TECHNISCH RAPPORT LERAREN EN …...Arbeidsmarktbarometer verwijzen we naar Sapulete, van de Pol,...

TECHNISCH RAPPORT LERAREN EN LERARENTEKORT

DE STAAT VAN HET ONDERWIJS 2019 April 2019

Pagina 2 van 94

INHOUD

1. DATABRONNEN, METHODES EN DEFINITIES ................................................................. 5

1.1 DATABRONNEN ................................................................................................................... 5 1.1.1 Inschrijvingen po, vo en ho....................................................................................... 5 1.1.2 CBS Microdata ......................................................................................................... 5 1.1.3 Functiemix ................................................................................................................ 5 1.1.4 IPTO .......................................................................................................................... 5 1.1.5 Ziekteverzuim ........................................................................................................... 6 1.1.6 Arbeidsmarktbarometer .......................................................................................... 6

1.2 METHODES ......................................................................................................................... 6 1.2.1 Multivariate regressie-analyse ................................................................................ 6 1.2.2 Leerling fixed effects ................................................................................................ 6

1.3 DEFINITIES .......................................................................................................................... 6 1.3.1 Achtergrondgegevens leerlingen ............................................................................. 6 1.3.2 Schoolgegevens leerlingen ....................................................................................... 7 1.3.3 Gegevens scholen ..................................................................................................... 7 1.3.4 Gegevens leraren op schoolniveau .......................................................................... 8 1.3.5 Gegevens leraren op teamniveau .......................................................................... 10

2. LERARENTEKORT ......................................................................................................... 13

2.1 LEERLINGEN WORDEN SOMS NAAR HUIS GESTUURD .................................................................. 13 2.2 INSTROOM IN DE LERARENOPLEIDINGEN.................................................................................. 13 2.3 HET LERARENTEKORT VARIEERT STERK TUSSEN SCHOLEN, REGIO’S EN SECTOREN.............................. 16 2.4 HET LERARENTEKORT IS ONGELIJK VERDEELD: BASISSCHOLEN MET MEER NIET-WESTERSE LEERLINGEN WORDEN HARDER GETROFFEN ......................................................................................................... 22 2.5 RELATIE TUSSEN LERARENTEKORT EN ONDERWIJSKWALITEIT ........................................................ 32 2.6 VERDELING VAN ONBEVOEGD LESGEVEN ................................................................................. 32

3. WERKDRUK, ZIEKTEVERZUIM EN VERLOOP ................................................................. 36

3.1 WERKDRUK....................................................................................................................... 36 3.2 ZIEKTEVERZUIM ................................................................................................................. 41 3.3 VERLOOP .......................................................................................................................... 47 3.4 VERBAND TUSSEN VERLOOP, ZIEKTEVERZUIM EN VACATURES....................................................... 59

4. VERDELING VAN LERAREN OVER SCHOLEN ................................................................. 62

4.1 ALGEMENE VERDELING VAN LERAREN ..................................................................................... 62 4.2 VERDELING VAN BEGINNENDE LERAREN .................................................................................. 73

5. LERARENTEAMS EN LEERLINGPRESTATIES .................................................................. 81

5.1 METHODE ........................................................................................................................ 81 5.2 RESULTATEN ..................................................................................................................... 81 5.3 ROBUSTNESS CHECKS .......................................................................................................... 88

6. INTERVIEWS THEMA-ONDERZOEK LERARENTEKORT ................................................... 90

6.1 ACHTERGROND VAN DE BEZOCHTE BESTUREN .......................................................................... 90 6.2 PROBLEEMHERKENNING ...................................................................................................... 90

Primair onderwijs ................................................................................................................. 90 Voortgezet onderwijs ........................................................................................................... 91 Speciaal onderwijs ................................................................................................................ 91 Middelbaar beroepsonderwijs ............................................................................................. 91

Pagina 3 van 94

6.3 SAMENVATTEND BEELD ....................................................................................................... 92

7. REFERENTIES ............................................................................................................... 93

Pagina 4 van 94

Inleiding

Dit is het technische rapport (TR) dat ten grondslag ligt aan hoofdstuk 1.3 van de Staat van het Onderwijs 2019: Leraren en lerarentekort. In dit rapport staat de verantwoording van de onderzoeksgegevens.

Pagina 5 van 94

1. Databronnen, methodes en definities

1.1 Databronnen

1.1.1 Inschrijvingen po, vo en ho De BRON-bestanden bevatten onderwijsregistraties zoals door DUO verkregen van de scholen/instellingen en geleverd aan de Inspectie van het Onderwijs. Deze BRON-bestanden zijn verrijkt door DUO tot 1-cijferbestanden. De BRON-bestanden bevatten op leerlingniveau onder andere gegevens over de school en het bevoegd gezag, leerlinggewicht en migratie-achtergrond van de ouders. Daarnaast bevat BRON voor po eindtoetsgegevens en schooladviezen. Voor het voortgezet onderwijs (vo) zijn onderwijsniveau en profiel bekend. Voor vo is daarnaast gebruik gemaakt van 1-cijferbestanden over vo eindexamens. In deze bestanden staan per leerling en vak de cijfers voor het schoolexamen en het centraal schriftelijk eindexamen. Voor ho wordt gebruik gemaakt van een op 1-cijferbestanden gebaseerd diploma-cohortbestand. Dit bestand bevat gegevens van studenten die tussen 2001 en 2016 ho diploma’s behalen. Het bevat ook gegevens over hun vo-opleiding en gemiddelde eindexamencijfers. Daarnaast wordt voor inschrijvingen voor de lerarenopleidingen gebruik gemaakt van 1-cijferbestanden met ho-inschrijvingen voor de periode 2013-2018.

1.1.2 CBS Microdata Van een aantal achtergrondkenmerken is maar beperkt informatie beschikbaar in de BRON-data. Vandaar dat we binnen de CBS omgeving de BRON data op individueel niveau koppelen aan deze gegevens. De gegevens die afkomstig zijn van het CBS zijn juridische ouders van de leerlingen/studenten (KINDOUDERTAB), de opleiding van de ouders van leerlingen/studenten (HOOGSTEOPLTAB)en het inkomen van de ouders van leerlingen/studenten (Integraal Huishoudens Inkomen). Op dezelfde manier koppelen we binnen de CBS-omgeving informatie uit de Functiemix en IPTO (zie onder) op individueel niveau aan registerdata over leraren. De gegevens die afkomstig zijn van het CBS zijn inkomensgegevens uit de POLIS, arbeidsgeschiedenis afgeleid uit de EWL, gegevens over de opleiding van leraren (HOOGSTEOPLTAB) en gegevens over de migratie-achtergrond van leraren (GBAPERSOONTAB). Daarnaast koppelen we enquêtegegevens uit de Nationale Enquête Arbeidsomstandigheden (NEA) 2014-2016 met behulp van de Functiemix binnen de CBS-omgeving aan gegevens over de school en leerlingpopulatie van de school waarop leraren werkzaam zijn. Voor meer informatie over de methodologie van de NEA verwijzen we naar TNO en CBS (2017) en naar https://www.monitorarbeid.tno.nl/nea/.

1.1.3 Functiemix De Functiemix bevat op individueel niveau voor de jaren 2006-2017 gegevens over de school (BRIN4) waarop leraren werken, hun aanstellingsomvang, salarisschaal, sekse en geboortemaand. Het bestand is afkomstig van DUO, en gebaseerd op gegevens van salarisadministrateurs in het onderwijs. Het bestand is door DUO via de CBS Microdata-omgeving ter beschikking gesteld aan de Inspectie van het Onderwijs.

1.1.4 IPTO De IPTO bevat op individueel niveau gegevens over de vakken die leraren geven. De gegevens zijn beschikbaar voor de jaren 2013-2016. Van leraren in het voortgezet

https://www.monitorarbeid.tno.nl/nea/

Pagina 6 van 94

onderwijs is bekend in welk leerjaar, voor welk onderwijsniveau zij welk aantal lessen hebben gegeven. De schoolgegevens zijn op BRIN-vestiging niveau. Daarnaast bevat de IPTO gegevens over de bevoegdheid van leraren voor de lessen die zij geven.

1.1.5 Ziekteverzuim De Inspectie van het Onderwijs ontvangt van DUO jaarlijks op BRIN4-niveau gegevens over het ziekteverzuimpercentage op po- en vo-scholen. We gebruiken gegevens over het verzuimpercentage in de jaren 2011-2016.

1.1.6 Arbeidsmarktbarometer Voor de analyses over het lerarentekort maken we gebruik van gegevens uit de Arbeidsmarktbarometer van Ecorys en Dialogic. De Arbeidsmarktbarometer bevat gegevens over vacatures in het onderwijs, onder andere verkregen via ‘scraping’ van vacaturewebsites. We gebruiken gegevens uit de kwartalen Q3 2016 tot en met Q2 2018, die inzicht geven in de vacatures voor schooljaren 2016/2017 en 2017/2018. Per vacature is de onderwijssector en veelal ook het Bevoegd Gezagnummer bekend. Gegevens over de school (BRIN4) zijn bekend voor een kleiner deel van de vacatures. Voor meer informatie over de methodologie van de Arbeidsmarktbarometer verwijzen we naar Sapulete, van de Pol, Vankan, Kerkhof en Jelicic (2018).

1.2 Methodes

1.2.1 Multivariate regressie-analyse In de meeste gevallen is gebruik gemaakt van multivariate regressie-analyse. Met multivariate regressie-analyse onderzoeken we het verband tussen een afhankelijke variabele en een set van onafhankelijke variabelen. In de regressie-analyses houden we rekening met verschillen tussen jaren door middel van jaardummies. Omdat observaties binnen scholen niet onafhankelijk van elkaar zijn clusteren we de standaardfouten op BRIN4-niveau, tenzij anders aangegeven.

1.2.2 Leerling fixed effects In paragraaf 6 maken we gebruik van een specifieke vorm van regressie-analyse, met leerling fixed effects. De onderzoeksvraag en methode worden uitgebreider beschreven in paragraaf 6.

1.3 Definities

1.3.1 Achtergrondgegevens leerlingen Sociaaleconomische achtergrond- Hoogst behaalde opleiding ouders Het hoogst behaalde opleidingsniveau van de juridische ouders van de leerling van het inschrijvingsjaar ingedeeld in vijf categorieën: Opleiding onbekend, maximaal een mbo 2 opleiding, een mbo 3 of mbo 4 opleiding, hbo bachelor & associate degree en wo & hbo master. In de meeste gevallen is van de ouders van leerlingen het hoogste behaalde opleidingsniveau bekend. Als het hoogst behaalde opleidingsniveau van de ouders niet bekend is in het inschrijvingsjaar, wordt het hoogst behaalde opleidingsniveau van de ouders in het laatst beschikbare jaar gebruikt: 2017. Voor de leerlingen waarvan ook in dit jaar het hoogste behaalde opleidingsniveau onbekend is, is er een aparte categorie opgenomen: Opleiding onbekend. Migratie-achtergrond

Pagina 7 van 94

De migratie-achtergrond van leerlingen wordt bepaald op basis van zijn/haar geboorteland en de geboortelanden van zijn/haar juridische ouders. Leerlingen worden in 3 categorieën ingedeeld: Leerlingen zonder migratieachtergrond, Leerlingen met een westerse migratieachtergrond, en leerlingen met een niet-westerse migratieachtergrond van de eerste en tweede generatie. Geslacht Het geslacht van de leerling is weergegeven als een jongen of een meisje. Sociaaleconomische achtergrond- Inkomen ouders Het besteedbaar inkomen van het huishouden van de leerling in het inschrijvingsjaar. De laatst beschikbare gegevens komen uit 2015; voor het inschrijvingsjaar 2016 en 2017 gebruiken we gegevens uit 2015. In de meeste statistieken maken we gebruik van het gestandaardiseerd besteedbaar huishoudinkomen verdeeld in vijf gelijke groepen binnen de totale bevolking (quintielen), plus de categorie “Inkomen onbekend”.

1.3.2 Schoolgegevens leerlingen Inschrijvingsjaar Het kalenderjaar waarin op teldatum 1 oktober unieke (hoofd)inschrijvingen worden geteld. Eindtoetsscore basisschool De meeste leerlingen in Nederland doen aan het eind van de basisschool de Centrale Eindtoets. Daarnaast werd in 2017 door scholen voornamelijk gebruik gemaakt van de IEP- en de Route 8 toets. De scores van de verschillende eindtoetsen zijn niet direct vergelijkbaar. In de meeste analyses kiezen we er daarom voor alleen leerlingen mee te nemen die de Centrale Eindtoets (vanaf 2015) of de Cito Eindtoets (tot en met 2014) hebben gemaakt. Bij elke analyse met de toetsscores wordt de betreffende toets genoemd. Naast de toetsscores houden we rekening met het percentage groep 8 leerlingen dat deelneemt aan de toets. Schooladvies Het definitieve schooladvies van de basisschool nadat de eindtoets is afgenomen. Initiële adviezen die in aanmerking komen voor herziening vanwege een hoger toets resultaat zijn al dan niet bijgesteld. Eindexamencijfer We gebruiken de cijfers van leerlingen op het Centraal Schriftelijk Eindexamen, omdat het CSE voor alle leerlingen gelijk is. We analyseren de eindexamens van mei 2015, 2016 en 2017, en nemen vakken mee met meer dan 250 leerlingen.

1.3.3 Gegevens scholen Denominatie Po- en vo-scholen hebben een denominatie. De categorieën zijn: Openbaar, Protestants-Christelijk, Rooms-Katholiek, Reformatorisch, Islamitisch, Gereformeerd Vrijgemaakt, Joods, Hindoeïstisch, Evangelisch, Evang. Broedergem., Algemeen Bijzonder, Antroposofisch, Samenw. Openb-PC, Samenw. Openb-RK, Samenw. PC-RK, Interconfessioneel en Gereformeerd. Meestal worden alleen de Openbare, Rooms-katholieke en Protestants-christelijke scholen los benoemd en valt de rest onder Overig bijzonder.

Pagina 8 van 94

Stedelijkheid Scholen zijn ingedeeld in vijf categorieën op basis van hun schoollocatie: zeer sterk stedelijk, sterk stedelijk, matig stedelijk, weinig stedelijk en niet stedelijk. De indeling in stedelijkheid komt van het CBS. In de analyses gebruiken we de zeer sterk stedelijke gebieden als referentiecategorie. G4 Geeft weer of de locatie van scholen in een van de vier G4 gemeenten is. G4 gemeenten zijn Amsterdam, Rotterdam, Den Haag en Utrecht. Buiten de G4 wordt gebruikt als referentiecategorie. Randstad Dit is een bredere definitie van de G4, namelijk de Regionale Platforms Arbeidsmarktgebieden (RPA) waarin de G4 gemeenten zijn gevestigd. Dit betreft de RPA-gebieden Utrecht-Midden, Zuidelijk Noord-Nederland, Haaglanden en Rijnmond. Het onderscheid binnen en buiten de Randstad wordt toegepast bij de analyses van het lerarentekort. Bestuursgrootte Scholen zijn ingedeeld in 4 of 5 groepen op basis van de grootte van het schoolbestuur waaronder zij vallen. De grootte van het schoolbestuur wordt bepaald op basis van leerlingaantallen. We gebruiken de kleinste schoolbesturen als referentiecategorie. Voor primair onderwijs is de bestuursgrootte ingedeeld in 4 categorieën gebaseerd op leerlingaantallen (0-2000, 2001-3000, 3001-5500, > 5500 leerlingen). Voor het voortgezet onderwijs zijn 5 groepen van gelijke grootte gemaakt, geordend van kleine naar grote besturen.

1.3.4 Gegevens leraren op schoolniveau Lerarentekort De gegevens over het lerarentekort zijn gebaseerd op de Arbeidsmarktbarometer 2016/2017 en 2017/2018. Voor nagenoeg alle vacatures in de Arbeidsmarktbarometer is het Bevoegd Gezagnummer bekend. De BRIN4 is voor een deel van de vacatures bekend (44 procent van alle po-vacatures en 67 procent van alle vo-vacatures). Als uitkomstmaten gebruiken we per onderwijssector:

• Heeft een school vacatures volgens de Arbeidsmarktbarometer?

o Voor scholen die in de Arbeidsmarktbarometer voorkomen onderzoeken we vervolgens:

• De vacature-intensiteit per 100 leerlingen:

𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 − 𝑖𝑖𝑖𝑖𝑣𝑣𝑣𝑣𝑖𝑖𝑖𝑖𝑖𝑖𝑣𝑣𝑣𝑣𝑖𝑖𝑣𝑣 𝑝𝑝𝑣𝑣𝑣𝑣 100 𝑙𝑙𝑣𝑣𝑣𝑣𝑣𝑣𝑙𝑙𝑖𝑖𝑖𝑖𝑙𝑙𝑣𝑣𝑖𝑖 = 𝑣𝑣𝑣𝑣𝑖𝑖𝑣𝑣𝑣𝑣𝑙𝑙 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑖𝑖 𝑖𝑖𝑖𝑖 𝐹𝐹𝐹𝐹𝐹𝐹

𝑣𝑣𝑣𝑣𝑖𝑖𝑣𝑣𝑣𝑣𝑙𝑙 𝑙𝑙𝑣𝑣𝑣𝑣𝑣𝑣𝑙𝑙𝑖𝑖𝑖𝑖𝑙𝑙𝑣𝑣𝑖𝑖 ∗ 100

• De vacature-intensiteit als percentage van het aantal FTE werkzame

personen in het onderwijs:

𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 − 𝑖𝑖𝑖𝑖𝑣𝑣𝑣𝑣𝑖𝑖𝑖𝑖𝑖𝑖𝑣𝑣𝑣𝑣𝑖𝑖𝑣𝑣 𝑝𝑝𝑣𝑣𝑣𝑣 𝐹𝐹𝐹𝐹𝐹𝐹 𝑤𝑤𝑣𝑣𝑣𝑣𝑤𝑤𝑤𝑤𝑣𝑣𝑤𝑤𝑣𝑣 𝑝𝑝𝑣𝑣𝑣𝑣𝑖𝑖𝑜𝑜𝑜𝑜𝑖𝑖 = 𝑣𝑣𝑣𝑣𝑖𝑖𝑣𝑣𝑣𝑣𝑙𝑙 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑖𝑖 𝑖𝑖𝑖𝑖 𝐹𝐹𝐹𝐹𝐹𝐹

𝑣𝑣𝑣𝑣𝑖𝑖𝑣𝑣𝑣𝑣𝑙𝑙 𝐹𝐹𝐹𝐹𝐹𝐹 𝑤𝑤𝑣𝑣𝑣𝑣𝑤𝑤𝑤𝑤𝑣𝑣𝑤𝑤𝑣𝑣 𝑝𝑝𝑣𝑣𝑣𝑣𝑖𝑖𝑜𝑜𝑖𝑖𝑣𝑣𝑖𝑖 ∗ 100

Werkdruk In de Nationale Enquête Arbeidsomstandigheden (NEA) hebben leraren uit het po en vo vragen beantwoord over hun arbeidsomstandigheden. Een aantal daarvan zijn

Pagina 9 van 94

gerelateerd aan ervaren werkdruk. In onze analyses over werkdruk benutten we van de volgende zes indicatoren uit de NEA:

• maatstaf voor de moeilijkheidsgraad van het werk (gemiddelde van 3 items):

a. Vereist uw werk intensief nadenken? b. Vergt uw werk dat u er uw gedachten bij houdt? c. Vergt uw werk veel aandacht van u?

• maatstaf voor de zelfstandigheid/autonomie in het werk (gemiddelde van 5 items):

a. Kunt u zelf beslissen hoe u uw werk uitvoert? b. Bepaalt u zelf de volgorde van uw werkzaamheden? c. Kunt u zelf uw werktempo regelen? d. Moet u in uw werk zelf oplossingen bedenken om bepaalde dingen te

doen? e. Kunt u verlof opnemen wanneer u dat wilt?

• maatstaf voor emotioneel zwaar werk (gemiddelde van 3 items): a. Brengt uw werk u in emotioneel moeilijke situaties? b. Is uw werk emotioneel veeleisend? c. Raakt u emotioneel betrokken bij uw werk?

• maatstaf voor werkdruk (gemiddelde van 3 items): a. Moet u erg snel werken? b. Moet u heel veel werk doen? c. Moet u extra hard werken?

• maatstaf voor burn-out; • aantal overwerkuren per week.

Verzuimpercentage Het verzuimpercentage wordt als volgt berekend:

𝑣𝑣𝑣𝑣𝑣𝑣𝑤𝑤𝑣𝑣𝑖𝑖𝑤𝑤𝑝𝑝𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑖𝑖𝑣𝑣𝑣𝑣𝑙𝑙𝑣𝑣 =

𝑣𝑣𝑣𝑣𝑖𝑖𝑣𝑣𝑣𝑣𝑙𝑙 𝑣𝑣𝑣𝑣𝑣𝑣𝑤𝑤𝑣𝑣𝑖𝑖𝑤𝑤𝑣𝑣𝑣𝑣 𝑣𝑣𝑣𝑣𝑙𝑙𝑣𝑣𝑖𝑖 𝑖𝑖𝑖𝑖 𝑣𝑣𝑣𝑣𝑙𝑙𝑣𝑣𝑣𝑣𝑣𝑣𝑖𝑖𝑣𝑣𝑣𝑣 𝑝𝑝𝑣𝑣𝑣𝑣𝑖𝑖𝑜𝑜𝑣𝑣𝑣𝑣 ∗𝑜𝑜𝑤𝑤𝑣𝑣𝑣𝑣𝑖𝑖𝑙𝑙 𝑤𝑤𝑖𝑖𝑣𝑣𝑤𝑤𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑙𝑙𝑜𝑜𝑧𝑧

𝑣𝑣𝑣𝑣𝑖𝑖𝑣𝑣𝑣𝑣𝑙𝑙 𝑙𝑙𝑣𝑣𝑤𝑤𝑣𝑣𝑣𝑣𝑤𝑤𝑣𝑣𝑣𝑣 𝑣𝑣𝑣𝑣𝑙𝑙𝑣𝑣𝑖𝑖 𝑖𝑖𝑖𝑖 𝑣𝑣𝑣𝑣𝑙𝑙𝑣𝑣𝑣𝑣𝑣𝑣𝑖𝑖𝑣𝑣𝑣𝑣 𝑝𝑝𝑣𝑣𝑣𝑣𝑖𝑖𝑜𝑜𝑣𝑣𝑣𝑣 ∗𝑜𝑜𝑤𝑤𝑣𝑣𝑣𝑣𝑖𝑖𝑙𝑙 𝑏𝑏𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑤𝑤𝑤𝑤𝑖𝑖𝑖𝑖𝑙𝑙

∗ 100

Het verzuimpercentage is op BRIN4-niveau vastgesteld op basis van de reguliere formatie. Vervangers, gastdocenten, stagiairs en uitzendkrachten worden niet meegeteld. Verloop Het verloop onder leraren wordt vastgesteld met behulp van de Functiemix. We gebruiken longitudinale gegevens om te onderzoeken in hoeverre de lerarenpopulatie binnen een bepaalde BRIN4 van jaar op jaar verandert. Voor iedere leraar is een indicator gemaakt die aangeeft of het zijn eerste of laatste jaar op een bepaalde school is. Deze indicator is per BRIN en jaar opgeteld. We onderscheiden vervolgens drie verschillende maten voor verloop onder leraren:

• Percentage nieuwe leraren: het totaal aantal nieuwe leraren op BRIN X in jaar T, gedeeld door het totaal aantal leraren werkzaam op BRIN X in jaar T.

• Percentage leraren laatste jaar: het totaal aantal leraren dat in zijn laatste jaar is op BRIN X in jaar T, gedeeld door het totaal aantal leraren op BRIN X in jaar T.

Pagina 10 van 94

• Percentage niet teruggekeerd: het totaal aantal leraren dat in zijn laatste jaar is op BRIN X in jaar T-1 gedeeld door het totaal aantal leraren op BRIN X in jaar T-1.

Carrièremogelijkheden We onderzoeken verschillen tussen scholen in:

• Het percentage van het personeel met een aanstelling van 0.8 FTE of meer. Dit gegeven is berekend op BRIN4 niveau en afkomstig uit de Functiemix.

• Het gemiddelde uurloon van het personeel op een BRIN4. Het gemiddelde uurloon is berekend met gegevens uit de POLIS: SBASISLOON / SBASISUREN.

• Het percentage van het personeel met een aanstelling voor bepaalde tijd. Het type aanstelling is vastgesteld op basis van de variabele SCONTRACTSOORT uit de POLIS.

