Onderwijs(on)gelijkheid
in ontwikkelingslanden
Een analyse in onderwijsdeelname
tussen jongens en meisjes &
het primair en secundair onderwijs
BACHELORSCRIPTIE
Student:
Myora Gültekin
Studentnummer:
11301597
Docent:
Aslan Zorlu
Datum:
Maandag 17 juni 2019
INHOUDSOPGAVE
I INLEIDING ... 2
II THEORETISCH KADER ... 3
2.1. Wat wordt verstaan onder een ontwikkelingsland? ... 3
2.2. Political economy ... 4
2.2.1. Financiële factoren: ontwikkelingshulp en buitenlandse investeringen ... 4
2.2.2. Politieke factoren... 6
2.2.3. Nationaal welzijn ... 7
2.4. Conceptueel model ... 8
III METHODOLOGIE ... 9
3.1. Aanpak van het onderzoek ... 9
3.2. Beschrijving van variabelen en dataverzameling ... 11
3.2.1. Onafhankelijke variabelen... 11
3.2.2. Afhankelijke variabele ... 13
3.3. Verwerking van verzamelde data ... 14
3.3.1. Dataverwerking in Excel ... 14
3.3.2. Dataverwerking in SPSS... 14
3.4. Kwaliteitscriteria en onderzoeksmethoden ... 15
IV RESULTATEN ... 17
4.1. Beschrijvende kenmerken (‘descriptives’) ... 17
4.1.1. Onafhankelijke variabelen: opvallende resultaten ... 18
4.1.2. Afhankelijke variabele: opvallende resultaten ... 20
4.2. Spreidingsplots ... 21
4.2.1. Spreidingsplots primair onderwijsniveau ... 21
4.2.2. Spreidingsplots secundair onderwijsniveau ... 24
4.3. Lineaire regressie ... 26
4.3.1. De variabelen in het regressiemodel ... 26
4.3.2. De opbouw en uitvoering van het regressiemodel ... 28
V CONCLUSIE ... 36
VI DISCUSSIE & REFLECTIE ... 38
VI I REFERENTIES ... 39
VII BIJLAGEN ... 42 * Bronnen voorblad: Global Study Travel (2019) &
Onderwijs(on)gelijkheid in ontwikkelingslanden
I INLEIDING
De publicatie van de ‘Millennium Development Goals (MDGs)’ door de Verenigde Naties heeft een belangrijke stempel gedrukt op hoe ontwikkeling in de 21ste eeuw eruit zou moeten komen te zien. Deze humanitaire doelen, die in 2015 zijn omgetoverd tot de ‘Sustainable Development Goals (SDGs)’, bestaan uit zeventien doelstellingen die op internationaal niveau duurzaamheid en rechtvaardigheid aanjagen (Halvorsen in Halvorsen et al., 2017). Zowel onderwijs als genderongelijkheid vormen hierin aandachtspunten. Onderwijs wordt beschouwd als de kern van persoonlijke ontwikkeling: onderwijs stimuleert een stabielere sociaaleconomische positie, creëert een bewustzijn van sociale rechten en vergroot participatie in de maatschappij (Verenigde Naties, z.j.). Gendergelijkheid wordt als een fundamenteel recht gezien, die het noodzakelijk maakt om de vrouwelijke helft van de mensheid niet buiten beschouwing te laten. Een van de gebieden waar genderongelijkheid het duidelijkst naar voren komt, is deelname aan het onderwijs. Zo heeft de Verenigde Naties bekendgemaakt dat hoewel met de ‘MDGs’ op primair niveau (basisschoolonderwijs) aanzienlijke successen zijn geboekt, nog steeds 57 miljoen kinderen niet naar school kunnen. Ruim 60% hiervan zijn meisjes uit ontwikkelingslanden.
Het maatschappelijk belang van gendergelijkheid in het onderwijs kan worden geïllustreerd met het volgende fragment: ‘‘Education is the greatest resource you can have. You can lose everything – your home, your money, everything. But no one can take your knowledge. It’s baggage that’s easy to take with you and that can open a lot of doors’’ (Verenigde Naties, 2016, p. 42). De Verenigde Naties heeft dan ook middels de ‘SDGs’ gesteld dat in 2030 alle meisjes en jongens zowel primair als secundair onderwijs moeten kunnen volgen. De vraag is echter hoe deze doelstelling bereikt kan worden. Met andere woorden, welke factoren zijn van invloed op het bereiken van onderwijsgelijkheid tussen jongens en meisjes. Deze vraag staat centraal in dit onderzoek.
Om te bestuderen hoe een universele doelstelling voor onderwijsgelijkheid bereikt kan worden, wordt geanalyseerd in hoeverre uiteenlopende politieke en financiële factoren uit het begin van de 21ste eeuw consequenties hebben gehad voor deelname aan het onderwijs. Uiteenlopende auteurs als Caffentzis en Federici (1992), Obasi (1997) en Buchmann en Hannum (2001) hebben onderzocht hoe invloedrijk politieke en financiële factoren zijn bij de ontwikkeling van het onderwijs in een land. Aangezien de gelijke toegang tot onderwijs voornamelijk een probleem in ontwikkelingslanden is (Verenigde Naties, 2016), vormen deze landen de focus van dit onderzoek. Het doel is het vaststellen van de relatie tussen enerzijds politieke en financiële factoren alsook nationaal welzijn en anderzijds onderwijs(on)gelijkheid om inzicht te krijgen in hoe het onderwijsdoel van de Verenigde Naties voor 2030 behaald kan worden. De onderzoeksvraag luidt: ‘In hoeverre hebben externe financiële factoren, interne politieke factoren en nationaal welzijn invloed gehad op onderwijs(on)gelijkheid op primair en secundair niveau in ontwikkelingslanden in de periode 2005-2015?’.
Het betreft hier een longitudinaal onderzoek. Meerdere wetenschappers hebben namelijk het tekort aan longitudinaal onderzoek binnen het onderwijs aangekaart. Zo wordt aangegeven dat er voornamelijk cross-sectioneel onderzoek en case studies zijn uitgevoerd, terwijl de effecten op onderwijs pas op de lange termijn zichtbaar worden (Radelet et al. in Nallari & Griffith, 2011). Gezien het maatschappelijk belang van gendergelijkheid in de wereld, wordt in dit onderzoek het gendercomponent centraal gesteld.
In de volgende paragraaf wordt allereerst het theoretisch debat geschetst omtrent factoren die onderwijs kunnen beïnvloeden, waarna aandacht wordt besteed aan de methodologie. Vervolgens worden de resultaten besproken en volgt de conclusie waarin alle bevindingen worden gepresenteerd. Tot slot wordt in de discussie een kritische blik geworpen op het onderzoek.
II THEORETISCH KADER
2.1. Wat wordt verstaan onder een ontwikkelingsland?
Er is geen exacte overeenkomst over welke landen in de wereld als ‘ontwikkeld’ worden beschouwd (Verenigde Naties, 2007; Verenigde Naties, 2014). Over het algemeen worden Europese landen, Japan, Canada, de Verenigde Staten, Australië en Nieuw-Zeeland als ontwikkeld geclassificeerd. De landen die hierbuiten vallen en negatief scoren op de kenmerken die in de volgende alinea aan bod komen, worden meestal als ontwikkelingslanden gezien. In dit onderzoek wordt de classificatie van de Verenigde Naties aangehouden.
Een aantal kenmerken worden doorgaans gebruikt om een ontwikkelingsland te definiëren. Een ontwikkelingsland staat bekend als een land met een relatief laag of midden inkomen, waar vaak geen of weinig sprake is geweest van industrialisatie. Deze landen worden gecategoriseerd op basis van een lage ‘Gross Domestic Product (GDP) per capita’, een lage score op de ‘Human Development Index (HDI)’, extreem hoge geboortecijfers, het ontbreken van adequate medische zorg, ondervoeding, hoge analfabetiseringsgraad en lage opleidingsniveaus, corruptie en een gebrek aan een effectief bestuur. Dit laatste kenmerk wordt aangeduid met de term ‘good governance’ en wordt in veel studies beschouwd als een cruciale factor in de ontwikkeling van landen (United Nations, z.j.). ‘Good governance’ bestaat uit verschillende kenmerken. Zo moeten verschillende groepen met tegengestelde visies kunnen deelnemen en invloed kunnen uitoefenen op de politieke besluitvorming; deze besluitvorming en uitvoering ervan moeten transparant, kritisch, responsief, effectief en efficiënt zijn. Daarnaast dient het beleid rechtvaardig te zijn, hoort weinig tot geen sprake te zijn van corruptie, moet er aandacht zijn voor de stem van minderheden en dient sprake te zijn van naleving van wet- en regelgeving. Dit laatste kenmerk wordt aangeduid met de term ‘rule of law’.
