Analýza výsledků projektu - ScioTato analýza se zaměřuje na výsledky testů a dotazníků od...

Analýza výsledků projektu

Vektor 2005/06 – 2011/12

květen 2012

2

Zpracoval: www.scio.cz, s. r. o. (květen 2012)

Datové podklady: výsledky testů a odpovědi v dotaznících projektu Vektor, www.scio.cz, s. r. o.; statistiky školství, Ústav pro informace ve vzdělávání; počty obyvatel v obcích, Český statistický úřad

Kontakt:

Jan Hučín | Věda, výzkum, vývoj, vnější vztahy

www.scio.cz, s. r. o.

Pobřežní 34, 186 00 Praha 8

tel.: 234 705 555

e-mail: [email protected]

http://www.scio.cz/

http://www.scio.cz/

http://www.scio.cz/

3

Obsah

Obsah ................................................................................................................................ 3 Nejzajímavější zjištění .......................................................................................................... 4 Co je projekt Vektor ............................................................................................................ 6

Organizace projektu ......................................................................................................... 6 Testy .............................................................................................................................. 6 Dotazníky ........................................................................................................................ 7 Zdroje dat pro analýzu a metodika zpracování .................................................................... 7 O kom tato analýza vypovídá ............................................................................................ 8

Počty účastníků ................................................................................................................. 10 Jak si žáci volili SŠ a co od ní čekali..................................................................................... 14

Jak se rozhodovali, co očekávali a jak se posunuli studijně nadanější žáci ........................... 15 Splnila výuka očekávání? ................................................................................................ 21

Na VŠ? A kam? ................................................................................................................. 25 Hodnocení výuky a zábavnost předmětu .............................................................................. 32

Hodnocení výuky ............................................................................................................ 32 Co žáky baví .................................................................................................................. 35

Známkování a jeho vztah k testům...................................................................................... 39 Celkový přehled ............................................................................................................. 39 Známka a výsledek v testu .............................................................................................. 42 Soulad klasifikace s výsledkem ve třídách ......................................................................... 47

S čím souvisejí výsledky v testech ....................................................................................... 49 Rozdíly ve skóre – základní přehled ................................................................................. 49 Rozdíly v relativních posunech – základní přehled ............................................................. 50 Souvislost výsledku testu a relativního posunu s dalšími faktory ......................................... 51

Odhad vlastního výsledku ................................................................................................... 60 Příloha A: Vysvětlení odborných pojmů ................................................................................ 67

Rozptyl a směrodatná odchylka ....................................................................................... 67 Vážený průměr .............................................................................................................. 67 Medián, kvartil, decil, percentil ........................................................................................ 67 Z-skór a T-skór .............................................................................................................. 68 Reliabilita ...................................................................................................................... 68 Lineární model ............................................................................................................... 69 Lineární smíšený model .................................................................................................. 69 Faktorová analýza .......................................................................................................... 69 Graded-response model IRT............................................................................................ 70

Nejzajímavější zjištění 4

Nejzajímavější zjištění

Dotazník v 1. ročníku odevzdalo přes 80 % účastníků, ve 4. ročníku přibližně 75 % účastníků.

V roce 2011 hodnotí žáci výuku češtiny i angličtiny výrazně lépe než v roce 2007. Hodnocení výuky matematiky a němčiny se v čase jen nepatrně zlepšuje nebo kolísá.

Hodnocení výuky silně souvisí s tím, zda je žák známkován přiměřeně k typu školy a k výsledku v testu. Lépe klasifikovaní žáci při stejném výkonu v testu hodnotí v každém předmětu výuku lépe.

Hodiny češtiny byly ve 3. ročníku zábavnější pro žáky SOŠ než pro gymnazisty. Naopak hodiny angličtiny jsou výrazně zábavnější na gymnáziích než na ostatních typech škol.

V matematice se žáci nejzřetelněji rozdělují na ty, které školní hodiny bavily, a ty, které nebavily. Němčina je jediným předmětem, jehož školní hodiny na všech typech škol dívky i chlapce spíš nebavily, než bavily.

Zájem o další studium na VŠ se zvyšuje mezi 1. a 4. ročníkem. Obecně mají o vysokoškolské studium vyšší zájem dívky. I ze SOŠ se chce značná většina žáků hlásit na vysoké školy.

56 % účastníků projektu Vektor, kteří chtějí dále studovat na VŠ, by se v posledním ročníku hlásilo na jiný obor než v prvním ročníku. Nejvyšší zájem je o ekonomické a technické obory, přičemž mezi 1. a 4. ročníkem se zájem o ekonomické obory zvyšuje a o technické klesá. Během docházky do střední školy též slábne zájem žáků o právnické a jazykové obory.

Nejvyšší studijní předpoklady mají v průměru zájemci o matematicko-fyzikální, přírodovědné a společenskovědní obory, nejnižší zájemci o pedagogické obory. U pedagogických oborů je navíc průměr studijních předpokladů u zájemců ve 4. ročníku ještě nižší než u zájemců v 1. ročníku.

Žáci čtyřletých a víceletých gymnázií se v očekávání liší od ostatních středních škol. Na víceletých gymnáziích žáci preferují osvojení dovedností (naučit se řešit problémy, naučit se učit), kdežto pro čtyřletá gymnázia je důležitější osvojení vědomostí (co nejvíce se toho naučit).

Pověst střední školy a úspěšnost při přijímání na VŠ jsou klíčové pro přilákání žáků s vysokými studijními předpoklady, a to u všech typů SŠ.

Žáci orientovaní na získávání dovedností mají u všech typů SŠ v průměru vyšší studijní předpoklady a také vyšší relativní posun v češtině a matematice než žáci orientovaní na získávání vědomostí.

Výuku českého jazyka a cizích jazyků hodnotí na všech typech škol relativně nejlépe žáci orientovaní na získávání vědomostí. Naopak žáci orientovaní na získávání dovedností jsou výukou spíše zklamáni. Pouze výuka matematiky mimo gymnázia uspokojuje i žáky orientované na získávání dovedností.

Dívky na všech typech škol dostávají v průměru lepší známky než chlapci.

Známky z češtiny se na ostatních SOŠ v čase systematicky zhoršují, známky z angličtiny se na gymnáziích v čase systematicky zlepšují.

Nejzajímavější zjištění 5

Rozdíl průměrného výsledku jedničkářů na gymnáziích a na ostatních SOŠ je ve všech předmětech značný, v češtině odpovídá pětině ze všech testových úloh.

Dívky mají v matematice o celý stupeň lepší známku, než by si podle výsledku zasloužily.

Průměrné výsledky žáků ohrožených propadnutím se na gymnáziích a na SOŠ v čase od sebe vzdalují.

Soulad klasifikace a výsledku testu v rámci třídy je nejvyšší v angličtině a na gymnáziích, nejmenší v matematice. U češtiny souvisí známkování a výsledek v testu mezi sebou stejně na všech typech škol.

Gymnázia převyšují ostatní typy SŠ nejvýrazněji v angličtině a OSP. Předmětem s relativně nejlepšími výsledky na obchodních akademiích je němčina.

Rozdíly ve schopnostech žáků gymnázií a ostatních SŠ v hlavních předmětech i v úrovni studijních předpokladů se během středoškolské docházky zvyšují. Víceletá gymnázia se dále vzdalují čtyřletým v češtině, matematice i OSP, pouze u cizích jazyků zůstává odstup stejný.

Růst schopností žáků SPŠ během střední školy je v matematice a v OSP stejný jako u čtyřletých gymnázií.

Chlapci mezi vstupním a výstupním testem dohánějí náskok dívek, případně vlastní náskok zvyšují. Vliv vzdělání rodičů a velikosti sídla školy na výsledky i na relativní posun nelze zcela zanedbat, je ovšem ve srovnání s vlivem typu školy malý.

Pravděpodobná přidaná hodnota výuky cizích jazyků na gymnáziích oproti SOŠ a SOU je u němčiny přibližně dvakrát větší než u angličtiny. V cizích jazycích se během docházky do SŠ rozdíly mezi žáky v rámci třídy snižují.

Zábavnost předmětu souvisí s výsledkem v testu nejslaběji u českého jazyka, pro ostatní předměty je vztah zábavnosti a výsledku silnější a přibližně stejný.

Žáci, a to i z víceletých gymnázií, velmi podcenili své výsledky v testu z němčiny. Negymnazijní žáci se přecenili v testu OSP.

Dívky a žáci škol z velkých měst mají největší tendenci podceňovat své výsledky. Ty naopak

přeceňují žáci soukromých a církevních škol.

Co je projekt Vektor 6

Co je projekt Vektor

Vektor je dlouhodobý projekt umožňující každé zúčastněné střední škole srovnání výsledků jejích žáků s výsledky žáků jiných škol, a to jak na začátku středoškolského studia (vstupní testování v 1. ročníku, u víceletých gymnázií v kvintě či tercii), tak v jeho závěru (výstupní testování na začátku posledního ročníku, případně na konci předposledního ročníku). Dále můžou školy zjistit, jak se změnilo pořadí každého žáka mezi vstupním a výstupním testováním, tj. jaký je relativní posun žáka (lze jej též interpretovat jako přidanou hodnotu). Srovnání se provádí pomocí didaktických testů ze všeobecně vzdělávacích předmětů a testu obecných studijních předpokladů (OSP). Kontext pro výsledky pomáhají dotvářet žákovské dotazníky.

Tato analýza se zaměřuje na výsledky testů a dotazníků od školního roku 2005/06 do školního roku 2011/12. S pokračováním projektu Vektor se ovšem počítá i v dalších letech.

Organizace projektu

Vstupní testování probíhalo počínaje školním rokem 2005/06 v podzimních měsících, zpravidla v říjnu. Ve školním roce 2006/07 byli ve čtyřech krajích žáci 1. ročníku testováni jinými (i když podobnými) testy než v ostatních deseti krajích, vzhledem ke standardizaci výsledků to však nevadilo.

První výstupní testování se uskutečnilo ve školním roce 2007/08. Zpočátku si školy mohly zvolit, zda budou testovat na konci předposledního nebo na začátku posledního ročníku. Od školního roku 2009/10 probíhalo výstupní testování jednotně na podzim (tj. na začátku posledního ročníku). Pro jednoduchost budeme i u výstupního testování před rokem 2009 předpokládat, že se uskutečnilo u žáků posledního ročníku v podzimním termínu. Dále budeme místo „vstupní testování“ v grafech a tabulkách uvádět též „1. ročník“ a místo „výstupní testování“ též „4. ročník“.

Administraci testů zajišťovaly školy samy a výsledky k centrálnímu zpracování předávaly některým ze tří způsobů:

Žáci vyplnili záznamové archy, škola je shromáždila a odeslala. Žáci vyplnili záznamové archy, škola jejich odpovědi sama převedla do elektronické podoby

a odeslala pomocí programu ScioDat. Žáci absolvovali testy online (v počítači) a jejich odpovědi se ihned uložily do centrální

databáze.

Poslední forma byla dostupná od školního roku 2007/08.

Testy

Sada testů se každoročně částečně měnila. Vždy se v ní však objevovaly testy z českého jazyka (Čj), anglického a německého jazyka (Aj, Nj), matematiky (Ma) a test OSP, a to jak ve vstupním, tak ve výstupním testování. Tato analýza se zaměřila pouze na uvedenou pětici testů, neboť právě tyto testy byly ve velkém počtu zadávány na středních školách všech typů od víceletých gymnázií po SOU. Součástí sad dále byly např. testy z občanské výchovy (resp. základů společenských věd), biologie, dějepisu, fyziky, informatiky nebo zeměpisu.

Všechny testy obsahovaly pouze uzavřené úlohy s výběrem odpovědi z nabídky, přičemž správná byla vždy pouze jedna odpověď. Za každou správně vyřešenou úlohu získal žák jeden bod, za nesprávně vyřešenou ztratil třetinu bodu, při vynechání úlohy se body nepřičítaly ani neodečítaly. Smyslem odečítání bylo zajistit, aby náhodným vyplněním testu žák nezískal významně víc bodů, než kdyby úlohy vynechal. Součet bodů dal celkové skóre v testu.


Počty úloh v jednotlivých testech a jejich obtížnost se sice rok od roku měnily, to však vzhledem ke srovnávacímu účelu testu nehrálo žádnou roli. Účasti ve vstupním a výstupním testování se nijak vzájemně nepodmiňovaly, stejně tak počet absolvovaných různých testů mohl být libovolný.

Dotazníky

Každý žák dostal při vstupním i výstupním testování dotazník a byl požádán o jeho pravdivé vyplnění. Stálou součástí všech dotazníků byly otázky na poslední školní známky žáka, na vzdělání rodičů a na zájem o vysokoškolské studium, případně na preferenci konkrétního vysokoškolského oboru. Při vstupním testování se navíc zjišťovaly žákův odhad vlastního výsledku v testu, očekávání od středoškolského studia a kritéria výběru střední školy. Při výstupním testování mohl žák zhodnotit výuku čtyř předmětů pomocí devíti kritérií. Případné nevyplnění dotazníku nemělo žádný vliv na výsledek žáka. Dotazník při vstupním testování odevzdalo více než 80 % žáků a při výstupním přibližně 75 % žáků.

Zdroje dat pro analýzu a metodika zpracování

Údaje o skóre v jednotlivých úlohách i za celý test, jakož i za žákovské dotazníky, byly obsaženy v databázi MS Access. Každému žákovi byl v databázi přiřazen unikátní identifikátor, pomocí něhož bylo možné propojit výsledky všech jím absolvovaných testů ve vstupním i výstupním testování (pokud absolvoval víc testů, resp. účastnil se obou testování) a jeho odpovědi v dotazníku. Každý žák náležel do některé třídy neboli skupiny žáků ze stejného ročníku a stejného typu oborů v rámci jedné školy. Rozdělení žáků do tříd určovala škola, každá třída měla přiřazený vlastní unikátní identifikátor. Různé třídy v rámci jedné školy mohly náležet různým typům oborů, např. stejná škola mohla mít třídy víceletého i čtyřletého gymnázia nebo třídu obchodní akademie i hotelové školy. Proto typ SŠ nebyl přiřazován škole, ale pouze třídě a jejím prostřednictvím žákovi. Pro všechny žáky školy byl ovšem společný kraj, zřizovatel a velikost sídla školy.

Data byla již v databázi Access propojena s externími údaji ÚIV a ČSÚ o počtu žáků ve škole a počtu obyvatel v sídle školy. Pohlaví bylo odhadnuto podle příjmení žáka.1 Data byla následně pro účely analýzy vyexportována, očištěna a zjevné neshody vyplývající např. ze sloučení škol či opakování ročníku opraveny.

