Een merkwaardig schooleffect vinden we met betrekking tot het schoolgemiddelde van de socio-economische status van de leerlingen (SMSES). Hoe meer sociaal-economisch hoog gepositioneerde leerlingen gerekruteerd worden hoe minder leerlingen in zo een school voor een wiskundig georiënteerde studierichting kiezen (-0.31). De geslachtsverhouding van een school heeft geen significante invloed op het aantal uren wiskunde dat een leerling opneemt in het zesde jaar van het secundair onderwijs.

b) Interactievariabelen geslacht, etniciteit en SES Ook hier bleken enkel de hoofdeffecten van de variabelen geslacht, etniciteit en SES significant. De interactie-effecten tussen deze variabelen waren niet significant. Meisjes nemen gemiddeld bijna een half uur wiskunde minder op dan vergelijkbare jongens en leerlingen die zich één categorie hoger bevinden wat de SES betreft nemen gemiddeld 0.2 uren wiskunde meer op. Meisjes worden voorspeld 0.43 uren wiskunde minder op te nemen dan jongens, ook als ze even intelligent zijn, gelijk presteerden bij de aanvang van het secundair onderwijs, enzovoort. Het hoofdeffect van etniciteit is niet significant. Het effect van de SES is in vergelijking met dit in de analyse van het bereikte onderwijsniveau eerder groot te noemen. Leerlingen uit één categorie hoger op de SES-variabele nemen gemiddeld 0.19 uren meer wiskunde per week op. Het resultaat van de effecten van geslacht, etniciteit en SES, onder controle van de leerlingkenmerken bij intrede in het secundair onderwijs kan in verwachte waarden worden uitgedrukt. De referentiecategorie, met een gemiddelde score op het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs gelijk aan het intercept, wordt

63

gevormd door de autochtone jongens uit het ASO met een SES gelijk aan nul en een gemiddelde score op de overige variabelen. De verwachte waarden staan in Tabel 41, de grafische voorstelling hiervan is af te lezen in Grafiek 19. Grafiek 19: Voorspelde waarden voor het aantal uren wiskunde per week opgenomen in het zesde leerjaar algemeen secundair onderwijs onder controle van de uitgebreide controlevariabelen

Uren wiskunde


5.4 5.2 5.0 4.8 4.6 4.4 4.2 4.0

Autochtone Jongens Autochtone Meisjes Allochtone Jongens* Allochtone Meisjes*

-2

-1

0

1

SES * De regressielijnen van de twee groepen jongens vallen samen. Idem voor de meisjes.

Tabel 41: Voorspelde waarden voor het aantal uren wiskunde per week opgenomen in het zesde leerjaar algemeen secundair onderwijs onder controle van de uitgebreide controlevariabelen

Autochtoon

Allochtoon

SES -2 -1 0 1

Jongens 4.71 4.90 5.09 5.29

Meisjes 4.28 4.47 4.66 4.85

-2 -1 0 1

4.71 4.90 5.09 5.29

4.28 4.47 4.66 4.85

c) Covariaties tussen schoolresidu’s Tot slot bekijken we de covarianties tussen de gestandaardiseerde schoolresidu’s van de variabele prestaties en het intercept. De covariantie kan omgerekend worden naar de meer betekenisvolle correlatie die in Tabel 42 terug te vinden is.

64

Tabel 42: Correlatie tussen de schoolresidu’s van het intercept en de variabele prestaties in de analyse van het aantal uren wiskunde per week opgenomen in het zesde leerjaar secundair onderwijs Uren wiskunde covariantie Intercept-Prestaties

correlatie 0.70

We zien hier dat hoe meer uren wiskunde gemiddeld opgenomen worden in een school hoe sterker het effect is van de prestaties op het aantal uren wiskunde dat opgenomen wordt. Wellicht moeten we bij het interpreteren van die vaststelling ook rekening houden met het feit dat in ASO-scholen gemiddeld meer uren wiskunde zullen gevolgd worden, en dat in die scholen de keuze van een richting wellicht meer op de voorafgaande prestaties gebaseerd is.

