Ondersteunende sociale netwerken : een onderzoek naar de ondersteuningskracht van de sociale netwerken van MBO scholieren

(1)

Ondersteunende sociale netwerken

Een onderzoek naar de ondersteuningskracht van de sociale netwerken van MBO scholieren

Giacomo de Voogd 11093862

giacomodevoogd@gmail.com Sociologie

eerste begeleider: J. Bruggeman tweede begeleider: J. De Deken

(2)

1 1. Inleiding

1.1 introductie

Het is niet wie je bent, maar wie je kent. In deze bekende zin schuilt een kern van waarheid: een sterk sociaal netwerk kan erg handig zijn. In recente berichtgeving wordt vermeld dat MBO scholieren over een minder sterk sociaal netwerk beschikken dan wenselijk is. Sterker nog, hun sociale netwerk kan hen in de weg staan bij het bevorderen van hun schoolcarrière (Baay & De Haan, 2016). Dat wordt veroorzaakt door de afwezigheid van ondersteunende sociale contacten, die dan plaats vrijmaken voor contacten die hun schoolsituatie ondermijnen. Omdat de overheid de laatste jaren in meerdere domeinen — zoals de zorg en het onderwijs — burgerparticipatie stimuleert, moeten Nederlanders zelfstandiger worden en meer gebruik maken van hun sociale netwerken. Voormalig minister Bussemaker noemde sterkere sociale netwerken dan ook een speerpunt voor gelijke kansen in het onderwijs (Rijksoverheid, 2016). Deze vorm van beleid dringt ook door tot binnen de opleidingsinstituten waardoor het van belang wordt om meer aandacht te schenken aan de problematische kanten van het gebruikmaken van sociale netwerken: studenten die weinig steun uit hun sociale netwerk krijgen staan er letterlijk alleen voor.

Het doel van deze bachelorscriptie is om aan de hand van empirische data bij te dragen aan bestaand onderzoek over de ondersteuningskracht van de sociale netwerken van MBO scholieren. Er wordt namelijk al decennialang sociaalwetenschappelijk onderzoek naar sociale netwerken op scholen gedaan. In Nederland is er veel onderzoek naar gedaan, ook bij MBO scholieren. Baay en De Haan ondervonden bijvoorbeeld dat een sterk sociaal netwerk MBO scholieren aan een betere baan zou kunnen helpen maar dat MBO scholieren kwetsbaar zijn door een tekort aan sociale hulpbronnen en dat dit samen kan gaan met de aanwezigheid van ondermijnende contacten zoals bijvoorbeeld criminelen (2015). Uit onderzoek van de Haan, Baay en Yerkes blijkt hiernaast dat een kwetsbare groep MBO scholieren inderdaad meer negatieve contacten schijnt te hebben (2015). Negatieve contacten belemmeren het bereiken van doelen, bijvoorbeeld door de sociale mobiliteit van een scholier te verlagen. Negatieve contacten kunnen delinquente vrienden zijn die een scholier van school houden of familieleden die een scholier emotioneel negatief beïnvloeden. Van Esch, Petit, Neuvel en Karsten tonen aan dat er MBO scholieren zijn die geen contacten in de familie-, vrienden- en kennissenkring hebben die hen kunnen ondersteunen bij hun problemen. Dat komt bijvoorbeeld doordat ouders betrokkenheid moeilijk of onmogelijk vinden door een verscheidenheid aan redenen (2011). Ten slotte merken Petit, Kuijvenhoven, Van Esch en

(3)

2 Karsten op dat MBO scholieren zich vaak weinig bewust zijn van het belang van sociale contacten (2011).

Deze overwegingen leiden tot de volgende onderzoeksvraag: in hoeverre is het sociale netwerk van MBO scholieren in staat hen te ondersteunen bij het verbeteren van hun sociaaleconomische status? Het doel is om de ondersteuningskracht van de sociale netwerken van MBO scholieren in kaart te brengen. Dat wordt gedaan aan de hand van een vragenlijst die in staat is om de ondersteuningskracht van een netwerk te meten. De ondersteuningskracht van het sociale netwerk van MBO scholieren wordt in dit onderzoek vergeleken met die van het netwerk van universitaire studenten.

De sociologische relevantie voor dit onderzoek is gelegen in het feit dat ongelijkheid in de verdeling van sociale hulpbronnen ten grondslag ligt aan verkeerd beleid dat beroep doet op de sociale netwerken van scholieren. Niet elk individu kan rekenen op dezelfde mate van steun vanuit de sociale omgeving, met name kwetsbare groepen waaronder laagopgeleiden (Tubergen & Völker, 2015). Het CBS wijst erop dat de arbeidsmarktpositie van laagopgeleiden kwetsbaar is (2015) en het SCP toont aan dat laagopgeleiden steeds meer contact verliezen met hoger opgeleiden in de samenleving (2014). De negatieve bronnen die MBO scholieren in hun netwerk hebben kunnen dus bijdragen aan een groeiende sociale ongelijkheid in het onderwijs, de arbeidsmarkt en de samenleving. In voorafgaand onderzoek kwamen er al aanbevelingen naar voren ten opzichte van het in kaart brengen van sociale netwerken van MBO scholieren, het omgaan met sociale netwerken en het inzien van het belang van sociale netwerken. De empirische gegevens uit dit onderzoek kunnen daaraan bijdragen.

In het vervolg van deze scriptie zullen drie begrippen — sociale netwerken, sociaal kapitaal en de social resources theorie — die het theoretisch kader vormen kort worden toegelicht. Er zal ook kort worden besproken hoe sociale ongelijkheid in stand wordt gehouden door de verschillen in ondersteuningskracht van netwerken tussen verschillende sociale groepen. Hierna zal de methodologie van dit onderzoek worden beschreven en ten slotte volgen de resultaten en de analyse hiervan. In de discussie staan de voornaamste bevindingen, hoe deze zich verhouden tot voorafgaand onderzoek en hoe deze geplaatst kunnen worden in het bredere theoretisch kader.

