De Talige Samenstelling van een School en de Taalprestaties van Nederlandstalige Leerlingen
Masterscriptie Onderwijswetenschappen Universiteit van Amsterdam Student: Esther Stronkhorst Studentnummer: 10666982 Begeleider: Dr. Orhan Agirdag Tweede beoordelaar: Dr. Jaap Schuitema Amsterdam, Augustus 2019
Inhoudsopgave
Abstract... 3
Inleiding... 4
Theoretisch kader ... 5
Schoolsegregatie in Nederland ... 5
Tracking in het Nederlandse Onderwijsstelsel ... 6
Invloeden op Leerprestaties ... 7
Individuele factoren en leerprestaties. ... 7
Het compositie-effect. ... 8
Het Compositie-Effect en Taal ... 10
Methode ... 10
Cohortonderzoek O nderwijsloopbanen 5-18 ... 11
Programme For International Student Assessment... 13
Analyse ... 15
Resultaten ... 16
COOL5 − 18 ... 16
Vaardigheidsscore begrijpend lezen. ... 16
Cito Taal. ... 18
PISA... 19
Discussie ... 21
The School Language Composition and the Language Achievements of Dutch Native Students
Dutch parents have used the argument that many children with a foreign mother tongue in a classroom might be detrimental to the language performance of their native Dutch-speaking child. While
previous research has focused on the SES composition and ethnic composition of schools, only very little research has focused on the influence of the language composition of schools. Therefore the current study focuses on what the effect of the language composition is on the language achievements of Dutch speaking students. This is analysed by performing multilevel analysis on a part of the dataset Cohortonderzoek Onderwijsloopbanen 2013/2014 (COOL) on 2329 grade 6 students from 275 Dutch schools and on the dataset Programme for International Student Assessment 2015 (PISA) on 4945 students aged 15 from 186 Dutch schools. The results were controlled for gender, individual SES, SES-composition and in secondary education for the education track. The multilevel analysis of the COOL dataset revealed that language composition does not have a significant effect on the language achievements in primary education, when the control variables are taken into account. The multilevel analysis of the PISA dataset revealed that the language composition does have a small negative effect on language achievements in secondary education, even when the control variables are taken into account. However, it is still unknown how this effect differs between the different education tracks existing in the Netherlands. These results suggest overall that the worries of Dutch parents are unnecessary.
De Talige Samenstelling van een School en de Taalprestaties van Autochtone Leerlingen
In de grote steden is er sprake van een stijgende taaldiversiteit, onder meer als gevolg van immigratie. In de drie grote steden Amsterdam, Rotterdam en Den Haag is de
bevolkingsgroei in 2018 voor het grootste deel te wijden aan buitenlandse immigratie (Centraal Bureau voor Statistiek, 2019). In het onderwijs leidt deze immigratie nog steeds vaak tot onderwijssegregatie (Inspectie van het Onderwijs, 2018). Er is sprake van
onderwijssegregatie wanneer de populatie van de school niet een weerspiegeling is van de wijk waarin de school staat, wat zowel op basis van migratieachtergrond als op basis van opleidingsniveau kan zijn (Boterman, 2018).
Hoewel de onderwijssegregatie naar migratieachtergrond is afgenomen en minder is geworden dan segregatie naar opleidingsniveau van de ouders, blijkt dat segregatie naar migratieachtergrond nog steeds aanwezig is (Inspectie van het Onderwijs, 2018). Ook laten cijfers zien dat segregatie naar migratieachtergrond niet alleen een probleem is dat speelt in de eerder genoemde grote randstadsteden, maar ook een grote rol speelt in middelgrote steden in Nederland (Boterman, 2018; Inspectie van het Onderwijs, 2018). Voorbeelden zijn Ede, Haarlem en Breda, waar de segregatie naar migratieachtergrond even groot is als in Amsterdam. In deze steden zou ongeveer de helft van de kinderen van school moeten
veranderen om de segregatie naar migratieachtergrond ongedaan te maken (Inspectie van het Onderwijs, 2018).
Wanneer kranten schrijven over de oorzaken van segregatie naar migratieachtergrond, wordt er vaak gewezen op de ‘witte vlucht’ van (hoogopgeleide) blanke ouders die hun kinderen naar een school in een andere wijk sturen (Van Gelder, 2017). Een van de
argumenten die ouders hier volgens de media voor aandragen is de angst dat een school met een hoog percentage leerlingen met een niet-westerse migratieachtergrond slecht zou zijn voor de taalontwikkeling van hun kind (Koster, 2018). Wanneer deze angst terecht is, zorgen de ouders met hun schoolkeuze voor een betere taalontwikkeling van hun kind. Wanneer deze angst onterecht is, baseren zij zich bij de schoolkeuze op onjuiste informatie en zorgen zij onnodig voor een toename in segregatie. Het is daarom van belang om te weten of deze zorgen gegrond zijn. Dat betekent dat er meer kennis nodig is over hoe taalprestaties van Nederlandstalige leerlingen worden beïnvloed door hun schoolgenoten met een andere moedertaal.
Recent onderzoek heeft vooral gekeken naar de invloed van de etnische
studenten met een migratieachtergrond (e.g. Van Ewijk & Sleegers, 2010a). Verder biedt de literatuur geen eenduidig beeld over de invloed van het aandeel leerlingen met een
migratieachtergrond binnen scholen op academische taalprestaties. Hierbij zijn namelijk zowel positieve effecten (Konan, Chatard, Selimbegović, & Mugny, 2010) als negatieve effecten (Mok, Martiny, Gleibs, Keller, & Froehlich, 2016) gevonden. Eerder onderzoek heeft echter nog niet gekeken wat de invloed van talige samenstelling (in plaats van etnische
samenstelling) is op de taalprestaties van autochtone leerlingen.
Daarom richt het huidige onderzoek zich op de vraag: wat is het effect van de talige samenstelling van een school op de taalprestaties van Nederlandstalige leerlingen? Dit onderzoek draagt op twee manieren bij aan de bestaande literatuur. In de eerste plaats draagt dit onderzoek bij door te kijken naar de talige samenstelling van een school in plaats van naar de etnische samenstelling. Hoewel de meeste anderstalige leerlingen een migratieachtergrond hebben, zijn migrantenleerlingen niet zonder meer anderstalig; er zijn veel
migrantenleerlingen die Nederlandstalig zijn. Door te kijken naar de talige samenstelling van scholen kan er specifieker worden gekeken naar een mogelijke taalrelatie. In de tweede plaats focust het onderzoek op autochtone leerlingen in plaats van alle leerlingen of juist specifiek leerlingen met een migratieachtergrond te bestuderen. Op deze manier draagt dit onderzoek bij aan kennis over de vraag of de angst van ouders over eventuele negatieve effecten op de taalontwikkeling van autochtone leerlingen gegrond is.
Om de onderzoeksvraag te beantwoorden wordt gebruik gemaakt van een multi-levelanalyse met behulp van de Nederlandse data van het Programme for International
Student Assessment (PISA) uit 2015 en de data van het Cohortonderzoek Onderwijsloopbanen 5-18 (COOL5−18). In de volgende sectie wordt ingegaan op de achterliggende theorieën met
betrekking tot het verband tussen de talige samenstelling van een school en taalprestaties van leerlingen.
Theoretisch kader Schoolsegregatie in Nederland
De huidige Nederlandse schoolsetting wordt gekenmerkt door segregatie naar opleidingsniveau van ouders en segregatie naar migratieachtergrond. De segregatie naar migratieachtergrond heeft zijn oorsprong in de migratiegolven van de jaren ’70 en ’80. De arbeidsmigranten uit die tijd zijn vooral in specifieke wijken in grote steden komen wonen, waardoor er hoge concentraties van deze arbeidsmigranten ontstonden (Boterman, 2018). Deze woonsegregatie had invloed op de schoolsamenstelling van scholen (Boterman, 2018; Clark, Dieleman, & De Klerk, 1992). Gramberg (1998) en Clark et al. (1992) stellen dat in de
jaren na de migratiegolven een grote stijging in woonsegregatie ontstond, maar ook dat er scholen ontstonden met een hoger percentage leerlingen met een migratieachtergrond dan zou worden verwacht op basis van de populatie van de wijk. Clark et al. (1992) en Gramberg (1998) benoemen dat hoewel woonsegregatie de voornaamste reden is voor schoolsegregatie, de vrije schoolkeuze voor ouders ook een rol heeft gespeeld in het ontstaan en toenemen van de schoolsegregatie. De vrijheid van ouders om een school te kiezen die bij hun visie en opvoeding past, is vastgelegd in de Nederlandse grondwet onder artikel II-14 lid 3. De overheid kan hierdoor slechts in beperkte mate beleidsmaatregelen treffen tegen de schoolkeuzes die ouders maken.
