‘Je moet TRIPS meteen goed neerzetten en hier heb je één kans voor’

Kelly van der Koelen is directeur van Orion College Amstel, een school van Stichting Orion. Zij vertelt hoe de school de stap heeft gemaakt naar meer data-ondersteund werken: wat er nodig was om TRIPS goed neer te zetten, hoe het team is meegenomen en wat de data de school inmiddels oplevert.

Aansluiten bij de doelen die er al waren

De introductie aan het team was ontzettend belangrijk. Zomaar een nieuw systeem aanschaffen wil niemand doen en heeft ook erg weinig zin. “We hebben de aansluiting gezocht met de doelen die we hadden. We wilden kijken waar TRIPS een bijdrage kon leveren aan de doelen die we al geformuleerd hadden.” Zo wilden we bijvoorbeeld data-ondersteund onderzoeken wat de medewerkers aan trainingen en cursussen nodig hebben. Professionaliseringsactiviteiten werden vaak gekozen omdat mensen het wel ‘leuk’ leek. Maar uit data bleek vervolgens dat de gedane cursus niet echt bij de doelgroep paste en ook maar weinig opleverde. We wilden gaan onderzoeken welke leerlingen wij lesgeven en welke medewerker dan een bepaalde cursus kon gebruiken om extra kennis en vaardigheden op te doen.

Een ontwikkelgroep die eerst naar de data zelf kijkt

“Je moet TRIPS meteen goed neerzetten en hier heb je één kans voor.” Daarom hebben we een ontwikkelgroep samengesteld die hiermee aan de slag ging. Zij onderzochten eerst de kwaliteit van de huidige data. Per dataset is bekeken of de gebruikte termen duidelijk waren en of collega’s goed begrepen hoe het geadministreerd moet worden. Uit dit onderzoek kwamen verschillende conclusies. Bij de absenties werd bijvoorbeeld duidelijk dat deze vaak niet ingevuld werden. Teamleden zeiden dat het ondankbaar en onnodig voelde. “Het moet van de leerplichtwet, maar daar merken we maar weinig van.” Het is dus van belang om als school ook te bedenken waarom je iets doet. Als dat helder is, dan wordt het een dankbare klus. Een andere conclusie was dat er te veel coderingen waren. Collega’s vonden het lastig te bepalen wanneer ze bijvoorbeeld ‘medisch’ moesten kiezen, omdat er ook opties zoals ‘tandartsbehandeling’ mogelijk waren. Daar hebben we dus flink wat geschrapt.

Snel meerwaarde laten zien en veel oefenen

Vervolgens hebben we ons eerst gericht op de datasets die snel iets opleveren. We zijn begonnen met datasets die grote impact hebben, zo konden we snel de meerwaarde laten zien aan de rest van het team. Om ervoor te zorgen dat het team betrokken blijft, koppelen we de data aan wat we al doen: we pakken de data erbij tijdens vergaderingen, of stellen een data-ondersteund persoonlijk ontwikkelplan op.

“Door samen veel te oefenen hebben we geleerd niet te snel te oordelen, data is vaak zo zwart-wit, daar moet je omheen kijken. We houden achterwacht en interventies bij. Toen we zagen dat er bij één collega meer leerlingen naar de achterwacht gestuurd werden dan bij een ander, leek dat op het eerste gezicht geen goed teken. Totdat we de gegevens van de achterwacht naast de incidenten legden, toen zagen we dat collega’s die zelden iemand naar de achterwacht stuurde, veel meer incidenten hadden. Dat kan betekenen dat de collega die vaker leerlingen naar de achterwacht stuurt, beter kan inschatten wanneer de situatie kan escaleren. Als je dit niet meet en analyseert, kan je er ook geen uitspraken over doen. Je moet alle elementen samen en in relatie tot elkaar bekijken, daar moet je op oefenen.”

Wat de data ons oplevert

Met de data maken we betere keuzes: over het gebouw, over het personeel en over de verantwoording van wat we doen.

“We mochten meedenken over het ontwerp van ons nieuwe schoolgebouw. Bij het brainstormen hebben we de data over incidenten er bij gepakt. We hebben onderzoek gedaan naar op welke locaties de meeste incidenten plaatsvinden en of daar een bepaalde factor in zit. Uit de analyse bleek dat we in ons nieuwe gebouw graag meer overzicht en openheid wilden creëren. Na de verhuizing hebben we weer de data over incidenten bekeken en we zagen nu een significante daling in het aantal incidenten.”

“Op basis van data over de kenmerken van onze leerlingen kunnen we een profiel opbouwen voor welke speciale vaardigheden een medewerker nodig heeft. Door goed inzichtelijk te hebben wat je leerlingen nodig hebben van hun leerkracht kan je heel gericht personeel aannemen.”

“Je kunt niet alleen betere keuzes maken. Als je kunt laten zien wat je leerlingen nodig hebben, kun je ook financieel goed verantwoorden waarom je bepaalde keuzes hebt gemaakt (denk bijvoorbeeld aan nieuwe methodes of aanstellingen).”

Data-ondersteund regie op onderwijskwaliteit is een hele klus en zeker niet iets wat je binnen een paar weken kunt opzetten. Het vergt tijd en inspanning, zeker aan het begin. Maar als het eenmaal loopt en de manier van werken door het team omarmd is, levert het ontzettend veel op voor je onderwijs. Hoe Stichting Orion data inzet om regie te houden op de onderwijskwaliteit, lees je in Regie op onderwijskwaliteit met data.