1.3.5 Gegevens leraren op teamniveau In paragraaf 6 onderzoeken we het effect van lerarenteams op leerling prestaties. Bij het vaststellen van de lerarenteams beperken we ons tot leraren die lesgeven in de eindexamenjaren (4 voor vmbo, 5 voor havo, en 6 voor vwo). Via de IPTO stellen we vast welke leraren in een bepaald schooljaar, op een bepaalde school (brin-vestiging), in een bepaalde afdeling een bepaald vak geven. Een lerarenteam wordt op die manier bijvoorbeeld vastgesteld als alle leraren die in 2015 op een bepaalde vestiging van een bepaalde school in 6 vwo het vak Nederlands geven. Dit betekent dat een bepaalde leraar deel kan uitmaken van verschillende lerarenteams, bijvoorbeeld van 5 havo Engels en van 6 vwo Engels. Omdat sommige leraren meer lesuren geven dan anderen, wegen we de leraarobservaties op basis van het percentage lessen wat zij in dat jaar, op die brin-vestiging, in die afdeling voor dat vak geven. Wanneer een lerarenteam bijvoorbeeld bestaat uit één leraar van 35 jaar die 3 lessen geeft en één leraar van 48 jaar die 9 lessen geeft, is de gewogen gemiddelde leeftijd van dat lerarenteam 44.75 jaar. Percentage mannen Het gewogen percentage mannelijke leerkrachten in een lerarenteam. Geslacht is afkomstig uit de Functiemix. Gemiddelde leeftijd en gemiddelde leeftijd^2 Het gewogen gemiddelde van de leeftijd en het kwadraat van leeftijd in een lerarenteam. Leeftijd is afkomstig uit de Functiemix. Percentage bevoegde, benoembare, onbevoegde en overig bevoegde leraren Voor deze variabelen maken we gebruik van gegevens uit de IPTO. We berekenen het gewogen percentage van de leraren in een lerarenteam dat voor dat specifieke vak bevoegd, benoembaar, onbevoegd en overig bevoegd is. Bij bevoegd gegeven vakken is er sprake van het juiste diploma. Dit is vaak, maar niet noodzakelijkerwijs een diploma voor het vak wat men geeft. Daarnaast zijn er bepaalde overgangsrechten of bijvoorbeeld buitenlandse diploma’s waarmee docenten bevoegd les kunnen geven. Benoembaar is in het algemeen een tijdelijke situatie, voor docenten die in opleiding zijn. Dit zijn bijvoorbeeld zij-instromers die al voor de klas staan of gastdocenten. Bij onbevoegd is er geen sprake van bevoegdheid, noch benoembaarheid (Vloet, den Uijl en Fontein, 2018). Onder overig

Pagina 11 van 94

bevoegd vallen bevoegdheidscategorieën als ondersteunt docent, onbepaalbaar, onbekend en niet-relevante vakken of onderwijstypen.

Percentage leraren met een aanstelling van 0.8 FTE of meer Het gewogen percentage van de leraren in een lerarenteam dat een aanstellingsomvang heeft van 0.8 FTE of meer. Aanstellingsomvang is afkomstig uit de Functiemix. Aantal banen Het gewogen gemiddelde van het aantal banen dat leraren in een bepaald lerarenteam hebben. We gebruiken hiervoor informatie uit de POLIS. Het aantal banen is het aantal verschillende banen dat een bepaalde leraar in oktober van een schooljaar heeft. Het gaat hierbij zowel om banen binnen als buiten het onderwijs. Percentage leraren met een vast contract Het gewogen percentage van de leraren in een lerarenteam dat een contract voor onbepaalde tijd heeft. Deze variabele is gebaseerd op SCONTRACTSOORT uit de POLIS. Wanneer een persoon meerdere banen heeft, gebruiken we de contractsoort van de baan met het hoogste loon. Log gemiddeld uurloon Het log gemiddeld uurloon is het natuurlijk logaritme van het gemiddelde uurloon van de leraren in een lerarenteam. De gegevens zijn afkomstig uit de POLIS: uurloon is het SBASISLOON gedeeld door het aantal SBASISUREN. Vervolgens nemen we het gewogen gemiddelde van uurloon voor het lerarenteam. Percentage leraren met ho opleiding bekend, percentage leraren met een hbo of wo master Voor deze variabelen maken we gebruik van de HOOGSTEOPLTAB van het CBS. We berekenen het gewogen percentage van de leraren in het lerarenteam waarvan de hoogste opleiding bekend is, en het gewogen percentage leraren in het lerarenteam met een hbo of een wo masteropleiding. Percentage leraren in salarisschalen LB, LC, LD en schaal onbekend We gebruiken gegevens over de salarisschaal van leraren uit de Functiemix. We berekenen het gewogen percentage van de leraren in het lerarenteam dat in schaal LB, LC of LD zit, en het gewogen percentage van de leraren waarvan de salarisschaal onbekend is. Percentage leraren met een bepaald aantal jaren ervaring Om het aantal jaar ervaring van leraren te bepalen maken we gebruik van CBS gegevens uit de POLIS (vanaf 2006) en de EWL (1995 tot en met 2005). De EWL staat voor Enquête Werkgelegenheid en Lonen. Het onderwijs is hierin oververtegenwoordigd.

Voor leraren die lesgeven in de examenklassen in 2014, 2015 en 2016 stellen we vast in hoeveel van de jaren sinds 1995 leraren een baan hadden in het onderwijs. Voor de POLIS-bestanden onderzoeken we banen in oktober. Voor de EWL voor het gehele jaar.

Omdat de EWL niet de volledige populatie dekt, worden verschillende aannames gemaakt over het al dan niet hebben van ervaring in jaren waarin een leraar niet voorkomt in de EWL. De resultaten zijn robuust voor deze verschillende aannames. Percentage leraren met vo cijfer bekend en gemiddeld vo-cijfer

Pagina 12 van 94

Voor een deel van de docenten weten we via de 1-cijfer ho bestanden het gemiddelde eindexamencijfer. We berekenen het gewogen percentage van de leraren in het lerarenteam waarvan we het vo-cijfer kennen. Daarnaast berekenen we voor de docenten van wie we het cijfer weten het gemiddelde vo eindexamencijfer. Percentage vo vooropleiding bekend, percentage leraren met een vwo en mbo vooropleiding Voor een deel van de docenten weten we via de 1-cijfer ho bestanden wat hun vo vooropleiding was. We berekenen het gewogen percentage van de leraren in het lerarenteam waarvan we de vo voorgeschiedenis kennen, het percentage leraren met een vwo diploma, en het percentage leraren met een mbo vooropleiding.

Pagina 13 van 94

2. Lerarentekort

2.1 Leerlingen worden soms naar huis gestuurd Het lerarentekort is dagelijks voelbaar in de onderwijspraktijk. In de schoolleidersvragenlijst voor het basisonderwijs is onder andere gevraagd hoe vaak het voorgekomen is dat schoolleiders groepen naar huis hebben moesten sturen omdat er geen leraar beschikbaar was. In Tabel 1 is te zien dat 44 procent van de door ons bevraagde schoolleiders aangeeft dat zij sinds september 2017 minimaal één keer een klas naar huis moest sturen, omdat er geen leraar beschikbaar was. Het is mogelijk dat deze 44 procent een onderschatting is van het werkelijke percentage in het schooljaar 2017/2018, omdat een deel van de schoolleiders deze vragenlijst al in januari/februari 2018 heeft ingevuld. De schoolleidersvragenlijst staat uitgebreider beschreven in het Technisch Rapport Primair Onderwijs. Tabel 1: Schoolleidersvragenlijst: Is het sinds september 2017 voorgekomen dat u groepen naar huis moest sturen vanwege het niet beschikbaar zijn van een leraar?

n percentage

Ja, 3 keer of minder 41 27.7

Ja, 4 tot 10 keer 22 14.9

Ja, meer dan 10 keer 2 1.4

Anders, namelijk 21 14.2

Nee 62 41.9

Totaal 148 100

2.2 Instroom in de lerarenopleidingen Tabel 2, Tabel 3 en Tabel 4 laten de omvang van de instroom in de verschillende lerarenopleidingen zien. Deze gegevens zijn gebaseerd op de 1-cijfer ho-inschrijvingenbestanden over de periode 2013-2018. Tabel 2 laat de totale instroom zien. In 2018 zien we bijvoorbeeld voor de pabo’s een instroom van 6.999 studenten, en voor de tweedegraads lerarenopleidingen een instroom van 7.639 studenten. De instroom voor de ulo’s is in 2018 1.065 en voor de eerstegraads masters 606 studenten. De cijfers over de instroom in de lerarenopleidingen in Tabel 2 liggen aanmerkelijk hoger dan de cijfers die zijn gepubliceerd op Onderwijs in Cijfers (2018). Dat komt omdat we in Tabel 2 zowel directe als indirecte instroom in de lerarenopleidingen meenemen, terwijl Onderwijs in Cijfers (2018) alleen directe instroom rapporteert. Bij directe instroom gaat het om studenten die niet eerder een inschrijving in het hoger onderwijs hebben gehad, doorgaans komen zij vanuit het middelbaar onderwijs. Bij indirecte instroom betreft het studenten die indirect, na een eerdere ho-inschrijving, in een lerarenopleiding instromen. In Tabel 3 wordt de totale instroom gesplitst in directe en indirecte instroom. Deze tabel laat zien dat de cijfers over directe instroom overeenkomen met de cijfers op Onderwijs in Cijfers (2018).

Pagina 14 van 94

In Tabel 4 wordt de instroom in 2e graads hbo, 1e graads hbo-master, en de ulo uitgesplitst naar instroom in opleidingen voor tekortvakken, en in instroom voor opleidingen voor niet-tekortvakken. De tekortvakken in deze tabel zijn Duits, informatica, natuurkunde, scheikunde, klassieke talen, Frans en wiskunde. Brede lerarenopleidingen worden meegenomen als niet-tekortvakken. Uit deze tabel valt af te leiden dat de daling van de instroom bij de tweedegraads lerarenopleidingen voor de tekortvakken sterker was dan voor niet-tekortvakken: respectievelijk 8.8 en 4.0 procent. Tabel 2: Instroom in opleidingen onderwijs naar opleidingsvorm

Voltijd Deeltijd Totaal hbo pabo bachelor 2013 6873 1227 8100

2014 7009 1203 8212 2015 4488 991 5479 2016 4942 1100 6042 2017 4953 1373 6326 2018 5327 1672 6999

2egraads hbo bachelor 2013 5835 2891 8726 2014 5798 2698 8496 2015 5484 2779 8263 2016 5474 2655 8129 2017 5419 2619 8038 2018 5190 2449 7639

1egraads kunst/lo bachelor 2013 1912 187 2099 2014 1951 151 2102 2015 1767 175 1942 2016 1873 178 2051 2017 1836 198 2034 2018 1795 199 1994

1egraads hbo-ma master 2013 651 651 2014 593 593 2015 12 597 609 2016 30 579 609 2017 28 566 594 2018 15 591 606

wo pabo bachelor 2018 46 46 ulo master 2013 1066 174 1240

2014 954 186 1140 2015 926 146 1072 2016 898 100 998 2017 859 112 971 2018 933 132 1065

Tabel 3: Instroom in opleidingen onderwijs naar opleidingsvorm, uitgesplitst naar directe en indirecte instroom

Voltijd Deeltijd Totaal directe

instroom indirecte instroom

directe instroom

indirecte instroom

directe instroom

indirecte instroom

hbo pabo bachelor 2013 5042 1831 319 908 5361 2739 2014 5086 1923 238 965 5324 2888 2015 3359 1129 144 847 3503 1976

Pagina 15 van 94

2016 3647 1295 149 951 3796 2246 2017 3609 1344 245 1128 3854 2472 2018 3862 1465 364 1308 4226 2773

2egraads hbo

bachelor 2013 2735 3100 689 2202 3424 5302 2014 2717 3081 580 2118 3297 5199 2015 2533 2951 547 2232 3080 5183 2016 2643 2831 596 2059 3239 4890 2017 2894 2525 651 1968 3545 4493 2018 2658 2532 685 1764 3343 4296

1egraads kunst/lo

bachelor 2013 1449 463 52 135 1501 598 2014 1452 499 28 123 1480 622 2015 1290 477 40 135 1330 612 2016 1364 509 36 142 1400 651 2017 1391 445 51 147 1442 592 2018 1355 440 52 147 1407 587

1egraads hbo-ma

master 2013 36 615 36 615 2014 23 570 23 570 2015 12 17 580 17 592 2016 1 29 18 561 19 590 2017 28 12 554 12 582 2018 1 14 12 579 13 593

wo pabo bachelor 2018 22 24 22 24 ulo master 2013 43 1023 8 166 51 1189

2014 27 927 15 171 42 1098 2015 38 888 11 135 49 1023 2016 32 866 9 91 41 957 2017 43 816 5 107 48 923 2018 43 890 11 121 54 1011

Tabel 4: Instroom in opleidingen onderwijs naar opleidingsvorm, uitgesplitst naar tekortvakken

Tekortvakken Geen tekortvak Tekortvak

voltijd deeltijd Totaal voltijd deeltijd Totaal hbo 2egraads hbo bachelor 2013 4953 2074 7027 882 817 1699

2014 4867 1949 6816 931 749 1680 2015 4510 1969 6479 974 810 1784 2016 4474 1893 6367 1000 762 1762 2017 4482 1913 6395 937 706 1643 2018 4272 1868 6140 918 581 1499

1egraads hbo-ma

master 2013 410 410 241 241 2014 367 367 226 226 2015 9 349 358 3 248 251 2016 16 332 348 14 247 261 2017 22 332 354 6 234 240 2018 9 357 366 6 234 240

wo ulo master 2013 927 142 1069 139 32 171 2014 817 147 964 137 39 176 2015 811 126 937 115 20 135 2016 737 68 805 161 32 193 2017 698 93 791 161 19 180 2018 908 127 1035 25 5 30

Pagina 16 van 94

Tabel 5 laat gegevens zien over het aantal zij-instromers (ZiB-trajecten) in het onderwijs. In 2014 waren er 360 aanvragen voor subsidie. In 2018 werden ruim 900 aanvragen toegekend. De cijfers tot 2017 zijn afkomstig uit schriftelijke beantwoordingen op kamervragen (OCW, 2018) en zijn voor 2018 aangevuld door het ministerie van OCW. Tabel 5: Aantal toegekende aanvragen voor subsidie zij-instroom en aantal scholen

Sector 2014 2015 2016 2017 2018 po 21 20 11 11 16 16 62 52 337 291 (v)so 2 2 8 8 3 3 9 7 18 16 vo 146 110 158 108 120 83 99 80 136 92 mbo 191 40 380 55 364 46 325 42 427 47 Totaal 360 172 557 182 503 148 495 181 918 446

2.3 Het lerarentekort varieert sterk tussen scholen, regio’s en sectoren Het lerarentekort kan in beeld worden gebracht door middel van de Arbeidsmarktbarometer, waarmee gemeten is welke scholen op internet vacatures uit hebben staan, voor welke functie(s) en de bijbehorende werktijdfactor (Van der Ploeg, van de Pol, Vankan & van Kerkhof, 2017; Sapulete, van de Pol, Vankan, Kerkhof & Jelicic, 2018). In de Arbeidsmarktbarometer 2016/2017 en 2017/2018 zijn een totaal aantal vacatures aangetroffen van respectievelijk 11.227 en 14.155 fulltime personen. １ In Tabel 6 is te zien hoe die aantallen verdeeld zijn over de sectoren po, so en vo. Circa 80 procent van alle vacatures betreft vacatures voor leraren. Tabel 6: Merendeel van de vacatures (in FTE) betreft vo

2016/2017 2017/2018 po 2.975 5.015 so 1.273 1.971 vo 6.979 7.169 Totaal 11.227 14.155 Voor bijna alle vacatures in de Arbeidsmarktbarometer is bekend voor welk schoolbestuur de vacature destijds online is gezet. Op basis hiervan is vastgesteld dat circa 45 procent van alle schoolbesturen in het po en circa 80 procent van alle schoolbesturen in het vo erin voorkomen. In het onderzoek gebruiken we zowel de aanwezigheid in de Arbeidsmarktbarometer (zie paragraaf 3.4) als de volgende twee maatstaven voor de vacature-intensiteit bij scholen/schoolbesturen:

1. het aantal vacatures in fte per 100 leerlingen; 2. het aantal vacatures in fte als percentage van het aantal fte werkzame

personen.

１ Deze aantallen verschillen van de gerapporteerde aantallen in Van der Ploeg, van de Pol, Vankan & van Kerkhof

(2017) en Sapulete, van de Pol, Vankan, Kerkhof en Jelicic (2018) omdat wij alleen gebruikmaken van de vacatures waarvoor de werktijdfactor bekend is. Ecorys en Dialogic rapporteren ook over vacatures zonder werktijdfactor, waarbij ze de gemiddelde werktijdfactor per vacature hebben geïmputeerd.

Pagina 17 van 94

De landelijke vacature-intensiteit volgens beide maatstaven is weergegeven in Tabel 7, waarin naast de verschillen tussen sectoren ook de ontwikkeling tussen schooljaren 2016/2017 en 2017/2018 is af te lezen. Allereerst valt op dat de vacature-intensiteit in het vo en so hoger is dan in het po, volgens beide maatstaven. Maar de toename in vacatures is relatief het grootst in het po. Tabel 7: Vacature-intensiteit in vo en so hoger dan in po

Vacature-intensiteit als percentage van het aantal FTE werkzame personen２

Vacature-intensiteit per 100 leerlingen

2016/2017 2017/2018 2016/2017 2017/2018 po 2.92 4.98 0.20 0.35 so 6.71 10.69 1.93 2.91 vo 8.19 8.72 0.71 0.74 Naast de landelijk vacature-intensiteit is er ook gekeken naar eventuele regionale verschillen. Hiervoor is gebruik gemaakt van de landelijke indeling volgens de Regionale Platforms Arbeidsmarkt, ook wel de RPA-gebieden genoemd. Dit betreft in totaal 34 gebieden volgens de laatste indeling in 2016. Alle vacatures in de Arbeidsmarktbarometer zijn geclusterd per schoolbestuur en vervolgens is per schoolbestuur vastgesteld in welk RPA-gebied de scholen van dat schoolbestuur zijn gevestigd. Indien een schoolbestuur uit scholen bestaat die verspreid zijn over meerdere RPA-gebieden, dan is gekozen voor het RPA-gebied met de meeste leerlingen. Deze methodologie is geschikt voor po en vo, maar niet voor so. In het so zijn leerlingen namelijk veel evenrediger verdeeld over RPA-gebieden indien er sprake is van scholen in meerdere RPA-gebieden per schoolbestuur. Om deze reden is ervoor gekozen om de regionale vacature-intensiteit niet vast te stellen voor het so. Figuur 1 en Figuur 3 laten zien dat de vacature-intensiteit per 100 leerlingen in het po hoger is in de RPA-gebieden waarin de g4 steden liggen. De vacature-intensiteit als aandeel van het aantal fte werkzame personen in het po geeft eenzelfde beeld, zie Figuur 2 en Figuur 4. In het vo is de regionale spreiding in vacature-intensiteit minder groot dan in het po, wat zich grafisch uit in meer en grotere clusters van RPA-gebieden met een relatief hoge vacature-intensiteit. Hierin is nauwelijks verschil tussen de vacature-intensiteit per 100 leerlingen en als percentage van het aantal fte werkzame personen. Het beeld voor vo is weergegeven in Figuur 5 tot en met Figuur 8. Figuur 1: Regionale vacature-intensiteit per 100 leerlingen in 2016/2017 (po)

２ Deze cijfers verschillen licht van de cijfers in Ecorys (2017) en Ecorys (2018), omdat we onderscheid maken

tussen po en SO en alleen vacatures hebben meegenomen waarvoor de werktijdfactor bekend is.

Pagina 18 van 94

Figuur 2: Regionale vacature-intensiteit als percentage van het aantal FTE werkzame personen in 2016/2017 (po)

Figuur 3: Regionale vacature-intensiteit per 100 leerlingen in 2017/2018 (po)

Pagina 19 van 94

Figuur 4: Regionale vacature-intensiteit als percentage van het aantal FTE werkzame personen in 2017/2018 (po)

Figuur 5: Regionale vacature-intensiteit per 100 leerlingen in 2016/2017 (vo)

Pagina 20 van 94

*Het RPA gebied Weert is grijs gekleurd omdat scholen in deze regio vallen onder schoolbesturen die meer leerlingen hebben in andere RPA gebieden. Figuur 6: Regionale vacature-intensiteit als percentage van het aantal FTE werkzame personen in 2016/2017 (vo)

*Het RPA gebied Weert is grijs gekleurd omdat scholen in deze regio vallen onder schoolbesturen die meer leerlingen hebben in andere RPA gebieden. Figuur 7: Regionale vacature-intensiteit per 100 leerlingen in 2017/2018 (vo)

Pagina 21 van 94

*Het RPA gebied Weert is grijs gekleurd omdat scholen in deze regio vallen onder schoolbesturen die meer leerlingen hebben in andere RPA gebieden. Figuur 8: Regionale vacature-intensiteit als percentage van het aantal FTE werkzame personen in 2017/2018 (vo)

*Het RPA gebied Weert is grijs gekleurd omdat scholen in deze regio vallen onder schoolbesturen die meer leerlingen hebben in andere RPA gebieden. In 2017/2018 bedraagt de vacature-intensiteit voor de RPA-regio’s waar de G4 steden zich bevinden 9.5 procent voor het primair onderwijs en 11.8 procent voor het voortgezet onderwijs. De vacature-intensiteit in de overige RPA-regio’s is 2.5 procent voor het primair onderwijs en 7.1 procent voor het voortgezet onderwijs.

Pagina 22 van 94

2.4 Het lerarentekort is ongelijk verdeeld: basisscholen met meer niet-westerse leerlingen worden harder getroffen Paragraaf 3.3 laat zien dat het lerarentekort ongelijk is verdeeld tussen regio’s en sectoren. Dat roept de vraag op of het hebben van vacatures ook samenhangt met bepaalde schoolkenmerken of kenmerken van de leerlingpopulatie op een school Dat is onderzocht door middel van multivariate regressieanalyses op schoolniveau, waarbij dient te worden opgemerkt dat de school (BRIN4) niet voor alle vacatures in de Arbeidsmarktbarometer bekend is. We weten het BRIN4-nummer voor 44 procent van de vacatures in het po en 67 procent van de vacatures in het vo. Zoals eerder beschreven is voor bijna alle vacatures in de Arbeidsmarktbarometer bekend voor welk schoolbestuur de vacature destijds online is gezet. Daarom zijn de analyses van het lerarentekort zowel uitgevoerd op school- als op bestuursniveau. De resultaten op bestuursniveau zijn vergelijkbaar met de resultaten op schoolniveau. Wanneer scholen / schoolbesturen niet voorkomen in de Arbeidsmarktbarometer betekent dat niet dat zij geen vacatures hadden. Naast het onbekend zijn van het BRIN4-nummer, is het mogelijk dat scholen personeel werven op andere wijze dan via het online plaatsen van vacatures. Om deze reden onderzoeken we zowel het hebben van vacatures (aanwezigheid in de Arbeidsmarktbarometer) als de relatie tussen de vacature-intensiteit en school- en leerlingkenmerken. We interpreteren de resultaten onder de aanname dat aanwezigheid in de Arbeidsmarktbarometer betekent dat scholen/schoolbesturen relatief meer moeite hebben met het vervullen van vacatures dan scholen/schoolbesturen die er niet in voorkomen. Dat blijkt ook indirect uit het meeste recente rapport over de Arbeidsmarktbarometer (Sapulete, van de Pol, Vankan, Kerkhof & Jelicic, 2018). In Tabel 8 staan de resultaten van de regressieanalyses waarin het hebben van vacatures (ja/nee) op basisscholen is gerelateerd aan kenmerken van de school- en de leerlingpopulatie. In model 1 is het hebben van vacatures gerelateerd aan het aantal leerlingen, het percentage jongens, de migratie-achtergrond, het opleidingsniveau van de ouders van leerlingen, de cito-scores en het percentage leerlingen dat aan de cito-toets heeft deelgenomen. In model 2 zijn daar de schoolkenmerken stedelijkheid, bestuursgrootte (categoriale variabele) en denominatie aan toegevoegd. In model 3 tot en met 10 laten we de univariate relatie zien tussen ieder van de onafhankelijke variabelen en het hebben van vacatures. De resultaten daarvan zijn in één kolom weergegeven, maar dient te worden gelezen per onafhankelijke variabele. De constante, de coëfficiënt per schooljaar, het aantal leerlingen, het aantal scholen en de R2 zijn niet vermeld, omdat deze verschillen per model. Dezelfde multivariate regressieanalyses zijn uitgevoerd op de twee maatstaven van vacature-intensiteit voor het po, zie Tabel 9 en Tabel 10. Uit de tabellen blijkt voornamelijk dat po-scholen met een hoger percentage leerlingen met een niet-westerse migratie-achtergrond een significant hogere vacature-intensiteit hebben dan scholen met autochtone leerlingen. Ook stedelijkheid is van invloed op de vacature-intensiteit. Dit patroon is zorgwekkend omdat het bij kan dragen aan een vergroting van de kansenongelijkheid in het Nederlandse onderwijsstelsel. Niet alle scholen blijken in dezelfde mate te worden getroffen door het tekort aan leraren. Het lerarentekort is allereerst een grootstedelijk probleem. Daarnaast zien we dat scholen met meer leerlingen met een niet-westerse migratie-achtergrond meer vacatures online

Pagina 23 van 94

hebben uitstaan. Dit verband is ook aanwezig op bestuursniveau. Dit ligt niet aan de leerlingpopulatie in de grote steden: zowel binnen de grote steden als landelijk zien we dat scholen die actiever op zoek zijn naar leraren meer leerlingen met een niet-westerse migratie-achtergrond hebben. We vinden geen duidelijk verband tussen de vacature-intensiteit en het opleidingsniveau van de ouders. Het effect van de migratie-achtergrond van leerlingen op de vacature-intensiteit is relatief groot, gegeven de gemiddelde vacature-intensiteit van 11.4 procent (SD=11,03) van het aantal FTE werkzame personen per school. Wanneer het percentage leerlingen met een niet-westerse migratieachtergrond toeneemt met 10 procent, dan stijgt de vacature-intensiteit met 0.97 procentpunt, oftewel 8.8 procent van een standaardafwijking. Dezelfde analyses zijn uitgevoerd voor het vo. Daaruit blijkt geen overtuigde relatie tussen het hebben van vacatures of de vacature-intensiteit en school- en leerlingkenmerken. De regressieresultaten voor vo zijn weergegeven in Tabel 11 tot en met Tabel 13. Tabel 8: Relatie tussen het hebben van vacatures en school- en leerlingkenmerken (po)

Model 1 Model 2 Model 3 t/m 10

Leerling- populatie

Met schoolkenmerken

univariaat

% missing opleiding ouders 0.006*** 0.005*** 0.002**

(0.001) (0.001) (0.001)

% ouders wo opgeleid 0.005*** 0.004*** 0.008***

(0.001) (0.001) (0.000)

% ouders hbo opgeleid -0.002** -0.002* -0.002***

(0.001) (0.001) (0.000)

% ouders mbo 2 opgeleid -0.004*** -0.003** 0.004***

(0.001) (0.001) (0.001)

% westerse migratieachtergrond 0.003* 0.004*** 0.008*** (0.001) (0.001) (0.001) % niet-westerse migratieachtergrond

0.007*** 0.006*** 0.004***

(0.001) (0.001) (0.000) % jongens -0.002+ -0.002 -0.004***

(0.001) (0.001) (0.000)

Aantal leerlingen BRIN4 0.000*** 0.000*** 0.001***

(0.000) (0.000) (0.000)

2016 (ref) (ref)

2017 0.051*** 0.050***

(0.006) (0.006)

Gemiddelde citoscore -0.001 -0.001 0.000

(0.001) (0.001) (0.001)

% deelname aan citotoets -0.002 -0.001 -0.005***

(0.001) (0.001) (0.001)

Zeer sterk stedelijk

(ref) (ref)

Sterk stedelijk

-0.084*** -0.217***

(0.021) (0.015)

Matig stedelijk

-0.058* -0.226***

Pagina 24 van 94

(0.024) (0.016)

Weinig stedelijk

-0.074** -0.297***

(0.024) (0.014)

Niet stedelijk

-0.103*** -0.338***

(0.024) (0.014)

Bestuursgrootte 0-2000 leerlingen

(ref) (ref)


0.029* 0.005

(0.014) (0.011)


-0.028* -0.003

(0.013) (0.009)

Bestuursgrootte >5500 leerlingen

-0.070*** 0.055***

(0.016) (0.011)

Openbaar

(ref) (ref)

Rooms Katholiek

-0.014 -0.028**

(0.012) (0.009)

Protestants Christelijk

0.036** -0.006

(0.013) (0.010)

Overig bijzonder

0.054* 0.129***

(0.026) (0.018)

Constante 0.463 0.671

(0.665) (0.661)

N observaties 7171 7169 N scholen 3946 3945 R2 0.153 0.169 Noot: De afhankelijke variabele van de twee multivariate regressies en acht univariate regressies in deze tabel is de aanwezigheid in de Arbeidsmarktbarometer (0/1). De standaardfouten staan tussen haakjes en zijn geclusterd op BRIN-niveau. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. + p<0.10, * p<0.05, ** p<0.01, *** p<0.001.

