Page 29 - A középiskolák összehasonlító elemzése a KIR bázisán

jellegű szemléletet igényel (azaz nem tartamot jelle- mez, mint a mutatók többsége). Ennek feloldása az lehetne – ami szintén több évtizede felmerülő prob- lémakör –, ha rendelkezésre állna egy megbízható, az összes pedagógusra kiterjedő, viszonylag gyakran frissülő regiszter (lista, kataszter), mégpedig oly mó- don, hogy ezt a folyamatban levő intézményi, illetve feladatellátási hely szintjén történő megfigyelésekhez lehessen kapcsolni.
A harmadik, általánosan is tárgyalható kérdéskör – erről már többször esett szó, de a hozzáadott érték típusú számításoknál merül fel igazán problémaként –, hogy bizonyos mutatók egyszerre lehetnek ered- ményességi és feltételmutatók. Ilyenek tipikusan a kompetenciamérés eredményei, hiszen ezek mérik a tanulók általános tudásszintjét (meghatározott szem- pontok szerint), amelyre hatást gyakorol az iskola, de nyilván befolyásolja a tanuló családi háttere, általános iskolai tanulmányai s az egyéb életvitelbeli körülmé- nyei. Az sem jelent feltétlenül megoldást, hogy meg- próbáljuk a középiskolában írt kompetenciateszteket összehasonlítani a korábban elért eredményekkel, és csak a változást tekintjük az iskola eredményének. Egyrészt lehet, hogy ez a változás is egyéb körülmé- nyek eredménye, másrészt a mérése is nehéz. (Erről más tanulmányainkban részletesebben is szó esik.)
Amennyiben a kompetenciamérés eredménye sze- repel a magyarázott faktorban és elfogadjuk magya- rázóváltozóként is, akkor a modellek magyarázóereje nagymértékben megjavul, de a többi tényező parc- iális hatása gyakorlatilag eltűnik, így ezt a megoldást végül elvetettük, s éppen ezért a továbbiakban leírtak inkább illusztrációként feltüntetett számítások, me- lyek során a többváltozós lineáris regressziós modellt használtuk, az eredményváltozó pedig a négyfakto- ros modellből számolt összevont (varianciákkal sú- lyozott) eredményességi mutató volt.
Összességében megállapítható, hogy a konstruált ráfordítási mutatók közül sok egyáltalán nem magya- rázza szignifikánsan az eredményességet. Ide tartoz- nak a működés anyagi hátterét leíró, forintban mért mutatószámok, illetve a tanári minőségre (tovább- képzés, nyelvvizsga) vonatkozó mutatók.
Az összes eredményességet jellemző mutató- számmal is maximum húszszázalékos magyarázó- erőt lehetett előállítani.
Ezért a hozzáadott érték típusú mutatókat csak fenntartásokkal érdemes kezelni, vizsgálatunk alapján ugyanis az eredményességet a ráfordításokkal csak
nagyon kis mértékben lehet nagyarázni. Szemléltetés- nek bemutatjuk a legjobbnak bizonyuló modellt.
A modell magyarázóereje is nagyon alacsony, mindössze 12 százalékos. A paraméterek előjele logi- kus és értelmezhető. A település fejlettsége kontroll- változó mutatja, hogy a fejlettebb településeken, ahol jobbak az adottságok és nagyobb a település vonzá- sa, eredményesebbek a gimnáziumi tanulók. A többi változó mindemellett kontrollként mutatja, hogy mi- lyen egyéb tényezők hatnak szignifikánsan a tanulói eredményességre. Látható, hogy a tanári, tantermi, számítógépes ellátottság javulásával a tanulói (isko- laszintű) eredményesség is pozitív irányba változik. (Mind a három béta-együttható negatív, mert mind- három mutató fordított, azaz nagyobb értéke kisebb ellátottságot mutat.)
11. táblázat. Az eredményességi mutatót legalább tíz- százalékos szignifikanciaszinten magyarázó változók (lineáris regressziós modell)
Változó
Béta
St. hiba
T- érték
P- érték
Konstans
–0,179
10,107
–0,018
0,986
Település fejlettsége
3,391
1,129
3,004
0,003
Egy tanárra jutó tanuló
–2,131
0,408
–5,225
0,000
Egy teremre jutó tanuló
–0,177
0,093
–1,902
0,058
Egy számítógépre jutó tanuló
–0,169
0,101
1,669
0,096
A középiskolák összehasonlító elemzése a KIR bázisán • 29