Performance monitor

Ynspeksje fan it Ûnderwiis

Dit algoritme makket in risiko-sortearring fan ûnderwiisynstellingen (skoallen, kursussen of skoalbestjoeren) om as ûnderdiel fan 'e jierlikse prestaasjes- en risiko-analyse doelgericht buro-ûndersyk út te fieren.

Lêst feroare op 22 maaie 2024 om 8:41 | Publikaasjestandaard 1.0

• Publicatiecategorie: Ympaktfolle algoritmes
• Impacttoetsen: Fjild net ynfierd.
• Status: Yn gebrûk

Algemene ynformaasje

Tema

Ûnderwiis en wittenskip

Begjindatum

07-2019

Kontaktgegevens

https://contactformulier.onderwijsinspectie.nl/contact

Link nei publykspagina

https://www.onderwijsinspectie.nl/onderwerpen/werkwijze-van-de-inspectie/jaarlijkse-prestatieanalyse

Ferantwurde gebrûk

Doel en impact

De Underwiisynspeksje hâldt tafersjoch op de kwaliteit fan it ûnderwiis (de 'garânsjefunksje'). Op grûn fan de garânsjefunksje fan tafersjoch soarget de ynspeksje foar it neilibjen fan de Underwiiswet (en de dêrop basearre regeljouwing). Dit giet oer wat it bestjoer en de skoalle/oplieding dwaan moatte.

Troch dizze garânsjefunksje bringe wy alle jierren yn kaart oft der ûnderwiisynstellingen binne mei risiko's. Omdat der yn Nederlân in soad skoallen, opliedings en bestjoeren binne, automatisearje wy dizze kontrôle foar in part. Dêrfoar brûke wy in algoritme: it algoritme berekkent foar elke ûnderwiisynstelling in risikoscore.

Hânlieding buro-analyzes wurde útfierd op basis fan 'e risiko-sortearring makke troch it algoritme. Foar de buro-analyze sjogge de analisten en/of ynspekteurs nei de gegevens dy't brûkt wurde foar it algoritme, mar ek nei oare saken, lykas in skoalgids of spesifike rapporten (bygelyks in soargen âlder dy't kontakt hat mei de ynspeksje).

As ynspekteurs op basis fan de hânlieding leauwe dat de risiko's grut en serieus binne, wurdt kontakt opnommen mei de skoalle of it bestjoer. Ynspekteurs kinne ek in ûndersyk op it plak dwaan op 'e skoalle, programma of bestjoer.

Afwagings

It foardiel fan it brûken fan in algoritme dat risiko's berekkenet is dat net alle ynstellingen jierliks ​​mei de hân ûndersocht wurde moatte. Hânlieding analyse kostet in soad tiid en jild. Troch ynstellingen mei in hege risikoskoare manueel te ûndersykjen, kinne analisten en ynspekteurs ynset wurde wêr't se it meast nedich binne. In neidiel kin wêze dat it algoritme ús allinnich mooglik makket om skoallen te identifisearjen dy't risiko's hawwe op ûnderwerpen dêr't de ynspeksje gegevens oer hat.

Om foar te kommen dat de ynspeksje allinnich nei gegevens sjocht, hawwe analisten en ynspekteurs altyd de mooglikheid om ekstra buro-analyzes út te fieren. Bygelyks foar ûnderwiisynstellingen dêr't se noch soargen oer hawwe, ek al hat dy ynstelling gjin hege risikoscore.

Minskele tuskenkomst

De útkomst fan it algoritme is in risikoscore. Underwiisynstellingen mei in hege risiko-score krije in hânboekanalyse. Derneist kinne ynspekteurs of analisten ek hânmjittich buro-analyzes útfiere foar ynstellings dêr't se soargen oer hawwe, sels as dy ynstelling in lege risikoscore hat.

As de analyse fan it buro docht bliken dat de risiko's grut en serieus binne, sil kontakt opnommen wurde mei de ynstelling en kinne ek oare tafersjochaktiviteiten folgje. Soms betsjut dat dat der in ynspeksjebesite op lokaasje útfierd wurdt. De buro-analyse en elk ûndersyk op it terrein wurde folslein troch minsken útfierd.

Risikobehear

Perfekt risiko beoardieling is ûnmooglik. Om de risiko-beoardieling sa goed mooglik te hâlden, wurde jierliks ​​evaluaasjes útfierd fan de kwaliteit fan de risiko-beoardieling fan de Prestaasjemonitor.