1.2 Sociale netwerken

Een sociaal netwerk kan worden gezien als het geheel aan sociale relaties dat wordt waargenomen bij (een groep) individuen. Er schuilt veel interessante informatie achter een

(4)

3 sociaal netwerk. Door een sociaal netwerk in kaart te brengen komen de aard, extensie en andere eigenschappen van de relaties aan het licht. Het wordt bijvoorbeeld duidelijk welke individuen sociale relaties met elkaar aangaan, welke niet of in mindere mate en of er sprake is van een machtshiërarchie. Een sociaal netwerk kan, afhankelijk van de omvang, lastig te doorgronden zijn en vereist dan een systematische analyse. Dit is de kern van netwerkanalyse, een belangrijke onderzoeksmethode binnen bepaalde wetenschappen zoals de communicatiewetenschappen, economie en sociologie. Netwerken worden op verschillende niveaus onderzocht, van gemeenschappen op macroniveau tot individuen op het microniveau. Voor dit onderzoek zullen sociale netwerken vanuit het microniveau behandeld worden. Als de focus namelijk verschuift van sociale groepen naar individuen zien we dat losstaande individuen ook kunnen profiteren van de sociale relaties met anderen (Bruggeman, 2008). Deze benadering is van toepassing op dit onderzoek. De mate waarin MBO scholieren wel of niet profiteren van hun sociale netwerken vormt hier namelijk het kernonderwerp, waarbij de focus op een specifiek kenmerk van het netwerk ligt: ondersteuningskracht. Door deze benadering van sociale netwerken komen twee andere verwante concepten naar voren die belangrijk zijn voor dit onderzoek: sociaal kapitaal en de social resources theorie.

1.3 Sociaal kapitaal

Sociaal kapitaal kan worden gezien als het geheel aan hulpbronnen waar iemand mogelijk toegang tot kan krijgen door middel van diens sociale netwerk. Deze definitie, die afkomstig is van de socioloog Pierre Bourdieu (1986), legt de nadruk op de individuele voordelen die uit een sociaal netwerk zijn te halen, zoals ondersteuning bij een opleiding of arbeidsmarktsucces. Men kan sociaal kapitaal daardoor zien als een middel om doeleinden mee te behalen. De begrippen sociaal netwerk en sociaal kapitaal zijn aan elkaar gerelateerd in de zin dat sociaal kapitaal toegankelijk is dankzij een sociaal netwerk. Als we door dit onderzoek iets weten over het sociale netwerk van MBO scholieren weten we ook iets over hun sociaal kapitaal: een student met een sterk en ondersteunend sociaal netwerk beschikt waarschijnlijk daardoor ook over meer sociaal kapitaal dan een student met een zwak sociaal netwerk. Laagopgeleiden hebben minder toegang tot sociaal kapitaal (Lin & Ao, 2008; Tubergen & Völker, 2015) en ongelijkheid in sociaal kapitaal veroorzaakt ongelijkheid in sociaaleconomische status (Lin, 2000). Om deze sociale ongelijkheid terug te dringen zou hier meer aandacht aan besteed moeten worden, des te meer omdat MBO scholieren vaak over een sociaal netwerk beschikken die hen eerder tegenhoudt dan dat het hen ondersteunt.

(5)

4

1.4 De social resources theorie

Sociaaleconomische statusverwerving is het proces waarin een individu middelen investeert voor een hoger rendement in sociaaleconomische status, zoals een opleiding. De centrale stelling van deze theorie is dat sociaal kapitaal een positieve invloed kan hebben op het verkrijgen van een betere sociaaleconomische status. Dit is mogelijk dankzij de transacties van materiele of symbolische middelen. Deze middelen, de social resources, kunnen van alles zijn: aandacht, voedsel, tijd, informatie, geld of vriendschap. De social resources zijn geen persoonlijke bezittingen of eigenschappen van een individu maar zijn ingebed in diens sociaal netwerk en sociale relaties. In het bijzonder staat centraal hoe mensen hun social resources inschakelen om doeleinden te behalen. Lin (1999) onderzocht hoe social resources werden ingeschakeld bij het verwerven van sociaaleconomische status. Uit het onderzoek bleek dat

social resources, als een vorm van sociaal kapitaal, positief bijdragen aan het

sociaaleconomische statusverwervingsproces. De relatie tussen de social resources theorie en sociaaleconomische status is belangrijk voor dit onderzoek, zoals beschreven wordt in de methodologiesectie.

1.5 Sociale ongelijkheid

De gedachte die in het onderwijsbeleid heerst dat sociale netwerken ongelijke kansen in het onderwijs zouden kunnen terugdringen is gebouwd op de foutieve aanname dat sociale groepen gelijk zijn. Doordat uit eerder onderzoek is gebleken dat MBO scholieren vaak ondermijnende sociale netwerken hebben is het aannemelijk om te verwachten dat zij niet op de ondersteuning kunnen rekenen die zij nodig hebben. Groepen met ondersteunende sociale netwerken staan daarentegen meer kans om met succes hun studie af te ronden. Dit kan zich later vertalen in sociaaleconomische verschillen tussen sociale groepen, zoals het SCP waarneemt tussen lager en hoger opgeleiden (2014). Uit dit onderzoek zal blijken of MBO scholieren minder ondersteuning kunnen verwachten van hun sociale netwerk dan universitaire studenten. Mocht dat zo blijken te zijn dan wordt het belangrijk om te beseffen dat deze sociale kloof al op jonge leeftijd bestaat. Het zou ook betekenen dat sociale netwerken niet vanzelfsprekend voor gelijke kansen in het onderwijs zouden kunnen zorgen. Integendeel, als blijkt dat de ondersteuning van het netwerk per sociale groep verschilt zou dat juist voor een toename in ongelijke kansen kunnen zorgen op vroege leeftijd en wellicht sociaaleconomische ongelijkheid op latere leeftijd. Hierbij is het wel belangrijk om te onthouden dat het sociale netwerk niet de enige factor is die sociaaleconomische status kan beïnvloeden. Persoonlijke talenten of zelfs toeval kunnen iemands sociaaleconomische status

(6)

5 bepalen. Met de drie besproken theoretische concepten — sociale netwerken, sociaal kapitaal en de social resources theorie — en het begrip van sociale ongelijkheid zal met dit onderzoek de volgende hypothese worden getoetst: het sociale netwerk is minder in staat ondersteuning te bieden bij het verbeteren van sociaaleconomische status bij MBO scholieren dan bij universitaire studenten.

2. Methodologie

2.1 Introductie

Voor dit onderzoek heeft de probleemstelling de methoden en strategieën bepaald. Volgens de stappen van de empirische cyclus bij kwantitatief onderzoek zijn de onderzoeksvraag en de hypothese geformuleerd op basis van theoretische inzichten en wetenschappelijk onderzoek over het onderwerp, in dit geval de (afwezige) ondersteuningskracht binnen de (problematische) sociale netwerken van MBO scholieren. Het is een kwantitatief onderzoek omdat er een score wordt berekend op ondersteuningskracht van het sociale netwerk van MBO scholieren. Dit is nodig om de onderzoeksvraag te beantwoorden. De hypothese vroeg om een cross-sectioneel onderzoeksdesign. Cross-sectioneel onderzoek kenmerkt zicht door data van verschillende casussen op één zelfde punt in tijd te verzamelen. Hiermee wordt variatie tussen de casussen weergegeven. De hypothese dat de score bij MBO scholieren lager is dan die van universitaire studenten kan hiermee getoetst worden. Er is voor dit onderzoek aandacht besteed aan de criteria waaraan cross-sectioneel onderzoek zou moeten voldoen (Bryman, 2015). Er is rekening gehouden met de repliceerbaarheid van het onderzoek door een onderzoeksgroep te kiezen die relatief makkelijk toegankelijk is en door nadruk te leggen op de transparantie van de methoden en de analyse van de data. Het zo efficiënt mogelijk maken van het meetinstrument, de vragenlijst, wil bijdragen aan de betrouwbaarheid en de meetvaliditeit. Ten slotte is er geprobeerd om de externe validiteit robuust te maken door de omvang van de steekproef.