Ze statistických ročenek Ústavu pro informaci ve vzdělávání (ÚIV) jsme zjistili počty absolventů různých typů středních škol v různých krajích ve školním roce 2008/09. Jelikož poměry počtů mezi typy a kraji se v čase příliš nemění, považovali jsme je pro účely analýzy za stálé a počty absolventů v různých typech a krajích za referenční. Každému účastníkovi jsme pak přiřadili váhu tak, aby součet vah v rámci každé kombinace kraje a typu byl roven referenčnímu počtu pro typ a kraj. Váhy pak byly v některých případech využity pro výpočet vážených součtů a vážených průměrů.

Skóre v každém testu bylo standardizováno pomocí T-transformace na škálu s průměrem 50 a směrodatnou odchylkou 10. Díky převodu na společnou škálu je možné srovnávat výsledky z různých let i z různých ročníků. Dále byly sjednoceny odpovědi v dotaznících v případech, že se v různých letech znění otázek nebo nabídky odpovědí mírně lišily.

Pokud se žák účastnil ve stejném předmětu (resp. v OSP) vstupního i výstupního testování, byl zjištěn jeho relativní posun. Pro žáky se stejným výsledkem ve vstupním testování se zjistí jejich výsledky ve výstupním testování; žáci, kteří v této skupině patří u výstupního testování mezi lepší, budou mít kladný relativní posun, zatímco žáci patřící v této skupině na výstupu mezi horší, budou

1 Žáci, jejichž příjmení (ev. jméno u špatně zadaných údajů) končilo na „á“, byli označeni jako dívky. Podíl chybně

označených žáků v takovém případě se pohybuje zpravidla kolem 1 %, což je méně, než kdybychom se spolehli na údaj uvedený žákem v dotazníku.


mít záporný relativní posun. Dále se předpokládá lineární vztah mezi výsledky vstupního a výstupního testování. Matematicky je relativní posun definován jako residuum v lineární regresi, kde vysvětlující (nezávislou) proměnnou je výsledek vstupního testování a vysvětlovanou (závislou) proměnnou je výsledek výstupního testování. Tato definice relativního posunu má dvě užitečné vlastnosti:

relativní posun žáka nezávisí na jeho výsledku u vstupního testování (lepší i horší mají stejné šance na kladný relativní posun)

průměr relativních posunů všech žáků je roven nule

Pro analýzu vztahu výsledku v testu (a číselné proměnné obecně) s více vysvětlujícími faktory najednou se obvykle používají metody lineárního modelování jako regrese nebo analýza rozptylu. Jejich důležitým předpokladem je nezávislost jednotlivých pozorování, což ovšem při účasti celých tříd a škol není splněno – vztah mezi výsledky žáků ze stejné třídy nepochybně existuje, např. kvůli působení stejného učitele. Proto jsme v analýze použili složitější metodu, a to lineární smíšený model, v němž se bere v úvahu i působení škol a tříd, aniž přijdeme o možnost zkoumat společný vliv kraje, zřizovatele apod. Výstupem z lineárního smíšeného modelu jsou čisté vlivy faktorů, tedy rozdíly očekávaných výsledků u různých skupin žáků při očištění od působení ostatních vlivů.

Nevýhodou dotazníků bývá velké množství jejich položek majících kvalitativní charakter (např. u vyjádření postoje „rozhodně souhlasím“ – „spíše souhlasím“). Pro větší přehlednost a snazší nalezení vztahů je proto vhodné sdružit položky vztahující se k podobnému rysu a odpovědi respondentů převést na číslo (skór) nazývané též index. Podle obsahu sdružovaných otázek tak může vzniknout např. index ochoty pomoci, index socioekonomického zázemí, index strachu ze školy apod. Pro orientační určení otázek ke sdružování jsme použili faktorovou analýzu, pro následný převod kvalitativních dat na číselný index jsme použili graded-response model IRT.

Podrobnější popis použitých metod je uveden v Příloze A.

Abychom co nejvíc eliminovali náhodné vlivy vyplývající z nerovnoměrné účasti a mohli analyzovat i časové řady, omezili jsme některé části analýzy jen na školy, které se testování Vektor účastní opakovaně – prahem pro zahrnutí do analýzy byla účast ve vstupním testování nejméně ve čtyřech rocích nebo účast ve výstupním testování nejméně ve třech rocích. Hovoříme pak o školách s vícenásobnou účastí. Zmíněné podmínky splnilo pro vstupní testování 168 škol a pro výstupní 175 škol, přitom 128 škol splnilo podmínky pro obě testování. Školy s vícenásobnou účastí zastupují přibližně polovinu všech žáků, kteří prošli testováním.

O kom tato analýza vypovídá

Během dosavadních sedmi let se testování zúčastnilo téměř 700 škol, což je přibližně polovina ze všech středních škol. Účast ovšem není rovnoměrně rozdělena podle kraje ani typu, jak vyplývá z ‎Tabulka 2 a ‎Tabulka 3. Navíc se některé školy účastnily opakovaně a jiné jen jednou. Proto

závěry analýzy nelze bez rozmyslu zobecňovat na všechny střední školy ani na celou populaci středoškoláků v ČR.

Jelikož analýza porovnává mezi sebou různé skupiny žáků a zjišťuje, které faktory s výsledky či odpověďmi žáků souvisejí a které ne, nemusí být nerovnoměrné zastoupení tak velkým problémem. I při nerovnoměrném zastoupení žáků a škol z různých krajů, různých typů či různě velkých sídel lze určit, zda je např. faktor kraje pro výsledek v testu významný. Problémem je spíš to, že účast školy v projektu je projevem nadstandardní aktivity – zejména u negymnazijních škol − a je tedy možné, že i výsledky jejich žáků byly podobně nadstandardní. Můžeme sice předpokládat, že u účastnických i neúčastnických škol s výsledky souvisejí stejné faktory, neumíme to však dokázat. Nevíme ani to, zda je souvislost stejně těsná. Je např. rozložení zájmu o vysokoškolské obory u účastnických SOŠ stejné jako u neúčastnických? Platí v obou případech, že v matematice jsou dívky klasifikovány o stupeň mírněji než chlapci?


Velmi výrazně jsou ve vzorku účastníků zastoupena gymnázia (celkem 247 škol), a to čtyřletá i víceletá (ve většině případů jsou v jedné škole zastoupeny oba typy gymnázií). Žáci z gymnázií tvoří přibližně 40 % všech účastníků, ačkoli mezi všemi středoškoláky tvoří méně než čtvrtinu. U gymnázií lze závěry analýzy zobecnit nejlépe. Naproti tomu ze SOU byla účast v projektech Vektoru velmi slabá a těžko bychom mohli spoléhat na to, že účastnická SOU jsou typickými zástupci tohoto typu škol. U SOŠ se musíme smířit s tím, že analýza postihuje sice značnou část tohoto typu škol, situace se však – i kvůli různorodosti oborů SOŠ – může od prezentovaných závěrů na jednotlivých školách dost lišit. Naštěstí z výsledků testů nevyplývaly žádné důsledky pro školy, a tak se dá vcelku spolehnout na to, že školy do testování nevybíraly cíleně jen lepší žáky a případné absence byly způsobeny pouze náhodnými vlivy.

U analýzy preferencí vysokoškolských oborů a v souvislosti s úrovní studijních předpokladů jsme nedostatky v reprezentativitě odstranili pomocí vah, které jsme přiřadili jednotlivým účastníkům (viz Zdroje dat pro analýzu a metodika zpracování).

Obecně můžeme shrnout, že tato analýza vypovídá jednak o účastnických školách, jednak o školách neúčastnických, ale jim kvalitativně podobných.

Počty účastníků 10

Počty účastníků

Součty údajů za jednotlivé skupiny škol nemusejí odpovídat celkovému součtu, protože kvůli chybám v identifikátorech nebo v externích databázích se nepodařilo propojit všechny školy.

Tabulka 1. Počty škol a žáků, kteří se v jednotlivých letech zapojili do testování Vektor

rok žáci školy

1. r. 4. r. 1. r. 4. r.

2005/06 7 851 — 121 —

2006/07 30 062 — 397 —

2007/08 25 062 4 660 382 90

2008/09 16 880 11 204 258 205

2009/10 11 487 16 167 192 276

2010/11 8 545 18 053 152 292

2011/12 8 036 12 814 145 221

celkem 107 923 62 898 655 512

Na počátku projektu byla účast ve vstupním testování velmi vysoká, postupně se však snižovala. Křivka účasti ve výstupním testování podle očekávání kopíruje křivku vstupního testování s tříletým zpožděním. Úbytek ve výstupním testování ovšem není tak výrazný. Důvodem může být to, že pro školu je testování na začátku posledního ročníku vhodným prvním krokem přípravy ke státní maturitě.

Tabulka 2. Počty žáků s účastí ve vstupním testování podle typu a kraje

GV G4 OA SPŠ ost. SOŠ SOU celkem

PHA 2 212 4 924 1 756 2 076 4 702 1 023 16 693

STČ 2 302 3 564 1 322 885 4 420 378 12 871

JČ 1 074 1 723 631 0 922 29 4 379

PL 411 580 0 0 1 199 146 2 336

KV 1 176 1 600 823 645 3 963 196 8 403

ÚS 1 030 2 144 416 83 1 257 76 5 006

LI 676 885 367 31 558 14 2 531

HK 1 642 2 973 1 703 1 181 3 408 287 11 194

PA 182 460 0 50 1 756 0 2 448

VY 321 441 534 819 2 357 247 4 719

JM 2 976 3 398 1 076 1 770 5 445 374 15 039

OL 2 199 3 718 1 145 595 2 248 339 10 244

ZL 961 2 967 330 431 1 505 30 6 224

MS 419 1 869 182 275 1 592 323 4 660

celkem 17 581 31 351 10 313 9 057 36 083 3 538 107 923


Tabulka 3. Počty žáků s účastí ve výstupním testování podle typu a kraje


PHA 670 1 243 225 264 586 124 3 112

STČ 1 678 2 419 704 557 2 592 311 8 261

JČ 893 1 381 404 0 365 0 3 043

PL 359 557 8 0 434 105 1 463

KV 615 1 000 489 302 2 169 89 4 664

ÚS 593 1 378 243 54 682 39 2 989

LI 499 703 320 53 297 0 1 872

HK 1 021 1 758 818 790 2 351 171 6 909

PA 108 374 0 0 1 027 26 1 535

VY 201 280 332 631 1 217 195 2 856

JM 1 938 2 337 874 1 286 3 678 126 10 239

OL 1 463 2 513 735 351 1 650 289 7 001

ZL 573 2 052 224 381 1 104 57 4 391

MS 428 1 717 157 168 1 545 284 4 299

celkem 11 039 19 712 5 533 4 953 19 787 1 874 62 898

Tabulka 4. Počty žáků s účastí ve vstupním i výstupním testování včetně obou dotazníků podle typu a kraje


PHA 237 449 22 187 351 37 1 283

STČ 926 1 540 290 358 1 184 173 4 471

JČ 292 440 164 0 102 0 998

PL 125 160 0 0 312 34 631

KV 235 376 243 77 1 081 38 2 050

ÚS 369 622 130 32 226 37 1 416

LI 138 242 230 16 98 0 724

HK 585 1 137 450 502 1 270 71 4 015

PA 85 295 0 0 386 0 766

VY 124 130 152 426 849 50 1 731

JM 1 092 1 308 401 781 1 995 17 5 594

OL 730 1 406 612 173 573 124 3 618

ZL 394 1 219 187 195 475 0 2 470

MS 186 716 122 27 506 69 1 626

celkem 5 518 10 040 3 003 2 774 9 454 663 31 452

Z tabulek vyplývá, že účast v krajích a na různých typech škol byla velmi nerovnoměrná. Oproti své velikosti je mimořádně silně zastoupen Karlovarský kraj, naproti tomu účast z Plzeňského, Pardubického a Moravskoslezského kraje je velmi nízká.


Tabulka 5. Počty účastí v testech

test 1. r. 4. r.

Čj 102 695 59 007

Ma 94 184 42 015

Aj 79 053 49 026

Nj 25 435 19 241

OSP 101 228 57 225

Největší zájem byl o testy z českého jazyka a OSP. Ve vstupním testování je co do účasti na třetím místě matematika, ve výstupním testování byla ovšem předstižena angličtinou.

V Tabulkách 6 a 7 je uvedeno složení účastníků vstupního i výstupního testování podle typu, kraje, zřizovatele a velikosti sídla školy. Součty procent v rámci každého členění nemusejí být rovny 100 %, protože k některým školám nemohly být připojeny externí údaje.

Tabulka 6. Počty žáků s účastí ve vstupním i výstupním testování a podíly podle typu, kraje, zřizovatele a velikosti sídla školy

žáci třídy školy

celkem 47 339 2 151 471

GV 18 % 17 %

G4 33 % 28 %

OA 9 % 8 %

SPŠ 8 % 9 %

ost. SOŠ 30 % 34 %

SOU 2 % 3 %

PHA 5 % 5 % 6 %

STČ 13 % 14 % 15 %

JČ 4 % 4 % 4 %

PL 2 % 2 % 2 %

KV 7 % 9 % 6 %

ÚS 5 % 5 % 6 %

LI 3 % 3 % 3 %

HK 12 % 12 % 12 %

PA 2 % 2 % 3 %

VY 4 % 4 % 4 %

JM 18 % 18 % 20 %

OL 11 % 10 % 8 %

ZL 7 % 7 % 5 %

MS 6 % 6 % 6 %

veřejný 93 % 91 % 85 %

neveřejný 6 % 8 % 14 %

do 5 tis. 4 % 5 % 8 %

5–10 tis. 14 % 14 % 16 %

10–20 tis. 19 % 19 % 20 %

20–50 tis. 28 % 27 % 23 %

nad 50 tis. 34 % 35 % 34 %


Tabulka 7. Počty žáků s účastí ve vstupním i výstupním testování včetně obou vyplněných dotazníků a podíly podle typu, kraje, zřizovatele a velikosti sídla školy

žáci třídy školy

celkem 31 452 1 667 388

GV 18 % 17 %

G4 32 % 28 %

OA 10 % 8 %

SPŠ 9 % 9 %

ost. SOŠ 30 % 35 %

SOU 2 % 3 %

PHA 4 % 5 % 6 %

STČ 14 % 14 % 15 %

JČ 3 % 3 % 4 %

PL 2 % 2 % 2 %

KV 7 % 8 % 5 %

ÚS 5 % 5 % 5 %

LI 2 % 2 % 3 %

HK 13 % 12 % 13 %

PA 2 % 3 % 3 %

VY 6 % 5 % 4 %

JM 18 % 18 % 22 %

OL 12 % 11 % 8 %

ZL 8 % 7 % 4 %

MS 5 % 6 % 5 %

veřejný 95 % 93 % 88 %

neveřejný 5 % 6 % 12 %

do 5 tis. 4 % 4 % 7 %

5–10 tis. 15 % 15 % 16 %

10–20 tis. 18 % 18 % 19 %

20–50 tis. 30 % 29 % 24 %

nad 50 tis. 33 % 34 % 33 %

Téměř 50 tisíc žáků absolvovalo testování v prvním i posledním ročníku střední školy a víc než 30 tisíc poskytlo u obou testování i žákovský dotazník. Podobně jako u Tabulek 2–4 jsou patrné disproporce mezi kraji, ovšem poměr mezi školami s veřejným (obec, kraj) a neveřejným (soukromý subjekt, církev) zřizovatelem již v zásadě odpovídá situaci v celé populaci stejně jako rozdělení škol podle velikosti sídla. Pro malý počet škol v kategorii sídel do 5 tisíc obyvatel jsme tuto kategorii sloučili se sídly od 5 do 10 tisíci obyvatel.

