Als het goed is analyseren jullie op school de toetsresultaten. Dan heb ik het nu even over de genormeerde toetsen, dus de M- en de E-afname.
Maar wat zie je hiervan eigenlijk terug in de klas? Merk je als IB’er/KC’er of directeur dat er daadwerkelijk iets verandert? En dan is misschien het pijnlijke antwoord: “weinig”. Dan kan dit nog wel eens liggen aan de ‘data-geletterdheid’ van de leerkrachten. In deze blog lees je waarom dat gebeurt én hoe je dit oplost.
Herken je dit?
Misschien herken je dit dan ook wel:
→ Leerkrachten starten met tegenzin aan de analyse (lees: na 4 keer een herinnering geven heeft de helft van de leerkrachten een analyse gemaakt).
→ Halverwege klinkt: “Wat zeggen deze cijfers nu eigenlijk?”
→ Het blijft bij analyseren.. wat de leerkrachten er nu daadwerkelijk mee gaan doen in de klas wordt nergens duidelijk.
En daarin ben je dan echt niet de enige. Ik hoor en zie dit op veel scholen gebeuren. En je kunt je dan afvragen: waarom laten we de leerkrachten dan analyseren als het niks oplevert?
Dan is het maar goed dat jij weet dat goed analyseren juist enorm waardevol is. Door scherp zicht te hebben op onderwijsresultaten, te reflecteren op het handelen van de afgelopen maanden en op basis daarvan doelen en acties op te stellen, werk je gericht aan betere onderwijskwaliteit.
Maar hoe kan het dan dat toetsresultaten analyseren zo vaak niet oplevert wat je verwacht?
Laten we daar eens een analyse op loslaten ;).
Waar gaat het mis?
Ik kan je vertellen: dat ligt vaak niet aan motivatie of inzet van de leerkrachten. Ook al lijkt dit wel zo, maar er zit iets anders onder.. Vaak ontbreekt het aan voldoende data-geletterdheid binnen het team. Wat die data-geletterheid precies inhoudt, vind je hieronder.
Tip: check bij elk punt gelijk even: hoe staat dit ervoor in ons team?
4 redenen waarom analyses vastlopen
1. Kunnen leerkrachten doelen stellen?
Dan wil je dat leerkrachten doelen kunnen formuleren voor hun groep én uitleggen waarom die doelen passend zijn.
Bijvoorbeeld: de volgende afname heb ik als doel om 3,5 niveauwaarde te behalen met de groep, want qua populatie zouden we zeker ruim boven het landelijk gemiddelde moeten kunnen scoren.
Of: Ik wil groei zien in het aantal III-leerlingen, omdat ik extra instructie ga geven op hiaten bij IV- en V-scorende leerlingen.
Heldere doelen stellen is een belangrijk onderdeel van opbrengst gericht werken. En zonder doel kun je ook niet scoren.
2. Weten ze hoe ze de data kunnen verzamelen?
Weten leerkrachten waar ze moeten klikken om de juiste overzichten te krijgen?
Misschien is dat gesneden koek voor jou als IB/KC of directeur, maar veel leerkrachten werken hier niet dagelijks mee.
Een goede groepsanalyse maken is dan (zacht uitgedrukt) best lastig. Een knoppencurcus en een korte handleiding met de stappen voor het krijgen van de juiste overzichten kan dan wonderen doen.
3. Kunnen leerkrachten de resultaten analyseren en interpreteren?
Kunnen ze benoemen wat positief en negatief opvalt aan de resultaten van hun groep?
Om dit goed te kunnen doen..en dus niet alleen op basis van welk gevoel ze erbij hebben, want dan krijg je nogal een gekleurde analyse. Het helpt als ze weten:
-
- wat de schoolpopulatie is (weten ze wat de schoolweging concreet inhoudt en wat dit dan betekent voor hun groep?)
-
- welke schooldoelen of ambities gelden
-
- wat het landelijk gemiddelde is
-
- hoe eerdere resultaten eruitzagen
Dan weten ze ook wanneer iets opvalt en wanneer resultaten tegenvallen.
Daarna komt de volgende stap: reflecteren op wat wel en niet heeft gewerkt.
En dan nog een kunstvorm ;): verklaringen binnen de eigen invloed houden.
4. Kunnen ze acties bepalen?
Als leerkrachten de analyse hebben gemaakt, kunnen ze dan ook concrete acties bedenken? Let op: heel erg belangrijk en over het algemeen iets wat vaak niet lukt.
Weten ze:
-
- wat helpt bij zwak automatiseren?
-
- welke interventies werken?
-
- hoe instructie aangepast kan worden?
-
- hoe aanbod sterker gemaakt wordt?
En dit is dan zo belangrijk om te kunnen voor een leerkracht. Want blijft het analyseren bij analyseren en volgen er geen acties, dan hebben leerkrachten die zeggen:
“Het heeft helemaal geen zin dat we dit doen.”…eerlijk gezegd gewoon gelijk.
Kort gezegd
Als leerkrachten niet weten:
-
- wat ze doen
-
- hoe ze dit moeten duiden
-
- en wat ze ermee moeten doen
Dan blijft analyseren een verplicht nummer en helpt dat de onderwijskwaliteit niet vooruit. En is er dus werk aan de winkel.
Hoe staat het bij jouw team?
Heb je meegeschreven of gedacht:)? Wat wordt beheerst en wat kan nog beter bij jullie?
En dan de kunst om als intern begeleider, kwaliteitscoordinator en directeur ook deze vraag te beantwoorden: hoe komt het dat dit nog niet wordt beheerst?
Misschien kom je dan wel tot de conclusie: wij hebben hier nog nauwelijks in geinvesteerd.
Of om het nog wat formeler 😉 te zeggen: we hebben niet geïnvesteerd in professionalisering rondom datagebruik.
Tijd om dat te veranderen
Met mijn praktisch onderwijsadvies begeleid ik scholen bij het versterken van datagebruik, analysevaardigheden en het verbeteren van de onderwijskwaliteit.
Voor scholen of besturen
Willen jullie als school of bestuur meerdere teams versterken in datagebruik en analysevaardigheden?
Neem dan hier contact op voor een maatwerktraject.
Voor IB/KC
Liever wat meer dit zelf op pakken met kant en klare formats en een heldere werkwijze van mij? In mijn online training voor IB’ers en KC’ers leer je hoe je leerkrachten begeleidt van toetsresultaten naar concrete verbeteracties in de klas.
Gebruikte bronnen:
Hegestedt, R., Nouri, J., Rundquist, R. ., & Fors, U. (2023). Data-driven school improvement and data-literacy in K-12: Findings from a Swedish national program. International Journal of Emerging Technologies in Learning (iJET), 18(15),189–208. https://doi.org/10.3991/ijet.v18i15.37241
Mandinach, E. B., & Gummer, E. S. (2016). Data literacy for educators: Making it count in teacher preparation and practice. Teachers College Press.