4.3.3.3

Vergelijking van de analyse van het bereikte onderwijsniveau en die van het aantal opgenomen uren wiskunde

De vergelijking van het bereikte onderwijsniveau en het aantal opgenomen uren wiskunde, geeft buiten het gender-effect dezelfde tendensen weer. Er is geen significant effect van etniciteit en het effect van SES is steeds positief voor alle leerlingen. In de analyse van het aantal uren wiskunde is het effect van de SES wel beduidend groter dan in de analyse van het hoogst bereikte onderwijsniveau. In beide analyses vonden we geen significante interacties tussen de variabelen geslacht, etniciteit en SES. We kunnen er nog aan toevoegen dat we in de modellenopbouw hebben gezien dat de variabele vóór het secundair onderwijs opgelopen vertraging geen significante verbetering leverde in de analyse van het aantal uren wiskunde. Dit komt doordat het merendeel van de leerlingen die in de analyse opgenomen zijn (namelijk de ASO, TSO en KSO leerlingen) op de modale leeftijd het secundair onderwijs heeft aangevat. Dezelfde redenering kunnen we maken voor de variabele Startricht. Tweederden van de leerlingen werden immers zonder twijfel het leerjaar A aangeraden. Een bijkomende analyse toont tevens aan dat de variabele Prognose reeds een groot deel van de variatie in de leerkrachtbeoordeling weergeeft waardoor het unieke effect van de aangeraden startrichting zeer klein wordt. De impact van de aanvangsprestaties en de intelligentie kwam vooral tot uiting bij de analyse van het aantal uren wiskunde. Dit was ook het geval voor het effect van SES. De analyse van de keuze voor een aantal uren wiskunde kan volgens ons gezien worden als een aanvulling op de analyse van het bereikte onderwijsniveau. Een groot deel van de betreffende variantie valt in de analyse van het bereikte onderwijsniveau immers buiten het blikveld aangezien leerlingen van een zelfde leerjaar in het ASO, KSO of het TSO allen een gelijke afstand tot universitair onderwijs hebben. De analyse van het aantal uren wiskunde differentieerde dan ook in grotere mate tussen de leerlingen in deze onderwijsvormen. Daarnaast viel op dat enkel in de analyse van het aantal uren wiskunde er significante interacties optraden met de variabele Prestaties. In de analyse van het bereikte onderwijsniveau traden er significante interacties op met de variabelen betreffende de leerkrachtbeoordeling, namelijk de prognose over het onderwijsniveau dat de leerling zal bereiken en de aangeraden startrichting in

65

het eerste leerjaar van het secundair onderwijs. Tevens vonden we daar een interactie tussen etniciteit en prestatiemotivatie. Tot slot zagen we dat de gemiddelde SES van de leerlingen in een school een sterke invloed uitoefent op het bereikte onderwijsniveau en op het aantal uren wiskunde dat in het zesde leerjaar secundair onderwijs opgenomen wordt. De effecten van SMSES in de twee analyses zijn echter tegengesteld aan elkaar. Op het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs heeft het een positief effect, op het aantal uren wiskunde een negatief effect. Waarschijnlijk houdt het feit dat voor de onderwijsvorm gecontroleerd wordt hiermee verband aangezien de SES van de leerlingen alsook de gemiddelde SES van een school samenhangt met de onderwijsvorm.

66

4.4 Vergelijking van de beperkte en de uitgebreide modellen Hieronder vergelijken we de resultaten van de beperkte analyses en de uitgebreide analyses voor het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs en voor het aantal uren wiskunde opgenomen in het zesde leerjaar secundair onderwijs. Eerst bekijken we de veranderingen van de effecten van de controlevariabelen om daarna de veranderingen van de (interactie-) effecten van geslacht, etniciteit en socio-economische status te belichten.

A) Vergelijking van de controlevariabelen De opname van de extra controlevariabelen in de uitgebreide modellen verandert weinig aan de effecten van de aanvangsprestaties en de intelligentie bij aanvang van het secundair onderwijs en dit met betrekking tot beide criteria. De impact van de intelligentie is gelijkaardig in de beperkte en de uitgebreide modellen. In de analyse van het aantal uren wiskunde zien we dat bij opname van de extra controlevariabelen het netto-effect van de prestaties lichtjes daalt terwijl dit in de analyses van het bereikte onderwijsniveau lichtjes stijgt.