Sinds de jaren ’90 en de publicaties van Gramberg en Clark en collega’s, is er weinig veranderd. Er is nog steeds sprake van zowel schoolsegregatie naar opleidingsniveau als migratieachtergrond in Nederland, hoewel er een lichte daling lijkt te zijn van de segregatie naar migratieachtergrond (Onderwijsinspectie, 2018). Toch blijft segregatie naar
migratieachtergrond sterk aanwezig, niet alleen in de grote steden in de Randstad maar ook in de andere steden in Nederland. Deze segregatie en het verband met de vrijheid van
schoolkeuze van ouders zijn een belangrijke contextuele factor voor onderzoek naar de effecten van de talige schoolsamenstelling.
Tracking in het Nederlandse Onderwijsstelsel
Een tweede belangrijke context met betrekking tot onderzoek naar de effecten van de talige schoolsamenstelling in het voortgezet onderwijs is de structuur van het Nederlandse onderwijsstelsel. Het Nederlandse onderwijsstelsel wordt gekenmerkt door relatief vroege tracking, op twaalfjarige leeftijd (Van de Werfhorst, Elffers, & Karsten, 2015). Deze trackingleeftijd is vergelijkbaar met België en iets later dan Duitsland en Oostenrijk, maar weer veel vroeger dan de Angelsaksische landen en Scandinavië (Van de Werfhorst et al., 2015). De leerlingen worden in het Nederlandse stelsel aan het eind van groep 8 op de basisschool geplaatst in een van vier verschillende tracks: praktijkonderwijs, vmbo, havo of vwo. Daarbij wordt het vmbo nog weer uitgesplitst in vier verschillende types: basis, kader, gemengd en theoretisch.
Het advies voor de plaatsing van de leerlingen binnen een van deze vier tracks werd tot het schooljaar 2013/2014 gebaseerd op de scores die de leerlingen behaalden op de centrale eindtoets van de basisschool, waarbij de leerkracht een eventueel afwijkend advies kon meegeven. Sinds het schooljaar 2014/2015 geldt dat het advies van de leerkracht leidend is geworden in plaats van de behaalde score op de centrale eindtoets. Het advies kan alleen worden bijgesteld wanneer de leerling boven verwachting goed scoort op de centrale
eindtoets. Het advies dat de school geeft, wordt gebaseerd op de voorgaande onderwijsprestaties van de leerling (Dronkers & Korthals, 2016).
Onderzoek wijst echter uit dat het opleidingsniveau, en daarmee de
sociaaleconomische status (SES), van de ouders een belangrijke rol speelt bij het schooladvies en daarmee ook de track die een leerling krijgt toegewezen (Dronkers & Korthals, 2016). Ook waarderen docenten gelijke prestaties van kinderen met een hogere SES hoger dan de
prestaties van kinderen met een lagere SES (Van de Werfhorst et al., 2015). Naast de effecten van het advies draagt ook de vroege selectie in de tracks op basis van de eerdere
schoolprestaties in het algemeen bij aan een mate van schoolsegregatie (Dronkers, 2015). De relatief hoge mate van segregatie zorgt voor grote verschillen tussen scholen in het voortgezet onderwijs (OECD, 2010). Dit kan mogelijk ouders het gevoel geven dat een keuze voor de juiste school erg belangrijk kan zijn. Wat betreft de wetenschappelijke kant maakt de relatief hoge mate van segregatie compositie-effecten beter waarneembaar, vanwege de variatie tussen scholen die dit oplevert. Als talige samenstelling een effect heeft op
taalprestaties, is het waarschijnlijk dat dit in de Nederlandse situatie gevonden kan worden. Invloeden op Leerprestaties
Individuele factoren en leerprestaties. Uit veel onderzoek is gebleken dat individuele achtergrondfactoren van leerlingen hun leerprestaties beïnvloeden (Mullis, Martin, Kennedy, & Foy, 2007; Sirin, 2005; Wolbers & Driessen, 1996). Deze individuele achtergrondfactoren zijn onder andere de SES, de etnische afkomst en gender van de leerling. Meta-analytisch onderzoek naar de invloed van SES op de leerprestaties van individuele leerlingen is gedaan door Sirin (2005). Uit het onderzoek komt duidelijk naar voren dat er een middelmatig tot sterk positief verband is tussen de SES van individuele leerlingen en hun schoolprestaties. Recentere vergelijkbare uitkomsten zijn gevonden door Suleman, Hussain, Khan en Nisa (2014). Hierbij werd gevonden dat meerdere onderdelen van SES – het opleidingsniveau van de ouders, het beroepsniveau van de ouders en het inkomen van de ouders – positief samenhingen met de leerprestaties van een kind op de middelbare school.
Uit Nederlands onderzoek naar de invloed van etniciteit op de taal- en rekenprestaties blijkt dat etniciteit een extra verklarende factor is naast SES, waarbij kinderen van
Marokkaanse, Turkse, Surinaamse, Antilliaanse en Molukse afkomst significant lager
presteren op taal dan hun schoolgenoten met een Nederlandse afkomst (Wolbers & Driessen, 1996). Recenter onderzoek wijst daarnaast uit dat de reden van immigratie, economisch of politiek, van invloed is op de leerprestaties van de kinderen van de immigranten (Levels,
Dronkers, & Kraaykamp, 2008). Kinderen van economische migranten blijken relatief hoger te presteren dan kinderen van politieke migranten.
Ten derde is ook de sekse van de leerling van invloed op de leerprestaties. Het internationale onderzoek Progress in International Reading Literacy Study (PIRLS) heeft uitgewezen dat meisjes op tienjarige leeftijd een betere leesvaardigheid hebben dan jongens (Mullis et al., 2007). Hoewel het gaat om significante verschillen, moet hierbij wel gesteld worden dat het gaat om zeer kleine effectgroottes (Logan & Johnston, 2009). Naar mate de leerlingen ouder worden, lijkt het verschil in leesvaardigheid groter te worden. Het verschil in leesvaardigheid tussen meisjes en jongens is namelijk groter bij de vijftienjarige leerlingen van Programme for International Student Assessment (PISA) dan bij PIRLS (Solheim & Lundetræ, 2018). Het gaat hierbij om klein tot middelgroot effect bij PISA in verhouding tot een verwaarloosbaar tot klein effect bij PIRLS (Solheim & Lundetræ, 2018).
Het compositie-effect. Rumberger en Palardy (2005) wijzen er echter op dat niet alleen de individuele kenmerken van leerlingen van belang zijn, maar dat de effecten van de schoolsamenstelling bovenop de effecten van de individuele kenmerken komen. Het effect van de schoolsamenstelling worden ook wel het compositie-effect genoemd en is het effect dat de schoolsamenstelling op het gebied van bepaalde achtergrondkenmerken heeft op de leerprestaties van de leerlingen (Van Ewijk & Sleegers, 2010a).
Er is veel onderzoek gedaan naar bijvoorbeeld de invloed die factoren zoals de SES-samenstelling van scholen (e.g. Perry & McConney, 2010; Van Ewijk & Sleegers, 2010b) en de etnische samenstelling van scholen (e.g. Agirdag, Van Houtte, & Van Avermaet, 2012; Van Ewijk & Sleegers, 2010a) hebben op academische leerprestaties. Wanneer er gekeken wordt naar onderzoeken die de invloed van de SES-samenstelling hebben onderzocht, valt op dat onderzoeken die gegevens van PISA gebruiken, vinden dat de SES-samenstelling een grotere invloed heeft op de leerprestaties dan de individuele SES (OECD, 2010; Perry & McConney, 2010; Willms, 2010). Ook heeft de SES-samenstelling een grotere invloed in onderwijsstelsels waarin tracking plaatsvindt, zoals in Nederland, Duitsland en België, dan in onderwijsstelsels waarin er weinig of pas laat tracking plaatsvindt, zoals in de Angelsaksische landen en Scandinavië (OECD, 2010). De kanttekening die geplaatst moet worden bij de onderzoeken met gegevens van PISA is dat er geen rekening gehouden kan worden met eerdere leerprestaties en de ontwikkeling in de leerprestaties, vanwege het cross-sectionele karakter van de dataset (Marks, 2015).
Wanneer er specifiek naar de Nederlandse situatie wordt gekeken, is te zien dat er in het basisonderwijs een klein significant positief effect wordt gevonden voor kinderen met een
lage SES in een klas met een hoog percentage kinderen met een lage SES wat betreft de groei in leerprestaties (Peetsma, Van der Veen, Koopman, & Van Schooten, 2006). Peetsma et al. (2006) wijzen dit toe aan de Nederlandse situatie waarin scholen extra geld krijgen voor kinderen met een lage SES in het kader van de gewichtenregeling. Recenter onderzoek in het basisonderwijs vindt daarentegen negatieve effecten van een lage SES-samenstelling op de rekenvaardigheid voor zowel autochtone kinderen als kinderen van een etnische minderheid (Luyten, Schildkamp, & Folmer, 2009). Wat betreft het voortgezet onderwijs heeft de SES-samenstelling van de school in Nederland volgens de OECD (2010) een effect op de leerprestaties, waarbij een lage SES-samenstelling leidt tot lagere leerprestaties.
