Kort svar
Registerdata, statistik och enkätdata är tre olika typer av skoldata. Registerdata visar ofta vad som finns: skolenhet, huvudman, adress eller organisation. Statistik visar mönster under en period. Enkätdata visar hur människor har svarat på frågor.
Tre datatyper
| Datatyp | Svarar på | Exempel |
|---|---|---|
| Registerdata | vad finns och vem ansvarar | skola, huvudman, adress |
| Statistik | hur såg ett mått ut under en period | elever, personal, resultat |
| Enkätdata | hur svarade personer | trygghet, studiero, trivsel |
Registerdata är ofta grundkartan
Registerdata hjälper till att identifiera skolan. Den kan visa vilken skolenhet det gäller, vem som är huvudman och andra grunduppgifter. Utan registerdata blir det svårt att koppla rätt statistik till rätt skola.
Men registerdata säger sällan hur skolan fungerar i vardagen. Den kan visa att skolan finns och vem som ansvarar. Den säger inte om elever trivs, om undervisningen är tydlig eller om stöd fungerar.
Programdata ligger nära registerdata
När du jämför gymnasieskolor möter du också program- och utbildningsdata. Den ligger nära registerdata eftersom den beskriver vad som finns kopplat till en skola: program, inriktningar, studievägar eller planerade utbildningar.
Programdata är väldigt användbar i första urvalet. Om skolan inte har programmet du vill läsa spelar andra mått mindre roll. Men programdata ska ändå kontrolleras lokalt, eftersom planerade utbildningar, inriktningar och kursstarter kan förändras.
Register och programdata
| Uppgift | Läs som |
|---|---|
| skolenhet och huvudman | identitet och ansvar |
| adress och kommun | geografisk placering |
| program och inriktning | planerat eller registrerat utbud |
| lokal kursstart | behöver ofta kontrolleras med skolan |
Det gör att registerdata och programdata är startpunkten, inte slutbedömningen.
Statistik visar mönster
Statistik är ofta sammanställda värden från en period. Det kan handla om elevantal, personal, betyg, examen eller behörighet. Den är stark när du vill jämföra mönster och nivåer.
Men statistik kräver frågor: vilken period gäller den? Vilken nivå? Hur stort är underlaget? Är måttet jämförbart mellan skolorna? Därför hänger den här artikeln nära ihop med hur statistik och nyckeltal ska tolkas.
Enkätdata är människors svar, inte facit
Enkätdata är ofta den datatyp som känns mest nära vardagen. Den kan visa om elever upplever trygghet, studiero, stöd och trivsel. Det gör den viktig, särskilt i gymnasievalet.
Men enkätdata behöver läsas med försiktighet. Alla svarar inte. Vissa grupper kan vara små. Frågor kan tolkas olika. En period kan vara ovanlig. Därför ska enkätdata inte läsas som att “alla elever tycker så”, utan som en signal från dem som svarade.
När du läser enkätdata
| Kontroll | Varför |
|---|---|
| antal svar | små grupper kan svänga mer |
| svarsfrekvens | visar hur brett underlaget är |
| period | upplevelser kan förändras |
| fråga | olika frågor mäter olika saker |
Det betyder inte att enkätdata är svag. Den kan vara mycket viktig. Men den är viktig på rätt sätt: som elevupplevelse, inte som total sanning.
Enkätdata visar upplevelse
Enkätdata kommer från svar på frågor. Skolenkäten är ett exempel på en källa som kan visa elev-, vårdnadshavar- eller personalupplevelser. På en skolsida kan enkätdata hjälpa dig förstå sådant som trygghet, studiero och stöd.
Men enkätdata är inte samma sak som objektiv vardagslogg. Den bygger på vilka som svarade, när de svarade och hur frågorna ställdes. Den är värdefull, men den ska läsas som upplevelsedata.
Hur använder du skillnaden praktiskt?
När du ser en uppgift om en skola, fråga först vilken datatyp det är:
- registerdata: kontrollerar jag rätt skola?
- statistik: vilken period och nivå gäller?
- enkätdata: vilka har svarat och vad frågades?
- bearbetat mått: vad har sammanställts och varför?