B) Vergelijking van de interactievariabelen geslacht, etniciteit en SES Voor de impact van de interactievariabelen geslacht, etniciteit en SES zien we belangrijkere wijzigingen. Het meest opvallend is de gewijzigde impact van het geslacht en dit in beide analyses. Naarmate voor meer kenmerken gecontroleerd wordt stijgt het unieke effect van geslacht en dit is het meest uitgesproken in de analyse van het bereikte onderwijsniveau (de coëfficiënt stijgt van 0.29 tot 0.42). De twee andere hoofdeffecten blijven nagenoeg ongewijzigd. De impact van SES blijft stabiel hoewel we in beide analyses een belangrijk effect van de gemiddelde SES van de leerlingen in een school vinden. Wat de etniciteit betreft zien we dat in de analyse van het hoogst bereikte onderwijsniveau het effect onder controle van de extra variabelen niet significant wordt. In de analyse van het aantal uren wiskunde zien we dat de interactie tussen etniciteit en de prestaties een significante verbetering van het model met zich meebrengt terwijl het hoofdeffect onveranderd en niet significant blijft. Het tweedeorde interactie-effect van etniciteit met SES uit de analyse van het aantal uren wiskunde verdwijnt in de uitgebreide analyses alsook het tweedeorde interactie-effect van geslacht en etniciteit en het derdeorde interactie-effect in de analyse van het hoogst bereikte onderwijsniveau. Naarmate meerdere controlevariabelen opgenomen worden nemen de nettoeffecten van de interacties tussen geslacht, etniciteit en SES af en wel in die mate dat ze geen verbetering van de fit van het model meer met zich brengen.

67

5 Algemeen besluit We stelden ons de vraag welke effecten van geslacht, etniciteit en socio-economische status optreden met betrekking tot het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs en met betrekking tot het aantal uren wiskunde dat in het algemeen, kunst- en technisch secundair onderwijs opgenomen wordt in het zesde leerjaar. Mer specifiek wilden we weten of deze effecten additief zijn of dat er complexe interacties optreden. Daarnaast wilden we het secundair onderwijs evalueren op zijn bijdrage aan deze effecten. Over alle analyses heen zagen we een duidelijk verschil tussen de geslachten op de voorspelde waarden van de afhankelijke variabelen. Met betrekking tot wiskunde zagen we dat meisjes nog steeds minder voor wiskundig georiënteerde richtingen kiezen. Bij het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs zagen we echter dat meisjes een voorsprong hebben op jongens. Met betrekking tot de socio-economische status zagen we dat met betrekking tot beide criteria een positief effect optreedt voor de autochtone jongeren. Hoe hoger de socio-economische status van een leerling, hoe hoger het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs en hoe meer uren wiskunde de leerling opneemt in zijn of haar laatste leerjaar secundair onderwijs. Voor de allochtone jongeren is dit beeld complexer. Voor allochtone meisjes stelden we steeds een positief effect van de socio-economische status op het bereikte onderwijsniveau vast maar dit was niet altijd het geval in de analyses van het aantal uren wiskunde. Hier zagen we geen effect van de socio-economische status in de analyse zonder controlevariabelen, een negatief effect na opname van de controlevariabelen prestaties, intelligentie en beoordeling door de leerkracht lager onderwijs en een positief effect in de uitgebreidere analyse met opname van de extra controlevariabelen (namelijk ook controle voor de prognose van het bereikte onderwijsniveau door de leerkracht lager onderwijs, de prestatiemotivatie, de interacties tussen prestaties en etniciteit en tussen prestaties en SES en de gemiddelde SES en de geslachtsverhouding van een school). Bij allochtone jongens vonden we enkel een overtuigend positief effect van de socioeconomische status voor de analyse van het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs met de uitgebreide controlevariabelen. In de andere analyses met betrekking tot het bereikte onderwijsniveau werd geen effect gevonden. Wat het effect van SES betreft in de analyse van het aantal uren wiskunde in het zesde jaar secundair onderwijs, vonden we voor de allochtone jongens dezelfde effecten als voor de allochtone meisjes. Bij beide subgroepen vonden we geen effect van de socio-economische status in de analyse zonder controlevariabelen, een negatief effect bij opname van de controlevariabelen prestaties, intelligentie en beoordeling door de leerkracht lager onderwijs en een positief effect in de uitgebreide analyse met opname van de extra controlevariabelen.

