Invloed van determinanten en vormen van ouderbetrokkenheid op de cognitieve ontwikkeling van kinderen

Met multilevel regressieanalyses is met behulp van groeimodellen onderzocht welk effect de onderscheiden determinanten en vormen van ouderbetrokkenheid hebben op de hoogte en de groei in prestaties van leerlingen bij begrijpend lezen en rekenen/ wiskunde. Er is in de eerste instantie gekozen voor een één-op-één benadering, waarbij individuele predictoren op de uitkomstmaten worden geregresseerd. Deze benadering biedt het meest zuivere inzicht in de relatie tussen een ouderbetrokkenheidsvariabele en een uitkomstmaat voor de schoolprestaties. De in hoofdstuk 3 gebruikte theore- tische modellen boden te weinig aanknopingspunten om specifieke combinaties van relaties te onderzoeken en daarnaast is het risico op collineariteit en suppressor- effecten bij een “alles-met-alles”-aanpak te groot. Om toch een uitspraak te kunnen doen over de hoeveelheid variantie die door een aantal variabelen tegelijkertijd kan worden verklaard, zijn enkele totaalmodellen gefit (zie het einde van deze paragraaf). Voor de groeimodellen in het basisonderwijs zijn de elf metingen uit het LVS gebruikt, van midden groep 3 tot midden groep 8. Deze metingen vonden twee keer per jaar plaats, in het midden en aan het eind van elk schooljaar. De tijdfactor in de modellen voor het basisonderwijs is gedefinieerd door de eerste meting, midden groep 3, op nul te stellen, en de volgende 10 metingen krijgen de scores van het aantal maanden dat de meting plaatsvond na de eerste meting. Zodoende is de intercept van de modellen dus op te vatten als het aanvangsniveau van de leerlingen in midden groep 3. De elfde meting betreft het niveau van midden groep 8. Voor het voortgezet onderwijs is de eerste meting het aanvangsniveau als kinderen binnenkomen in de brugklas en ook deze is op nul (jaren) gesteld. Het volgende meetmoment vond plaats aan het einde van de brugklas en het derde moment aan het einde van de 2e _{klas. Niet} iedere leerling heeft op elk toetsmoment ook een uitkomstwaarde, maar omdat er bij analyses met multilevel groeimodellen cases niet listwise deleted worden bij missings op de afhankelijke herhaald gemeten variabele, leiden enkele missings op de herhaald gemeten variabele niet tot verwijdering van cases uit de analyses (uiteraard zijn er dan wel minder datapunten) (Hox, 2010). In bijlagen D1 t/m D4 en F1 en F2 zijn tabellen opgenomen waarin per uitkomstmaat per tijdstip het aantal waarnemingen is weergegeven.

Voor iedere uitkomstmaat in het basisonderwijs (rekenen-wiskunde versie 2012, reke- nen-wiskunde versie 3.0, begrijpend lezen versie 2012, begrijpend lezen versie 3.0) is

een apart groeimodel geschat, omdat de verschillende toetsversies niet op dezelfde schaal bleken te staan (zie paragraaf 4.2.3). Voor het voortgezet onderwijs is alleen onderscheid gemaakt tussen de uitkomstmaten rekenen-wiskunde en begrijpend lezen. De toetsversies van het voortgezet onderwijs sluiten niet aan op de toetsversies van het basisonderwijs (er is geen doorlopende vaardigheidsschaal per domein) en worden daarom ook apart onderzocht. Bovendien is uit de meetinvariantie-analyses gebleken dat het basis- en voortgezet onderwijs sowieso apart van elkaar moeten worden geana- lyseerd (zie paragraaf 5.2).