Tabel 9: Relatie tussen vacature-intensiteit per 100 leerlingen en school- en leerlingkenmerken (po)


Leerling- populatie

Met school-kenmerken

univariaat

% missing opleiding ouders 0.016** 0.014* 0.012*

(0.006) (0.006) (0.005)

% ouders wo opgeleid 0.007* 0.006* 0.004+

(0.003) (0.003) (0.003)

% ouders hbo opgeleid -0.003 -0.001 -0.006

(0.005) (0.005) (0.004)

% ouders mbo 2 opgeleid -0.010 -0.010 0.009*

(0.006) (0.006) (0.004)

% westerse migratieachtergrond 0.002 0.002 -0.001

(0.007) (0.007) (0.005)

% niet-westerse migratieachtergrond

0.012*** 0.011*** 0.007***

(0.003) (0.003) (0.001)

% jongens -0.002 -0.002 0.018*

Pagina 25 van 94

(0.008) (0.008) (0.008)

Aantal leerlingen BRIN4 -0.002*** -0.002*** -0.002***

(0.000) (0.000) (0.000)

2016 (ref) (ref)

2017 0.143*** 0.151***

(0.041) (0.041)

Gemiddelde citoscore -0.029*** -0.027*** -0.038***

(0.008) (0.008) (0.008)

% deelname aan citotoets -0.003 -0.003 -0.009

(0.006) (0.006) (0.006)

Zeer sterk stedelijk (ref) (ref)

Sterk stedelijk -0.199** -0.261***

(0.067) (0.054)

Matig stedelijk -0.149+ -0.133+

(0.078) (0.069)

Weinig stedelijk -0.035 -0.101+

(0.091) (0.061)

Niet stedelijk 0.245 0.221*

(0.161) (0.106)

Bestuursgrootte 0-2000 leerlingen (ref) (ref)


0.085 -0.009

(0.062) (0.063)


0.069 -0.022

(0.060) (0.055)

Bestuursgrootte >5500 leerlingen 0.079 0.141*

(0.079) (0.069)

Openbaar (ref) (ref)

Rooms Katholiek 0.050 -0.086

(0.075) (0.059)

Protestants Christelijk -0.009 -0.119*

(0.061) (0.051)

Overig bijzonder 0.081 0.106

(0.095) (0.086)

Constante 16.659*** 15.583***

(4.470) (4.450)

N observaties 1200 1200 N scholen 860 860 R2 0.156 0.170 Noot: De afhankelijke variabele van de twee multivariate regressies en acht univariate regressies in deze tabel is de vacature-intensiteit per 100 leerlingen. De standaardfouten staan tussen haakjes en zijn geclusterd op BRIN-niveau. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. + p<0.10, * p<0.05, ** p<0.01, *** p<0.001.

Tabel 10: Relatie tussen vacature-intensiteit als percentage van het aantal FTE werkzame personen en school- en leerlingkenmerken (po)


Pagina 26 van 94

Leerling- populatie


Univariaat

% missing opleiding ouders 0.099+ 0.064 0.095+

(0.058) (0.062) (0.057)

% ouders wo opgeleid 0.053 0.051 0.026

(0.035) (0.035) (0.031)


(0.061) (0.063) (0.055)

% ouders mbo 2 opgeleid -0.161* -0.165* 0.016

(0.074) (0.073) (0.049)

% westerse migratieachtergrond -0.025 -0.017 -0.072

(0.070) (0.072) (0.047)


0.092** 0.097** 0.036**

(0.032) (0.036) (0.012)

% jongens 0.009 0.006 0.205*

(0.100) (0.101) (0.092)

Aantal leerlingen BRIN4 -0.018*** -0.018*** -0.018***

(0.003) (0.003) (0.002)

2016 (ref) (ref)

2017 2.186*** 2.305***

(0.520) (0.520)

Gemiddelde citoscore -0.349*** -0.322** -0.283***

(0.103) (0.103) (0.084)

% deelname aan citotoets -0.031 -0.025 -0.040

(0.072) (0.073) (0.068)


Sterk stedelijk -1.994* -1.804**

(0.964) (0.674)

Matig stedelijk -1.621 0.052

(1.146) (0.873)

Weinig stedelijk 0.563 0.779

(1.310) (0.788)

Niet stedelijk 3.864+ 3.768**

(2.162) (1.239)

Bestuursgrootte 0-2000 leerlingen (ref) (ref)


1.778* 0.457

(0.880) (0.765)


1.419+ 0.391

(0.851) (0.679)

Bestuursgrootte >5500 leerlingen 1.371 1.195

(1.059) (0.822)



(0.947) (0.767)

Protestants Christelijk 0.330 -1.207+

(0.841) (0.686)


(1.265) (0.943)

Pagina 27 van 94

Constante 205.630*** 189.383**

(57.702) (57.484)

N observaties 1197 1197 N scholen 857 857 R2 0.096 0.112 Noot: De afhankelijke variabele van de twee multivariate regressies en acht univariate regressies in deze tabel is de vacature-intensiteit als percentage van het aantal FTE werkzame personen. De standaardfouten staan tussen haakjes en zijn geclusterd op BRIN-niveau. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. + p<0.10, * p<0.05, ** p<0.01, *** p<0.001.

Tabel 11: Relatie tussen het hebben van vacatures en school- en leerlingkenmerken (vo)

Model 1

Leerling-populatie

Model 2 Met schoolkenmerken

Model 3 t/m 10 Univariaat

% missing opleiding ouders 0.020*** 0.021*** 0.013***

(0.004) (0.004) (0.004)

% ouders wo opgeleid 0.012*** 0.014*** 0.010***

(0.003) (0.003) (0.002)

% ouders hbo opgeleid -0.001 0.003 0.007

(0.005) (0.005) (0.005)

% ouders mbo 2 opgeleid 0.001 0.005 0.003

(0.005) (0.005) (0.003)

% missing etniciteit -0.054+ -0.047+ -0.035+

(0.028) (0.027) (0.020)

% westerse migratieachtergrond -0.013* -0.012* 0.002

(0.006) (0.006) (0.005)

% niet-westerse migratieachtergrond 0.007*** 0.006** 0.001

(0.002) (0.002) (0.001)

% met onbekend advies -0.005 -0.009+ -0.002

(0.004) (0.004) (0.004)

% met pro en vso advies -0.002 -0.002 -0.005***

(0.002) (0.002) (0.001)

% vmbo-b advies 0.004 0.003 0.002

(0.004) (0.004) (0.004)

% vmbo-b/k advies -0.003 -0.003 -0.002

(0.008) (0.008) (0.009)

% vmbo-k advies -0.005 -0.004 -0.005

(0.004) (0.004) (0.004)

% vmbo-k/gt advies 0.007 0.008 -0.007

(0.011) (0.010) (0.010)

% vmbo-gt advies -0.000 0.000 -0.002

(0.002) (0.002) (0.002)

% vmbo-gt / havo advies 0.003 0.001 0.004

(0.005) (0.005) (0.004)

% havo advies 0.000 0.000 -0.002

(0.002) (0.002) (0.002)

% havo/vwo advies -0.001 0.002 0.001

(0.003) (0.004) (0.004)

% jongens 0.004 0.005+ -0.011***

(0.003) (0.003) (0.003)

Aantal leerlingen BRIN4 0.000*** 0.000*** 0.000***

Pagina 28 van 94

(0.000) (0.000) (0.000)

2016 (ref) (ref)

2017 0.006 0.005

(0.015) (0.015)

Buiten G4

(ref) (ref)

Amsterdam

-0.046 0.109+

(0.079) (0.065)

Rotterdam

0.028 0.090

(0.068) (0.068)

Den Haag

-0.025 0.117

(0.075) (0.091)

Utrecht

-0.062 0.121

(0.095) (0.089)

Kleinste besturen

(ref) (ref)

Beneden gemiddeld grote besturen

-0.060 0.036

(0.049) (0.051)

Gemiddeld grote besturen

-0.009 0.131**

(0.050) (0.049)

Bovengemiddeld grote besturen

0.044 0.129**

(0.041) (0.044)

Grote besturen

0.004 0.028

(0.051) (0.055)

Openbaar

(ref) (ref)

Rooms Katholiek

-0.194*** -0.164***

(0.043) (0.048)

Protestants Christelijk

-0.130** -0.119*

(0.045) (0.047)

Overig bijzonder

-0.078* -0.069+

(0.038) (0.041)

Constante -0.241 -0.415

(0.370) (0.375)

Aantal observaties 1218 1218 Aantal scholen 617 617 R2 0.237 0.265 Noot: De afhankelijke variabele van de twee multivariate regressies en acht univariate regressies in deze tabel is de aanwezigheid in de Arbeidsmarktbarometer (0/1). De standaardfouten staan tussen haakjes en zijn geclusterd op BRIN-niveau. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. + p<0.10, * p<0.05, ** p<0.01, *** p<0.001. Tabel 12: Relatie tussen vacature-intensiteit per 100 leerlingen en school- en leerlingkenmerken (vo)

Model 1 Leerling- populatie



% missing opleiding ouders -0.016 -0.015 -0.004

(0.016) (0.015) (0.010)


(0.012) (0.012) (0.010)

% ouders hbo opgeleid 0.005 0.010 -0.004

Pagina 29 van 94

(0.020) (0.020) (0.018)


(0.032) (0.032) (0.017)

% missing etniciteit -0.009 0.025 -0.008

(0.077) (0.071) (0.043)

% westerse migratieachtergrond -0.009 -0.019 -0.024*

(0.019) (0.020) (0.011)


0.001 -0.002 0.013***

(0.012) (0.011) (0.004)

% met onbekend advies 0.004 0.002 0.002

(0.014) (0.015) (0.009)

% met pro en vso advies 0.016* 0.014* 0.017**

(0.007) (0.007) (0.005)

% vmbo-b advies -0.014 -0.014 -0.008

(0.017) (0.018) (0.014)

% vmbo-b/k advies 0.031 0.026 0.023

(0.019) (0.019) (0.021)

% vmbo-k advies 0.021+ 0.021+ 0.012

(0.012) (0.012) (0.011)

% vmbo-k/gt advies -0.004 -0.001 -0.016

(0.023) (0.023) (0.021)

% vmbo-gt advies 0.009+ 0.009+ 0.006

(0.005) (0.005) (0.004)


(0.008) (0.008) (0.006)

% havo advies 0.003 0.006+ -0.004

(0.003) (0.004) (0.003)

% havo/vwo advies 0.007 0.001 0.004

(0.005) (0.005) (0.004)

% jongens 0.009 0.012 0.034**

(0.012) (0.012) (0.011)

Aantal leerlingen BRIN4 -0.000** -0.000*** -0.000***

(0.000) (0.000) (0.000)

2016 (ref) (ref)

2017 0.030 0.025

(0.043) (0.044)

Buiten G4 (ref) (ref)

Amsterdam 0.165 0.325*

(0.230) (0.157)

Rotterdam 0.297 0.367

(0.259) (0.292)

Den Haag 0.226 0.054

(0.182) (0.150)

Utrecht -0.402 -0.156

(0.288) (0.107)

Kleinste besturen (ref) (ref)

Beneden gemiddeld grote besturen 0.321* 0.083

(0.160) (0.135)

Gemiddeld grote besturen 0.430+ 0.172

(0.219) (0.189)

Bovengemiddeld grote besturen 0.073 0.022

Pagina 30 van 94

(0.097) (0.088)

Grote besturen 0.025 -0.106

(0.099) (0.077)



(0.107) (0.079)

Protestants Christelijk 0.125 0.061

(0.139) (0.126)

Overig bijzonder 0.214+ 0.222

(0.123) (0.136)

Constante -0.462 -1.047

(1.287) (1.323)

Aantal observaties 877 877 Aantal scholen 473 473 R2 0.155 0.184 Noot: De afhankelijke variabele van de twee multivariate regressies en acht univariate regressies in deze tabel is de vacature-intensiteit per 100 leerlingen. De standaardfouten staan tussen haakjes en zijn geclusterd op BRIN-niveau. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. + p<0.10, * p<0.05, ** p<0.01, *** p<0.001.

Tabel 13: Relatie tussen vacature-intensiteit als percentage van het aantal FTE werkzame personen en school- en leerlingkenmerken (vo)




% missing opleiding ouders 0.270 0.235 0.199

(0.198) (0.172) (0.176)


(0.162) (0.222) (0.084)


(0.154) (0.237) (0.149)


(0.257) (0.355) (0.162)

% missing etniciteit 0.489 1035 -0.552+

(0.415) (0.689) (0.329)

% westerse migratieachtergrond 0.064 0.039 -0.195

(0.160) (0.188) (0.191)


0.013 -0.031 0.098**

(0.112) (0.144) (0.034)

% met onbekend advies -0.573+ -0.603 -0.378

(0.341) (0.373) (0.313)

% met pro en vso advies 1.345 1.409 1.039

(1.407) (1.417) (1.248)

% vmbo-b advies 0.697 0.719 0.623

(0.604) (0.601) (0.557)

% vmbo-b/k advies -0.624 -0.679 -0.512

(0.954) (0.965) (0.858)

% vmbo-k advies 0.120 0.162 -0.023

(0.147) (0.163) (0.124)

% vmbo-k/gt advies -0.185 -0.070 -0.390

(0.231) (0.238) (0.249)

Pagina 31 van 94

% vmbo-gt advies 0.060+ 0.077+ 0.016

(0.032) (0.041) (0.031)


(0.089) (0.096) (0.089)

% havo advies 0.025 0.085+ -0.062

(0.045) (0.050) (0.057)

% havo/vwo advies 0.085 0.082 0.074

(0.084) (0.113) (0.078)

% jongens 0.154 0.179 0.263+

(0.136) (0.141) (0.139)

Aantal leerlingen BRIN4 -0.002+ -0.002+ -0.001*

(0.001) (0.001) (0.001)

2016 (ref) (ref)

2017 0.292 0.078

(0.452) (0.431)


Amsterdam 2.745 1.734

(3.068) (1.315)


(2.453) (1.695)

Den Haag 1.447 1.570

(2.105) (1.725)

Utrecht -4.418 -1.020

(4.342) (1.513)


Beneden gemiddeld grote besturen 1.515 0.193

(1.211) (0.826)

Gemiddeld grote besturen 7.182 3.486

(5.564) (3.917)


(1.512) (0.718)

Grote besturen -0.113 -0.143

(1.212) (0.822)


Rooms Katholiek 1.223 0.453

(1.137) (0.652)


(4.024) (3.537)


(1.060) (0.716)

Constante -20.640 -33.086+

(12.849) (19.770)

Aantal observaties 763 763 Aantal scholen 404 404 R2 0.119 0.155 Noot: De afhankelijke variabele van de twee multivariate regressies en acht univariate regressies in deze tabel is de vacature-intensiteit als percentage van het aantal FTE werkzame personen. De standaardfouten staan tussen haakjes en zijn geclusterd op BRIN-niveau. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. + p<0.10, * p<0.05, ** p<0.01, *** p<0.001.

Pagina 32 van 94

2.5 Relatie tussen lerarentekort en onderwijskwaliteit In augustus 2018 is voor 2 procent van de basisscholen informatie beschikbaar over de onderwijskwaliteit zoals beoordeeld op basis van het nieuwe onderzoekskader van de Inspectie van het Onderwijs. Voor 136 basisscholen waarvan de nieuwe kwaliteitsoordelen beschikbaar waren, is ook informatie bekend over online uitgezette vacatures in het schooljaar 2017/2018. Het blijkt op basis van deze gegevens niet mogelijk om uitspraken te doen over de relatie tussen online uitgezette vacatures op een school en de onderwijskwaliteit. Het aantal scholen met zowel kwaliteitsoordelen als online uitgezette vacatures is daarvoor te laag. De inspectie doet hier in het komende jaar aanvullend onderzoek naar.

2.6 Verdeling van onbevoegd lesgeven De gegevens in paragraaf 3.3 en 3.4 zijn gebaseerd op gegevens over online vacatures. Een andere indicator van het lerarentekort is het percentage onbevoegd gegeven lessen. Deze gegevens zijn afkomstig uit de IPTO, en beschikbaar voor het voortgezet onderwijs. Het percentage onbevoegd gegeven lessen is niet gelijk verdeeld over schoolniveaus: het percentage onbevoegd gegeven lessen is het hoogste in het vmbo (6.4 procent). Voor de havo is het percentage onbevoegd gegeven lessen 2.8 procent, voor het vwo 2.1 procent (Vloet, den Uijl en Fonteijn, 2018). Ook regionaal zijn er verschillen: Tabel 14 laat zien dat het percentage onbevoegd gegeven lessen relatief hoog ligt in Zuid-Holland, en relatief laag in Limburg. Tabel 14: Percentage onbevoegde lessen per provincie

Provincie 2014 2015 2016 Drenthe 5.64 4.22 3.76 Flevoland 4.78 4.03 3.55 Friesland 3.39 4.19 2.43 Gelderland 5.13 3.93 3.70 Groningen 4.33 3.63 4.74 Limburg 2.99 3.02 2.25 Noord-Brabant 4.05 3.01 3.09 Noord-Holland 5.00 4.31 3.39 Overijssel 4.66 5.28 5.13 Utrecht 4.69 4.10 4.11 Zeeland 4.85 4.43 2.31 Zuid-Holland 6.07 5.47 5.14 Tabel 15 laat de relatie tussen het percentage onbevoegd gegeven lessen en school- en leerlingkenmerken zien. Op scholen met meer leerlingen met een niet-westerse migratie-achtergrond wordt een hoger percentage van de lessen onbevoegd gegeven. Wanneer het percentage leerlingen met een niet-westerse migratie-achtergrond met 10 procent toeneemt, neemt het percentage onbevoegd gegeven lessen met 0.44 procentpunt toe. De standaarddeviatie van het percentage onbevoegd gegeven lessen is 4.38, dus het effect is relatief groot, ongeveer 10 procent van een standaardafwijking.

Pagina 33 van 94

Verder is in Tabel 15 te zien dat er relatief veel onbevoegde lessen worden gegeven in Rotterdam, en relatief weinig op Rooms-Katholieke scholen. Tabel 15: Relatie tussen percentage onbevoegd gegeven lessen en school- en leerlingkenmerken

Model 1

Leerling- populatie



% missing opleiding ouders 0.025 0.041 -0.015

(0.029) (0.029) (0.033)

% ouders wo opgeleid 0.017 0.032 -0.057*

(0.030) (0.028) (0.026)

% ouders hbo opgeleid -0.012 0.018 -0.014

(0.049) (0.046) (0.049)

% ouders mbo 2 opgeleid 0.003 0.015 -0.030

(0.044) (0.040) (0.037)

% missing etniciteit -0.149 -0.091 -0.004

(0.123) (0.132) (0.102)

% westerse migratieachtergrond -0.048 -0.042 -0.116***

(0.044) (0.046) (0.033) % niet-westerse migratieachtergrond

0.044** 0.043* 0.038***

(0.016) (0.017) (0.009)

% met onbekend advies -0.012 -0.036 -0.009

(0.027) (0.029) (0.025)

% met pro en vso advies -0.020 -0.008 -0.017*

(0.016) (0.016) (0.007)

% vmbo-b advies 0.068+ 0.081* 0.091**

(0.040) (0.037) (0.033)

% vmbo-b/k advies 0.050 0.063 0.051

(0.069) (0.066) (0.069)

% vmbo-k advies 0.043 0.052 0.045

(0.037) (0.034) (0.033)

% vmbo-k/gt advies 0.032 0.013 0.007

(0.064) (0.063) (0.060)

% vmbo-gt advies 0.022 0.031* 0.024+

(0.015) (0.015) (0.013)


(0.036) (0.037) (0.034)

% havo advies 0.037* 0.039* 0.041**

(0.015) (0.016) (0.014)

% havo/vwo advies -0.029 -0.014 -0.020

(0.020) (0.019) (0.020)

% jongens 0.012 0.018 -0.034

(0.029) (0.027) (0.035)

Pagina 34 van 94

Aantal leerlingen BRIN4 0.000* 0.000+ 0.001***

(0.000) (0.000) (0.000)

2014 (ref) (ref)

2015 -0.815** -0.965***

(0.265) (0.270)

2016 -0.920** -1.126***

(0.344) (0.340)


Amsterdam -1.233* -0.405

(0.626) (0.524)

Rotterdam 1.838* 2.169**

(0.857) (0.807)

Den Haag 1.537+ 1.386

(0.799) (0.937)

Utrecht 0.186 1.065

(0.898) (1.257)


Beneden gemiddeld grote besturen 0.342 0.439

(0.349) (0.363)

Gemiddeld grote besturen 1.100* 1.328**

(0.468) (0.480)

Bovengemiddeld grote besturen -0.072 0.710+

(0.343) (0.373)

Grote besturen 0.368 0.412

(0.384) (0.357)


Rooms Katholiek -0.924* -1.146**

(0.369) (0.368)

Protestants Christelijk -0.856* -0.550

(0.385) (0.407)

Overig bijzonder -0.606+ -0.420

(0.353) (0.380)

Constante 0.592 -1.369

(3.576) (3.280)

Aantal observaties 1679 1679

Aantal scholen 616 616

R2 0.165 0.191

Pagina 35 van 94

Noot: De afhankelijke variabele van de twee multivariate regressies en acht univariate regressies in deze tabel is het percentage onbevoegd gegeven lessen. De standaardfouten staan tussen haakjes en zijn geclusterd op BRIN-niveau. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. + p<0.10, * p<0.05, ** p<0.01, *** p<0.001.

Pagina 36 van 94

3. Werkdruk, ziekteverzuim en verloop

Een mogelijke verklaring voor de ongelijke verdeling van het lerarentekort zijn verschillen in werkdruk. Wanneer leraren een hogere werkdruk ervaren op scholen met een uitdagendere leerling populatie is de keuze voor een school met een minder uitdagende leerling populatie wellicht aantrekkelijker.

