Effect van Risicofactoren op Langdurig Schoolverzuim
Een multilevel meta-analyse naar het effect van risicofactoren op langdurig schoolverzuim onder middelbare scholieren
Masterscriptie Forensische Orthopedagogiek Graduate School of Child Development and Education Universiteit van Amsterdam
L. Koomen (10446435) Begeleider: dr. C.E. van der Put Tweede beoordelaar: dr. J. Weeland
Abstract
The present study aims to summarize primary studies on the effect of (domains of) risk factors for long-term school absenteeism on high school students. This knowledge can be used for reducing school absenteeism and to improve instruments for risk and needs
assessment. There are 27 studies included which reported on 546 effect sizes, classified into one of 37 risk factors in the domains child, peers, family and school. A series of meta-analyses on three different levels were performed for each domain of risk factors. The total effect of 23 domains of risk factors was significant ranging from r = .067 tot r = .342. Large effects were found for factors within the school domain; grade retention, learning difficulties and poor academic results. Other results showed that multiple domains of risk factors are
involved in school dropout of high school students. The found results provide tools for clinical practice as well as for the improvement of assessment strategies
Inleiding
Langdurig schoolverzuim komt in Nederland vaak voor. Zo was er in het schooljaar 2016-2017 bij 3238 jongeren sprake van langdurig schoolverzuim binnen het voortgezet (speciaal)- en beroepsonderwijs (Slob, 2018). Uit het kamerstuk van minister Slob (2018) komt naar voren dat dit aantal waarschijnlijk hoger ligt gezien er van 1332 langdurig verzuimende jongeren niet geregistreerd staat of zij basis- of voortgezet onderwijs zouden moeten volgen. Desondanks is nog weinig geïntegreerde kennis over wat nu de belangrijkste risicofactoren zijn voor schoolverzuim. Om schoolverzuim te kunnen voorkomen is deze kennis van belang. Bijvoorbeeld om te weten op welke factoren interventies gericht zouden moeten zijn. Ook kan deze kennis worden toegepast bij het (door)ontwikkelen van
risicotaxatie instrumenten. Het doel van huidig meta-analytisch onderzoek was daarom om meer zicht te verkrijgen op de belangrijkste risicofactoren voor langdurig schoolverzuim onder middelbare scholieren.
Er is sprake van schoolverzuim wanneer een leerling niet op school aanwezig is op momenten dat hij aanwezig moet zijn (Artikel 4a lid 2 Leerplichtwet 1969). In Nederland geldt voor jongeren tussen de 5 en 16 jaar de leerplichtwet en voor jongeren tot 23 de kwalificatieplicht. Hierin staat beschreven dat jongeren naar school moeten gaan en
uiteindelijk hun startkwalificatie dienen te behalen; een havo-, vwo-, of minimaal mbo-niveau 2 diploma. Alleen wanneer jongeren zeer moeilijk lerend zijn of een diploma binnen het praktijkonderwijs behalen, geldt deze kwalificatieplicht niet. De Dienst Uitvoering Onderwijs (DUO, 2018) omschrijft dat de leerplichtwet een onderscheid maakt tussen absoluut verzuim en relatief schoolverzuim. Bij absoluut verzuim staat een jongere niet ingeschreven op een school. Wanneer er sprake is van relatief verzuim staat de leerplichtige jongere wel
ingeschreven op een school maar verzuimt zonder geldige reden lestijd. Wanneer er sprake is van spijbelen slaat de leerling lesuren over maar verzuimt de jongere minder dan 16 uur in 4
weken. Dit wordt ook wel beginnend (overig) verzuim genoemd. De verantwoordelijkheid voor de aanpak van spijbelen ligt bij school. Bij meer dan 16 uur verzuim per 4 weken is er sprake van langdurig relatief verzuim. Scholen zijn verplicht dit te melden bij de
leerplichtambtenaar.
Aan schoolverzuim kunnen verschillende redenen ten grondslag liggen (Kearney & Silverman, 1993). Kearney en Silverman (1993) onderscheiden vier motieven; het vermijden van schoolgerelateerde stimuli die negatief affect oproepen, het vermijden van sociale of evaluatieve situaties op school waar men een afkeer van heeft, het najagen van aandacht van belangrijke anderen en het najagen van tastbare versterkers buiten de schoolsetting. Daarnaast kan onderscheid worden gemaakt tussen spijbelaars en schoolweigering bij langdurig
schoolverzuimers omdat zij op een aantal belangrijke punten van elkaar verschillen (Fremont, 2003). Fremont (2003) omschrijft dat wanneer er sprake is van schoolweigering deze
jongeren vaak kampen met hevige emotionele spanning voor het naar schoolgaan. Dit kan zich uiten zich in angst, driftbuien, depressie en lichamelijke klachten. Ouders zijn vaak op de hoogte van het verzuim mede doordat deze jongeren gedurende de schooltijd thuis zitten. De groep jongeren die spijbelen vindt daarentegen activiteiten buiten school aantrekkelijker dan het volgen van onderwijs. Zij ervaren geen (extreme) angst om naar school te gaan en het verzuim wordt verborgen voor ouders.
Vanuit het ecologisch ontwikkelingsmodel van Bronfenbrenner (1979) kunnen problemen in het gedrag van jongeren worden verklaard door de interacties binnen de
verschillende systemen waarin zij zich bevinden. Aan schoolverzuim kunnen bij jongeren dan ook diverse factoren ten grondslag liggen. Wanneer deze factoren een negatieve invloed hebben op de jongere, worden dit risicofactoren genoemd (Loeber,1990). Gedurende de adolescentie lijken risicofactoren het grootste effect te hebben op jongeren (Loeber,1990). Het is belangrijk om uit te zoeken welke factoren het meeste risico vormen voor
schoolverzuim, zodat deze factoren aangepakt of juist weggenomen kunnen worden. Deze factoren bevinden zich in verschillende domeinen zoals op het gebied van het kind, vrienden (peers), gezin en school (Esch et al., 2014; Farmer et al., 2003; Kearney, 2008).
Kindgerelateerde risicofactoren voor schoolverzuim zijn volgens Kearney (2008) persoonlijkheidskenmerken als: impulsiviteit, angst, beperkte sociale vaardigheden en weinig zelfvertrouwen. Net als de persoonlijkheidskenmerken; agressie (Farmer et al., 2003), stemmingsstoornissen, aandachtsproblemen en antisociaal gedrag (Esch et al., 2014). Daarnaast verzuimen volgens Esch et al. (2014) jongeren meer van school als zij roken of cannabis gebruiken. Risicofactoren voor schoolverzuim binnen het domein gezin zijn bijvoorbeeld weinig ondersteuning vanuit ouders en het opgroeien binnen een gezin met een laag sociaaleconomische status (Kearney, 2008). Maar ook het functioneren en de hechtheid van een gezin zijn factoren die van invloed zijn bij schoolverzuim (Esch et al., 2014). Binnen het domein school zijn kwaliteit van de lessen en een slechte relatie met de leraar factoren die een risico vormen voor schoolverzuim (Kearney, 2008). Een risicofactor voor schoolverzuim gerelateerd aan het peerdomein zijn omgaan met deviante leeftijdsgenoten (Farmer et al., 2003).
Als er sprake is van schoolverzuim doet de leerplichtambtenaar onderzoek naar het type verzuim van jongeren. Hiervoor wordt gebruik gemaakt van de Methodische Aanpak Schoolverzuim (MAS) (HALT, Raad van de Kinderbescherming, Openbaar Ministerie, VNG, & Ingrado, 2017). Wanneer er melding wordt gedaan van schoolverzuim omschrijft de MAS vier verschillende routes: vrijwillige jeugdhulp, HALT-straf, dwang in een civielrechtelijk kader of dwang in een strafrechtelijk kader. Wanneer er vanuit dit onderzoek sprake blijkt te zijn van achterliggende problematiek bij jongeren zal jeugdhulp de voorkeur hebben, evenals dat preventieve en civiele aanpak van schoolverzuim eerder zal worden ingezet als maatregel dan de route om strafrechtelijk te vervolgen (Inspectie Veiligheid en Justitie, 2016).
De keuze voor de meest passende route wordt door de leerplichtambtenaar gemaakt aan de hand van het in de MAS omschreven signaleringsprotocol schoolverzuim. Middels een inventarisatie wordt er gekeken naar de volgende domeinen: gezin, school, geestelijke en lichamelijke gezondheid, relaties, controle over alcohol/drugs/gokken/gamen en social media, signalen van huiselijk geweld/kindermishandeling, vaardigheden/attitude (houding) en
controle op agressie, vrije tijd en bijbaan. Ook wordt gekeken naar (contra-)indicaties van de verschillende routes: bereidheid en vermogen om hulp bij ouders en/of jongere te aanvaarden, ernstig motivatiegebrek of langdurig verzuim, verwijtbaarheid van schoolverzuim,
voorwaarden voor HALT en/of strafrechtelijke vervolging. Aan de hand van uitkomst van het onderzoek van de leerplichtambtenaar zal er een keuze worden gemaakt voor een route binnen de vrijwillige jeugdhulp, een HALT-straf of anders dwang in civiel- of strafrechtelijk kader. Wanneer de leerplichtambtenaar besluit dat jeugdhulp de voorkeur heeft zijn er verschillende interventies die ingezet kunnen worden zoals CGT, MDFT, F-ACT of onderwijsopvangvoorzieningen.