2.2 Sociaaleconomische status als meetlat

Dit bachelor onderzoek wil de ondersteuningskracht van het sociale netwerk van MBO scholieren in kaart brengen. Ondersteuning wordt gebruikt in een aantal levensdomeinen, zoals werk, emotionele ondersteuning of praktische kwesties. Daarom wil dit onderzoek een zo algemeen mogelijke ondersteuningskracht van het netwerk meten, dat zich niet alleen focust op werk of opleiding als levensdomein, maar op juist zo veel mogelijk levensdomeinen. Daarom is er gekozen om te meten in hoeverre het sociale netwerk van de

(7)

6 respondenten hen kan helpen bij het verbeteren van hun sociaaleconomische status. Ten eerste, zoals later zal blijken uit de operationalisering van het begrip, bestaat sociaaleconomische status uit aspecten van de belangrijkste levensdomeinen waarbij een individu ondersteuning zou kunnen gebruiken. Ten tweede sluit dit goed aan bij de social

resources theorie, die kijkt naar hoe individuen bij sociaaleconomische statusverwerving

middelen inzetten die ingebed zijn in hun sociale netwerk. De ondersteuningskracht van het netwerk bij sociaaleconomische status weerspiegelt op deze manier een meer algemene vorm van ondersteuningskracht.

2.3 Onderzoeksgroep

Zoals gezegd worden bij dit cross-sectioneel onderzoek twee casussen vergeleken. Voor dit onderzoek worden de casussen gevormd door een cohort MBO scholieren (N=54), bestaande uit drie MBO klassen, en een cohort universitaire studenten (N=46) bestaande uit drie universitaire werkgroepen. Beide cohorten volgen een opleiding uit het rechtentraject. De totale onderzoeksgroep bestaat met een gemiddelde leeftijd van 19 jaar uit mannelijke en vrouwelijke volwassenen. Doordat zij uit eigen keuze een opleiding volgen zetten zij zich in voor het bereiken van een bepaalde sociaaleconomische positie, waardoor vragen over hun sociaaleconomische status bij de respondenten van toepassing is. Dit is wellicht niet het geval bij jongere leerlingen die nog onder de leerplicht vallen. Bij het vergelijken van de twee groepen wordt hiermee gecontroleerd op leeftijd en opleidingstraject. Zij zitten in dezelfde leeftijdsgroep en volgen dezelfde soort opleiding, waardoor eventuele variatie in de scores op de vragenlijsten daardoor niet toe te wijzen zijn aan deze twee factoren.

2.4 Operationalisering van begrippen

Om een begrip als ondersteuningskracht bij sociaaleconomische status te meten moet het begrip sociaaleconomische status geoperationaliseerd worden. Operationaliseren betekent het concreet maken van abstracte begrippen (Baarda, de Goede & Kalmijn, 2015). Hiermee wordt het meetbaar, in het geval van dit onderzoek aan de hand van een vragenlijst. Eerst zal sociaaleconomische status geoperationaliseerd worden door het onder te delen in drie dimensies. Deze drie dimensies worden op hun beurt ook geoperationaliseerd door indicatoren te vinden die de dimensies meetbaar maken. De indicatoren worden gebruikt bij het opmaken van de vragen van de vragenlijst. Baarda, de Goede en Kalmijn noemen deze techniek in hun richtlijnen voor het opstellen van een vragenlijst meerdimensionele operationalisering (2015). In tabel 1 wordt weergegeven hoe deze operationalisering in zijn

(8)

7 werk gaat. De operationalisering van sociaaleconomische status is voor dit onderzoek theoriegestuurd. Bestaande theorieën over sociaaleconomische status speelt dus een rol in het bepalen van de dimensies en indicatoren die het begrip zullen meten.

In de literatuur wordt sociaaleconomische status vaak opgesplitst in dimensies zoals inkomen, beroepsstatus en opleiding. In de literatuur over sociaaleconomische status gebruiken de auteurs onderling verschillende dimensies en indicatoren. Om een definitie te gebruiken die van toepassing is op scholieren en studenten is gekozen voor de definitie van Oakes en Rossi (2003). Zij definiëren sociaaleconomische status als een functie van materieel

kapitaal, sociaal kapitaal, en menselijk kapitaal: SES = (Materieel kapitaal, Sociaal kapitaal, Menselijk kapitaal). Omdat het begrip is opgedeeld in drie dimensies wordt het minder abstract en beter meetbaar. Door te vragen naar de ondersteuningskracht voor elk afzonderlijke dimensie is het mogelijk om daarmee iets te kunnen zeggen over ondersteuningskracht bij sociaaleconomische status. Hierbij moet rekening worden gehouden met het feit dat ondersteuningskracht bij de ene dimensie niet altijd evenveel hoeft voor te komen als bij een andere. Omdat deze drie vormen van kapitaal nog steeds relatief abstract zijn worden zij ook geoperationaliseerd. De indicatoren die de eigenschappen van de vormen van kapitaal aangeven worden dan omgezet naar vragen, zoals weergegeven in tabel 1.

Tabel 1. Onderbouwing van de opstelling van de vragenlijst

Begrip Dimensies Indicatoren Vragen

SES* Materieel kapitaal Financiële bezittingen Schulden Inkomen Uitgaven 1 2 3 4 Sociaal kapitaal Toegang tot informatie

Toegang tot emotionele ondersteuning Toegang tot vriendschappen /sociale relaties

Toegang tot instrumentele / praktische ondersteuning

5 6 7 8 Menselijk kapitaal Talent

Opleiding Ervaring Vaardigheden Attitudes Creativiteit Leiderschap 9 10 11 12 13 14 15 * SES = sociaaleconomische status; complete vragenlijst in appendix

(9)

8

2.4.1 Indicatoren materieel kapitaal

Materieel kapitaal bestaat uit materieel vermogen, economisch vermogen en alles wat daarin omgezet kan worden (Oakes & Rossi, 2003). In combinatie met de definities van vermogen van het CBS worden hiermee de indicatoren voor materieel kapitaal aangemaakt. Het CBS beschouwt vermogen als het saldo van bezittingen en schulden (2018). De vormen van vermogen gebruikt door het CBS en die van toepassing zijn op de respondenten zijn

financiële bezittingen en schulden. Hiernaast zal er aan de hand van het artikel van Oakes en

Rossi gevraagd worden naar inkomen en uitgaven. Een totaal van vier indicatoren wordt dus voor materieel kapitaal aangemaakt. Deze vier indicatoren worden omgezet naar vier vragen op de vragenlijst (1 t/m 4).