Jak si žáci volili SŠ a co od ní čekali 14

Jak si žáci volili SŠ a co od ní čekali

Při vstupním testování mohli žáci vybrat z nabídky dvě nejdůležitější kritéria, podle nichž si vybrali střední školu, a dvě role střední školy, které považují pro sebe za nejdůležitější.

Graf 1. Kritéria výběru SŠ podle typu

Hlavní kritérium výběru je jiné pro gymnázia a jiné pro ostatní střední školy. Pro gymnazisty je důležité se po střední škole dostat na VŠ, zatímco žáci SOŠ a SOU se rozhodují podle oboru. To ovšem neznamená, že by žáci těchto škol nestáli o vysokoškolské studium (viz ‎Graf 13), jen pro ně

při vstupu na SŠ není rozhodujícím kritériem.

Gymnazisté na druhém místě přihlížejí k pověsti školy a ke vzdálenosti, v případě víceletých gymnázií se též často řídili názorem rodičů (na víceleté gymnázium vstoupili o dva či čtyři roky dřív). Žáci SOŠ (včetně OA a SPŠ) a SOU méně dají na pověst školy, zato je pro ně důležitější, jaké mají šance na přijetí a zda po SŠ snadno najdou práci. Zcela podřadné jsou pro všechny středoškoláky výdělky absolventů.

0% 20% 40% 60% 80% 100%

šance na přijetí

obor, který mě baví

snadné nalezení práce po SŠ

pověst školy

vzdálenost

výdělky absolventů

dojem z návštěvy školy

názor rodičů

úspěšnost při přijímání na VŠ

podíl voleb

pre

fero

va

ný p

řín

os

SŠ

SOU

ost. SOŠ

SPŠ

OA

G4

GV


Graf 2. Co žáci při vstupu očekávají od střední školy

Prvořadý úkol střední školy vyplývá z toho, zda jde o odborně zaměřenou školu (SOŠ, SOU − profesní příprava) nebo všeobecně vzdělávací (G – příprava ke studiu na VŠ). Ve druhé volbě se již žáci rozcházejí. Pokud pomineme nejméně volenou možnost „naučit se spolupracovat“, jsou očekávání žáků víceletých gymnázií rozložena zhruba rovnoměrně mezi ostatní možnosti. Rozdíl mezi očekáváním žáků víceletých a čtyřletých gymnázií je v důrazu na naučení se objemu poznatků (preferují žáci čtyřletých gymnázií) a naučení se řešit problémy (častější volba na víceletých gymnáziích).

Osvojení co největšího objemu poznatků považují za velmi důležité žáci SOŠ a SOU, pro gymnazisty je o něco důležitější schopnost aktivního učení. Schopnost komunikovat je důležitá pro všechny typy škol s výjimkou SPŠ (zde může hrát roli vysoký podíl chlapců, navíc technicky zaměřených).

Jak se rozhodovali, co očekávali a jak se posunuli studijně nadanější žáci

Podívejme se nyní, zda je některé z kritérií či očekávání typičtější pro žáky s lepšími, ev. horšími studijními předpoklady.

0% 20% 40% 60% 80% 100%

co nejvíce se naučit

naučit se řešit problémy

připravit k přij. zk. na VŠ

naučit se učit

naučit se spolupracovat

naučit se komunikovat

připravit na budoucí profesi

podíl voleb

pre

fero

va

ný p

řín

os

SŠ

SOU

ost. SOŠ

SPŠ

OA

G4

GV


Graf 3. Patřili žáci s různými důvody volby SŠ mezi nadprůměrné, nebo podprůměrné ve vstupním testu OSP? (pouze školy s vícenásobnou účastí)

Velmi důležitá je pověst školy. Střední školy považované za dobré, a to bez ohledu na typ, přitahují lepší žáky (pravděpodobně je na takové školy obtížnější se dostat a školy si mohou z uchazečů vybírat). Naopak žáci, kteří se při výběru SŠ řídili zejména šancemi na přijetí, patří svými studijními předpoklady mezi podprůměrné.

Z hlediska perspektivy po absolvování SŠ je důležité, zda žák zvolil školu podle šance na přijetí na VŠ – taková volba je u všech typů s výjimkou SPŠ typická pro nadprůměrně studijně nadané žáky; anebo zda chce hlavně po SŠ snadno nalézt práci, což je s výjimkou ostatních SOŠ volba typická pro méně studijně nadané žáky.2

2 Na gymnáziích ovšem toto bylo menšinové kritérium, viz ‎Graf 1.

-3 -2 -1 0 1 2 3

šance na přijetí

obor, který baví


pověst školy

vzdálenost

dojem z osobní návštěvy

názor rodičů


odchylka stand. skóre od průměru pro typ

kri

téri

um

výb

ěru

SŠ

ost. SOŠ

SPŠ

OA

G4

GV


Graf 4. Patřili žáci s různými očekáváními mezi nadprůměrné, nebo podprůměrné ve vstupním testu OSP? (pouze školy s vícenásobnou účastí)

Žáci s vyššími studijními předpoklady (na všech typech škol) očekávají od střední školy, že na ní získají dovednosti a že se naučí učit se. U žáků SOŠ je též důležité, zda přicházejí na školu s jasnou perspektivou dalšího pokračování na VŠ – toto očekávání je také typické pro žáky s lepším výsledkem v testu OSP. Méně studijně nadaní žáci inklinují k osvojení vědomostí a v případě gymnazistů jsou také orientováni na přípravu pro budoucí profesi.

Nakolik byla očekávání žáků naplněna? Liší se relativní posuny žáků v různých skupinách podle kritérií výběru SŠ či podle jejich očekávání? Podívejme se na průměrné relativní posuny v češtině a matematice, a to zvlášť na gymnáziích a zvlášť na SOŠ.

-1,0 -0,5 0,0 0,5 1,0 1,5 2,0 2,5 3,0




naučit se učit


připravit na budoucí profesi

odchylka stand. skóre od průměru pro typ

oč

ek

áva

ný p

řín

os

SŠ

ost. SOŠ

SPŠ

OA

G4

GV


Graf 5. Průměrný relativní posun v Čj a Ma podle kritéria výběru SŠ, jen gymnázia

Ze skupin žáků podle kritérií výběru střední školy se výrazně odlišuje skupina řídící se šancemi na přijetí. Jak už ukázal ‎Graf 3, v této skupině jsou žáci s horšími studijními předpoklady a jejich další

studium to jen potvrzuje – tito žáci mají v češtině i matematice mnohem slabší relativní posun než ostatní gymnazisté.

0,0 0,5 1,0 1,5 2,0 2,5

dojem z osobní návštěvy školy

pověst školy

vzdálenost

názor rodičů

obor, který baví


šance na přijetí

relativní posun

kri

téri

um

výb

ěru

SŠ

Ma

Čj


Graf 6. Průměrný relativní posun v Čj a Ma podle kritéria výběru SŠ, jen ostatní SOŠ

U ostatních SOŠ se v mnoha skupinách rozcházejí relativní posuny v češtině a v matematice, rozhodně však paradoxně platí, že si během středoškolské docházky poměrně nejlépe vedli žáci, kteří střední školu volili podle vzdálenosti či s ohledem na názor rodičů. Na druhou stranu je nutné vzít v úvahu, že výsledky ve všeobecně vzdělávacích předmětech nejsou u odborných škol nejdůležitějším měřítkem studijní úspěšnosti.

-4,0 -3,0 -2,0 -1,0 0,0

vzdálenost

názor rodičů



obor, který baví

dojem z osobní návštěvy školy

šance na přijetí

pověst školy

relativní posun

kri

téri

um

výb

ěru

SŠ

Ma

Čj


Graf 7. Průměrný relativní posun v Čj a Ma podle očekávání od SŠ, jen gymnázia

Žáci gymnázií, kteří vstupovali na střední školu s požadavkem získat co nejvíc vědomostí, nakonec mezi 1. a 4. ročníkem postoupili (měřeno výsledkem v testu) méně než ti, kdo od SŠ očekávali především dovednosti (naučit se řešit problémy, naučit se učit). Důvodem menšího relativního posunu může být i menší studijní nadání žáků orientovaných na získání vědomostí (viz ‎Graf 4). Za pozornost stojí, že žáci, kteří chtějí, aby je střední škola připravila k přijímacím

zkouškám na VŠ, mají také slabší relativní posun než ostatní.

0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5


naučit se učit


být připravený na přijímačky na VŠ

být připraven na profesi


relativní posun

oč

ek

áva

ný p

řín

os

SŠ

Ma

Čj


Graf 8. Průměrný relativní posun v Čj a Ma podle očekávání od SŠ, jen ostatní SOŠ

U ostatních SOŠ je situace podobná jako u gymnázií – relativně největší pokrok udělali žáci očekávající osvojení dovedností – avšak rozdíly mezi skupinami již nejsou tak výrazné.

Splnila výuka očekávání?

Rozdílná očekávání žáků od střední školy nelze během jejich docházky naplnit. Vždy bude určitá skupina žáků spokojenější a jiná nespokojenější. Podívejme se, nakolik byli s výukou hlavních předmětů spokojeni žáci různých typů SŠ a především s různým vstupním očekáváním. Omezíme se přitom jen na čtyři z osmi očekávání nabízených v dotazníku.

-3,0 -2,5 -2,0 -1,5 -1,0 -0,5 0,0


naučit se učit

být připraven na profesi

být připravený na přijímačky na VŠ



relativní posun

pre

fero

va

ný p

řín

os

SŠ

Ma

Čj


Graf 9. Hodnocení výuky českého jazyka ve 4. ročníku podle typu SŠ a vstupního očekávání žáka

Na všech typech škol oceňují výuku českého jazyka relativně nejvíc ti, kteří se chtějí co nejvíc naučit nebo chtějí být připraveni k přijímacím zkouškám na VŠ. Žáci orientovaní na získání dovedností jsou, zejména na čtyřletých gymnáziích a obchodních akademiích, výukou českého jazyka uspokojeni méně.

Graf 10. Hodnocení výuky matematiky ve 4. ročníku podle typu SŠ a vstupního očekávání žáka

-0,15

-0,10

-0,05

0,00

0,05

0,10

GV G4 OA SPŠ ost. SOŠ

ind

ex

ho

dn

oc

en

í výu

ky Č

j

typ SŠ




naučit se učit

-0,15

-0,10

-0,05

0,00

0,05

0,10

0,15

0,20


ind

ex

ho

dn

oc

en

í výu

ky M

a

typ SŠ




naučit se učit


Teze, že výuka nejvíce vyhovuje žákům orientovaným na vědomosti, platí v matematice pouze na gymnáziích. U OA, SPŠ i ostatních SOŠ je výuka stejně nebo i víc oceňována žáky usilujícími o osvojení dovedností či o přípravu k přijímacím zkouškám na VŠ. Matematika je tedy zřejmě vyučována s větším ohledem na praxi než čeština.

Graf 11. Hodnocení výuky angličtiny ve 4. ročníku podle typu SŠ a vstupního očekávání žáka

Graf 12. Hodnocení výuky němčiny ve 4. ročníku podle typu SŠ a vstupního očekávání žáka

-0,20

-0,15

-0,10

-0,05

0,00

0,05

0,10

0,15


ind

ex

ho

dn

oc

en

í výu

ky A

j

typ SŠ




naučit se učit

-0,15

-0,10

-0,05

0,00

0,05

0,10

0,15


ind

ex

ho

dn

oc

en

í výu

ky N

j

typ SŠ




naučit se učit


Přestože angličtina a němčina mají jako cizí jazyky velký dopad v praktickém životě, je jejich výuka hodnocena velmi podobně jako výuka češtiny: vysoce ji oceňují zájemci o získání vědomostí a poměrně dost zklamáni jsou zájemci o osvojení dovedností. Je ovšem možné, že se středoškolská výuka cizích jazyků skutečně orientuje na vědomosti (gramatika, slovní zásoba) a dovednostem (poslech, konverzace) je věnována menší pozornost.

Na VŠ? A kam? 25

Na VŠ? A kam?

Při vstupním i výstupním testování byli žáci dotázáni, zda mají zájem po absolvování SŠ pokračovat na VŠ, případně který obor vysokoškolského studia preferují. Získané odpovědi poskytují zajímavý obrázek o rozložení zájmu o studium VŠ podle pohlaví, typu SŠ a preferovaného oboru stejně jako o vývoji preferencí žáků mezi prvním a posledním ročníkem SŠ.

Graf 13. Podíl žáků se zájmem studovat na VŠ podle typu SŠ a ročníku, pouze žáci s opakovanou účastí

Zájem o studium na VŠ je ve 4. ročníku vyšší než na počátku střední školy. V průběhu docházky na SŠ se tedy k němu přikloní i ti, kteří původně neměli zájem. Podle očekávání mají na gymnáziích zájem o vysokoškolské studium prakticky všichni žáci, velmi vysoký zájem je ovšem i na OA a SPŠ. Právě ze SPŠ, ale ještě více z ostatních SOŠ a SOU chtějí pokračovat na VŠ častěji dívky než chlapci. Až 50% zájem o vysokoškolské studium žáků SOU může být zkreslen tím, že se projektu Vektor pravděpodobně účastní specifická skupina učilišť. V celé středoškolské populaci bude zájem o studium na VŠ ze SOU pravděpodobně mnohem nižší.

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

GV G4 OA SPŠ ost. SOŠ SOU

typ SŠ

chlapci v 1. r.

dívky v 1. r.

chlapci v 4. r.

dívky v 4. r.

Na VŠ? A kam? 26

Graf 14. Změna preference VŠ oboru mezi 1. a 4. ročníkem

Představy žáků o další kariéře se během tří let docházky na SŠ razantně vyvíjejí. Zatímco preference vysokoškolského oboru v 1. ročníku odrážejí žákovy (a někdy i rodičovské) ideály, v posledním ročníku se již přibližují realitě a žákovým schopnostem. U účastníků vstupního a výstupního testování, kteří uvedli své preference v 1. i ve 4. ročníku, se v 56 % případů preferovaný obor změnil. Z toho je zřejmé, že závazné rozhodování o profesi ve věku 15 let je velmi předčasné, během středoškolské docházky teprve dozrává.3

Nejčastěji mění svou preferenci žáci, kteří se chtěli v 1. ročníku věnovat matematicko-fyzikálním, zemědělským,4 jazykovým nebo právnickým oborům. V případě zemědělských oborů si žák ve 4. ročníku zpravidla volil atraktivnější obor, u ostatních tří oborů žáci pravděpodobně realisticky posoudili své schopnosti a zvolili méně náročný obor. Relativně nejstabilnější je volba technických oborů, i u nich však nastane změna zhruba ve dvou z pěti případů. ‎Graf 19 ukáže, že u některých

oborů změna preference nebo setrvání souvisí i s úrovní studijních předpokladů žáka.