Cognitieve gedragstherapie (CGT) is een interventie die op de jongere zelf is gericht. Bij CGT gaat het erom een cognitieve verandering teweeg te brengen en te zorgen voor een duurzame emotionele en gedragsverandering (Beck, 2013). Wanneer verwacht wordt dat het schoolverzuim van een jongeren te maken heeft met systeemproblematiek kan MDFT (Multidimensionele Familietherapie) in worden gezet. In deze behandeling werkt de MDFT-behandelaar systemisch, waarbij ervan uit wordt gegaan dat niet alleen de jongere zelf, maar ook zijn omgeving invloed heeft op het (probleem)gedrag van de jongere (Vullings, 2014). Eveneens systeemgericht is F-ACT (Flexible Assertive Community Treatment) waarbij hulp laagdrempelig wordt ingezet op verschillende domeinen. Binnen het team van F-ACT zijn alle benodigde expertises vertegenwoordigd zodat jongeren zo min mogelijk doorverwezen hoeven te worden om daarmee te voorkomen dat jongeren uit het zicht raken (Den Otter,
Verschuur & Schell, 2009). Daarnaast zijn er ook onderwijsopvangvoorzieningen waarbij de jongeren een behandel- en schoolprogramma volgen zoals Rebound, Time Out Plaatsing (TOP), Schoolverzuimgroepen en de Orthopedagogisch didactisch centra (OPDC). Het doel is om binnen enkele weken tot maanden een (her)start te maken in het regulier onderwijs (Van der Steeg, 2012).
Op dit moment wordt gebruik gemaakt van de MAS-methode om te bepalen welke interventie ingezet moet worden. Hoewel de domeinen in dit instrument voor de hand liggen om aan te merken als risicofactoren voor schoolverzuim, is er geen empirische onderbouwing voor de risicofactoren. Daarnaast worden interventies ingezet die vaak niet specifiek zijn ontwikkeld voor schoolverzuim. Door het effect van risicofactoren in kaart te brengen middels een kwantitatief overzicht kan dit een empirische bijdrage leveren aan het optimaliseren en ontwikkelen van (risicotaxatie)instrumenten en interventies voor schoolverzuim. Het doel van huidig onderzoek is daarom om doormiddel van een meta-analyse inzicht te krijgen in de effecten van risicofactoren op schoolverzuim onder
middelbare scholieren. Meta-analytisch onderzoek is een methode waarbij de resultaten van meerdereempirische studies over één onderwerp statistisch worden samengevat (Born & De Mol, 2006). In huidig meta-analytisch onderzoek worden de risicofactoren onderverdeeld in domeinen en wordt per domein gekeken wat het effect is op schoolverzuim. Waarbij het onderzoek zich zal richten op langdurig schoolverzuim onder middelbare scholieren; jongeren op het voortgezet (speciaal) onderwijs die niet ingeschreven staan op een school (absoluut verzuim) of meer dan 16 uur niet aanwezig zijn op school binnen een periode van vier weken zonder geldige reden (langdurig relatief verzuim).
Methode
Secundaire data analyse
In het huidige onderzoek wordt gebruik gemaakt van een dataset die is verzameld voor het onderzoek van Gubbels, Van der Put, en Assink (2018). In het huidige onderzoek zullen secundaire analyses worden uitgevoerd op deze dataset, welke is verzameld met als doel het uitvoeren van meta-analytisch onderzoek naar effecten van risicofactoren op schoolverzuim. Inclusiecriteria
Van belang in meta-analytisch onderzoek is de afbakening van het
onderzoeksonderwerp voorafgaand aan het zoeken naar relevantie studies. Dit kan middels het opstellen van een aantal inclusie- en exclusiecriteria. Voor de huidige meta-analyse naar schoolverzuim werden in het onderzoek van Gubbels et al. (2018) enkele extra criteria toegepast. Ten eerste werd in de oorspronkelijke studie zowel naar beginnend verzuim (spijbelen) als absoluut- en langdurig relatief verzuim (langdurig schoolverzuim) binnen het onderwijs gekeken. In de huidige studie werden alleen studies geselecteerd waarbij sprake was van absoluut- en langdurig relatief verzuim. Wat verder in deze studie omschreven zal worden als schoolverzuim. Ten tweede werden in de oorspronkelijke studie onderzoeken meegenomen die zowel naar de lagere als middelbare scholen keken. In het huidig onderzoek wordt enkel gekeken naar studies binnen de middelbare schoolperiode omdat blijkt dat langdurig schoolverzuim onder deze groep jongeren het meeste voorkomt (Slob, 2018). Zoekstrategie en coderen van studies
In de originele studie (Gubbels, Van der Put, & Assink, 2018) van de meta-analyse is getracht zo uitputtend mogelijk te zoeken naar relevantie studies die voldeden aan de gestelde inclusie- en exclusiecriteria. Hiervoor zijn tot september 2017 verschillende elektronische databases geraadpleegd. De uitgebreide zoekstrategie is te vinden in de oorspronkelijke
publicatie. Vanuit de zoekstrategie zijn 77 studies opgenomen in het oorspronkelijke onderzoek. In het huidige onderzoek voldeden 27 studies aan de aanvullende criteria.
In de gebruikte dataset zijn doormiddel van een codeerschema relevante kenmerken in de geïncludeerde studies verzameld en gecodeerd volgens de richtlijnen van Lipsey en Wilson (2001). Om de effecten van risicofactoren die vergelijkbaar van aard zijn te meten zijn deze onderverdeeld in risicodomeinen: kindgerelateerde risicofactoren, gezinsgerelateerde risicofactoren, peergerelateerde risicofactoren en schoolgerelateerde risicofactoren. Uiteindelijk werden er 37 risicofactoren onderverdeeld, waarvan 15 kindfactoren, 10 gezinsfactoren, 9 schoolfactoren en 3 peerfactoren. Tabel 1 geeft een overzicht van de risicofactoren die in elk domein zijn ingedeeld. In bijlage appendix A is een uitgebreide begripsdefiniëring per risicofactor te vinden.
Tabel 1
Risicofactoren ingedeeld per domein Domein Risicofactor
Kinddomein Geslacht (man) / Etniciteit (anders dan wit) / Leeftijd (ouder zijn) / Overig externaliserend gedrag / Delinquent gedrag / Depressie / Overig internaliserend gedrag / Alcoholmisbruik / Drugsmisbruik / Sigarettengebruik / Slechte lichamelijke gezondheid / Risicovolle persoonlijkheidskenmerken / Seksualiteit / Negatieve vrijetijdsbesteding / Overige factoren kinddomein
Gezinsdomein Lage Sociaal Economische Status (SES) / Laag opleidingsniveau ouders / Gezinsstructuur / Verleden van mishandeling / Ineffectief gezinssysteem / Slechte ouder-kindrelatie / Geringe ouderlijke steun / Weinig ouderlijke toezicht / Geringe ouderbetrokkenheid school / Overige factoren gezinsdomein
Schooldomeinen Negatief schoolklimaat / Slechte onderwijskwaliteit / Negatieve schoolhouding / Slechte relatie leerling-leerkracht / Weinig zelfvertrouwen schoolvaardigheden / Doubleren / Leerproblemen / Slechte schoolprestaties / Overige factoren in schooldomein
Analyses
De verzamelde data werden ingevoerd in het programma Statistical Package for the Social Sciences (SPSS, versie 22.0). Om het effect per risicofactor te kunnen analyseren is voor elke risicofactor een aparte dataset gemaakt in SPSS. Voor elke risicofactor werd als effectgrootte de correlatiecoëfficiënt (r) gebruikt. Hierdoor ontstaat de mogelijkheid om de effecten van risicofactoren met elkaar te vergelijken (Born & de Mol, 2006). Deze r-waarden werden uit primaire studies gehaald of omgerekend door de formules van Ferguson (1966), Rosenthal (1994) en Lipsey en Wilson (2001). Omdat correlaties niet-normaal verdeeld zijn werden vervolgens de r-waarden omgerekend naar Fisher’s z-waarden (Lipsey & Wilson, 2001).
Voorafgaand aan de analyses is de data gecontroleerd op uitbijters, dit zijn
effectgroottes die te ver van het gemiddelde verwijderd zijn. Deze kunnen een grote invloed hebben op de resultaten en daarmee de uitkomsten van de meta-analyse vertekenen. Uitbijters binnen het huidige onderzoek werden aangepast wanneer de z-scores groter dan 3.29, of kleiner dan -3.29 waren (Tabachnik & Fidell, 2013). Er werden zes effectgroottes
geïdentificeerd met een z-waarde groter dan 3,29. Deze werden gevonden binnen het domein kindfactoren ‘overig externaliserend gedrag’, ‘risicovolle persoonlijkheidskenmerken; in het domein gezinsdomein ‘lage SES’, ‘geringe ouderlijke steun’; en in het domein schoolfactoren ‘negatief schoolklimaat, ‘slechte schoolprestaties’. Voor deze uitbijters werden de ruwe Fisher's z-waarden vervangen door een nieuwe Fisher's z-waarde die gelijk was aan het hoogste effect dat binnen het normale bereik valt.
Doordat de meeste studies meer dan één effectgrootte voor schoolverzuim
rapporteerden is in de huidige meta-analyse gekozen voor een multilevel benadering. Omdat er sprake kan zijn van drie typen varianties is een 3-level-structuur noodzakelijk (Van den Noortgate, López-López, Marin-Martinez & Sánchez-Meca, 2013). Deze structuur geeft als
voordeel dat alle relevante effecten in primaire studies meegenomen kunnen worden
waardoor er geen informatie verloren gaat en de effecten nauwkeuriger worden geschat in de analyses (Wibbelink & Assink, 2015). De drie niveaus in deze structuur zijn de geobserveerde effectgroottes rond de effectgroottes (niveau 1), de variantie tussen de populatie-effectgroottes binnen een studie (niveau 2) en de variantie tussen de populatie-populatie-effectgroottes tussen studies (niveau 3).