2.2. Political economy
‘Political economy’, een belangrijk perspectief in de sociale wetenschappen, focust op de intensieve relatie tussen politieke en economische processen (Haggard & Webb, 1994). De wijze waarop de beleidsvoering van overheden de (ongelijke) verdeling van sociale voorzieningen in de maatschappij beïnvloedt, wordt hierin centraal gesteld. Sheppard (2011) beschrijft bijvoorbeeld dat het kapitalisme slechts één manier is voor het organiseren van een samenleving: hij legt uit hoe een dergelijke politiek-economische beslissing leidt tot grote ongelijkheden. Haggard en Webb (1994) vermelden dat institutionele kaders een essentieel uitgangspunt in het politiek-economisch perspectief zijn, aangezien deze kaders bepalen hoe het politieke beleid wordt vormgegeven, wat de belangen van regerende politici zijn en welke hervormingen wel of niet worden doorgevoerd. Dergelijke keuzes in de politieke arena hebben consequenties voor de ontwikkeling van een land, waaronder op het gebied van onderwijs.
2.2.1. Financiële factoren: ontwikkelingshulp en buitenlandse investeringen
De ontwikkeling van een land hangt sterk samen met diverse politieke en economische omstandigheden. Een veel geciteerd voorbeeld in deze context betreft de situatie van ontwikkelingslanden aan het einde van de 20ste eeuw. Door een combinatie van epidemieën, burgeroorlogen en een internationale economische crisis - ontstaan door extreme olieprijzen – bevonden ontwikkelingslanden zich rond 1980 in een noodtoestand (Logie & Woodroffe, 1993). Dit ging gepaard met de aanwezigheid van dictatoriale, onbekwame politieke leiders, die met het doel op zelfverrijking jarenlang functies in de politieke arena hadden bekleed (Gordon & Gordon, 2007). Landen in Sub-Sahara Afrika behoorden tot de landen die het hardst werden geraakt. De combinatie van onhoudbare politieke, economische en humanitaire factoren hebben geleid tot de introductie van ‘Structural Adjustment Programmes (SAP)’, in werking gezet door het Internationaal Monetair Fonds (IMF) en de Wereldbank. Ontwikkelingslanden konden niet anders dan het accepteren van deze financiële hulp, die in ruil daarvoor toegespitst was op het herstructureren van zowel de politiek als de economie op nationaal niveau. Cammett et al. (2015, p. 157) vermelden hierover: ‘‘It was only a question of time before MENA [Middle Eastern and North African] countries would bow to internal and external pressures and embrace a new model of political economy’’. Middels het toelaten van buitenlandse investeringen en het instellen van een meerpartijenstelsel zouden ontwikkelingslanden volgens de Wereldbank een economische groei meemaken en hiermee armoede kunnen bestrijden (Obasi, 1997).
Uiteenlopende wetenschappers hebben de relatie tussen ontwikkelingshulp, economische groei en armoedebestrijding bestudeerd. Op basis van hun concurrerende bevindingen is een debat ontstaan, waarbij wetenschappers in drie verschillende kampen zijn verdeeld (Nallari & Griffith, 2011). Het eerste kamp stelt dat ontwikkelingshulp geen positief effect op armoedebestrijding heeft, maar deze juist belemmert. Deze wetenschappers tonen aan dat financiële ontwikkelingshulp voor privé belangen van de politieke elite wordt gebruikt (Bauer in Radelet et al., 2004). Er wordt vermeld dat een kant-en-klare financiële geldinstroom zowel onbekwame overheden aan de macht houdt en corruptie stimuleert, als hervormingen voor een
rechtvaardige distributie van sociale voorzieningen tegenwerkt. Op het gebied van onderwijs vermelden Logie en Woodroffe (1993) dat de bemoeienis van de Wereldbank omtrent liberalisering de deelname aan het onderwijs juist negatief heeft beïnvloed en voornamelijk de meisjes heeft geraakt. Verder hebben Thiele et al. (2007) vastgesteld dat bij het toewijzen van ontwikkelingshulp onvoldoende aandacht wordt besteed aan de specifieke benodigdheden van ontwikkelingslanden. Deze auteurs vermelden dat het gebrek aan kennis bij de donors omtrent de toewijzing van financiële middelen voornamelijk het onderwijs heeft geraakt.
Het tweede kamp focust op de theorie dat ontwikkelingshulp en buitenlandse investeringen wel een positief effect hebben gehad op armoedebestrijding. Zo wordt in het rapport van Nallari en Griffith (2011) aangegeven dat wetenschappers wijzen op de benodigde investeringen in een land om het onderwijssysteem te kunnen laten functioneren: er moeten scholen gebouwd worden, er is infrastructuur benodigd en leraren dienen betaald te worden. Deze tekorten kunnen met externe financiële middelen worden aangevuld. Het artikel van Radelet et al. (2004) voegt hieraan toe dat wetenschappers uit dit kamp betogen dat ontwikkelingshulp niet in íedere context succesvol is gebleken, maar hebben bewezen dat hogere bedragen aan ontwikkelingshulp tot betere resultaten in onderwijsdeelname hebben geleid. De studie van D’Aiglepierre en Wagner (2010) heeft aangetoond dat ontwikkelingshulp zowel de deelnamecijfers aan het primair onderwijs als de gelijkheid tussen jongens en meisjes positief heeft beïnvloed. In deze studie is een positieve relatie tussen het ontvangen van ontwikkelingshulp en gendergelijkheid in het onderwijs gevonden. Het laatste kamp in het debat beweert dat ontwikkelingshulp alleen onder zekere voorwaarden een positief effect op armoedebestrijding en onderwijsgelijkheid kan hebben. Radelet et al. (2004) behoren tot dit kamp en hebben aangetoond dat diverse factoren zoals politieke stabiliteit en institutionele kwaliteit essentieel zijn. Zij benadrukken dat een samenspel van factoren bepaalt in hoeverre ontwikkelingshulp en buitenlandse investeringen succesvol zijn. Dit houdt in dat dit kamp beweert dat het effect van ontwikkelingshulp niet losgekoppeld kan worden van politieke factoren.
Hypothese
Dit onderzoek sluit zich aan bij het tweede kamp, omdat wordt aangenomen dat grootschalige investeringen benodigd zijn om het onderwijs in een ontwikkelingsland op gang te brengen. Er wordt verondersteld dat in de meeste ontwikkelingslanden de eigen financiële middelen niet voldoende zullen zijn om een succesvol en rechtvaardig onderwijssysteem op te zetten. Daarom kan buitenlandse hulp doorslaggevend zijn om de nationale tekortkomingen aan te vullen. De hypothese hierbij luidt als volgt: ontwikkelingshulp en buitenlandse investeringen zullen een positief effect op onderwijsgelijkheid hebben. De verwachting is dus dat het ontvangen van externe financiële hulp tot een grotere onderwijsdeelname van zowel meisjes als jongens zal leiden. Het doel is het verifiëren van deze hypothese.
2.2.2. Politieke factoren
De staat wordt over het algemeen als een centrale actor beschouwd in het verschaffen van sociale voorzieningen, zowel door zijn legitimiteit als door zijn financiële middelen. Het debat over de rol van de staat in het verschaffen van onderwijs heeft verschillende visies aan het licht gebracht. Heidhues en Obare (2011) behoren tot de wetenschappers die beweren dat het principe ‘good governance’ fundamenteel is bij de sociaaleconomische ontwikkeling van een land. Zo wordt vanuit het ‘political economy’ perspectief uitgelegd dat bij ineffectiviteit niet het minimaliseren van de rol van de staat, maar het herstructureren van zijn activiteiten het uitgangspunt moet zijn. Dit betekent dat, indien een gewenste sociaaleconomische ontwikkeling niet wordt bereikt, het beleid van de overheid zo aangepast (geherstructureerd) moet worden dat ontwikkeling alsnog kan worden bereikt. Met andere woorden, de rol van de staat moet er niet minder om worden. Het versterken van de stabiliteit van de politieke instituties is cruciaal, aangezien de staat over de bevoegdheid beschikt om het onderwijssysteem vorm te geven en bijvoorbeeld eisen aan de onderwijskwaliteit kan stellen. Ook bekende auteurs op dit terrein, Burnside en Dollar (2000), sluiten zich hierbij aan door te vermelden dat effectieve politieke instituties bijdragen aan een juiste besteding van ontwikkelingshulp. Montinola en Prince (2018) hebben in hun studie het belang van de aanwezigheid van vrouwen in de politieke arena benadrukt. Zij leggen uit dat vrouwelijke politici doorgaans meer aandacht besteden aan thema’s als milieu, het algemeen welzijn van kinderen en gelijkheid in het onderwijs.
In tegenstelling tot de hierboven besproken wetenschappers wijst de ‘world institutional theory’ een minimale rol toe aan de natiestaat. Deze theorie ziet onderwijs als het gevolg van een mondiale sociale beweging, die op zichzelf staat en losgekoppeld kan worden van de context van natiestaten (Meyer & Hannan in Buchmann & Hannum, 2001). Zowel de toegenomen deelname aan het onderwijs op mondiaal niveau als het toegeschreven belang aan onderwijs worden beschouwd als een ontwikkeling ‘boven’ het niveau van staten. Hierbij wordt beweerd dat nationale politieke en economische kenmerken niet als invloedrijke factoren moeten worden gezien.
