{"id":415,"date":"2016-12-30T13:28:47","date_gmt":"2016-12-30T13:28:47","guid":{"rendered":"http:\/\/nfye.w.uib.no\/?page_id=415"},"modified":"2016-12-30T13:28:47","modified_gmt":"2016-12-30T13:28:47","slug":"analysestatistikk-tentativt-13-14-juni-2","status":"publish","type":"page","link":"https:\/\/site.nord.no\/studenterssuksess\/analysestatistikk-tentativt-13-14-juni-2\/","title":{"rendered":"Analyse\/statistikk 13. – 14. juni"},"content":{"rendered":"


\nM\u00e5lgruppen\u00a0<\/strong>for dette seminaret var de som arbeider p\u00e5 programniv\u00e5 og trenger \u00e5 se sammenhengen mellom tiltak\/resultat og analyse-\/emperimateriale, i tillegg til de som arbeider sentralt i organisasjonen med \u00e5 utvikle analysemetodikk og levere rapporter for l\u00e6restedet som helhet.
\nUniversitets- og h\u00f8gskolesektoren har som andre sektorer i samfunnet tilgang til en \u00f8kende mengde informasjon. Dette gjelder ogs\u00e5 for de av oss som har som jobb \u00e5 fremskaffe kvalitative gode data om studenter og spesielt temaer relatert til studenters suksess. For \u00e5 finne fram i informasjonsmengden har vi behov for \u00e5 vite hva som \u00abligger i\u00bb de ulike tallmaterialene og vi m\u00e5 ha verkt\u00f8y som p\u00e5 en enkel m\u00e5te beskriver og analyserer studentenes situasjon og hverdag. I analyseseminaret var det viktig at deltagerne kunne legge fram lokale l\u00f8sninger p\u00e5 hvordan de arbeider med empiri for \u00e5 f\u00e5 oversikt over studentenes studiel\u00f8p.
\nFORKURS:<\/strong> Stigemodell Last ned PDF her<\/a>
\nDEL 1: DEFINISJON AV FRAFALL
\n<\/strong>Begrepet frafall benyttes sv\u00e6rt ulikt i ulike sammenhenger. For \u00e5 forst\u00e5 og tolke et empirisk materiale relatert til frafall m\u00e5 begrepsinnholdet defineres klart. Et eksempel kan v\u00e6re at DBH viser et tidskutt for oppn\u00e5dde kvalifikasjoner uavhengig av n\u00e5r studenten startet p\u00e5 studiet. Et annet eksempel er de rapportene som f\u00f8lger et startkull og ser hvordan situasjonen er etter 3\u00e5r (Bachelor).
\nAktuelle sp\u00f8rsm\u00e5l: Fra hvilket tidspunkt beregnes frafallet (Oppm\u00f8tedagen, 1. september, 15. oktober eller en annen dato)? Er det frafall n\u00e5r en student bytter studieprogram p\u00e5 samme l\u00e6rested? Hva gj\u00f8r man med studenter som har tidligere utdanning og ikke f\u00f8lger et ordin\u00e6rt studieopplegg? Hvordan ser vi om det er dyktige eller svake studentene som slutter.
\nStikkord:
\n– Definisjonsmakt
\n– Overbooking
\n– Studiebarometeret
\n– Begrepsforvirring
\n– Statistisk sentralbyr\u00e5
\n– DBH
\n– KD
\nInnlegg 1.1:<\/strong>
\nHelge Sigurd <\/em>Hansen (UiO) <\/em><\/strong>Definisjoner av frafall i ulike sammenhenger<\/strong>
\nLenke til presentasjonen<\/a> (for \u00e5 se kommentarer til presentasjonen, trykk p\u00e5 snakkeboblen i venstre hj\u00f8rne)<\/strong><\/em>
\nStudiegjennomf\u00f8ring, inkludert s\u00e5kalt frafall, kan defineres sv\u00e6rt ulikt, men m\u00e5 forst\u00e5s innen rammen av arbeid med hele studiel\u00f8pet- fra rekruttering til gradsoppn\u00e5else. \u00c5rsakene til frafall er sammensatte og det er n\u00f8dvendig \u00e5 arbeide p\u00e5 mange fronter for \u00e5 \u00f8ke antall suksesshistorier.
\nFor overhodet \u00e5 forst\u00e5, tolke og analysere frafalls- og gjennomf\u00f8ringsdata m\u00e5 en presis begrepsdefinisjon v\u00e6re 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 sv\u00e6rt mange tilfeller tilbakef\u00f8res til forskjellige begrepsdefinisjoner uten at disse er eksplisitt definert. I dette innlegget tar jeg sikte p\u00e5 \u00e5 vise eksempler p\u00e5 resultater som blir til dels sv\u00e6rt forskjellige avhengig av valg av definisjon.