Wat betreft de invloed van de etnische samenstelling op de leerprestaties van kinderen blijkt uit de meta-analyse van Van Ewijk en Sleegers (2010a) dat een hoge concentratie van eenzelfde etnische groep de leerprestaties van deze etnische minderheid negatiever beïnvloed t dan die van andere etnische groepen in de klas. Wat betreft Europa zijn er inconsistente resultaten gevonden. Aan de ene kant is er een studie die positieve effecten van een diverse etnische samenstelling van scholen op leerprestaties heeft gevonden (Konan et al., 2010). Aan de andere kant zijn er zowel studies die geen invloed hebben gevonden van etnische
samenstelling (e.g. Agirdag et al., 2012) als studies die een negatieve invloed hebben gevonden van een etnisch diverse school (e.g. Contini, 2013; Mok et al., 2016; Westerbeek, 1999).
Wanneer er specifiek wordt gekeken naar onderzoek in Nederland naar de etnische samenstelling van scholen, valt op dat Veerman, Van de Werfhorst en Dronkers (2013) een onderscheid maken tussen het percentage leerlingen met een migratieachtergrond op een school en de etnische diversiteit, ofwel het aantal verschillende etniciteiten op een school. Uit dit onderzoek naar Nederlandse basisschoolkinderen blijkt dat het aandeel leerlingen met een migratieachtergrond negatief samenhangt met de leerprestaties van autochtone leerlingen. Daarnaast blijkt dat daar bovenop in groep 8 de mate van etnische diversiteit negatief samenhangt met de leerprestaties van begrijpend lezen. Hoewel er in het onderzoek van Ohinata en Van Ours (2013) ook negatieve effecten waren van het percentage migranten in een klas op de prestaties van autochtone leerlingen, waren deze effecten zeer klein.
De focus van de hierboven genoemde studies ligt echter voornamelijk op de invloed van de etnische samenstelling op de leerprestaties. Het huidige onderzoek beoogt het taalaspect te isoleren door te kijken naar de invloed van het percentage leerlingen met een andere moedertaal op een school, omdat niet elke leerling met een andere etniciteit een andere
moedertaal heeft. Daarom zal in deze studie gekeken worden naar de invloed van de talige samenstelling van een school op de taalprestaties van autochtone leerlingen.
Het Compositie-Effect en Taal
Stanovich (2009) wijst op de rol van individuele SES in verschil in blootstelling aan taal, waarbij meer blootstelling aan (complexe) taal leidt tot een betere taalontwikkeling. Maar ook de schoolcompositie speelt een belangrijke rol bij de taalontwikkeling. Uit onderzoek van Marchant en Finch (2016) naar 65 landen met de PISA-data van 2009 blijkt dat de SES-compositie van scholen een van de grootste effecten heeft op leerprestaties, waaronder taalprestaties. Daarentegen vinden Belfi et al. (2014) in hun studie naar ongeveer 5000 Vlaamse leerlingen dat niet de SES-samenstelling maar de etnische samenstelling van scholen van significante invloed was op taalprestaties. Hoewel dit twee tegenstrijdige
bevindingen zijn, is de overeenkomst dat beide onderzoeken stellen dat de samenstelling van de school van invloed is op de taal- en leerprestaties van de leerlingen.
Daarbij beïnvloedt de talige samenstelling van scholen de blootstelling van leerlingen aan taal. Wanneer leerlingen een andere moedertaal hebben dan de officiële landstaal, hebben zij een kleinere woordenschat in de officiële taal (Jørgensen, 2003). Dit beïnvloedt de taal waarmee zij met klasgenoten praten, wat vervolgens de taalontwikkeling van die klasgenoten beïnvloedt. Peetsma et al. (2006) vinden bijvoorbeeld in Nederland dat klassen met een hoog percentage migrantenleerlingen een kleinere groei doormaken in hun taalprestaties dan klassen met een lager percentage migrantenleerlingen. Daarentegen vinden de Duitse studies van Rjosk et al. (2014) en Stanat, Schwippert en Gröhlich (2010) en de Britse studie van Geay, McNally en Telhaj (2013) dat het percentage kinderen met een andere moedertaal in een klas geen extra verklarende factor is voor de taalprestaties van leerlingen wanneer er wordt gecontroleerd voor de SES-samenstelling van de klas en eerder behaalde taalprestaties.
Opnieuw spreken de onderzoeken elkaar tegen. Hoewel er geen wetenschappelijke overeenstemming is, is er voor dit onderzoek gekozen voor een hypothese in lijn met Peetsma et al. (2006) en de argumenten die Nederlandse ouders aandragen voor hun schoolkeuze. Daarom zal er worden verwacht dat er een negatief effect is van het percentage kinderen met een andere moedertaal in een school (de talige samenstelling van de school) op de
taalprestaties van autochtone leerlingen.
Methode
In het huidige onderzoek is gebruik gemaakt van twee verschillende datasets, waardoor er zowel naar het basisonderwijs als naar het voortgezet onderwijs kan worden gekeken. Voor het basisonderwijs is er gebruik gemaakt van de data van Cohortonderzoek
onderwijsloopbanen 5-18 (COOL5−18) uit 2015 met het meetjaar 2013-2014 (Driessen,
Elshof, Mulder, & Roeleveld, 2015). COOL5−18 is een longitudinaal cohortonderzoek naar de leerprestaties van leerlingen tussen de 5 en 18 jaar oud, dat bestaat uit een dataset voor het basisonderwijs en het voortgezet onderwijs. Er is voor de COOL5−18 dataset gekozen omdat dit een zeer grote nationale dataset is, waarbij ook de benodigde variabelen zijn uitgevraagd.
Voor het voortgezet onderwijs is er gebruik gemaakt van PISA 2015. PISA is een internationaal onderzoek dat sinds 2000 elke drie jaar wordt uitgevoe rd door de Organisatie voor Economische Samenwerking en Ontwikkeling (OESO). Het doel van PISA is om wereldwijd onderwijsstelsels te vergelijken door de vaardigheden van vijftienjarige leerlingen te meten. PISA meet hiervoor de vaardigheden van leerlingen op de onderwerpen lezen, rekenen en science. Er is voor de PISA-dataset gekozen omdat het internationale karakter van de dataset vergelijking met andere landen mogelijk maakt. Daarnaast zijn ook in deze dataset de benodigde variabelen gemeten. Het internationale karakter van PISA is ook de reden waarom niet ook de dataset van het voortgezet onderwijs van COOL5−18 is gebruikt.
Cohortonderzoek Onderwijsloopbanen 5-18
Steekproef. In dit onderzoek is gebruik gemaakt van de COOL5−18-dataset voor het basisonderwijs. Aan deze dataset hebben in totaal 28.529 leerlingen uit groep 2, 5 en 8 van 437 verschillende basisscholen in Nederland deelgenomen (Driessen et al., 2015). Voor het huidige onderzoek is er gebruik gemaakt van de gegevens van de 10.059 leerlingen uit groep 8. Van de 10.059 leerlingen uit groep 8 is van 2329 bekend dat zij Nederlandstalig zijn aan de hand van de ingevulde oudervragenlijst.
Taalprestaties. Taalprestaties kunnen worden uitgesplitst in vier vaardigheden: luistervaardigheid, leesvaardigheid, schrijfvaardigheid en spreekvaardigheid. De meeste onderzoeken spitsen zich toe op (begrijpend)leesvaardigheid, omdat dit bij grote groepen de best meetbare vaardigheid is. Om de taalprestaties in dit onderzoek te meten, is er gebruik gemaakt van de gemeten leesprestaties van COOL5−18. Binnen COOL5−18 worden de
taalprestaties van de leerlingen in groep 8 gemeten door twee verschillende toetsen: De nationale Cito-eindtoets Taal en de vaardigheidsscore van de LOVS-toets Begrijpend lezen. Het gemiddelde op de Cito-eindtoets Taal was 72,25 (SD 13,345), met een minimum van 0 en een maximum van 100. Het gemiddelde op de vaardigheidsscore van de LOVS-toets
Begrijpend lezen was 56,65 (SD 18,435), met een minimum van 6 en een maximum van 147 (zie Tabel 1).
Talige Samenstelling. Onder de Talige Samenstelling wordt het percentage kinderen binnen een school met een andere moedertaal dan Nederlands verstaan. Om de moedertaal binnen COOL5−18 te bepalen, is een dummy-variabele gemaakt met 0 = moedertaal
Nederlands, 1 = moedertaal anders. De moedertaal van een student is anders wanneer een van de twee ouders geen Nederlands spreekt met het kind. Omdat deze informatie uit de
oudervragenlijst van COOL5−18 komt en deze niet voor elke leerling is ingevuld, is besloten
om de talige diversiteit per school uit te rekenen met de beschikbare gegevens van de gehele dataset. Het gemiddelde is 12,6% (SD 18,4%), met een minimum van 0 en een maximum van 83% (zie Tabel 1).