3 Je třeba připomenout, že žáci mohli v dotazníku vyznačit jen jeden, nejpreferovanější obor VŠ studia. Změnu preference tedy nelze chápat jako změnu odborné orientace, nýbrž jako změnu důrazu. 4 Zájemci o zemědělské obory tvoří ovšem velmi málo početnou skupinu.

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

MF Zem Jaz Práv Přír Spol Ped Ekon Lék Um Tech

po

díl

žá

ků

se

zm

ěn

ou

pre

fere

nc

e

VŠ obor preferovaný v 1. r.

Na VŠ? A kam? 27

Graf 15. Rozložení zájmu o obory VŠ v 1. a ve 4. ročníku, odchylka průměrného OSP skupiny od průměru, pouze žáci s opakovanou účastí

Jak ukázal ‎Graf 14, mezi prvním a posledním ročníkem se preference VŠ oboru značně přesunují.

Přesto je rozložení zájmu o vysokoškolské obory v závěrečném ročníku velmi podobné. Nejvyšší zájem je o ekonomické a technické obory, přičemž mezi 1. a 4. ročníkem se zájem o ekonomické obory zvyšuje a o technické klesá. Slábne též zájem o právnické a jazykové obory.

Čísla v polích znázorňují odchylku průměrného výsledku v testu OSP pro každou skupinu. Tak je možné zjistit, jak studijně nadaní jsou zájemci o různé obory. V 1. ročníku přitahují žáky s nejvyššími studijní předpoklady matematicko-fyzikální, právnické a společenskovědní obory, nejslabší je v tomto směru skupina zájemců o pedagogické obory. Přírodovědné obory přitáhly mezi 1. a 4. ročníkem žáky v průměru s vyššími studijními předpoklady a odpadli od nich v průměru studijně méně nadaní žáci, u pedagogických oborů je to právě naopak. Významně vyšší studijní předpoklady oproti 1. ročníku mají ve 4. ročníku také zájemci o technické, zemědělské5 a lékařské obory, opačně je tomu u společenskovědních oborů.

5 Viz poznámka 4.

0% 20% 40% 60% 80% 100%

1. r.

4. r. MF

Přír

Ekon

Tech

Práv

Zem

Spol

Lék

Jaz

Ped

Um

+1,9 –0,2 –0,8 +1,0 +1,7 +0,4 –0,6 –3,9 –2,1

+0,8 –1,4 +1,4 –1,2 +0,7 –2,6 –1,6 +3,2 –0,4

+4,4

+0

,1

+5,5

–3

,9

Na VŠ? A kam? 28

Graf 16. Rozložení zájmu o obory VŠ studia v 1. a 4. ročníku podle typu SŠ, pouze žáci s opakovanou účastí

Tabulka 8. Podíly preferencí jednotlivých VŠ oborů podle ročníku a typu SŠ

celkem GV G4 OA SPŠ ost. SOŠ

1. r. 4. r. 1. r. 4. r. 1. r. 4. r. 1. r. 4. r. 1. r. 4. r. 1. r. 4. r.

matem.-fyzikální 5 % 4 % 7 % 7 % 5 % 5 % 1 % 1 % 8 % 6 % 2 % 2 %

přírodovědný 7 % 8 % 9 % 10 % 8 % 11 % 2 % 7 % 4 % 2 % 7 % 7 %

ekonomický 12 % 16 % 10 % 12 % 7 % 11 % 40 % 43 % 5 % 21 % 12 % 16 %

technický 15 % 14 % 12 % 14 % 9 % 10 % 3 % 5 % 68 % 50 % 15 % 15 %

právnický 12 % 8 % 10 % 8 % 15 % 9 % 19 % 9 % 2 % 2 % 9 % 6 %

zemědělský 1 % 2 % 1 % 2 % 0 % 2 % 0 % 1 % 0 % 2 % 2 % 3 %

společenskovědní 10 % 14 % 15 % 16 % 13 % 18 % 6 % 9 % 1 % 5 % 7 % 11 %

lékařský 13 % 12 % 13 % 14 % 15 % 15 % 1 % 3 % 1 % 1 % 17 % 14 %

jazykový 12 % 8 % 11 % 7% 13 % 7 % 17 % 11 % 2 % 4 % 11 % 8 %

pedagogický 7 % 7 % 4 % 4 % 8 % 7 % 7 % 7% 2 % 2 % 10 % 10 %

umělecký 7 % 6 % 7 % 6 % 6 % 6 % 3 % 3% 5 % 6 % 8 % 8 %

Rozložení zájmu o různé obory vysokoškolského studia je na víceletých i čtyřletých gymnáziích podobné. Podle očekávání největší část žáků OA usiluje o ekonomické obory a u SPŠ o technické obory, zajímavý je však nárůst zájmu mezi 1. a 4. ročníkem o konkurenční obory: u OA o přírodovědné a společenskovědní obory, u SPŠ o ekonomické (!) obory. Preference žáků

0% 20% 40% 60% 80% 100%

1. r.

4. r.

1. r.

4. r.

1. r.

4. r.

1. r.

4. r.

1. r.

4. r.

GV

G

4

OA

S

PŠ

o

st.

SO

Š

MF

Přír

Ekon

Tech

Práv

Zem

Spol

Lék

Jaz

Ped

Um

Na VŠ? A kam? 29

ostatních SOŠ jsou rozděleny rovnoměrně a dokládají, že školy tohoto typu (tj. ostatní SOŠ) zúčastněné v projektu Vektor pokrývají široké spektrum středoškolských oborů.

Graf 17. Průměrné standardizované skóre v testu OSP a relativní posun v OSP podle preferovaného VŠ oboru ve 4. ročníku, jen žáci s opakovanou účastí

Graf dává do souvislosti průměrnou úroveň studijních předpokladů pro různé preference vysokoškolských oborů ve 4. ročníku (již v ‎Graf 15) a to, jaký relativní posun svých studijních

předpokladů žáci v každé skupině zaznamenali neboli jak se žákům v jednotlivých skupinách podařilo své studijní předpoklady během středoškolského studia rozvíjet.

Čísla u paty sloupců uvádějí průměrný relativní posun studijních předpokladů žáků každé skupiny. Je vidět, že rozdíly mezi skupinami jsou do značné míry dány tím, jak žáci během střední školy studijní předpoklady rozvíjeli. Např. rozdíl průměrných studijních předpokladů zájemců o přírodovědné a o umělecké obory VŠ je přibližně 4 body, ale z toho 2,3 bodu jde na vrub různého tempa rozvoje studijních předpokladů během střední školy. Výjimkou jsou jen krajní skupiny: zájemci o matematicko-fyzikální obory patřili už ve vstupních testech mezi nadprůměrně studijně nadané a během střední školy svůj náskok ještě zvýšili, naopak zájemci o pedagogické obory byli ve vstupních testech podprůměrní a v rozvoji studijních předpokladů dále zaostali.

Nabízí se i otázka, zda jsou u jednotlivých preferovaných oborů stejně vysoké studijní předpoklady u chlapců a dívek, nebo zda se preference lepších z chlapců a lepších z dívek nějak liší. Odpověď nabízí ‎Graf 18.

0,9 0,6 0,3 -0,4 0,1 -0,1 -0,1 -0,2 -0,3 -1,7 -1,5 0

10

20

30

40

50

60

MF Přír Spol Práv Lék Zem Ekon Jaz Tech Um Ped

prů

mě

r s

tan

d. s

kó

re

preferovaný obor VŠ ve 4. r.

Na VŠ? A kam? 30

Graf 18. Průměrné standardizované skóre ve výstupním testu OSP podle pohlaví a preferovaného VŠ oboru ve 4. ročníku

Je zřejmé, že studijní předpoklady u dívek v různých skupinách jsou dost vyrovnané, významnou výjimkou jsou jen ekonomické, umělecké a pedagogické obory, kam chtějí zamířit méně studijně nadané dívky. U chlapců je situace zcela jiná. Vydělují se skupiny zájemců o matematicko-fyzikální, přírodovědné a lékařské obory s nadprůměrnými výsledky v testu OSP, naproti tomu podprůměrné studijní nadání mají chlapci se zájmem o studium právnických, jazykových, technických nebo uměleckých oborů.6

‎Graf 14 ukázal, že mnoho žáků svou preferenci vysokoškolského oboru během studia na střední

škole změní. Liší se nějak studijní předpoklady těch, kdo preferenci mění, a těch, kdo v ní vytrvají? Pohled na to dává ‎Graf 19.

6 Je třeba si uvědomit, že jde jen o vyjádření zájmu na začátku závěrečného ročníku střední školy, které se liší od skladby přihlášek na vysoké školy a ještě více od skladby přijatých uchazečů. Zdrojem informací byly

dotazníky ze všech typů SŠ, tedy i ze SOŠ a SOU.

35

40

45

50

55

60

65

MF Přír Spol Práv Lék Zem Ekon Jaz Tech Um Ped

prů

mě

r s

tan

d. s

kó

re

preferovaný obor VŠ ve 4. r.

chlapec dívka

Na VŠ? A kam? 31

Graf 19. Průměrné standardizované skóre v testu OSP v 4. ročníku podle preferovaného oboru VŠ v 1. ročníku a podle toho, zda žák svou preferenci později změnil

Jak už ukázal ‎Graf 15, průměrná úroveň studijních předpokladů zájemců o různé skupiny VŠ oborů

je v prvním a posledním ročníku rozdílná. K tomu přispívají přesuny zájmů (viz ‎Graf 14). K udržení

pozice s nejvyšším průměrem OSP pomáhá matematicko-fyzikálnímu oboru to, že zájem o něj si udrží v průměru vysoce studijně nadaní žáci, kdežto ti o něco horší svou preferenci změní. Opačnou situaci vidíme u uměleckých a zemědělských oborů, u nichž vytrvávají žáci se značně podprůměrným OSP.

35

40

45

50

55

60

65

MF Spol Přír Práv Jaz Ekon Lék Tech Zem Um Ped

prů

mě

r s

tan

d. s

kó

re

preferovaný obor VŠ v 1. r.

preference oboru zůstala preference oboru se změnila přišel odjinud

Hodnocení výuky a zábavnost předmětu 32

Hodnocení výuky a zábavnost předmětu

Hodnocení výuky

Při výstupním testování mohli žáci vyjádřit svůj názor na výuku českého jazyka, matematiky, angličtiny a němčiny, a to v devíti kritériích:

1. množství nově naučených poznatků v hodině 2. srozumitelnost a pochopitelnost výkladu 3. vlastní studijní aktivita 4. náročnost předmětu 5. spravedlivost hodnocení 6. pestrost výuky 7. schopnost učitele/učitelky zaujmout 8. kázeň a pořádek 9. vstřícnost a přátelský přístup

Ze všech devíti vyjádření k jednomu předmětu jsme spočítali číselný index hodnocení výuky. Indexem je pro každý předmět desetinné číslo mající celkový průměr rovný nule.

‎Graf 20 znázorňuje, jak se v čase měnilo hodnocení výuky. V grafu jsou důležité trendy, nikoli

absolutní výška křivky (všechny indexy jsou normovány na nulový průměr, nelze tedy pomocí nich porovnávat, zda je angličtina hodnocena lépe než němčina apod.). Pro eliminaci vlivu různého složení účastnických škol jsme se omezili jen na školy s vícenásobnou účastí (viz Zdroje dat pro analýzu a metodika zpracování).

Graf 20. Vývoj indexu hodnocení výuky v čase, pouze školy s vícenásobnou účastí

Hodnocení výuky němčiny a matematiky dlouhodobě kolísá, zatím nelze jednoznačně určit, zda trend u matematiky v posledních třech letech je či není náhodným výkyvem. Zřetelně se ovšem

-0,35

-0,3

-0,25

-0,2

-0,15

-0,1

-0,05

0

0,05

0,1

0,15

2007 2008 2009 2010 2011

ind

ex

ho

dn

oc

en

í výu

ky

rok

Čj

Ma

Aj

Nj


mezi roky 2007 a 2010 zlepšovalo hodnocení výuky češtiny a angličtiny, až v roce 2011 se vzestup zastavil.

Graf 21. Změna hodnocení srozumitelnosti výuky vybraných předmětů mezi roky 2007 a 2011, pouze školy s vícenásobnou účastí

Z devíti složek, které tvoří index hodnocení výuky, jsme pro názornost vybrali hodnocení srozumitelnosti výuky ve školních rocích 2007/08 a 2011/12. Z grafu je zřejmé velké zlepšení hodnocení srozumitelnosti v češtině a angličtině. U matematiky a němčiny se zvýšil podíl žáků, kteří hodnotí výuku jako velmi srozumitelnou, součet hodnocení „velmi velká“ a „spíš velká“ se ovšem za čtyři roky prakticky nezměnil.

Hodnocení výuky může kromě samotné výuky souviset s mnoha faktory, např. se liší pro různé typy škol, pro chlapce a dívky, pro různé kraje či pro velké a malé obce. Analýza prokázala, že slabé souvislosti existují u všech zmíněných faktorů, velmi silná je ovšem souvislost se známkou. Vezměme žáky stejného pohlaví a ze stejného typu školy mající podobné výsledky v předmětovém testu i v testu OSP – tito žáci se mezi sebou liší pouze známkou. Podívejme se, zda se liší i průměrným hodnocením výuky.

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

Čj Ma Aj Nj Čj Ma Aj Nj

2007 2011

rok

velmi malá

spíš malá

spíš velká

velmi velká


Graf 22. Průměrný index hodnocení výuky podle známky z předmětu při stejném typu SŠ, pohlaví, výsledku v předmětovém testu i v testu OSP, pouze školy s vícenásobnou účastí

‎Graf 22 ukazuje, že žáci se stejnými výsledky v testu (stejného pohlaví, ze stejného typu školy)

hodnotí výuku tím lépe, čím lepší známku dostali. Nejsilnější vztah mezi známkou a hodnocením je v matematice, zbylé tři předměty jsou na tom mezi sebou podobně. Žáci s horší známkou při stejném výsledku v testech si častěji stěžují nejen na nespravedlivost hodnocení, ale i na přílišnou náročnost předmětu (tj. příliš vysoké požadavky učitele) a nesrozumitelnost. Rozdíly v klasifikaci tedy mohou být způsobeny nejen nejednotností požadavků učitelů, ale např. i způsobem výuky, který žáky mate nebo demotivuje. Víc o vztahu mezi výsledkem v testu a známkováním uvádíme v kapitole Známkování a jeho vztah k testům.