2.4.2 Indicatoren sociaal kapitaal

Sociaal kapitaal kan worden gezien als het geheel aan hulpbronnen ingebed in het sociale netwerk van een individu. (Lin 1999). Van der Gaag en Snijders schrijven een artikel waarin zij voorstellen om sociaal kapitaal meetbaar te maken (2004). Zij vinden vier domeinen waarvoor sociaal kapitaal ingezet wordt: informatie, emotionele ondersteuning, vriendschap / sociale relaties en praktische hulp. De indicatoren voor sociaal kapitaal worden voor de vragenlijst gevormd door toegang tot hulp in deze domeinen. Sociaal kapitaal wordt daardoor gezien als toegang tot informatie, emotionele ondersteuning, vriendschap / sociale relaties en praktische hulp. Deze vier indicatoren worden omgezet naar vier vragen (5 t/m 8).

2.4.3 Indicatoren menselijk kapitaal

De OESO definieert menselijk kapitaal als ‘kennis, vaardigheden en bekwaamheden belichaamd in individuen, die relevant zijn voor economische activiteit en die gevormd worden door onderwijs en training’ (Rensman, 2011). Vidotto, Ferenhof, Selig en Bastos hebben aan de hand van een literatuuronderzoek een overzicht gemaakt van de componenten die gebruikt worden om menselijk kapitaal te meten: talent; opleiding; ervaring; vaardigheden; attitudes; creativiteit; leiderschap (2017). Deze componenten zullen bij dit onderzoek gebruikt worden als indicatoren voor menselijk kapitaal. Hiermee worden de laatste vragen van de vragenlijst aangemaakt (9 t/m 15).

(10)

9

2.5 Uitvoering vragenlijst en data invoering

De cohorten zijn bij de betreffende opleidingsinstituten benaderd. De twee cohorten hebben de vragenlijst ter plekke op papier ingevuld. Bij de MBO scholieren zijn de vragenlijsten uitgedeeld aan drie verschillende klassen. Op de universiteit zijn drie werkgroepen benaderd voor de dataverzameling. Om zo veel mogelijk respons te genereren is rekening gehouden met de aard van de onderzoeksgroep. Omdat de onderzoekspopulatie uit scholieren en studenten bestaat is de formulering van de vragen daarop aangepast. Er werd de studenten verteld dat het een korte, anonieme vragenlijst betrof. De vragen zijn zo kort, helder en begrijpelijk mogelijk gemaakt. Ook het klassikaal laten invullen van uitgeprinte versies, in plaats van te wachten op reacties aan de hand van een internetsurvey, heeft mogelijk bijgedragen aan de hoge respons.

De data is na de verzameling ingevoerd in het statistische programma SPSS om de berekeningen voor het beantwoorden van de onderzoeksvraag en het toetsen van de hypothese uit te voeren. De vragenlijst is zodanig ontworpen dat een respondent kan kiezen of er niemand, één persoon of ten minste twee personen in hun netwerk zijn die hem of haar kan helpen bij het onderwerp van de vraag. Het meetniveau van het antwoordmodel is daarom een ratio meetniveau, met een natuurlijk nulpunt. In tabel 2 staat afgebeeld hoe voor elk antwoord er een respectievelijke score te behalen is. Deze resultaten vormen de dataset die in de volgende sectie geanalyseerd en besproken zal worden.

Tabel 2. Voorbeeld van de omzet van antwoorden naar scores

Voorbeeld vraag Voorbeeld ingevuld antwoordmodel Toegekende score Er is iemand in mijn sociale netwerk

die mij zou kunnen helpen met mijn inkomen.

 Niemand o Eén iemand

o Minstens twee personen

0

Er is iemand in mijn sociale netwerk die mij zou kunnen helpen met praktische kwesties.

o Niemand  Eén iemand

o Minstens twee personen

1

Er is iemand in mijn sociale netwerk die mij zou kunnen helpen met het ontwikkelen van mijn houding tegenover opleiding en werk.

o Niemand o Eén iemand

 Minstens twee personen

(11)

10 3. Resultaten en analyse

Figuur 1. Verdelingen van de scores voor MBO scholieren en universitaire studenten

MBO Universiteit

3.1 Gemiddelde totale scores

In het eerste deel van de data-analyse wordt de gemiddelde score op ondersteuningskracht van het netwerk van de respondenten op de hele vragenlijst berekend. Er worden drie gemiddelde scores berekend: die van de totale onderzoeksgroep, die van alleen de MBO scholieren en die van alleen universitaire studenten. De gemiddelde score is die van de potentiële ondersteuningskracht bij het verbeteren van de sociaaleconomische status van de respondenten die hun sociale netwerk scoort. Als een netwerk 0 scoort kan de respondent dus geen ondersteuning verwachten. Anderzijds zal een respondent een sterk en ondersteunend netwerk hebben bij 30 punten, de maximale score. In figuur 1 zijn de verdelingen van de scores voor de MBO scholieren en de universitaire studenten weergegeven. Opmerkelijk is dat in beide cohorten een groot aantal respondenten het maximale aantal punten toekent aan zijn of haar sociale netwerk op ondersteuningskracht. Een dergelijke verdeling lijkt op het omgekeerde van de power law verdeling, een concept waarmee binnen de netwerktheorie in dit geval zou worden verwacht dat een klein aantal respondenten veel ondersteunende contacten zouden hebben terwijl een grote minderheid respondenten over een klein aantal ondersteunende contacten zou beschikken. De data laat echter het omgekeerde zien: een groot aantal respondenten geeft aan veel ondersteunende contacten te hebben terwijl een kleine minderheid minder ondersteunende contacten schijnt te hebben. Een aantal mogelijke verklaringen hiervoor wordt gegeven in de discussie.

