Kort svar
Konfidens i skoldata handlar om hur starkt underlaget är. En siffra kan vara korrekt publicerad men ändå behöva läsas försiktigt om den bygger på få elever, få svar, gammal period eller flera saknade delar. Osäkerhet betyder inte att datan är fel. Det betyder att slutsatsen behöver vara mjukare.
Vad som ofta påverkar osäkerhet
| Faktor | Varför den spelar roll |
|---|---|
| Gruppstorlek | få elever gör värdet känsligare |
| Svarsfrekvens | få svar kan göra enkäten mindre representativ |
| Period | äldre data beskriver inte alltid nuläge |
| Saknade mått | helhetsbilden blir tunnare |
| Källnivå | kommundata är inte samma sak som skolenhetsdata |
För gymnasievalet betyder det att du inte bara ska fråga vad siffran är, utan också hur starkt underlaget bakom siffran är.
Skillnaden mellan exakt och säker
Många siffror ser exakta ut. Ett värde kan visas som 68 av 100 eller 7,4 av 10. Men antalet decimaler säger inte hur säker slutsatsen är. En exakt siffra kan bygga på tunt underlag, medan en rundad siffra kan bygga på mycket starkare data.
Det är därför skolstatistik behöver läsas med osäkerhet i åtanke. Om 20 elever har svarat på en enkät kan varje svar påverka resultatet mer än om 300 elever har svarat. Om en skola är ny kan vissa historiska mått saknas. Om ett program är litet kan ett enda år ge stora svängningar.
Läs mer om detta i små grupper statistik.
Osäkerhet i olika datatyper
Osäkerhet ser olika ut beroende på datatyp. Registerdata kan vara stark för att identifiera skolenheter, men kan ändå bli fel om en uppgift rapporterats sent. Statistik kan vara jämförbar, men ofta publicerad för en avslutad period. Enkätdata kan fånga elevupplevelse, men påverkas av svarsfrekvens och vilka som svarar.
Olika osäkerhet i olika datatyper
| Datatyp | Typisk styrka | Typisk osäkerhet |
|---|---|---|
| Register | struktur, skolenhet, huvudman | rapportering kan ändras |
| Statistik | jämförbara mått över många skolor | period, nivå och små grupper |
| Enkät | elevupplevelse | bortfall och svarsfrekvens |
| Modellvärde | sammanvägd överblick | metodval och saknade delar |
Det är därför skillnaden mellan registerdata, statistik och enkätdata är viktig.
Konkret gymnasieexempel
Tänk att två skolor har samma elevnöjdhet: 7,8 av 10. På den första skolan har 250 elever svarat. På den andra har 24 elever svarat. Värdet är samma, men underlaget är inte lika starkt. Den första siffran är ofta lättare att använda som stabil signal. Den andra kan fortfarande vara intressant, men du bör läsa den mer försiktigt.
Samma sak kan gälla index. Om en skola har full data för elevklimat, akademisk kontext, skolstruktur, närmiljö och områdeskontext är ett sammanvägt värde mer jämförbart. Om flera delar saknas bör modellen markera att underlaget är begränsat eller tunt.
Det betyder inte att den andra skolan är sämre. Det betyder att den är svårare att beskriva med tillgänglig data.
Hur osäkerhet bör påverka jämförelsen
Osäkerhet ska inte få dig att kasta bort data. Den ska få dig att använda data på rätt nivå.
Om underlaget är starkt kan siffran få större plats i jämförelsen. Om underlaget är begränsat bör siffran bli en fråga: varför saknas data, hur många har svarat, gäller måttet rätt nivå och finns andra mått som pekar åt samma håll?
I praktiken kan du tänka så här:
- starkt underlag: jämför värdet men kontrollera komponenter
- begränsat underlag: använd värdet som signal
- tunt underlag: använd värdet främst som fråga
- saknat underlag: dra ingen slutsats av frånvaron
Vad betyder det för gymnasievalet?
Konfidens hjälper dig avgöra hur mycket plats en siffra ska få i beslutet. Ett värde med starkt underlag kan vara en tydligare jämförelsesignal. Ett värde med tunt underlag bör snarare bli en fråga till skolan, SYV eller öppet hus.
Det betyder inte att skolor med tunnare data är dåliga. Nya, små eller smala skolor kan ha mindre publicerad statistik. Men det betyder att du behöver komplettera mer själv. Titta på programmet, prata med skolan och väg in elevberättelser och praktiska faktorer.
Vanliga missförstånd
Ett vanligt missförstånd är att osäkerhet betyder att datan är dålig. Det stämmer inte. All statistik har någon form av osäkerhet. Frågan är om osäkerheten är rimligt hanterad.
Ett annat missförstånd är att saknade värden är ett tecken på problem med skolan. Ibland saknas data för att gruppen är för liten, för att källan inte publicerar värdet eller för att skolan är ny.
Ett tredje missförstånd är att modellvärden löser osäkerhet. Modeller kan hantera osäkerhet, men de kan inte trolla fram data som inte finns.
Nästa steg
Läs vad underlaget i SCI betyder för hur osäkerhet visas i en konkret kontextmodell. Fortsätt med urval och svarsfrekvens om du vill förstå enkäter.