De analyses zijn gedaan in het statistische programma R (versie 3.5.0) waarbij het SPSS-databestand is ingelezen in R. De syntaxen voor de analyses binnen R zijn gebruikt vanuit de handleiding van Wibbelink en Assink (2015). Deze handleiding gebruikt in R de functie “rma.mv” van het metafor-pakket. Hierna is “tdist=TRUE” toegevoegd volgens de methode van Knapp en Hartung (2003) waarmee de standaardnormale verdeling wordt veranderd in een t-verdeling. Hierdoor worden afzonderlijke coëfficiënten in het model gebaseerd op de t-verdeling waarbij het aantal vrijheidsgraden (df) gelijkstaat aan k (het aantal effect sizes) – p (het aantal predictoren in het model inclusief het intercept) (Wibbelink & Assink, 2015).
Als eerste is er in R per risicofactor een overall effect berekend op schoolverzuim onder middelbare scholieren. Vervolgens is een heterogeniteitsanalyse uitgevoerd doormiddel van log-likelihood-ratio-toetsen. Door het uitvoeren van twee log-likelihood-ratio-toetsen (chikwadraattoetsen) kan er bepaald worden of er significante variantie op niveau 2 en/of niveau 3 is (Wibbelink & Assink, 2015). In het oorspronkelijke model zijn beide varianties geschat, dit model wordt vergeleken met een model waarvan de variantie op niveau 2 op nul wordt gezet en niveau 3 wordt geschat. Vervolgens wordt de procedure nogmaals uitgevoerd maar dan wordt niveau 2 geschat en niveau 3 op nul gezet. Wanneer de fit van het model zonder geschatte variantie slechter is dan de fit van het model waarbij beide varianties worden geschat, is er sprake van significante variantie op niveau 2 of 3. In de uitkomst van de
log-likelihood-ratio-toetsen wordt een tweezijdige p-waarde gegeven. Gezien een éénzijdige toetsing van variantiecomponenten in meta-analytische modellen wordt aangeraden
(Wibbelink & Assink, 2015) is in huidig onderzoek de waarde door twee gedeeld. Een p-waarde <.05 wordt als statistisch significant beschouwd.
Resultaten
In totaal zijn k=27 studies geïncludeerd in huidige meta-analyse, gepubliceerd tussen 1989 en 2017. Op basis van de gerapporteerde informatie in de studies konden in totaal 546
effectgroottes berekend worden. De totale steekproefgrootte (N) van het onderzoek was 78.532. Van alle betrokken jongeren verzuimden er minimaal n = 10.892 van school en minimaal n = 46.157 deden dat niet (enkele studies rapporteerden enkel de effectgroottes en niet het aantal schoolverzuimers). De onderzoeken zijn uitgevoerd in de Verenigde Staten (k = 14), Canada (k = 5), Europa (k = 5) en in overige landen (Zuid-Afrika
k = 1, Brazilië k = 1, IJsland k = 1). In tabel 2 een overzicht van de kenmerken van geïncludeerde studies.
Tabel 2
Kenmerken van geïncludeerde Studies
Schoolverzuim Domein
Auteur(s) Pub. Jaar N a n (wel) b n (geen) c #Risico
factoren
#Kind #Gezin #School #Peer
Aloise-Young et al. 2002 2203 1213 990 2 2 0 0 0
Bask & Salmela-Aro 2013 878 116 762 1 1 0 0 0
Battin-Pearson et al. 2002 770 88 682 22 5 7 5 6
Blondal & Adalbjarnardottir 2014 835 241 594 29 3 17 9 0
Borgna & Struffolino 2017 1508-5233 612-759 896-4474 5 3 2 0 0
Bosker & Hofman 1994 2523 166 2357 21 5 5 7 4
Bryk & Thum 1989 160-4450 - - 54 12 2 40 0
Cairns et al. 1989 472 68 404 2 2 0 0 0
Cardosa & Verner 2006 442 78 364 8 6 2 0 0
Christle et al. 2007 196 - - 8 3 1 4 0
Dupéré et al. 2017 362 183 179 11 3 3 5 0
Fall & Roberts 2012 14781 786 13995 5 0 1 4 0
Fernandez-Suarez et al. 2016 252-264 121-128 131-136 7 5 2 0 0
Flisher & Chalton 1995 400 68 332 32 30 2 0 0
Flisher et al. 2010 1438 800 638 10 6 3 1 0
Fortin et al. 2010 102-154 16-50 86-104 54 10 14 22 8
Gleason & Dynarski (2) Gleason & Dynarski
2002 1994 2568-2615 154-382 2233-2414 35 8 12 15 0 Hickman et al. 2008 119 59 60 28 3 0 25 0 Janosz et al. 1997 791 172-335 456-619 92 44 24 12 12 Jimerson et al. 2000 143 43 100 17 3 6 5 3
Schoolverzuim Domein
Auteur(s) Pub. Jaar N a n (wel) b n (geen) c #Risico
factoren
#Kind #Gezin #School #Peer
Peguero et al 2016 2550-5950 306-714 2244-5236 12 12 0 0 0 Quiroga et al. 2012 453 308 145 12 5 1 5 1 Rumberger 1995 17242 - - 35 12 11 10 2 Rumberger et al. 1990 96-114 48-66 48 22 12 4 6 0 Sznitman et al. 2017 3604-13262 901-3846 2703-9416 5 3 2 0 0 Trampush et al. 2009 44-49 24-32 17-20 10 2 4 4 0 Vitaro et al. 2001 751 134 617 7 1 3 1 2
Noot. Pub. Jaar = Publicatie jaar; N = totale steekproef; schoolverzuim n (wel) = aantal school verzuimende jongeren in de steekproef; schoolverzuim n (geen) = aantal jongeren die niet van
school verzuimde in de steekproef; #Risico factoren = totaal aantal risico factoren dat vanuit de studie is verkregen; #Kinddomein = aantal kindfactoren dat vanuit de studie is verkregen; #Gezinsdomein = aantal gezinsfactoren dat vanuit de studie is verkregen; #Schooldomein = aantal kindfactoren dat vanuit de studie is verkregen; #Peerdomein = aantal peerfactoren dat vanuit de studie is verkregen; (2) = Een primaire studie gebruikt de zelfde steekproef als bovenstaande studie.
a Als er in een onderzoek meer dan één effect werd gerapporteerd (afhankelijk van de effectgrootte), is het bereik weergegeven. b Als er in een onderzoek het aantal jongeren dat verzuimde werd aangegeven, is het bereik weergegeven.
Overall effect
De resultaten van de multilevel meta-analyse staan weergegeven in tabel 3. Deze tabel geeft een geschat totaaleffect voor elk van de 37 risicofactoren ingedeeld in de domeinen kind-, gezins-, school- en peergerelateerde kenmerken. Het totale effect van 23 risicofactoren was in een positieve richting significant, wat impliceert dat deze factoren als risicofactoren voor schoolverzuim kunnen worden beschouwd.
De omvang van de significante algemene effecten varieerde van klein (r = .067 voor ‘etniciteit (anders dan wit)’) tot groot (r = .342 voor ‘slechte schoolprestaties’) op basis van de criteria van Rice en Harris (2005) voor het interpreteren van effectgroottes. Grote effecten (r ≥ .275) werden gevonden voor de risicofactoren ‘doubleren’, ‘leerproblemen’ en ‘slechte schoolprestaties’, allen vallen binnen het schooldomein. Significante gemiddelde effecten (.176 <r <.275) werden gevonden voor de risicofactoren ‘leeftijd (ouder zijn)’, ‘delinquent gedrag’, ‘drugsmisbruik’, ‘overig externaliserend gedrag’, ‘slechte lichamelijke gezondheid’, ‘seksualiteit’ (kinddomein), ‘lage SES’, ‘geringe ouderlijke steun’ (gezinsdomein), ‘negatief schoolklimaat’, ‘negatieve schoolhouding’, ‘overige factoren schooldomein’ (schooldomein) en ‘omgang met deviante leeftijdsgenoten’ en ‘overige factoren peerdomein’ (peerdomein). Significant kleine effecten (r <.176) werden gevonden op de risicofactoren ‘geslacht (man)’, ‘etniciteit (anders dan wit)’, ‘overig internaliserend gedrag’ (kinddomein), ‘laag
opleidingsniveau ouders’, ‘gezinsstructuur’, ‘weinig ouderlijk toezicht’ en ‘geringe ouderbetrokkenheid school’ (gezinsdomein).
Wat betreft de risicofactoren ‘depressie’, ‘alcoholmisbruik’, ‘sigarettengebruik’, ‘risicovolle persoonlijkheidskenmerken’, ‘negatieve vrijetijdsbesteding’ (kinddomein), ‘verleden van mishandeling’, ‘slechte ouder-kindrelatie’, ‘overige factoren gezinsdomein’ (gezinsdomein), ‘slechte onderwijskwaliteit’ en ‘slechte relatie leerling-leerkracht’
(schooldomein) verschilde het geschatte totaal effect niet significant van nul, wat impliceert dat deze factoren niet kunnen worden beschouwd als risicofactoren voor schoolverzuim.
De risicofactoren ‘overige factoren kinddomein’ (z=0.183 p=0.075 r=0.181)’
(kinddomein), ‘ineffectief gezinssysteem’ z=0.298, p=1.07 r=0.289’(gezinsdomein), ‘weinig zelfvertrouwen schoolvaardigheden (z=0.270 p=0.112 r=0.264) (schooldomein) en ‘beperkte sociale vaardigheden(z=.186, p=0.057, r= 184)’ (peerdomein)’ weken eveneens niet
significant af van nul, maar vormden wel een trend. Dit zou erop kunnen wijzen dat er bij deze risicofactoren sprake is van een powerprobleem. Mogelijk wordt er geen significant resultaat gegeven door het geringe aantal effect sizes (ES) en/of studies (N) in de dataset, terwijl er in werkelijkheid wel substantiële variantie aanwezig zou kunnen zijn (Wibbelink & Assink, 2015). Bij de factoren ‘overige factoren kinddomein’ (N=2, ES=4), ‘ineffectief gezinssysteem’ (N =2, ES=3) en ‘weinig zelfvertrouwen schoolvaardigheden’ (N =3, ES=4) lijkt dit aan de orde te zijn.