68

Tot slot vonden we enkel bij jongens aanwijzingen voor een mogelijk negatieve impact van de allochtone etniciteit op het bereikte onderwijsniveau. Echter in twee van de vijf analyses was het niet mogelijk de allochtone jongens te onderscheiden van de autochtone jongens. Voor allochtone meisjes besluiten we dat ze een onderwijspositie behalen gelijk aan die van autochtone meisjes die gelijkaardig zijn bij de start van het secundair onderwijs wat de variabelen betreft die in onze analyses werden opgenomen. Als we niet controleren voor intredekenmerken of andere kenmerken vinden we wel een achterstand van de allochtone meisjes ten opzichtte van de autochtone meisjes. De allochtone meisjes bereiken echter nooit een onderwijsniveau dat lager is dan dat van autochtone jongens, ook niet als gecontroleerd wordt voor intredekenmerken. Indien gecontroleerd wordt voor intrede- en andere kenmerken bereiken allochtone meisjes een zelfde onderwijsniveau als autochtone meisjes. Hier willen we er uitdrukkelijk op wijzen dat dit niet het geval is als we de totale effecten bekijken, dit wil zeggen de effecten van het geslacht, de socio-economische status en de etniciteit zonder controle voor aanvangs- en andere kenmerken van de leerling. Het feit dat allochtone meisjes slechter scoren voor de schoolse prestaties en de intelligentie vóór de aanvang van het secundair onderwijs mag volgens ons niet zondermeer als rechtvaardiging gezien worden van hun feitelijk lagere positie in het onderwijs zes jaar na intrede in het secundair onderwijs. We mogen er immers vanuit gaan dat die aanvangsmetingen hun mogelijkheden onderschatten. Met betrekking tot de analyse van het aantal uren wiskunde vonden we geen eenduidige aanwijzing voor een negatief effect van etniciteit. Indien enkel gecontroleerd wordt voor de aanvangsprestaties en –intelligentie en de beoordeling van de leerkracht lager onderwijs zagen we dat allochtone leerlingen met een lage SES meer uren wiskunde opnemen dan vergelijkbare autochtone leerlingen, maar ook dat autochtone leerlingen met een hoge SES meer uren wiskunde opnemen dan vergelijkbare allochtone leerlingen. In het model zonder controlevariabelen zagen we in de hogere SES-categorieën dat allochtone jongeren minder uren wiskunde opnemen dan autochtone jongeren. In het model met de uitgebreide controle vinden we geen verschil tussen vergelijkbare autochtone en allochtone leerlingen. Over de bijdrage van het secundair onderwijs aan de effecten kunnen we kort zijn. Voor het bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs vonden we dat het effect van geslacht vergroot en dat de effecten van SES en van etniciteit verkleinen. Wat de analyse van het aantal uren wiskunde betreft zien we dat de effecten van geslacht en SES verkleinen en dat het negatieve effect van etniciteit niet significant wordt. Met andere woorden, we zien dat het secundair onderwijs wel corrigeert voor de achterstand van meisjes met betrekking tot het aantal uren wiskunde dat ze opnemen in het zesde leerjaar van het secundair onderwijs maar anderzijds dat het ook bijdraagt aan de achterstand van jongens met betrekking tot het hoogst bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs.

69

Bibliografie Boudon, R. (1973). Education, Opportunity, and social Inequality. Changing Prospects in Western Society. New York: Wiley & Sons Publications. Bourdieu, P. (1999). Distinction. A Social Critique of the Judgement of Taste. Padstow, Cornwall: T.J. Press Ltd. Caestecker, F. (2001). De geschiedenis van grensoverschrijdende migraties uit en in Vlaanderen, weinig grensverleggend onderzoek. In: J. Vranken, C. Timmerman & K. Van Der Heyden, (red.) (2001). Komende Generaties. Wat weten we (niet) over allochtonen in Vlaanderen ? (pp. 71-98). Leuven: Acco. *Coetsier, L., Geenens-Thurman, M. & Coetsier, P. (1964). Opbouw en analyse van een differentiële geschiktheidsbatterij voor het einde van het lager en de aanvang van het secundair onderwijs. Mededelingen van het Laboratorium voor toegepaste psychologie en de Dienst voor studieadvies bij de Rijksuniversiteit te Gent. Gent: Laboratorium voor toegepaste psychologie. RUG. Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences. Second edition. Hillsdale, New Jersey: Erlbaum Associates. Coleman, J.S., Campbell, E.Q. & Hobson, C.J. (1966). Equality of educational opportunity. ERIC reports OE 38001, Washington (D.C.): US Department of health, education and welfare. Office of education. Coleman, J.S. (1968). The Concept of Equality of Educational Opportunity. Harvard Educational Review, 38, 7-22. Coulon, A. (1993). Ethnométhodologie et Éducation. Paris: Presses universitaires de France. *De Froidmont, R. & Mortier, V. (1975). PMT-K : Vlaamse versie 1975. Amsterdam: Swets & Zeitlinger. Dekkers, H.P.J.M., Bosker, J.R. & Driessen, G.W.J.M. (2000). Complex Inequalities of Educational Opportunities. A Large-Scale Longitudinal Study on the Relation Between Gender, Social Class, Ethnicity and School Success. Educational Research and Evaluation, 6, 59-82.