Z analýzy vyplynulo i to, že výuku (po očištění od ostatních faktorů) hodnotí přibližně stejně žáci s lepšími i horšími výsledky v testu. Z žákovského hodnocení tedy nelze usuzovat na to, že by lepší či horší výsledek žáka v testu znamenal lepší nebo horší školní výuku.

-0,4

-0,3

-0,2

-0,1

0,0

0,1

0,2

0,3

0,4

0,5

1 2 3 4+5

ind

ex

ho

dn

oc

en

í výu

ky

známka na posledním vysvědčení

Čj

Ma

Aj

Nj


Co žáky baví

Graf 23. Vývoj průměrné zábavnosti vybraných předmětů pro žáky 4. ročníku, pouze školy s vícenásobnou účastí

V dotazníku mohl každý žák na škále 1 (nejméně) až 4 (nejvíce) vyznačit, nakolik ho v předchozím ročníku bavily hodiny různých všeobecně vzdělávacích předmětů. Ze čtyř námi sledovaných předmětů je nejzábavnější angličtina, její obliba se v čase ještě zvyšuje. Podobně je to u češtiny, která v oblibě angličtinu pomalu dohání. Na druhé straně je nejméně oblíbená němčina, navíc se její obliba ještě v čase snižuje. Obliba matematiky ve školním roce 2011/12 narostla, ale to stačilo jen k návratu na stav ve školním roce 2007/08. Vývoj obliby ostatních předmětů neuvádíme, protože se týkají jen malého množství škol a žáků.

Baví předměty v jiné míře žáky na gymnáziích a na SOŠ? Jsou rozdíly mezi chlapci a dívkami? Je přirozené čekat, že odpovědi na obě otázky budou kladné, přinesou je Grafy 24 až 27. V grafech nejsou uvedeny skupiny chlapců na obchodních akademiích (OA) a dívek na průmyslových školách (SPŠ), neboť jde o malé skupiny.

2

2,1

2,2

2,3

2,4

2,5

2,6

2,7

2,8

2,9

2007 2008 2009 2010 2011

prů

mě

rná

zá

ba

vn

os

t p

řed

mě

tu

rok

Čj

Ma

Aj

Nj


Graf 24. Hodnocení zábavnosti hodin českého jazyka podle typu a pohlaví

Dívky mívají k českému jazyku, zejména jeho literární části, bližší vztah než chlapci a projevilo se to i v odpovědích na otázky z dotazníku. Na všech typech škol hodiny češtiny baví 70 % dívek, u chlapců se zábavnost mění od 45 % na víceletých gymnáziích po 58 % na ostatních SOŠ. Vyšší zábavnost pro žáky negymnazijních typů SŠ může být způsobena tím, že jde o předmět, který se liší od ostatních (obvykle odborně zaměřených) předmětů a neklade na žáky takové nároky, přestože je to povinný maturitní předmět.

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

GV chlapci

GV dívky G4 chlapci

G4 dívky SPŠ chlapci

OA dívky ost. SOŠ chlapci

ost. SOŠ dívky

typ SŠ a pohlaví

velmi nebavily

spíš nebavily

spíš bavily

velmi bavily


Graf 25. Hodnocení zábavnosti hodin matematiky podle typu a pohlaví

Pro dívky představuje matematika často problém, což potvrzuje analýza rozložení odpovědí. Přesto přibližně 40 % dívek uvádí, že je hodiny matematiky bavily. Matematika baví nejvíc žáky víceletých gymnázií, směrem k ostatním SOŠ se podíl žáků, které hodiny matematiky baví, postupně snižuje, a to u chlapců i dívek. U matematiky žáci častěji zaujímají krajní postoje, ve všech skupinách podle typu a pohlaví jsou výrazně zastoupeni žáci, které hodiny matematiky velmi nebaví.

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

GV chlapci




ost. SOŠ dívky

typ SŠ a pohlaví

velmi nebavily

spíš nebavily

spíš bavily

velmi bavily


Graf 26. Hodnocení zábavnosti hodin anglického jazyka podle typu a pohlaví

Angličtina baví chlapce i dívky ve stejné míře, znatelný je rozdíl mezi gymnázii a ostatními typy SŠ.

Graf 27. Hodnocení zábavnosti hodin německého jazyka podle typu a pohlaví

Němčina má mezi zkoumanou čtveřicí předmětů nejhorší postavení. Hodiny němčiny baví jen každého třetího chlapce a ani u dívek to nebylo o mnoho lepší − mezi 40 a 50 %. Je to tedy jediný předmět, jehož školní hodiny na všech typech škol dívky i chlapce spíš nebaví.

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

GV chlapci




ost. SOŠ dívky

typ SŠ a pohlaví

velmi nebavily

spíš nebavily

spíš bavily

velmi bavily

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

GV chlapci




ost. SOŠ dívky

typ SŠ a pohlaví

velmi nebavily

spíš nebavily

spíš bavily

velmi bavily

Známkování a jeho vztah k testům 39

Známkování a jeho vztah k testům

Shrnutí hodnocení studijních výsledků žáka do jediného čísla, které může navíc nabývat nejvýše pěti hodnot, znamená na úrovni žáka obrovskou ztrátu informace. Výsledek (skóre) v testu má sice o něco jemnější rozlišení než známka, ovšem zase postihuje jen část toho, co žák v tom kterém předmětu umí. V této kapitole ukážeme, jak školní známka a výsledek v testu souvisejí a jakými neduhy trpí současné klasifikační zvyklosti.

Žáci byli v dotaznících ke vstupním i výstupním testům požádáni, aby uvedli své známky na posledním vysvědčení. U vstupního testu to byly známky z konce ZŠ, u výstupního testu známky z konce nebo z pololetí 3. ročníku (viz Organizace projektu).

Celkový přehled

Graf 28. Průměry známek ve 3. ročníku z Čj, Ma, Aj a Nj podle typu a pohlaví, pouze školy s vícenásobnou účastí

Z grafu lze vyčíst mnoho zajímavých informací. Nejhorší známky mají žáci v matematice, a to na všech typech škol (pouze chlapci na víceletých gymnáziích prospívají ještě hůř v němčině).

1 1,5 2 2,5 3 3,5 4

GV chlapci

GV dívky

G4 chlapci

G4 dívky

OA chlapci

OA dívky

SPŠ chlapci

SPŠ dívky

ost. SOŠ chlapci

ost. SOŠ dívky

SOU chlapci

SOU dívky

průměr známek

typ

SŠ

a p

oh

laví

Nj

Aj

Ma

Čj


Dívky na všech typech škol dostávají v průměru lepší známky než chlapci. Nejlepší známky přitom dostávají chlapci z angličtiny, zatímco prospěch dívek v němčině a v češtině je s angličtinou srovnatelný. Konečně nejlepší známky dostávají žáci na gymnáziích. Směrem k SOU jsou průměrné známky ve všech předmětech stále horší a horší.

Známky ze všech čtyř uvedených předmětů jsou na SŠ v průměru horší než na ZŠ, zhoršení klasifikace však není u všech předmětů stejné. Mezi 9. třídou ZŠ a 3. ročníkem SŠ se známky žáků v českém jazyce zhorší v průměru o 0,3 stupně, u ostatních tří předmětů je to však o 0,5 stupně.

Obsah výuky se ve školách zpravidla příliš nemění, úroveň žáků ovšem ano a navíc se mohou měnit vnější podmínky, např. kvůli připravované a následně realizované reformě maturitní zkoušky. Je tedy zajímavé zkoumat, zda se změny nějak promítly do klasifikace.

Graf 29. Vývoj průměru známek z českého jazyka ve 3. ročníku podle typu a pohlaví, pouze školy s vícenásobnou účastí

V grafu nejsou uvedeni chlapci z OA a dívky ze SPŠ, neboť se jedná o specifické a málo početné skupiny. Je vidět, že průměrné známky z češtiny jsou na gymnáziích vcelku stabilní, kdežto na ostatních SOŠ se průměrné známky pomalu, ale vytrvale zhoršují. Může jít o důsledek demografického úbytku žáků, kdy na negymnazijních školách zůstávají stále pouze horší a horší žáci.

1,6

1,8

2

2,2

2,4

2,6

2,8

3

3,2

3,4

2008 2009 2010 2011

prů

mě

r zn

ám

ek

rok

GV chlapci

GV dívky

G4 chlapci

G4 dívky

OA dívky

SPŠ chlapci

ost. SOŠ chlapci

ost. SOŠ dívky


Graf 30. Vývoj průměru známek z matematiky ve 3. ročníku podle typu a pohlaví, pouze školy s vícenásobnou účastí

V matematice je kolísání průměrných známek mnohem větší než v češtině. Je možné, že výkony žáků jsou v různých letech proměnlivější, resp. že učitelé matematiky reagují na výkyvy citlivěji než v češtině. I v matematice je patrné systematické zhoršování průměrných známek u dívek z ostatních SOŠ.

1,6

1,8

2

2,2

2,4

2,6

2,8

3

3,2

3,4

2008 2009 2010 2011

prů

mě

r zn

ám

ek

rok

GV chlapci

GV dívky

G4 chlapci

G4 dívky

OA dívky

SPŠ chlapci

ost. SOŠ chlapci

ost. SOŠ dívky


Graf 31. Vývoj průměru známek z angličtiny ve 3. ročníku podle typu a pohlaví, pouze školy s vícenásobnou účastí

V angličtině se známky na gymnáziích v čase pomalu zlepšují a na SOŠ kolísají (tj. nezhoršují se). Angličtina je jediným předmětem, v němž se klasifikace žáků v čase celkově zlepšuje. To je v souladu se zjištěním, že výsledky žáků 9. ročníku ZŠ se mezi roky 2005 a 2011 v angličtině (na rozdíl od češtiny nebo matematiky) zlepšily.

Časový vývoj v němčině již neuvádíme, neboť vzorek žáků je příliš malý, a kolísání hodnot proto příliš velké.

Známka a výsledek v testu

Přestože má školní klasifikace hodnotit komplexnější schopnosti žáka než pouhé vědomosti a dovednosti změřené didaktickým testem, lze předpokládat, že mezi školní známkou a výsledkem žáka v testu by měl být silný vztah. Jednotnost zadání umožňuje zjistit, zda žáci se stejným výsledkem v testu jsou i stejně klasifikováni nebo zda je určitá skupina žáků při stejném výsledku klasifikována systematicky lépe.

Rozdělíme proto účastníky testu podle typu SŠ, pohlaví a poslední známky na vysvědčení (sloučíme žáky se čtyřkou a pětkou, neboť těch žáků s pětkou a úspěšnou opravnou zkouškou je mezi účastníky velmi málo). Porovnání výsledku a klasifikace provedeme tak, že zjistíme průměrné výsledky v testu pro žáky se stejnými známkami, ale z různých typů SŠ a různého pohlaví.

1,6

1,8

2

2,2

2,4

2,6

2,8

3

3,2

3,4

2008 2009 2010 2011

prů

mě

r zn

ám

ek

rok

GV chlapci

GV dívky

G4 chlapci

G4 dívky

OA dívky

SPŠ chlapci

ost. SOŠ chlapci

ost. SOŠ dívky


Graf 32. Průměrné standardizované skóre ve výstupním testu z češtiny podle známky na posledním vysvědčení, typu SŠ a pohlaví, pouze školy s vícenásobnou účastí

Český jazyk je předmět, ve kterém by školní známka měla mít s výsledkem v testu relativně nejslabší vztah – vliv na známku mají i verbální schopnosti nebo tvůrčí psaní. Přesto stojí za pozornost, že rozdíl průměrného výsledku žáků s jedničkou na víceletém gymnáziu a s jedničkou na ostatních SOŠ přesahuje 10 bodů standardizovaného skóre, což odpovídá přibližně pětině testových úloh. Podobný rozdíl je mezi průměrným výsledkem čtyřkařů na obou zmíněných typech škol. Lze to interpretovat i tak, že požadavky na ideálního žáka víceletého gymnázia a na ideálního žáka ostatních SOŠ se liší o pětinu testu. To samé platí pro požadavky na postačující výkon (minimální požadavky). Takto propastný rozdíl v požadavcích ukazuje, že snahy o jejich sjednocení pomocí reformované maturity jsou a budou velmi problematické.

1 2 3 4+5

35

40

45

50

55

60

65

70

GV

ch

lap

ci

GV

dív

ky

G4

ch

lap

ci

G4

dív

ky

OA

dív

ky

SP

Š c

hla

pci

ost.

SO

Š c

hla

pci

ost.

SO

Š d

ívky

prů

mě

r s

tan

d. s

kó

re

typ SŠ a pohlaví

1 2 3 4+5


Graf 33. Průměrné standardizované skóre ve výstupním testu z matematiky podle známky na posledním vysvědčení, typu SŠ a pohlaví, pouze školy s vícenásobnou účastí

Výsledky v testu z matematiky nabízejí ještě zajímavější obrázek. Kromě rozdílů mezi ideálními (maximálními) požadavky různých typů škol stojí za pozornost rozdíly mezi chlapci a dívkami ve školách stejného typu. Na gymnáziích se známky chlapců a dívek se stejným výsledkem v testu liší o celý jeden stupeň. Jelikož v matematice by výsledek didaktického testu měl se školní známkou naopak souviset velmi těsně (písemná zkouška je v matematice základním nástrojem zjišťování dovedností žáka), je patrné, že klasifikace je v matematice k chlapcům nespravedlivá.

Povšimněme si ještě rozdílů mezi průměrnými výsledky žáků s jedničkou a se čtyřkou (resp. pětkou) na různých typech škol. Jde vlastně o rozdíly maximálních (ideálních) a minimální (postačujících) požadavků. Na víceletých gymnáziích je nakonec dále puštěn i ten žák, jehož výsledek je v průměru o 15 bodů horší než u „ideálního“ žáka; u ostatních SOŠ je rozdíl jen přibližně 5 bodů, tedy třikrát menší.

Ve srovnání s ‎Graf 32 je rozdíl průměrného výsledku jedničkářů na víceletých gymnáziích a na

ostatních SOŠ o něco větší (přibližně 15 bodů v matematice oproti přibližně 12 bodům v českém jazyce). To znamená, že didaktický test v matematice popisuje rozdíly maximálních požadavků mezi typy škol lépe než v českém jazyce.

1 2 3 4+5

35

40

45

50

55

60

65

70

GV

ch

lap

ci

GV

dív

ky

G4

ch

lap

ci

G4

dív

ky

OA

dív

ky

SP

Š c

hla

pci

ost.

SO

Š c

hla

pci

ost.

SO

Š d

ívky

prů

mě

r s

tan

d. s

kó

re

typ SŠ a pohlaví

1 2 3 4+5


Graf 34. Průměrné standardizované skóre ve výstupním testu z angličtiny podle známky na posledním vysvědčení, typu SŠ a pohlaví, pouze školy s vícenásobnou účastí

1 2 3 4+5

35

40

45

50

55

60

65

70

GV

ch

lap

ci

GV

dív

ky

G4

ch

lap

ci

G4

dív

ky

OA

dív

ky

SP

Š c

hla

pci

ost.