Heterogeniteit
Nadat er per risicofactor een overall effect is berekend op schoolverzuim onder middelbare scholieren is vervolgens een heterogeniteitsanalyse uitgevoerd. De resultaten van de likelihood-ratio-toetsen om de heterogeniteit in effectgroottes te meten staan eveneens in tabel 3 omschreven. Tussen de effectgrootten van hetzelfde onderzoek (niveau 2) is er binnen 29 risicofactoren een significant verschil gemeten. Tussen de effectgrootten van de
verschillende onderzoeken (niveau 3) is er een significant verschil bij acht risicofactoren gerapporteerd. Hieruit blijkt dat er meer variantie aanwezig is dan op basis van sampling variance kan verwacht worden (Wibbelink & Assink, 2015). Wat betekend dat het
gemiddelde effect van deze risicofactoren beïnvloed zou kunnen worden door verschillende studie- of steekproefkenmerken.
Bij de risicofactoren ‘delinquentgedrag’ (kinddomein), ‘verleden van mishandeling’, ‘ineffectief gezinssysteem’ (gezinsdomein), ‘negatief schoolklimaat’, ‘slechte
onderwijskwaliteit’ (schooldomein) en ‘omgang deviante leeftijdsgenoten’ (peerdomein) is geen heterogeniteit in effectgrootte omdat er geen significant verschil gemeten werd op zowel niveau 2 als niveau 3.
Tabel 3
Overall Effect Sizes risicofactoren
Niveau 1 Niveau 2 Niveau 3
Domeinen van risicofactoren # Studies # ES Mean z (SE) 95% BI Sig. mean z (p) % Var. Variantie % Var. Variantie % Var. Mean r
Kinddomein
(1) Geslacht (man) 13 19 0.106(0.026) (0.050, 0.161) <.001*** 3.7 .011*** 96.3 .000 0.0 0.106
(2) Etniciteit (anders dan wit) 12 47 0.067(0.028) (0.010, 0.123) .022* 1.1 .019*** 86.4 .003 12.6 0.067
(3) Leeftijd (ouder zijn) 5 7 0.234(0.056) (0.096, 0.371) .006** 7.7 .012** 66.3 .005 26.0 0.230
(4) Overig externaliserend gedrag 12 33 0.249(0.044) (0.159, 0.338) <.001** 2.6 .008*** 29.3 0.018*** 68.1 0.244
(5) Delinquent gedrag 3 10 0.227 (0.027) (0.167, 0.287) <.001*** 50.1 .000 12.2 .001 37.8 0.223
(6) Depressie 2 4 0.069(0.055) (-0.105, 0.244) .296 34.2 .004** 65.8 .000 3.2 0.069
(7) Overig internaliserend gedrag 3 9 0.154(0.046) (0.049, 0.259) .010** 11.1 .004*** 40.3 .004 48.6 0.153
(8) Alcoholmisbruik 3 6 0.097 (0.122) (-0.217, 0.412) 0.462 4.5 0.001 1.6 0.043** 94.0 0.097
(9) Drugsmisbruik 5 9 0.261(0.052) (0.140, 0.382) .001** 11.1 .015*** 76.8 .002 12.0 0.255
(10) Sigarettengebruik 3 4 0.152(0.173) (-0.397, 0.702) .442 0.8 .018*** 19.6 .074 79.6 0.151
(11) Slechte lichamelijke gezondheid 4 7 0.180(0.049) (0.061, 0.300) .01* 2.8 .016*** 97.2 .000 2.9 0.178
(12) Risicovolle persoonlijkheidskenmerken 4 19 0.062(0.036) (-0.013, 0.137) .101 3.5 .022*** 96.5 .000 0.0 0.062
(13) Seksualiteit 4 8 0.221(0.088) (0.002, 0.420) .049* 2.4 .061*** 97.6 .000 0.0 0.208
(14) Negatieve vrijetijdsbesteding 4 10 0.090(0.057) (-0.039, 0.218) .150 2.0 .004*** 30.1 .0010 67.9 0.090
(15) Overige factoren kinddomein 2 4 0.183(0.068) (-0.034, 0.399) .075 6.6 <.001* 12.3 .008 81.2 0.181
Gezinsdomein
(16) Lage SES 13 25 0.234(0.054) (0.123, 0.344) <.001*** 1.3 .007*** 18.2 .031*** 80.5 0.230
(17) Laag opleidingsniveau ouders 8 15 0.147(0.057) (0.025, 0.269) .022* 1.9 .003*** 9.8 .024*** 88.3 0.146
(18) Gezinsstructuur 7 13 0.146(0.061) (0.012, 0.279) .035* 1.3 .012*** 39.4 .0017 59.3 0.145
(19) Verleden van mishandeling 2 4 0.035(0.041) (-0.094, 0.164) .453 26.9 .005 73.1 .000 0.0 0.035
Niveau 1 Niveau 2 Niveau 3
Domeinen van risicofactoren # Studies # ES Mean z (SE) 95% BI Sig. mean z (p) % Var. Variantie % Var. Variantie % Var. Mean r
(22) Geringe ouderlijke steun 7 14 0.192(0.058) (0.066, 0.318) <.006** 1.9 .013*** 46.4 .015 51.7 0.190
(23) Weinig ouderlijk toezicht 6 19 0.152(0.068) (0.009, 0.294) .039* 3.2 .004*** 13.4 .024*** 83.4 0.151
(24) Geringe ouderbetrokkenheid school 6 21 0.151(0.046) (0.056, 0.246) .004** 1.4 .007*** 43.1 .009** 55.5 0.150
(25) Overige factoren gezinsdomein 4 7 0.083 (0.035) (-0.003, 0.169) .055 3.9 .008*** 96.1 .000 0.0 0.083
Schooldomein
(26) Negatief schoolklimaat 3 15 0.148(0.051) (0.038, 0.259) .012* 37.2 .000 0.1 .083 62.7 0.147
(27) Slechte onderwijskwaliteit 2 6 0.162(0.075) (-0.032, 0.356) .085 17.2 .010 53.0 .006 29.8 0.161
(28) Negatieve schoolhouding 9 46 0.196(0.028) (0.141, 0.252) <.001*** 1.3 .021*** 89.8 .002 9.0 0.194
(29) Slechte relatie leerling-leerkracht 4 10 0.128(0.062) (-0.013, 0.269) .071 5.1 .034*** 94.9 .000 0.0 0.127
(30) Weinig zelfvertrouwen schoolvaardigheden 3 4 0.270(0.121) (-0.115, 665) .112 0.4 .016** 33.7 .031 65.9 0.264
(31) Doubleren 7 12 0.347(0.063) (0.207, 0.486) <.001*** 2.4 .026*** 71.7 .009 25.9 0.334
(32) Leerproblemen 5 8 0.391(0.104) (0.147, 0.636) .007** 3.6 .078*** 96.4 .000 1.3 0.372
(33) Slechte schoolprestaties 17 48 0.356(0.043) (0.270, 0.443) <.001*** 1.4 .032*** 65.1 .017* 33.6 0.342
(34) Overige factoren in schooldomein 4 12 0.224(0.089) (0.027, 0.420) .029* 8.2 .017*** 42.5 .020 49.3 0.220
Peerdomein
(35) Omgang deviante leeftijdsgenoten 5 11 0.232(0.017) (0.194, 0.270) <.001*** 36.7 .002 63.3 .000 0.0 0.228
(36) Beperkte sociale vaardigheden 5 13 0.186(0.088) (-0.006, 0.378) .057 5.9 .009* 20.2 .033 73.9 0.184
(37) Overige factoren in peerdomein 4 14 0.094(0.028) (0.033, 0.155) .005** 4.0 .01*** 96.0 .000 0.0 0.094
Noot. # Studies = Aantal studies; # ES = Aantal effectgroottes; SE = Standaard Error; BI = Betrouwbaarheidsinterval; Sig. Mean z = Gemiddelde effectgrootte (z); Niveau 1 % Var = Percentage
verklaarde variantie; Niveau 2 variantie = Variantie tussen effectgroottes van dezelfde studie; Niveau 3 variantie = Variantie tussen studies; Mean r = De correlatiecoëfficiënt overeenkomend met de gemiddelde effectgrootte z.
* p <.05. ** p <.01.
Discussie
Tot op heden bestond er geen kwantitatief overzicht van de effecten van risicofactoren op langdurig schoolverzuim onder middelbare scholieren. Het doel van huidig onderzoek was daarom om deze effecten inzichtelijk te maken middels een meta-analyse. Aan de hand van de verkregen resultaten binnen dit onderzoek kan richting worden gegeven aan de inhoud van (preventieve) interventies om zodoende schoolverzuim onder jongeren te verminderen en/of te voorkomen.
Resultaten huidig onderzoek
Het huidige onderzoek laat zien dat er verschillende risicofactoren verbonden zijn aan schoolverzuim onder middelbare scholieren. Uit de resultaten is gebleken dat binnen alle onderzochte domeinen (kind, gezin, school en peer) risicofactoren effect hebben op
schoolverzuim. Van de 37 onderzochte risicofactoren werden voor 23 factoren significante overall effecten gevonden. De omvang van de significante overall effecten varieerde van r = .067 voor etniciteit (anders dan wit) tot r = .342 voor slechte schoolprestaties. Deze
significante effecten waren allemaal in de positieve richting, wat impliceert dat deze factoren als risicofactoren voor schoolverzuim kunnen worden beschouwd.