\nDEL 2: KONKRETE KVANTITATIVE UNDERS\u00d8KELSER
\n<\/strong>Det er utarbeidet mange unders\u00f8kelser rundt om lokalt, p\u00e5 institusjonsniv\u00e5 og nasjonalt. I denne delen var tanken \u00e5 bli kjent med en del slike unders\u00f8kelser. Vi var spesielt interessert i analyser som viser sammenhengen mellom tiltak og frafall.
\nStikkord:
\n– NOKUT Studiebarometeret
\n– NIFU frafallsanalyser
\n– SSB gradoppn\u00e5else
\n– Lokale unders\u00f8kelser
\nInnlegg 2.1:
\n<\/strong>Merete Helle og Kari Hoel (HiOA) Gjennomf\u00f8ring av studentunders\u00f8kelser ved HiOA – bakgrunn og hensikt<\/strong>
\nLenke til presentasjonen<\/a><\/strong><\/em>
\nOm oppbygningen av studentunders\u00f8kelsene og hvilken informasjon de f\u00e5r fra disse. Unders\u00f8kelsene er bygd opp med bakgrunn i institusjonens kvalitetssystem. Ut fra kvalitetssystemets kvalitetsdimensjoner har de utarbeidet indikatorer som gir informasjon om hvordan studiekvaliteten oppleves
\nInnlegg 2.2:
\nHege R\u00e5kil (Sammen – Studentsamskipnaden p\u00e5 Vestlandet)
\nLenke til presentasjonen<\/a>
\n<\/em><\/strong>
\nSHoT (Studentenes helse- og trivselsunders\u00f8kelse), litt om bakgrunn og hensikt med unders\u00f8kelsen, hovedfunn \u00a0– og hvilket datamateriale unders\u00f8kelsen gir til nytte for b\u00e5de samskipnader, utdanningsinstitusjoner og myndigheter. Sier ogs\u00e5 litt om hvilke data som er viktige for samskipnaden.
\nInnlegg 2.3:<\/strong>
\nMustafa Hussain (UiB) Er det A, C eller F studentene som slutter?<\/strong><\/em>
\nDEL 3: ANALYSEMYLIGHETER- OG VERKT\u00d8Y
\n<\/strong>Det finnes en stor mengde verkt\u00f8y som skal gi oss en god oversikt over et tallmateriale. Dette kan f.eks. v\u00e6re FS, DBH, TABLEAU,\u00a0 Excel( PIVOT). Vi vil p\u00e5 seminaret orientere oss om hvilke\u00a0 av verkt\u00f8yene dere\u00a0 evt. benytter slik at arbeidet under denne delen kan tilpasses. Hva er styrken og svakhetene med de ulike verkt\u00f8yene? Hva egner seg til det behovet du har? I tillegg vil sv\u00e6rt enkel beskrivende statistikk hjelpe oss ytterligere \u00e5 se hva et tallmateriale \u00a0kan si oss.
\nStikkord:
\n– Analyseverkt\u00f8y
\n– Fordeler og ulemper
\n– Ulike statistiske m\u00e5l
\n– Ulike verkt\u00f8y – ulike behov
\n– Studiebarometeret
\nInnlegg 3.1:<\/strong>
\nHelge Sigurd Hansen (UiO) Studiebarometerets informasjon om hvordan studentene opplever l\u00e6ringsmilj\u00f8\/utdanningskvalitet koblet til TABLEAUs frafallsdata<\/strong><\/em>
\n Lenke til presentasjonen<\/a> (for \u00e5 se kommentarer til presentasjonen, trykk p\u00e5 snakkeboblen i venstre hj\u00f8rne)<\/strong><\/em>
\nFor de av oss som arbeider med data knyttet til utdanning og l\u00e6ringsmilj\u00f8 finnes flere permanente databaser og flere enkeltst\u00e5ende unders\u00f8kelser som har store datamengder knyttet til seg. Ved \u00e5 se unders\u00f8kelser og databaser i sammenheng finnes det et stort uutnyttet potensiale for \u00e5 \u00f8ke kunnskapsomfanget relatert til studenters suksesshistorier.
\nP\u00e5 kort og mellomlang sikt er det et sp\u00f8rsm\u00e5l om vi, istedenfor \u00e5 initiere nye og store unders\u00f8kelser heller vurderer hvordan vi kan utnytte eksisterende unders\u00f8kelser sammen med databaser for \u00e5 \u00f8ke kunnskapsniv\u00e5et. Utfordringen blir \u00e5 finne en m\u00e5te \u00e5 relatere unders\u00f8kelser til hverandre og unders\u00f8kelser til permanente databaser.