Sekse. Er zijn drie controlevariabelen gebruikt. Als eerste is er gecontroleerd voor sekse op individueel niveau. De verdeling van de COOL5−18 dataset was 54,2% meisjes (n=1247) en 45,8% jongens (n=1054; zie Tabel 1).
Individuele SES. Als tweede is er gecontroleerd voor SES op individueel niveau. Binnen COOL5−18 is de SES van een leerling gebaseerd op de hoogste opleiding van de
ouders. Deze score varieert tussen de 1 en de 4. Hierbij staat 1 voor maximaal Basisonderwijs, 2 voor maximaal lager beroepsonderwijs (lbo)/voorbereidend beroepsonderwijs (vbo)
(maximaal startkwalificatie), 3 voor maximaal mbo en 4 voor hbo/wo.
SES-samenstelling van de school. Tot slot is er op schoolniveau gecontroleerd voor SES. Omdat de maat van de individuele SES is bepaald aan de hand van de hoogte van het
Tabel 1
Descriptieve gegevens 𝐶𝑂𝑂𝐿5−18.
N % Minimum Maximum Gemiddelde SD
Leerlingniveau
Cito Eindtoets taal 1550 0 100 72,25 13,35
Begrijpend lezen LOVS-vaardigheidsscore 2249 6 147 56,30 18,44 Individuele SES Basisonderwijs Lbo/lvo Mbo Wo 2260 36 211 1053 960 1,6 9,3 46,6 42,5 Sekse Jongens Meisjes 2301 1054 1247 45,8 54,2 Schoolniveau Talige samenstelling 275 0% 83% 12,6% 18,4% SES-samenstelling 275 0% 81% 23,93% 18,81%
opleidingsniveau van de ouders en dit een categorische variabele is, is gekozen om als maat voor de SES-samenstelling van de school het percentage laagopgeleide ouders op een school te nemen. Laagopgeleid is gedefinieerd in lijn met het Centraal Bureau voor Statistiek (2017), dat laagopgeleid definieert als het maximaal voltooid hebben van de basisschool, het vmbo, de onderbouw van de havo of het vwo of mbo 1. Dit komt bij de COOL5−18-dataset het best overeen met het maximaal voltooid hebben van de basisschool (score 1) of het maximaal voltooid hebben van lbo/lvo (score 2; zie ook Individuele SES). Het gemiddelde percentage ouders die laag zijn opgeleid op een school is 23,93% (SD 18,812%), met een minimum van 0% en een maximum van 81% (zie Tabel 1).
Programme For International Student Assessment
Steekproef. In dit onderzoek is daarnaast gebruik gemaakt van de Nederlandse data uit het onderzoek PISA uit 2015. In 2015 hebben 519.334 leerlingen uit 72 verschillende landen deelgenomen aan het PISA-onderzoek. In Nederland hebben 5.385 representatieve leerlingen van vijftien jaar oud deelgenomen aan PISA 2015. Deze leerlingen komen van 189 verschillende scholen. Binnen deze 189 scholen hebben zoveel mogelijk vijftienjarige
leerlingen deelgenomen. Van deze leerlingen hebben 4945 leerlingen Nederlands als moedertaal.
Taalprestaties. PISA meet de leesvaardigheid van leerlingen door hun vragen te stellen over verschillende soorten doorlopende teksten zoals krantenartikelen, essays en boekfragmenten en niet-doorlopende teksten zoals tabellen, diagrammen en schema’s. Over deze teksten worden verschillende soorten vragen gesteld, die bijvoorbeeld het zoeken van informatie, het combineren van informatie en het interpreteren en reflecteren op informatie toetsen. De gemiddelde leesvaardigheidsscore is 509,661 (SD 98,841) met een minimum van 134,346 en een maximum van 509,661 (zie Tabel 2).
Talige samenstelling. De onafhankelijke variabele is de talige samenstelling van scholen. Hiervoor wordt in de PISA als eerste een dichotoom onderscheid gemaakt wanneer de moedertaal van de leerlingen afwijkt van de taal van de toets, in dit geval dus Nederlands (0 = moedertaal Nederlands, 1 = moedertaal anders). Op basis hiervan is het percentage kinderen met een andere moedertaal dan Nederlands per school uitgerekend voor de talige samenstelling van een school door middel van aggregatie. De gemiddelde talige samenstelling is 6,16% (SD 8,342%) met een minimum 0% en een maximum van 50% (zie Tabel 2).
Onderwijsniveau. Er is voor vier factoren gecontroleerd. Ten eerste is er
gecontroleerd voor onderwijsniveaus op individueel niveau, omdat leerprestaties tussen de verschillende onderwijsniveaus erg kunnen verschillen. De dataset van PISA maakt hierin
onderscheid tussen praktijkonderwijs, mbo niveau 1-3, mbo niveau 4, vmbo BB, KB, GL en TL, Havo-onderbouw en -bovenbouw en vwo-onderbouw en -bovenbouw (zie Tabel 2).
Sekse. Ten tweede is er gecontroleerd voor sekse op individueel niveau. De sekse van de autochtone leerlingen was in de dataset van PISA gelijk verdeeld met 50,1% meisjes (n=2480) en 49,9% jongens (n=2467).
Individuele SES. Ten derde is er gecontroleerd voor SES op individueel niveau. SES is door PISA gemeten als een index van economische, sociale en culturele status. De OESO (2017) stelt de SES variabele (ESCS) samen met de indicatorvariabelen onderwijsniveau van de ouders (PARED), hoogste beroepsniveau van de ouders (HISEI) en de hoeveelheid
bezittingen in huis (HOMEPOS). Hierbij geldt de aanwezigheid van bepaalde bezittingen in huis als een proxy voor het financiële vermogen van het gezin (OESO, 2017). Het gemiddelde is 0,206 (SD 0,722) met een minimum van -3,057 en een maximum van 2,238 (zie Tabel 2).
SES-Samenstelling van de school. Tot slot is er ook op schoolniveau gecontroleerd voor SES. Dit wordt berekend door de gemiddelde SES te nemen van alle leerlingen die deel hebben genomen op de specifieke school door middel van aggregatie. De gemiddelde SES-samenstelling van een school is 0,185 (SD 0,387), met een minimum van -1,21 en een maximum van 1,12 (zie Tabel 2).
Tabel 2
Descriptieve gegevens PISA.
N % Minimum Maximum Gemiddelde SD
Leerlingniveau Vaardigheidsscore Lezen 4945 134,35 789,18 509,67 98,76 SES 4929 -3,06 2,24 ,21 ,72 Sekse Jongens Meisjes 4945 2465 2479 49,9 50,1 Onderwijsniveau Praktijkonderwijs Vmbo (OB) Vmbo-BB Vmbo-KB Vmbo-GL & TL Havo (OB) Vwo (OB) Havo (BB) Vwo (BB) 4945 121 77 377 660 1354 477 790 299 790 2,4 1,6 7,6 13,3 27,4 9,6 16,0 6,0 16,0 Schoolniveau Talige samenstelling 186 0% 50,00% 6,16% 8,34% School SES 187 -1,21 1,12 ,19 ,39
Klasjaar. Er is niet gecontroleerd voor klasjaar, omdat deze variabele binnen PISA ook al verwerkt zit in het onderwijsniveau, dat onderscheid maakt tussen onderbouw en bovenbouw. Wanneer er twee keer rekening zou worden gehouden met het klasjaar, zou dit tot een verkeerde interpretatie van de resultaten kunnen leiden.
Analyse
Voor de analyse is gebruik gemaakt van IBM SPSS Statistics 23. Als eerste zijn de descriptieve gegevens van de COOL5−18-dataset en de PISA-dataset uitgerekend. Vervolgens is er een multi- levelanalyse gedaan om te onderzoeken wat de invloed is van de talige samenstelling van een school op de taalprestaties van autochtone kinderen. Het gaat hierbij om een twee-levelanalyse, waarbij sprake is van leerlingen die genest zijn binnen scholen. Er is niet gekeken naar klassen, omdat PISA hier geen data over beschikbaar heeft. Ook voor COOL5−18 is er gekeken naar leerlingen binnen scholen, om zo de variabelen op schoolniveau
op een grotere steekproef te kunnen baseren.
De multi- levelanalyse bestaat uit vier verschillende modellen. Het eerste model is het uitgangsmodel, waarin is geanalyseerd of de talige samenstelling op zichzelf een significant effect heeft op de leesprestaties. In het tweede model is er gecontroleerd voor de SES-samenstelling van de school. In het derde model zijn alleen de individuele controlevariabelen meegenomen en tot slot is er in het vierde model gecontroleerd voor zowel de
SES-samenstelling van de school als de individuele controlevariabelen.
