Minska skolfrånvaron och öka meritvärdena - machine learning som leder till skolutveckling

Machine learning för dataanalys

I Helsingborgs stad så började det datadrivna arbetet som ett innovationsarbete. Förvaltningen beslutade att arbeta datadrivet med modern teknik, machine learning, för att analysera den data som finns i kommunens olika system. Den data som är intressant på Skol- och fritidsförvaltningen finns i de system som används på skolorna för frånvaro, betyg och meritvärden men även på många andra ställen också. Den data som inte finns på förvaltningen kan exempelvis vara andel lärare med examen, lärartäthet, eller elevernas socioekonomiska förutsättningar.

Att analysera en stor mängd data från flera år tillbaka i tiden, för att se mönster och trender, kräver avancerad kompetens. En del av innovationsarbetet har varit att utöka denna kompetens i kommunen med hjälp av ett externt konsultföretag. Helsingborgs stad hade behov av att göra korsanalyserna av data automatiska och därefter till visuella diagram som gör att statistiken kommer till liv och blir mer användbar.

Andreia Balan är forskare på Skol- och fritidsförvaltningen i Helsingborgs stad och hon är den forskare som är kopplad till förvaltningens datadrivna arbete. Andreia har arbetat på Skol- och fritidsförvaltningen i cirka 15 år och hon berättar att i uppstarten av projektet gick mycket tid åt till att samla in och sortera all relevant data som finns i kommunens olika system. Den data som behövs i projektet finns i kommunens datasystem men den ska också kunna exporteras ut och när man jobbar med data vill man alltid ha mer data, berättar Andreia.

”När man jobbar med data vill man alltid ha mer data.”

Marknadsledande kvantitativ forskning

Helsingborgs stad ligger i framkant bland Sveriges kommuner gällande kvantitativ elevnära forskning. Machine learning, att få datorer att självständigt förstå och hantera stora mängder data, är ett innovationsarbete som verkligen hjälper förvaltningen och skolorna att förstå vilka faktorer som påverkar elevernas skolnärvaro och betyg. Andreia beskriver att det skiljer ljusår i kvalitén på dataanalyser som görs med och utan machine learning.

Hur kommer det sig att Helsingborgs stad har tagit så stora kliv inom det kvantitativa forskningsområdet? Andreia berättar att det är flera olika faktorer som bidragit. En faktor är Andreias bakgrund inom skolan, hon är utbildad lärare i matematik och fysik och har därefter disputerat inom området bedömning. Andreia har även stor erfarenhet när det gäller att arbeta med statistik. En annan faktor är att det har funnits innovationspengar att finansiera delar av projektet med.

Presentation av dataanalys

Skol- och fritidsförvaltningen har anlitat ett konsultföretag med data scientists och systemutvecklare som utvecklat en webbapplikation där resultaten presenteras. Medarbetarna på konsultfirman har inte någon kunskap om skolan så därför har ett nära samarbete varit nödvändigt för utvecklandet av webbapplikationen. I webbapplikationen finns all relevant data presenterad i olika kategorier i olika typer av diagram.

Ett exempel på dataanalys är sambandet mellan skolfrånvaro och elevernas socioekonomiska förutsättningar och hur det påverkar elevernas meritvärde. På en skola i ett socioekonomiskt utsatt område där föräldrarna har låg utbildningsnivå påverkar skolfrånvaro elevernas meritvärde påtagligt negativt. På en skola i ett område där föräldrarna har hög utbildningsnivå och medelinkomst påverkar skolfrånvaro elevernas meritvärde marginellt.

Andreia berättar också om ett annat exempel på analys av frånvarodata, det är kopplingen mellan minskad frånvaro och ökat meritvärde. Hur påverkar förändringar i frånvaro meritvärdet? Minskar frånvaron med 5 procent, vad händer då med meritvärdet? Och hur mycket förändras betygen i kärnämnena för dessa elever? Inga självklara svar finns på dessa frågor men i webbapplikationen tydliggörs sambanden.  

Pilotskolor och beslutsstöd

Just nu arbetar Skol- och fritidsförvaltningen med hur arbetet framåt ska se ut, hur arbetssättet ska implementeras på alla kommunens skolor. Data från webbapplikationen kan exporteras till kommunens beslutsstödsystem vilket gör data tillgänglig och visuellt enkel att arbeta med. Än så länge har det endast funnits pilotskolor som arbetat med forskarnas data i sin verksamhet.

Pilotskolorna har tyckt att underlaget varit mycket intressant men att det inte är någon självklarhet vilka åtgärder som ska vidtas på den egna skolan. Att förändra arbetssätt och därefter göra en effektmätning är något som skolorna behöver stöttning med. Andreia berättar att ett exempel på stöttning är att Skol- och fritidsförvaltningen har haft ett samarbete med högskolan i Malmö som tagit fram hjälptexter, för både rektorer och lärare, för närvarofrämjande åtgärder.

Implementering på skolorna

Andreia brinner verkligen för datainsamling och dataanalys och som hon säger tidigare i texten, ”när man jobbar med data vill man alltid ha mer data”. Hon är därför intresserad av att samarbeta med andra kommuner för att dataunderlaget ska bli större. Den data som Andreia arbetar med gäller för Helsingborgs stad, och hon är nyfiken på hur det ser ut i andra delar av landet. Att skapa nätverk mellan kommuner för denna typ av arbete tror hon skulle bidra till elevernas framgång i skolan.

”Det går att fortsätta att lägga till nya data och analysera i oändlighet men nu ska vi börja med det vi faktiskt har.”

Andreia menar att det går att fortsätta att lägga till nya data och analysera i oändlighet men att de nu ska börja med det de faktiskt har och komma i gång med arbetet att implementera arbetssättet på skolorna. Hon poängterar att man inte ska analysera för analyserandets skull utan det viktiga är att använda analyserna till att förbättra verksamheten.