(12)

11 interpretatie van de gemiddelde score. Maar met een score boven de 18 zou men al kunnen spreken van een relatief sterk netwerk als de volgende meetschaal wordt gebruikt: 1 t/m 6 =

zeer zwak; 7 t/m 12 = zwak; 13 t/m 18 = niet zwak, niet sterk; 19 t/m 24 = sterk; 25 t/m 30 = zeer sterk. Deze meetschaal is ontworpen voor dit onderzoek waardoor de voorspellende

waarde nog niet gegarandeerd kan worden, wat eventueel mogelijk wordt door het te evalueren bij vervolgonderzoek. Tabel 3 weergeeft de resultaten van dit eerste deel van de analyse. Bij de totale onderzoeksgroep scoren de netwerken een gemiddelde van 23,90 op ondersteuningskracht. Het netwerk van alleen MBO scholieren scoort 21,59 en die van universitaire studenten iets hoger met 26,61. Deze resultaten ondersteunen de hypothese dat het sociale netwerk minder in staat is om ondersteuning te bieden bij het versterken van sociaaleconomische status bij MBO scholieren dan bij universitaire studenten. Het netwerk van de MBO scholieren is met een score van 21,59 alsnog sterk. De onderzoeksvraag kan daarmee beantwoord worden. Rekening houdend met het feit dat de meetschaal van ondersteuningskracht kan verschillen op basis van interpretatie blijkt uit de analyse van deze data dat het netwerk van MBO scholieren relatief goed in staat is hen te helpen bij het verbeteren van hun sociaaleconomische status. Bij het vergelijken van de scores tussen de twee cohorten is er ten minste één interessante bevinding. De universitaire studenten hebben volgens de meetschaal een zeer sterk ondersteunend sociaal netwerk. Het feit dat de score van het netwerk van deze cohort in een hogere categorie ligt volgens de meetschaal is wellicht belangrijk empirisch bewijsmateriaal, des te meer ter ondersteuning van de hypothese. Het percentage respondenten dat aangeeft een zeer sterk netwerk te hebben is bij MBO scholieren 46,3% en bij universitaire studenten 78,3%. Ook opmerkelijk is dat het percentage MBO scholieren met een netwerk uit de niet zwak, niet sterk categorie 27,8% is terwijl dat voor de universitaire studenten slechts 6,5% is.

In tabel 3 staat een overzicht van de minimum scores, maximale scores, gemiddelde scores en standaardafwijkingen van de respondenten, onderverdeeld per totale onderzoeksgroep, MBO cohort en universiteitscohort. Daaronder staat dezelfde informatie weergegeven in de vorm van een grafiek. Zoals te zien in tabel 3 is de minimumscore waargenomen bij universitaire studenten met 13 punten hoger dan die bij MBO scholieren, waar het netwerk van een respondent 0 punten scoort. Als dit als een deviant geval wordt beschouwd en dus niet in de statistische berekeningen wordt meegenomen zien we de volgende veranderingen: voor de totale onderzoeksgroep stijgt het gemiddelde naar 24,14 en daalt de standaardafwijking naar 6,568. Bij de MBO cohort stijgt het gemiddelde naar 22 en daalt de standaardafwijking naar 7,388. Hier is de waargenomen minimum score ook niet

(13)

12 langer 0 maar 4, waardoor bij de MBO scholieren geen netwerk uit de zeer zwak categorie meer is. Bij de universitaire cohort zijn de resultaten uiteraard onveranderd gebleven. Er is ook naar andere deviante gevallen gezocht: respondenten die een score lager dan of gelijk aan 5 gaven aan hun netwerk. Er is dan één andere deviant geval te vinden naast het deviante geval met 0 punten. Dit is een MBO scholier die 4 punten geeft aan het netwerk.

Tabel 3. Gemiddelde scores en standaardafwijking

N Minimum Maximum Mean Std. Deviation

Totaal 100 0 30 23,90 6,967

MBO 54 0 30 21,59 7,906

Universiteit 46 13 30 26,61 4,389

Figuur 2. Gemiddelde scores en standaardafwijking

Ten slotte worden in tabel 4 de frequenties weergegeven. Hier is te zien met welke frequenties de netwerken van de totale onderzoeksgroep en de cohorten scoren op basis van de gehanteerde meetniveaus (van zeer zwak tot zeer sterk). Opvallend hierbij is dat MBO scholieren de enige zijn met netwerken die zeer zwak of zwak scoren. Ook ligt het aantal netwerken dat niet zwak, niet sterk scoort vijf keer hoger dan bij universitaire studenten. Deze laatste hebben voornamelijk netwerken die zeer sterk scoren, terwijl bij de MBO scholieren er meer spreiding is waar te nemen.

Tabel 4. Frequenties

zeer zwak zwak Niet zwak, niet sterk

sterk zeer sterk N

Totaal 2 4 18 15 61 100 MBO 2 4 15 8 25 54 Universiteit - - 3 7 36 46 0 5 10 15 20 25 30

Totaal MBO Universiteit

Gemiddelde ȳ Standaardafwijking S

(14)

13

3.2 Gemiddelde scores per dimensie

In het tweede deel van de analyse worden de scores voor de drie afzonderlijke dimensies berekend. Er wordt dus berekend hoe de sociale netwerken van de respondenten scoren op ondersteuningskracht bij materieel, sociaal en menselijk kapitaal. Het is belangrijk om deze berekeningen ook uit te voeren omdat de eerdere resultaten zo een nuance krijgen. Een netwerk kan wellicht veel ondersteuning bieden bij materieel kapitaal en minder bij menselijk kapitaal. Dergelijke bevindingen zouden van belang zijn om mee te nemen in de discussie. Ten eerste worden de gemiddelde scores per dimensie weergegeven voor de hele onderzoeksgroep. Daarna volgt een weergave van de resultaten voor alleen MBO scholieren en ten slotte voor alleen universitaire studenten.

3.2.1 MBO scholieren en universitaire studenten

Op ondersteuning bij materieel kapitaal scoort het netwerk van de gehele onderzoeksgroep gemiddeld 6,44 bij een totaal behaalbare score van 8 punten en op ondersteuning bij sociaal kapitaal gemiddeld 6,79. Op ondersteuning bij menselijk kapitaal scoort het netwerk gemiddeld 10,62 met een maximale te behalen score van 14 punten, waarmee in verhouding de scores redelijk in evenwicht zijn. Dat wil zeggen dat er niet een specifieke dimensie is waarbij het sociale netwerk van de respondenten hen meer of minder kan helpen in vergelijking met andere dimensies: voor alle dimensies kunnen zij ongeveer even veel ondersteuning verwachten. Deze resultaten worden weergegeven in tabel 5.