70

Dronkers, J. (1986). Onderwijs en sociale ongelijkheid. In: J.A. van Kemenade, N.A.J. Lagerwey, J.M.G. Leune & J.M.M. Ritzen (red.). Onderwijs: bestel en beleid, deel 2a. (pp. 41138) Groningen: Wolters-Noordhoff. *Gayle, R. (1975). The Traffic in Women – Notes on the ‘Political Economy’ of Sex.. In: Reiter, R. (red): Toward an Anthropology of Women. (pp. 157-210) New York: Monthly Review Press. *Hermans, H.J.M. (1976). PMT-K: Prestatie Motivatie Test voor kinderen. Amsterdam: Swets & Zeitlinger. Jencks, C. (1972). Inequality. A reassessment of the Effect of Family and Schooling in America. New York, London: Basic Books. Karabel, J. & Halsey, A.H. (ed.) (1977). Power and Ideology in education. New York, Oxford: Oxford University Press. *Keeves, J.P., Kotte, D. (1994). Sex differences and educational outcomes. In T. Husen & T.N. Postelthwaite (red.), The International Encyclopedia of Education 1994, (Vol. 2, pp. 542355433). Lacante, M. & Schodts, L. (1997). Studie- en beroepskeuze van Universiteitsstudenten. Een empirisch onderzoek. Research centre motivation and time perspective. Research report no 72. KU Leuven. Lammertyn, F. (1987). Sociale ongelijkheid en universiteit. Onze Alma Mater, 41, 151-185. Lammertyn, F. (1992). Het Hoger Onderwijs Buiten de Universiteit. De Gids op Maatschappelijk Gebied, 81(8), 669-684. Magnuson, K. A.. & McGroder, S. (2002). The effect of increasing welfare mothers’ education on their young children’s academic problems and school readiness. Joint Center for Poverty Research. Working Paper 280. Marjoribanks, K. (2002). Family and School Capital. Towards a Context Theory of Students’ School outcomes. Dordrecht, Boston, London: Kluwer Academic Publishers. Martens, A. & Caestecker, F., (2001). De algemene beleidsontwikkelingen sinds 1984. In: J., Vranken, C., Timmerman & K., Van Der Heyden, (red.) (2001). Komende Generaties. Wat weten we (niet) over allochtonen in Vlaanderen ? (pp. 99-127). Leuven: Acco. Ministerie van de Vlaamse Gemeenschap (MVG) (2002). Statistisch Jaarboek van het Vlaams Onderwijs. Schooljaar 2001-2002. Brussel: Ministerie van de Vlaamse Gemeenschap, Departement Onderwijs.

71

Nicaise, I. (2001). Onderwijs en sociale achterstelling: Opnieuw ontwaken uit de al te mooie wensdroom? Tijdschrift voor Onderwijsrecht en Onderwijsbeleid, 5-6, 383-392. OECD (2002). Education at a glance. OECD Indicators 2002. Paris: OECD. *Peng, S., Huang, G. & Hill, S. (1998). Understanding non-Asian minority underrepresentation in science and engineering fields. Paper presented at the Annual Meeting of the American Educational Research in Education, San Diego. *Peng, S. & Owings, J. (1997). Understanding the learning gap of disadvantaged students. Paper presented at the Annual Meeting of the American Educational Research in Education, Chicago. Roosens, E. (1989). Cultural Ecology and Achievement Motivation. Ethnic minority youngsters in the Belgian system. In: L. Eldering & J. Kloprogge (1989). Different Cultures Same School. Ethnic minority children in Europe. (pp. 85-106). Amsterdam, Lisse: Swets & Zeitlinger. Sammons, P. (1995). Gender, ethnic and socio-economic differences in attainment and progress: A longitudinal analysis of student achievement over 9 years. British Educational Research Journal, 21 (4), 465-485. Shavit, Y. & Blossfeld, H.P. (eds.) (1993). Persistent Inequality: Changing Educational Attainment in Thirteen Countries. Boulder: Westview Press. Stinissen, J. (1986). De overgang van secundair naar hoger onderwijs. Een follow up van 6000 abituriënten – Rapport 1. Leuven, Amersfoort: Acco. Stinissen, J. (1987a). De overgang van secundair naar hoger onderwijs. Een follow-up van 6000 abituriënten – Rapport 2. Leuven, Amersfoort: Acco. Stinissen, J. (1987b). De overgang van secundair naar hoger onderwijs. Een follow-up van 6000 abituriënten – Rapport 3. Leuven, Amersfoort: Acco. Tan, B., (1998). Blijvende sociale ongelijkheden in het Vlaamse onderwijs. CSB Berichten, Antwerpen, Ufsia. Centrum voor Sociaal Beleid Antwerpen. Van Boxtel, H.W., Snijders, J.Th. & Welten, V.J. (1982). Interesse schoolvorderingen intelligentie (ISI). Groningen: Wolters-Noordhoff.

