Målgruppen for dette seminaret var de som arbeider på programnivå og trenger å se sammenhengen mellom tiltak/resultat og analyse-/emperimateriale, i tillegg til de som arbeider sentralt i organisasjonen med å utvikle analysemetodikk og levere rapporter for lærestedet som helhet.
Universitets- og høgskolesektoren har som andre sektorer i samfunnet tilgang til en økende mengde informasjon. Dette gjelder også for de av oss som har som jobb å fremskaffe kvalitative gode data om studenter og spesielt temaer relatert til studenters suksess. For å finne fram i informasjonsmengden har vi behov for å vite hva som «ligger i» de ulike tallmaterialene og vi må ha verktøy som på en enkel måte beskriver og analyserer studentenes situasjon og hverdag. I analyseseminaret var det viktig at deltagerne kunne legge fram lokale løsninger på hvordan de arbeider med empiri for å få oversikt over studentenes studieløp.
FORKURS: Stigemodell Last ned PDF her
DEL 1: DEFINISJON AV FRAFALL
Begrepet frafall benyttes svært ulikt i ulike sammenhenger. For å forstå og tolke et empirisk materiale relatert til frafall må begrepsinnholdet defineres klart. Et eksempel kan være at DBH viser et tidskutt for oppnådde kvalifikasjoner uavhengig av når studenten startet på studiet. Et annet eksempel er de rapportene som følger et startkull og ser hvordan situasjonen er etter 3år (Bachelor).
Aktuelle spørsmål: Fra hvilket tidspunkt beregnes frafallet (Oppmøtedagen, 1. september, 15. oktober eller en annen dato)? Er det frafall når en student bytter studieprogram på samme lærested? Hva gjør man med studenter som har tidligere utdanning og ikke følger et ordinært studieopplegg? Hvordan ser vi om det er dyktige eller svake studentene som slutter.
Stikkord:
– Definisjonsmakt
– Overbooking
– Studiebarometeret
– Begrepsforvirring
– Statistisk sentralbyrå
– DBH
– KD
Innlegg 1.1:
Helge Sigurd Hansen (UiO) Definisjoner av frafall i ulike sammenhenger
Lenke til presentasjonen (for å se kommentarer til presentasjonen, trykk på snakkeboblen i venstre hjørne)
Studiegjennomføring, inkludert såkalt frafall, kan defineres svært ulikt, men må forstås innen rammen av arbeid med hele studieløpet- fra rekruttering til gradsoppnåelse. Årsakene til frafall er sammensatte og det er nødvendig å arbeide på mange fronter for å øke antall suksesshistorier.
For overhodet å forstå, tolke og analysere frafalls- og gjennomføringsdata må en presis begrepsdefinisjon være eksplisitt tilstede. Sektoren er ikke ukjent med bruk av begrepsdefinisjoner som kan gi uriktig inntrykk av en situasjon. Uoverensstemmelser med tolkning av data kan i svært mange tilfeller tilbakeføres til forskjellige begrepsdefinisjoner uten at disse er eksplisitt definert. I dette innlegget tar jeg sikte på å vise eksempler på resultater som blir til dels svært forskjellige avhengig av valg av definisjon.
DEL 2: KONKRETE KVANTITATIVE UNDERSØKELSER
Det er utarbeidet mange undersøkelser rundt om lokalt, på institusjonsnivå og nasjonalt. I denne delen var tanken å bli kjent med en del slike undersøkelser. Vi var spesielt interessert i analyser som viser sammenhengen mellom tiltak og frafall.
Stikkord:
– NOKUT Studiebarometeret
– NIFU frafallsanalyser
– SSB gradoppnåelse
– Lokale undersøkelser
Innlegg 2.1:
Merete Helle og Kari Hoel (HiOA) Gjennomføring av studentundersøkelser ved HiOA – bakgrunn og hensikt
Lenke til presentasjonen
Om oppbygningen av studentundersøkelsene og hvilken informasjon de får fra disse. Undersøkelsene er bygd opp med bakgrunn i institusjonens kvalitetssystem. Ut fra kvalitetssystemets kvalitetsdimensjoner har de utarbeidet indikatorer som gir informasjon om hvordan studiekvaliteten oppleves
Innlegg 2.2:
Hege Råkil (Sammen – Studentsamskipnaden på Vestlandet)
Lenke til presentasjonen
SHoT (Studentenes helse- og trivselsundersøkelse), litt om bakgrunn og hensikt med undersøkelsen, hovedfunn – og hvilket datamateriale undersøkelsen gir til nytte for både samskipnader, utdanningsinstitusjoner og myndigheter. Sier også litt om hvilke data som er viktige for samskipnaden.