Tabel 5. Gemiddelde scores en standaardafwijkingen per dimensie voor de totale onderzoeksgroep

Totaal N = 100

Mean Std. Deviation Minimum Maximum

Materieel kapitaal 6,44 2,133 0 8

Sociaal kapitaal 6,79 1,774 0 8

Menselijk kapitaal 10,62 3,882 0 14

3.2.2 MBO scholieren

Het netwerk van MBO scholieren scoort bij een maximaal van 8 respectievelijk gemiddeld 5,80 en 6,11 punten op ondersteuning bij materieel kapitaal en sociaal kapitaal. Voor ondersteuning bij menselijk kapitaal scoort het netwerk gemiddeld 9,61 bij een maximaal van 14 punten. Ook hier verhouden de gemiddelden zich evenwichtig tot elkaar, net als bij de

(15)

14 resultaten van de gehele onderzoeksgroep. De gemiddelden zijn wel lager dan bij de gehele onderzoeksgroep. Het betekent dat MBO scholieren op minder ondersteuning kunnen rekenen in de drie dimensies dan alle studenten bij elkaar, dat geldt voor elke dimensie. Deze resultaten worden weergegeven in tabel 6. In figuur 3 is het mogelijk om de verdelingen van de scores te zien per dimensie.

Tabel 6. Gemiddelde scores en standaardafwijkingen per dimensie voor MBO scholieren Totaal

N = 54

Menselijk kapitaal 9,61 4,306 0 14

3.2.3 Universitaire studenten

Ten slotte worden de gemiddelde scores van de netwerken van de universitaire studenten berekend. De scores zijn hoger dan die van MBO scholieren en dan die van de gehele onderzoeksgroep. Met gemiddelden van 7,20 en 7,61 bij een maximaal van 8 punten liggen de gemiddelde scores op ondersteuning bij respectievelijk materieel en sociaal kapitaal dicht bij het maximum. Ook de gemiddelde score van het netwerk op ondersteuning bij menselijk kapitaal licht daarbij in verhouding net zoveel tegen het maximum aan. Hieraan wordt toegevoegd dat bij sociaal kapitaal het minimum aantal punten dat het netwerk van de universitaire respondenten hebben gescoord 6 is. Dat betekent dat de universitaire studenten in dit onderzoek gemiddeld genomen een sterk sociaal netwerk hebben wat betreft de ondersteuning die zij kunnen verwachten voor kwesties aangaande sociaal kapitaal. Deze resultaten worden weergegeven in tabel 7 en in figuur 3 staan de verdelingen van de scores onderverdeeld per dimensie.

Tabel 7. Gemiddelde scores en standaardafwijkingen per dimensie voor universitaire studenten

Totaal N = 46

(16)

15 Figuur 3. Verdelingen van scores voor MBO scholieren en universitaire studenten per dimensie MBO Universiteit Materieel kapitaal Sociaal kapitaal Menselijk kapitaal 4. Discussie en conclusie Discussie

In het eerste deel van de analyse worden de gemiddelde scores van de ondersteuningskracht van de sociale netwerken van de respondenten berekend op de hele vragenlijst. Hierbij wordt een meetschaal gehanteerd die de netwerken kunnen indelen in de categorieën zeer zwak;

(17)

16 score met 23,90 punten sterk. Bij de MBO scholieren daalt de score naar 21,59 maar blijft het alsnog sterk. Hiermee kan de onderzoeksvraag worden beantwoord. De onderzoeksvraag luidde: in hoeverre is het sociale netwerk van MBO scholieren in staat hen te ondersteunen bij het verbeteren van hun sociaaleconomische status? Aan de hand van de resultaten zou gezegd kunnen worden dat de sociale netwerken van de respondenten uit het MBO cohort relatief goed in staat is om hen te ondersteunen bij het verbeteren van hun sociaaleconomische status. De netwerken van de universitaire studenten scoren gemiddeld 26,61 en zijn daarbij te plaatsen in de categorie zeer sterk. De hypothese wordt hiermee bevestigd. De hypothese luidde: het sociale netwerk is minder in staat ondersteuning te bieden bij het verbeteren van sociaaleconomische status bij MBO scholieren dan bij universitaire studenten. Niet alleen scoren de netwerken bij de MBO scholieren gemiddeld lager dan die van de universitaire studenten maar ook zijn de gemiddelde scores door hun verschil in twee aparte categorieën te plaatsen. Naast het vergelijken van de gemiddelde scores is ook gekeken naar een nuancering van de scores. Doordat sociaaleconomische status is geoperationaliseerd in drie dimensies,

materieel, sociaal en menselijk kapitaal, is het mogelijk om te kijken hoe de totale score zich

verklaart aan de hand van de aparte dimensies. MBO scholieren kunnen van hun sociale netwerk ongeveer even veel ondersteuning verwachten bij kwesties aangaande sociaal kapitaal als bij kwesties aangaande materieel kapitaal en menselijk kapitaal. De verschillen zijn klein waardoor er een evenwichtige verhouding blijkt te zijn in de potentiële ondersteuning die zij kunnen verwachten per dimensie. Wat betreft het hoge aantal maximale scores dat waar te nemen is in beide cohorten is een aantal mogelijke verklaringen bedacht. Ten eerste kan niet zonder meer worden uitgesloten dat de respondenten daadwerkelijk over een zeer sterk ondersteunend sociaal netwerk beschikken. Ten tweede is het mogelijk dat zij de ondersteuningskracht van hun ouders overschatten en daardoor bij elke vraag hun ouders hebben opgegeven als sociale hulpbron. Wellicht worden de respondenten zich daarvan bewust als gevraagd wordt naar de hoeveelheid vragen waarbij zij hun ouders als sociale hulpbronnen hebben opgegeven. Hiermee kan overigens een kritische terugblik op de meting worden geworpen: wellicht zou de data er anders uitzien met meer antwoordcategorieën, bijvoorbeeld als de respondenten hadden kunnen opgeven dat zij niemand, één iemand, twee personen, drie personen of meer dan drie personen in het netwerk hebben als ondersteunende sociale contacten. Dit zou dan verschillende resultaten of zelfs een hele andere verdeling van de scores kunnen opleveren. Omdat het geheugen van mensen echter kan falen bij het onthouden van aantallen sociale contacten is hier niet voor gekozen. Een derde en laatste mogelijkheid voor het hoge aantal maximale scores zou kunnen zijn dat de respondenten de

(18)

17 vragenlijst niet serieus hebben genomen of liever niet wilden laten blijken dat zij over een zwak sociaal netwerk beschikken.

Gedurende de analyse van de data zijn er vijf punten binnen het onderzoek naar voren gekomen die bij eventuele herhaling van het onderzoek verbeterd kunnen worden. Ten eerste kan over de voorspellende waarde van de meetschaal van ondersteuningskracht nog niks worden gezegd en pas bij eventueel vervolgonderzoek zal blijken of het nauwkeurig heeft gemeten. Een tweede punt is dat gezondheid bepalend is voor sociaaleconomische status. Doordat het concept niet te plaatsen viel in één van de dimensies van Oakes en Rossi (2003) is er niet naar gevraagd, wat aan te raden is bij herhaling of vervolgonderzoek. Ten derde is het aan te raden om bij de onderzoeksgroep te controleren op sociaaleconomische status en etniciteit, dat zou belangrijke bevindingen kunnen opleveren. Ten vierde is het aan te raden om een aantal vragen over negatieve relaties te stellen, zodat duidelijk wordt of de ene sociale groep meer negatieve relaties heeft dan de andere. Ten slotte geven studenten aan hoeveel contacten zij kunnen inschakelen voor elke vorm van kapitaal. Of zij er wellicht minder of meer hebben dan zij weten is nog maar de vraag.