Naast de ongestandaardiseerde effectgroottes zijn de gestandaardiseerde effectgroottes berekend. Hierbij is gebruikgemaakt van de StdYX, waarbij de ongestandaardiseerde
effectgrootte vermenigvuldigd wordt met de standaarddeviatie van de onafhankelijke
variabele en de uitkomst hiervan vervolgens wordt gedeeld door de standaarddeviatie van de afhankelijke variabele. Voor de categoriale variabelen is gebruikgemaakt van de Cohens d als gestandaardiseerde effectgrootte.
Voor de analyse van de leesprestaties van PISA is gebruikgemaakt van de plausibele waarde 1 (PV1READ) voor het niveau van lezen. De PISA-dataset geeft in eerste instantie tien plausibele waardes. De OESO (2009) stelt echter dat hoewel eigenlijk voor elke waarde de volledige berekening gedaan zou moeten worden en de uitkomsten vervolgens
geaggregeerd zouden moeten worden, men ook gebruik kan maken van de eerste plausibele waarde en dat dit ook unbiased schattingen geeft. Daarom is er in dit onderzoek
Resultaten 𝐂𝐎𝐎𝐋𝟓 −𝟏𝟖
Voordat de multi- levelanalyse kan worden uitgevoerd, moet eerst worden bepaald in hoeverre de schoolcontext een invloed heeft op de leerprestaties van leerlingen. Hiervoor moet de variantie van het onconditionele model geanalyseerd worden. Dit is gedaan door de tussen-variantie van scholen te delen door de totale variantie (de som van de tussen-variantie en binnen-variantie). Dit leidt tot een variantie tussen scholen van 9,21% voor de
vaardigheidsscore begrijpend lezen en 15,37% voor de Cito-taalscore (zie Tabel 3). Deze variantie tussen scholen is lager dan in eerdere onderzoeken (e.g. Agirdag et al., 2012; Fekjaer & Birkelund, 2007), wat mogelijk verklaard kan worden door verschillen tussen de steekproef van de huidige studie en de steekproeven van eerdere studies. Dit omdat er in het huidige onderzoek geen kinderen met een andere moedertaal dan het Nederlands zijn meegenomen. Toch is besloten om een multi- levelanalyse uit te voeren, omdat 9,2% en 15,37% nog steeds een substantieel gedeelte zijn van de variantie van de leerprestaties.
Vaardigheidsscore begrijpend lezen. In Model 1 is gekeken naar de invloed van alleen de talige samenstelling op de vaardigheidsscore begrijpend lezen van Nederlandstalige leerlingen (zie Tabel 4). Model 1 laat zien dat de talige samenstelling een significant negatief effect heeft op de vaardigheidsscore begrijpend lezen (StdYX: -0,095; p < 0,05).
In Model 2 is de SES-samenstelling van de school in de vorm van het percentage laagopgeleide ouders als controlevariabele meegenomen (zie Tabel 4). Hier is te zien dat het negatieve significante effect van de talige samenstelling op de vaardigheidsscore begrijpend lezen van Model 1 niet meer significant is in Model 2 (StdYX: 0,022; p: 0,645). Daarentegen heeft de SES-samenstelling van de school een significant negatief effect op de
vaardigheidsscore begrijpend lezen (StdYX: -0,170; p < 0,01). Dit betekent dat er sprake kan zijn van een selectie-effect, namelijk dat leerlingen op een school met een hoog percentage leerlingen met een andere moedertaal lager presteren vanwege de lage SES-samenstelling van de school.
Tabel 3
Percentage variantie tussen scholen
Vaardigheidsscore begrijpend lezen
Cito taal PISA Taal
Tussen-variantie 31,459 27,735 5990,330
Binnen- variantie 310,459 152,673 4193,158
Percentage variantie tussen scholen
In Model 3 zijn de sekse van de leerling en de individuele SES meegenomen als controlevariabelen op individueel niveau (zie Tabel 4). Ook wanneer er voor de individuele variabelen wordt gecontroleerd, is de invloed van de talige samenstelling op de
vaardigheidsscore begrijpend lezen niet significant (StdYX: 0,002; p: 0,948). Wat betreft de controlevariabelen blijkt dat meisjes significant beter presteren dan jongens, hoewel het effect klein is (Cohens d: 0,155; p < 0,01). De individuele SES, in de vorm van het opleidingsniveau van de ouders, heeft een significant effect op de vaardigheidsscore begrijpend lezen van het kind. In verhouding tot de leerlingen van ouders met een wo-opleiding, presteren leerlingen van ouders met alleen basisonderwijs (Cohens d: -0,921; p < 0,01), ouders met lbo/lvo (Cohens d: -0,869; p < 0,01) en ouders met een mbo-opleiding (Cohens d: -0,496; p < 0,01) significant lager. Dit betekent dat er, vergelijkbaar met Model 2, sprake kan zijn van een selectie-effect, namelijk dat leerlingen op een school met een hoog percentage leerlingen met een andere moedertaal lager presteren vanwege hun individuele SES.
In Model 4 is zowel gecontroleerd voor de controlevariabele op schoolniveau als de controlevariabelen op individueel niveau (zie Tabel 4). Ook in dit volledige model heeft de talige samenstelling geen significant effect op de vaardigheidsscore begrijpend lezen (StdYX: 0,039; p: 0,388). Daarnaast is het effect van de SES-samenstelling van de school in Model 4 niet significant (StdYX: -0,065; p: 0,129). Daarentegen zijn de controlevariabelen op
Tabel 4
De invloed van de talige samenstelling op de vaardigheidsscore begrijpend lezen van Nederlandstalige leerlingen.
Model 1 Model 2 Model 3 Model 4
Intercept 56,52 (,67)** 58,79 (,859)** 57,55 (1,361)** 58,33 (1,452)** Schoolniveau Talige Samenstelling -9,57 (3,807)* 2,19 (4,761) -,24 (3,646) 3,92 (4,539) SES-Samenstelling (% laagopgeleiden) -16,62 (4,266)** -6,41 (4,213) Individueel niveau Sekse (Meisje) 2,88 (,745)** 2,84 (,746)** Individuele SES (Ref WO) Basisonderwijs Lbo/lvo Mbo -16,98 (3,221)** -16,02 (1,411)** -9,14 (,809)** -16,09 (3,272)** -15,51 (1,449)** -9,01 (,813)** -2LL 19415,73 19247,99 18589,44 18565,72 Variantie Binnen scholen Tussen scholen 310,23 (9,72) 30,31 (6,655) 310,23 (9,765) 25,62 (6,241) 288,17 (9,166) 19,42 (5,192) 288,37 (9,176) 18,82 (5,138) Noot. 𝑡 p < ,1 ; * p < ,05; ** p < ,01. -2LL = -2 restricted log-likelihood. In de tabel zijn de
individueel niveau wel significant. Sekse heeft een klein significant effect op de
vaardigheidsscore begrijpend lezen (Cohens d: 0,154; p < 0,01). De individuele SES heeft een groot significant effect op de vaardigheidsscore begrijpend lezen. In verhouding tot kinderen van ouders met een WO-opleiding presteren kinderen van ouders met alleen basisonderwijs (Cohens d: -0,873, p < 0,01) of een lbo/lvo-opleiding (Cohens d: -0,841, p < 0,01) lager. Bij kinderen van ouders met een mboopleiding is dit een gematigder negatief effect (Cohens d: -0,488, p < 0,01).
Cito Taal. In Model 1 is gekeken naar de invloed van de talige samenstelling op de vaardigheidsscore begrijpend lezen van Nederlandstalige leerlingen (zie Tabel 5). Model 1 laat zien dat de talige samenstelling geen significant effect heeft op de Cito-taalscore (StdYX: -0,063; p: 0,171).
In Model 2 is de SES-samenstelling van de school naast de talige samenstelling meegenomen als controlevariabele op schoolniveau (zie Tabel 5). Ook wanneer er
gecontroleerd wordt voor de SES-samenstelling is het effect van de talige samenstelling niet significant (StdYX: 0,046; p: 0,435). Daarentegen heeft de SES-samenstelling van de school wel een significant negatief effect op de score voor de Cito Taal. (StdYX: -0,159; p < 0,01). Dit betekent dat een hoger percentage laagopgeleide ouders op een school leidt tot een lagere score voor de Cito Taal.
In Model 3 zijn de individuele variabelen sekse en SES meegenomen als
controlevariabelen (zie Tabel 5). Opnieuw heeft de talige samenstelling geen significant effect op de score voor de Cito taal (StdYX: 0,032; p: 0,473). De individuele controlevariabelen hebben daarentegen wel significante effecten op de Cito-taalscore. Meisjes scoren significant iets hoger (Cohens d: 0,206; p < 0,01). Daarnaast presteren, in verhouding tot de leerlingen van ouders met een WO-opleiding, leerlingen van ouders met alleen basisonderwijs (Cohens d: -0,966; p < 0,01), ouders met lbo/lvo (Cohens d: -0,852; p < 0,01) en ouders met een mbo-opleiding (Cohens d: -0,415; p < 0,01) significant lager.