Burch (2007) illustreert dit door uit te leggen waarom overheden bij het oplossen van uiteenlopende problemen in het onderwijs toch voor hetzelfde beleid kiezen: de ‘world institutional theory’ laat zien hoe internationale blauwdrukken voorschrijven het onderwijssysteem te structureren. De studie van Boli et al. (1985) concludeert dat ontwikkeling in het onderwijs direct is gerelateerd aan de plaats van een staat in het wereldsysteem: volgens hun worden landen die een belangrijkere positie in het wereldsysteem innemen meer blootgesteld aan de druk om aan internationale standaarden te voldoen. De auteurs gebruiken de term ‘massaonderwijs’ om uit te leggen hoe onderwijs een universele top-down structuur kent, waarin de onafhankelijke acties van natiestaten beperkt blijven. Zo vermelden Boli et al. (1985, p. 146) hierover: ‘‘Viewing education as a creature of differentiation understates its strong linkages with the integrating institutions of Western political and religious universalism and overlooks the importance and autonomy of these institutions as driving historical forces’’.
Hypothese
Dit onderzoek sluit zich aan bij wetenschappers die betogen dat overheden een belangrijke rol spelen in de ontwikkeling van een staat. Nationale politieke en economische kenmerken kunnen niet losgekoppeld worden van onderwijs(on)gelijkheid, omdat het onderwijs(beleid) in eerste instantie in nationale politieke kaders wordt bedacht en uitgevoerd. Dit onderzoek sluit zich dan ook niet aan bij de ‘world institutional theory’. In dit onderzoek wordt de volgende hypothese getoetst: er is een positieve samenhang tussen gunstige (nationale) politieke factoren en onderwijsgelijkheid in ontwikkelingslanden.
Het vaststellen van politieke indicatoren
Op basis van factoren die door eerdere studies als relevante politieke kenmerken zijn bestempeld, zijn zes indicatoren vastgesteld. De geraadpleegde studies zijn in de volgende alinea’s aangegeven. Hierbij is gekozen voor een breed scala aan indicatoren, zodat de variatie tussen deze politieke indicatoren en hun relatie met onderwijs(on)gelijkheid beter gemeten kan worden.
De referenties van Heidhues en Obare (2011) en Burnside en Dollar (2000) hebben geleid tot het kiezen van de indicatoren ‘rule of law’ en ‘government effectiveness’, omdat beide inzicht geven in de politieke stabiliteit. ‘Rule of law’ focust op de mate waarin de wet- en regelgeving in de samenleving wordt nageleefd, terwijl ‘government effectiveness’ rekening houdt met de doelgerichtheid en de kwaliteit van de overheidsdiensten. Overigens is een uitgebreide beschrijving van alle indicatoren in het methodologische hoofdstuk te vinden. Het belang van deze twee politieke indicatoren ten aanzien van onderwijs is ook bevestigd door ‘The Association for the Development of Education in Africa (ADEA)’ (ADEA, 2008). Ook is besloten om de ‘nationale overheidsuitgaven aan het onderwijs’ als indicator mee te nemen: op deze wijze kan het nationale beleid gekwantificeerd worden.
Daarnaast hebben April Gordon en Donald Gordon (2007) beschreven hoe zelfverrijking en corruptie van de nationale elite tot stagnatie in sociaaleconomische ontwikkeling hebben geleid. Beck et al. (2000) hebben eraan toegevoegd dat de afwezigheid van competitie in het politieke veld en dus het ontbreken van toezicht ontwikkeling negatief hebben beïnvloed. Om te toetsen in hoeverre deze factoren van invloed zijn op onderwijs(on)gelijkheid is besloten om de ‘Corruption Perceptions Index (CPI)’ en ‘executive index of political competitiveness (EIPC)’ te betrekken bij dit onderzoek. Als laatste is gezocht naar een onafhankelijke variabele met een gender component, aangezien Ramirez en Weiss (1979) vermelden dat politieke obstakels de perifere status van vrouwen in de samenleving normaliseren. Om deze reden is besloten om te analyseren of het ‘aandeel zetels bekleed door vrouwen in nationale parlementen’ samenhang vertoont met onderwijsgelijkheid onder meisjes en jongens.
2.2.3. Nationaal welzijn
Als aanvulling worden tot slot de ‘Gross Domestic Product (GDP)’ en ‘Human Development Index (HDI)’ meegenomen om te bestuderen of een algemene ontwikkeling in de welvaart
van landen ook invloed heeft op het onderwijs en of het de werking van andere variabelen verandert. Alle besproken indicatoren komen samen in het volgende conceptueel model.
2.4. Conceptueel model POLIT ICA L E C O N O M Y
INTERNE POLITIEKE FACTOREN Rule of law Government effectiveness Overheidsuitgaven
aan het onderwijs
Aandeel parlementaire zetels bekleed door
vrouwen Corruption Perceptions Index (CPI) Executive index of political competitiveness (EIPC) NATIONAAL WELZIJN Gross Domestic Product (GDP) Human Development Index (HDI) ONDERWIJS-(ON)GELIJKHEID OP PRIMAIR & SECUNDAIR NIVEAU EXTERNE FINANCIËLE FACTOREN
Ontwikkelingshulp (ODA)
Buitenlandse investeringen (FDI)
III METHODOLOGIE
In dit gedeelte wordt stapsgewijs uitgelegd hoe het onderzoek uitgevoerd zal worden.
3.1. Aanpak van het onderzoek Onderzoeksstrategie
Een kwantitatieve onderzoeksstrategie wordt toegepast, omdat het verklaren van de invloed van een aantal politieke en economische factoren op onderwijs(on)gelijkheid centraal wordt gesteld. Verklaren houdt in dat de relatie tussen variabelen geanalyseerd gaat worden, waarbij wordt bestudeerd hoe diverse onafhankelijke variabelen als ‘official development assistance’ en de overheidsuitgaven aan het onderwijs effect hebben op de mate van onderwijs(on)gelijkheid. Een kwantitatieve onderzoeksstrategie maakt het concreet meten en becijferen van kenmerken mogelijk, waardoor fijne verschillen zo objectief mogelijk aan het licht kunnen worden gebracht (Bryman, 2016). Voor dit onderzoek betekent dit dat bijvoorbeeld verschillen tussen het primaire en secundaire onderwijs met betrekking tot het aandeel jongens en meisjes aangetoond kunnen worden, waarbij ook de verschillen tussen de werking van verschillende onafhankelijke variabelen gemeten en vergeleken kunnen worden. Het meten biedt preciezere informatie over de relatie tussen politieke en economische variabelen en onderwijs(on)gelijkheid. Bovendien vermeldt Bryman (2016) dat meten consistentie betekent: het gebruiken van een consistent en nauwkeurig onderzoeksinstrument kan zowel de samenhang tussen variabelen beter aantonen als de betrouwbaarheid van het onderzoek vergroten.
Analytical approach
Aangezien theorieën uit bestaande literatuur als uitgangspunt zijn genomen en op basis van het wetenschappelijk debat twee hypothesen zijn opgesteld, is sprake van een deductief onderzoek. Dit betekent dat deze hypothesen middels empirische data getoetst gaan worden om vervolgens uitspraken over bevindingen en theorieën te kunnen doen.
Research design en onderzoekseenheden
Als ‘research design’ is gekozen voor een longitudinaal onderzoek, omdat het belangrijk is om variatie door de tijd te meten. Dit houdt in dat de veranderingen in de mate van onderwijs(on)gelijkheid tussen jongens en meisjes over een periode van vijftien jaar geanalyseerd gaan worden, waarbij wordt gekozen voor drie meetmomenten. Door om de vijf jaar te meten, dit wil zeggen in de jaren 2005, 2010 en 2015, kan de invloed van politieke en financiële factoren en nationaal welzijn beter afgebeeld worden. Het slechts op één moment meten zou namelijk geen inzicht bieden in hoe onderwijs(on)gelijkheid zich op primair en secundair niveau heeft ontwikkeld: deze verandering staat in dit onderzoek centraal en daarom is gekozen voor een longitudinaal onderzoek.
Daarnaast betekent het doen van meerdere metingen door de tijd dat er meer gegevens zijn over hoe diverse variabelen onderwijs(on)gelijkheid beïnvloeden. Het beschikken over meer resultaten houdt in dat de relatie tussen politiek-economische factoren en
onderwijs(on)gelijkheid beter en betrouwbaarder aangetoond kan worden. Verder geeft Bryman (2016) aan dat het op dezelfde manier meten van variabelen (standaardisering) het vergelijken van resultaten mogelijk maakt. Op deze manier kunnen de uitkomsten per geslacht en per onderwijsniveau met elkaar worden vergeleken.
Het is een ‘panel’ studie, omdat bij iedere meting dezelfde onderzoekseenheden bestudeerd gaan worden (Bryman, 2016). De onderzoekseenheden zijn landen die volgens de classificering van de Verenigde Naties bekendstaan als ontwikkelingslanden (United Nations Development Programme, 2018), wat inhoudt dat met geaggregeerde data zal worden gewerkt. In totaal betreft het 129 landen, die staan afgebeeld in figuur 1.