\nInnlegg 3.2:<\/strong>
\n\u00d8yvind Hj\u00f8rung Mikalsen (UiT) Hvor egnet er DBH for \u00e5 ta ut frafalls- og fullf\u00f8ringsdata?<\/strong><\/em>
\nAlle som jobber med frafalls- og fullf\u00f8ringsdata vet hvor vanskelig det kan v\u00e6re og fremskaffe valide data p\u00e5 gjennomf\u00f8ring og frafall. De dataene institusjonene har tilgjengelig gjennom Database for statistikk om h\u00f8yere utdanning (DBH) kan bare i begrenset grad si noe om gjennomf\u00f8ringsgraden til studentene, og det finnes nesten ingen lett tilgjengelig data p\u00e5 studieprogramniv\u00e5. Finnes det noen alternative datakilder?
\n\u00d8yvind viste i sin presentasjon hvordan UiT har tatt i bruk analyse- og rapporteringsverkt\u00f8yet Tableau for \u00e5 analysere frafallet p\u00e5 de ulike studieniv\u00e5ene ved UiT.
\nDEL 4: STORE DATAMENGDER OG HENSYNET TIL PERSONVERN
\n<\/strong>En rekke l\u00e6resteder rundt om I verden kobler sammen alle digitale opplysninger de har om den enkelte student. Dette kan v\u00e6re alt fra eksamensresultat og andre opplysninger i ulike studentregistre. Men ogs\u00e5 informasjon fra n\u00f8kkelkort og andre digitale spor studenten etterlater seg.\u00a0 P\u00e5 denne m\u00e5ten kan vi sitte med opplysninger om en students resultat koblet opp mot hvor mye studenten er p\u00e5 campus, deltar I undervisning, benytter kantinen toalettet osv. P\u00e5 noen m\u00e5ter kan dette gi informasjon som kan hjelpe oss \u00e5 bedre tilrettelegge for studentene, men her er ogs\u00e5 store fallgruver med assosiasjoner til Orwells \u201c1984\u201d
\nStikkord:
\n– Hva er \u00abBig Data\u00bb?
\n– Potensiale
\n– Farer
\n– Ulovligheter
\n– Personvern
\n– Datatilsynet
\nInnlegg 4.1:<\/strong>
\nJeanette Samuelsen (SLATE)<\/a> Hva er BIG DATA og hvilke muligheter gir BIG DATA oss?<\/strong><\/em>
\n Lenke til presentasjonen<\/a><\/strong><\/em>
\nInnlegg 4.2:<\/strong>
\nPer Gunnar Hilles\u00f8y (UiB) Personvernet – er jussen v\u00e5r venn eller fiende?<\/strong><\/em>
\n Lenke til presentasjonen<\/a><\/strong><\/em>
\nSeminaret ble gjennomf\u00f8rt med ca. 40 deltakere.<\/em>
\n Har du faglig sp\u00f8rsm\u00e5l til seminaret, ta kontakt med: Helge Sigurd Hansen<\/a><\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

M\u00e5lgruppen\u00a0for dette seminaret var de som arbeider p\u00e5 programniv\u00e5 og trenger \u00e5 se sammenhengen mellom tiltak\/resultat og analyse-\/emperimateriale, i tillegg til de som arbeider sentralt i organisasjonen med \u00e5 utvikle […]<\/p>\n","protected":false},"author":82,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"coauthors":[],"class_list":["post-415","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/site.nord.no\/studenterssuksess\/wp-json\/wp\/v2\/pages\/415","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/site.nord.no\/studenterssuksess\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/site.nord.no\/studenterssuksess\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/site.nord.no\/studenterssuksess\/wp-json\/wp\/v2\/users\/82"}],"replies":[{"embeddable":true,"href":"https:\/\/site.nord.no\/studenterssuksess\/wp-json\/wp\/v2\/comments?post=415"}],"version-history":[{"count":0,"href":"https:\/\/site.nord.no\/studenterssuksess\/wp-json\/wp\/v2\/pages\/415\/revisions"}],"wp:attachment":[{"href":"https:\/\/site.nord.no\/studenterssuksess\/wp-json\/wp\/v2\/media?parent=415"}],"wp:term":[{"taxonomy":"author","embeddable":true,"href":"https:\/\/site.nord.no\/studenterssuksess\/wp-json\/wp\/v2\/coauthors?post=415"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}