De resultaten toonden verschillen in de grootte van het effect van de onderzochte risicofactoren. Grote effecten (r ≥ .275) werden gevonden in het schooldomein en waren gerelateerd aan doubleren, leerproblemen en slechte schoolprestaties. Deze schoolgerelateerde risicofactoren kunnen hierdoor worden beschouwd als de meest voorspellende factoren voor schoolverzuim. Verder werden er in alle domeinen gemiddelde effecten (.176 < r <.275) gevonden, namelijk voor de volgende risicofactoren; leeftijd (hoe ouder, hoe hoger het risico), overig externaliserend gedrag, delinquentgedrag, drugsmisbruik, slechte lichamelijke
schoolhouding, overige factoren schooldomein, omgang met deviante leeftijdsgenoten en overige factoren in het peerdomein.
De vier motieven voor schoolverzuim volgens Kearney en Silverman (1993) sluiten aan bij de gevonden resultaten vanuit huidige meta-analyse. Het eerste motief; het vermijden van schoolgerelateerde stimuli die negatief affect oproepen, hangen samen met de gevonden risicofactoren in het schooldomein zoals doubleren en slechte schoolprestaties. Het tweede motief; het vermijden van sociale of evaluatieve situaties op school waar men een afkeer van heeft, kan vanuit de resultaten onderbouwd worden door een negatief schoolklimaat. Het aanpakken van schoolverzuim zou volgens de meta-analyse van Claes, Hooghe en Reeskens (2009) dan ook gericht moeten zijn op het schoolklimaat. Het derde motief; het najagen van aandacht van belangrijke anderen wordt ondersteund door de risicofactor omgaan met deviante leeftijdgenoten. Het vierde motief; het najagen van tastbare versterkers buiten de schoolsetting, kan gekoppeld worden aan de risicofactor drugsmisbruik. Yanovitzky (2005) beschrijft dat beschermende factoren alsreligieuze oriëntatie, schoolprestaties en ouderlijk toezicht, sensatiezoekende jongeren kunnen behoeden voor het gebruik van drugs. Tevens dienen zij als beschermende factoren tegen het deelnemen aan activiteiten met deviante leeftijdsgenoten die het risico op drugsgebruik kunnen vergroten.
De bevindingen in huidige meta-analyse kunnen empirische onderbouwing bieden aan de domeinen binnen de MAS. Zoals voor het domein ‘relaties’ zou de MAS omgang met deviante leeftijdsgenoten kunnen specificeren als risicofactor van schoolverzuim. Binnen het domein ‘school’ zouden risicofactoren als doubleren, slechte schoolprestaties en een
negatieve houding ten aanzien van school als voorspellers van verzuim kunnen worden aangemerkt. Daarentegen blijken een slechte relatie tussen leerling en leerkracht of slecht
kwaliteit van onderwijs geen risicofactoren te vormen voor schoolverzuim. Dit contrast wordt
opgroeien met een lage SES en geringe ouderlijke ondersteuning een voorspeller vormen. Terwijl voor de risicofactor slechte ouder-kindrelatie geen aanwijzing gevonden wordt dat
deze schoolverzuim zou kunnen voorspellen. Huidig onderzoek toont hiermee aan dat er
binnen de domeinen waar het signaleringsplan van de MAS naar kijkt, verschil zit tussen de risicofactoren. Om tot een effectiever resultaat te komen is het belangrijk dat risicotaxatie-instrumenten (zoals de MAS) specifiek per domein risicofactoren in kaart brengt die schoolverzuim voorspellen en/of in stand houden.
Beperkingen
Een belangrijke beperking in huidige meta-analyse is dat de publicatiebias niet is uitgesloten. De publicatiebias ook wel bekend als ‘file drawer-probleem’ of ‘bureaulade-effect’ houdt in dat artikelen met positieve en significante resultaten over het algemeen vaker worden gepubliceerd dan studies waarin geen significante resultaten naar voren komen
(Rosenthal, 1979). Hierdoor is het mogelijk dat er meer onderzoeken in huidig onderzoek zijn meegenomen die significante resultaten rapporteerden dan niet-significante resultaten
waardoor de resultaten met enige voorzichtigheid moeten worden geïnterpreteerd.
Een andere beperking in huidig onderzoek betreft het aantal effectgroottes waarop de risicofactoren gebaseerd zijn. Een aantal risicofactoren hebben slechts enkele effectgroottes waardoor er een beperkte statistische power is in de analyses. Hierdoor waren sommige resultaten wellicht niet significant terwijl in werkelijkheid wel sprake kan zijn van een effect. Ook hierdoor vormen resultaten van huidig onderzoek mogelijk geen volledig beeld van de risicofactoren voor schoolverzuim onder middelbare scholieren.
Implicaties voor de praktijk
Vanuit de verkregen resultaten kunnen enkele aanbevelingen worden gedaan voor de klinische praktijk. De risicofactoren doubleren, leerproblemen en slechte schoolprestaties
hebben het grootste effect op schoolverzuim. Het is daarom belangrijk dat preventie- en interventieprogramma’s zich in de eerste plaats richten op jongeren met problematiek binnen het schooldomein. Een mogelijke verklaring zou kunnen zijn dat jongeren die uitvallen op school cognitieve beperkingen ondervinden zoals een (Licht) Verstandelijke Beperking (LVB) (Ras, Woittiez, Van Kempen, & Sadiraj, 2010). Doordat deze jongeren zich vaak normaal ontwikkelen en daardoor niet opvallen, bestaat het risico dat deze groep jongeren wordt overschat door zowel zichzelf als de omgeving. Een jongere die functioneert op LVB-niveau ondervindt beperkingen in zowel het verstandelijke als het adaptieve functioneren, in de conceptuele, sociale en praktische domeinen (American Psychiatric Association, 2015). Hierom is het belangrijk dat (L)VB vroegtijdig wordt herkend doormiddel van diagnostiek zodat de juiste ondersteuning op school kan worden ingezet (Wissink et al., 2015). De vroege signalering kan volgens Wissink et al., (2015) laagdrempelig worden toegepast doormiddel van een LVB-screeningsinstrument (SAF) in het basisonderwijs. De SAF meet het adaptief functioneren op drie domeinen. Mogelijk zou dit ook een passend screeningsinstrument zijn voor middelbare scholieren om jongeren met een LVB eerder te signaleren.
Schoolverzuimende jongeren moeten zo snel mogelijk weer instromen in het onderwijs (Scharree, 2007). Eenmaal opgelopen achterstand in het onderwijs is namelijk moeilijk te herstellen (Mutsaers, Zoon & Baat, 2012). Scharree (2007) stelt dat de
betrokkenheid van ouders belangrijk is in de aanpak van dit probleem. Wanneer ouders achter een behandeling of interventie staan en jongeren hierbij ondersteunen zal de schoolgang eerder worden hervat (Scharree, 2007). Dit wordt bevestigd in de resultaten van huidig onderzoek waarin naar voren komt dat lage SES en geringe ouderlijke steun risicofactoren zijn voor schoolverzuim. Het is mogelijk dat gezinnen met een lage SES minder effectieve opvoedstrategieën toepassen en de ontwikkeling van het kind minder stimuleren door een gebrek aan kennis en vaardigheden. Wanneer de attitudes, het gedrag en de
schoolbetrokkenheid van ouders wordt veranderd, zal dit het gedrag van de jongere mogelijk positief beïnvloeden (Mutsaers, Zoon & Baat, 2012). De nadruk binnen de huidige
systeemgerichte interventies zoals MDFT en F-ACT zou daarom ook moeten liggen op deze risicofactoren.
Om een passende interventie in te zetten bij jongeren om schoolverzuim te
verminderen en/of te voorkomen is inzicht in de effecten van risicofactoren van belang. Op dit moment wordt in de MAS een signaleringsprotocol omschreven. Echter lijken de stappen niet concreet en de empirische onderbouwing ontbreekt. Een voorbeeld van een model waarbij grote effectiviteit wordt gezien in het verminderen van probleemgedrag (delinquent gedrag) is het Risk Need Responsivity (RNR)-model (Hoge, 2016). Het RNR-model vormt een kader voor het analyseren van condities die een bijdrage leveren aan (delinquent)gedrag en geven een richtlijn voor assessment en interventies die zich erop richten om dit gedrag te verminderen (Hoge, 2016). Gezien er een grote overlap bestaat in de risicofactoren voor schoolverzuim en delinquentie (Weerman & Van der Laan, 2006) zou het RNR-model mogelijk ook voor deze groep jongeren ingezet kunnen worden. Daarnaast kan zowel het gedrag van schoolverzuim evenals delinquentie verklaard worden vanuit het ecologische model van Bronfenbrenner (1979) waarbij risicofactoren in verschillende domeinen een rol spelen.