Figuur 1: De onderzoekseenheden (landen)
Toelichting over de onderzoekseenheden
De meeste landen binnen dit onderzoek bevinden zich in Afrika, Zuid-Amerika en Zuidoost-Azië. Een aantal landen in Afrika zijn vanwege een te groot gebrek aan data niet opgenomen, dit zijn: Libië, de Westelijke Sahara (een betwist gebied), Guinee-Bissau, Somalië en Angola. Bij deze landen was zelfs het schatten van data niet mogelijk, omdat in de meeste gevallen niet eens één meting (van bijvoorbeeld onderwijsdeelname) te vinden was. Hetzelfde geldt voor de landen en/of eilanden Trinidad en Tobago, Kiribati, Haïti, Bosnië & Herzegovina, Iraq, Vietnam en Turkmenistan. Om het aantal onderzoekseenheden in dit onderzoek te vergroten, is als aanvulling gekeken naar welke landen eventueel toegevoegd zouden kunnen worden aan dit onderzoek. Hiervoor is gekeken welke landen in de wereld een bedrag aan
ontwikkelingshulp (geclassificeerd als ´official development assistance’) ontvangen. Hieruit is gebleken dat Israël, ondanks dat het niet altijd als ontwikkelingsland wordt gezien, ontwikkelingshulp heeft ontvangen. Ook de Westbank en Gazastrook heeft deze externe financiële hulp gekregen. Hoewel dit gebied niet als een staat erkend wordt, komt de Westbank en Gazastrook consequent terug in de metingen van de Wereldbank. Daarom is besloten om zowel Israël als de Westbank en Gazastrook in dit onderzoek op te nemen. Ontwikkelingshulp is een cruciale variabele in dit onderzoek: het is handig om hier meer informatie over te geven. De term ‘official development assistance’ is bedacht door de ‘Development Assistance Committee (DAC)’ van de Organisatie voor Economische Samenwerking en Ontwikkeling. De ‘DAC’ beschikt in totaal over dertig leden. Dit zijn Australië, België, Canada, Denemarken, Duitsland, de Europese Unie zelf, Finland, Frankrijk, Griekenland, Hongarije, Ierland, IJsland, Italië, Japan, Luxemburg, Nederland, Nieuw-Zeeland, Noorwegen, Oostenrijk, Polen, Portugal, Slovakije, Slovenië, Spanje, Tsjechië, het Verenigd Koninkrijk, de Verenigde Staten, Zuid-Korea, Zweden en Zwitserland. De Wereldbank, het Internationaal Monetair Fonds (IMF), de Verenigde Naties en de Afrikaanse Ontwikkelingsbank zijn voorbeelden van organisaties die de beslissingen monitoren.
3.2. Beschrijving van variabelen en dataverzameling 3.2.1. Onafhankelijke variabelen
In deze paragraaf wordt beschreven wat de gekozen indicatoren precies meten en hoe data over deze indicatoren zal worden verzameld. Er zijn in totaal tien onafhankelijke variabelen gedefinieerd, die op basis van eerdere onderzoeken en de bijbehorende literatuur zijn vastgesteld. Alle data is op nationaal niveau verkrijgbaar. Een aantal variabelen in dit onderzoek hebben Engelstalige namen, omdat veelal wordt gewerkt met classificaties van de Wereldbank. Hoewel de variabelen zoveel mogelijk naar het Nederlands zijn vertaald, is besloten om sommige Engelse termen te behouden, omdat een vertaling de betekenis van de variabele kan wijzigen. Ook vanwege de internationale bekendheid van sommige concepten, zoals ‘Gross Domestic Product (GDP)’ en ‘Corruption Perceptions Index (CPI)’, zijn geen alternatieve vertalingen bedacht. Bij relatief minder bekende variabelen, zoals bij ‘rule of law’, is meer aandacht besteed aan de inhoud van de concepten.
Externe financiële factoren
Binnen de categorie ‘externe financiële factoren’ zijn ‘official development assistance (ODA)’ en ‘foreign direct investment (FDI)’ opgenomen. Zowel de gegevens over ontwikkelingshulp (‘ODA’) als over buitenlandse investeringen (‘FDI’) worden verzameld uit de database van de Wereldbank. Voor ontwikkelingshulp worden twee indicatoren in de analyse opgenomen: het ontvangen ontwikkelingshulp als % van ‘GNI’ (‘Gross National Income’) en het concreet ontvangen bedrag aan ontwikkelingshulp in Amerikaanse dollars ($). Beide indicatoren zullen in SPSS opgenomen worden en afhankelijk van de relevantie met betrekking tot de afhankelijke variabele onderwijs(on)gelijkheid zal een van deze indicatoren gekozen worden. Voor ‘foreign direct investment’ wordt het aandeel buitenlandse investeringen als % van het
‘GDP’ van het land genomen, omdat het een representatieve weerspiegeling is van de financiële situatie in een land.
‘Official development assistance’ wordt omschreven als overheidssteun om economische ontwikkeling en welzijn van ontwikkelingslanden te stimuleren (OECD Ilibrary, 2019). Leningen voor militaire doeleinden worden niet meegerekend. De financiële hulp kan zowel afkomstig zijn van een donor als via een ontwikkelingsorganisatie (zoals de Wereldbank). De Organisatie voor Economische Samenwerking en Ontwikkeling heeft een lijst met zo’n 150 landen en/of gebieden, die financiële hulp ontvangen onder de naam ‘official development assistance’.
Interne politieke factoren
In de categorie ‘interne politieke factoren’ zijn zes variabelen opgenomen: ‘rule of law’, ‘government effectiveness’, ‘government expenditure on education’, ‘proportion of seats held by women in national parliaments’, ‘Corruption Perceptions Index (CPI) en ‘executive index of political competitiveness’. Hierbij is aandacht besteed aan het kiezen van zo verschillend mogelijke variabelen: overlap tussen indicatoren is geprobeerd te voorkomen om de relatie tussen afzonderlijke variabelen zo helder mogelijk in beeld te kunnen brengen.
Zowel de variabelen ‘rule of law’ en ‘government effectiveness’ behoren tot de ‘World Governance Indicators’ van de Wereldbank. ‘Rule of law’ bekijkt de mate waarin actoren vertrouwen hebben in de gestelde regels in de samenleving en in hoeverre deze regels worden nageleefd, waarbij ook rekening wordt gehouden met de naleving van eigendomsrechten, het functioneren van de politie en de rechtbanken, als de kans op misdaad en geweld. ‘Government effectiveness’ focust op de doelgerichtheid van overheidsdiensten en publieke voorzieningen en op de kwaliteit van beleidsformulering en uitvoering. Beide variabelen geven een indruk van het functioneren van nationale overheden, waaraan een score tussen -2,5 (zwakke prestatie) en 2,5 (sterke prestatie) wordt toegewezen.
Een derde politieke variabele betreft de overheidsuitgaven aan het onderwijs. Dit aandeel wordt gemeten door de jaarlijkse uitgaven aan het onderwijs af te zetten tegen de jaarlijkse overheidsuitgaven voor alle sectoren, zoals gezondheid en andere sociale voorzieningen. Deze gegevens zijn verzameld door UNESCO en bevinden zich in de database van de Wereldbank. Aangezien het gender component in het onderwijs centraal staat in dit onderzoek, is ook het ‘aandeel zetels bekleed door vrouwen in nationale parlementen’ opgenomen als politieke indicator. Deze data wordt beschikbaar gesteld middels het ‘Inter-Parliamentary Union (IPU)’ en wordt berekend door het aandeel parlementszetels van vrouwen af te zetten tegen het totale aantal parlementszetels binnen een land (World Bank Group A, 2019).
Daarnaast wordt de ‘Corruption Perceptions Index (CPI)’ als vijfde politieke variabele opgenomen in dit onderzoek. Zoals uit het theoretisch kader naar voren is gekomen, is de distributie van financiële en publieke middelen van belang bij het tegengaan van armoede en daarmee ook bij de ontwikkeling van onderwijs. Aangezien corruptie inzicht geeft in of publieke middelen in een land rechtvaardig worden toegewezen, wordt de corruptie-index van ‘Transparency International’ ingezet. Deze organisatie beschikt over longitudinale data en
wijst een groot aantal natiestaten een score tussen 0 (heel corrupt) en 10 (niet corrupt) toe (Transparency International, 2019). De laatste indicator is afkomstig van de ‘Database of Political Institutions (DPI)’ van de Wereldbank. Aangezien het theoretisch kader heeft aangetoond dat monopolie in het politiek veld kan leiden tot het ontbreken van een systeem van ‘checks and balances’ en tot zelfverrijking van politici, is de ‘executive index of political competitiveness’ opgenomen met het doel om de relatie tussen de politieke arena en onderwijs(on)gelijkheid vast te stellen. Deze indicator wijst landen een score tussen 1 en 7 toe, waarbij een hogere score duidt op meer democratie in het politieke veld. Zo vermeldt Keefer (2007, p. 19) over landen met een score onder de 6 het volgende: ‘‘The country is deemed autocratic or a country in which democratic institutions are not consolidated and leadership is personality-based’’. Een score van 7 wordt toegekend aan landen die een democratisch systeem hanteren, waarbij sprake is van een meerpartijenstelsel en een rechtvaardigheid gekozen minister-president en/of premier.
