Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
128<br />
dre variable løsrevet fra den ramme hvori <strong>PISA</strong> scorerne er dannet 10 . Vurderer man alligevel den<br />
’løsrevne’ statistiske relation: <strong>PISA</strong> scores socioøkonomisk baggrund ud fra statistiske præmisser<br />
11 , som ligger til grund for <strong>PISA</strong> rapporterne, skal man bemærke en meget svag grad af egnethed<br />
af den anvendte teknik. Det gælder relationerne i Danmark og i de øvrige medvirkende<br />
lande: Den (lineære regressions-) model har ringe tilpasning med observationerne. Det har en<br />
ulogisk konsekvens for en bestemt anvendelse af resultaterne, fordi den ringe tilpasning bl.a.<br />
kommer til udtryk ved, at den enkelte elevs <strong>PISA</strong> score kun meget usikkert kan beregnes ud fra<br />
elevens socioøkonomiske indeks. Jo flere elever, der afviger fra en præcis prædiktion af <strong>PISA</strong> score<br />
ud fra socioøkonomisk indeks, jo ringere generel tilpasning observeres af den statistiske model<br />
for relationen <strong>PISA</strong> scores socioøkonomisk baggrund. Når man derfor specielt opsøger elever,<br />
eller grupper af elever – de såkaldte mønsterbrydere af den sociale arv - der udmærker sig ved, at<br />
deres faktiske <strong>PISA</strong> score er meget afvigende (større) end den forudsagte værdi (den forventede<br />
værdi) ud fra det socioøkonomiske indeks, bringes man til at opsøge elever der netop understreger<br />
den ringe egnethed af den statistiske regressionsanalyse. Hvis relationen <strong>PISA</strong> scores socioøkonomisk<br />
baggrund kunne beskrives 100% perfekt med den anvendte statistiske model, ville<br />
der således ikke være plads til mønsterbrydere . Fortolkningen af mønsterbryder hænger derfor<br />
uløseligt sammen med en ringe tilpasning af den statistiske model for relationen <strong>PISA</strong> scores <br />
socioøkonomisk baggrund. På dette punkt må man svare NEJ til at <strong>PISA</strong> måler elevernes præstationer<br />
korrigeret for socioøkonomisk baggrund på den rigtige måde.<br />
Hvad kan man gøre for at <strong>PISA</strong>’s analyser i fremtiden gør det på den rigtige måde?<br />
Fra de erfaringer der er indhentet fra <strong>PISA</strong> 2000 og <strong>PISA</strong> 2003’s rapporteringer kunne man overveje at<br />
• Offentliggøre procent rigtige for opgaver og områder parallelt med offentliggørelsen af <strong>PISA</strong> scores<br />
. Det vil gøre forståelsen af ’scoringer’ i <strong>PISA</strong> lettere at forholde sig til for ikke-teknikere.<br />
• undlade at foretage diagnostiske fortolkninger som ”funktionelle analfabeter” ud fra <strong>PISA</strong> scores.<br />
Prøv i højere grad at fortolke danske resultater i relation til danske forhol.<br />
• tøve med at tegne billeder af eleverne ud fra ’korrigerede’ <strong>PISA</strong> scores mht. til socioøkonomiske<br />
indices. Gør som Danmarks Statistik: Offentliggør de ukorrigerede <strong>PISA</strong> scores og overlad eventuelle<br />
korrektioner til brugerne, som efter eget valg kan inddrage socioøkonomiske faktorer eller alternative<br />
pædagogisk relevante faktorer (fx lærerfaktorer eller klassefaktorer) som<br />
baggrundsvariable for korrektionerne<br />
10 Der anvendes en såkaldt lineær regressionsanalyse mellem de beregnede <strong>PISA</strong> scores og indeksværdier for elevernes<br />
socioøkonomiske baggrund . Relationen behandles løsrevet fra de statistiske modeller, hvori <strong>PISA</strong> scorerne beregnes; modeller<br />
som retteligt burde inkludere denne relation som en del af parameterstrukturen – som i moderne structural equation<br />
models<br />
11 Dvs. forudsætninger og egnethed beg ved den lineære regressionsanalyse som har været anvendt