Van Damme, J., De Troy, A., Meyer, J. Minnaert, A., Lorent, G., Opdenakker, M.-C. & Verduyckt, P. (1997). Succesvol doorstromen in de aanvangsjaren van het secundair onderwijs. Leuven: Acco. Van Damme, J., Meyer, J., De Troy, A. & Mertens, W. (2001). Succesvol middelbaar onderwijs? Een antwoord van het LOSO-project. Leuven, Leusden: Acco. 72

Van Damme, J., De Fraine, B., Van Landeghem, G., Opdenakker, M.-C. & Onghena, P. (2002). A New Study on Educational Effectiveness in Secondary Schools in Flanders: An Introduction. School Effectiveness and School Improvement. 13(4), 383-397. Vandekerckhove, L. & Huyse, L. (1976). In de buitenbaan: arbeiderskinderen, universitair onderwijs en sociale ongelijkheid. Antwerpen: Standaard. Van der Heyden, K. & Michielsens, M. (2001). Tweemaal anders. Vrouwelijke allochtonen in het Vlaamse onderzoek. In: J. Vranken, C. Timmerman & K. Van Der Heyden, (red.) (2001). Komende Generaties. Wat weten we (niet) over allochtonen in Vlaanderen ? (pp. 283-295) Leuven: Acco. Verhoeven, D., Vandekerckhove, L. & Huyse, L. (1992). In de buitenbaan… nog steeds? De (on)aantrekkelijkheid van intellectuele beroepen voor het arbeidersmilieu. Leuven: Acco. Verlot, M. (2001). Van een beekje naar een stroom. Vijftien jaar onderzoek naar onderwijs aan migranten in Vlaanderen (1985-1999). In: J. Vranken, C. Timmerman & K. Van Der Heyden, (red.) (2001). Komende Generaties. Wat weten we (niet) over allochtonen in Vlaanderen ? (pp. 179-212) Leuven: Acco. Young, M. (1967). The rise of the meritocracy 1870-2033: An essay on education and equality. Harmondsworth: Pelican Books.

* Deze werken werden niet geraadpleegd.

73

Bijlagen

74

Tabel 43: Verdeling van OndNiv bij alle leerlingen uit de steekproef OndNiv 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 6 Totaal

aantal

%

23

0.39

2 61

0.03 0.95

78

1.22

135 15

2.11 0.23

328

5.12

39 1063

0.61 16.60

34

0.53

1731

27.03

2896

45.21

6405

100.00

Gemiddelde = 5.00

Tabel 44: Verdeling van het aantal uren wiskunde waarvoor men in het zesde leerjaar secundair onderwijs heeft gekozen bij alle leerlingen in het ASO, KSO en TSO uit de steekproef

UrenWisk 1 2 3 4 5 6 7 8 Totaal

Totaal % aantal 1 880 1091 707 51 897 18 340

0.03 22.08 27.38 17.74 1.28 22.51 0.45 8.53

3985

100.0

Gemiddelde = 4.10

75

Tabel 45: Procentuele verdeling van respondenten over de categorieën geslacht, etniciteit en socio-economische status en het gemiddelde bereikte onderwijsniveau zes jaar na intrede in het secundair onderwijs voor alle leerlingen waarvan het geslacht, de SES en de etniciteit gekend is Geslacht Etniciteit SES -2 -1 0 1 Totaal