In Model 4 is zowel gecontroleerd voor de controlevariabele op schoolniveau als de controlevariabelen op individueel niveau (zie Tabel 5). Opvallend is dat zowel de talige samenstelling (StdYX: 0,059; p: 0,302) als de SESsamenstelling van de school (StdYX -0,042 ; p: 0,452) geen significant effect hebben op de Cito-taalscore. Vergelijkbaar met Model 3 presteren meisjes beter dan jongens (Cohens d: 0,204, p < 0,01). Daarnaast blijft ook het grote effect van de individuele SES op de Cito-taalscore van Model 3 in stand in Model 4.
PISA
Net als voor de COOL5−18-dataset dient eerst bepaald te worden in hoeverre de
schoolcontext een invloed heeft op de taalprestaties van de leerlingen. Het berekenen van het percentage leidt tot een variantie tussen scholen van 58,82% (zie Tabel 3). Hoewel dit
percentage hoog is, is het in lijn met eerder gevonden variantie tussen Nederlandse middelbare scholen bij PISA (OECD, 2004). Mogelijk kan deze hoge variantie tussen middelbare scholen verklaard worden door de vroege tracking die plaats vindt en het grote verschil in niveau tussen categoriale scholen van verschillende onderwijstracks. Al met al onderstreept de hoge variantie tussen scholen dat een multi- levelanalyse noodzakelijk is.
In Model 1 is gekeken naar de invloed van alleen de talige samenstelling op de leesvaardigheid van Nederlandstalige autochtone leerlingen (zie Tabel 6). Model 1 laat zien dat de talige samenstelling een significant negatief effect heeft op de score voor
leesvaardigheid (StdYX: -0,243; p < 0,01). Hierbij dient wel de kanttekening geplaatst te worden dat de maximale waarde van de talige samenstelling 50% is en daarmee tot 0,5 punt loopt, terwijl het model uitgaat van een bereik van 0 tot 1. Dit betekent dat de impact in de praktijk lager ligt dan de effectgrootte suggereert.
Tabel 5
De invloed van de talige samenstelling op de Cito-taalscore van Nederlandstalige leerlingen.
Model 1 Model 2 Model 3 Model 4
Intercept 71,93 (,665)** 73,54 (,854)** 71,3 (1,212)** 71,69 (1,322)** Schoolniveau Talige Samenstelling -4,57 (3,330) 3,32 (4,245) 2,33 (3,243) 4,31 (4,163) SES-Samenstelling (% laagopgeleiden) -11,25 (3,905)** -2,99 (3,962) Individueel niveau Sekse (Meisje) 2,74 (,627)** 2,72 (,628)** Individuele SES (Ref WO) Basisonderwijs Lbo/lvo Mbo -12,89 (2,528)** -11,37 (1,186)** -5,53 (,696)** -12,62 (2,551)** -11,15 (1,219)** -5,47 (,700)** -2LL 12311,77 12193,27 11706,02 11686,01 Variantie Binnen scholen Tussen scholen 152,64 (5,794) 27,56 (5,655) 152,62 (5,823) 24,77 (5,422) 137,43 (5,422) 22,67 (5,799) 137,55 (5,433) 22,73 (5,870) Noot. * p < ,05; ** p < ,01. -2LL = -2 restricted log-likelihood. In de tabel zijn de
In Model 2 wordt de gemiddelde SES-samenstelling van de school toegevoegd aan het model als controlevariabele op schoolniveau (zie Tabel 6). Hierbij is te zien dat het
significante negatieve effect van de talige samenstelling op de leesvaardigheid uit Model 1 verdwijnt (StdYX: 0,018; p: 0,635). De SES-samenstelling van de school heeft wel een sterk positief effect op leesvaardigheid (StdYX: 0,610; p > 0,01). In Model 2 legt dus, vergelijkbaar met de COOL5−18-dataset, mogelijk een selectie-effect bloot door de SES-samenstelling van
de school te introduceren. Dit betekent dat de leerlingen op een school met een hoge talige samenstelling mogelijk lager presteren door de SES-samenstelling van de school.
In Model 3 zijn de individuele controlevariabelen sekse, SES en onderwijsniveau meegenomen (zie Tabel 6). Wanneer de individuele controlevariabelen worden meegenomen, heeft de talige samenstelling een klein significant negatief effect op de leesprestaties van de leerlingen (StdYX: -0,056; p < 0,01). De talige samenstelling heeft dus een klein negatief effect binnen de verschillende onderwijsniveaus. Het is echter niet bekend wat de verschillen
Tabel 6
De invloed van de talige samenstelling op de leesvaardigheid van Nederlandstalige leerlingen.
Model 1 Model 2 Model 3 Model 4
Intercept 524,8 (6,75)** 478,8 (5,86)** 608,3 (3,58)** 607,3 (5,34)**
Schoolniveau
Talige Samenstelling -288,1 (55,44)** 21,5 (45,56) -67,0 (20,11)** -64,6 (22,46)**
SES-Samenstelling 155,9 (11,49)** 1,9 (7,90)
Individueel niveau
Sekse (ref. Meisje) 11,0 (1,72)** 11,0 (1,72)**
Individuele SES ,87 (1,33) ,82 (1,35) Onderwijsniveau (ref. VWO BB) Praktijkonderwijs Vmbo (OB) Vmbo-BB Vmbo-KB Vmbo-GL & TL Havo (OB) Vwo (OB) Havo (BB) -272,3 (9,50)** -187,6 (8,01)** -219,6 (5,27)** -174,0 (4,80)** -126,7 (4,42) ** -69,5 (3,60)** -46,8 (3,14)** -30,7 (4,08)** -270,9 (11,0)** -186,7 (8,80)** -218,8 (6,5)** -173,1 (6,11)** -125,9 (5,58)** -69,4 (3,60)** -46,7 (3,14)** -30,7 (4,08)** -2LL 55908,2 55774,1 54418,4 54412,4 Variantie Binnen scholen Tussen scholen 4187,93 (85,86) 5226,08 (563,34) 4189,17 (85,91) 2522,48 (283,95) 3497,49 (71,93) 463,64 (64,34) 3497,46 (71,93) 466,92 (64,89) Noot. ** p < ,01. -2LL = -2 restricted log-likelihood. In de tabel zijn de ongestandaardiseerde effectgroottes (SD) weergegeven. (OB) = Onderbouw; (BB) = Bovenbouw
in effect zijn tussen de onderwijsniveaus. Vergelijkbaar met de COOL5−18-dataset presteren meisjes significant beter dan jongens wat betreft de leesprestaties (Cohens d: 0,111; p < 0,01). Opmerkelijk is dat in tegenstelling tot de COOL5−18-dataset de individuele SES niet
significant is (StdYX: 0,006; p: 0,514). Het onderwijsniveau dat de leerlingen volgen, heeft een groot significant effect op de leesprestaties van de leerlingen. Voor het onderwijsniveau is de bovenbouw van het vwo als referentie gebruikt. Te zien is dat leerlingen uit het vmbo en het praktijkonderwijs zeer veel lager presteren dan leerlingen van de havo of het vwo.
In Model 4 zijn zowel de individuele controlevariabelen als de controlevariabele op schoolniveau meegenomen. Ook in dit model heeft de talige samenstelling een klein
significant negatief effect op de leesprestaties (StdYX -0,055; p < 0,01). De
SES-samenstelling van school heeft daarentegen in dit model geen significant effect meer op de leesprestaties (StdYX: 0,007; p: 0,812). De resultaten voor de individuele controlevariabe len in Model 4 zijn vergelijkbaar met Model 3. In tegenstelling tot Model 2 is het effect van de talige samenstelling in dit model wel significant. Dit wijst op een suppressie-effect door het onderwijsniveau van de leerling. Daarnaast is er sprake van een selectie-effect: het
significante effect van de SES-samenstelling uit Model 2 verliest zijn significantie in Model 4, mogelijk door de toevoeging van onderwijsniveaus.
Discussie
In het voorliggende onderzoek is onderzocht wat het effect is van de talige samenstelling van een school op de taalprestaties van Nederlandstalige leerlingen. Dit is gedaan door enerzijds Nederlandstalige leerlingen uit groep 8 van de basisschool te onderzoeken aan de hand van de COOL5−18 2013/2014-dataset en anderzijds 15-jarige
Nederlandstalige leerlingen op de middelbare school te onderzoeken aan de hand van de PISA2015-dataset.