De bevindingen sluiten deels aan bij voorafgaand onderzoek naar de sociale netwerken van MBO scholieren. Daar waar in de bevindingen van voorafgaand onderzoek de netwerken van MBO scholieren problematische kanten van zich laten zien blijkt het sociale netwerk van de respondenten in dit onderzoek relatief beter in staat te zijn om hen te ondersteunen. Wel zijn hier een paar nuanceringen op aan te brengen. Ten eerste is het netwerk volgens de meetschaal sterk, maar het verschil met die van de cohort universitaire studenten is wellicht belangrijk. Ook is er in vergelijking met de universitaire cohort een groot aantal netwerken dat niet zwak, niet sterk scoort. Waar slechts 6,5% van de universitaire studenten een netwerk uit de niet zwak, niet sterk categorie hebben is dat bij de MBO scholieren 27,8%, meer dan vier keer zo veel. Dit wijst op een hoge aanwezigheid van netwerken die slechts matige ondersteuning kunnen geven aan de studenten. Ook is er door een hoge standaarddeviatie bij de MBO scholieren meer heterogeniteit in de scores waarneembaar, waardoor de netwerken sterk van elkaar kunnen verschillen wat betreft potentiele ondersteuningskracht. Ten slotte is het percentage netwerken bij de MBO scholieren dat zeer sterk scoort met 46,3% een stuk lager dan bij de universitaire studenten (78,3%).

De bevindingen kunnen hiermee in het bredere theoretisch kader worden geplaatst. Voor dit onderzoek zijn drie theoretische concepten gebruikt (sociale netwerken; sociaal kapitaal; de social resources theorie) en is er gekeken naar sociale ongelijkheid. De bevindingen kunnen geïnterpreteerd worden in het licht van deze theorieën. Ten eerste blijken

(19)

18 sociale netwerken inderdaad nuttig te zijn, maar vooral als zij een individu daadwerkelijk ook enige vorm van ondersteuning kunnen bieden. Bij de MBO scholieren blijkt dat het geval te zijn, al schijnen universitaire studenten meer aan hun sociale netwerk te hebben dan MBO scholieren. Dit wijst erop dat sociale netwerken niet een eenduidig fenomeen vormen maar dat zij veranderen per individu of per sociale groep. Ten tweede kan gezegd worden dat MBO scholieren, omdat zij minder ondersteuning kunnen verwachten van hun sociale netwerk dan universitaire studenten, ook waarschijnlijk over minder sociaal kapitaal beschikken. MBO scholieren hebben echter alsnog een sterk sociaal netwerk, waardoor hun sociaal kapitaal waarschijnlijk ook niet gebrekkig zal zijn. Ten derde schijnen MBO scholieren goed gebruik te kunnen maken van de social resources ingebed in hun sociale netwerk om hun sociaaleconomische status mee te verbeteren, zoals gesteld volgens de social resources theorie. Wel moet hier gelet worden op de eerder genoemde punten: het relatief hoge aantal

niet zwak, niet sterk netwerken en de hoge mate van spreiding in de scores. Deze kunnen

aanduiden dat de social resources binnen en buiten sociale groepen niet voor iedereen evenveel beschikbaar zijn.

Ten slotte kunnen de resultaten bekeken worden vanuit het sociologisch perspectief waarin ongelijke toegang tot hulpbronnen uit het sociale netwerk de sociale kloof tussen groepen in de samenleving kan vergroten. De bevindingen zijn relevant voor het onderwijsbeleid waarbinnen de onjuiste aanname heerst dat iedere sociale groep gelijk is. Sociale netwerken worden weliswaar als speerpunt gezien voor gelijke kansen in het onderwijs maar op basis van bestaande theorieën en bevindingen uit dit onderzoek kunnen netwerken niet vanzelfsprekend ongelijke kansen in het onderwijs terugdringen. MBO scholieren kunnen namelijk minder rekenen op ondersteuning vanuit het sociale netwerk dan hoger opgeleiden. Er is een groot aantal netwerken onder MBO scholieren waar te nemen dat hen slechts matige ondersteuning kan bieden. Of dat voldoende is om ongelijkheid in het onderwijs mee terug te dringen is nog maar de vraag. Universitaire studenten kunnen daarentegen vrijwel altijd rekenen op een zeer ondersteunend netwerk en het is hiermee niet ondenkbaar dat ongelijkheid daardoor eerder toe zal nemen dan dat het zal verminderen. Dit onderzoek geeft daarmee inzicht in bepaalde aspecten van sociale netwerken die beleidsmakers mee zouden moeten nemen in hun overwegingen om scholieren en studenten een beroep te laten doen op hun sociale netwerk. De voornaamste stelling daarbij is dat het niet voor iedereen even makkelijk is om ondersteuning te krijgen uit de sociale omgeving waarin diegene zich bevindt.

(20)

19 scholieren empirische data aan ten opzichte van de ondersteuningskracht van de netwerken. Informatie over deze ondersteuningskracht, uitgedrukt in scores, is ook beschikbaar voor universitaire studenten. Ten slotte neemt het onderzoek het concept van sociaaleconomische status mee, een belangrijk begrip voor de scholieren als gekeken wordt naar hun toekomst. Hierbij komt ook informatie aan bod over de drie dimensies die sociaaleconomische status opmaken.

Conclusie

Dit bachelor onderzoek wil de ondersteuningskracht van het sociale netwerk van MBO scholieren in kaart brengen. Hiervoor is de vraag beantwoord in hoeverre de sociale netwerken van MBO scholieren hen ondersteuning kunnen bieden bij het verbeteren van hun sociaaleconomische status. Het netwerk blijkt volgens de gehandhaafde meetschaal goed in staat te zijn hen te helpen hoewel er een aantal belangrijke verschillen tussen MBO scholieren en universitaire studenten is waar te nemen. MBO respondenten hebben vijf keer zo veel netwerken die slechts matige ondersteuning kunnen bieden dan universitaire studenten en zijn de enige cohort met netwerken die zwak scoren. Door de gemiddelde score scoort het netwerk van universitaire studenten zeer sterk, een categorie hoger dan MBO scholieren. Dit sluit goed aan bij voorafgaand onderzoek en bevestigt de hypothese voor dit onderzoek dat het sociale netwerk minder in staat is ondersteuning te bieden bij het verbeteren van sociaaleconomische status bij MBO scholieren dan bij universitaire studenten. De voornaamste conclusie die uit deze bevindingen getrokken kan worden is dat sociale netwerken, afhankelijk van de sociale groep, meer of minder ondersteuning kunnen bieden bij het verbeteren van sociaaleconomische status. Deze bevindingen kunnen goed gebruikt worden bij het bedenken van passend onderwijsbeleid, waarbij rekening wordt gehouden met de ongelijkheid in toegang tot ondersteuning vanuit het sociale netwerk tussen sociale groepen die, zoals uit dit onderzoek blijkt, al op vroege leeftijd is waar te nemen.