Nationaal welzijn
De derde categorie uit het conceptueel schema is nationaal welzijn en bestaat uit drie indicatoren. Deze indicatoren zijn toegevoegd om te analyseren of een toename of afname in het landelijk welzijn invloed heeft op de mate van onderwijs(on)gelijkheid. De drie indicatoren zijn ‘Gross Domestic Product (GDP) growth (annual %)’, ‘GDP per capita gebaseerd op ‘PPP (Purchasing Power Parity)’ en ‘Human Development Index (HDI)’. ‘GDP’ is verkrijgbaar middels de database van de Wereldbank en ‘HDI’ via de Verenigde Naties. De ‘HDI’ omvat een groter aantal factoren, namelijk de levensverwachting tijdens de geboorte, het verwachte aantal jaren van onderwijs, het gemiddelde aantal jaren onderwijs en het bruto nationaal product. Waar de ‘GDP’ alleen inzicht geeft in de economische ontwikkeling, biedt ‘HDI’ een breder overzicht van welzijn in een land.
3.2.2. Afhankelijke variabele
Voor het berekenen van onderwijsdeelname wordt de ‘Net enrollment rate (NER)’ als uitgangspunt genomen, waarbij zowel op primair als op secundair niveau van onderwijs een onderscheid tussen het aandeel jongens en meisjes wordt gemaakt. In het rapport van Nallari en Griffith (2011), dat is uitgebracht voor de Wereldbank om de relatie tussen groei en armoede in kaart te brengen, wordt vermeld dat de ‘NER’ de meest gehanteerde kwantitatieve methode is om deelname aan het onderwijs te meten. Aangezien deze indicator reflecteert welk percentage van de kinderen volgens het bevolkingsregister op school zou moeten zitten, dus werkelijk de groep kinderen omvat uit de juiste leeftijdsgroep, is in dit onderzoek voor deze indicator gekozen. De onderwijsdeelname van meisjes op primair niveau wordt bijvoorbeeld gemeten door te bekijken welk percentage van alle meisjes uit de leeftijdscategorie behorend tot het primair onderwijs werkelijk deelneemt aan het onderwijs (World Bank Group, 2019). Dit houdt in dat bínnen dezelfde gendercategorie naar de onderwijsdeelname wordt gekeken.
3.3. Verwerking van verzamelde data
Ten behoeve van de herhaalbaarheid van dit onderzoek zullen de genomen stappen zo nauwkeurig mogelijk beschreven worden.
3.3.1. Dataverwerking in Excel
Aangezien de benodigde variabelen uit verschillende datasets afkomstig zijn, is allereerst één basisbestand in Excel gecreëerd, waarin alle variabelen naast elkaar zijn opgenomen. Hier is bij iedere variabele ruimte gegeven aan drie metingen: respectievelijk de jaren 2005, 2010 en 2015. Landen die door de Verenigde Naties als ‘ontwikkeld’ zijn geclassificeerd en dus geen ontwikkelingshulp ontvangen, zijn gefilterd uit het bestand, zodat uitsluitend met de overgebleven ontwikkelingslanden wordt gewerkt. Voor het overhevelen van de afzonderlijke data naar het algemene basisbestand is gebruikgemaakt van de Excel-functie ‘verticaal zoeken’. Op deze manier zijn de gegevens enerzijds efficiënt en anderzijds nauwkeurig overgeheveld, waarin de kans op typfouten is geminimaliseerd.
Aangezien is gebleken dat voor sommige landen geen consequente metingen hebben plaatsgevonden, dit wil zeggen dat er geen data beschikbaar was in een bepaald jaar, is noodgedwongen besloten om ontbrekende gegevens aan te vullen met metingen uit andere jaren. Om een voorbeeld te geven, aangezien voor Centraal Afrikaanse Republiek voor 2005 geen gegevens beschikbaar waren over het aandeel zetels bekleed door vrouwen in nationale parlementen, zijn bijvoorbeeld gegevens uit 2004 gebruikt om het datatekort aan te vullen. Om de nauwkeurigheid toch enigszins te kunnen waarborgen, is besloten om doorgaans twee – maximaal drie jaar – van de oorspronkelijke meting af te zitten. Dit betekent dat het jaar 2005 in de meeste gevallen met data uit de periode 2003-2007 is aangevuld en in het uiterste geval naar de jaren 2002 en 2008 is gekeken. Indien data uit meerdere jaren beschikbaar was, is de voorkeur gegeven aan de jaren die zich het dichtst bij het oorspronkelijke jaar bevonden, dus in dit voorbeeld 2004 en 2006. Dit principe is op alle variabelen toegepast om de hoeveelheid data te kunnen vergroten. Het creëren van een zo groot mogelijke dataset is essentieel, omdat zowel voor het doen van representatieve uitspraken als voor het vinden van zoveel mogelijk variatie een relatief grote dataset is benodigd.
3.3.2. Dataverwerking in SPSS
Na de afronding van bovenstaande stappen is het Excel-databestand geïmporteerd in SPSS. Per variabele is aangegeven of het om numerieke of om tekst variabelen ging: met uitzondering van de naam van het land betreft het allemaal numerieke variabelen. Ook zijn het aantal decimalen, de labels van de variabelen, de waarde voor de ‘missings’ (-999) en het meetniveau van de variabelen (voornamelijk interval/ratio) ingevoerd. Er wordt met overwegend continue variabelen, dus met kwantitatieve data gewerkt in dit onderzoek. ‘Transposing data’ in SPSS
In het Excel-basisbestand waren de longitudinale metingen over 2005, 2010 en 2015 in kolommen naast elkaar weergegeven, waardoor het ook in deze format in SPSS is
opgenomen. Voor verdere analyses bleek deze weergave echter ongeschikt: daarom is met behulp van de SPSS-functie ‘transpose’ de dataweergave vanuit een ‘wide format’ getransformeerd naar een ‘long format’. Dit houdt in dat de metingen over de drie jaren onder elkaar zijn komen te staan, waardoor ieder land over drie rijen met resultaten is komen te beschikken. Met andere woorden, er is een nieuwe variabele ‘jaar’ ontwikkeld met daarin de waarden 2005, 2010 en 2015. Deze nieuwe variabele is daarna gedummificeerd, waardoor de jaren in de regressieanalyse met elkaar vergeleken kunnen worden.
‘Multiple imputation’
Vervolgens is besloten om ontbrekende gegevens te schatten met behulp van SPSS, aangezien het databestand nog steeds over (te) veel ‘missings’ beschikte en hierdoor de omvang van de analyse desgewenst werd verkleind. Uit een uitdraai van de ‘descriptives’ is immers gebleken dat hoewel per variabele de totale omvang (N) wisselde tussen 117 en 129, de uiteindelijke N – wanneer alle variabelen werden meegenomen – resulteerde in slechts 74 eenheden (landen). Dit werd veroorzaakt door het feit dat SPSS zich per rij op ontbrekende gegevens richtte: ook wanneer slechts één cel een waarde mistte (horizontaal bekeken), trok SPSS het gehele land van de totale omvang (N) af. Aangezien dit tot een beperkte dataset leidde en problemen zou opleveren met de lineaire regressieanalyse, is besloten om de ontbrekende waarden te schatten. Hiervoor is gebruikgemaakt van de functie ‘multiple imputation’, waarbij SPSS op basis van alle variabelen in het databestand vijf maal een schatting heeft gemaakt van wat de ontbrekende waarden bij de variabelen zouden kunnen zijn.
Hoewel veel schattingen relatief reëel bleken te zijn, is opgevallen dat bij de variabele ‘executive index of political competitiveness’ een aantal waarden boven de 7 waren geschat, terwijl de scores zich tussen de 1 en 7 zouden moeten bevinden. Met behulp van het programma Stata zijn deze onjuistheden gecorrigeerd en is de dataset compleet gemaakt voor de lineaire regressie. Voor de volledigheid kan vermeld worden dat de variabelen ‘rule of law’ en ‘government effectiveness’ over geen enkele ontbrekende waarde beschikten: als gevolg hoefde voor deze variabelen geen schatting van data plaats te vinden. Deze twee variabelen beschikten voor alle 129 onderzoekseenheden (landen) over data voor zowel 2005, 2010 als 2015. Dit illustreert ook dat, aangezien 129 landen de maximale omvang is, de variabelen met ontbrekende data middels het schatten gelijk zijn gemaakt aan 129 metingen. Met andere woorden, in de complete dataset beschikt iedere variabele in het jaar 2005 over 129 metingen; hetzelfde geldt voor 2010 en 2015, waardoor de complete dataset uitkomt op een totale omvang van 387 metingen.