Om tot effectieve interventie te komen zijn er volgens het RNR-model drie principes waaraan moet worden voldaan: het risicobeginsel, het behoeftebeginsel, het
responsiviteitsbeginsel (Hoge, 2016). Het risicobeginsel omschrijft dat de intensiteit van een interventie op het recidiverisico van jongeren moet worden afgestemd. Het behoeftebeginsel geeft aan waar de behandeling zich op moet richten. Waarbij de focus ligt op vermindering van veranderbare risicofactoren rondom jongeren. Het responsiviteitsbeginsel geeft aan hoe de behandeling gegeven moet worden, waarbij er rekening wordt gehouden met de
responsiviteitskenmerken van de jongeren, zoals de leerstijl en intellectuele mogelijkheden (Hoge, 2016). Mogelijk kan het signaleringsprotocol van het MAS worden verbeterd door toevoeging van de RNR-principes.Gezien huidig onderzoek de eerste meta-analyse is voor schoolverzuim onder middelbare scholieren, zouden de resultaten handvatten kunnen bieden bij het (door)ontwikkelen van instrumenten voor risicotaxatie en interventieprogramma’s. Aanbevelingen voor toekomstig onderzoek
Het is van belang dat er vervolgonderzoek plaatsvindt naar schoolverzuim onder middelbare scholieren zodat er nog meer inzicht komt in de effecten van risicofactoren voor schoolverzuim en preventie- en interventieprogramma’s zich hierop kunnen richten. Binnen huidige meta-analyse zijn veel onderzoeken uit de Verenigde Staten afkomstig. Hier zijn met betrekking tot schoolverzuim andere culturele aspecten, wetten en regelgeving aan de orde dan in Nederland. Om aanbevelingen te kunnen doen specifiek voor Nederlandse middelbare scholieren zou vervolgonderzoek binnen Nederland een interessante stap zijn.
Vanuit de resultaten worden geen significante effecten gevonden op de risicofactor negatieve vrijetijdsbesteding. In vervolgonderzoek zou het interessant zijn om deze
risicofactor te specifiëren en/of aanpassen door gamen toe te voegen. Problematisch gamegedrag lijkt namelijk invloed te hebben op schoolverzuim (Veerman, van Vuuren en Verhoeff, 2017).
Verder is er in dit huidige onderzoek een meta-analyse met een multilevel-benadering toegepast. Hiermee zijn verkregen resultaten gebaseerd op een groot aantal effectgroottes. Voor vervolgonderzoek biedt dit de mogelijkheid om een moderator-analyse uit te voeren. Omdat er heterogeniteit is gemeten zowel binnen studies (niveau 2) als tussen studies (niveau 3) kan dit verschil mogelijk verklaard worden door moderatoren.
Literatuurlijst
Referenties gekenmerkt met een * zijn gebruikt in de meta-analyse.
*Aloise-Young, P. A., Cruickshank, C., & Chavez, E. L. (2002). Cigarette smoking and perceived health in school dropouts: A comparison of Mexican American and Non-Hispanic white adolescents. Journal of Pediatric Psychology, 27, 497-507.
doi.10.1093/jpepsy/27.6.497
American Psychiatric Association (APA). (2014). Handboek voor de classificatie van psychische stoornissen (DSM-5). Nederlandse vertaling van Diagnostic and Statistical Manual of Mental Disorders, Fifth Edition. Amsterdam: Boom. Geraadpleegd van: https://www.dsm5online.nl/domeinen/item/7b511d02-faae-46ec-98cd-2e67406f8cd4/1/-/verstandelijke-beperking--verstandelijke-ontwikkelingsstoornis-/
*Bask, M., & Salmela-Aro, K. (2013). Burned out to drop out: Exploring the relationship between school burnout and school dropout. European Journal of Psychology of Education, 28, 511-528. doi:10.1007/s10212-012-0126-5
*Battin-Pearson, S., Newcomb, M. D., Abbott, R. D., Hill, K. G., Catalano, R. F., & Hawkins, J.D. (2002). Predictors of early high school dropout: a test of five theories. Journal of Educational Psychology, 92, 568-582. doi:10.1037/0022-0663.92.3.568
Beck, J. S. (2013). Cognitieve gedragstherapie: Theorie en praktijk (2e druk). Amsterdam,
Nederland: Uitgeverij Nieuwezijds.
*Blondal, K. S., & Adalbjarnardottir, S. (2014). Parenting in relation to school dropout
through student engagement: A longitudinal study. Journal of Marriage and Family, 76, 778-795. doi:10.1111/jomf.12125
*Borgna, C., & Struffolino, E. (2017). Pushed or pulled? Girls and boys facing early school leaving risk in Italy. Social Science Research, 61, 298-313.
Born, M. Ph., & Mol, S. T. de. (2006). Het kwantitatief integreren van empirische studies: de methode van meta-analyse. Gedrag & Organisatie, 19, 251-271. Geraadpleegd van https://www.gedragenorganisatie.nl/inhoud/tijdschrift_artikel/GO-19-3-4/Het-kwantitatief-integreren-van-empirische-studies-de-methode-van-meta-analyse
*Bosker, R. J., & Hofman, W. H. A. (1994). School effects on drop out: A multi-level logistic approach to assessing school-level correlates of drop out of ethnic minorities. Tijdschrift voor Onderwijsresearch, 19, 50-64.
Bronfenbrenner, U. (1979). The ecology of human development: Experiments by nature and design. Cambridge, MA: Harvard University Press.
*Bryk, A. S., & Thum, Y. M. (1989). The effects of high school organization on dropping out: An exploratory investigation. American Educational Research Journal, 26, 353-383. doi:10.3102/00028312026003353
*Cairns, R. B., Cairns, B. D., & Neckerman, H. J. (1989). Early school dropout: Configurations and determinants. Child Development, 60, 1437-1452. doi:10.2307/1130933
*Cardoso, A. R., & Verner, D. (2006). School drop-out and push-out factors in Brazil: The role of early parenthood, child labor, and poverty. Policy Research Working Paper Series 4178, The World Bank. Geraadpleegd van
http://documents.worldbank.org/curated/en/850771468227650701/pdf/wps4178.pdf *Christle, C. A., Jolivette, K., & Nelson, C. M. (2007). School characteristics related to high
school dropout rates. Remedial and Special Education, 28, 325-339. doi:10.1177/07419325070280060201
Claes, E., Hooghe, M., & Reeskens, T. (2009). School absenteeism as a contextual and school-related problem: a comparative multilevel analysis of country and school
characteristics on civic knowledge among 14 year olds. Educational Studies, 35, 123-142. doi: 10.1080/03055690802470258
Den Otter, J., Verschuur, F., & Schell, P. (2009). Assertive Community Treatment ook voor jeugd? Tijdschrift Sociale Psychiatrie, 89, 15-21. Geraadpleegd van
https://www.researchgate.net/publication/259739033_ASSERTIVE-COMMUNITY-TREATMENT_OOK_VOOR_JEUGD
Dienst Uitvoering Onderwijs. (2018, 23 oktober). Verzuim: hoe het werkt. Geraadpleegd op 20 december 2018, van https://duo.nl/zakelijk/primair-onderwijs/verzuim/verzuim-digitaal-melden.jsp
*Dupéré, V., Dion, E., Leventhal, T., Archambault, I., Crosnoe, R., & Janosz, M. (2018). High school dropout in proximal context: The triggering role of stressful life events. Child Development, 89, 107-122. doi:10.1111/cdev.12792
Esch, P., Bocquet, V., Pull, C., Couffignal, S., Lehnert, T., Graas, M., . . . Ansseau, M. (2014). The downward spiral of mental disorders and educational attainment: a systematic review on early school leaving. BMC Psychiatry, 14, 237-250. doi.10.1186/s12888-014-0237-4
*Fall, A. M., & Roberts, G. (2012). High school dropouts: Interactions between social context, self-perceptions, school engagement, and student dropout. Journal of Adolescence, 35, 787-798. doi:10.1016/j.adolescence.2011.11.004
Farmer, T. W., Estell, D. B., Leung, M. C., Trott, H., Bishop, J., & Cairn, B. D. (2003). Individual characteristics, early adolescent peer affiliations, and school dropout: an examination of aggressive and popular group types. Journal of School Psychology, 41, 217-232. doi:10.1016/S0022-4405(03)00046-3
Ferguson, G. A. (1966). Statistical analysis in psychology & education. New York, NY: McGraw-Hill.
*Fernandez-Suarez, A., Herrero, J., Perez, B., Juarros-Basterretxea, J., & Rodríguez-Díaz, F. J. (2016). Risk factors for school dropout in a sample of juvenile offenders. Frontiers in Psychology, 7. doi:10.3389/fpsyg.2016.01993
*Flisher, A. J., & Chalton, D. O. (1995). High-school dropouts in a working-class South African community: Selected characteristics and risk-taking behavior. Journal of Adolescence, 18, 105-121. doi:10.1006/jado.1995.1008
*Flisher, A. J., Townsend, L., Chikobvu, P., Lombard, C. F., & King, G. (2010). Substance use and psychosocial predictors of high school dropout in Cape Town, South Africa. Journal of Research on Adolescence, 20, 237-255.
doi:10.1111/j.1532-7795.2009.00634.x
*Fortin, L., Lessard, A., & Marcotte, D. (2010). Comparison by gender of students with behavior problems who dropped out of school. Procedia Social and Behavioral Sciences, 2, 5530-5538. doi:10.1016/j.sbspro.2010.03.902
Fremont, W. P. (2003). School refusal in children and adolescents. American family physician, 68, 1555-1560.
*Gleason, P., & Dynarski, M. (2002). Do we know whom to serve? Issues in using risk factors to identify dropouts. Journal of Education for Students Placed at Risk, 7, 25-41. doi:10.1207/S15327671ESPR0701_3
*Gleason, P., & Dynarski, M. (2002). Do we know whom to serve? Issues in using risk factors to identify dropouts. Journal of Education for Students Placed at Risk, 7, 25-41. doi:10.1207/S15327671ESPR0701_3
*Gleason, P., & Dynarski, M. (1994). Falling behind: Characteristics of students in federally funded prevention programs. Geraadpleegd van
https://www.mathematica- mpr.com/download-media?MediaItemId=%7B37670860-FF8D-46D3-AE90-7655E3038D0D%7D
Gubbels, J., Van der Put, C., & Assink, M. (manuscript ingediend voor publicatie). Risk factors for truancy and schooldropout: A meta-analysis. Educational Research Review, 1-64.
