Veel scholen analyseren toetsresultaten, maar zien te weinig terug in de klas. In dit blog lees je waarom dat gebeurt én hoe je dit oplost.
Herken je dit?
→ Leerkrachten starten met tegenzin aan de analyse.
→ Halverwege klinkt: “Wat zeggen deze cijfers nu eigenlijk?”
→ Er volgen geen concrete acties.
→ Er verandert uiteindelijk weinig in de klas.
Dan ben je niet de enige. Dit zie ik op veel scholen terug.
Waar gaat het mis?
Als het goed is maken ook jouw leerkrachten analyses na de M- en E-afname. Toch besteden veel scholen hier tijd aan, zonder dat het echt iets oplevert voor de klas.
Dat ligt lang niet altijd aan motivatie of inzet. Vaak ontbreekt er iets anders: voldoende data-geletterdheid binnen het team.
Terwijl 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 ;).
4 redenen waarom analyses vastlopen
1. Kunnen leerkrachten doelen stellen?
Dan wil je dat leerkrachten doelen kunnen formuleren 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.
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.
3. Kunnen leerkrachten de resultaten analyseren en interpreteren?
Kunnen ze benoemen wat positief en negatief opvalt aan de resultaten van hun groep?
Het helpt als ze weten:
-
- wat de schoolpopulatie is
-
- welke doelen 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?
Weten ze:
-
- wat helpt bij zwak automatiseren?
-
- welke interventies werken?
-
- hoe instructie aangepast kan worden?
-
- hoe aanbod sterker gemaakt wordt?
Vaak is dit de lastigste stap, maar ook de belangrijkste.
Want blijft 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.
Hoe staat het bij jouw team?
Wat wordt beheerst en wat kan nog beter?
En dan de kunst om als MT 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 anders 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
In mijnonline 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.