3.8 15.2 10.4 13.5 43.0

Meisje


4.4 1.9 0.5 0.3 7.1


Allochtoon gemid. %

3.8 14.5 10.5 13.4 42.3

4.42 4.90 4.78 5.35 4.63

4.5 2.2 0.6 0.3 7.6

Tabel 46: Procentuele verdeling van respondenten over de categorieën geslacht, etniciteit en socio-economische status en het gemiddelde aantal uren wiskunde opgenomen in het zesde leerjaar secundair onderwijs voor alle leerlingen waarvan het geslacht, de SES en de etniciteit gekend is Geslacht Etniciteit SES -2 -1 0 1 Totaal


1.8 12.2 11.2 17.7 43.2

Meisje


1.4 1.1 0.4 0.3 3.8


2.2 14.1 13.6 19.3 48.0


2.2 1.7 0.4 0.3 5.0

76

Tabel 47: Verdeling van de leerlingen over de verschillende studierichtingen opgedeeld volgens onderwijsvorm en aantal lesuren wiskunde UrenWisk 2

3

4

5

6

7

8

ASO omschrijving_studierichting Economie-moderne talen Grieks-latijn Latijn-moderne talen Menswetenschappen Economie-moderne talen Grieks-latijn Latijn-moderne talen Menswetenschappen Economie-moderne talen Grieks-latijn Grieks-wetenschappen Latijn-moderne talen Latijn-wetenschappen Menswetenschappen Moderne talen-wetenschappen Sport-wetenschappen Economie-moderne talen Latijn-wetenschappen Moderne talen-wetenschappen Economie-wetenschappen Economie-wiskunde Grieks-wiskunde Latijn-wetenschappen Latijn-wiskunde Moderne talen-wetenschappen Moderne talen-wiskunde Wetenschappen-wiskunde Latijn-wiskunde Wetenschappen-wiskunde Economie-wiskunde Grieks-wiskunde Latijn-wiskunde Moderne talen-wiskunde Wetenschappen-wiskunde

Aantal % 31 1.08 4 0.14 21 0.73 53 1.85 216 7.54 41 1.43 81 2.83 127 4.43 54 1.89 8 0.28 4 0.14 19 0.66 34 1.19 13 0.45 75 2.62 21 0.73 14 0.49 18 0.63 3 0.10 1 0.03 219 7.65 1 0.03 14 0.49 107 3.74 1 0.03 108 3.77 132 4.61 5 0.17 7 0.24 3 0.10 8 0.28 91 3.18 2 0.07 99 3.46 57.09 subtotaal 1635

77

UrenWisk

2

3 6

UrenWisk

2

3

KSO omschrijving_studierichting Architecturale kunst Artistieke opleiding Audio-visuele kunst Audio-visuele vorming Beeldende vorming Binnenhuiskunst Muziek Toegepaste beeldende kunst Vrije beeldende kunst Woordkunst-drama Industriële kunst Architecturale vorming

TSO omschrijving_studierichting Autotechnieken (tso) Bijzondere jeugdzorg Bouwkundig tekenen Bouwtechnieken Elektrotechnieken Fijnmechanische technieken Fotografie Grafische technieken (tso) Handel Hotel (tso) Houttechnieken Koel- en warmtetechnieken Kunststoftechnieken Lichamelijke opvoeding en sport Mechanische vormgevingstechnieken Mode en kleding Onthaal en public relations Optiek Ortopedische technieken Schoonheidsverzorging Secretariaat-talen Sociale en technische wetensch. Tandtechnieken Toerisme Verpleegaspiranten Apotheekhulp Chemie Elektriciteit Elektromechanica

Aantal % 15 0.52 5 0.17 3 0.10 1 0.03 7 0.24 7 0.24 6 0.21 7 0.24 10 0.35 1 0.03 1 0.03 7 0.24 70 subtotaal 2.44

Aantal 37 24 1 3 51 13 4 9 17 11 14 2 1 26 50 8 33 1 1 23 81 13 1 27 15 1 10 4 4

% 1.29 0.84 0.03 0.10 1.78 0.45 0.14 0.31 0.59 0.38 0.49 0.07 0.03 0.91 1.75 0.28 1.15 0.03 0.03 0.80 2.83 0.45 0.03 0.94 0.52 0.03 0.35 0.14 0.14

