Inzet van Artificiële Intelligentie helpt effectieve inzet van beschikbare zorggelden. Vroegtijdige schoolverlaters werden zo tijdig ondervangen en succesvol naar een diploma begeleid.
In Nederland verlaten relatief weinig jongeren het onderwijs zonder diploma. In 2002 telde het onderwijs zo’n 70.000 voortijdige schoolverlaters (vsv’ers), in 2014 waren het er nog 26.000. De regering wil hun aantal verder terugdringen tot 20.000 per jaar in 2021. Jongeren met diploma maken immers meer kans om goed te functioneren in de maatschappij, zowel op de arbeidsmarkt als in de samenleving. Er wordt al veel data verzameld met alle leerlingvolgsystemen. AI kan deze data doorgronden en zo een instrument zijn om uitval te bestrijden.
Onder voortijdig schoolverlaters (vsv’ers) vallen jongeren van 12 tot 23 jaar die het onderwijs verlaten zonder startkwalificatie. Een startkwalificatie is een havo- of vwo-diploma of een diploma op mbo-2 niveau of hoger.
Kinderen van vijf tot zestien jaar zijn gehouden aan de leerplicht. Voor jongeren van zestien tot achttien jaar geldt sinds 2007 de kwalificatieplicht: zij moeten voltijds onderwijs volgen tot zij een startkwalificatie hebben. De regering stelt per jaar 110 miljoen euro beschikbaar om het aantal voortijdige schoolverlaters terug te dringen, als onderdeel van de kwaliteitsafspraken mbo. Door maatwerk te leveren krijgen jongeren de hulp die zij nodig hebben.
Het beleid richt zich zowel op het school als het bovenschools niveau. In het eerste geval gaat het over de vraag wat docenten, decanen en leerlingenbegeleiders kunnen doen om te voorkomen dat jongeren niet langer naar school gaan. Dit krijgt vorm in diverse projecten.
Op bovenschools niveau vindt samenwerking plaats tussen scholen, gemeenten en het bedrijfsleven. In Amsterdam en Rotterdam heeft de gemeente de scholen geholpen met de opzet van Plusvoorzieningen. Hiermee kunnen jongeren met problemen op weg worden geholpen naar het reguliere onderwijs of naar de arbeidsmarkt. Zij krijgen dan de juiste zorg en begeleiding om te voorkomen dat ze helemaal uit beeld verdwijnen.
De VO-Raad en MBO Raad stimuleren samenwerking tussen middelbare- en mbo-scholen om het aantal vsv’ers terug te dringen. Leerlingen die dreigen uit te vallen, kunnen bijvoorbeeld hun diploma halen in het volwassenenonderwijs (Vavo). Daarnaast helpt de introductie van het ervaringscertificaat (EVC) jongeren zonder diploma aan een betere positie op de arbeidsmarkt.
In 2014 startten experimenten met een doorlopende leerlijn tussen vmbo-mbo2 in de vorm van vakmanschapsroutes en technologieroutes. Daarbij integreren middelbare scholen een mbo-opleiding in de bovenbouw van het vmbo. De nieuwe leerlijn moet de doorstroom in het onderwijs vergemakkelijken en maakt dus het mbo voor studenten aantrekkelijker.
Scholen en gemeenten zijn verantwoordelijk voor het tegengaan van voortijdige schooluitval. In 2019 is een wet ingegaan waardoor deze samenwerking verplicht is. Scholen en gemeenten leggen in een regionaal plan vast welke maatregelen ze inzetten. Denk aan:
Een deel van de maatregelen is speciaal gericht op minder uitval bij de overstap naar het mbo. Bij die overstap vallen relatief veel leerlingen uit. Denk aan:
Voordat een jongere school verlaat zonder diploma is er een aantal waarschuwingstekens. Zo misdragen de jongeren zich vaak, zijn ze vaak afwezig, maken ze hun huiswerk niet, scoren ze lager en tonen ze weinig interesse in buitenschoolse activiteiten. Deze data worden vaak bijgehouden door scholen, maar met behulp van EDM, Educational Data Mining, kan er nog eerder en accurater voorspelt worden wanneer een jongere dreigt uit te vallen.
Scholen in de Verenigde Staten hebben succesvolle proeven gedaan waaruit blijkt dat Electronic Data Management (EDM) weleens de sleutel zou kunnen zijn tot het opsporen van jongeren met een hoog risico. In 2013 hield men een proef met Artificiële Intelligentie in Arlington, Virginia. Men identificeerde voor dit experiment drie risicofactoren die correleren met een grotere kans op uitval;
Dit zijn de grootste indicatoren. Ook Massachusetts implementeerde een gelijksoortig Early Warning Indicator System, al in 2011. In 2010 behaalde slechts 55% van de leerlingen in Tacoma, een voorstad van Seattle, zijn of haar diploma. Het nationaal Amerikaans gemiddelde was dat jaar een slagingspercentage van 81%. Met behulp van Azure Machine Learning behaalde vier jaar later 78% van de leerlingen in Tacoma zijn of haar diploma.
Azure Machine Learning maakte analyses en deed de nodige voorspellingen om deze indrukwekkende prestatie te realiseren. Daartoe voerde het team allerlei data in over studenten over de laatste vijf jaar, waaronder academische prestaties en risicofactoren. De leerlingen die het grootste risico hadden om de volgende periode uit te vallen, konden op die manier worden geïdentificeerd.
De school kon zo haar beperkte middelen doelgericht gebruiken om de zwakste leerlingen te ondersteunen. Hoewel de meeste Belgische en Nederlandse scholen een soortgelijk leerlingvolgsysteem hebben, is AI nog niet wijdverbreid om risicogroepen te identificeren.
WORD LID
Met Onderwijscommunity maken we het werkveld iedere dag een stukje beter en mooier. Meld je gratis aan als lid, maak verbinding, haal én breng kennis, maak je eigen ledenprofiel, connect met andere leden en meer.
PUBLICEER
Heb je een uniek en interessant artikel geschreven en denk je dat deze interessant kan zijn voor de leden van Onderwijscommunity? Stuur deze dan in via het formulier en wij gaan er mee aan de slag.
ADVERTENTIE
