Rekenen voor peuters - Toetswijzer
Rekenen voor peuters - Toetswijzer
Rekenen voor peuters - Toetswijzer
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
geclassificeerd in een van vier categorieën: een overschrijdingskans niet groter dan 50%;<br />
tussen 25% en 50%; tussen 10% en 25% en kleiner dan 10%. De resultaten zijn weergegeven<br />
in Tabel 2. De rechterkolom geeft <strong>voor</strong> elk van de vier categorieën het verwachte percentage<br />
aan. De andere kolommen geven <strong>voor</strong> verschillende score-intervallen (aangegeven in de bovenste<br />
rij) de geobserveerde percentages aan. In elke kolom tellen de percentages op tot 100.<br />
Tabel 2. Percentages leerlingen in de Eindtoets Basisonderwijs 2006<br />
36-75 76-105 106-135 135-165 166-195 196-225 226-245 totaal verwacht<br />
47.09 46.34 43.80 44.17 43.81 44.42 45.06 44.53 50<br />
24.63 24.24 24.92 25.01 25.01 25.13 25.97 25.16 25<br />
16.20 15.84 16.20 15.94 16.39 16.49 16.58 16.32 15<br />
12.08 13.58 15.08 14.87 14.79 13.96 12.39 13.99 10<br />
Het is voldoende om naar de onderste rij in Tabel 2 te kijken om te zien dat er behoorlijk meer<br />
significanties op het 10% niveau zijn dan we op grond van het OPLM model mogen<br />
verwachten. Daaruit we moeten besluiten dat het model niet geldig is.<br />
Wat nu? Als we een beter model hadden (en een computerprogramma waarmee we de hele<br />
calibratie met een onvolledig design) konden overdoen, dan zou dat de aangewezen weg zijn:<br />
gebruik niet een slecht model als je een beter hebt. Maar het ziet er niet naar uit dat dit een<br />
realistische optie is; dus zullen we op een of andere manier een compromis moeten zien te<br />
vinden.<br />
Stel dat we in het geval van de individuele profielanalyse een profiel als atypisch hadden<br />
willen aanmerken bij een overschrijdingskans van 10% (dus bij een chi-kwadraatafstand<br />
groter dan 20 (of 19.5 <strong>voor</strong> de preciezen)). Dan zouden we (<strong>voor</strong> de populatie die aan de<br />
Eindtoets deelnam) dat niet doen in 10% van de gevallen maar in 14% (<strong>voor</strong>laatste kolom,<br />
onderste rij in Tabel 7). Als we dit te veel vinden dan moeten we de drempel hoger gaan<br />
stellen; als we dit nog aanvaardbaar vinden dan weten we dat we in meer dan 10% een<br />
boodschap zullen afgeven. Als we dit op een adequate wijze aan het onderwijsveld weten mee<br />
te delen, dan kan dit heel aanvaardbaar zijn.<br />
Er zit echter een klein addertje onder het gras. De gegevens <strong>voor</strong> Tabel 2 komen van de<br />
Eindtoets, maar de profielanalyse is in eerste instantie bedoeld <strong>voor</strong> het LVS en niemand weet<br />
of een soortgelijke tabel <strong>voor</strong> het LVS ook soortgelijke percentages als die in Tabel 2 zal<br />
opleveren, want we hebben geen gegevens van het LVS.<br />
Een aantal losse opmerkingen<br />
Het profiel dat we als <strong>voor</strong>beeld hebben behandeld (zie bijv. Figuur 3) heeft drie categorieën.<br />
De statistische analyse laat zien dat het geobserveerde profiel significant (op 10% niveau) van<br />
het verwachte profiel afwijkt. Deze uitkomst vertelt niet waaruit deze afwijking precies<br />
bestaat en waar (eventueel) het meeste aandacht moet worden aan besteed. Maar een visuele<br />
inspectie van de afwijkingen (bij<strong>voor</strong>beeld aan de hand van Figuur 4) laat hierover weinig<br />
twijfel bestaan. Omdat profielen ipsatief zijn (d.w.z. hun som is constant) is het aantal<br />
mogelijke ‘vormen van de afwijkingen’ redelijk beperkt, en lijkt de interpretatie behoorlijk<br />
eenvoudig. Wanneer echter het aantal categorieën toeneemt gaan de restricties die volgen uit<br />
de ipsativiteit steeds minder een rol spelen, en krijgen we een groeiend aantal mogelijke<br />
patronen van de afwijkingen tussen geobserveerd en verwacht profiel waarbij de interpretatie<br />
soms niet zo <strong>voor</strong> de hand liggend zal zijn. Het verdient daarom aanbeveling het aantal<br />
categorieën beperkt te houden. In de praktijk moeten we denken aan drie of vier.<br />
16