HALT, Raad van de Kinderbescherming, Openbaar Ministerie, VNG, & Ingrado. (2017). Methodische Aanpak Schoolverzuim. Geraadpleegd van
https://www.ingrado.nl/kennisdossiers/leerplichtdossier/verzuim/instrumenten/mas *Hickman, G. P., Bartholomew, M., Mathwig, J., & Heinrick, R. S. (2008). Differential
developmental pathways of high school dropouts and graduates. Journal of Educational Research, 102, 3-14. doi:10.3200/JOER.102.1.3-14
Hoge, R. (2016). Risk, Need, and Responsivity in Juveniles. In K. Heilbrun, D. DeMatteo, & T. R. Kline, APA Handbook of Psychology and Juvenile Justice (pp. 179-196).
Washington, DC: American Psychological Association. doi: 10.1037/14643-009
*Janosz, M., LeBlanc, M., Boulerice, B., & Tremblay, R. E. (1997). Disentangling the weight of school dropout predictors: A test on two longitudinal samples. Journal of Youth and Adolescence, 26, 733-762. doi:10.1023/A:1022300826371
*Jimerson, S. Egeland, B. L., Sroufe, A., & Carlson, B. (2000). A prospective longitudinal study of high school dropouts examining multiple predictors across development. Journal of School Psychology, 38, 525–549. doi:10.1016/S0022-4405(00)00051- Kearney, C. A. (2008). School absenteeism and school refusal behavior in youth: A
contemporary review. Clinical Psychology Review, 28, 451-471. doi.10.1016/ j.cpr.2007.07.012.
Kearney, C.A., & Silverman, W.K. (1993). Measuring the function of school refusal
behavior: The School Refusal Assessment Scale. Journal of Clinical Child Psychology, 22, 85-96. doi:10.1207/s15374424jccp2201_9
Knapp, G., & Hartung, J. (2003). Improved tests for a random effects meta-regression with a single covariate. Statistics in Medicine, 22, 2693-2710. doi:10.1002/sim.1482
Leerplichtwet 1969. Vernieuwde:(2017, 1 juli) origineel (1968, 30 mei). Geraadpleegd op 28 september 2017, van http://wetten.overheid.nl/BWBR0002628
Lipsey, M. W., & Wilson, D. B. (2000). Practical meta-analysis. Thousand Oaks, CA: Sage Publications Inc.
Loeber, R. (1990). Development and risk factors of juvenile antisocial behavior and
delinquency. Clinical psychology review, 10, 1-41. doi.10.1016/0272-7358(90)90105-J Mutsaers, K., Zoon, M., Baat, M. de (2012). Wat werkt bij onderwijsachterstanden? Utrecht:
Nederlands Jeugdinstituut (NJi).
*Peguero, A. A., Ovink, S. M., & Li, Y. L. (2016). Social bonding to school and educational inequality: Race/ethnicity, dropping out, and the significance of place. Sociological Perspectives, 59, 317-344. doi:10.1177/0731121415586479
*Quiroga, C. V., Janosz, M., Lyons, J. S., & Morin, A. J. S. (2012). Grade retention and seventh-grade depression symptoms in the course of school dropout among high-risk adolescents. Psychology, 3, 749-755. doi:10.4236/psych.2012.329113
Rapport van de Inspectie Veiligheid en Justitie. (2016). Schoolverzuim: de strafrechtelijke aanpak. Geraadpleegd van https://www.rijksoverheid.nl/documenten/rapporten/2017/ 06/06/tk-bijlage-schoolverzuim-de-strafrechtelijke-aanpak
Ras, M., Woittiez, I., Van Kempen, H., & Sadiraj, K. (2010). Steeds meer verstandelijk gehandicapten? Ontwikkelingen in vraag en gebruik van zorg voor verstandelijk gehandicapten 1998-2008. Den Haag: Sociaal en Cultureel Planbureau (SCP).
Rice, M. E., & Harris, G. T. (2005). Comparing effect sizes in follow-up studies: ROC Area, Cohen's d, and r. Law and Human Behavior, 29, 615-620.
Rosenthal, R. (1979). The ‘file drawer problem’ and tolerance for null results. Psychological Bulletin, 86, 638-641. doi: 10.1037/0033-2909.86.3.638.
*Rumberger, R.W. (1995). Dropping out of middle school: A multilevel analysis of students and schools. American Educational Research Journal, 32, 583-625.
doi:10.3102/00028312032003583
*Rumberger, R. W., Ghatak, R., Poulos, G., Ritter, P. L., & Dornbusch, S. M. (1990). Family influence on dropout behavior in one California high school. Sociology of Education, 63, 283-299. doi:10.2307/2112876
Scharree, C. J. (2007). Schoolweigering? Ouders aan de slag!. Kind & Adolescent Praktijk, 6, 8-13. doi:10.1007/BF03059620
Slob. A. (2018). Cijfers schoolverzuim en vrijstellingen funderend onderwijs [Kamerstuk]. Geraadpleegd van https://www.rijksoverheid.nl/documenten
/kamerstukken/2018/02/19/kamerbrief-over-cijfers-schoolverzuim-en-vrijstellingen-funderend-onderwijs
*Sznitman, S. R., Reisel, L., & Khurana, A. (2017). Socioeconomic background and high school completion: Mediation by health and moderation by national context. Journal of Adolescence, 56, 118-126. doi:10.1016/j.adolescence.2017.02.004
Tabachnik, B. G., & Fidell, L. S. (2013). Using multivariate statistics (5th ed.). Boston, MA: Allyn & Bacon/Pearson Education.
*Trampush, J. W., Miller, C. J., Newcorn, J. H., & Halperin, J. M. (2009). The impact of childhood ADHD on dropping out of high school in urban adolescents/young adults. Journal of Attention Disorders, 13, 127-136. doi:10.1177/1087054708323040
Van den Noortgate, W., López-López, J. A., Marin-Martinez, F., & Sánchez-Meca, J. (2013). Three-level meta-analysis of dependent effect sizes. Behavior Research Methods, 45, 576-594. doi:10.3758/s13428-012-0261-6
Van der Steeg, E. (2012). Leerlingen, rebound, school, ouders en keten: Handen ineen voor schoolsucces. In F. Harinck, A. van de Ven, & M. Willemse (Reds.), Onderwijszorg en de keten: Op weg naar een samenwerkingsmodel voor leraren, zorgspecialisten en ouders (pp. 127-147). Apeldoorn, Nederland: Garant.
Veerman, C. A. C. D., van Vuuren, C. L., & Verhoeff, A. P. (2017). Hangen gamen en sociale-mediagebruik samen met schoolverzuim? Tijdschrift voor
gezondheidswetenschappen, 95, 169-179. doi.10.1007/s12508-017-0049-2
*Vitaro, F., Larocque, D., Janosz, M., & Tremblay, R. E. (2001). Negative social experiences and dropping out of school. Educational Psychology, 21, 401-415.
doi:10.1080/01443410120090795
Vullings, H., (2014). Multidimensionele familietherapie; Een systeemtherapie voor probleemgedrag van adolescenten. Systeemtherapie, 26, 65-78. Geraadpleegd van https://www.tijdschriftsysteemtherapie.nl/inhoud/tijdschrift_artikel/ST-26-2-65/Multidimensionele-familietherapie
Weerman, F. M., & Van der Laan, P. H. (2006). Het verband tussen spijbelen, voortijdig schoolverlaten en criminaliteit. Justitiële verkenningen, 6, 39–53. Geraadpleegd van https://www.wodc.nl/onderzoeksdatabase/jv200606-spijbelaars-en-drop-outs.aspx Wibbelink, C., & Assink, M. (2015). Handleiding voor het uitvoeren van een drie-level
meta-analyse in R. Amsterdam: Afdeling Forensische Orthopedagogiek, Universiteit van Amsterdam.