Det gör att du undviker att dra för starka slutsatser. Du kan också lättare se vilka frågor du behöver komplettera med på öppet hus eller i kontakt med skolan.
Bearbetade mått bygger ofta på flera datatyper
Vissa mått är inte ren registerdata, ren statistik eller ren enkätdata. De är bearbetade mått. SCI är ett exempel: det sammanställer flera datalager till en kontextbild. Sådana mått kan vara användbara eftersom de gör jämförelsen lättare, men de kräver transparens.
När du ser ett bearbetat mått bör du fråga:
- vilka datatyper ingår?
- visas underlag eller tillförlitlighet?
- finns det saknade delar?
- är måttet tänkt som ranking eller kontext?
På Gymnasieskolan beskriver vi SCI som ett jämförbart kontextindex, inte som ett myndighetsmått eller kvalitetsbetyg. Det betyder att du kan använda det som överblick, men fortfarande läsa komponenterna.
Samma skolsida kan ha flera datatyper
| Del på skolsidan | Vanlig datatyp |
|---|---|
| adress och huvudman | registerdata |
| program och utbildningar | programdata |
| resultat och personal | statistik |
| NPS och elevklimat | enkät- eller elevdata |
| SCI | bearbetad kontextmodell |
När du håller isär datatyperna blir hela skolsidan lättare att läsa.
Exempel: samma skola, tre datafrågor
En skola kan ha korrekt registerdata, äldre resultatstatistik och en färskare elevsignal. Alla tre uppgifter kan vara riktiga samtidigt. Men de säger olika saker. Registerdata visar skolan. Resultatstatistik visar tidigare utfall. Enkätdata visar upplevelse från svarande.
Om du behandlar dem som samma typ av sanning blir jämförelsen svagare.
Vad du ska göra när datatyper pekar åt olika håll
Ibland pekar datatyper åt olika håll. Registerdata kan visa att programmet finns, statistik kan visa blandade resultat och enkätdata kan visa stark trivsel. Det är inte nödvändigtvis en konflikt. Det betyder att skolan har olika styrkor och frågor.
När datan spretar
| Om du ser | Gör så här |
|---|---|
| stark elevupplevelse men svagare resultat | fråga om stöd, tempo och programprofil |
| starka resultat men svagare elevsignal | fråga om stress, studiero och vardag |
| registrerat program men osäker start | kontrollera med skolan eller antagningskansliet |
| gammal statistik men aktuell skolinfo | skilj historik från nuläge |
Det viktiga är att inte försöka tvinga alla datatyper till ett enda svar. De ska hjälpa dig se vad som behöver undersökas mer.
Om du lär dig skilja datatyperna åt blir det också lättare att förstå varför vissa skolor har full SCI, andra delvis SCI och vissa ingen SCI. Ofta handlar det om vilka datatyper som finns i tillräckligt säkert underlag.
Exempel: en skola, tre datatyper
Tänk att du tittar på en skola och ser att adressen, huvudmannen och programmen verkar aktuella. Det är i första hand register- och programdata. De hjälper dig veta vilken skola och vilket utbud du tittar på.
Sedan ser du betygsresultat, elevantal och lärarbehörighet. Det är statistik som ofta gäller en avslutad period. Den kan vara jämförbar och viktig, men den visar inte nödvändigtvis dagens vardag i klassrummet.
Till sist ser du elevsvar om trygghet och studiero. Det är enkätdata. Den berättar hur de som svarat upplevde skolan vid mättillfället, men inte exakt varför svaren blev så.
Om du blandar ihop datatyperna kan du dra för starka slutsatser. Om du håller isär dem får du en bättre fråga: vad vet jag säkert, vad är historik och vad bygger på elevers upplevelser?
Vanliga missförstånd
Ett vanligt missförstånd är att en siffra alltid är mer exakt än en enkät. Det beror på frågan. Ett annat är att registerdata är mindre viktig eftersom den inte handlar om kvalitet. I själva verket är registerdata nödvändig för att jämföra rätt enhet.
Ett tredje misstag är att läsa statistik som realtid. Skolstatistik gäller ofta en avslutad period.
Vad du kan göra härnäst
Läs datakälla förklaring för grunden. Fortsätt med vem som mäter vad i skolan och datakällor och begränsningar.