Uit de dataset van COOL5−18 blijkt dat hoewel de talige samenstelling een significant negatief effect heeft in het uitgangsmodel van de vaardigheidsscore begrijpend lezen, dit verband niet meer significant is wanneer er wordt gecontroleerd voor SES en de andere controlevariabelen. Voor de Cito-taalscore geldt zelfs dat de talige samenstelling ook in het uitgangsmodel geen significant effect heeft. Het tegenovergestelde is waar voor de 15-jarige leerlingen van de PISA-dataset. De talige samenstelling heeft een significant negatief effect op de leesprestaties in het uitgangsmodel en dit effect blijft, hoewel het veel kleiner wordt, ook significant wanneer alle controlevariabelen worden meegenomen. Het is echter onbekend of en hoe dit effect van de talige samenstelling verschilt tussen de verschillende
De resultaten voor het basisonderwijs zijn in lijn met Rjosk et al. (2014) en Stanat et al. (2010). Dit betekent dat gestelde hypothese dat de talige samenstelling van invloed is op de leesprestaties van kinderen verworpen moet worden voor de basisschool. Deze resultaten zijn echter tegenstrijdig met de eerder gevonden resultaten van Peetsma et al. (2006), welke stellen dat klassen met een hoger percentage migrantenleerlingen een kleinere groei in taal
doormaakten dan leerlingen met een lager percentage. In het huidige onderzoek blijkt dit dus niet het geval te zijn voor de Nederlandstalige leerlingen.
Daarnaast lijkt er sprake te zijn van een schijnverband tussen de talige samenstelling en de begrijpendleesscores, dat wordt veroorzaakt door een selectie-effect van de SES. Nederlandstalige kinderen op basisscholen een hoger percentage kinderen met een andere moedertaal, presteren inderdaad lager wanneer er alleen naar het effect van de talige
samenstelling op de begrijpend leesscore wordt gekeken. Dit effect verdwijnt echter wanneer er wanneer er wordt gecontroleerd voor SES. Dit betekent dat deze leerlingen niet zo zeer door de talige samenstelling worden beïnvloedt als door de lagere SES-samenstelling of hun eigen individuele SES en dat daarbij een hoger percentage talige samenstelling vaker
voorkomt bij leerlingen met een lage SES(-samenstelling), waardoor een vertekend beeld ontstaat. Een vergelijkbaar schijnverband is eerder gevonden in het onderzoek van Agirdag et al. (2012), dat kijkt naar etniciteit, SES en leerprestaties.
Opvallend is dat de resultaten voor het voortgezet onderwijs niet in lijn zijn met eerder onderzoek door Rjosk et al. (2014) en Stanat et al. (2010). In tegenstelling tot deze
onderzoekers, welken vonden dat de talige samenstelling geen effect heeft op de leerprestaties wanneer er gecontroleerd wordt voor SES, heeft in het huidige onderzoek SES geen
significante invloed op de leerprestaties van de leerlingen terwijl de talige samenstelling dit wel heeft. Voor de gestelde hypothese dat de talige samenstelling van invloed is op de leesprestaties van kinderen betekent dit dat de hypothese niet verworpen kan worden voor de middelbare school.
Een van de mogelijke verklaringen voor dit verschil tussen de basisschool en de middelbare school is dat gedurende de adolescentie kinderen steeds meer tijd door gaan brengen met leeftijdsgenoten in verhouding tot het contact met de ouders (Shaffer, 2009). Daarnaast spenderen kinderen in de midden-adolescentie meer tijd in groepen, waarbij ze onder andere meer in (straat)dialect spreken (Shaffer, 2009). Het feit dat kinderen in de adolescentie meer omgaan met en beïnvloed worden door hun leeftijdsgenoten dan kinderen tijdens de kindertijd op de basisschool kan mogelijk verklaren waarom de talige samenstelling een grotere invloed heeft wanneer de leerlingen ouder zijn. Er is echter longitudinaal
vervolgonderzoek nodig naar de invloed van de talige samenstelling over tijd om te onderzoeken of dit ook daadwerkelijk het geval is.
Wat opvalt bij de resultaten uit de PISA-dataset is dat zowel de individuele SES als de SES-samenstelling van de school geen significant effect hebben op de leesprestaties van de leerlingen. Dit is strijdig aan veel eerder onderzoek dat juist vond dat SES een invloed heeft op de leerprestaties van leerlingen (Perry & McConney, 2010; Rumberger & Palardy, 2005; Van Ewijk & Sleegers, 2010b). Van Ewijk & Sleegers (2010b) stellen hierbij in hun meta-analyse dat de operationalisering van het construct SES van invloed is op de effectgroottes die gemeten worden. Daarnaast stellen ze dat de keuze van de controlevariabelen ook invloed kan hebben op de effectgrootte en tot gevolg kan hebben dat het gemeten effect onder- of
overschat wordt. Hoewel eerdere onderzoeken in het buitenland met de PISA-dataset
significante effecten hebben gevonden van SES op leerprestaties (Fekjaer & Birkelund, 2007; OECD, 2010; Özdemir, 2016), kan het mogelijk zijn dat de kenmerken van het Nederlandse onderwijsstelsel, namelijk het feit dat de SES al een grote invloed heeft op de track waarin de leerling zich bevindt, maakt dat de SES geen verder significant effect meer heeft wanneer er wordt gecontroleerd voor het onderwijsniveau.
Het huidige onderzoek kent enkele beperkingen, welke de resultaten mogelijk
beïnvloed hebben. Een van deze beperkingen is dat individuele SES en de SES-samenstelling van de school in de COOL5−18-dataset anders zijn gemeten dan in de PISA-dataset. Het feit
dat er verschil zit in de gebruikte definitie van de gemeten variabele kan zoals eerder is benoemd invloed hebben gehad op de resultaten (Van Ewijk & Sleegers, 2010b). Een tweede beperking is het feit dat er geen onderscheid wordt gemaakt in de moedertalen die gesproken worden door niet-Nederlandstalige leerlingen. De verschillende etniciteiten die aan de verschillende moedertalen ten grondslag liggen, kunnen namelijk van invloed zijn op de leerprestaties van de leerlingen (Levels et al., 2008). Een derde beperking is dat slechts een beperkt deel van de volledige dataset van COOL5−18 over is gebleven na de strikte
selectiecriteria, omdat niet van alle leerlingen alle gegevens bekend zijn in de dataset. Omdat er informatie uit de oudervragenlijst nodig is om de moedertaal van de leerling te bepalen en deze vragenlijst niet voor elke leerling ingevuld is, zijn veel leerlingen afgevallen uit de steekproef. Het is het onbekend of dit heeft geleid tot een minder representatieve steekproef voor de Nederlandse situatie door een mogelijke responsie-bias.
Een sterk punt van het huidige onderzoek is dat er naar zowel het basisonderwijs als het voortgezet onderwijs is gekeken. Dit geeft een breder beeld van de invloed van de talige samenstelling op Nederlandstalige leerlingen in het vormend onderwijs. De gevonden
verschillen tussen het basisonderwijs en het voortgezet onderwijs benadrukken het belang om beide te bestuderen. Daarnaast is het onderzoek, ondanks de strikte selectiecriteria, uitgevoerd op een grote steekproef en zijn de gebruikte datasets COOL5−18 en PISA zeer grote,
representatieve datasets.
Wanneer er teruggekeken wordt naar de relevantie die ten grondslag lag aan het huidige onderzoek, dan is er te zien dat er tot op heden weinig wetenschappelijke aandacht is geweest voor de talige samenstelling, terwijl dit wel een argument is dat door ouders wordt aangedragen bij de schoolkeuze. De resultaten van dit onderzoek hebben implicaties voor de legitimiteit van de argumenten van ouders bij de schoolkeuze voor hun kind. Het negatieve effect waar ouders bang voor zijn van de talige samenstelling op de leesprestaties komt naar voren in de uitgangsmodellen, waarbij voor zowel de begrijpendleesscores (maar niet de Cito-taalscores) in het basisonderwijs als bij de leesprestaties in het voortgezet onderwijs
significant negatieve effecten zijn gevonden. Zoals eerder benoemd verdwijnen deze effecten echter in het basisonderwijs wanneer er rekening wordt gehouden met controlevariabelen, omdat het gaat om een schijnverband veroorzaakt door een selectie-effect. Daarnaast geldt voor het voortgezet onderwijs dat, hoewel negatief, de effecten zeer veel kleiner zijn wanneer er gecontroleerd wordt voor de andere variabelen en het onbekend is wat de effecten per onderwijsniveau zijn. Voor de ouders betekent dit dat zij hun oordeel baseren op een factor die op het eerste gezicht belangrijk lijkt te zijn, maar bij nadere inspectie niet of maar in beperkte mate invloed heeft.
Wanneer ouders bij het basisonderwijs vervolgens onterecht het argument van de taalontwikkeling hanteren, dragen zij bij aan de segregatie in het onderwijs. Daarom is het belangrijk dat er wordt gewerkt aan de bewustwording onder ouders welke factoren wel van invloed zijn op leerprestaties en welke dit niet zijn. Dit kan bijvoorbeeld door middel van informatiecampagnes door de overheid of informatieavonden op scholen voor ouders van wie het kind bijna de schoolgaande leeftijd heeft bereikt.