Innlegg 2.3:
Mustafa Hussain (UiB) Er det A, C eller F studentene som slutter?
DEL 3: ANALYSEMYLIGHETER- OG VERKTØY
Det finnes en stor mengde verktøy som skal gi oss en god oversikt over et tallmateriale. Dette kan f.eks. være FS, DBH, TABLEAU, Excel( PIVOT). Vi vil på seminaret orientere oss om hvilke av verktøyene dere evt. benytter slik at arbeidet under denne delen kan tilpasses. Hva er styrken og svakhetene med de ulike verktøyene? Hva egner seg til det behovet du har? I tillegg vil svært enkel beskrivende statistikk hjelpe oss ytterligere å se hva et tallmateriale kan si oss.
Stikkord:
– Analyseverktøy
– Fordeler og ulemper
– Ulike statistiske mål
– Ulike verktøy – ulike behov
– Studiebarometeret
Innlegg 3.1:
Helge Sigurd Hansen (UiO) Studiebarometerets informasjon om hvordan studentene opplever læringsmiljø/utdanningskvalitet koblet til TABLEAUs frafallsdata
Lenke til presentasjonen (for å se kommentarer til presentasjonen, trykk på snakkeboblen i venstre hjørne)
For de av oss som arbeider med data knyttet til utdanning og læringsmiljø finnes flere permanente databaser og flere enkeltstående undersøkelser som har store datamengder knyttet til seg. Ved å se undersøkelser og databaser i sammenheng finnes det et stort uutnyttet potensiale for å øke kunnskapsomfanget relatert til studenters suksesshistorier.
På kort og mellomlang sikt er det et spørsmål om vi, istedenfor å initiere nye og store undersøkelser heller vurderer hvordan vi kan utnytte eksisterende undersøkelser sammen med databaser for å øke kunnskapsnivået. Utfordringen blir å finne en måte å relatere undersøkelser til hverandre og undersøkelser til permanente databaser.
Innlegg 3.2:
Øyvind Hjørung Mikalsen (UiT) Hvor egnet er DBH for å ta ut frafalls- og fullføringsdata?
Alle som jobber med frafalls- og fullføringsdata vet hvor vanskelig det kan være og fremskaffe valide data på gjennomføring og frafall. De dataene institusjonene har tilgjengelig gjennom Database for statistikk om høyere utdanning (DBH) kan bare i begrenset grad si noe om gjennomføringsgraden til studentene, og det finnes nesten ingen lett tilgjengelig data på studieprogramnivå. Finnes det noen alternative datakilder?
Øyvind viste i sin presentasjon hvordan UiT har tatt i bruk analyse- og rapporteringsverktøyet Tableau for å analysere frafallet på de ulike studienivåene ved UiT.
DEL 4: STORE DATAMENGDER OG HENSYNET TIL PERSONVERN
En rekke læresteder rundt om I verden kobler sammen alle digitale opplysninger de har om den enkelte student. Dette kan være alt fra eksamensresultat og andre opplysninger i ulike studentregistre. Men også informasjon fra nøkkelkort og andre digitale spor studenten etterlater seg. På denne måten kan vi sitte med opplysninger om en students resultat koblet opp mot hvor mye studenten er på campus, deltar I undervisning, benytter kantinen toalettet osv. På noen måter kan dette gi informasjon som kan hjelpe oss å bedre tilrettelegge for studentene, men her er også store fallgruver med assosiasjoner til Orwells “1984”
Stikkord:
– Hva er «Big Data»?
– Potensiale
– Farer
– Ulovligheter
– Personvern
– Datatilsynet
Innlegg 4.1:
Jeanette Samuelsen (SLATE) Hva er BIG DATA og hvilke muligheter gir BIG DATA oss?
Lenke til presentasjonen
Innlegg 4.2:
Per Gunnar Hillesøy (UiB) Personvernet – er jussen vår venn eller fiende?
Lenke til presentasjonen
Seminaret ble gjennomført med ca. 40 deltakere.
Har du faglig spørsmål til seminaret, ta kontakt med: Helge Sigurd Hansen