78

3

4

5

6 8

Elektronica Handel Hotel (tso) Industriële informatica Landbouw (tso) Lichamelijke opvoeding en sport Mechanica Sociale en technische wetensch. Tuinbouw (tso) Boekhouden-informatica Bouwkunde Chemie Chemie-voeding Elektriciteit Elektromechanica Elektronica Grafische wetenschappen Industriële informatica Lichamelijke opvoeding en sport Sociale en technische wetensch. Biotechniek Elektriciteit Industriële wetenschappen Informatica Techniek-wetenschappen Industriële wetenschappen Subtotaal TOTAAL

5 0.17 178 6.22 1 0.03 2 0.07 1 0.03 1 0.03 4 0.14 81 2.83 5 0.17 114 3.98 1 0.03 4 0.14 3 0.10 1 0.03 93 3.25 30 1.05 1 0.03 7 0.24 3 0.10 8 0.28 7 0.24 1 0.03 9 0.31 7 0.24 48 1.68 59 2.06 1159 40.47 2864 100.00

79

Hieronder volgt een frequentieverdeling van het geboorteland (of streek, stad, dorp…) van beide ouders van de allochtonen zoals dit door de ouders zelf werd opgegeven. 34 leerlingen zijn hier niet in opgenomen omdat voor hen de etniciteit bepaald werd op basis van verschillende andere variabelen waaronder de voornaamste de thuistaal is. Tabel 48: Verdeling van de allochtone leerlingen volgens het geboorteland van de vader en van de moeder zoals dit door hen werd opgegeven EtnieGroep

Zuid-Europa

Geboorteland Vader

Arcevia Bisenti Caltanissetto Emada Favignana Italië Frankrijk Genk (België) Griekenland Griekenland Griekenland Italië Italië Italië Italië Italië Italië Italië Italië Italië Italië Joegoslavie Ligo ? Lucca Messina ? Nederland P. Onistano P. Teramo Pescara ? Porto Empedoele Posada Sardegna Reggio Nalobrio Ruoti (pz) Sicilie Sicilië Spanje Spanje Spanje

Geboorteland Moeder Italië Portugal Spanje Arcevia Rionero Sanitico Aprigliano Emada Cattolica Eraclea Delianuova (Italië) Griekenland Italië België Catania ? Dodria Rovigo Engeland Griekenland Italië Joegoslavie Portugal Spanje Spanje Galipoli ? Altavilla Italië Agrigento Genk Porto Empedocle Genk Reggio Nalobrio Genk Sicilië Polen Portugal

Aantal

% 24 28 2 14 1 1 1 1 1 1 1 7 16 1 75 1 1 1 1 1 46 1 1 4 1 1 1 1 1 1 1 1 1 1 1 1 2 2 9 1 1

4.28 4.99 0.36 2.50 0.18 0.18 0.18 0.18 0.18 0.18 0.18 1.25 2.85 0.18 13.37 0.18 0.18 0.18 0.18 0.18 8.20 0.18 0.18 0.71 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.36 0.36 1.60 0.18 0.18

80

Spanje Suni Tollo Tricarico ? Tropea Villagrande

Spanje Ruvo del Monte Pollutri Tropea Posada Marokko Tunesië Turkije Zaïre

Noord Afrika & Turkije

Totaal

Algerije Algerije Algerije België Beni slaman Cassablanca Edirne Enzurm Frankrijk Gariantep Giresum ? Igdir kars Irak Kars Kayseri Kirsehir Konya M. ? Marokko Marokko Nazilli Çankiri Posof Trabzon Turkije Turkije Yozgat Zonguldak Pakistan

Algerije Frankrijk Turkije Azagar Ben suleyman Edirne Izmir Marokko Gariantep Giresum ? Igdir kars Zonguldak Kayseri Kirsehir Konya M. ? Marokko Atuv Dendik Posof Trabzon Turkije Yozgat Zonguldak

17 3.03 1 0.18 1 0.18 1 0.18 1 0.18 1 0.18 10 1.78 1 0.18 1 0.18 1 0.18 1 0.18 1 0.18 3 0.53 1 0.18 3 0.53 1 0.18 1 0.18 1 0.18 1 0.18 1 0.18 2 0.36 1 0.18 1 0.18 1 0.18 1 0.18 2 0.36 2 0.36 1 0.18 1 0.18 2 0.36 32 5.70 1 0.18 1 0.18 1 0.18 1 0.18 2 0.36 198 35.29 1 0.18 2 0.36 1 0.18 561 100.00

81

Ongelijke kansen in het secundair onderwijs in Vlaanderen

Recommend Documents