3.1 Werkdruk In totaal hebben ruim 1.700 po-leraren en bijna 1.200 vo-leraren in 2014, 2015 en 2016 meegedaan aan de NEA. In Tabel 16 en Tabel 17 zijn hun gemiddelde uitkomsten op de zes indicatoren voor werkdruk weergegeven. De maatstaf voor moeilijkheidsgraad heeft de hoogste gemiddelde score, zowel voor po- als vo-leraren (3,39 gemiddeld op een Likertschaal die oploopt van 1 tot 4). De gemiddelde scores van de andere maatstaven verschillen niet veel van elkaar. Zowel leraren in het po als in het vo werken volgens eigen zeggen gemiddeld ruim 4 uur per week over. Tabel 16: Beschrijvende statistieken indicatoren voor werkdruk (po)

Indicator # leraren Gemiddelde SD Maatstaf voor burnout 1.716 2,62 1,39 Aantal overuren per week 1.663 4,39 4,58 Maatstaf voor autonomie 1.713 2,08 0,43 Maatstaf voor werkdruk 1.709 2,66 0,66 Maatstaf voor emotioneel zwaar werk 1.715 2,26 0,53 Maatstaf voor moeilijkheidsgraad 1.715 3,39 0,47 Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Tabel 17: Beschrijvende statistieken indicatoren voor werkdruk (vo)

Indicator # leraren Gemiddelde SD Maatstaf voor burnout 1.197 2,63 1,37 Aantal overuren per week 1.136 4,30 5,37 Maatstaf voor autonomie 1.195 2,17 0,40 Maatstaf voor werkdruk 1.190 2,50 0,64 Maatstaf voor emotioneel zwaar werk 1.197 2,23 0,52 Maatstaf voor moeilijkheidsgraad 1.196 3,39 0,50 Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Om de indicatoren voor werkdruk in het onderwijs in perspectief te plaatsen is er een vergelijking gemaakt met andere sectoren. Daarvoor zijn de sectoren zorg, openbaar bestuur en alle overige sectoren bij elkaar onderzocht. De resultaten van de vergelijking met het onderwijs zijn weergegeven in Tabel 18. Uit de tabel blijkt dat de gemiddelden van alle indicatoren voor werkdruk in het onderwijs significant afwijken van die in andere sectoren. De gemiddelden in het onderwijs zijn hoger voor burnout, overwerkuren, werkdruk, emotioneel zwaar werk en moeilijkheidsgraad dan in de andere sectoren. Het gemiddelde voor autonomie is lager in het onderwijs.

Pagina 37 van 94

In Tabel 18 zijn po en vo samen genomen voor het onderwijs, maar dezelfde conclusies gelden voor po en vo afzonderlijk. Ook wanneer we controleren voor opleidingsniveau wat mogelijk samenhangt met werkdruk, dan blijven de conclusies in de meeste gevallen overeind. Voor het vergelijken van po is bijvoorbeeld apart gekeken naar werknemers die opgeleid zijn op hbo-bachelor niveau, ook in de andere sectoren. De gemiddelden zijn dan iets hoger, maar de conclusies houden stand. Voor het vo is gekeken naar werknemers op hbo-bachelor niveau en op wo-masterniveau om eerste- en tweedegraads leraren van elkaar te scheiden. Voor overuren geldt dat het gemiddelde van zowel eerste- als tweedegraads leraren dan nog steeds afwijkt van werknemers in de zorg en het openbaar bestuur, maar niet meer afwijkt van alle overige sectoren. Tweedegraads leraren verschillen in werkdruk gemiddeld ook niet van hbo-bachelor opgeleide werknemers die werken in de overige sectoren. Eerstegraads leraren verschillen niet op werkdruk en emotioneel zwaar werk in de zorg, wanneer er alleen vergeleken wordt met wo-master opgeleide werknemers. Tabel 18: Beschrijvende statistieken indicatoren voor werkdruk onderwijs versus overige sectoren

Indicator Onderwijs (po en

vo samen) Zorg

Openbaar bestuur

Alle overige

sectoren Maatstaf voor burnout 2,58 2,13*** 2,10*** 2,02*** Aantal overuren per week 4,04 2,55*** 2,37*** 3,22*** Maatstaf voor autonomie 2,15 2,38*** 2,67*** 2,50*** Maatstaf voor werkdruk 2,54 2,42*** 2,32*** 2,35*** Maatstaf voor emotioneel zwaar werk

2,21 2,05*** 1,77*** 1,57***

Maatstaf voor moeilijkheidsgraad 3,35 3,12*** 3,13*** 2,94*** Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. *** significant verschil t.o.v. het onderwijs m.b.v. t-toets (p< 0,01) Naast het uitdraaien van de gemiddelde scores van de verschillende indicatoren voor werkdruk in het onderwijs, is ook onderzocht of er een relatie bestaat tussen deze indicatoren en school- en leerlingkenmerken van de scholen waar deze leraren werkzaam zijn. Dit is gedaan met behulp van multivariate regressieanalyses voor po- en vo-leraren afzonderlijk. Voor het po zijn per indicator een aantal modellen geschat, waarbij model 1 alleen leerlingkenmerken bevat (geslacht, etniciteit, opleiding ouders, aantal leerlingen en gemiddelde cito-score), model 2 voegt daar schoolkenmerken aan toe (denominatie, stedelijkheid en bestuursgrootte). In model 3 tot en met 10 laten we de univariate relatie zien tussen ieder van de onafhankelijke variabelen en indicator voor werkdruk. De resultaten daarvan zijn in één kolom weergegeven, maar dient te worden gelezen per onafhankelijke variabele. De constante, de coëfficiënt per jaar, het aantal leerlingen, het aantal scholen en de R2 zijn niet vermeld, omdat deze verschillen per univariaat model. Voor het vo zijn twee modellen geschat, waarbij model 1 alleen leerlingkenmerken bevat (geslacht, etniciteit, opleiding ouders, aantal leerlingen en schooladvies vo) en model 2 daar schoolkenmerken daaraan toevoegt (g4, bestuursgrootte en denominatie). Ook voor het vo zijn de univariate relaties opgenomen in Model 3 tot en met 10. In dit TR laten we regressieresultaten voor de maatstaf burnout zien weergegeven in Tabel 19 en Tabel 20. Overige modellen op basis van de NEA zijn te vinden in het tabellenboek (op aanvraag via www.onderwijsinspectie.nl/contact).

http://www.onderwijsinspectie.nl/contact

Pagina 38 van 94

Voor de maatstaf voor burnout is voor het voortgezet onderwijs geen verband gevonden met school- en leerlingkenmerken. Voor het primair onderwijs wel. In Protestants Christelijke en overig bijzondere scholen is de maatstaf voor burnout lager. De score voor burnout valt juist gemiddeld hoger uit voor basisscholen met een hoger percentage leerlingen met een niet-westerse migratie-achtergrond, valt lager uit bij meer jongens en hoger bij scholen in minder stedelijke gebieden. Tabel 19: Relatie tussen maatstaf voor burnout en school- en leerlingkenmerken (po)


Model 2 Met school-kenmerken


% missing opleiding ouders -0.012+ -0.008 -0.014*

(0.007) (0.007) (0.006)

% ouders wo opgeleid 0.001 0.004 -0.001

(0.005) (0.005) (0.004)


(0.007) (0.007) (0.006)

% ouders mbo 2 opgeleid -0.006 -0.005 0.002

(0.009) (0.009) (0.006)

% westerse migratieachtergrond -0.014+ -0.017+ -0.000

(0.008) (0.009) (0.007)


0.008* 0.010* 0.005*

(0.004) (0.005) (0.002)

% jongens -0.023* -0.025* -0.015+

(0.010) (0.010) (0.009)

Aantal leerlingen BRIN4 0.000 0.000 0.000

(0.000) (0.000) (0.000)

2014 (ref) (ref)

2015 -0.265** -0.243*

(0.098) (0.098)

2016 -0.188+ -0.163

(0.103) (0.103)

Gemiddelde citoscore -0.023+ -0.019 -0.026*

(0.013) (0.013) (0.011)

% deelname aan citotoets 0.022* 0.019+ 0.016+

(0.011) (0.010) (0.009)


Sterk stedelijk 0.256+ 0.037

(0.136) (0.101)

Matig stedelijk 0.274+ -0.175+

(0.154) (0.106)

Weinig stedelijk 0.340* 0.040

(0.163) (0.104)

Niet stedelijk 0.167 -0.170

(0.206) (0.134)


(ref) (ref)

Pagina 39 van 94


-0.028 0.111

(0.130) (0.106)


0.097 0.154+

(0.106) (0.084)


0.167 0.218*

(0.129) (0.091)


Rooms Katholiek -0.265* -0.142

(0.108) (0.090)

Protestants Christelijk -0.316** -0.228**

(0.114) (0.088)

Overig bijzonder -0.507** -0.233+

(0.167) (0.131)

Constante 14.141* 11.971+

(6.816) (6.881)

N observaties 1195 1194 N scholen 1036 1035 R2 0.030 0.047 Noot: De afhankelijke variabele van de twee multivariate regressies en acht univariate regressies in deze tabel is de maatstaf voor moeilijkheidsgraad zoals gerapporteerd voor po-leraren in de NEA. De standaardfouten staan tussen haakjes en zijn geclusterd op BRIN-niveau. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. + p<0.10, * p<0.05, ** p<0.01, *** p<0.001.

Tabel 20: Relatie tussen maatstaf voor burnout en school- en leerlingkenmerken (vo)




% missing opleiding ouders 0.015 0.016 0.007

(0.012) (0.012) (0.010)

% ouders wo opgeleid -0.005 -0.005 0.004

(0.010) (0.011) (0.008)


(0.018) (0.019) (0.015)

% ouders mbo 2 opgeleid -0.012 -0.010 0.003

(0.019) (0.021) (0.012)

% missing etniciteit -0.063 -0.051 0.004

(0.046) (0.050) (0.040)

% westerse migratieachtergrond -0.005 0.001 0.003

(0.018) (0.019) (0.012)


0.007 0.008 0.003

(0.007) (0.008) (0.003)

% met onbekend advies 0.023* 0.018 0.014

(0.011) (0.012) (0.009)

% met pro en vso advies -0.001 -0.000 -0.002

(0.008) (0.008) (0.005)

% vmbo-b advies 0.007 0.005 0.013

Pagina 40 van 94

(0.015) (0.015) (0.013) % vmbo-b/k advies -0.027 -0.027 -0.028+

(0.020) (0.020) (0.016)

% vmbo-k advies -0.016 -0.014 -0.011

(0.014) (0.013) (0.012)

% vmbo-k/gt advies 0.008 0.007 -0.000

(0.022) (0.022) (0.017)

% vmbo-gt advies 0.002 0.002 0.001

(0.007) (0.007) (0.006)

% vmbo-gt / havo advies -0.011 -0.015 -0.008

(0.010) (0.011) (0.010)

% havo advies -0.006 -0.006 -0.004

(0.007) (0.007) (0.006)

% havo/vwo advies -0.012 -0.008 -0.008

(0.008) (0.008) (0.008)

% jongens 0.008 0.007 0.014

(0.012) (0.012) (0.009)

Aantal leerlingen BRIN4 0.000 0.000 -0.000

(0.000) (0.000) (0.000)

2014 (ref) (ref)

2015 0.037 0.014

(0.123) (0.126)

2016 0.112 0.083

(0.147) (0.151)


Amsterdam -0.233 -0.165

(0.220) (0.162)


(0.194) (0.191)

Den Haag -0.224 -0.071

(0.327) (0.248)

Utrecht -0.052 0.080

(0.441) (0.428)



-0.103 -0.106

(0.141) (0.127)

Gemiddeld grote besturen -0.033 -0.059

(0.153) (0.123)


(0.142) (0.121)

Grote besturen -0.130 -0.208+

(0.158) (0.120)


Rooms Katholiek -0.117 -0.177+

(0.139) (0.106)

Protestants Christelijk -0.069 -0.066

(0.125) (0.104)

Overig bijzonder -0.093 -0.131

(0.108) (0.097)

Constante 2.549* 2.533+

Pagina 41 van 94

(1.271) (1.322) Aantal observaties 1088 1088 Aantal scholen 410 410 R2 0.017 0.022 Noot: De afhankelijke variabele van de twee multivariate regressies en acht univariate regressies in deze tabel is de maatstaf voor moeilijkheidsgraad zoals gerapporteerd voor vo-leraren in de NEA. De standaardfouten staan tussen haakjes en zijn geclusterd op BRIN-niveau. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. + p<0.10, * p<0.05, ** p<0.01, *** p<0.001.

Voor de maatstaven overwerk en zelfstandigheid/autonomie is geen significant verband gevonden met leerlingkenmerken van scholen. Voor werkdruk is er voor het vo een verband gevonden met het aandeel jongens: bij meer jongens ligt de ervaren werkdruk hoger. Voor de maatstaf voor moeilijkheidsgraad is een significant verband gevonden voor het po met de cito-scores en met stedelijkheid: hoe hoger de cito scores, hoe lager de ervaren moeilijkheidsgraad van het werk van leraren. In de zeer sterk stedelijke gebieden wordt een lagere moeilijkheidsgraad ervaren dan in de minder sterk stedelijke gebieden. Voor het vo is een verband gevonden tussen de moeilijkheidsgraad en opleiding van de ouders. Bij een hoger percentage hbo opgeleide ouders (ten kostte van het percentage met mbo 3 en 4 opgeleide ouders) wordt een lagere moeilijkheidsgraad ervaren. Tot slot scoren basisscholen met minder jongens lager op emotioneel zwaar werk.

3.2 Ziekteverzuim Een hoge werkdruk kan uiteindelijk leiden tot ziekteverzuim. Tabel 21 laat beschrijvende statistieken zien voor ziekteverzuim en verschillende maten van verloop in het primair en voortgezet onderwijs. Het ziekteverzuim in het onderwijs is met 6.61 procent in het po en 5.26 procent in het vo relatief hoog, maar verschilt ook tussen scholen en regio’s. Verloop wordt verder beschreven in paragraaf 4.3. Tabel 21: Beschrijvende statistieken voor ziekteverzuim en verloop (po en vo)

Primair onderwijs Voortgezet onderwijs Gemiddelde SD Gemiddelde SD Verzuimpercentage 6.61 5.32 5.26 2.46 % nieuwe leraren 12.46 10.95 11.73 10.35 % leraren laatste jaar 13.64 11.89 12.81 14.81 % leraren dat niet terugkeert 13.26 10.43 10.42 5.80 Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. In Tabel 22 staan resultaten van multi- en univariate regressie-analyses waarin het ziekteverzuimpercentage op basisscholen wordt gerelateerd aan kenmerken van de school en de leerlingpopulatie. In model 1 wordt het verzuimpercentage gerelateerd aan het opleidingsniveau van de ouders van leerlingen, de migratie-achtergrond, het

Pagina 42 van 94

percentage jongens, de schoolgrootte, de gemiddelde CET/citotoets score en percentage deelname aan de citotoets. In model 2 voegen we daar de schoolkenmerken stedelijkheid, bestuursgrootte en denominatie aan toe. In model 3 voegen we school fixed effects toe. Met het toevoegen van school fixed effects kijken we niet meer naar verschillen tussen scholen, maar naar verschillen binnen scholen over tijd. In model 4 tot en met 11 laten we de univariate relatie tussen ieder van de onafhankelijke variabelen en ziekteverzuim zien. In deze modellen worden geen school fixed effects meegenomen. De constante, het aantal leerlingen, het aantal scholen en de R2 worden hier niet vermeld, omdat zij verschillen per model. De resultaten uit Tabel 22 laten zien dat het verzuimpercentage lager is op scholen met een hoger percentage leerlingen met hoger opgeleide ouders. Ook op scholen met hogere citoscores is het ziekteverzuim lager. Verder zien we een lager ziekteverzuim bij scholen met meer leerlingen, en een hoger ziekteverzuim bij grotere schoolbesturen. De effecten van het opleidingsniveau van de ouders zijn relatief klein: het gemiddelde ziekteverzuim op basisscholen is 6.61 procent (SD=5.32). Wanneer het percentage leerlingen met wo-opgeleide ouders met 10 procent toeneemt is dat gerelateerd aan een 0.14 procentpunt afname in het verzuimpercentage, oftewel 2.63 procent van een standaardafwijking. Deze ruwe vergelijking van scholen houdt geen rekening met andere, niet-geobserveerde, verschillen tussen scholen. Het is bijvoorbeeld mogelijk dat scholen met weinig ziekteverzuim en meer hoogopgeleide ouders ook sterkere schoolleiders hebben. Wanneer we met behulp van school fixed effects kijken naar verschillen binnen scholen over tijd, zien we geen relatie tussen veranderingen in de leerlingpopulatie en veranderingen in ziekteverzuim. Wel zien we dat een hogere score op de CET/citotoets gerelateerd is aan minder ziekteverzuim. Hier kan de causaliteit echter ook de andere kant op werken: wanneer een school in een bepaald jaar minder zieke docenten heeft, zou dit een positief effect kunnen hebben op de onderwijsresultaten van leerlingen. Bij de univariate modellen valt op dat de coëfficiënten voor opleiding ouders vergelijkbaar blijven, maar dat een hoger percentage leerlingen met een westerse- of een niet-westerse migratie-achtergrond gerelateerd is aan een hoger ziekteverzuimpercentage. Ook zien we univariaat dat het er minder ziekteverzuim is in de minder stedelijke gebieden. Inhoudelijk verdienen de multivariate modellen de voorkeur: de univariate modellen verklaren deels dezelfde verschillen, omdat opleiding ouders, migratie-achtergrond en stedelijkheid met elkaar gecorreleerd zijn. Tabel 22: Relatie tussen verzuimpercentage en school- en leerling kenmerken voor primair onderwijs

Model 1 Model 2 Model 3

Model 4 t/m 11

Pagina 43 van 94

Leerling-populatie

Met school kenmerken

School fixed effects

Univariaat (zonder

school fe’s)

% missing opleiding ouders -0.046*** -0.037*** 0.016 -0.043***

(0.008) (0.008) (0.018) (0.007)

% ouders wo opgeleid -0.015** -0.014** 0.012 -0.021***

(0.005) (0.005) (0.017) (0.004)

% ouders hbo opgeleid -0.019* -0.016* 0.007 -0.021**

(0.008) (0.008) (0.016) (0.007)

% ouders mbo 2 opgeleid -0.002 0.001 0.021 0.005

(0.008) (0.009) (0.016) (0.006)

% westerse 0.017 0.008 0.048+ 0.036***

migratieachtergrond (0.011) (0.012) (0.027) (0.010)

% niet-westerse 0.000 -0.001 -0.003 0.019***


% jongens 0.008 0.005 0.028+ 0.011

(0.011) (0.011) (0.016) (0.009)

Aantal leerlingen BRIN4 -0.002*** -0.001*** -0.003* -0.002***

(0.000) (0.000) (0.001) (0.000)

Gemiddelde citoscore -0.078*** -0.073*** -0.039** -0.128***

(0.012) (0.012) (0.012) (0.010)

% deelname aan citotoets -0.007 -0.004 0.007 -0.024**

(0.009) (0.008) (0.009) (0.008)

2011 (ref) (ref) (ref)

2012 -0.056 -0.036 0.021

(0.086) (0.086) (0.090)

2013 -0.006 0.016 0.098

(0.110) (0.111) (0.132)

2014 -0.614*** -0.578*** -0.419**

(0.106) (0.106) (0.142)

2015 -0.487*** -0.421*** -0.139

(0.114) (0.114) (0.160)

2016 -0.770*** -0.694*** -0.369*

(0.116) (0.116) (0.178)


Sterk stedelijk 0.241 0.031

(0.157) (0.123)

Matig stedelijk 0.059 -0.528***

(0.185) (0.134)

Weinig stedelijk 0.168 -0.364**

(0.195) (0.123)

Niet stedelijk 0.355 -0.232

Pagina 44 van 94

(0.238) (0.154)


(ref) (ref)


0.242+ 0.455***

(0.138) (0.122)


0.097 0.353***

(0.124) (0.106)


0.434** 0.739***

(0.149) (0.115)


Rooms Katholiek -0.488*** -0.844***

(0.117) (0.102)

Protestants Christelijk -0.664*** -1.267***

(0.126) (0.105)

Overig bijzonder 0.369+ 0.140

(0.214) (0.184)

Constante 50.945*** 47.863*** 24.864***

(6.534) (6.458) (6.898)

N observaties 26313 26310 26313

N scholen 5937 5936 5937

r2 0.021 0.025 0.004

Noot: De afhankelijke variabele van de drie multivariate regressies en acht univariate regressies in deze tabel is het verzuimpercentage. De standaardfouten staan tussen haakjes en zijn geclusterd op BRIN-niveau. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. + p<0.10, * p<0.05, ** p<0.01, *** p<0.001. Tabel 23 laat vergelijkbare analyses zien voor het Voortgezet Onderwijs. Ook hier blijkt uit Model 1 en Model 2 dat een hoger percentage leerlingen met wo opgeleide ouders gerelateerd is aan minder ziekteverzuim onder het personeel op school. We zien multivariaat geen relatie tussen ziekteverzuim en het percentage leerlingen met een migratie-achtergrond en het percentage leerlingen met verschillende adviezen. Wanneer we met behulp van school fixed effects kijken naar verschillen binnen scholen over tijd, zien we, vergelijkbaar met het primair onderwijs, dat een toename in het percentage leerlingen met hoger opgeleide ouders niet significant gerelateerd is aan een daling in het ziekteverzuim binnen dezelfde school. Wanneer we univariaat, en zonder school fixed effects, kijken naar de relatie tussen de onafhankelijke variabelen en ziekteverzuim valt op dat de patronen iets veranderen: de coëfficiënten van opleiding ouders worden iets kleiner. Ook zien we dat een hoger percentage leerlingen met een westerse migratieachtergrond

Pagina 45 van 94

gerelateerd is aan minder ziekteverzuim, terwijl een hoger percentage leerlingen met een niet-westerse migratie-achtergrond gerelateerd is aan meer ziekteverzuim. Inhoudelijk verdienen de multivariate modellen de voorkeur: de univariate modellen verklaren deels dezelfde verschillen omdat opleiding ouders en migratie-achtergrond met elkaar gecorreleerd zijn. Tabel 23: Relatie tussen verzuimpercentage en school- en leerling kenmerken voor Voortgezet Onderwijs

Model 1 Model 2 Model 3 Model 4 t/m

11

Leerling-populatie


School fixed effects

Univariaat (zonder

school fe’s)

% missing opleiding ouders -0.057** -0.055** -0.046 -0.062**

(0.020) (0.021) (0.045) (0.019)

% ouders wo opgeleid -0.038* -0.036* -0.050 -0.024+

(0.015) (0.017) (0.059) (0.013)

% ouders hbo opgeleid -0.034 -0.031 -0.006 -0.020

(0.029) (0.029) (0.061) (0.025)

% ouders mbo 2 opgeleid -0.030 -0.024 -0.017 0.012

(0.025) (0.026) (0.061) (0.017)

% missing etniciteit 0.064 0.057 -0.075 0.059

(0.078) (0.083) (0.115) (0.066)

% westerse 0.012 0.004 -0.109 -0.037*


% niet-westerse 0.012 0.011 0.065 0.033***


% met onbekend advies 0.013 0.012 -0.007 0.018

(0.015) (0.015) (0.026) (0.012)

% met pro en vso advies 0.007 0.004 -0.106 0.013**

(0.010) (0.010) (0.103) (0.005)

% vmbo-b advies 0.013 0.010 -0.014 0.030+

(0.021) (0.020) (0.079) (0.017)

% vmbo-b/k advies 0.014 0.008 -0.055 0.044+

(0.025) (0.025) (0.073) (0.023)

% vmbo-k advies 0.004 0.004 -0.056 0.005

(0.018) (0.018) (0.057) (0.015)

% vmbo-k/gt advies 0.026 0.025 0.027 0.007

(0.023) (0.023) (0.075) (0.022)

% vmbo-gt advies 0.001 -0.001 -0.072 0.004

(0.011) (0.011) (0.049) (0.009)

% vmbo-gt / havo advies 0.010 0.006 -0.072 0.016

(0.016) (0.016) (0.062) (0.013)

% havo advies -0.002 -0.003 -0.032 0.001

(0.009) (0.009) (0.059) (0.007)

Pagina 46 van 94

% havo/vwo advies 0.001 0.002 -0.016 -0.003

(0.011) (0.011) (0.056) (0.010)

% jongens 0.009 0.009 0.103* 0.062***

(0.017) (0.017) (0.046) (0.015)

Aantal leerlingen BRIN4 0.000 0.000 -0.000 -0.000***

(0.000) (0.000) (0.000) (0.000)


2014 0.156 0.157 -0.162

(0.190) (0.192) (0.322)

2015 0.317 0.336 -0.151

(0.299) (0.305) (0.514)

2016 0.553+ 0.559+ 0.015

(0.332) (0.333) (0.611)


Amsterdam 0.149 0.614

(0.406) (0.391)

Rotterdam 0.039 1.021*

(0.369) (0.423)

Den Haag -0.655 0.018

(0.509) (0.590)

Utrecht -0.365 -0.338

(0.415) (0.402)



-0.123 -0.297

(0.212) (0.226)

Gemiddeld grote besturen -0.388+ -0.394+

(0.213) (0.230)


(0.221) (0.228)

Grote besturen -0.190 -0.160

(0.210) (0.221)


Rooms Katholiek -0.167 -0.447*

(0.212) (0.196)

Protestants Christelijk -0.287 -0.400+

(0.206) (0.214)


(0.200) (0.200)

Constante 7.083** 7.196** 6.859

Pagina 47 van 94

(2.249) (2.353) (6.586)

Aantal observaties 1875 1875 1875

Aantal scholen 581 581 581

R2 0.094 0.105 0.026

Noot: De afhankelijke variabele van de drie multivariate en acht univariate regressies in deze tabel is het verzuimpercentage. De standaardfouten staan tussen haakjes en zijn geclusterd op BRIN-niveau. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. + p<0.10, * p<0.05, ** p<0.01, *** p<0.001.