3.4. Kwaliteitscriteria en onderzoeksmethoden
In dit kwantitatieve onderzoek wordt gewerkt met bestaande data (voornamelijk afkomstig van de Wereldbank) en wordt deze data geanalyseerd middels statistische methoden. Het gebruikmaken van bestaande data biedt allereerst het voordeel om meer tijd in de analyse van de gegevens te stoppen, waardoor meerdere soorten kwantitatieve analyses kunnen plaatsvinden. Hiermee kan beter inzicht verkregen worden in de onderlinge relatie tussen variabelen en wordt ook de kans op het vinden van interessante relaties vergroot. Er is
zogezegd meer ruimte voor herinterpretatie van gegevens. Daarnaast vraagt de focus van dit onderzoek om het gebruik van bestaande data, aangezien het een groot schaalgebied (het mondiale schaalniveau) betreft en het niet mogelijk is om deze hoogwaardige data zelf te verzamelen.
Validiteit
‘Measurement validity’ bekijkt of een gekozen indicator werkelijk het concept in kwestie meet (Bryman, 2016). Dit betekent dat ‘measurement validity’ een kritische kijk werpt op de indicatoren. Aangezien binnen dit onderzoek bekende en vaak gebruikte indicatoren van voornamelijk de Wereldbank zijn gebruikt, is dit de ‘measurement validity’ ten goede gekomen. Tevens zijn voor ‘ontwikkelingshulp’ en ‘GDP’ twee soorten indicatoren opgenomen, zodat de verschillen in de resultaten en het effect van deze indicatoren beter geanalyseerd kunnen worden. Al met al heeft de onderzoeker niet zelf enquête- of interviewvragen opgesteld, maar gebruikgemaakt van internationaal gerespecteerde indicatoren, die worden gebruikt door een hoogstaande institutie als de Wereldbank. Daarnaast kan vermeld worden dat een longitudinaal onderzoek de interne validiteit van het onderzoek verhoogt, omdat de oorzaak-gevolg relaties beter aan het licht worden gebracht. Betrouwbaarheid
De betrouwbaarheid van het onderzoek geeft aan in hoeverre het nogmaals uitvoeren van het onderzoek dezelfde resultaten zou opleveren (Bryman, 2016). Ten opzichte van kwalitatief onderzoek is de betrouwbaarheid relatief hoog in kwantitatief onderzoek, aangezien de eigen interpretatie van de onderzoeker wordt geminimaliseerd. Uiteraard vindt bij de interpretatie van kwantitatieve analyses ook interpretatie plaats: echter het werken met coëfficiënten, vastgestelde significantieniveaus en gestandaardiseerde methoden vergroot de betrouwbaarheid, omdat het niet uitmaakt ‘door wie’ het onderzoek wordt uitgevoerd. Het systematisch te werk gaan door middel vsan statistische methoden is gunstig voor de betrouwbaarheid (Bryman, 2016). Een kritiekpunt dat de betrouwbaarheid van dit onderzoek heeft verlaagd, heeft betrekking op het schatten van ontbrekende gegevens, aangezien deze niet exact de werkelijke situatie weergeven. Hierdoor is de nauwkeurigheid in de resultaten verminderd. Desondanks zijn de ontbrekende waarden wel op basis van werkelijke gegevens geschat en heeft deze schatting geresulteerd in een compleet databestand.
IV RESULTATEN
In dit hoofdstuk worden stapsgewijs de uitkomsten van de kwantitatieve analyses besproken met het doel om de volgende hoofdvraag te beantwoorden: ‘In hoeverre hebben externe financiële factoren, interne politieke factoren en nationaal welzijn invloed gehad op onderwijs(on)gelijkheid op primair en secundair niveau in ontwikkelingslanden in de periode 2005-2015?’.
Allereerst wordt een algemeen overzicht van de opgenomen variabelen gepresenteerd, waarin de beschrijvende kenmerken en de opvallende resultaten worden besproken. Na het afbeelden van een aantal spreidingsplots wordt uitgelegd hoe het lineaire regressiemodel – op basis van het theoretisch kader en het conceptueel model – is opgebouwd. De lineaire regressie wordt om een vergelijking tussen jongens en meisjes mogelijk te maken voor beide geslachten weergegeven: deze vergelijking in onderwijs(on)gelijkheid wordt zowel voor het primair als het secundair niveau gemaakt. Het hoofdstuk zal worden afgesloten met samenvattende opmerkingen over de belangrijkste resultaten.
4.1. Beschrijvende kenmerken (‘descriptives’)
Na het gereed hebben van het databestand zijn voor alle variabelen ‘descriptives’ uitgedraaid om een globaal overzicht van minimale en maximale waarden, het gemiddelde, de standaarddeviatie en de scheefheid te krijgen. Voor de overzichtelijkheid wordt in tabel 1 alleen het eindresultaat gepresenteerd, waarin de jaren 2005, 2010 en 2015 zijn samengenomen. Uiteraard zijn de beschrijvende kenmerken ook per jaar afzonderlijk uitgedraaid: deze zijn opgenomen in de bijlagen op pagina 42. De opvallende verschillen tussen de afzonderlijke jaren en het eindresultaat worden in de volgende alinea’s onder de aandacht gebracht.
Tabel 1: Beschrijvende kenmerken van alle variabelen (alle jaren samengenomen)
Variabelen Minimum Maximum Gemiddelde Standaarddeviatie Scheefheid
Ontvangen ontwikkelingshulp als % van GNI
-24.18 77.87 5.35 9.54 2.76
Ontvangen ontwikkelingshulp in $ (x1.000.000)
-2,219 6,470 552 912 2.551
Aandeel ontvangen buitenlandse investeringen als % van GDP
-8.92 53.19 4.85 6.70 3.95
Rule of law -2.03 1.42 -0.41 0.71 0.45
Government effectiveness -1.78 1.53 -0.37 0.72 0.49
Aandeel onderwijsuitgaven t.o.v. totale overheidsuitgaven
0.01 12.84 4.41 1.97 1.18
Aandeel zetels bekleed door vrouwen in nationale parlementen
0 63.80 16.04 11.00 1.04
Corruption Perceptions Index 1.1 7.8 3.5 1.3 1.1
Executive Index of Political Competitiveness
1 7 5.9 1.8 -1.5
Jaarlijkse groei GDP per capita in % -23.18 31.94 2.74 4.86 -0.10
GDP per capita uitgedrukt in PPP in $ 529 128,022 11,505 16,816 3.890
Tabel 1: Vervolg.
4.1.1. Onafhankelijke variabelen: opvallende resultaten
Ten eerste wordt uit tabel 1 afgelezen dat de eerste twee variabelen, de ontvangen ontwikkelingshulp in percentages (afgezet tegen de ‘GNI’) en het concreet ontvangen bedrag aan ontwikkelingshulp in Amerikaanse dollars ($), bij het minimum negatieve waarden en bij het maximum positieve waarden laten zien. De negatieve waarden geven aan dat een land meer geld heeft terugbetaald dan het aan ontwikkelingshulp heeft ontvangen (World Bank Group D, z.j.). Het jaar 2010 heeft ten opzichte van de andere twee jaren de hoogste percentages van ontwikkelingshulp afgezet tegen ‘GNI’. Zo hebben Liberia met 77,87% en de Solomoneilanden met 68,57% hogere percentages dan de maximale waarden uit 2005 (47,75%) en 2015 (37,78%), zoals vanaf pagina 42 staat weergegeven. Deze landen hebben dus, ten opzichte van hun nationaal inkomen, een groot percentage aan ontwikkelingshulp ontvangen. Er zit echter weinig verschil tussen de gemiddelden van 2005 en 2010 (beide zijn ongeveer 6%), terwijl 2015 een lagere gemiddelde van 3,76% kent. De verdeling van de data over 2015 geeft aan dat de metingen van dit jaar relatief dichtbij elkaar liggen. De landen uit het ‘Development Assistance Committee (DAC)’ hanteren sinds de Algemene Vergadering van de Verenigde Naties in 1970 een zogenoemde ‘ODA:GNI’ ratio van 0,7% (OECD Ilibrary, 2019). Dit principe reflecteert het doel van de ‘DAC’-landen om 0,7% van hun nationaal inkomen voor ontwikkelingshulp beschikbaar te stellen. De andere variabele van ontwikkelingshulp geeft vanaf pagina 42 weer dat tussen 2005 en 2015 het gemiddelde van ontvangen ontwikkelingshulp is gestegen van zo’n 435 miljoen dollar naar 635 miljoen dollar. Dit weerspiegelt dat het verschaffen van ontwikkelingshulp nog steeds als een waardevolle investering wordt beschouwd.
Verder geeft tabel 1 aan dat gemiddeld 4,4% van de totale overheidsuitgaven in ontwikkelingslanden aan het onderwijs wordt uitgegeven. In Nederland is het gemiddelde over 2005, 2010 en 2015 volgens de Wereldbank 5,4%. Hoewel Nederland behoort tot ontwikkelde landen, reflecteren deze percentages dat er geen enorm verschil met het gemiddelde van ontwikkelingslanden is te zien. Weliswaar vertonen de ontwikkelingslanden grote onderlinge variaties. Zo blijkt volgens de metingen van de Wereldbank Lesotho (in 2005 en 2010) meer dan 10% aan het onderwijs uitgegeven te hebben, terwijl Gambia (in 2005) en Guyana (in 2015) minder dan 2% hebben besteed.