1. Dêrfoar ûndersykje wy oft de skoallen, kursussen en ynstellings mei hege risikoscores yn it folgjende jier yn trochsneed faker in ûnfoldwaande wurdearring krigen. As bliken docht dat de foarsizzingskrêft leech is, besykje wy oanpassingen te meitsjen dy't soargje foar bettere foarsizzingskrêft. As bliken docht dat de risiko-beoardieling net genôch foarsizzend fermogen hat, kinne bepaalde ynstellingen ûnnedich ûndersocht wurde. De tiid fan analisten en ynspekteurs wurdt dan net op de goede plakken brûkt (net effisjint). Ynstellingen dêr't problemen binne meie dan bûten it byld bliuwe.
2. Noch mear spesifyk: as bepaalde groepen skoallen ûnevenredich (net evenredich oan de feitlike risiko's) fertsjintwurdige binne yn de heechrisikogroepen, kinne dizze ynstellingen ûnnedich belêste wurde. Dan is der ek ineffisjint gebrûk fan kapasiteit en ûnearlike lêst op bepaalde skoallen of bestjoeren.
3. Om't ynstellingen mei hegere risikoscores faker ûndersocht wurde, kin ek in ferkearde risikobeoardieling effekt bliuwe (tunnelfisy). Dêrom binne wy ​​sûnt septimber 2023 enkêtes ter plaatse begûn by willekeurich selektearre ûnderwiisynstellingen. Dit lit ús de kwaliteit fan risikoskatting noch better evaluearje. Willekeurige seleksje helpt om tunnelfisy te foarkommen.

Wettlike basis

Wet op it ûnderwiistafersjoch (WOT), Wet iepenbierheid (WOB), Wet op it fuortset ûnderwiis (WVO), Wet op it basisûnderwiis (WPO), Wet op saakkundigenssintra (WEC), Wet op it ûnderwiis en it beropsûnderwiis (WEB), Wet op it heger ûnderwiis en wittenskiplik ûndersyk (WHW) en Algemene Wet bestuursrecht (AWB)

Links nei wettlike basis

• WOT: https://wetten.overheid.nl/BWBR0013800/2023-08-01
• WOB: https://wetten.overheid.nl/BWBR0005252/2018-07-28
• WVO: https://wetten.overheid.nl/BWBR0044212/2024-01-01
• WPO: https://wetten.overheid.nl/BWBR0003420/2024-01-01
• WEC: https://wetten.overheid.nl/BWBR0003549/2023-08-01
• WEB: https://wetten.overheid.nl/BWBR0007625/2023-08-01
• WHW: https://wetten.overheid.nl/BWBR0005682/2024-01-01
• AWB: https://wetten.overheid.nl/BWBR0005537/2024-05-01

Taljochting op impacttoetsen

In IAMA is foltôge foar dit algoritme.

De pre-DPIA-scan lit sjen dat in DPIA net nedich is, om't de triemmen mei gegevens op persoanlik nivo allinnich pseudonymisearre gegevens befetsje en ynformaasje dus net werom te finen is op in yndividu. De ynspeksje hat gjin kaai om de pseudonymisearre gegevens te ûntsiferjen. Derneist wurde dizze gegevens allinich brûkt yn it algoritme yn aggregearre foarm op it nivo fan skoalle, bestjoer of ynstelling.

Wurking

Gegevens

De wichtichste boarnen fan ynformaasje binne studintnûmers, personielskaaimerken, finansjele skaaimerken fan de ynstellingen, learresultaten en sinjalen (fan âlden en studinten dy't kontakt mei ús opnimme).

Ynformaasje oer ynstellings komt út triemmen út it Register Onderwijsdielnimmers (ROD, eartiids BRON), triemmen fan it CBS, triemmen fan DUO, gegevens fan skoallen (bygelyks de monitoaringsgegevens sosjale feiligens) en gegevens út de eigen registraasjes fan de Underwiisynspeksje.

Gegevens wurde altyd aggregearre nei skoalle, bestjoer of ynstelling nivo.

Links nei gegevensboarnen

Gegevens over leerlingaantallen, personeelskenmerken en financiële kenmerken zijn voor een groot deel openbaar beschikbaar gemaakt door DUO: https://duo.nl/open_onderwijsdata/

Technyske wurking

It is in regel-basearre algoritme. De regels wurde fêststeld mei help fan ynspekteurs en analisten, en op basis fan kwantitatyf ûndersyk. De ferskate gegevens wurde aggregearre nei it nivo fan skoalle/bestjoer/ynstelling en de ferskate yndikatoaren wurde berekkene.

In risikoskoare wurdt dan berekkene op basis fan de kombinaasje fan yndikatorscores fan 1-3 jier, de grinzen foar wat as riskant beskôge wurdt, de jierlikse gewichten en de gewichten per yndikator.

De útfier fan it model is in risikoskoare per skoalle/bestjoer/ynstelling.

Leveransier

Ynterne ûntwikkele