3.3 Verloop Omdat ziekteverzuim een heel grove indicator is van werkdruk, kijken we ook naar het verloop onder leerkrachten. Wanneer de werkdruk op bepaalde scholen hoger ligt, is het mogelijk dat leerkrachten op die scholen sneller op zoek gaan naar een andere baan. Tabel 21 laat beschrijvende statistieken van verschillende maten van verloop onder leraren zien voor het primair en voortgezet onderwijs. De resultaten in Tabel 24, Tabel 25 en Tabel 26 laten zien in hoeverre kenmerken van de school en de leerlingpopulatie het verloop onder leraren voorspellen. We zien dat het verloop onder docenten lager is wanneer het percentage leerlingen met wo opgeleide ouders toeneemt. Verder blijkt het verloop lager op scholen met hogere citoscores. Wanneer we kijken naar verschillen binnen scholen over tijd (Model 3), zien we geen duidelijke relatie tussen veranderingen in de in de leerlingpopulatie en veranderingen in het verloop onder docenten. Wel zien we dat het verloop afneemt wanneer de citoscore toeneemt. Ook hier kan de causaliteit echter ook de andere kant op werken: wanneer een school in een bepaald jaar minder verloop heeft onder docenten, zou dit een positief effect kunnen hebben op de onderwijsresultaten van leerlingen. In model 4 tot en met 11 laten we de univariate relatie zien tussen ieder van de onafhankelijke variabelen en verloop. De resultaten daarvan zijn in één kolom weergegeven, maar dient te worden gelezen per onafhankelijke variabele. De constante, de coëfficiënt per schooljaar, het aantal leerlingen, het aantal scholen en de R2 zijn niet vermeld, omdat deze verschillen per model. Tabel 24: Relatie tussen percentage nieuwe leraren en school- en leerling kenmerken voor Primair Onderwijs


Model 4 t/m 11

Leerling-populatie


Met school fixed effects

Univariaat (zonder

school fe’s)

% missing opleiding ouders -0.094*** -0.084*** -0.012 -0.076***

(0.012) (0.013) (0.030) (0.012)

% ouders wo opgeleid -0.008 -0.005 -0.022 -0.055***

(0.009) (0.009) (0.027) (0.008)

% ouders hbo opgeleid -0.007 -0.002 0.003 -0.035**

Pagina 48 van 94

(0.013) (0.013) (0.024) (0.012)

% ouders mbo 2 opgeleid -0.055*** -0.051*** -0.034 -0.043***

(0.013) (0.014) (0.023) (0.010)

% westerse -0.004 -0.017 -0.030 -0.006


% niet-westerse 0.004 -0.001 0.002 0.002


% jongens 0.020 0.015 -0.017 0.052**

(0.019) (0.019) (0.027) (0.017)

Aantal leerlingen BRIN4 -0.013*** -0.012*** 0.000 -0.012***

(0.001) (0.001) (0.002) (0.001)

Gemiddelde citoscore -0.206*** -0.195*** -0.127*** -0.176***

(0.020) (0.020) (0.022) (0.017)

% deelname aan citotoets -0.061*** -0.058*** -0.019 -0.054***

(0.013) (0.013) (0.014) (0.013)


2010 -2.310*** -2.308*** -2.431***

(0.207) (0.207) (0.214)

2011 -3.377*** -3.341*** -3.287***

(0.218) (0.218) (0.235)

2012 -2.552*** -2.480*** -2.375***

(0.241) (0.241) (0.277)

2013 -1.969*** -1.872*** -1.575***

(0.247) (0.247) (0.313)

2014 -2.153*** -2.041*** -1.868***

(0.261) (0.262) (0.358)

2015 -1.522*** -1.408*** -1.072**

(0.259) (0.261) (0.378)

2016 -0.654* -0.499+ -0.094

(0.268) (0.270) (0.408)


Sterk stedelijk -0.034 0.081

(0.269) (0.218)

Matig stedelijk -0.400 -0.470*

(0.317) (0.236)

Weinig stedelijk 0.034 0.608**

(0.341) (0.217)

Niet stedelijk 1.066** 1.573***

(0.406) (0.271)


(ref) (ref)

Pagina 49 van 94


0.415* 0.455*

(0.210) (0.195)


1.461*** 0.940***

(0.209) (0.181)


1.668*** 0.723***

(0.239) (0.195)



(0.188) (0.175)

Protestants Christelijk -0.248 -0.770***

(0.207) (0.175)

Overig bijzonder 0.256 -0.097

(0.359) (0.314)

Constante 135.459*** 128.121*** 86.024***

(11.134) (11.199) (11.908)

N observaties 34069 34062 34069

N scholen 5657 5656 5657

r2 0.043 0.048 0.015

Noot: De afhankelijke variabele van de drie multivariate regressies in deze tabel is het percentage nieuwe leraren op een school. De standaardfouten staan tussen haakjes en zijn geclusterd op BRIN-niveau. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. + p<0.10, * p<0.05, ** p<0.01, *** p<0.001. Tabel 25: Relatie tussen percentage leraren in het laatste jaar en school- en leerling kenmerken voor Primair Onderwijs


Model 4 t/m 11

Leerling-populatie



Univariaat (zonder

school fe’s)

% missing opleiding ouders -0.056*** -0.041** 0.058 -0.025+

(0.014) (0.014) (0.040) (0.013)

% ouders wo opgeleid -0.042*** -0.035** -0.051 -0.096***

(0.011) (0.011) (0.042) (0.009)

% ouders hbo opgeleid -0.036* -0.037* -0.045 -0.064***

(0.015) (0.015) (0.032) (0.014)

% ouders mbo 2 opgeleid -0.050** -0.058*** -0.060* -0.046***

(0.016) (0.015) (0.030) (0.012)

% westerse 0.025 -0.009 -0.042 -0.022


% niet-westerse 0.002 0.009 -0.090* 0.007+


Pagina 50 van 94

% jongens 0.020 0.008 -0.009 0.053*

(0.023) (0.023) (0.035) (0.021)

Aantal leerlingen BRIN4 -0.016*** -0.016*** -0.007* -0.017***

(0.001) (0.001) (0.003) (0.001)

Gemiddelde citoscore -0.188*** -0.177*** -0.108*** -0.261***

(0.023) (0.023) (0.026) (0.020)

% deelname aan citotoets -0.016 -0.018 -0.006 -0.027+

(0.015) (0.015) (0.018) (0.015)


2010 1.663*** 1.679*** 1.623***

(0.225) (0.226) (0.243)

2011 2.179*** 2.238*** 2.411***

(0.239) (0.240) (0.277)

2012 0.153 0.259 0.656*

(0.241) (0.241) (0.320)

2013 0.177 0.293 0.892*

(0.233) (0.234) (0.384)

2014 1.249*** 1.391*** 1.994***

(0.245) (0.247) (0.438)

2015 3.152*** 3.294*** 4.293***

(0.311) (0.313) (0.515)


Sterk stedelijk 0.438 0.426+

(0.303) (0.244)

Matig stedelijk 0.689+ 0.298

(0.362) (0.268)

Weinig stedelijk 0.949* 1.600***

(0.380) (0.246)

Niet stedelijk 1.876*** 2.526***

(0.453) (0.300)


(ref) (ref)


0.543* 0.825***

(0.227) (0.210)


1.518*** 1.249***

(0.223) (0.189)


2.964*** 2.029***

(0.280) (0.232)


Pagina 51 van 94

Rooms Katholiek -0.590** -1.134***

(0.212) (0.197)


(0.227) (0.193)

Overig bijzonder -0.751* -1.651***

(0.382) (0.326)

Constante 121.570*** 114.638*** 77.108***

(12.554) (12.520) (14.373)

N observaties 30360 30354 30360

N scholen 5594 5593 5594

r2 0.050 0.059 0.015

Noot: De afhankelijke variabele van de drie multivariate regressies in deze tabel is het percentage leraren in het laatste jaar. De standaardfouten staan tussen haakjes en zijn geclusterd op BRIN-niveau. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. + p<0.10, * p<0.05, ** p<0.01, *** p<0.001. Tabel 26: Relatie tussen percentage leraren dat niet terugkeert en school- en leerling kenmerken voor Primair Onderwijs


Model 4 t/m 11

Leerling-populatie



Univariaat (zonder

school fe’s)

% missing opleiding ouders -0.053*** -0.032** 0.096*** -0.023*

(0.012) (0.012) (0.029) (0.011)

% ouders wo opgeleid -0.030*** -0.023** -0.038 -0.088***

(0.009) (0.009) (0.025) (0.008)

% ouders hbo opgeleid -0.018 -0.015 0.015 -0.056***

(0.012) (0.012) (0.024) (0.012)

% ouders mbo 2 opgeleid -0.032* -0.033* -0.007 -0.040***

(0.013) (0.013) (0.023) (0.010)

% westerse 0.012 -0.015 -0.110** -0.037**


% niet-westerse -0.001 0.003 -0.056* 0.007*


% jongens 0.027 0.016 -0.006 0.048**

(0.019) (0.018) (0.027) (0.017)

Aantal leerlingen BRIN4 -0.016*** -0.016*** -0.027*** -0.017***

(0.001) (0.001) (0.002) (0.000)

Gemiddelde citoscore -0.149*** -0.133*** -0.053* -0.215***

(0.019) (0.019) (0.022) (0.016)

% deelname aan citotoets -0.033* -0.029* -0.017 -0.041**

(0.013) (0.013) (0.014) (0.013)

Pagina 52 van 94


2010 1.878*** 1.880*** 1.917***

(0.196) (0.196) (0.201)

2011 2.872*** 2.918*** 3.131***

(0.205) (0.205) (0.225)

2012 3.569*** 3.668*** 4.080***

(0.233) (0.234) (0.271)

2013 1.384*** 1.502*** 1.928***

(0.218) (0.220) (0.294)

2014 1.879*** 2.019*** 2.598***

(0.223) (0.224) (0.328)

2015 2.551*** 2.711*** 3.567***

(0.237) (0.239) (0.365)

2016 3.245*** 3.448*** 4.410***

(0.251) (0.252) (0.400)


Sterk stedelijk 0.763** 0.789***

(0.244) (0.198)

Matig stedelijk 0.566+ 0.532*

(0.290) (0.219)

Weinig stedelijk 0.654* 1.748***

(0.311) (0.199)

Niet stedelijk 1.590*** 2.696***

(0.371) (0.252)


(ref) (ref)


0.743*** 0.872***

(0.205) (0.193)


1.357*** 1.053***

(0.188) (0.170)


2.232*** 1.160***

(0.219) (0.189)



(0.178) (0.168)


(0.196) (0.171)

Overig bijzonder -0.711* -1.761***

Pagina 53 van 94

(0.320) (0.278)

Constante 98.971*** 88.986*** 47.582***

(10.439) (10.421) (12.089)

N observaties 34019 34012 34019

N scholen 5657 5656 5657

r2 0.068 0.077 0.024 Noot: De afhankelijke variabele van de drie multivariate regressies in deze tabel is het percentage leraren van het vorige schooljaar dat niet terugkeert op de school. De standaardfouten staan tussen haakjes en zijn geclusterd op BRIN-niveau. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. + p<0.10, * p<0.05, ** p<0.01, *** p<0.001. Tabel 27, Tabel 28 en Tabel 29 laten vergelijkbare analyses zien voor het voortgezet onderwijs. In het voortgezet onderwijs zien we geen duidelijke relatie tussen de opleiding van de ouders van leerlingen en het verloop onder leraren. In tegenstelling tot in het primair onderwijs vinden we zelfs dat er meer nieuwe leraren zijn op scholen met een hoger percentage leerlingen met wo opgeleide ouders. Dit zien we niet voor het percentage leraren in het laatste jaar en het percentage leraren dat niet is teruggekeerd op de school. De resultaten van model 3 laten zien dat er geen significante relatie is tussen veranderingen in de leerlingpopulatie en veranderingen in het verloop onder docenten over tijd. Tabel 27: Relatie tussen percentage nieuwe leraren en school- en leerlingkenmerken voor Voortgezet Onderwijs


11

Leerling-populatie



Univariaat (zonder

school fe’s)

% missing opleiding ouders 0.032 0.033 0.164 -0.023

(0.071) (0.070) (0.223) (0.064)

% ouders wo opgeleid 0.157** 0.145* 0.001 0.063

(0.057) (0.060) (0.355) (0.043)

% ouders hbo opgeleid 0.124 0.138 0.260 0.066

(0.098) (0.105) (0.270) (0.090)

% ouders mbo 2 opgeleid 0.107 0.111 0.236 0.084

(0.081) (0.089) (0.275) (0.059)

% missing etniciteit 0.078 0.123 0.349 0.385+

(0.258) (0.269) (0.466) (0.203)

% westerse 0.059 0.073 -0.359 0.079


% niet-westerse 0.046 0.027 -0.001 0.051***


% met onbekend advies -0.056 -0.066 0.075 0.021

(0.068) (0.075) (0.107) (0.056)

% met pro en vso advies 0.018 0.020 -0.200 -0.020

Pagina 54 van 94

(0.031) (0.030) (0.392) (0.017)

% vmbo-b advies 0.068 0.070 -0.255 0.100

(0.091) (0.091) (0.352) (0.078)

% vmbo-b/k advies 0.222 0.195 0.083 0.108

(0.149) (0.149) (0.441) (0.125)

% vmbo-k advies 0.073 0.073 -0.043 -0.040

(0.062) (0.061) (0.259) (0.055)

% vmbo-k/gt advies -0.068 -0.058 0.058 -0.224*

(0.105) (0.110) (0.341) (0.098)

% vmbo-gt advies 0.059* 0.060* 0.265 0.009

(0.026) (0.028) (0.213) (0.024)

% vmbo-gt / havo advies -0.007 -0.003 -0.168 -0.035

(0.058) (0.060) (0.272) (0.058)

% havo advies 0.129** 0.131** -0.037 0.044

(0.047) (0.048) (0.268) (0.039)

% havo/vwo advies -0.061 -0.057 -0.136 -0.087*

(0.042) (0.048) (0.285) (0.044)

% jongens 0.149* 0.167* 0.184 0.067

(0.072) (0.073) (0.274) (0.052)

Aantal leerlingen BRIN4 -0.001** -0.001*** 0.003+ -0.000*

(0.000) (0.000) (0.002) (0.000)

2014 -2.512* -2.635* -0.976

(1.062) (1.096) (1.344)

2015 -2.368+ -2.542+ -0.080

(1.285) (1.354) (1.977)

2016 -2.200 -2.375 0.685

(1.501) (1.590) (2.435)


Amsterdam 1.334 3.078*

(1.624) (1.334)

Rotterdam 1.110 1.959*

(1.181) (0.934)

Den Haag 0.282 0.957

(1.803) (1.574)

Utrecht 1.954 4.826***

(1.617) (1.367)



-0.076 -0.593

(0.731) (0.714)

Gemiddeld grote besturen 1.604 1.241

(1.198) (1.002)

Pagina 55 van 94


(0.760) (0.677)

Grote besturen 0.353 -0.162

(0.953) (0.819)


Rooms Katholiek -0.154 -0.361

(0.916) (0.674)

Protestants Christelijk 0.288 -0.244

(0.831) (0.735)


(0.631) (0.658)

Constante -6.521 -7.778 -14.607

(6.503) (6.768) (33.583)

N observaties 2054 2054 2054

N scholen 579 579 579

R2 0.046 0.050 0.019

Noot: De afhankelijke variabele van de drie multivariate regressies in deze tabel is het percentage nieuwe leraren op een school. De standaardfouten staan tussen haakjes en zijn geclusterd op BRIN-niveau. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. + p<0.10, * p<0.05, ** p<0.01, *** p<0.001. Tabel 28: Relatie tussen percentage leraren in het laatste jaar en school- en leerling kenmerken voor Voortgezet Onderwijs


11

Leerling-populatie



Univariaat (zonder

school fe’s)

% missing opleiding ouders 0.092 0.100 -0.381 -0.075

(0.101) (0.104) (0.554) (0.092)

% ouders wo opgeleid 0.077 0.124 0.503 0.073

(0.086) (0.086) (0.627) (0.061)

% ouders hbo opgeleid 0.335+ 0.349* 0.881 0.249+

(0.174) (0.174) (0.595) (0.140)

% ouders mbo 2 opgeleid 0.014 0.076 0.385 0.190*

(0.153) (0.151) (0.386) (0.089)

% missing etniciteit -0.588 -0.239 -0.671 -0.392

(0.374) (0.379) (1.040) (0.255)

% westerse 0.182 0.103 1.735+ 0.001


% niet-westerse 0.166** 0.127* -0.378 0.105***


% met onbekend advies -0.052 -0.075 0.322 -0.038

Pagina 56 van 94

(0.078) (0.085) (0.233) (0.073)

% met pro en vso advies 0.052 0.050 0.248 -0.014

(0.056) (0.055) (0.927) (0.023)

% vmbo-b advies 0.177 0.142 0.018 0.230*

(0.112) (0.110) (1.035) (0.096)

% vmbo-b/k advies -0.167 -0.117 0.941 -0.237

(0.186) (0.188) (1.193) (0.152)

% vmbo-k advies 0.138 0.182+ 0.831 -0.021

(0.110) (0.111) (0.799) (0.090)

% vmbo-k/gt advies -0.044 -0.121 1.072 -0.281*

(0.165) (0.153) (0.933) (0.136)

% vmbo-gt advies 0.116* 0.109* 1.112+ 0.079+

(0.050) (0.050) (0.610) (0.044)

% vmbo-gt / havo advies -0.079 -0.013 0.684 -0.040

(0.115) (0.113) (0.672) (0.096)

% havo advies -0.013 -0.003 0.402 -0.040

(0.059) (0.059) (0.668) (0.050)

% havo/vwo advies 0.038 0.058 0.328 0.017

(0.058) (0.063) (0.744) (0.057)

% jongens 0.138 0.171+ 0.212 0.075

(0.106) (0.100) (0.516) (0.072)

Aantal leerlingen BRIN4 -0.001+ -0.001** -0.016* -0.001**

(0.000) (0.000) (0.006) (0.000)


2014 -0.137 -0.290 4.210

(0.931) (1.018) (2.738)

2015 5.504*** 5.243** 11.754*

(1.640) (1.724) (4.610)


Amsterdam -2.685 1.658

(2.130) (1.524)

Rotterdam 8.098* 9.879**

(3.340) (3.135)

Den Haag -3.499 -0.375

(3.012) (2.192)

Utrecht -3.163+ 1.192

(1.659) (1.190)



2.252+ 0.719

(1.234) (0.981)

Pagina 57 van 94

Gemiddeld grote besturen 3.636** 2.149*

(1.362) (1.065)

Bovengemiddeld grote besturen 3.707** 4.033***

(1.148) (1.050)

Grote besturen 0.996 1.515

(1.236) (1.136)


Rooms Katholiek 1.558 0.677

(1.212) (0.987)


(1.297) (1.059)


(1.088) (0.901)

Constante -13.211 -19.303+ -64.454

(10.433) (10.248) (69.204)


N scholen 569 569 569

R2 0.081 0.105 0.106

Noot: De afhankelijke variabele van de drie multivariate regressies in deze tabel is het percentage leraren in het laatste jaar. De standaardfouten staan tussen haakjes en zijn geclusterd op BRIN-niveau. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. + p<0.10, * p<0.05, ** p<0.01, *** p<0.001. Tabel 29: Relatie tussen percentage leraren dat niet terugkeert en school- en leerlingkenmerken voor Voortgezet Onderwijs


11

Leerling-populatie



Univariaat (zonder

school fe’s)

% missing opleiding ouders -0.025 -0.014 -0.044 -0.077+

(0.045) (0.046) (0.139) (0.040)

% ouders wo opgeleid 0.044 0.039 0.209 -0.020

(0.037) (0.038) (0.153) (0.031)

% ouders hbo opgeleid -0.021 -0.026 0.159 -0.054

(0.068) (0.067) (0.142) (0.070)

% ouders mbo 2 opgeleid 0.054 0.055 0.289+ -0.009

(0.061) (0.061) (0.171) (0.046)

% missing etniciteit -0.085 -0.101 0.250 -0.106

(0.199) (0.186) (0.228) (0.136)

% westerse 0.028 0.022 0.082 0.040


% niet-westerse 0.021 0.013 0.111 0.059***

Pagina 58 van 94


% met onbekend advies -0.012 -0.020 0.064 0.018

(0.036) (0.038) (0.058) (0.031)

% met pro en vso advies -0.027 -0.027 -0.291 -0.014

(0.022) (0.021) (0.280) (0.010)

% vmbo-b advies 0.063 0.048 -0.199 0.131**

(0.045) (0.044) (0.277) (0.045)

% vmbo-b/k advies 0.101 0.077 0.133 0.057

(0.099) (0.096) (0.292) (0.085)

% vmbo-k advies -0.018 -0.012 -0.030 -0.061+

(0.044) (0.041) (0.198) (0.036)

% vmbo-k/gt advies -0.017 -0.033 -0.073 -0.126

(0.107) (0.100) (0.402) (0.093)

% vmbo-gt advies 0.056** 0.057** 0.137 0.032+

(0.019) (0.017) (0.148) (0.018)

% vmbo-gt / havo advies -0.008 -0.004 0.143 0.004

(0.038) (0.035) (0.180) (0.037)

% havo advies 0.066*** 0.064*** 0.193 0.010

(0.020) (0.019) (0.179) (0.017)

% havo/vwo advies 0.003 0.021 0.058 -0.030

(0.023) (0.023) (0.150) (0.026)

% jongens 0.137* 0.156* 0.194+ 0.081

(0.066) (0.062) (0.115) (0.053)

Aantal leerlingen BRIN4 -0.001*** -0.001*** -0.008*** -0.001***

(0.000) (0.000) (0.002) (0.000)


2014 0.184 0.135 0.741

(0.444) (0.454) (0.680)

2015 0.943 0.862 2.063+

(0.620) (0.638) (1.118)

2016 1.956* 1.874* 3.256*

(0.765) (0.789) (1.420)


Amsterdam -0.375 1.964*

(0.895) (0.817)

Rotterdam 1.345 2.686**

(0.956) (0.967)

Den Haag -1.648 -0.158

(1.038) (0.868)

Utrecht 1.966 3.855*

(1.357) (1.601)


Pagina 59 van 94


1.265** 0.071

(0.435) (0.440)

Gemiddeld grote besturen 1.408** 0.757

(0.510) (0.502)

Bovengemiddeld grote besturen 1.321** 1.477**

(0.472) (0.452)

Grote besturen 1.946** 1.193*

(0.593) (0.593)


Rooms Katholiek -0.699 -0.628

(0.431) (0.409)

Protestants Christelijk -0.146 -0.502

(0.493) (0.428)


(0.485) (0.476)

Constante -0.187 -1.677 -7.885

(5.488) (5.430) (15.677)


N scholen 578 578 578

R2 0.109 0.133 0.130

Noot: De afhankelijke variabele van de drie multivariate regressies in deze tabel is het percentage leraren van het vorige schooljaar dat niet terugkeert op de school. De standaardfouten staan tussen haakjes en zijn geclusterd op BRIN-niveau. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. + p<0.10, * p<0.05, ** p<0.01, *** p<0.001.

3.4 Verband tussen verloop, ziekteverzuim en vacatures Het is mogelijk dat de variabelen die in deze paragraaf zijn onderzocht enige overlap hebben. Het lerarentekort kan leiden tot (extra) werkdruk, wat ziekteverzuim en in extreme vorm burn-out tot gevolg kan hebben. Als deze uitkomsten in hoge mate overlappen, meten we in feite verschillende keren hetzelfde. Dit blijkt niet het geval te zijn. Om te onderzoeken in hoeverre verloop, ziekteverzuim en vacatures overlappen zijn deze gegevens op schoolniveau aan elkaar gekoppeld en is onderzocht wat de correlatie tussen deze variabelen is. De correlatiematrices in Tabel 30 en Tabel 31 tonen aan dat de samenhang tussen verloop, ziekteverzuim en vacatures relatief laag is, zowel voor het po en vo. Dit geldt ook als er onderscheid wordt gemaakt tussen scholen binnen en buiten de Randstad. In de correlatiematrices hieronder zijn scholen met een ontbrekende vacature-intensiteit niet meegenomen in de analyses. Wanneer we deze scholen meenemen

Pagina 60 van 94

als nul in de correlaties voor vacature-intensiteit met de andere variabelen zijn de correlaties duidelijk lager. Tabel 30: Correlatiematrix verzuimpercentage, verloop en vacatures (po)

Verzuim-percen-

tage

% nieuwe leraren

% leraren laatste

jaar

% leraren dat niet

terugkeert

School heeft vaca-tures

Vacature-intensiteit

per 100 leerlingen


als % onderwijs-personeel

Verzuim-percentage

1.0000

% nieuwe leraren

0.1377 1.0000

% leraren laatste jaar

0.1635 0.5068 1.0000

% leraren dat niet terugkeert

0.2016 0.6663 0.7665 1.0000

School heeft vacatures

0.0155 -

0.0142 0.0098 -0.0520 1.0000


0.1018 0.2112 0.2199 0.2358 0.1874 1.0000

Vacature-intensiteit als % onderwijs-personeel

0.0617 0.1662 0.1892 0.2021 0.1690 0.9181 1.0000

Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Tabel 31: Correlatiematrix verzuimpercentage, verloop en vacatures (vo)

Verzuim-percen-

tage

% nieuwe leraren

% leraren laatste

jaar

% leraren dat niet

terugkeert

School heeft vaca-tures


per 100 leerlingen


als % onderwijs-personeel

Verzuim-percentage

1.0000

% nieuwe leraren

0.1364 1.0000

% leraren laatste jaar

0.2454 0.2303 1.0000

% leraren dat niet terugkeert

0.3584 0.4761 0.4092 1.0000

School heeft vacatures

-0.1462 0.0267 0.0002 0.0352 1.0000


0.1597 0.0863 0.1281 0.2613 0.0013 1.0000

Pagina 61 van 94

Vacature-intensiteit als % onderwijs-personeel

0.1598 0.1980 0.1336 0.4311 0.1789 0.9555 1.0000

Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek.