(21)

20 Bibliografie

Baarda, D.B., Goede, M.P.M. de & Kalmijn, M. (2015). Basisboek Enqueteren. Groningen: Noordhoff

Baay, P.E. & Haan, J.J. de (2015). Sociale netwerken als kans en obstakel. ‘s-Hertogenbosch: Expertisecentrum Beroepsonderwijs.

Baay, P.E. & Haan, J. de (2016). Scholen kunnen jongeren helpen hun netwerk beter te benutten, ook op het mbo. Verkregen op 3 maart, 2018, via

https://www.socialevraagstukken.nl/scholen-kunnen-jongeren-helpen-hun-netwerk-beter-te-benutten-ook-op-het-mbo/

Bourdieu, P. (1986). The Forms of Capital. In Collins, R. & Makowsky, M. (2009). The

Discovery of Society. USA: Mcgraw-Hill.

Bruggeman, J. (2008). Social Networks: An Introduction. New York, Routledge. Bryman, A. (2015). Social research methods. Oxford: Oxford University Press.

CBS. (2015). Arbeidsdeelname. Kerncijfers. Verkregen op 11 april, 2018, van http://statline.cbs.nl/Statweb/publication/?DM=SLNL&PA=71738NED&D1=22,24- 26&D2=a&D3=1-5&D4=0-1,5

6&D5=41,46,51,l&HDR=T,G3,G1&STB=G2,G4&P=T&VW=T.

CBS. (2018). Begrippen. Vermogen. Verkregen op 11 april, 2018, via https://www.cbs.nl/nl-nl/onze-diensten/methoden/begrippen?tab=v#id=vermogen

Coyne, J.C. & Downey, G. (1991). Social factors and psychopathology: Stress, Social Support, and Coping Processes. Annual Review of Psychology, 42, 401-425.

Esch, W. van, Petit, R., Neuvel, J. & Karsten, S. (2011). Sociaal kapitaal in het MBO.

Slagboom of hefboom? ‘s-Hertogenbosch: Expertisecentrum Beroepsonderwijs.

Gaag, M.P.J. van der & Snijders, T.A.B. (2004). Proposals for the measurement of individual social capital. In H.D. Flap & B. Volker (red.) Creation and Returns of Social Capital (pp. 199-217). London: Routledge.

Haan, J.J. de, Baay, P.E. & Yerkes, M.A. (2015). Positief en negatief sociaal kapitaal van

mbo-jongeren: sociale ongelijkheid naar opleidingsniveau? Sociologie, 25, 424-448.

Lin, N. (1999). Social networks and status attainment. Annual Review of Sociology 25, 467-487.

Lin, N. (2000). Inequality in Social Capital. Contemporary Sociology, 29, 785-795.

Lin, N. & Ao D. (2008). The Invisible Hand of Social Capital: An Exploratory Study. In Lin, N. & B.H. Erickson (2008). Social Capital: An International Research Program. Oxford: Oxford University Press.

(22)

21

Oakes, J. M., & Rossi, P. H. (2003). The measurement of SES in health research: current practice and steps toward a new approach. Social Science & Medicine, 56, 769–784.

Petit, R., Kuijvenhoven, G., van Esch, W., & Karsten, S. (2011). Gezien en gezien worden als

toekomstig werknemer. ‘s-Hertogenbosch: Expertisecentrum Beroepsonderwijs.

Portes, A. & Landolt, P. (1996). The downside of social capital. American Prospect, 26, 18-21.

Rensman, M. (2011). Menselijk kapitaal in cijfers. De Nederlandse Economie 2011, 189-203.

Rijksoverheid. (2016). Bussemaker: investeren in gelijke kansen. Verkregen op 11 april, 2018, via https://www.rijksoverheid.nl/actueel/nieuws/2016/09/05/bussemaker-investeren-in-gelijke-kansen

SCP. (2014). Gescheiden werelden? Een verkenning van het sociaal-culturele tegenstellingen

in Nederland. Den Haag: Sociaal en Cultureel Planbureau.

Tubergen, F. van & Völker, B. (2015). Inequality in Access to Social Capital in the Netherlands. Sociology, 49(3), 521-538.

Vidotto, J. D. F., Ferenhof, H.A., Selig, P. M. & Bastos, R.C. (2017). A human capital measurement scale. Journal of Intellectual Capital, 18(2), 316-329.

Appendix

Vragenlijst

Materieel kapitaal

1 Er is iemand in mijn sociale netwerk die mij zou kunnen helpen met het onderhouden en beheren van mijn financiële bezittingen.

o Niemand o Eén iemand o Minstens twee

personen 2 Er is iemand in mijn sociale netwerk die mij zou kunnen helpen met het

aflossen van mijn schulden.

personen 3 Er is iemand in mijn sociale netwerk die mij zou kunnen helpen met mijn

inkomen.

beperken van mijn uitgaven.

(23)

22 Sociaal kapitaal

5 Er is iemand in mijn sociale netwerk die mij toegang zou kunnen geven tot nuttige informatie op het gebied van opleiding en werk.

personen 6 Er is iemand in mijn sociale netwerk die mij emotioneel zou kunnen

ondersteunen als ik het moeilijk heb.

personen 7 Er is iemand in mijn sociale netwerk met wie ik sociale activiteiten kan

ondernemen.

personen 8 Er is iemand in mijn sociale netwerk die mij zou kunnen helpen met

praktische kwesties. o Niemand o Eén iemand o Minstens twee personen Menselijk kapitaal

9 Er is iemand in mijn sociale netwerk die mij zou kunnen helpen met het ontwikkelen van mijn talenten.

personen 10 Er is iemand in mijn sociale netwerk die mij zou kunnen helpen met mijn

opleiding.

opdoen van ervaring.

verbeteren van mijn vaardigheden.

ontwikkelen van mijn houding tegenover opleiding en werk.

ontwikkelen van mijn creativiteit.

o Niemand o Eén iemand

(24)

23 o Minstens twee

ontwikkelen van mijn leiderschapsvaardigheden.

(25)