De laatste meting van leerlingen loopt gelijk met het moment dat ouders zijn bevraagd. Dat betekent dat de effecten van determinanten of aspecten van ouderbetrokkenheid die gevonden worden, betrekking hebben op de ontwikkeling (slope) die leerlingen al hebben doorgemaakt, en/of variantie in het aanvangsniveau van leerlingen verklaart (intercept). De aanname die hierbij wordt gedaan, is dat determinanten en aspecten van ouderbetrokkenheid relatief stabiele kenmerken van ouders zijn gedurende de schoolperiode. Deze aanname wordt deels gestaafd door de resultaten van de analyses met betrekking tot meetinvariantie (zie paragraaf 5.2), waaruit blijkt dat aangenomen mag worden dat er voor ouders van groep 4 en van groep 7 op dezelfde schaal wordt gemeten en dat de constructen hetzelfde betekenen. Dit hoeft echter niet te betekenen dat de scores van de ouders zelf stabiel zijn gebleven.

Per uitkomstmaat is de multilevelstructuur bepaald. Hiertoe zijn de volgende varian- tieniveaus onderscheiden: herhaalde metingen, leerling, klas en school. Er is in het random deel van het model altijd gestart met geschatte varianties op het niveau van de herhaalde metingen en op het leerlingniveau. In de basisformule is naast de constante ook de tijdvariabele opgenomen. De tijd geeft het toetsmoment aan uitgedrukt in maanden (po) of jaren (vo) met de startwaarde 0 (komt overeen met de meting midden groep 3 of de meting begin klas 1). Er werden variantieniveaus (leerling, klas, school) toegevoegd als de modelfit daar significant door verbeterde, met andere woorden, als de intra-klas correlatie (rho) significant afweek van nul. In navolging van Hox (2010) toetsen we dan het deviance verschil op 10% als we 5% bedoelen, vanwege het niet negatief kunnen zijn van varianties. Wanneer het aantal benodigde variantieniveaus duidelijk was, zijn vervolgens de tweede en derde macht (alleen in basisonderwijs) van de tijd- variabele toegevoegd, om na te gaan of de groei non-lineair is. Bij de meeste uitkomst- variabelen bleek de gekwadrateerde tijd als variabele significant te zijn in het nulmodel. Bij één uitkomstmaat in het basisonderwijs (begrijpend lezen versie 2012) bleek ook tijd

tot de derde macht een significante toevoeging aan het nulmodel. Bij het voortgezet onderwijs is na het bepalen van de tijdvariabelen ook nog de variabele ‘schooltype’ (vmbo of havo/vwo) aan het nulmodel toegevoegd, om te corrigeren voor de leerniveaus van leerlingen voordat de effecten van de determinanten en aspecten van ouderbe- trokkenheid werden bepaald.

Voor elke determinant en vorm van ouderbetrokkenheid is een regressiemodel geschat met de determinant of de vorm van ouderbetrokkenheid als afhankelijke variabele en de groepsvariabele (categorisch) als predictor. De significantie van de regressie- coëfficiënten is getoetst met de Wald test. Verschillen tussen geneste modellen die verschillen in aantallen predictoren zijn ook met het chi-kwadraat verdeelde verschil in deviance getoetst, maar dan met als vrijheidsgraden het verschil in aantal geschatte parameters in beide modellen. Om de effecten goed te kunnen interpreteren zijn de predictoren gecentreerd rondom het gemiddelde (grand mean centered). Dit heeft tot gevolg dat de intercept in het model geïnterpreteerd kan worden als de verwachte waarde van de uitkomstvariabele op het eerste meetmoment, wanneer alle verklarende variabelen/predictoren hun gemiddelde waarde hebben, ook als in het groeimodel interactietermen worden toegevoegd. De interactie-coëfficiënt verzwakt (negatief) of versterkt (positief) de beweging die wordt aangegeven door de coëfficiënten van de predictoren (Hox, 2010). Om de effecten zichtbaar te maken, is ervoor gekozen drie fictieve waarden van de predictor in te vullen in de formule. Als gemiddelde score is de grand mean van de predictor genomen, die op nul is gesteld (Hox, 2010). Een boven- gemiddelde score betekent 1 standaarddeviatie boven de grand mean (hoge predictor), een beneden gemiddelde score betekent 1 standaarddeviatie beneden de grand mean (lage predictor). Deze “groeilijnen” zijn opgenomen in grafieken.