Pagina 62 van 94

4. Verdeling van leraren over scholen

De segregatie van leerlingpopulaties binnen scholen kan leiden tot kansenongelijkheid en een grotere prestatiekloof tussen kansrijke en kansarme leerlingen. In dit deel van het onderzoek kijken we of leraren met bepaalde achtergrondkenmerken ook vaker lesgeven op scholen met een bepaalde leerlingpopulatie. Wanneer dit het geval is, is er niet alleen sprake van een ongelijke verdeling van leerlingen, maar ook een ongelijke verdeling van leraren over scholen. Eerder internationaal onderzoek heeft aangetoond dat dit in andere landen sterk speelt (Clotfelter, Ladd, & Vigdor, 2005 Lankford, Loeb, & Wyckoff, 2002; Sass et al., 2012). Eerder onderzoek in Nederland van Bonhomme, Jolivet en Leuven (2016) vindt dat basisschooldocenten liever lesgeven in scholen met minder gewichtenleerlingen, kleinere klassen en betere leerlingprestaties. Daarnaast laat Lachmansingh (2016) laat zien dat po-scholen met meer gewichtenleerlingen vaker beginnende leraren hebben.

4.1 Algemene verdeling van leraren Om de verdeling van leraren over po en vo scholen in kaart te brengen maken we op BRIN4 niveau gemiddelden van de leraar- en leerlingkenmerken op basis van de Functiemixbestanden (voor lerarenkenmerken) en de po en vo inschrijvingsbestanden (voor leerlingkenmerken). De analyses voor po (vo) beslaan de periode 2008-2016 (2006-2016). We relateren het percentage leraren op BRIN4 niveau met een masteropleiding (hbo of wo) aan het percentage leerlingen waarvan de ouders een bepaald opleidingsniveau hebben op diezelfde school. Daarnaast relateren we het percentage leraren met een niet-westerse migratie-achtergrond aan het percentage leerlingen met een bepaalde migratieachtergrond. Dit doen we voor heel Nederland en apart voor zeer sterk stedelijke gebieden. De reden hiervoor is dat in zeer sterk stedelijke gebieden zowel leerlingen als leraren meer scholen hebben om uit te kiezen, en hier de patronen van zelfsortering waarschijnlijk sterker zullen zijn dan in meer rurale gebieden. Tabel 32 en Tabel 33 laten de beschrijvende statistieken zien van de gewogen gemiddelde leerling en leraarkenmerken op BRIN4 niveau voor respectievelijk po en vo.

Pagina 63 van 94

Tabel 32: Beschrijvende statistieken voor school-, leerlingen leraarkenmerken (po)

Po schoolkenmerken

Heel Nederland Stedelijke gebieden

Variable Gem SD Gem SD School kenmerken Aantal scholen 56,808 8,621 Aantal leerlingen 229.98 138.22 314.20 157.84 Aantal leraren 22.77 12.56 31.57 15.66 Student kenmerken Meisjes pct. 49.56 3.49 49.72 2.98 Migratieachtergrond: Niet-migrant pct. 76.49 22.28 52.21 27.68 Niet-westers migrant pct. 16.66 20.67 37.66 28.37 Westers migrant pct. 6.83 4.82 10.11 6.40 Opleidingsniveau ouders: Universiteit pct. 18.82 15.12 23.93 20.36 hbo pct. 26.49 10.62 19.07 10.29 mbo 34 pct. 31.58 9.50 25.58 8.85 Maximaal mbo 2 pct. 23.09 17.06 31.41 23.88 Onbekend pct. 20.32 9.89 15.39 8.02 Cito-score 535.24 3.81 534.41 4.82 Leraar kenmerken Vrouw pct. 82.90 7.95 82.74 7.27 Leeftijd 43.78 3.80 43.15 3.70 Migratieachtergrond: Niet-migrant pct. 90.97 11.54 80.73 17.51 Niet-westers migrant pct. 3.73 9.54 11.39 16.56 Westers migrant pct. 5.28 5.90 7.86 7.59 hbo of wo Master 19.04 12.01 18.13 10.55 Noot: De gemiddelde student (leraar) kenmerken per school zijn gewogen berekend met gebruik van het aantal leerlingen (leraren) als analytic weights. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek.

Pagina 64 van 94

Tabel 33: Beschrijvende statistieken voor school-, leerlingen leraarkenmerken (vo)

Vo schoolkenmerken

Heel Nederland Stedelijke gebieden

Variable Gem SD Gem SD School kenmerken Aantal scholen 5,907 1,524 Aantal leerlingen 1,491.2 1,119 1,283.9 1,006.5 Aantal leraren 173.1 128.7 153.5 125.7 Aanbod: Alles 3,515 725 Vmbo 530 134 Havo/vwo 396 229 Vwo 366 173 Student kenmerken

Meisjes pct. 49.6 4.05 49.76 2.98 Migratieachtergrond: Niet-migrant pct.

77.64 16.76 59.73 22.55

Niet-westers migrant pct.

15.74 15.55 31.59 22.61

Westers migrant pct. 6.61 3.25 8.67 3.91 Opleidingsniveau ouders:

Universiteit pct. 16.98 11.96 21.35 15.78 hbo pct. 22.53 7.04 19.10 7.75 mbo 34 pct. 33.06 7.09 27.38 6.64 Maximaal mbo 2 pct. 27.41 14.79 32.15 20.62 Onbekend pct. 29.18 7.21 25.46 6.76 Leraar kenmerken Vrouw pct. 51.41 5.53 52.51 5.21 Leeftijd 45.42 1.93 44.94 1.92 Migratieachtergrond: Niet-migrant pct. 86.22 8.37 77.89 10.71 Niet-westers migrant pct.

5.01 6.02 10.89 9.16

Westers migrant pct. 8.76 4.53 11.21 5.86 hbo of wo Master 28.53 10.47 31.95 13.71 Noot: De gemiddelde student (leraar) kenmerken per school zijn gewogen berekend met gebruik van het aantal leerlingen (leraren) als analytic weights. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Om de verdeling van leraren naar leerlingkenmerken in kaart te brengen verdelen we de scholen in vier kwartielen op basis van hun percentage leraren met een master-opleiding en hun percentage leraren met een niet-westerse migratieachtergrond.３ Vervolgens berekenen we per kwartiel het gemiddelde percentage leerlingen waarvan de ouders een bepaald opleidingsniveau hebben behaald, en het percentage leerlingen met een bepaalde migratieachtergrond. Eerst

３ Voor migratieachtergrond is er geen verschil tussen het eerste en tweede kwartiel in het po omdat het percentage

leraren met een niet-westerse migratieachtergrond op de mediane school 0 is.

Pagina 65 van 94

behandelen we de resultaten voor het primair onderwijs. Figuur 9 toont het resultaat voor het percentage leraren met een hbo of wo master. Figuur 10 toont het resultaat voor het percentage leraren met een hbo master, terwijl Figuur 11 alleen de resultaten voor het percentage leraren met een wo master laat zien. Figuur 12 toont ten slotte de resultaten voor het percentage leraren met een migratieachtergrond. Figuur 9A: Gemiddeld percentage leerlingen met een bepaald ouderlijk opleidingsniveau per kwartiel van het percentage van leraren met een hbo of wo master diploma op schoolniveau - Nederland


Figuur 9B: Gemiddeld percentage leerlingen met een bepaald ouderlijk opleidingsniveau per kwartiel van het percentage van leraren met een hbo of wo master diploma op schoolniveau - Stedelijk


Figuur 10A: Gemiddeld percentage leerlingen met een bepaald ouderlijk opleidingsniveau per kwartiel van het percentage van leraren met een hbo master diploma op schoolniveau - Nederland

010

2030

40%

1e kwartiel 2e kwartiel 3e kwartiel 4e kwartiel

Leraren met een Master-diploma pct.

Max MBO2 MBO34HBO Universiteit

Opleidingsniveau ouders - Nederland

010

2030

40%


Leraren met een Master-diploma pct.


Opleidingsniveau ouders - Stedelijk

Pagina 66 van 94

Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Figuur 10B: Gemiddeld percentage leerlingen met een bepaald ouderlijk opleidingsniveau per kwartiel van het percentage van leraren met een hbo master diploma op schoolniveau - Stedelijk

Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Figuur 11A: Gemiddeld percentage leerlingen met een bepaald ouderlijk opleidingsniveau per kwartiel van het percentage van leraren met een wo master diploma op schoolniveau - Nederland

010

2030

40%


Leraren met een HBO-master pct.



010

2030

40%


Leraren met een HBO-master pct.



Pagina 67 van 94

Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Figuur 11B: Gemiddeld percentage leerlingen met een bepaald ouderlijk opleidingsniveau per kwartiel van het percentage van leraren met een wo master diploma op schoolniveau - Stedelijk

Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Figuur 12A: Gemiddeld percentage leerlingen met een bepaalde migratieachtergrond per kwartiel van het percentage van leraren met een niet-westerse migratieachtergrond op schoolniveau - Nederland

010

2030

40%

1e en 2e kwartiel 3e kwartiel 4e kwartiel

Leraren met een WO-master pct.



010

2030

40%


Leraren met een WO-master pct.



020

4060

8010

0%


Leraren met een NW-migratieachtergrond pct.

Niet-migrant Westers migrantNiet-Westers migrant

Migratieachtergrond - Nederland

Pagina 68 van 94

Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Figuur 12B: Gemiddeld percentage leerlingen met een bepaalde migratieachtergrond per kwartiel van het percentage van leraren met een niet-westerse migratieachtergrond op schoolniveau - Stedelijk

Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Uit deze figuren valt af te lezen dat op scholen waar een hoger percentage leraren werkt met een wo-master diploma, het percentage leerlingen waarvan de ouders een universitair opleidingsniveau heeft ook hoger ligt. Op scholen waar geen leraren met een wo master werken (de onderste 2 kwartielen) hebben 15 procent van de leerlingen universitair geschoolde ouders, tegenover 25 procent van de leerlingen in het bovenste kwartiel. Voor de sterk stedelijke gebieden zijn de resultaten sterker: 17 procent tegenover 32 procent. Voor het percentage leraren met een hbo master diploma is de verdeling naar opleidingsniveau van de ouders van de leerlingen nauwelijks aanwezig. Voor migratieachtergrond zijn de resultaten extremer. Po scholen (po scholen in stedelijke gebieden) waarop geen leraren met een niet-westerse migratieachtergrond werken hebben gemiddeld 12 procent (20 procent) niet-westers allochtone leerlingen, terwijl scholen in het hoogste kwartiel leraren met niet-westerse migratieachtergrond 38 procent (50 procent) leerlingen met eenzelfde migratieachtergrond hebben. Figuur 13A: Ontwikkeling sortering master leraren naar opleidingsniveau ouders over de tijd

020

4060

8010

0%


Leraren met een NW-migratieachtergrond pct.


Migratieachtergrond - Stedelijk

02

46

810

%

2008 2010 2012 2014 2016Jaar

Verschil pct leraren met master K4 - K1 Fitted values

Verschil in pct hoogopgeleide ouders - Nederland

05

1015

20%

2008 2010 2012 2014 2016Jaar

Verschil pct leraren met master K4 - K1 Fitted values

Verschil in pct hoogopgeleide ouders - Stedelijk

Pagina 69 van 94

Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Figuur 13B: Ontwikkeling sortering hbo master leraren naar opleidingsniveau ouders over de tijd


Figuur 13C: Ontwikkeling sortering wo master leraren naar opleidingsniveau ouders over de tijd

Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Figuur 13D: Ontwikkeling sortering naar etniciteit over de tijd


-50

5%

2008 2010 2012 2014 2016Jaar

Verschil pct leraren met HBO master K4 - K1 Fitted values


-50

5%

2008 2010 2012 2014 2016Year

Verschil pct leraren met HBO master K4 - K1 Fitted values


510

15%

2008 2010 2012 2014 2016Jaar

Verschil pct leraren met WO master K4 - K1/K2 Fitted values


510

1520

%

2008 2010 2012 2014 2016Year

Verschil pct leraren met WO master K4 - K1/K2 Fitted values


2025

3035

%

2008 2010 2012 2014 2016Jaar

Verschil pct NW-migrant leraren Q4 - Q1 Fitted values

Verschil in pct NW-Migrant studenten - Nederland

2025

3035

%

2008 2010 2012 2014 2016Jaar

Verschil pct NW-migrant leraren Q4 - Q1 Fitted values

Verschil in pct NW-Migrant studenten - Stedelijk

Pagina 70 van 94

Figuur 13A t/m Figuur 13D laat de ontwikkeling van de verdeling van leraren naar leerlingkenmerken over de tijd zien. Per schooljaar wordt het verschil tussen het eerste en het vierde kwartiel leraren met (hbo of wo) master diploma in het percentage leerlingen met universitair geschoolde ouders en het verschil tussen de eerste twee en het vierde kwartier leraren met een niet-westerse migratieachtergrond in het percentage leerlingen met een niet-westerse migratieachtergrond genomen. Op deze manier wordt zichtbaar hoe de verschillen zich over de tijd ontwikkelen. Uit de figuren blijkt dat de sortering op migratieachtergrond over de tijd daalt, terwijl de sortering naar opleidingsniveau van met name wo master opgeleide leraren een stijgende trend laat zien. Tabel 34 tot en met Tabel 37 laten voor het vo de sortering van leraren zien. Voor het vo wordt op eenzelfde manier als voor het po de scholen in kwartielen verdeeld naar leraarkenmerken en het gemiddelde percentage van leerlingkenmerken binnen deze kwartielen getoond. Voor het vo is er de extra complicatie dat scholen met een verschillend aanbod lastig met elkaar zijn te vergelijken. Een categoraal gymnasium heeft een andere leerlingpopulatie als een gemengde school, en het type leraar dat lesgeeft op dit type scholen verschilt ook. Om hiermee rekening te houden worden per schoolaanbod de kwartielen apart berekend. Aanbod alles refereert naar scholen die alle schoolniveau’s (vmbo, havo en vwo) aanbieden, alleen vwo refereert naar categorale vwo-scholen. Tabel 34: Percentage leerlingen met een bepaald ouderlijk opleidingsniveau naar per kwartiel van het percentage leraren met een hbo of wo masterdiploma

Opleidingsniveau ouders % Pct. leraren met hbo of wo master

Nederland Stedelijk

Aanbod: Alles

wo hbo mbo

34 mbo

2 wo hbo

mbo 34

mbo 2

1e kwartiel 9,37 19,00 36,34 35,27 8,54 13,78 27,90 49,78 2e kwartiel 11,98 22,01 36,26 29,75 12,08 17,37 29,88 40,67 3e kwartiel 14,29 23,62 35,18 26,90 15,52 20,06 30,28 34,13 4e kwartiel 20,98 24,49 31,73 22,79 22,72 21,69 28,93 26,65 Aanbod: Alleen vmbo

wo hbo mbo

34 mbo

2 wo hbo

mbo 34

mbo 2

1e kwartiel 4,21 12,47 36,99 46,31 4,06 9,89 28,82 57,22 2e kwartiel 2,97 9,11 31,74 56,17 2,69 6,95 25,54 64,81 3e kwartiel 4,17 12,02 33,13 50,67 4,04 9,91 28,44 57,6 4e kwartiel 6,19 14,39 33,53 45,87 5,17 10,36 29,52 54,93 Aanbod: Havo/vwo

wo hbo mbo

34 mbo

2 wo hbo

mbo 34

mbo 2

1e kwartiel 27,46 26,39 29,70 16,45 28,52 25,47 28,44 17,56 2e kwartiel 31,86 28,20 28,66 11,28 33,51 26,18 27,53 12,77 3e kwartiel 36,14 25,36 27,43 11,06 37,99 23,93 26,55 11,52

Pagina 71 van 94

4e kwartiel 40,41 23,62 24,45 11,51 41,06 22,49 24,20 12,24 Aanbod: Vwo

wo hbo mbo

34 mbo

2 wo hbo

mbo 34

mbo 2

1e kwartiel 37,05 27,25 27,49 8,19 45,23 22,39 25,28 7,1 2e kwartiel 44,44 26,06 23,15 6,34 49,70 21,25 21,45 7,59 3e kwartiel 49,58 23,57 20,88 5,96 54,68 19,96 19,45 5,89 4e kwartiel 55,62 21,74 18,40 4,23 57,97 20,14 17,87 4,01 Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Tabel 35: Percentage leerlingen met een bepaald ouderlijk opleidingsniveau naar per kwartiel van het percentage leraren met een hbo masterdiploma

Opleidingsniveau ouders % Pct. leraren met hbo master

Nederland Stedelijk

Aanbod: Alles

wo hbo mbo

34 mbo

2 wo hbo

mbo 34

mbo 2


wo hbo mbo

34 mbo

2 wo hbo

mbo 34

mbo 2


wo hbo mbo

34 mbo

2 wo hbo

mbo 34

mbo 2

1e kwartiel 32,93 24,78 28,41 13,86 32,44 23,76 28,08 15,70 2e kwartiel 32,53 25,75 28,44 13,26 35,22 23,15 26,71 14,89 3e kwartiel 36,32 26,13 26,33 11,20 37,87 24,75 25,40 11,96 4e kwartiel 34,29 26,73 27,06 11,90 34,97 25,73 26,42 12,87 Aanbod: Vwo

wo hbo mbo

34 mbo

2 wo hbo

mbo 34

mbo 2

1e kwartiel 47,33 24,70 22,18 5,76 52,46 21,74 20,60 5,18 2e kwartiel . . . . . . . . 3e kwartiel 52,46 22,37 19,92 5,23 57,49 18,94 18,34 5,21 4e kwartiel 43,47 25,75 23,58 7,18 53,87 19,24 19,70 7,17 Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek.

Tabel 36: Percentage leerlingen met een bepaald ouderlijk opleidingsniveau naar per kwartiel van het percentage leraren met een wo masterdiploma

Opleidingsniveau ouders % Pct. leraren met wo master

Nederland Stedelijk

Pagina 72 van 94

Aanbod: Alles

wo hbo mbo

34 mbo

2 wo hbo

mbo 34

mbo 2


wo hbo mbo

34 mbo

2 wo hbo

mbo 34

mbo 2


wo hbo mbo

34 mbo

2 wo hbo

mbo 34

mbo 2

1e kwartiel 27,57 26,47 29,55 16,38 28,65 25,61 28,49 17,24 2e kwartiel 30,18 28,75 29,29 11,75 33,56 26,50 27,08 12,84 3e kwartiel 38,70 24,67 26,23 10,38 38,88 23,92 25,98 11,19 4e kwartiel 39,44 23,55 25,14 11,85 40,23 22,15 24,85 12,75 Aanbod: Vwo

wo hbo mbo

34 mbo

2 wo hbo

mbo 34

mbo 2

1e kwartiel 36,09 27,43 28,13 8,34 45,06 22,58 25,53 6,81 2e kwartiel 45,16 26,02 22,57 6,23 50,41 21,12 20,70 7,74 3e kwartiel 49,19 23,77 21,14 5,87 54,43 19,84 19,93 5,78 4e kwartiel 55,90 21,46 18,32 4,29 57,70 20,26 17,91 4,11 Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Tabel 37: Percentage leerlingen met een bepaalde migratie-achtergrond naar per kwartiel van het percentage leraren met een niet-westerse migratie-achtergrond

Migratieachtergrond % Pct. leraren met NW-migratieachtergrond

Nederland Stedelijk

Aanbod: Alles

Autochtoon W-

migrant

NW- migran

t

Autochtoon

W-migran

t

NW- migran

t 1e kwartiel 89,39 4,81 5,79 83,66 4,75 11,58 2e kwartiel 85,03 5,72 9,23 78,55 6,76 14,68 3e kwartiel 80,08 6,63 13,28 75,67 7,49 16,82 4e kwartiel 58,41 8,13 33,44 48,11 8,91 42,97 Aanbod: Alleen vmbo

Autochtoon W-

migrant

NW- migran

t

Autochtoon

W-migran

t

NW- migran

t 1e kwartiel 84,73 6,24 9,01 . . .

Pagina 73 van 94

2e kwartiel 79,49 5,86 14,64 65,36 6,75 27,88 3e kwartiel 72,39 6,23 21,37 64,55 5,69 29,74 4e kwartiel 40,57 6,75 52,67 34,94 6,69 58,35 Aanbod: Havo/vwo

Autochtoon W-

migrant

NW- migran

t

Autochtoon

W-migran

t

NW- migran

t 1e kwartiel 81,62 8,42 9,94 76,26 9,92 13,80 2e kwartiel 78,76 8,91 12,31 75,08 10,01 14,89 3e kwartiel 78,48 8,65 12,85 74,09 9,48 16,42 4e kwartiel 65,35 12,43 22,21 65,13 10,73 24,13 Aanbod: Vwo

Autochtoon W-

migrant

NW- migran

t

Autochtoon

W-migran

t

NW- migran

t 1e kwartiel 84,94 7,98 7,07 84,74 8,17 7,08 2e kwartiel 83,63 8,67 7,68 78,68 11,07 10,24 3e kwartiel 77,94 11,05 10,99 72,61 13,40 13,97 4e kwartiel 73,12 13,60 13,26 70,20 14,75 15,03 Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Voor de sortering op opleidingsniveau is duidelijk te zien dat de verschillen tussen scholen met verschillend aanbod groter zijn dan de verschillen tussen scholen met eenzelfde aanbod. Desalniettemin is hetzelfde patroon zichtbaar als in het primair onderwijs: op scholen met een hoger percentage leraren met een wo master diploma ligt het opleidingsniveau van de ouders van de leerlingen op deze school gemiddeld hoger. Voor de sortering op migratieachtergrond is ongeacht het aanbod van de school zichtbaar dat op scholen waar een hoger percentage niet-westers allochtone leraren werkzaam is, het percentage niet-westers allochtone leerlingen ook een stuk hoger ligt. Ook hier zijn de patronen sterker in zeer stedelijke gebieden. Bij het vo is het helaas niet mogelijk om de ontwikkeling van de sortering over de tijd in kaart te brengen vanwege de kleinere aantallen scholen en het daarmee gepaard gaande onthullingsrisico.

4.2 Verdeling van beginnende leraren Voor de verdeling van beginnende leraren bestaat de onderzoekspopulatie uit alle voltijd PABO studenten die tussen 2007 en 2015 van de PABO zijn afgestudeerd voor het po, en alle voltijd lerarenopleiding studenten die tussen 2006 en 2015 van de lerarenopleiding (tweedegraads, eerstegraads, ulo) zijn afgestudeerd. De kenmerken van de beginnende leraren per afstudeerjaar staan in Tabel 38 voor po en Tabel 39 voor vo. Tabel 38: Kenmerken beginnende leraren per afstudeerjaar (po)

Kenmerken jonge leraren po Afstudeerjaar Variabelen 2007 2008 2009 2010 2011 2012 2013 2014 2015 Aantal 3,734 3,216 2,884 2,846 2,592 2,329 2,231 2,046 1,608 Vrouw pct. 88.9 89.6 87.7 89.6 87.7 87.9 86.7 84.8 85.8

Pagina 74 van 94

Gemiddelde leeftijd

24.4 24.4 24.6 25.0 25.1 24.8 24.6 24.4 24.0


4.47 5.6 3.74 3.72 3.78 4.89 4.35 5.33 5.6

Westers migrant pct.

4.31 3.54 3.95 3.55 3.74 3.65 3.54 3.52 3.73

Hbo of wo Master pct.

10.28 7.62 7.47 9.23 9.13 9.22 10.48 11.98 .

Mbo vooropleiding pct.

34.68 34.61 32.87 33.98 33.83 32.33 32.14 30.89 26.06

Havo vooropleiding pct.

53.83 53.79 54.33 53.09 54.4 53.03 54.1 53.76 55.97

Vwo vooropleiding pct.

8.62 9.11 10.26 11.03 10.11 13.44 12.33 14.03 16.79

Note: Informatie over behaald master diploma voor het cohort uit 2015 is niet beschikbaar. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Tabel 39: Kenmerken beginnende leraren per afstudeerjaar (vo)

Kenmerken jonge leraren vo Afstudeerjaar

Variabelen 200

6 200

7 200

8 200

9 201

0 201

1 201

2 201

3 201

4 201

5

Aantal 1,58

0 1,56

1 1,53

5 1,79

4 1,86

6 2,00

7 1,66

3 1,64

3 1,62

9 1,51

1

Vrouw pct. 59.6

8 57.8

4 57.0

0 58.2

4 57.2

8 61.2

8 61.2

7 58.8

5 57.9

4 58.7

Gemiddelde leeftijd 29.7

9 29.0

0 28.6

4 29,1

3 28.8

3 28.6

5 28.6

8 28.2

7 28.4

4 28.4

Autochtoon pct. 85.3

8 83.5

4 84.9

5 84,3

4 83.3

9 83.8

1 82.8

85.76

85.64

84.32


5.32 8.46 6.45 8,08 8.2 7.72 8.9 7.55 8.1 9.07

Westers migrant pct. 9.3 8.01 8.6 7,58 8.41 8.47 8.3 6.7 6.26 6.62 Mbo vooropleiding pct.

12.97

16.34

16.48

18.0 18.7 15.9

4 16.2

4 16.7

4 16.2

1 14.1

Havo vooropleiding pct.

42.66

42.41

42.48

42,92

41.8 42.4 43.7

2 42.6

7 44.3

8 44.5

4 Vwo vooropleiding pct.

30.06

29.92

28.14

27,65

29.74

31.84

31.99

33.11

32.17

34.02

2e graads pct. 38.0

4 38.7

6 38.1

8 39,0

7 42.5

5 43.4

40.35

42.3 45.8

6 48.8

4 1e graads LO/kunst pct.