SO

Š c

hla

pci

ost.

SO

Š d

ívky

prů

mě

r s

tan

d. s

kó

re

typ SŠ a pohlaví

1 2 3 4+5


Graf 35. Průměrné standardizované skóre ve výstupním testu z němčiny podle známky na posledním vysvědčení, typu SŠ a pohlaví, pouze školy s vícenásobnou účastí

V angličtině jsou podobně jako v matematice zřetelné posuny průměrných výkonů stejně klasifikovaných chlapců a dívek, rozdíl je však „pouze“ půl stupně. Naopak v němčině jsou výsledky chlapců a dívek velmi vyrovnané. Němčina je také jediný předmět, ve kterém se některý negymnaziální typ školy blíží gymnáziím, konkrétně to jsou obchodní akademie.

V souvislosti se zavedením a realizací reformy maturit je logické se ptát, zda se výsledky žáků ohrožených propadnutím nějak v čase měnily. Dalo by se čekat, že zejména na SOŠ povedou obavy žáků k větší snaze.

1 2 3 4+5

35

40

45

50

55

60

65

70

GV

ch

lap

ci

GV

dív

ky

G4

ch

lap

ci

G4

dív

ky

OA

dív

ky

SP

Š c

hla

pci

ost.

SO

Š c

hla

pci

ost.

SO

Š d

ívky

prů

mě

r s

tan

d. s

kó

re

typ SŠ a pohlaví

1 2 3 4+5


Graf 36. Průměrné výsledky žáků ohrožených propadnutím ve výstupních testech z Čj a Ma v letech 2008 a 2011, pouze školy s účastí v obou letech

Je zřejmé, že vývoj průměrných výsledků na gymnáziích a na SOŠ je rozdílný. Ve školním roce 2011/12 (tj. bezprostředně po ostrém spuštění maturitní reformy) dosahovali gymnazisté ohrožení propadnutím (se čtyřkou nebo pětkou na posledním vysvědčení) významně lepších výsledků než ve školním roce 2008/09. Naproti tomu výsledky ohrožených žáků na SOŠ se zhoršily nebo stagnovaly. Nelze jednoznačně říct, zda jsou změny způsobeny jiným přístupem žáků či změnou přísnosti klasifikace, v každém případě se však průměrné výsledky stejně hodnocených žáků na gymnáziích a na SOŠ od sebe v čase vzdalují. To je opačný proces, než jaký byl záměrem reformy maturity.

Soulad klasifikace s výsledkem ve třídách

I když každý učitel známkuje podle svých požadavků a zvyklostí, mělo by platit, že pořadí žáků podle výsledku v testu by mělo přibližně odpovídat pořadí podle známek. Jako ukazatel souladu známkování s výsledkem uvnitř každé třídy jsme kromě skutečné známky každému žákovi přiřadili známku podle testu, a to takto:

zjistili jsme počet žáků s jedničkou na vysvědčení, s dvojkou, trojkou atd. seřadili jsme žáky třídy podle výsledků v testu tolik žáků s nejlepšími výsledky v testu, kolik bylo skutečných jedničkářů, dostalo za test

přiřazenou jedničku; další v pořadí dostali přiřazenou dvojku atd., aby byl počet skutečných a přiřazených známek stejný

Následně jsme ve třídě spočetli průměrnou absolutní hodnotu odchylky skutečné a přiřazené známky. Pokud by pořadí podle výsledku v testu přesně odpovídalo skutečným známkám, byla by průměrná absolutní odchylka rovna nule. Pokud je každý druhý žák podle testu zařazen do sousední skupiny, než byla jeho skutečná známka, je průměrná absolutní odchylka 0,5 apod.

35

40

45

50

55

60

65

70

GV G4 SOŠ GV G4 SOŠ

Čj Ma

prů

mě

r s

tan

da

rdiz

ova

né

ho

sk

óre

předmět a typ SŠ

2008 2011


Graf 37. Soulad klasifikace s výsledkem uvnitř třídy – průměrná absolutní odchylka známky skutečné a přiřazené podle výsledku

Největší soulad známek s výsledky v testu je z hlediska typu na gymnáziích a z předmětů v angličtině. Jednotlivé typy škol se mezi sebou liší nejméně v češtině (soulad na ostatních SOŠ a SOU je stejný jako na gymnáziích), nejvíce v cizích jazycích. Např. na SOU by v němčině téměř každý žák podle testu dostal o jeden stupeň jinou známku než ve skutečnosti. Z toho by mohlo vyplývat, že v cizích jazycích se na negymnazijních školách do známky promítá obsah testu projektu Vektor slaběji, zatímco v češtině známkování i na SOU souvisí s obsahem testu stejně jako na gymnáziích.

Malý soulad výsledku testu z matematiky s klasifikací je do značné míry dán tím, že jde o test s nejnižší reliabilitou, tedy nejvíce zatížený chybou měření. Další zdroj nesouladu vyplývá z nerovnosti známkování mezi chlapci a dívkami (viz ‎Graf 33). I tak je ovšem zajímavé, že soulad

u matematiky není vyšší, protože školní známkování v matematice je ze všech předmětů nejvíc založeno na písemném testování.

0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0

Čj Ma Aj Nj

prů

mě

rná

ab

so

lutn

í o

dc

hylk

a z

ná

me

k

předmět


S čím souvisejí výsledky v testech 49

S čím souvisejí výsledky v testech

Účelem srovnávacích testů je rozdělit žáky po bodové škále podle míry schopností (resp. znalostí, dovedností atd.), na něž jsou testy zaměřeny. Bodový výsledek v testu tedy nepopisuje, co přesně žák umí a neumí, ale zda je žák X lepší než žák Y.7 Je tedy žádoucí, aby mezi žáky byly v bodových výsledcích rozdíly, a to co největší.

V této kapitole se zaměříme na analýzu rozdílů ve výsledcích žáků a zjistíme, u kterých třídicích znaků jsou (po případném očištění od vlivu souběžného třídění podle víc znaků najednou) rozdíly mezi skupinami nejvýznamnější. K analýze souvislosti výsledku s jednotlivými znaky při souběžném třídění podle více znaků najednou použijeme lineární smíšený model (viz Zdroje dat pro analýzu a metodika zpracování).

Rozdíly ve skóre – základní přehled

Logicky se dá očekávat, že mezi žáky víceletých gymnázií a SOŠ budou značné rozdíly ve schopnostech, a tedy i ve výsledcích testů. V předchozích kapitolách jsme se pak setkali i s rozdíly mezi chlapci a dívkami (např. ve vztahu jejich výsledku ke známce, viz Známkování a jeho vztah k testům). Proto se nejprve podívejme na průměrné výsledky žáků podle typu SŠ a pohlaví.

Graf 38. Průměrné standardizované skóre ve výstupních testech podle typu SŠ, pouze školy s vícenásobnou účastí

Standardizace skóre převádí bodové skóre všech testů na stejnou škálu, a tím umožňuje srovnání výsledků pro různé testy. ‎Graf 38 poskytuje řadu informací o rozdílech mezi typy škol a mezi testy.

Především se potvrzuje, že žáci víceletých gymnázií jsou ze všech typů škol nejlepší, jejich odstup od čtyřletých gymnázií je přitom jen o něco menší, než je odstup čtyřletých gymnázií od OA nebo

7 Nula bodů získaných v testu neznamená, že žák neumí nic; plný počet bodů neznamená, že žák umí

všechno.

35

40

45

50

55

60

65


prů

mě

r s

tan

d. s

kó

re

typ SŠ

Čj4

Ma4

Aj4

Nj4

OSP4


SPŠ. Obchodní akademie a střední průmyslové školy patří mezi všemi SOŠ z hlediska výsledků svých žáků k nadprůměrným, SOU značně zaostávají ve všech předmětech.

Převaha či naopak zaostávání různých typů SŠ však není stejnoměrné ve všech předmětech. Gymnázia převyšují ostatní nejvýrazněji v angličtině a v OSP, nejmenší náskok mají v matematice. Nejsilnějším předmětem obchodních akademií je němčina, a SPŠ mají oproti jiným SOŠ velmi silnou pozici v matematice a OSP – dokonce ani rozdíl mezi SPŠ a čtyřletými gymnázii není v matematice příliš velký, i když je statisticky významný. Ostatní SOŠ a SOU zaostávají zejména v angličtině a OSP, relativně menší ztrátu mají v matematice a němčině.

Zajímavý je pohled na časový vývoj výsledků z českého jazyka, jak jej zachycuje ‎Graf 39.

Graf 39. Vývoj průměrného standardizovaného skóre výstupního testu z českého jazyka podle typu SŠ a pohlaví, pouze školy s vícenásobnou účastí

Pro malý počet účastníků při prvním běhu výstupních testů jsme vzali v úvahu jen časové rozmezí 2008/09 až 2011/12 a vyloučili jsme málo početné skupiny chlapců z OA a dívek ze SPŠ. Pozoruhodné je postupné přibližování výsledků dívek a chlapců, a to na gymnáziích i na ostatních SOŠ.

Rozdíly v relativních posunech – základní přehled

O kvalitě školy nevypovídá ani tak absolutní hodnota výsledků jejích žáků, ale změna těchto výsledků během docházky. Školu, jejíž absolventi sice patří mezi nadprůměrné, ale jako nadprůměrní do školy již přišli, rozhodně nelze považovat za kvalitnější než tu, která má průměrné žáky na výstupu, ale nastoupili jako podprůměrní. Proto se podíváme i na relativní posun u jednotlivých typů škol.

35

40

45

50

55

60

65

2008 2009 2010 2011

prů

mě

r s

tan

d. s

kó

re

rok

GV chlapci

GV dívky

G4 chlapci

G4 dívky

OA dívky

SPŠ chlapci

ost. SOŠ chlapci

ost. SOŠ dívky


Graf 40. Průměrný relativní posun mezi vstupním a výstupním testováním podle typu SŠ, pouze školy s vícenásobnou účastí

Z grafu vyplývá, že se rozdíly testovaných schopností mezi žáky různých typů škol během středoškolské docházky zvětšují. Žáci víceletých gymnázií zaznamenali od vstupního testování ve všech testech výrazně kladný relativní posun, zejména v českém jazyce. Víceletá gymnázia v českém jazyce, matematice a OSP mezi vstupním a výstupním testováním zvýšila svůj odstup od čtyřletých gymnázií, čtyřletá gymnázia udržela stejný odstup pouze v cizích jazycích. Z typů SOŠ vynikly SPŠ v matematice a OSP, kde zaznamenaly stejný relativní posun jako čtyřletá gymnázia, silně zaostaly pouze v němčině.

Zatímco u předmětových testů se rozdílné relativní posuny pro různé typy daly očekávat, značné rozdíly relativních posunů u testu OSP mohou působit překvapivě, neboť tento test je zaměřen na dovednosti, které se ve škole přímo nevyučují. Patrně se žáci gymnázií během docházky více zabývají činnostmi, které studijní předpoklady rozvíjejí (čtení textů, obohacování slovní zásoby, výpočetní operace, složitější logické úvahy).

Souvislost výsledku testu a relativního posunu s dalšími faktory

Nestojí za lepšími výsledky gymnázií oproti SOŠ rozdíly ve vzdělání rodičů? Souvisí výsledky i s velikostí sídla školy a krajem, např. proto, že gymnázia se častěji objevují ve větších obcích, zejména v Praze? Odpověď nám dá podrobná analýza se zapojením více možných vysvětlujících faktorů. Statisticky významná souvislost (i po očištění od působení jiných faktorů) s výsledkem byla ve výstupních testech prokázána u typu SŠ, pohlaví, vzdělání rodičů, velikosti sídla a zřizovatele.

-6

-5

-4

-3

-2

-1

0

1

2

3

4


prů

mě

r s

tan

d. s

kó

re

typ SŠ

Čj

Ma

Aj

Nj

OSP


Graf 41. Vysvětlení rozdílů mezi žáky ve výstupním testu OSP, pouze školy s vícenásobnou účastí

I když se kromě typu školy a pohlaví zároveň vezmou v úvahu jiné faktory, zůstává typ školy dominantní pro vysvětlení rozdílných studijních předpokladů v posledním ročníku. Souvislost výsledku s pohlavím ovšem poněkud zeslábla a dostala se na úroveň souvislosti s jinými faktory. Žáci se vzdělanějšími rodiči a docházející do škol v největších obcích mají o něco vyšší studijní předpoklady, čisté vlivy vzdělání ani velikosti sídla školy ale nejsou příliš vysoké v porovnání s působením typu SŠ.

-10 -8 -6 -4 -2 0 2 4 6 8

GV

G4

OA

SPŠ

ost. SOŠ

SOU

chlapci

dívky

vzd.m.ZŠ

vzd.m.SŠ bez mat.

vzd.m.SŠ s mat.

vzd.m.VŠ

vzd.o.ZŠ

vzd.o.SŠ bez mat.

vzd.o.SŠ s mat.

vzd.o.VŠ

do 10 tis.

10–20 tis.

20–50 tis.

nad 50 tis.

veřejný

neveřejný

čistý vliv faktoru (odchylka stand. skóre od průměru)

typ

SŠ

, p

oh

laví,

vzd

ělá

ní ro

dič

ů, ve

lik

os

t s

ídla

šk

oly

, zři

zo

va

tel


Graf 42. Vysvětlení rozdílů mezi žáky ve výstupních testech z českého jazyka a matematiky, pouze školy s vícenásobnou účastí

I v českém jazyce a matematice je typ SŠ rozhodujícím faktorem pro vysvětlení rozdílů mezi výsledky žáků. Hodnota čistých vlivů je v českém jazyce poněkud jiná než v matematice, což zejména v případě SPŠ souvisí s obsahem výuky v daném typu škol (viz též ‎Graf 38). Po očištění

od působení typu školy v českém jazyce téměř vymizely rozdíly mezi dívkami a chlapci − jinými slovy rozdíly mezi výsledky dívek a chlapců v českém jazyce se dají téměř kompletně vysvětlit pomocí jiných faktorů. Souvislost se vzděláním rodičů je také po očištění od vlivu jiných faktorů poměrně malá, velikost sídla školy se projevuje jen v českém jazyce.

-10 -5 0 5 10

GV

G4

OA

SPŠ

ost. SOŠ

SOU

chlapci

dívky

vzd.m.ZŠ

vzd.m.SŠ bez mat.

vzd.m.SŠ s mat.

vzd.m.VŠ

vzd.o.ZŠ

vzd.o.SŠ bez mat.

vzd.o.SŠ s mat.

vzd.o.VŠ

do 10 tis.

10–20 tis.