Variabelen Minimum Maximum Gemiddelde Standaarddeviatie Scheefheid
Aandeel onderwijsdeelname jongens uit leeftijdscategorie primair onderwijs (in %)
35.11 99.86 86.64 12.47 -1.72
Aandeel onderwijsdeelname meisjes uit leeftijdscategorie primair onderwijs (in %)
32.56 99.89 84.96 14.56 -1.59
Aandeel onderwijsdeelname jongens uit leeftijdscategorie secundair onderwijs (in %)
7.79 99.55 58.77 23.80 -0.24
Aandeel onderwijsdeelname meisjes uit leeftijdscategorie secundair onderwijs (in %)
4.26 100 59.02 26.69 -0.34
Een andere opvallende ontwikkeling heeft betrekking op het aandeel zetels bekleed door vrouwen in nationale parlementen. Deze variabele wordt gemeten door te bekijken hoeveel procent van het totaal aantal parlementszetels in een land wordt bekleed door vrouwen (World Bank Group A, 2019). Met andere woorden, het aantal zetels van vrouwen wordt afgezet tegen het totaal aantal zetels in een land. De maximale waarde van 63,8% uit tabel 1 behoort bij Rwanda in 2015. Volgens de Wereldbank is het aandeel zetels bekleed door vrouwen in dit Afrikaanse land van 48,8% in 2005 toegenomen naar 56,3% in 2010 en 63,8% in 2015. Dit zijn opmerkelijk hoge resultaten. Ter vergelijking wordt gekeken naar de metingen van Nederland, waarvoor de Wereldbank gemiddeld 38,2% heeft aangegeven. Voor Scandinavische landen, die bekendstaan om hun gendergelijkheid, worden gemiddeld 39% (voor Noorwegen) en 44,6% (voor Zweden) vermeld. In een artikel van de United Nations Women (2018) is aandacht besteed aan hoe Rwanda koploper is geworden in het stimuleren van de deelname van vrouwen in de politiek. De grondwetswijziging uit 2003, waarin een quota van 30% voor vrouwen in de politiek werd gesteld, hield in dat minimaal 24 van de 80 zetels in het parlement door vrouwen bekleed moesten worden. Twee andere landen die ook een opmerkelijk hoog aandeel zetels bekleed door vrouwen hebben, zijn Bolivia met 53,1% in 2015 (ten opzichte van 25,4% in 2010) en Zuid-Afrika met 42% in 2015 (ten opzichte van 44,5% in 2010). Ondanks deze positieve ontwikkelingen geeft tabel 1 aan dat er nog steeds landen zijn waar geen enkele parlementaire zetel wordt bekleed door vrouwen. Dit zijn in 2015 onder andere Qatar, Yemen, Vanuatu en Tonga (beide zijn een eilandengroep in Oceanië). Op mondiaal niveau wordt gemiddeld 16% van de zetels in ontwikkelingslanden bekleed door vrouwen. De afzonderlijke tabellen vanaf pagina 42 laten zien dat in de periode 2005-2015 het gemiddelde aandeel zetels bekleed door vrouwen is gestegen met ongeveer 5%. Hoewel dit een positieve ontwikkeling is, valt uiteraard te betwisten of een stijging van 5% over 15 jaar werkelijk gedefinieerd kan worden als een ‘succesvolle’ ontwikkeling. Wat betreft de variabelen in de categorie nationaal welzijn is opvallend dat de jaarlijkse groei in ‘GDP’ in percentages zowel negatieve als positieve waarden kent. Het wordt duidelijk dat de ‘GDP’ van sommige landen zich negatief heeft ontwikkeld, waaronder in Sierra Leone met een afname in het ‘GDP’ van -23,18% in 2015. Deze grote afname wordt toegeschreven aan de Ebola uitbraak en de waardedaling van ijzererts, het grootste exportproduct van het land (World Bank Group B, 2019). De minimale waarde bij ‘GDP per capita’ van 529 dollar hoort bij de Democratische Republiek Congo in 2005. Overigens dient vermeld te worden dat de minimale waarde van ‘GDP per capita’ eerst als -22808 dollar was weergegeven. Dit was geen werkelijke meting van de Wereldbank, maar een schatting van SPSS. De waarde hoorde bij Syrië in 2015 en was geschat op basis van metingen van andere variabelen, die door de huidige burgeroorlog negatief waren beïnvloed. Aangezien deze waarde niet reëel is, is voor Syrië in 2015 een nieuwe schatting gemaakt. De afzonderlijke tabellen vanaf pagina 42 laten zien dat in de periode 2005-2015 voornamelijk de maximale waarden en de gemiddelden van ‘GDP per capita’ zijn toegenomen.
Tot slot valt op dat de ‘Human Development Index’ zich door de jaren heen positief heeft ontwikkeld: zowel de minimale als de maximale waarden zijn tussen 2005 en 2015 gestegen. Dit betekent dat over het algemeen het welzijn in ontwikkelingslanden – gebaseerd op de
levensverwachting bij geboorte, onderwijs en het bruto nationaal product – is toegenomen. Zo geven de tabellen vanaf pagina 42 aan dat de minimale waarde van 0,282 in 2005 (voor Niger) is gestegen naar 0,347 in 2015 (behoort ook bij Niger). Opvallend is ook de maximale waarde van 0,902 dat behoort tot Israël in 2015. Al met al geeft tabel 1 aan dat het gemiddelde van ‘HDI’ op een schaal van 0 tot en 1 zich met 0,624 boven de grens van 0,5 bevindt, wat duidt op een relatief positieve uitkomst voor het welzijn in ontwikkelingslanden. 4.1.2. Afhankelijke variabele: opvallende resultaten
De afhankelijke variabele is dikgedrukt aangegeven in tabel 1. Om enerzijds verschillen tussen jongens en meisjes en anderzijds verschillen tussen het primaire en secundaire onderwijsniveau te kunnen bekijken, is de afhankelijke variabele tijdens het invoeren van data in vieren gesplitst (als vier aparte variabelen aangegeven). Voor de afhankelijke variabele is de ‘Net enrollment rate (NER)’ van de Wereldbank genomen. Ter illustratie, dit wordt voor de meisjes op het primair onderwijs gemeten door te bekijken welk percentage van alle meisjes uit de leeftijdscategorie behorend tot het primair onderwijs werkelijk deelneemt aan het onderwijs (World Bank Group C, 2019). Voor het berekenen van de onderwijsdeelname van jongens op het primair niveau worden juist weer de jongens die behoren tot de leeftijdscategorie van het basisonderwijs als uitgangspunt genomen. Met andere woorden, bínnen dezelfde gendercategorie wordt naar de deelname gekeken. Hetzelfde is van toepassing op het secundair niveau.
Tabel 1 toont aan dat er geen grote verschillen tussen de onderwijsdeelname van jongens en meisjes op het primair niveau te zien zijn. Zowel de minimale en maximale waarden als het gemiddelde en de scheefheid komen aanzienlijk overeen. Het aandeel van onderwijsdeelname ligt gemiddeld gesproken bij de jongens iets hoger met zo’n 2 à 3%. Waar voor het primair onderwijsniveau tussen de jaren 2005, 2010 en 2015 geen extreme verschillen te ontdekken zijn, tonen de resultaten wel meer variatie op het secundair niveau. Niet de resultaten tussen jongens en meisjes, maar de resultaten tussen de afzonderlijke jaren (2005, 2010 en 2015) laten een verandering zien: dit toont het belang van een longitudinaal onderzoek aan. Zoals vanaf pagina 42 staat afgebeeld, blijkt het gemiddelde in secundair onderwijsdeelname in de periode 2005-2015 te verschuiven tussen 54% en 64%, terwijl het op primair niveau rond 86% blijft hangen. Dit komt overeen met de bestudeerde literatuur, waarin werd opgemerkt dat op het primair onderwijsniveau door middel van de ‘Millennium Development Goals (MDGs)’ aanzienlijke successen zijn geboekt, terwijl op een hoger onderwijsniveau nog steeds veel kinderen niet naar school kunnen (Verenigde Naties, z.j.). De gemiddelde onderwijsdeelname op secundair niveau tussen 54% en 64% illustreert dat ongeveer de helft van de kinderen in ontwikkelingslanden niet deelneemt aan het secundair onderwijs. Volgens de metingen van de Wereldbank zijn hierin geen extreme verschillen tussen jongens en meisjes te ontdekken. Het toegenomen gemiddelde in de periode 2005-2015 toont een positieve ontwikkeling aan, maar tegelijkertijd liggen de minimale en maximale waarden meer uiteen. Zo blijkt dat het aandeel meisjes op secundair onderwijsniveau minimaal 4,26% (voor Tsjaad) en maximaal 100% (voor Israël) is. De histogrammen die zijn uitgedraaid laten zien dat dergelijke waardes geen eenmalige uitschieters zijn: er is een grote variatie in de
percentages voor het secundair onderwijsdeelname te vinden, wat betekent dat deze variabele – ten opzichte van het primair onderwijs – minder constant is.