31.27

31.9 31.8

6 30,1

25.67

22.52

23.45

20.75

18.35

15.88

1e graads pct. 6.52 6.85 6.97 7.13 7.18 6.63 7.46 6.76 7.43 7.08

Ulo 24.1

8 22.4

9 23.0

0 23.6

9 24.6

27.45

28.74

30.19

28.36

28.19


Pagina 75 van 94

Voor de verdeling van jonge leraren kijken we naar de kenmerken van de eerste school waarop de jonge leraar begint met werken na zijn afstuderen. Wanneer een leraar in 2007/2008 is afgestudeerd behandelen we het jaar 2008 als het eerste jaar waarop de leraar op een school werkzaam is. Voor de jonge leraren relateren we op individueel niveau haar vooropleiding vóór de lerarenopleiding en migratieachtergrond aan het opleidingsniveau van de ouders van leerlingen en de migratieachtergrond van de leerling populatie op schoolniveau. Figuur 14 en Figuur 15 laten de resultaten zien voor po. Opvallend is dat de vooropleiding van leraren voordat ze de PABO gaan doen gerelateerd is aan het opleidingsniveau van de ouders van de leerlingen op de school waar ze les komen te geven. Op de eerste school waar leraren met een vwo achtergrond beginnen te werken zit een hoger percentage leerlingen met universitair geschoolde ouders, en in de grote steden ook een lager percentage leerlingen met laaggeschoolde ouders. De verdeling naar etniciteit laat zien dat jonge leraren met een migratieachtergrond gaan werken op scholen waar de populatie leerlingen met een niet-westerse migratieachtergrond veel hoger is dan op de scholen waar autochtone leraren beginnen te werken. Figuur 14A: Gemiddeld percentage leerlingen met een bepaald ouderlijk opleidingsniveau per vooropleiding van jonge leraren - Nederland


Figuur 14B: Gemiddeld percentage leerlingen met een bepaald ouderlijk opleidingsniveau per vooropleiding van jonge leraren - Stedelijk

010

2030

40%

MBO Havo Vwo

Vooropleiding jonge leraren

Max MBO2 MBO34HBO WO


010

2030

40%

MBO Havo Vwo

Vooropleiding jonge leraren

Max MBO2 MBO34HBO WO


Pagina 76 van 94

Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Figuur 15A: Gemiddeld percentage leerlingen met een bepaalde migratieachtergrond naar migratieachtergrond van jonge leraren - Nederland


Figuur 15B: Gemiddeld percentage leerlingen met een bepaalde migratieachtergrond naar migratieachtergrond van jonge leraren - Stedelijk

Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Figuur 16 en Figuur 17 laten de ontwikkeling van de verdeling van jonge leraren naar leerlingkenmerken over de tijd zien. Per schooljaar wordt het verschil in het gemiddelde percentage leerlingen met universitair geschoolde ouders tussen jonge leraren met een mbo4 en vwo vooropleiding, en het verschil in het gemiddelde percentage leerlingen met een niet-westerse migratieachtergrond tussen autochtone en niet-westerse jonge leraren genomen. Uit de figuren blijkt dat de trend van de sortering van jonge leraren de trend in het algemeen volgt. De sortering op migratieachtergrond over de tijd daalt, terwijl de sortering naar opleidingsniveau stijgt.

020

4060

8010

0%

Niet-migrant Westers migrant Niet-Westers migrant

Migratieachtergrond jonge leraren


Migratieachtergrond - Nederland

020

4060

8010

0%

Niet-migrant Westers migrant Niet-Westers migrant

Migratieachtergrond jonge leraren


Migratieachtergrond - Stedelijk

Pagina 77 van 94

Figuur 16: Ontwikkeling van sortering naar opleidingsniveau voor jonge leraren over de tijd

Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Figuur 17: Ontwikkeling van sortering naar migratieachtergrond voor jonge leraren over de tijd

Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Tabel 40 laat voor de beginnende vo leraren zien welke niveaus de scholen aanbieden waarop ze als eerste gaan werken, uitgesplitst naar type lerarenopleiding, type vooropleiding voor de lerarenopleiding en migratieachtergrond.４ Wat uit deze tabel blijkt is dat leraren van de ulo vaker op scholen gaan werken waar geen vmbo wordt aangeboden. Leraren met een vwo vooropleiding werken ook vaker op scholen waar alleen havo en vwo worden aangeboden, al kan dit ook verklaard worden door het feit dat leraren met deze vooropleiding vaker via de ulo het lerarenberoep instromen dan leraren met een havo of vmbo vooropleiding. Verder is zichtbaar dat leraren met een westerse migratieachtergrond vaker beginnen te werken op scholen waar geen vmbo wordt aangeboden, al is deze groep leraren relatief klein. Tabel 40: Schoolaanbod van eerste scholen van leraren naar type lerarenopleiding, vooropleiding en migratie-achtergrond

Schoolaanbod %

４ Een fijnere uitsplitsing naar alle verschillende vormen van aanbod is niet mogelijk vanwege lage aantallen en het

daarmee verbonden onthullingsrisico

02

46

810

%

2008 2010 2012 2014 2016Jaar

Verschil Vwo - MBO4 Fitted values

Verschil in percentage hoogopgeleide ouders - Nederland

05

1015

%

2008 2010 2012 2014 2016Jaar

Verschil Vwo - MBO4 Fitted values

Verschil in percentage hoogopgeleide ouders - Stedelijk35

4045

50%

2008 2010 2012 2014 2016Jaar

Verschil NW-Migrant - Niet-Migrant Fitted values

Verschil in percentage NW-Migrant leerlingen - Nederland

2025

3035

40%

2008 2010 2012 2014 2016Jaar

Verschil NW-Migrant - Niet-Migrant Fitted values

Verschil in percentage NW-Migrant leerlingen - Stedelijk

Pagina 78 van 94

Nederland Stedelijk Type Lerarenopleiding

Alles of alleen

vmbo Havo/vwo of

vwo Alles of alleen

vmbo Havo/vwo of

vwo 2e graads 97,1 2,9 93,87 6,13 1e graads kunst/LO

95,03 4,97 89,65 10,35

1e graads hbo-ma

92,42 7,58 79,39 20,61

Ulo 81,46 18,54 68,78 31,22

Vooropleiding

Alles of alleen

vmbo Havo/vwo of

vwo Alles of alleen

vmbo Havo/vwo of

vwo Mbo4 97,37 2,63 95,23 4,77 Havo 94,99 5,01 88,93 11,07 Vwo 85,13 14,87 72,55 27,45

Migratieachtergrond

Alles of alleen

vmbo Havo/vwo of

vwo Alles of alleen

vmbo Havo/vwo of

vwo Autochtoon 92,02 7,99 81,9 18,1 NW migrant 94,64 5,36 93,01 6,99 Westers migrant 90,22 9,78 81,75 19,25 Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Ten slotte laten Tabel 41, Tabel 42 en Tabel 43 zien hoe de leerlingkenmerken van de school waarop beginnende leraren vo als eerste werkzaam zijn relateren aan de gevolgde lerarenopleiding, vooropleiding en etniciteit van de beginnende leraar.５ Tabel 41: Opleidingsniveau van ouders op eerste scholen van leraren naar type lerarenopleiding

Opleidingsniveau ouders % Gevolgde lerarenopleiding

Nederland Stedelijk

Aanbod: Alles

wo hbo mbo

34 mbo

2 wo hbo mbo 34

mbo 2

2e graads 15,19 23,51 34,09 27,19 16,66 18,97 28,38 35,96 1e graads kunst/LO

15,98 23,55 33,65 26,80 17,88 20,02069 28,39128 33,70

1e graads hbo-ma 14,76 24,45 34,93 25,85 . . . . Ulo 18,03 23,42 32,46 26,07 20,24 19,83 27,83 32,09

Aanbod: Alleen vmbo

wo hbo mbo

34 mbo

2 wo hbo mbo 34

mbo 2

2e graads 4,68 12,60 34,02 48,68 4,07 9,47 27,62 58,82 1e graads kunst/LO

4,54 11,88 33,64 49,91 4,563 10,19 29,47 55,76

５ De cellen zonder getallen zijn gebaseerd op aantallen onder de 10, en worden derhalve vanwege onthullingsrisico

niet gerapporteerd.

Pagina 79 van 94

1e graads hbo-ma . . . . . . . . Ulo 6,59 14,87 35,84 42,69 5,37 12,69 34,32 47,61

Aanbod: Havo/vwo

wo hbo mbo

34 mbo

2 wo hbo mbo 34

mbo 2

2e graads 33,99 26,87 26,25 12,87 . . . . 1e graads kunst/LO

36,09 25,58 25,70 12,62 35,31 24,04 25,45 15,18

1e graads hbo-ma . . . . . . . . Ulo 36,94 25,50 25,90 11,64 38,58 24,08 24,86 12,46

Aanbod: Vwo

wo hbo mbo

34 mbo

2 wo hbo mbo 34

mbo 2

2e graads 40,72 29,30 22,80 7,17 . . . . 1e graads kunst/LO

49,62 24,48 20,54 5,33 56,30 20,56 18,38 4,74

1e graads hbo-ma . . . . . . . . Ulo 52,18 23,06 19,51 5,23 57,44 20,1 17,56 4,87 Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Tabel 42: Opleidingsniveau van ouders op eerste scholen van leraren naar vooropleiding leraren

Opleidingsniveau ouders % Vooropleiding Nederland Stedelijk

Aanbod: Alles

wo hbo mbo

34 mbo 2 wo hbo

mbo 34

mbo 2

Mbo4 14,94 23,05 33,90 28,10 15,85 18,25 28,17 37,71 Havo 15,71 23,87 33,92 26,47 17,78 19,76 28,40 34,03 Vwo 17,34 23,69 32,93 26,03 19,19 20,02 28,15 32,62

Aanbod: Alleen vmbo

wo hbo mbo

34 mbo 2 wo hbo

mbo 34

mbo 2

Mbo4 4,31 12,14 33,12 50,40 3,66 8,84 27,05 60,43 Havo 4,62 12,36 33,92 49,09 4,41 9,91 28,50 57,16 Vwo 5,84 13,33 34,44 46,36 4,91 11,05 30,86 53,15

Aanbod: Havo/vwo

wo hbo mbo

34 mbo 2 wo hbo

mbo 34

mbo 2

Mbo4 35,34 26,45 25,69 12,50 . . . . Havo 35,33 26,70 26,24 11,70 36,17 25,38 25,19 13,25 Vwo 35,99 25,56 26,17 12,26 37,26 24,12 25,31 13,29 Aanbod: Vwo

wo hbo mbo

34 mbo 2 wo hbo

mbo 34

mbo 2

Mbo4 47,12 26,68 20,59 5,60 . . . . Havo 47,18 25,96 20,95 5,90 58,55 20,11 16,78 4,54 Vwo 51,55 23,38 19,72 5,33 57,16 20,19 17,67 4,95 Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek.

Pagina 80 van 94

Tabel 43: : Opleidingsniveau van ouders op eerste scholen van leraren naar migratie-achtergrond leraren

Migratieachtergrond % Migratieachtergrond leraren

Nederland Stedelijk

Aanbod: Alles

Autochtoo

n

W-migran

t

NW- migran

t

Autochtoon

W-migran

t

NW- migran

t Autochtoon 78,67 6,24 15,08 59,54 8,31 32,14 NW-allochtoon 61,43 7,28 31,27 41,25 8,44 50,30 Westers allochtoon 74,49 7,07 18,43 57,41 9,17 33,40

Aanbod: Alleen vmbo

Autochtoo

n

W-migran

t

NW- migran

t

Autochtoon

W-migran

t

NW- migran


Aanbod: Havo/vwo

Autochtoo

n

W-migran

t

NW- migran

t

Autochtoon

W-migran

t

NW- migran


Aanbod: Vwo

Autochtoo

n

W-migran

t

NW- migran

t

Autochtoon

W-migran

t

NW- migran

t Autochtoon 79,85 10,21 9,93 75,08 12,27 12,64 NW-allochtoon 79,02 11,08 9,88 72,73 14,46 12,79 Westers allochtoon 77,22 11,77 11,00 73,28 13,62 13,09 Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Ook hier zien we dat leraren die de ulo hebben gevolgd vaker op scholen beginnen te werken met meer leerlingen met hoogopgeleide ouders, met name op categorale vwo scholen. Op het gebied van vooropleiding is er binnen scholen met hetzelfde aanbod nauwelijk sortering: gegeven dat ze lesgeven op een categorale vwo school, zitten leraren met een vwo vooropleiding niet op scholen met een leerlingpopulatie met hoger opgeleide ouders. Wat betreft etniciteit is op gemende en vmbo scholen dezelfde sortering zichtbaar als in alle voorgaande analyses. Niet-westerse allochtonen werken vaker op scholen met meer niet-westerse allochtone leerlingen. Op havo/vwo en categorale vwo scholen is dit verband er nauwelijks.

Pagina 81 van 94

5. Lerarenteams en leerlingprestaties

Het is mogelijk dat de verschillen in de verdeling van leraren over scholen leiden tot prestatieverschillen tussen scholen. Uit eerder onderzoek (Coenen, Cornelisz, Groot, Maassen van den Brink en van Klaveren, 2018; Gerritsen, Plug en Webbink, 2017; Hanushek en Rivkin, 2006) blijkt dat met name ervaring van leraren bepalend is voor leerprestaties. Voor het Nederlandse onderwijs is dergelijk onderzoek in beperkte mate beschikbaar.

5.1 Methode De vraag welke kenmerken van leraren goede leerlingprestaties verklaren is lastig te beantwoorden: de effecten kunnen twee kanten op werken. Goede leraren kunnen zorgen voor goede leerlingprestaties, maar het is ook mogelijk dat een school met veel slimme leerlingen gemakkelijker goede leerkrachten kan aantrekken. Door middel van leerling fixed effects kunnen we de impact van lerarenteams op leerlingprestaties wel onderzoeken. Het idee is als volgt: in het voortgezet onderwijs hebben leerlingen verschillende leraren voor verschillende vakken. Leerlingen scoren niet voor ieder vak hetzelfde cijfer op hun centraal eindexamen. Een leerling kan bijvoorbeeld beter scoren voor wiskunde dan voor Engels. Tegelijkertijd verschillen de kenmerken van de lerarenteams: een leerling kan voor Frans bijvoorbeeld oudere docenten hebben dan voor geschiedenis. Met de leerling fixed effects onderzoeken we in hoeverre prestatieverschillen binnen leerlingen verklaard kunnen worden door verschillen in de kenmerken van hun lerarenteams:

𝑦𝑦𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 = 𝛽𝛽𝛽𝛽𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑖𝑖𝑣𝑣𝑣𝑣𝑣𝑣𝑤𝑤𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 + 𝛿𝛿𝛿𝛿𝑣𝑣𝑤𝑤𝑖𝑖𝑖𝑖 + 𝜁𝜁𝑖𝑖 + 𝜀𝜀𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 In deze vergelijking staat 𝑦𝑦𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 voor het centraal schriftelijk eindexamencijfer van leerling 𝑖𝑖 voor vak 𝑣𝑣 in afdeling (schoolniveau) 𝑙𝑙 in school 𝑖𝑖 in jaar 𝑣𝑣. 𝛽𝛽𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑖𝑖𝑣𝑣𝑣𝑣𝑣𝑣𝑤𝑤𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 is een vector van de gewogen gemiddelde kenmerken van het lerarenteam voor vak 𝑣𝑣 in afdeling (schoolniveau) 𝑙𝑙 in school 𝑖𝑖 in jaar 𝑣𝑣. Dat maakt de vector van 𝛽𝛽’s de parameters waarin we geïnteresseerd zijn. 𝛿𝛿𝑣𝑣𝑤𝑤𝑖𝑖𝑖𝑖 zijn de vak en afdeling fixed effects, die algemene prestatieverschillen tussen vakken en afdelingen opnemen. 𝜁𝜁𝑖𝑖 zijn de leerling fixed effects. Deze leerling fixed effects vangen algemene prestatieverschillen tussen leerlingen, bijvoorbeeld intelligentie. 𝜀𝜀𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 is de error term, waarvan we aannemen dat hij exogeen is buiten de leerlingen vak en afdeling fixed effects. Door de prestatieverschillen binnen leerlingen te onderzoeken houden we zowel rekening met algemene leerlingkenmerken (zoals achtergrond en intelligentie) als met schoolkenmerken, zoals de kwaliteit en de buurt van de school. Wat overblijft is variatie in examencijfers binnen leerlingen tussen verschillende vakken. De vraag is dus in hoeverre verschillen in examencijfers binnen leerlingen gerelateerd zijn aan de kenmerken van de lerarenteams voor de verschillende vakken. Zoals ook beschreven in paragraaf 2.3.5, stellen we via de IPTO vast welke leraren in een bepaald schooljaar op een bepaalde school (brin-vestiging), in een bepaalde afdeling een bepaald vak geven. Omdat sommige leraren meer lesuren geven dan anderen, wegen we de leraarobservaties op basis van het percentage van de lessen wat zij in dat jaar, op die brin-vestiging, in die afdeling voor dat vak geven.

5.2 Resultaten

Pagina 82 van 94

In Tabel 44 staan beschrijvende statistieken van het CSE cijfer en de gewogen gemiddelde kenmerken van de lerarenteams die worden meegenomen in de analyse. N is het aantal observaties op leerling-vakniveau. De beschikbare aantallen voor de kenmerken van lerarenteams verschillen tussen de kenmerken: niet alle leraren komen voor in alle bronbestanden. In de tabel is te zien dat 2.6 procent van de lessen in de eindexamenklassen door onbevoegde docenten wordt gegeven. 79.0 procent van de docenten in de eindexamenklassen van het voortgezet onderwijs werkt 0.8 FTE of meer, en 85.4 procent heeft een vast contract. Tabel 44: Beschrijvende statistieken kenmerken lerarenteams

Kenmerk Aantal leerling-vak

observaties Gemiddelde SD

CSE cijfer 3165339 6.45 1.14

% mannen 2802344 55.91 40.22

Gem. leeftijd 2802344 46.31 8.97

Gem. leeftijd^2 2802344 2273.08 815.21

% niet-westers 2954480 5.09 18.14

% westers 2954480 8.62 22.39

% bevoegd 3165339 91.40 22.40

% benoembaar 3165339 5.09 17.41

% onbevoegd 3165339 2.59 12.76

% overig bevoegd 3165339 0.96 7.64

% meer dan 0.8 fte aanstelling 2842915 79.03 31.95

Gem. aantal banen 2958836 1.04 0.18

% vast contract 2958836 85.42 28.81

Log gem. uurloon 2958836 3.29 0.16

% ho bekend 3165339 75.53 36.07

% hbo of wo master 3165339 43.29 42.65

% schaal onbekend 2842915 1.91 10.49

% schaal LB 2842915 24.08 36.14

% schaal LC 2842915 24.67 36.03

% schaal LD 2842915 49.34 44.93

% 5 jaar of minder ervaring 2958836 8.47 21.57

% 6-10 jaar ervaring 2958836 18.40 30.51

% 11-15 jaar ervaring 2958836 20.64 31.83

% 16 jaar of meer ervaring 2958836 52.67 39.66

Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. Tabel 45 geeft in verschillende specificaties de belangrijkste resultaten weer. Model 1 neemt alle kenmerken van het lerarenteam mee. Een deel van deze variabelen is relatief sterk aan elkaar gecorreleerd: oudere leraren hebben in de regel meer ervaring, en de hoger onderwijsachtergrond van oudere docenten is vaker

Pagina 83 van 94

onbekend.６ In Model 2, Model 3 en Model 4 laten we daarom de resultaten uit Model 1 zien, maar dan zonder leeftijd (Model 2), zonder ervaring (Model 3) en zonder de hoger onderwijsachtergrond van de docenten (Model 4). Uit de tabel blijkt dat verschillende kenmerken van lerarenteams een significant positief danwel negatief effect hebben op leerlingprestaties. We zien bijvoorbeeld dat leerlingen hogere cijfers halen bij lerarenteams die gemiddeld meer verdienen. De coëfficiënt in de tabel is een log-coefficient, dus we moeten het coefficient delen door 100 voor het effect van een 1 procent verhoging. Dit impliceert dat wanneer het gemiddelde uurloon van een lerarenteam 10 procent hoger ligt, de prestaties van hun leerlingen op het centraal schriftelijk eindexamen gemiddeld 0.013 punten hoger zijn. Dit looneffect is consistent, maar niet heel groot. De standaardafwijking van de gemiddelde eindexamencijfers is 1.14, dus een 10 procent verhoging van het gemiddelde uurloon is gerelateerd aan een verhoging van het CSE cijfer met 1.10 procent van een standaardafwijking. Bovenop het effect van gemiddeld uurloon zien we dat leraren in hogere salarisschalen een positief effect hebben op de examencijfers van leerlingen. Wanneer het percentage leraren in de LD salarisschaal met 10 procent toeneemt ten kostte van het percentage leraren in de LB salarisschaal neemt het eindexamencijfer van leerlingen met ongeveer 0.01 punt toe. Deze resultaten laten zien dat scholen erin slagen om goede docenten beter te belonen. Het impliceert niet dat een verhoging van het salaris zal leiden tot betere leerprestaties. Verder zien we dat een hoger percentage onbevoegde docenten een negatief effect heeft op de eindexamencijfers van leerlingen. Wanneer het percentage onbevoegde docenten in een lerarenteam van 0 naar 100 gaat, neemt het eindexamencijfer met 0.04 punt af. Dit effect van onbevoegde docenten is relatief klein, maar niet verwaarloosbaar: 3.5 procent van een standaardafwijking. Jaarlijks krijgt ongeveer 5.2 procent van de leerlingen in de eindexamenklassen voor tenminste één vak les van een volledig onbevoegd lerarenteam. In 2014 kregen 9.401 leerlingen voor tenminste één eindexamenvak les van een volledig onbevoegd lerarenteam, in 2015 9.984 en in 2016 7.794 leerlingen. Wel is het waarschijnlijk dat het effect van het percentage onbevoegde docenten in werkelijkheid groter is dan het geschatte effect: leerlingen krijgen ook in de jaren voor het eindexamen les van onbevoegde docenten, maar hier onderzoeken we alleen onbevoegden in het eindexamenjaar. Daarnaast is er een neerwaartse vertekening omdat we de effecten schatten op teamniveau. Wanneer er in een docententeam één leerkracht onbevoegd is, krijgt niet iedere leerling les van die onbevoegde docent. Het niveau van de opleiding van docenten heeft geen duidelijk effect op de schoolprestaties van leerlingen. Het percentage leraren met een hbo of wo masteropleiding in een lerarenteam is ongerelateerd aan het eindexamencijfer van leerlingen. Wel zien we dat leerlingen iets slechter presteren bij teams waar van meer docenten de ho opleiding bekend is. Dit is waarschijnlijk een leeftijdseffect: de ho opleiding vaker bekend voor jongere docenten.

６ De hoogste correlatie is tussen de gemiddelde leeftijd van het lerarenteam en percentage leraren met 16 jaar of

meer ervaring (ongeveer 0.63).