20–50 tis.

nad 50 tis.

veřejný

neveřejný


typ

SŠ

, p

oh

laví,

vzd

ělá

ní ro

dič

ů, ve

lik

os

t s

ídla

šk

oly

, zři

zo

va

tel

Ma4

Čj4


Graf 43. Vysvětlení rozdílů mezi žáky ve výstupních testech z anglického a německého jazyka, pouze školy s vícenásobnou účastí

Graf souvislosti faktorů s výsledky testů je u cizích jazyků se velmi podobá předchozím grafům (‎Graf 42 a ‎Graf 43). Oba jazyky se mezi sebou liší především v tom, že angličtina jde lépe

chlapcům, kdežto němčina lépe dívkám.

Kromě výsledku ve výstupním testu stojí za analýzu i velikost relativního posunu mezi vstupním a výstupním testováním pro různé skupiny, pokud souvislost relativního posunu s několika faktory analyzujeme současně.

-10 -5 0 5 10

GV

G4

OA

SPŠ

ost. SOŠ

SOU

chlapci

dívky

vzd.m.ZŠ

vzd.m.SŠ bez mat.

vzd.m.SŠ s mat.

vzd.m.VŠ

vzd.o.ZŠ

vzd.o.SŠ bez mat.

vzd.o.SŠ s mat.

vzd.o.VŠ

do 10 tis.

10–20 tis.

20–50 tis.

nad 50 tis.

veřejný

neveřejný


typ

SŠ

, p

oh

laví,

vzd

ělá

ní ro

dič

ů, ve

lik

os

t s

ídla

šk

oly

, zři

zo

va

tel

Nj4

Aj4


Graf 44. Vysvětlení rozdílných relativních posunů mezi vstupním a výstupním testem OSP, pouze školy s vícenásobnou účastí

Jak jsme už konstatovali u ‎Graf 40, rozpětí schopností se mezi žáky gymnázií a ostatních škol

v průběhu středoškolské docházky zvětšuje. Tomu odpovídá i zjištění, že typ školy má s relativním posunem v OSP (i v dalších testech) velmi těsnou souvislost, v případě OSP má však podobně znatelný vliv i pohlaví žáka – po odhlédnutí od typu školy a jiných faktorů se relativní posun chlapců a dívek v testu OSP velmi liší. Malý vliv si zachovalo vzdělání rodičů, naopak se v relativním posunu již neliší sídla různých velikostí (resp. rozdíly relativních posunů mezi sídly různých velikostí jsou vysvětlené pomocí jiných faktorů).

-3,0 -2,0 -1,0 0,0 1,0 2,0 3,0

GV

G4

OA

SPŠ

ost. SOŠ

SOU

chlapci

dívky

vzd.m.ZŠ

vzd.m.SŠ bez mat.

vzd.m.SŠ s mat.

vzd.m.VŠ

vzd.o.ZŠ

vzd.o.SŠ bez mat.

vzd.o.SŠ s mat.

vzd.o.VŠ

veřejný

neveřejný

čistý vliv faktoru (kladná hodnota = relativní zlepšení mezi 1. a 4. r.)

typ

SŠ

, p

oh

laví,

vzd

ělá

ní ro

dič

ů, zři

zo

va

tel


Graf 45. Vysvětlení rozdílných relativních posunů mezi vstupním a výstupním testem v českém jazyce a matematice, pouze školy s vícenásobnou účastí

Ačkoli výsledky dívek ve výstupním testu z českého jazyka jsou stále ještě lepší než výsledky chlapců, od vstupního testu se chlapci zlepšili více než dívky. Jinými slovy se během středoškolské docházky snižují rozdíly mezi chlapci a dívkami v českém jazyce, naopak v matematice se náskok chlapců zvětšuje. U matematiky stojí za pozornost, že určitý kladný vliv na výsledek má vysokoškolské vzdělání matky – pravděpodobně jen matky s nejvyšším vzděláním jsou schopny žákovi se středoškolskou matematikou poradit.

-3 -2 -1 0 1 2 3 4

GV

G4

OA

SPŠ

ost. SOŠ

SOU

chlapci

dívky

vzd.m.ZŠ

vzd.m.SŠ bez mat.

vzd.m.SŠ s mat.

vzd.m.VŠ

vzd.o.ZŠ

vzd.o.SŠ bez mat.

vzd.o.SŠ s mat.

vzd.o.VŠ


typ

SŠ

, p

oh

laví,

vzd

ělá

ní ro

dič

ů,

Ma

Čj


Graf 46. Vysvětlení rozdílných relativních posunů mezi vstupním a výstupním testem v anglickém a německém jazyce, pouze školy s vícenásobnou účastí

Relativní posuny v cizích jazycích se pro různé typy značně liší podle toho, zda jde o angličtinu nebo němčinu. Přínos gymnázií oproti SOŠ a SOU je v němčině přibližně dvakrát větší než v angličtině. Výsledky dívek ve výstupním testu z němčiny jsou lepší než u chlapců (viz ‎Graf

43), avšak relativní posun mají obě pohlaví stejný, tedy náskok dívek se během střední školy nezvětšuje. Malý vliv na růst schopností v angličtině má i velikost sídla školy: i po očištění od vlivu typu školy, vzdělání atd. lze prokázat, že v největších obcích žáci v angličtině postupují o něco rychleji.

Na snahu žáka, a tím i na výsledek, mívá vliv motivace. Pokud ho předmět baví, bývá ochotnější se snažit. Přidejme k analyzovaným faktorům i zábavnost hodin předmětu a podívejme se, ve kterém předmětu hraje největší roli.

-6 -4 -2 0 2 4

GV

G4

OA

SPŠ

ost. SOŠ

SOU

chlapci

dívky

vzd.m.ZŠ

vzd.m.SŠ bez mat.

vzd.m.SŠ s mat.

vzd.m.VŠ

vzd.o.ZŠ

vzd.o.SŠ bez mat.

vzd.o.SŠ s mat.

vzd.o.VŠ

do 10 tis.

10–20 tis.

20–50 tis.

nad 50 tis.

veřejný

neveřejný


typ

SŠ

, p

oh

laví,

vzd

ělá

ní ro

dič

ů, ve

lik

os

t s

ídla

šk

oly

, zři

zo

va

tel

Nj

Aj


Graf 47. Čistý přínos zábavnosti hodin pro výsledek výstupního testu, pouze školy s vícenásobnou účastí

Z grafu je zřejmé, že zábavnost předmětu má s výsledkem žáka ve všech čtyřech sledovaných předmětech kladnou souvislost. Tato souvislost se projevuje přibližně stejně v matematice a cizích jazycích. U češtiny zábavnost souvisí s výsledkem o něco slaběji – důvodem může být to, že čeština je povinný maturitní předmět, a proto se v něm žáci snaží s menším ohledem na to, jak je předmět baví.

Jednotka na vodorovné ose ‎Graf 42 a ‎Graf 47 je stejná. Znamená to, že vnímání zábavnosti hodin

souvisí s výsledkem v testu ve srovnatelné míře jako typ školy a ve větší míře než pohlaví, vzdělání rodičů nebo velikost sídla školy.

Na závěr této kapitoly prozkoumáme, nakolik se během docházky do SŠ mění homogenita testových výsledků uvnitř jedné třídy.

-5 -4 -3 -2 -1 0 1 2 3 4 5

Čj

Ma

Aj

Nj

čistý přínos (odchylka stand. skóre od průměru)

pře

dm

ět

velmi baví

spíš baví

spíš nebaví

velmi nebaví


Graf 48. Homogenita testových výsledků v rámci třídy

Výsledky z českého jazyka a OSP jsou ve vstupním i výstupním testování homogenní přibližně stejně, to znamená, že rozptýlenost výsledků zůstává zhruba stejná a vzdálenosti mezi žáky se nemění. V matematice jsou výsledky v posledním ročníku znatelně méně homogenní oproti prvnímu ročníku, tj. vzdálenosti mezi žáky se zvětšují, což je pravděpodobně dáno různým vztahem žáků k matematice a jejímu dalšímu využití. Naopak ve výuce cizích jazyků se daří rozdíly mezi žáky zmenšovat, a to zejména v němčině.

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

Čj Ma Aj Nj OSP

va

ria

bil

ita

vys

vě

tle

ná

pří

slu

šn

os

tí d

o s

tejn

é t

říd

y

test

1. r.

4. r.

Odhad vlastního výsledku 60

Odhad vlastního výsledku

Kromě absolvování vstupních testů jsme též žáky žádali, aby odhadli své pořadí v nich. Mohli se zařadit do některé z pěti skupin (nejlepší, nadprůměrní, průměrní, podprůměrní a nejhorší), přičemž se předpokládalo, že skupiny jsou stejně početné.

I když se v dotazníku navozovala situace, že test absolvují všichni žáci, není zcela jasné, zda byli žáci schopni vztáhnout svůj výsledek skutečně ke všem žákům středních škol nebo jen k žákům ze škol stejného typu. Ukázalo se však, že míra shody odhadu s výsledkem je přibližně stejná, ať vztáhneme odhad pořadí ke všem žákům, nebo jen k žákům stejného typu školy. Proto nevadí, že vzorek účastníků neodráží reprezentativně rozložení celé středoškolské populace. Následující grafy ukazují, jak žáci odhadovali své zařazení do kategorií podle výsledku v testu.

Graf 49. Rozložení odhadu vlastního umístění ve vstupním testu z českého jazyka, podle typu SŠ a pohlaví

Přestože bylo žákům řečeno, že každá z pěti nabízených kategorií má zahrnovat stejný podíl žáků (tj. pětinu), nadpoloviční většina žáků se zařadila do průměru a podíly krajních skupin byly zcela mizivé, a to i na víceletých gymnáziích (nejlepší) nebo na SOU (nejhorší). V českém jazyce k průměru tíhly víc dívky než chlapci, to je ovšem v souladu s větší rozptýleností výsledků chlapců. Je zajímavé, že i na ostatních SOŠ a na SOU si více než 70 % žáků myslí, že dosáhli průměrného nebo lepšího výsledku – pravděpodobně svůj odhad opírali o porovnání s žáky ze stejného typu školy.

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

typ SŠ a pohlaví

nejhorší

podprůměr

průměr

nadprůměr

nejlepší


Graf 50. Rozložení odhadu vlastního umístění ve vstupním testu z matematiky, podle typu SŠ a pohlaví

Matematika jde obecně dívkám hůř než chlapcům a na odhadech jejich výsledků je to patrné. Mimo gymnázia si pouze 10 % dívek myslí, že v testu dosáhly aspoň nadprůměrného výsledku. Naopak chlapci si v matematice věří víc než v češtině.

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

typ SŠ a pohlaví

nejhorší

podprůměr

průměr

nadprůměr

nejlepší


Graf 51. Rozložení odhadu vlastního umístění ve vstupním testu z angličtiny, podle typu SŠ a pohlaví

I v angličtině si chlapci věří víc než dívky, rozdíly jsou ale o něco menší než u matematiky.

Graf 52. Rozložení odhadu vlastního umístění ve vstupním testu z němčiny, podle typu SŠ a pohlaví

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

typ SŠ a pohlaví

nejhorší

podprůměr

průměr

nadprůměr

nejlepší

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

typ SŠ a pohlaví

nejhorší

podprůměr

průměr

nadprůměr

nejlepší


V němčině je sebevědomí žáků ze všech čtyř sledovaných předmětů nejmenší a pro různé typy SŠ poměrně vyrovnané. Dokonce i na víceletých gymnáziích si přibližně 40 % žáků myslí, že patří do skupiny podprůměrných, či dokonce nejhorších. Přestože se dívkám daří v němčině víc než chlapcům, není to na jejich sebevědomí znát. Podobně žáci z obchodních akademií, které jsou v němčině objektivně poměrně úspěšné, odhadují svůj výsledek pesimističtěji než žáci z ostatních SOŠ, ba dokonce na stejné úrovni jako žáci ze SPŠ.

Graf 53. Rozložení odhadu vlastního umístění ve vstupním testu z OSP, podle typu SŠ a pohlaví

V testu OSP jsou žáci velmi optimističtí a podíl odhadovaných zařazení mezi podprůměrné nebo nejhorší je na všech typech škol menší než 20 %. Opět se ve svém odhadu zařazují chlapci o něco výš než dívky, což je ovšem v souladu s tím, že výsledky chlapců v OSP jsou o něco lepší než výsledky dívek.

Pokud porovnáme odhadované a skutečné zařazení žáka do kategorie podle pořadí, můžeme zjistit, zda určité skupiny měly tendenci se spíše přeceňovat či podceňovat. Jako ukazatel přecenění nebo podcenění vezmeme rozdíl skutečné a odhadované kategorie (v obou případech na škále 1 až 5, kde 1 je kategorie nejlepších a 5 kategorie nejhorších). Kladný rozdíl tedy znamená, že žák se přecenil, záporný rozdíl signalizuje podcenění. Předpokládejme, že žáci odhadovali své pořadí mezi všemi středoškoláky.

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

typ SŠ a pohlaví

nejhorší

podprůměr

průměr

nadprůměr

nejlepší


Graf 54. Podcenění a přecenění vlastního výsledku v různých skupinách (vzájemně očištěno), vstupní test OSP

Jak již bylo řečeno u ‎Graf 53, žáci odhadovali své výsledky v testu OSP obecně velmi optimisticky.

Proto se také téměř ve všech kategoriích přecenili. Výjimkou jsou pouze žáci gymnázií, kteří dosáhli lepšího než odhadovaného výsledku (z hlediska pořadí).

Pokud zkoumáme vztah přecenění s více faktory najednou, i po očištění od typu školy se ukazuje, že žáci rodičů s vysokoškolským vzděláním a žáci ze škol v největších obcích odhadli svůj výsledek nejpřesněji. Svůj výsledek výrazně přecenili žáci soukromých a církevních škol. Určitý rozdíl je též mezi dívkami a chlapci – odhad dívek byl nepatrně přesnější.

-1,0 -0,5 0,0 0,5 1,0 1,5

GV

G4

OA

SPŠ

ost. SOŠ

SOU

chlapci

dívky

vzd.m.ZŠ

vzd.m.SŠ bez mat.

vzd.m.SŠ s mat.

vzd.m.VŠ

vzd.o.ZŠ

vzd.o.SŠ bez mat.

vzd.o.SŠ s mat.

vzd.o.VŠ

do 10 tis.

10–20 tis.

20–50 tis.

nad 50 tis.

veřejný

neveřejný

odchylka odhadované a skutečné kategorie (záporná = podceňuje se, kladná = přeceňuje se)

typ

SŠ

, p

oh

laví,

vzd

ělá

ní ro

dič

ů, ve

lik

os

t o

bc

e, zři

zo

va

tel


Graf 55. Podcenění a přecenění vlastního výsledku v různých skupinách (vzájemně očištěno), vstupní testy z českého jazyka a matematiky

Pokud jde o typ školy, i v českém jazyce a matematice gymnazisté svůj výsledek podcenili a žáci ostatních škol obecně odhadli správně nebo přecenili. V matematice se žáci obecně podceňovali, v českém jazyce byl jejich odhad realistický. Vidíme, že největší tendenci se podceňovat měly dívky a žáci ze škol v největších obcích, přeceňovali se žáci ze soukromých a církevních škol. Rozdíly podle vzdělání rodičů jsou sice statisticky významné, avšak velmi slabé.