Wissink, I. B., Moonen, X. M. H., Zand Scholten, A., Stams, G. J. J. M., Bindels, A., Lekkerkerker, L., & van der Wal, M. (2015). Rapport onderzoek: De ontwikkeling en validering van een LVB-screeningsinstrument voor toepassing in het basisonderwijs. Universiteit van Amsterdam. Geraadpleegd van http://hdl.handle.net/11245/1.439397
Yanovitzky, I. (2005). Sensation seeking and adolescent drug use: The mediating role of association with deviant peers and pro-drug discussions. Health communication, 17, 67-89. doi.org/10.1207/s15327027hc1701_5
Bijlagen
APPENDIX A
Begripsdefiniëring van risicofactoren per domein
Risicofactor per domein
Kinddomein
(1) Geslacht (man) Mannelijk
(2) Etniciteit (anders dan wit) Aziatisch /Afro-Amerikaans / Inheems-Amerikaans / Latijns-Amerikaans / Niet-blank / Niet-Westers / Multiraciaal / Een minderheid / Een immigrant (3) Leeftijd (ouder zijn) In leeftijd ouder zijn/ In een hogere klas zitten
(4) Overig externaliserend gedrag Agressief zijn / Antisociaal zijn (met uitzondering van delinquentie) / Antisociaal georiënteerd zijn / Aandachtsproblemen hebben / Gedragsproblemen hebben / Attitudeproblemen hebben / Storend gedrag vertonen / Gewelddadig zijn / Gedragsproblemen hebben / Op school straf krijgen / Pesten / Betrokken zijn bij een problematische jeugdgroep / Hyperactiviteit / Onverantwoordelijkheid / Vatbaar zijn voor onheil en kattenkwaad / Het hebben van een hoge mate van boosheid of prikkelbaarheid / Grensoverschrijdend gedrag vertonen / Het hebben van een lage zelfbeheersing
(5) Delinquent gedrag Overtreden van regels op school / Vandalisme / Gearresteerd worden / Een pistool of wapen dragen / Crimineel verleden / Delinquentgedrag / Een geweldsmisdrijven plegen / Drugs verkopen / Detentieverleden / Stelen / Wapengeweld / Jeugdreclassering
(6) Depressie Chronisch depressief / Depressief zijn / Een depressieve stemming hebben
(7) Overig internaliserend gedrag Vervreemden van zichzelf / Internaliserende problemen hebben / Poging of overwegen van suïcide / Een laag zelfbeeld hebben / Negatief denken / Symptomen van paniek of paniekstoornis hebben / Somatische problemen hebben / Vaak huilen / Problemen met gedachten hebben / Zich terugtrekken (8) Alcoholmisbruik Veel alcohol drinken / Vaak dronken / Hoge frequentie van alcoholgebruik / Op jonge leeftijd begonnen met alcoholgebruik / Problemen ondervinden door
alcoholgebruik
(9) Drugsmisbruik Gebruiken of het hebben gebruikt van: Amfetamine / Betelnoot / Marihuana / Ecstasy / Lijm (snuiven) / Illegale drugs / FM2 / Heroïne / Ketamine / Cocaïne / Steroïden / Methamfetamine / Barbituraten of benzodiazepines / Andere verdovende middelen
(10) Sigarettengebruik Veel roken / Kopen van sigaretten / Sigaargebruik / Levenslang gebruik van sigaretten / Gebruik van tabak / Op jonge leeftijd begonnen met roken (11) Slechte lichamelijke gezondheid Obesitas of overgewicht hebben / Een slechte gezondheid hebben / Een chronische ziekte hebben / Geen of onvoldoende lichaamsbeweging / Hoofdpijn
krijgen / Koffie drinken / Geschiedenis van fysieke ziektes / Verzwakt zijn / Slapeloosheid / Slechte slaapgewoonten / Slechte eetgewoonten / Premenstruele symptomen / Uitputting
(12) Risicovolle persoonlijkheidskenmerken Emotioneel instabiel zijn / Externe locus of control / Extravert zijn / Neurotisch zijn / Psychotisch zijn / Hoog zelfbewustzijn / Sterke overtuiging hebben / Gesloten zijn / Pessimistisch zijn / Weinig inschikkelijkheid / Minder zorgvuldig zijn / Weinig zelfredzaamheid / Weinig motivatie om te werken / Persoonlijkheidsproblemen hebben / Repressief zijn / Geen probleemoplossende copingsvaardigheden gebruiken zoals: Vermijding en Ontkenning (13) Seksualiteit Meerdere keren seksuele gemeenschap hebben gehad met verschillende personen / Vroeg seksueel actief zijn / Geen anticonceptie gebruik / Pornografie /
Vroege puberteitsontwikkeling / Biseksueel, lesbisch, homo zijn of onzeker over seksuele identiteit / Kinderen hebben / Ooit zwanger zijn geweest of iemand zwanger hebben gemaakt
(14) Negatieve vrijetijdsbesteding Niet deelnemen aan vrijetijdsactiviteiten / Rondhangen / Geen naschoolse activiteiten / Passieve activiteiten zoals tv-kijken
(15) Overige factoren kinddomein Impact van belangrijke levensgebeurtenissen / Niet religieus zijn / Schoolwisselingen / Aansluiten bij een subcultuur / Weinig ontwikkelingscompetentie (met betrekking tot school, sociale en naschoolse activiteiten) / Weinig kennis over ziektes / Laag niveau van welbevinden / Slachtoffer of getuige van geweld
Gezinsdomein
(16) Lage Sociaal Economische Status (SES) Laag gezinsinkomen of economisch status / Wonen in armoede / Dakloosheid / Ontvangen van een met korting of gratis lunch / Weinig toelage ontvangen / Werkloosheid van ouders / Geen comfortabele woonplek / Weinig slaapkamers / Weinig zomeractiviteiten / Delen van een kamer met broers en zussen (17) Laag opleidingsniveau ouders Laag opleidingsniveau van de ouders / Ouders zonder opleiding / Ouders die voortijdig school hebben verlaten
(18) Gezinsstructuur Uiteenvallen van het gezin / Wonen met een alleenstaande ouder / Wonen met stiefouders / Overleden ouders / Wonen in een instelling / Leven zonder ouders / Echtscheiding / Niet opgevoed door beide biologische ouders / Polygamie van ouders
(19) Verleden van mishandeling Slachtoffer van: Kindermishandeling / Lichamelijke mishandeling / Psychische mishandeling / Lichamelijke verwaarlozing / Seksueel misbruik / Getuige zijn van huiselijk geweld / Geweld binnen het gezin / Partnergeweld
(20) Ineffectieve gezinssysteem Geringe gezinscohesie / Slechte relatie met ouderschap / Weinig organisatie binnen het gezin / Weinig expressie binnen het gezin / Weinig intellectuele oriëntatie binnen het gezin / Weinig nadruk op het religieus moraal binnen het gezin / Weinig prestatie oriëntatie binnen het gezin / Weinig fysieke activiteiten binnen gezin / Hoge onafhankelijkheid binnen het gezin / Gezinsontwrichting of tegenspoed
(21) Slechte ouder-kindrelatie Weinig ouder-kind contact / Weinig ouder-kind communicatie / Geringe ouderlijke sensitiviteit / Weinig hechting aan ouders / Weinig identificatie met ouders
(22) Geringe ouderlijke steun Afwijzing door ouders / Weinig aanmoediging richting autonomie / Geringe kennis van ouders over het kind / Geringe acceptatie door ouders / Weinig betrokkenheid van ouders / Weinig affectieve ondersteuning door ouders / Geringe mate van positieve bekrachtiging door ouders
(23) Weinig ouderlijk toezicht Weinig ouderlijk toezicht, supervisie of controle / Geen regels / Geringe mate van structuur / Hoge mate van bestraffen / Negatieve bestraffing / Inconsistente ouderlijke discipline
(24) Geringe ouderbetrokkenheid school Ouders helpen niet met huiswerk of andere schoolprojecten / Weinig communicatie met leerkrachten / Lage verwachting van ouders over onderwijs van het kind / Niet lezen met het kind / Geringe aanmoediging voor onderwijs door ouders
(25) Overige factoren gezinsdomein Engels is niet de primaire taal binnen het gezin / Verhuizing / Lage kwaliteit van de thuisomgeving / Jonge leeftijd van de ouders / Brussen op school / Brussen zijn gestopt met school / Weinig aanwezigheid van ouders op school in het verleden
Schooldomeinen
(26) Negatief schoolklimaat Onveilig voelen op school / Veel competitiviteit in de klas / Veel innovatie de klas / Etnische, persoonlijke of seksuele intimidatie op school / Weinig duidelijkheid over regels binnen de klas / Laag niveau van orde en organisatie binnen de klas / Weinig taakgerichtheid binnen de klas / Weinig samenhorigheid tussen leeftijdsgenoten in de klas / Weinig affiniteit met de school
(27) Slechte onderwijskwaliteit Leerkracht maakt het niet mogelijk te participeren / Minder gevorderde wiskunde vakken op school/Lage prestatienormen op school/ Ongeschikte arbeidslast voor de leerkracht / Kwaliteit van leerkracht als laag beschouwd / Slecht schoolmanagement / Hoog tempo van instructies door leerkracht / Niet eerlijk of niet effectief disciplinair beleid van school / Slechte voorzieningen op school / Laag niveau van betrokkenheid van personeel op school
(28) Negatieve schoolhouding School vervelend vinden / Desinteresse voor onderwijs / Leerling doet weinig huiswerk / Begrijpt het doel van onderwijs niet / Cijfers worden beschouwd als onbelangrijk / Geschiedenis van schoolverlaten / Geen onderdeel voelen van de schoolgemeenschap / Te laat komen / Weinig betrokkenheid op school / Weinig hechting met de school / Weinig toewijding aan school / Lage doelstellingen in het onderwijs / Weinig motivatie / Negatieve houding ten opzichte van school / Onzekerheid over behalen van middelbare schooldiploma
(29) Slechte relatie leerling-leerkracht Geen band met de leerkracht / Weinig toewijding richting de leerkracht / Hoge controle door de leerkracht / Weinig ondersteuning van de leerkracht / Negatieve houding ten opzichte van leerkrachten / Negatieve attitudes van de leerkracht ten opzichte van conflicten tussen leerling en leerkracht (30) Weinig zelfvertrouwen schoolvaardigheden Slechte beschouwing van cijfers / Weinig zelfvertrouwen in onderwijs / Lage verwachting van cijfers
(34) Overige factoren schooldomein Lange schoolafstand / Veranderde school / Hoge academische differentiatie binnen school / Kleine gemiddelde klasgrootte / Lage inschrijving van studenten op school / Hoge SES-differentiatie binnen de school / Lering over parlement of stemming / Lage concentratie in academische vakken binnen school / Kleine schoolgrootte / In een openbare school zijn
Peerdomeinen
(35) Omgang deviante leeftijdsgenoten Weinig betrokkenheid door vrienden voor school / Deviante of spijbelende vrienden / Omgaan met antisociale leeftijdsgenoten / Hoge mate van spijbelen door leeftijdgenoten
(36) Beperkte sociale vaardigheden Minder sociale vaardigheden dan leeftijdsgenoten / Geringe mate van sociaal functioneren / Weinig sociale vaardigheden / Op school weinig optrekken met leeftijdsgenoten / Relationele problemen / Sociaal onaangepast gedrag / Niet populair zijn
(37) Overige factoren peerdomein Goed kunnen identificeren met vrienden / Veel vrienden hebben / Geaccepteerd worden door leeftijdsgenoten / Weinig leiderschap / Geringe mate van hechting of toewijding aan klasgenoten / Veel tijd met vrienden doorbrengen / Slechte communicatie tussen leerlingen / Niet met respect worden behandeld