Pagina 84 van 94

Ervaring van leerkrachten blijkt een positief effect te hebben op leerlingprestaties. Ook dit effect is relatief klein. Wanneer het percentage leraren met 6 tot 10 jaar ervaring met 10 procent toeneemt ten kostte van het percentage leraren met 0 tot 5 jaar ervaring, zien we dat het eindexamencijfer van leerlingen 0.003 punt toeneemt. Tabel 45: Resultaten invloed van lerarenteams op CSE cijfers

Model 1 Model 2 Model 3 Model 4

% mannen -0.0002** -0.0002*** -0.0002** -0.0002**

(0.0001) (0.0001) (0.0001) (0.0001)

Gem. leeftijd -0.0080** -0.0085*** -0.0105***

(0.0026) (0.0025) (0.0025)

Gem. leeftijd^2 0.0001* 0.0001* 0.0001***

(0.0000) (0.0000) (0.0000)

% niet-westers -0.0001 -0.0001 -0.0001 -0.0002

(0.0001) (0.0001) (0.0001) (0.0001)

% westers -0.0000 -0.0000 0.0000 -0.0000

(0.0001) (0.0001) (0.0001) (0.0001)

% benoembaar -0.0000 -0.0000 -0.0000 -0.0000

(0.0001) (0.0001) (0.0001) (0.0001)

% onbevoegd -0.0004+ -0.0004* -0.0003+ -0.0004+

(0.0002) (0.0002) (0.0002) (0.0002)

% overig bevoegd 0.0000 -0.0000 0.0000 0.0003

(0.0003) (0.0003) (0.0003) (0.0003)

% meer dan 0.8 FTE 0.0001 0.0001 0.0001 0.0001

(0.0001) (0.0001) (0.0001) (0.0001)

Gem. aantal banen 0.0109 0.0069 0.0097 0.0114

(0.0109) (0.0108) (0.0109) (0.0108)

% vast contract 0.0002*** 0.0002*** 0.0003*** 0.0003***

(0.0001) (0.0001) (0.0001) (0.0001)

Log gem. uurloon 0.1253*** 0.0511* 0.1054*** 0.1430***

(0.0255) (0.0229) (0.0239) (0.0257)

% ho bekend -0.0003** -0.0002+ -0.0002**

(0.0001) (0.0001) (0.0001)

% hbo of wo master -0.0000 0.0000 -0.0000

(0.0001) (0.0001) (0.0001)

% schaal onbekend 0.0008*** 0.0009*** 0.0009***

(0.0002) (0.0002) (0.0002)

% schaal LC 0.0004*** 0.0005*** 0.0004*** 0.0003***

(0.0001) (0.0001) (0.0001) (0.0001)

% schaal LD 0.0007*** 0.0009*** 0.0008*** 0.0006***

(0.0001) (0.0001) (0.0001) (0.0001)

% 6-10 jaar ervaring 0.0003** 0.0003* 0.0003**

(0.0001) (0.0001) (0.0001)

% 11-15 jaar ervaring 0.0000 -0.0001 0.0000

Pagina 85 van 94

(0.0001) (0.0001) (0.0001)

% 16 jaar of meer ervaring -0.0000 -0.0003* 0.0000

(0.0001) (0.0001) (0.0001)

Constante 5.9668*** 5.9873*** 6.0542*** 5.9373***

(0.0746) (0.0704) (0.0641) (0.0749)

Aantal leerling-vak observaties 2797559 2797559 2797559 2797559

Aantal scholen 1042 1042 1042 1042

Aantal leerlingen 463115 463115 463115 463115

R2 0.082 0.082 0.082 0.082 Noot: De afhankelijke variabele van de fixed effects regressies in deze tabel is het cijfer van leerlingen op het centraal schriftelijk eindexamen voor een bepaald vak. Alle regressies bevatten leerling fixed effects en vak en afdeling fixed effects. De standaardfouten staan tussen haakjes en zijn geclusterd op BRINvest-niveau. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. + p<0.10, * p<0.05, ** p<0.01, *** p<0.001. In Tabel 46 worden de resultaten uit Model 1 van Tabel 45 uitgesplitst per schoolniveau. Wat het meeste opvalt, is dat het effect van het percentage onbevoegde docenten voor de vmbo-basisberoepsgerichte leerweg positief en significant is, in plaats van negatief. Voor examenleerlingen bij vmbo-b lijkt het dus juist gunstig om meer onbevoegde docenten voor de klas te hebben. Verder valt op dat het effect van uurloon kleiner lijkt bij vmbo-b. Een hoger percentage leraren in de LD salarisschaal is voor alle schoolniveaus positief gerelateerd aan hogere examencijfers. Tabel 46: Resultaten invloed van lerarenteams op CSE cijfers per afdeling

vmbo-b vmbo-k vmbo-g/t havo vwo

% mannen 0.0004+ 0.0000 -0.0002* -0.0003** -0.0002+

(0.0002) (0.0002) (0.0001) (0.0001) (0.0001)

Gem. leeftijd -0.0011 -0.0042 -0.0013 -

0.0161*** -0.0120**

(0.0067) (0.0082) (0.0045) (0.0042) (0.0046)

Gem. leeftijd^2 -0.0000 0.0000 -0.0000 0.0001** 0.0001*

(0.0001) (0.0001) (0.0000) (0.0000) (0.0000)

% niet-westers -0.0006+ -0.0004 0.0000 0.0000 -0.0002

(0.0003) (0.0003) (0.0002) (0.0002) (0.0003)

% westers 0.0002 0.0002 -0.0001 -0.0001 0.0000

(0.0004) (0.0003) (0.0002) (0.0001) (0.0001)

% benoembaar 0.0006 0.0002 -0.0005 0.0002 0.0001

(0.0004) (0.0004) (0.0003) (0.0002) (0.0002)

% onbevoegd 0.0010** -0.0004 -0.0008** -0.0004 -0.0001

(0.0003) (0.0005) (0.0003) (0.0003) (0.0004)

% overig bevoegd 0.0010+ -0.0003 -0.0001 0.0004 -0.0005

(0.0006) (0.0006) (0.0005) (0.0005) (0.0007)

% meer dan 0.8 FTE -0.0003 0.0002 0.0003** 0.0001 -0.0001

(0.0002) (0.0002) (0.0001) (0.0001) (0.0001)

Pagina 86 van 94

Gem. aantal banen 0.0237 0.0200 0.0056 0.0050 0.0173

(0.0307) (0.0347) (0.0198) (0.0194) (0.0162)

% vast contract 0.0006* -0.0001 0.0003* 0.0002* 0.0002*

(0.0003) (0.0003) (0.0001) (0.0001) (0.0001)

Log gem. uurloon -0.0084 0.2211* 0.0504 0.1713*** 0.1585***

(0.0767) (0.1000) (0.0504) (0.0397) (0.0427)

% ho bekend -0.0004 -0.0000 -0.0002 -0.0002 -0.0004**

(0.0003) (0.0003) (0.0002) (0.0002) (0.0002)

% hbo of wo master 0.0002 -0.0005+ -0.0002+ 0.0002 0.0002

(0.0003) (0.0003) (0.0001) (0.0001) (0.0001)

% schaal onbekend 0.0005 0.0009+ 0.0005 0.0012** 0.0010**

(0.0005) (0.0005) (0.0003) (0.0004) (0.0004)

% schaal LC 0.0005* 0.0007** 0.0005*** -0.0000 0.0003

(0.0002) (0.0003) (0.0001) (0.0002) (0.0002)

% schaal LD 0.0010+ 0.0009 0.0008*** 0.0005** 0.0006***

(0.0005) (0.0007) (0.0002) (0.0002) (0.0002)

% 6-10 jaar ervaring 0.0001 0.0002 0.0003+ 0.0003+ 0.0004*

(0.0003) (0.0004) (0.0002) (0.0002) (0.0002)

% 11-15 jaar ervaring 0.0001 -0.0005 0.0001 0.0001 -0.0000

(0.0005) (0.0004) (0.0002) (0.0002) (0.0002)

% 16 jaar of meer ervaring 0.0003 -0.0002 0.0001 0.0001 -0.0002

(0.0005) (0.0004) (0.0002) (0.0002) (0.0002)

Constante 6.6832*** 5.5385*** 6.1116*** 5.9719*** 5.8406***

(0.2389) (0.2670) (0.1488) (0.1138) (0.1233)

Aantal leerling-vak observaties 156972 231467 750642 921399 737079

Aantal scholen 363 369 700 504 514

Aantal leerlingen 39504 55355 128574 141711 97971

R2 0.086 0.032 0.047 0.082 0.132

Noot: De afhankelijke variabele van de fixed effects regressies in deze tabel is het cijfer van leerlingen op het centraal schriftelijk eindexamen voor een bepaald vak. Alle regressies bevatten leerling fixed effects en vak en afdeling fixed effects. De standaardfouten staan tussen haakjes en zijn geclusterd op BRINvest-niveau. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. + p<0.10, * p<0.05, ** p<0.01, *** p<0.001. Een mogelijk probleem bij de hierboven beschreven resultaten is dat sommige van de onafhankelijke variabelen met elkaar gecorreleerd zijn. In Tabel 45 staan daarom verschillende specificaties, waarin een drietal variabelen al dan niet worden weggelaten. In aanvulling daarop staan in Tabel 47 de resultaten van leerling-fixed effects modellen waarin maar één (set van) predictor(en) is meegenomen. Het algemene beeld is dat de conclusies vergelijkbaar blijven. Voor het percentage mannen, migratie-achtergrond, percentage dat meer dan 0.8 FTE werkt en salarisschaal zijn de coëfficiënten zeer vergelijkbaar met de resultaten in Tabel 45.

Pagina 87 van 94

Voor het percentage onbevoegde en benoembare docenten worden de coëfficiënten sterker. In de multivariate modellen had het percentage benoembare docenten geen significant effect op eindexamencijfers, in het univariate model is er een negatief effect. Het percentage hbo en wo opgeleide docenten heeft univariaat een positief effect op de eindexamencijfers, het percentage docenten met 11 jaar of meer ervaring ook. Inhoudelijk hebben de resultaten uit Tabel 45 de voorkeur. Sommige van de variabelen zijn met elkaar gecorreleerd, bijvoorbeeld ervaring en leeftijd, en de resultaten uit Tabel 45 laten de resultaten voor ieder van de predictoren gecorrigeerd voor de andere predictoren zien. Tabel 47: Resultaten invloed van lerarenteams op CSE cijfers: univariaat

Model 1 Model 2 Model 3 Model 4 Model 5 Model 6

% mannen -0.0002**

(0.0001)

Gem. leeftijd

-0.0002

(0.0020)

Gem. leeftijd^2

-0.0000

(0.0000)

% niet-westers

-0.0002

(0.0001)

% westers

-0.0001

(0.0001)

% benoembaar

-0.0003**

(0.0001)

% onbevoegd

-0.0007***

(0.0002)

% overig bevoegd

-0.0001

(0.0002)

% meer dan 0.8 FTE

0.0001+

(0.0001)

Gem. aantal banen

0.0003

(0.0103)

Constante 6.2188*** 6.2373*** 6.2193*** 6.2218*** 6.2056*** 6.2183***

(0.0047) (0.0435) (0.0040) (0.0039) (0.0060) (0.0114)

Aantal leerling-vak observaties

2802344 2802344 2954480 3165339 2842915 2958836

Aantal scholen 1045 1045 1117 1129 1044 1117

Aantal leerlingen 463317 463317 493934 526123 470348 493935

R2 0.081 0.081 0.079 0.079 0.081 0.079

Noot: tabel gaat hieronder verder Tabel 47: Resultaten invloed van lerarenteams op CSE cijfers: univariaat (vervolg) Model 7 Model 8 Model 9 Model 10 Model 11

Pagina 88 van 94

% vast contract 0.0004***

(0.0001)

Log gem. uurloon

0.0863***

(0.0142)

% ho bekend

-0.0002**

(0.0001)

% hbo of wo master

0.0002*

(0.0001)

% schaal onbekend

0.0009***

(0.0002)

% schaal LC

0.0006***

(0.0001)

% schaal LD

0.0009***

(0.0001)

% 6-10 jaar ervaring

0.0005***

(0.0001)

% 11-15 jaar ervaring

0.0004***

(0.0001) % 16 jaar of meer ervaring

0.0003***

(0.0001)

Constante 6.1844*** 5.9347*** 6.2264*** 6.1499*** 6.1833***

(0.0065) (0.0469) (0.0059) (0.0065) (0.0086)

Aantal leerling-vak observaties

2958836 2958836 3165339 2842915 2958836

Aantal scholen 1117 1117 1129 1044 1117

Aantal leerlingen 493935 493935 526123 470348 493935

R2 0.079 0.079 0.079 0.082 0.079

Noot: De afhankelijke variabele van de fixed effects regressies in deze tabel is het cijfer van leerlingen op het centraal schriftelijk eindexamen voor een bepaald vak. Alle regressies bevatten leerling fixed effects en vak en afdeling fixed effects. De standaardfouten staan tussen haakjes en zijn geclusterd op BRINvest-niveau. Resultaten gebaseerd op berekeningen Inspectie van het Onderwijs op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek. + p<0.10, * p<0.05, ** p<0.01, *** p<0.001.

5.3 Robustness checks De resultaten uit paragraaf 6.2 zijn robuust voor verschillende modelspecificaties. In deze paragraaf beschrijven we welke robustness checks zijn uitgevoerd. Allereerst is het positieve effect van loon op leerlingprestaties robuust voor verschillende specificaties van loon: we rapporteren log van het gemiddelde uurloon, maar de resultaten zijn vergelijkbaar voor gemiddeld uurloon, en (log) gemiddeld SBASISLOON. De positieve relatie tussen loon en leerlingprestaties wordt niet veroorzaakt door outliers: leraren die opvallend veel of juist opvallend weinig verdienen. De resultaten zijn zeer vergelijkbaar wanneer we observaties van meer of minder dan 3SD en meer of minder dan 2SD van het log gemiddelde uurloon verwijderen.

Omdat sommige leraren meer lessen geven dan andere leraren zijn de gemiddelde lerarenkenmerken en de percentages van de verschillende

Pagina 89 van 94

lerarenkenmerken gewogen op het percentage van de lessen die een leerkracht in dat team geeft. De resultaten zijn vergelijkbaar wanneer we ongewogen gemiddelden en percentages gebruiken.

Verder hebben we onderzocht in hoeverre de invloed van lerarenteams verschilt tussen schoolvakken: is een onbevoegde leraar bij wiskunde bijvoorbeeld nadeliger dan bij biologie? Wanneer we interactie-effecten tussen de kenmerken in Tabel 45 en de verschillende vakken bekijken, zien we geen consistente verschillen in het belang van de kenmerken van lerarenteams tussen afzonderlijke vakken. Verder blijkt het (niet-significante) effect van het percentage hbo en wo master-opgeleide docenten niet te veranderen wanneer er een onderscheid gemaakt wordt tussen het percentage hbo en het percentage wo opgeleide docenten. Ook de vo vooropleiding van het docententeam blijkt geen consistent effect te hebben op de schoolprestaties van leerlingen. Wanneer we kijken naar de SE cijfers van leerlingen in plaats van de CSE cijfers zien we een paar opvallende verschillen. Het effect van onbevoegde docenten is positief en significant: leerlingen halen hogere SE cijfers bij teams met meer onbevoegde docenten. Verder blijkt dat leerlingen lagere SE cijfers halen bij meer ervaren docenten. Een hoger uurloon en hogere salarisschalen hebben geen significant verband met de SE cijfers van leerlingen.

Pagina 90 van 94

6. Interviews thema-onderzoek lerarentekort

Deze paragraaf geeft de analyse weer van de gesprekken die zijn gevoerd in het kader van het thema onderzoek Lerarentekort. Er zijn gesprekken gevoerd met besturen en scholen over oplossingen voor het lerarentekort. De deelnemende scholen zijn geselecteerd op basis van vooraf verwachtte oplossingsrichtingen. Deze oplossingsrichtingen zijn bepaald tijdens het panelgesprek over lerarentekort met verschillende besturen en organisaties op 18 mei 2018.

6.1 Achtergrond van de bezochte besturen De gesprekken hebben plaatsgevonden tussen 26 september en 11 oktober 2018. In totaal is met twaalf besturen gesproken en zijn elf scholen bezocht: vier po- scholen, vier vo-scholen, twee so-scholen en één mbo-instelling. Van de bezochte besturen is de helft gevestigd in randstedelijk gebied. De bezochte besturen liggen verspreid over het land: in Zuid-Holland, Groningen, Flevoland, Utrecht, Gelderland, Noord-Holland en Limburg. Van de twaalf besturen hebben zes besturen aangegeven vacatures te hebben. Het varieert van enkele tot 37 vacatures. In de meeste gevallen gaat het om leerkrachten/docenten en in enkele gevallen om onderwijsassistenten. De meeste vacatures zijn in het po. Twee besturen geven aan helemaal geen vacatures te hebben en drie besturen hebben niet als zodanig antwoord gegeven op de vraag of er vacatures zijn. Opvallend is dat door één bestuur werd aangegeven dat er geen vacatures zijn, terwijl de bezochte school uit dit bestuur aangaf wel degelijk enkele vacatures te hebben.

6.2 Probleemherkenning In deze paragraaf schetsen we of en hoe bezochte schoolbesturen en scholen het probleem van het lerarentekort herkennen.

Primair onderwijs De bezochte besturen geven aan dat vooral invallers niet te krijgen zijn. Ook wanneer vacatures vervuld lijken bij de start van het schooljaar komen er toch op het laatste moment afzeggingen van leraren. Vooral in de Randstedelijke gebieden is er een probleem omdat de beschikbare leraren ‘wegtrekken’ uit de stad. Bezochte po-besturen schetsen het beeld dat leraren naar randgemeenten trekken omdat daar sprake zou zijn van een ‘makkelijkere’ doelgroep. Ook een kortere reistijd, als er vacatures dicht(er) bij huis ontstaan, leidt tot vertrekkend personeel. De bezochte scholen ervaren het lerarentekort vooral doordat er weinig of geen geschikte kandidaten solliciteren. Als gevolg daarvan, maar ook door uitval of uitstroom van leraren staan er onbevoegden (of minder bekwame/ervaren leraren) voor de klas. Ook wordt het probleem van de vele parttimers in het beroep genoemd, waardoor er meer leraren nodig zijn voor hetzelfde werk. Volgens de scholen is er vooral sprake van een verzwaarde taak/werk- belasting onder de (blijvende) leraren. Ze zien de expertise uit de school verdwijnen, de professionalisering een terugslag krijgen en de onderwijsvernieuwing stil staan. De leerlingen zouden dat kunnen merken aan opdelingen van de klassen of terugdraaien van bijvoorbeeld co-teaching waar ze mee te maken krijgen maar niet alle scholen denken dat alle bezochte scholen bevestigen dat leerlingen er concreet iets van merken.

Pagina 91 van 94

Voortgezet onderwijs De bezochte besturen geven aan op dit moment geen probleem te ervaren met het lerarentekort, er zijn wel vacatures maar die zijn tot nu toe goed te vervullen. Er zijn wel specifieke vakken waarvoor het aanbod wat lastiger te vinden lijkt, dit geldt voor: Duits, Nederlands, wiskunde en natuurkunde. De bezochte besturen schetsen het beeld dat er sprake is van daling van het aantal leerlingen als gevolg van krimp. In samenhang met natuurlijk verloop kunnen de grootste verschuivingen tot nu toe worden opgevangen. Echter, door deze zelfde vergrijzing (natuurlijk verloop) ziet een enkel bestuur wel problemen voor de nabije toekomst. De bezochte scholen geven een wisselend beeld: een deel van de scholen erkent inderdaad dat zij weinig problemen ervaren met het lerarentekort. Eén school geeft echter aan wel degelijk een tekort aan leraren te ervaren. Het bestuur kiest er echter voor om groepen groter te maken waardoor met minder leraren gewerkt kan worden. De leraren geven hierop aan dat dat zij de groepen te groot vinden en dat ze eigenlijk meer leraren nodig hebben. De vo scholen geven aan dat leerlingen wel iets merken van het lerarentekort. Er is steeds minder tijd voor specifieke leerlinggesprekken. Daarnaast bestaat er een risico dat door te grote groepen het gekozen onderwijsconcept onvoldoende goed tot uitwerking kan worden gebracht. Deze opmerking hoorden we in het bijzonder bij scholen die hebben gekozen voor onderwijsconcepten waarbij gepersonaliseerd leren het uitgangspunt is.

Speciaal onderwijs Bij de bezochte besturen valt op dat zij vinden het vooral gaat om de bevoegdheid en competenties van de beschikbare leraren. Schoolbesturen kunnen óf de leraren met de juiste bevoegdheden niet vinden óf de bevoegde leraren beschikken niet over de competenties die nodig zijn voor de doelgroepen binnen so. Het gaat bij de bezochte scholen vaak om mensen die met specifieke doelgroepen willen, maar ook kunnen werken. Lerarenopleidingen besteden in het algemeen weinig aandacht aan deze doelgroepen. Ook (bevoegde) vervanging bij ziekte wordt door de besturen en scholen genoemd als probleem. Door de bezochte besturen wordt het beeld geschetst dat het vooral komt door de specifieke behoeften die behoren bij de doelgroep: de combinatie zorg en onderwijs krijgt weinig tot geen aandacht bij de lerarenopleidingen waardoor leraren enerzijds onvoldoende competenties ontwikkelen en anderzijds een onduidelijk beeld hebben van de werkzaamheden. De leraren van een bezochte school bevestigen dat het dan vooral gaat om onbevoegde en/of onbekwame leraren. De leraren van een bezochte so school bevestigen dat het vooral gaat om onbevoegde leraren, de kwaliteit van de lessen gaat daardoor achteruit. Er zijn verder veel wisselingen en dat geeft een grotere druk op de zittende leraren. Dat leidt tot meer onrust bij de leerlingen en meer incidenten. Een bestuur kiest er soms expliciet voor geen vervanger in te schakelen bij ziekte omdat een vreemd gezicht voor de groep een groter probleem is voor de belangrijke structuur dan een onbevoegd bekend gezicht in te zetten.

Middelbaar beroepsonderwijs Het bezochte mbo-bestuur geeft aan dat ze een tekort aan leraren beginnen te voelen en verwacht dat het in de toekomst wel problemen op gaat leveren, ook tussen scholen in de regio omdat iedereen ‘in dezelfde vijver vist’. Het bezochte bestuur schetst het beeld dat er sprake is van toename van het aantal leerlingen met extra zorg. Ook de populatieverschillen en grotere diversiteit in onderwijsbehoefte tussen leerlingen nemen toe. Het bestuur ziet vooral een probleem ontstaan bij het vinden van leraren voor de technische opleidingen. De studenten van die opleidingen merken dat concreet aan de lesuitval.

Pagina 92 van 94

6.3 Samenvattend beeld Doel van dit verkennend onderzoek was antwoord te krijgen op de vraag welke oplossingsstrategieën schoolbesturen ontwikkelen die niet alleen op korte termijn het urgente probleem van het lerarentekort aanpakken, maar die vooral ook voor de langere termijn van betekenis kunnen zijn voor dit terugkerend probleem. De bestuurders die op basis van een rondetafelbijeenkomst voor dit onderzoek zijn uitgenodigd hadden daar verschillende ideeën over en mogelijk zou dit concrete aanpakken aan het licht brengen die ook voor andere schoolbesturen interessant konden zijn. Bij het onderzoek was slechts een beperkt aantal bestuurders betrokken. Dit gaf enerzijds de mogelijkheid voor diepgaande interviews en eventuele schoolbezoeken, anderzijds is het niet mogelijk om op basis van de gesprekken algemene conclusies te trekken. Niet bij alle deelnemende besturen was ook sprake van een acuut lerarentekort. Uit de interviews komt geen eenduidig beeld naar voren van effectieve maatregelen die besturen treffen om – ook voor de lange termijn – een antwoord te vinden op het probleem van het lerarentekort. Waar een acuut probleem zich voordoet treffen schoolbesturen ad hoc maatregelen die binnen de kaders van de wet mogelijk zijn of tijdelijk worden toegestaan (zie Handreiking Lerarentekort). Als de druk hoog is lijkt er weinig ruimte te zijn om na te denken over mogelijke kansen en risico’s voor de langere termijn. Toch ligt hier een bestuurlijke uitdaging. Bij besturen waar geen acuut probleem is lijkt het gevoel van urgentie te ontbreken. Zij noemen bijvoorbeeld hun onderwijsconcept of contextfactoren als verklaring voor het feit dat zij aantrekkelijk zijn voor de arbeidsmarkt en er zich dus geen tekorten voordoen, maar voor de langere termijn is dit onzeker. Ook voor deze besturen ligt er daarom een uitdaging om na te denken over strategieën die voor de langere termijn meer flexibiliteit bieden voor de inzet van onderwijzend en ondersteunend personeel en die tegelijkertijd de kwaliteit van het onderwijs garanderen.

Pagina 93 van 94

7. Referenties

Bonhomme, S., Jolivet, G., & Leuven, E. (2016). School characteristics and teacher turnover: assessing the role of preferences and opportunities. The Economic Journal, 126, 1343-1371. Clotfelter, C. T., Ladd, H. F., & Vigdor, J. (2005). Who teaches whom? Race and the distribution of novice teachers. Economics of Education review, 24(4), 377-392. Coenen, J., Cornelisz, I., Groot, W., Maassen van den Brink, H., & van Klaveren, C. (2017). Teacher characteristics and their effects on student test scores: a systematic review. Journal of Economic Surveys, 0, 1-30. doi: 10.1111/joes.12210 Gerritsen, S., Plug, E., & Webbink, D. (2017). Teacher quality and student achievement: evidence from a sample of Dutch twins. Journal of Applied Econometrics, 32, 643-660. Hanushek, E. A., & Rivkin, S. G. (2006). Teacher quality. In E. A. Hanushek, & F. Welch (Eds.), Handbook of the economics of education, vol. 2 (pp. 1051–1078). Amsterdam: Elsevier.

Lachmansing, V. (2016). The distribution of teacher quality in relation to the socioeconomic status of students: an analysis. Master thesis. Rotterdam: Erasmus Universiteit Rotterdam.

Lankford, H., Loeb, S., & Wyckoff, J. (2002). Teacher sorting and the plight of urban schools: A descriptive analysis. Educational evaluation and policy analysis, 24(1), 37-62. OCW (2018). Antwoord op vragen van het lid Kwint over het bericht dat de subsidie voor zij-instromers primair onderwijs bijna op is. Kamervragen, aanhangsel: ah-tk-20182019-344. Den Haag: Ministerie van Onderwijs, Cultuur en Wetenschap. Onderwijs in Cijfers (2018). Lerarenopleidingen. Geraadpleegd op 7-3-2019 van: https://www.onderwijsincijfers.nl/kengetallen/onderwijs-algemeen/personeel/lerarenopleidingen. Van der Ploeg, S., van de Pol, G., Vankan, A., & van Kerkhof, D. (2017). Arbeidsmarktbarometer po, vo en mbo 2016-2017. Jaarrapportage 2016-2017. Rotterdam: Ecorys ; Dialogic. Sapulete, S., van de Pol, G., Vankan, A., Kerkhof, D., & Jelicic, N. (2018). Arbeidsmarktbarometer po, vo en mbo 2017-2018. Jaarrapportage 2017-2018. Rotterdam: Ecorys ; Dialogic. Sass, T. R., Hannaway, J., Xu, Z., Figlio, D. N., & Feng, L. (2012). Value added of teachers in high-poverty schools and lower poverty schools. Journal of Urban Economics, 72(2-3), 104-122. TNO en CBS (2017). Nationale enquête arbeidsomstandigheden 2016. Methodologie en globale resultaten. Leiden, Heerlen: TNO | CBS.

Pagina 94 van 94

Vloet, A., den Uijl, M. & Fontein, P. (2018). IPTO: bevoegdheden en vakken in het VO. Peildatum 1 oktober 2017. Eindrapport. Tilburg: CentERdata.

TECHNISCH RAPPORT LERAREN EN …...Arbeidsmarktbarometer verwijzen we naar Sapulete, van de Pol,...

Documents

Transcript of TECHNISCH RAPPORT LERAREN EN …...Arbeidsmarktbarometer verwijzen we naar Sapulete, van de Pol,...