-1,5 -1,0 -0,5 0,0 0,5 1,0 1,5

GV

G4

OA

SPŠ

ost. SOŠ

SOU

chlapci

dívky

vzd.m.ZŠ

vzd.m.SŠ bez mat.

vzd.m.SŠ s mat.

vzd.m.VŠ

vzd.o.ZŠ

vzd.o.SŠ bez mat.

vzd.o.SŠ s mat.

vzd.o.VŠ

do 10 tis.

10–20 tis.

20–50 tis.

nad 50 tis.

veřejný

neveřejný


typ

SŠ

, p

oh

laví,

vzd

ělá

ní ro

dič

ů, ve

lik

os

t o

bc

e, zři

zo

va

tel

Ma

Čj


Graf 56. Podcenění a přecenění vlastního výsledku v různých skupinách (vzájemně očištěno), vstupní testy z anglického a německého jazyka

Rozložení podcenění či přecenění je u angličtiny v jednotlivých kategoriích velmi podobné češtině (viz ‎Graf 55). Jinak je tomu ale u němčiny. Žáci v ní byli ve svém odhadu celkově velmi pesimističtí

(viz ‎Graf 52), srovnání se skutečným pořadím ukazuje, že svůj výsledek významně podcenili nejen

gymnazisté, ale i žáci OA a SPŠ. Opět podobně jako u matematiky jsou po očištění od typu školy patrné větší tendence k podcenění u dívek a u škol s veřejným zřizovatelem či sídlících ve velkých obcích.

-1,5 -1,0 -0,5 0,0 0,5 1,0

GV

G4

OA

SPŠ

ost. SOŠ

SOU

chlapci

dívky

vzd.m.ZŠ

vzd.m.SŠ bez mat.

vzd.m.SŠ s mat.

vzd.m.VŠ

vzd.o.ZŠ

vzd.o.SŠ bez mat.

vzd.o.SŠ s mat.

vzd.o.VŠ

do 10 tis.

10–20 tis.

20–50 tis.

nad 50 tis.

veřejný

neveřejný


typ

SŠ

, p

oh

laví,

vzd

ělá

ní ro

dič

ů, ve

lik

os

t o

bc

e, zři

zo

va

tel

Nj

Aj

Příloha A: Vysvětlení odborných pojmů 67

Příloha A: Vysvětlení odborných pojmů

Rozptyl a směrodatná odchylka

Tyto dvě veličiny vyjadřují, jak se hodnoty z určitého souboru odchylují od svého průměru – tedy jak moc jsou rozptýlené.

Rozptyl se vyjadřuje jako průměr druhých mocnin odchylek od průměru, tj.

var X =

n

i

i XXn

1

2)(1

, kde X1, X2 až Xn je soubor hodnot.

Pokud hodnoty X1, X2 až Xn nejsou úplným souborem hodnot, nýbrž jen výběrem z tohoto souboru, nelze spočítat přesný rozptyl, ale jen odhad rozptylu. K tomu se používá velmi podobný vzorec

S2 =

n

i

i XXn

1

2)(1

1.

Směrodatná odchylka je druhou odmocninou rozptylu. Je pro praktický odhad rozmístění hodnot důležitější než rozptyl, neboť v mnoha případech lze aplikovat tzv. pravidlo 1σ, resp. pravidlo 2σ:

Pravidlo 1σ: přibližně dvě třetiny všech hodnot souboru se od průměru liší nejvýše o jednu směrodatnou odchylku.

Pravidlo 2σ: přibližně 95 % všech hodnot souboru (resp. téměř všechny hodnoty) se od průměru liší nejvýše o dvě směrodatné odchylky.

Vážený průměr

V některých situacích nelze použít obvyklý aritmetický průměr hodnot X1, X2 až Xn podle známého vzorce

n

XXXX n

...21 .

Stává se to tehdy, když jednotlivé prvky, z nichž má být průměr vypočten, nemají stejnou důležitost, jsou založeny na různých počtech pozorování apod. Příkladem může být výpočet celkové průměrné známky školy v matematice, jsou-li známy průměry všech tříd, avšak třídy jsou různě početné. V takovém případě se používá vážený průměr, který bere v úvahu různou důležitost (tj. váhu) jednotlivých prvků. Důležitost čili váha se vyjadřuje pro každý prvek kladným číslem w1, w2 až wn, čím vyšší důležitost, tím vyšší číslo. Výsledný vážený průměr se pak vypočítá pomocí vzorce

n

nn

www

XwXwXwváženýX

...

...)(

21

2211.

Medián, kvartil, decil, percentil

Kromě aritmetického průměru, směrodatné odchylky (či rozptylu), šikmosti a špičatosti lze rozložení hodnot nějakého souboru popsat i dalšími charakteristikami. Pokud hodnoty uspořádáme podle pořadí, může být důležitou informací, která hodnota je právě uprostřed, která v jedné desetině či čtvrtině celkového pořadí. Tento přístup vede k určení charakteristik uvedených v nadpisu.


Medián je hodnota nacházející se právě uprostřed pořadí. Nad mediánem se tedy vyskytuje stejně tolik hodnot jako pod mediánem.

Dolní, resp. horní kvartil je hodnota nacházející se v jedné čtvrtině pořadí, resp. ve třech čtvrtinách pořadí. Pod dolním kvartilem se tedy vyskytuje jedna čtvrtina všech ostatních hodnot a nad ním tři čtvrtiny všech ostatních hodnot. U horního kvartilu je to obráceně.

Percentily dělí pořadí účastníků na sto dílů o stejných počtech v každém dílu. Pořadové číslo percentilu uvádí, kolik procent účastníků dosáhlo nižšího nebo stejného výsledku, jako je hodnota percentilu. Hodnota 50. percentilu je stejná jako hodnota mediánu, podobně 25. a 75. percentil odpovídají dolnímu a hornímu kvartilu.

Z uvedených charakteristik lze odvodit i další, např. tzv. kvartilové rozpětí je rozdíl mezi horním a dolním kvartilem.

Z-skór a T-skór

Pokud pozorujeme několik znaků, které mají různé škály, bývá vhodné převést jejich hodnoty na některou standardizovanou škálu. Základní transformací je tzv. z-transformace:

z-skór = (původní hodnota – průměrná hodnota) / směr. odchylka hodnot

Z-transformace je lineární transformací, a proto škálu pouze posunuje a rovnoměrně mění měřítko, nedeformuje vzdálenosti mezi hodnotami. Průměr z-skórů je 0 a jejich směrodatná odchylka 1. Z-skóry ovšem nabývají desetinných hodnot a mohou být i záporné, takže se hůř interpretují. Proto se z-skóry někdy transformují ještě dále na vhodnější škálu, např. pomocí T-transformace:

T-skór = 50 + 10 · z-skór

T-skóry mají průměr 50 a směrodatnou odchylku 10, nabývají tedy nejčastěji hodnot mezi 20 a 80.

Reliabilita

Měření či jiné zjišťování hodnoty veličiny je v praxi často zatíženo chybou. Tato chyba může být malá, např. při použití velmi přesného měřicího přístroje, anebo velká, např. při nedbalém měření či při chybném odečtení hodnoty ze stupnice. U testů informaci o chybě poskytuje do značné míry reliabilita. Tato charakteristika vyjadřuje, jak velká část z variability výsledků účastníků připadá na rozdílné úrovně znalostí a schopností účastníků a jaká část variability je daná vlivem náhody či chybou měření.

Reliabilita je číslo mezi 0 a 1. Hodnoty blízké jedné znamenají, že vliv náhody je minimální a výsledky testu dobře odpovídají skutečným znalostem a schopnostem účastníků. Naopak příliš nízké hodnoty reliability signalizují, že do výsledků silně promlouvají náhodné vlivy.

Často se hodnoty reliability srovnávají s doporučenými hodnotami pro určité účely.

test s reliabilitou nad 0,9 se pokládá za dostatečný k tomu, aby výhradně na jeho základě bylo možné činit rozhodnutí (např. o přijetí či nepřijetí)

test s reliabilitou mezi 0,8 a 0,9 je vyhovující jako jeden z podkladů pro rozhodnutí test s reliabilitou mezi 0,6 a 0,8 je na individuální úrovni nepostačující pro rozhodování, avšak

pro rozhodování o malých skupinách (do 10 osob) je postačující

Pro rozhodování o větších skupinách (např. na úrovni tříd a škol) jsou na reliabilitu kladeny mnohem menší nároky, daleko důležitější je spolehlivost dosažených výsledků (zamezení opisování a napovídání, dodržení zásad administrace testu atd.).

Skutečnou hodnotu reliability lze vypočítat jen za splnění speciálních předpokladů, zpravidla je možné ji pouze odhadnout. Nejpoužívanějšími odhady jsou výpočty korelace výsledků účastníků ve dvou různých polovinách testu (tzv. split-half metoda) a výpočet vnitřní konsistence testu (Cronbachovo alfa a speciální vzorec KR-20, nověji též přesnější odhad koeficientem L2).


Lineární model

Pokoušíme-li se zjistit vliv několika různých veličin (faktorů, znaků) na určitou veličinu (tj. „vysvětlit“ veličinu pomocí daných faktorů), můžeme se dostat do problémů s interpretací výsledků v případě, kdy mezi vysvětlujícími veličinami existuje nějaká souvislost. Např. se může ukázat, že se mezi sebou významně liší výsledky žáků v určitých krajích a že se významně liší výsledky žáků podle jejich ekonomického zázemí. Je ovšem známo, že ekonomické zázemí žáků se v různých krajích liší. Na místě je pak otázka, zda odlišnosti mezi různými kraji nejsou zprostředkovány právě pouze různým ekonomickým zázemím žáků. Jinými slovy, zda by i po očištění od vlivu ekonomického zázemí zůstala v datech ještě nějaká zbytková závislost výsledku žáka na konkrétním kraji.

Analýzu současného působení většího množství veličin na jednu veličinu lze účinně provést pomocí lineárního modelu. Ten zjišťuje, jak který faktor ovlivňuje vysvětlovanou veličinu a zda některé faktory nejsou zastupitelné jinými. Lineární model předpokládá, že vysvětlovaná veličina je kvantitativní.

Výstupy analýzy pomocí lineárního modelu jsou:

určení statisticky významných a nevýznamných vysvětlujících veličin, konkrétní koeficienty náležící jednotlivým hodnotám vysvětlujících veličin.

Zmíněné koeficienty vyjadřují čistý vliv každé vysvětlující veličiny na vysvětlovanou veličinu, tedy po očištění od zprostředkujícího vlivu všech ostatních vysvětlujících veličin. Z toho lze tudíž usoudit, jak která veličina skutečně ovlivňuje vysvětlovanou veličinu.

Pokud lze zkoumané jedince sdružit do skupin, uvnitř kterých mohou být silné vnitřní vztahy (např. třída nebo škola), používá se obecnější lineární smíšený model, který bere v úvahu i existenci těchto skupin, vliv jejich vnitřních vztahů dokáže odhadnout a eliminovat.

Lineární smíšený model

Lineární smíšený model je zobecněním lineárního modelu. Vychází z předpokladu, že se zkoumaná měření nebo jedinci (např. účastníci testu) člení do skupin, uvnitř kterých mohou existovat nezanedbatelné vazby. Např. žáci se člení do tříd nebo škol a každou skupinu učí stejný učitel nebo na ni stejně působí vliv konkrétní školy.

Lineární smíšený model hledá lineární vztah mezi hodnotou vysvětlované veličiny na straně jedné a hodnotami několika vysvětlujících veličin (faktorů, znaků) a společnými vlivy skupin (např. tříd či škol) na straně druhé.

Výstupy lineárního smíšeného modelu jsou podobné jako výstupy lineárního modelu, navíc je možné vyčíslit, jakou část variability vysvětlované proměnné vysvětluje dělení do skupin. Lineární smíšený model je výpočetně mnohem náročnější, jeho použití je však korektnější, pokud si nejsme jisti, že měření jsou mezi sebou opravdu nezávislá.

Faktorová analýza

Máme-li u každého sledovaného jedince k dispozici několik různých charakteristik (např. měření různých částí těla, odpovědi v dotazníku, výsledky několika testů apod.), můžeme si klást otázku, zda na všechny tyto charakteristiky má vliv nějaká společná, avšak neměřená charakteristika neboli faktor (inteligence, mohutnost stavby kostry, sebedůvěra apod.). Pokud je odpověď kladná, lze se dále ptát, zda je takových faktorů víc, zda lze jejich působení číselně vyjádřit a zda lze hodnoty faktorů zpětně spočítat.

Model faktorové analýzy předpokládá, že mezi neznámými hodnotami faktorů a pozorovanými (měřenými) hodnotami existuje lineární vztah. V tom je obsažen předpoklad, že hodnoty faktorů


i pozorované hodnoty jsou číselné a spojité (tj. vyjadřují množství a nejsou sdruženy do několika málo kategorií). Pokud stanovíme, kolik faktorů do modelu zahrneme, poskytne faktorová analýza odhad lineárního převodu faktorů na pozorované hodnoty a pro každého jedince odhady hodnot jednotlivých faktorů.

Graded-response model IRT

Item-response theory (IRT) je statistický model, který pracuje s odpověďmi respondentů v položkách testu nebo dotazníku a předpokládá, že:

existuje vlastnost nebo vlastnosti, které mají významný vliv na odpovědi respondentů,

respondenti mají tuto/tyto vlastnost(i) v různých mírách (latencích), které se dají číselně

vyjádřit.

Z hodnoty latence lze předpovědět, s jakou pravděpodobností respondent vyřeší správně položku testu nebo dá určitou odpověď v dotazníku.

Cíl IRT je podobný jako cíl faktorové analýzy o jednom faktoru, tedy na základě odpovědí v testu či dotazníku odhadnout pro každého respondenta hodnotu/y latence/í. Existuje několik modelů IRT, kterých lze pro tento účel využít. Graded-response model (GRM) je nejobecnějším modelem používaným v situaci, kdy respondent může v každé položce volit z více než dvou odpovědí a tyto odpovědi jsou kvalitativní (vyjadřují vlastnost nebo kategorii, nikoli množství). To je typická situace pro žákovský dotazník. Pomocí GRM se z odpovědí dotazníku odhadne latence (hodnota faktoru) respondenta.

71

www.scio.cz

Date post:	16-Oct-2020
Category:	Documents
Upload:	others
View:	1 times
Download:	0 times

Analýza výsledků projektu - ScioTato analýza se zaměřuje na výsledky testů a dotazníků od...

Documents