Toch zijn nog niet alle vragen rondom de invloed van de talige samenstelling op leerprestaties beantwoord. Zoals eerder benoemd is het verschil in invloed tussen de basisschool en de middelbare school opvallend. Een manier om dit te onderzoeken zou het inzetten van een longitudinaal onderzoek zijn, waarbij er zowel meetpunten tijdens de loopbaan op de basisschool zijn als tijdens de loopbaan op de middelbare school. Daarnaast zou het gebruik van een longitudinaal onderzoek de vertekening van de resultaten door verschillend geoperationaliseerde variabelen weghalen. Verder kan er worden gekeken of er een verschil is tussen het effect van het percentage niet-westerse moedertalen en het effect
van het percentage westerse moedertalen. Tot slot maakte de opzet van het huidige onderzoek het niet mogelijk om te kijken naar de verschillen in het effect van de talige samenstelling tussen de verschillende onderwijsniveaus. Wanneer vervolgonderzoek kijkt naar deze verschillen, kan dit misschien uitwijzen of er verschillen zijn in de effectgrootte van de talige samenstelling op leerprestaties tussen bijvoorbeeld het vmbo en het vwo. Al met al is het (gebrek aan) effect van talige samenstelling op taalprestaties belangrijk voor zowel de kwaliteit van de schoolkeuze van ouders als de mate van segregatie in het (Nederlandse) onderwijs. Meer onderzoek hiernaar zou voor beide waardevol kunnen zijn.
Literatuurlijst
Agirdag, O., Van Houtte, M., & Van Avermaet, P. (2012). Why does the ethnic and socio-economic composition of schools influence math achievement? The role of sense of futility and futility culture. European Sociological Review, 28(3), 366–378.
doi:10.1093/esr/jcq070
Belfi, B., Goos, M., Pinxten, M., Verhaeghe, J. P., Gielen, S., De Fraine, B., & Van Damme, J. (2014). Inequality in language achievement growth? An investigation into the impact of pupil socio-ethnic background and school socio-ethnic composition. British
Educational Research Journal, 40(5), 820–846. doi:10.1002/berj.3115
Boterman, W. R. (2018). School segregation in the free school choice context of dutch cities. In X. Bonal & C. Bellei (Eds.), Understanding schoolsegregation: Patterns, causes and consequences of spatial inequalities in education (pp. 155–178). Londen: Bloomsbury Academic.
Centraal Bureau voor Statistiek. (2017). Standaard Onderwijsindeling 2016
Centraal Bureau voor Statistiek. (2019). Bevolkingsgroei in 2018 vooral in de Randstad. Clark, W. A. V, Dieleman, F. M., & de Klerk, L. (1992). School segregation: Managed
integration or free choice? Environment and Planning C: Government and Policy, 10(1), 91–103. doi:10.1068/c100091
Contini, D. (2013). Immigrant background peer effects in Italian schools. Social Science Research, 42(4), 1122–1142. doi:10.1016/J.SSRESEARCH.2013.02.003
Driessen, G., Elshof, D., Mulder, L., & Roeleveld, J. (2015). Cohortonderzoek COOL5-18. Technisch rapport basisonderwijs, derde meting 2013/14. Nijmegen/ Amsterdam: ITS/ Kohnstamm Instituut. doi:10.17026/dans-xtk-uz6k
Dronkers, J. (2015). In wiens voordeel werkt selectie aan het begin van het voortgezet onderwijs? Mens & Maatschappij, 90, 5–24.
Dronkers, J., & Korthals, R. (2016). Tracking in the Netherlands: Ability selection or social reproduction? In H. P. Blossfeld, S. Buchholz, J. Skopek, & M. Triventi (Eds.), Models of secondary education and social inequality. Edward Elgar Publishing.
Fekjaer, S. N., & Birkelund, G. E. (2007). Does the ethnic composition of upper secondary schools influence educational achievement and attainment? a multilevel analysis of the Norwegian case. European Sociological Review, 23(3), 309–323.
doi:10.1093/esr/jcm003
Geay, C., McNally, S., & Telhaj, S. (2013). Non-native speakers of English in the classroom: What are the effects on pupil performance? The Economic Journal, 123, F281–F307.
doi:10.1111/ecoj.12054
Gramberg, P. (1998). School segregation: The case of Amsterdam. Urban Studies, 35(3), 547–564. doi:10.1080/0042098984907
Inspectie van het Onderwijs. (2018). De Staat van het onderwijs. doi:10.1016/j.matdes.2015.08.033
Jørgensen, J. N. (2003). Bilingualism in the Køge project. International Journal of Bilingualism, 7(4), 333–352. doi:10.1177/13670069030070040101
Konan, P. N., Chatard, A., Selimbegović, L., & Mugny, G. (2010). Cultural diversity in the classroom and its effects on academic performance. Social Psychology, 41(4), 230–237. doi:10.1027/1864-9335/a000031
Koster, M. (2018). Waarom hebben we nog steeds witte en zwarte scholen? Retrieved December 27, 2018, from https://npofocus.nl/artikel/7762/waarom- hebben-we-nog-steeds-witte-en-zwarte-scholen-
Levels, M., Dronkers, J., & Kraaykamp, G. (2008). Immigrant children’s educational achievement in western countries : Origin, destination, and community. American Sociological Review, 73, 835–853.
Logan, S., & Johnston, R. (2009). Gender differences in reading ability and attitudes:
Examining where these differences lie. Journal of Research in Reading, 32(2), 199–214. doi:10.1111/j.1467-9817.2008.01389.x
Luyten, H., Schildkamp, K., & Folmer, E. (2009). Cognitive development in Dutch primary education, the impact of individual background and classroom composition. Educational Research and Evaluation, 15(3), 265–283. doi:10.1080/13803610902955333
Marchant, G. J., & Finch, W. H. (2016). Student, school, and country: the relationship of SES and inequality to achievement. Original Research Article Journal of Global Research in Education and Social Science, 6(4), 187–196.
Marks, G. N. (2015). Are school-SES effects statistical artefacts? Evidence from longitudinal population data. Oxford Review of Education, 41(1), 122–144.
doi:10.1080/03054985.2015.1006613
Mok, S. Y., Martiny, S. E., Gleibs, I. H., Keller, M. M., & Froehlich, L. (2016). The relationship between ethnic classroom composition and Turkish-origin and German students’ reading performance and sense of belonging. Frontiers in Psychology, 7, 1–12. doi:10.3389/fpsyg.2016.01071
Mullis, I. V. S., Martin, M. O., Kennedy, A. M., & Foy, P. (2007). PIRLS 2006 international report: IEA’s progress in international reading literacy study in primary schools in 40
countries. Chestnut Hill, MA: Boston College.
OECD. (2004). Learning for tomorrow’s world: first Results from PISA 2003.
OECD. (2010). PISA 2009 results: Overcoming social background. Equity in learning opportunities and outcomes. Parijs: Organisation for Economic Co-operation and Development.
Ohinata, A., & van Ours, J. C. (2013). How immigrant children affect the academic
achievement of native Dutch children. The Economic Journal, 123(570), F308–F331. https://doi.org/10.1111/ecoj.12052
Onderwijsinspectie. (2018). Sterke segregatie in het basisonderwijs. Retrieved December 27, 2018, from
https://www.onderwijsinspectie.nl/onderwerpen/staat-van-het-onderwijs/trends-in- het-stelsel/onderwijskansen-en-segregatie/sterke-segregatie- in-het-basisonderwijs
Organisatie voor Economische Samenwerking en Ontwikkeling. (2009). PISA Data Analysis Manual. Parijs: OECD Publishing.
Organisatie voor Economische Samenwerking en Ontwikkeling. (2017). Scaling procedures and construct validation of context questionnaire data. In OESO (Ed.), Technical Report (pp. 290–339). Parijs: OECD Publishing.
Özdemir, C. (2016). Equity in the Turkish education system: A multilevel analysis of social background influences on the mathematics performance of 15-year-old students. European Educational Research Journal, 15(2), 193–217.
doi:10.1177/1474904115627159
Peetsma, T., van der Veen, I., Koopman, P., & van Schooten, E. (2006). Class composition influences on pupils’ cognitive development. School Effectiveness and School
Improvement, 17(3), 275–302. doi:10.1080/13803610500480114
Perry, L., & McConney, A. (2010). Does the SES of the school matter? An examination of socioeconomic status and student achievement using PISA 2003. Teachers College Record, 112(4), 1137–1162.
Rjosk, C., Richter, D., Hochweber, J., Lüdtke, O., Klieme, E., & Stanat, P. (2014).
Socioeconomic and language minority classroom composition and individual reading achievement: The mediating role of instructional quality. Learning and Instruction, 32, 63–72. doi:10.1016/J.LEARNINSTRUC.2014.01.007
Rumberger, R. W., & Palardy, G. J. (2005). Does segregation still matter? The impact of student composition on academic achievement in high school. Teachers College Record, 107(9), 1999–2045.