Als laatste kan worden aangegeven dat voor alle variabelen de scheefheid is bekeken. Aangezien een grens van doorgaans 3 (maximaal 4) als acceptabel wordt beschouwd en de variabelen uit tabel 1 hier niet boven zitten, worden alle variabelen als geschikt gezien voor verdere analyses.
4.2. Spreidingsplots
Voor elke onafhankelijke variabele zijn voorafgaand aan de regressieanalyse spreidingsplots gemaakt: iedere onafhankelijke variabele is hierbij afgezet tegen een afhankelijke variabele. Dit betekent dat voor iedere onafhankelijke variabele zowel op primair als op secundair niveau de relatie met onderwijsdeelname van jongens en meisjes is bekeken. De spreidingsplots zijn zowel uitgedraaid om te bekijken of er sprake is van een lineair verband als om te zien in welke richting de punten zich verspreiden (in een positieve of negatieve richting). Bovendien worden op deze manier de mogelijke ‘outliers’ gevisualiseerd: dit is belangrijk om te zien, omdat ‘outliers’ een vertekend beeld in de resultaten kunnen opleveren. Uit de verkregen spreidingsplots worden een aantal hieronder gepresenteerd.
4.2.1. Spreidingsplots primair onderwijsniveau
Spreidingsplots 1 & 2: Ontvangen ontwikkelingshulp als % van ‘GNI’ & aandeel onderwijsdeelname van jongens (links) en meisjes (rechts) uit de leeftijdscategorie van primair onderwijs* (in %)
* ‘De leeftijdscategorie primair onderwijs’ maakt een onderscheid op basis van gender: de onderwijsdeelname van jongens wordt afgezet tegen het totaal aantal jongens uit de leeftijdscategorie van het primair onderwijs; bij meisjes wordt het afgezet tegen het totaal aantal meisjes uit de leeftijdscategorie van het primair onderwijs. Deze informatie staat ook beschreven op pagina 13.
De groene stippen in de spreidingsplots representeren de ontwikkelingslanden uit dit onderzoek. In de spreidingsplots 1 en 2 is een vergelijking gemaakt tussen de deelname van jongens en meisjes aan het primair onderwijs, waarbij het effect van ontwikkelingshulp (afgezet tegen ‘GNI’) is bestudeerd. Beide spreidingsplots laten qua spreiding van de punten geen gebruikelijke lineaire relatie zien. Echter is er tegelijkertijd geen andere (betere) relatie tussen deze variabelen, waardoor SPSS toch heeft gekozen voor het weergeven van een lineaire lijn. Dit betekent dat de variabele ontwikkelingshulp als % van ‘GNI’ zonder problemen opgenomen kan worden in de lineaire regressie (De Vos, 2019). Er is geen verschil tussen jongens en meisjes zichtbaar: voor beide geslachten is een negatieve relatie tussen ontwikkelingshulp (als % van ‘GNI’) en onderwijsdeelname te zien. Hetzelfde geldt voor de andere variabele van ontwikkelingshulp, die naar de concreet ontvangen bedragen in dollars heeft gekeken. Ook bij deze variabele is een negatieve relatie met onderwijsdeelname te zien, wat betekent dat het ontvangen van ontwikkelingshulp de onderwijsdeelname van jongens en meisjes aan het primair onderwijs negatief heeft beïnvloed.
Spreidingsplots 3 & 4: ‘Rule of law’ & het aandeel onderwijsdeelname van jongens (links) en meisjes (rechts) uit de leeftijdscategorie van primair onderwijs (in %)
‘Rule of law’ heeft daarentegen een positief effect op onderwijsdeelname op primair niveau. Weer is geen groot verschil tussen jongens en meisjes te zien. Hieruit wordt duidelijk dat de naleving van wet- en regelgeving en het effectief functioneren van politie en rechtbanken in ontwikkelingslanden bij beide geslachten een positief effect op onderwijsdeelname heeft gehad. Dezelfde positieve relatie is ook te zien bij ‘government effectiveness’. Deze resultaten komen overeen met de visie van Heidhues en Obare (2011), die hebben uitgelegd dat het principe ‘good governance’ fundamenteel is bij de sociaal(economische) ontwikkeling van een land. Immers als sprake is van ‘good governance’, betekent dit dat de overheid meer toezicht houdt op de naleving van onderwijsdeelname, bijvoorbeeld door onderwijsinspecties.
Spreidingsplots 5 & 6: Aandeel zetels bekleed door vrouwen in nationale parlementen (in %) & het aandeel onderwijsdeelname van jongens (links) en meisjes (rechts) uit de leeftijdscategorie van primair onderwijs (in %)
Het aandeel zetels in nationale parlementen bekleed door vrouwen heeft een relatief klein effect op onderwijsdeelname op primair niveau. Bij de jongens is de lijn uit spreidingsplot 5 bijna horizontaal weergegeven, wat betekent dat er nauwelijks een relatie met de onderwijsdeelname van jongens is. Voor meisjes is er sprake van een positievere (licht stijgende) relatie: dit houdt in dat het aandeel parlementaire zetels in ontwikkelingslanden dat wordt bekleed door vrouwen een positievere invloed uitoefent op de onderwijsdeelname van meisjes op primair niveau. Deze uitkomst komt overeen met de studie van Montinola en Prince (2018), waarin wordt vermeld dat vrouwen in overheidsfuncties voorrang geven aan thema’s als onderwijs, milieu en andere maatschappelijke kwesties. De auteurs vermelden dat middels de aanwezigheid van vrouwen in de politiek de ‘Sustainable Development Goals’ effectiever bereikt kunnen worden, bijvoorbeeld door aandacht te besteden aan gelijkheid in het onderwijs.
4.2.2. Spreidingsplots secundair onderwijsniveau
Spreidingsplots 7 & 8: Ontvangen ontwikkelingshulp als % van ‘GNI’ & aandeel onderwijsdeelname van jongens (links) en meisjes (rechts) uit de leeftijdscategorie van secundair onderwijs (in %)
Net als op het primair niveau is ook op het secundair onderwijsniveau een negatieve relatie tussen ontwikkelingshulp en onderwijsdeelname te zien. Dit geldt voor zowel jongens als meisjes. Dit betekent dat het ontvangen van ontwikkelingshulp tot een kleinere onderwijsdeelname leidt. Ten opzichte van het primair niveau (spreidingsplots 1 en 2) zijn de punten verder uit elkaar verwijderd in de spreidingsplots 7 en 8. Dit komt doordat het aandeel jongens en meisjes in ontwikkelingslanden dat deelneemt aan het secundair onderwijs meer variatie laat zien. De metingen liggen verder van elkaar af, zoals ook in de beschrijvende kenmerken op pagina 18 is beschreven. Het feit dat de onderwijsdeelname op secundair niveau varieert tussen zo’n 4% en ruim 90% resulteert in een langere verticale puntenstapeling in spreidingsplots 7 en 8.
In geen enkele spreidingsplot is een verschil tussen jongens en meisjes aangetroffen: de financiële factoren, de politieke factoren en de variabelen in nationaal welzijn hebben allemaal dezelfde richting van het verband laten zien. Zo hebben ‘government effectiveness’ en ‘GDP per capita’ een duidelijk positief effect op onderwijsdeelname en heeft de variabele ‘overheidsuitgaven aan het onderwijs’ een licht positief effect. Ook wanneer naar de verschillen tussen het primair en secundair niveau wordt gekeken, verandert de richting van het verband nauwelijks. Er is hierop één uitzondering: deze variabele wordt hieronder gepresenteerd.
Spreidingsplots 9 & 10: Aandeel zetels bekleed door vrouwen in nationale parlementen (in %) & het aandeel onderwijsdeelname van jongens (links) en meisjes (rechts) uit de leeftijdscategorie van secundair onderwijs (in %)
Het licht positieve verband tussen het aandeel parlementaire zetels bekleed door vrouwen en onderwijsdeelname van meisjes heeft zich op het secundair niveau omgezet naar een stabiele en/of dalende relatie. Het is opvallend dat bij jongens de onderwijsdeelname nog negatiever is geworden, terwijl het op primair niveau (spreidingsplot 5) licht positief was. De bevindingen van Montinola en Prince (2018) dat de betrokkenheid van vrouwelijke politici een positieve invloed op onderwijsgelijkheid heeft, gaat op secundair niveau dus niet op. De positieve uitkomsten voor meisjes zijn niet meer te zien; bij jongens is zelfs een licht negatief verband tussen het aandeel zetels bekleed door vrouwen en onderwijsdeelname geconstateerd.
Spreidingsplots 11 & 12: ‘Human Development Index’ & het aandeel onderwijsdeelname van jongens (links) en meisjes (rechts) uit de leeftijdscategorie van secundair onderwijs (in %)
