Werkt een actief verzuimbeleid?

Transcriptie

1 Werkt een actief verzuimbeleid? Sofie J. Cabus 1 en Kristof De Witte 2 Samenvatting Sinds de Lissabon-doelstellingen staat de preventie van voortijdig schoolverlaten hoog op de Europese agenda. In Nederland heeft het ministerie van Onderwijs, Cultuur en Wetenschappen (OCW) in samenwerking met steden en regio s diverse maatregelen getroffen om het aantal leerlingen dat de middelbare school zonder diploma verlaat, terug te dringen. Dit artikel evalueert het project Bewust Aanwezig op School. Dit project geeft verscherpte aandacht aan leerlingen met een hoog verzuim (spijbelen) om zo het voortijdig schoolverlaten terug te dringen. In de literatuur wordt verzuim immers aangegeven als een zeer goede voorspeller van voortijdig schoolverlaten. Bij dit project worden mentoren, leerkrachten, leerplichtconsulenten en een casemanager vsv betrokken. Indien nodig krijgt de betrokken jongere professionele hulp in het kader van huisbezoeken. De resultaten tonen aan dat een actief verzuimbeleid inderdaad succesvol voortijdig schoolverlaten terugdringt met procent punten. Daarnaast wordt ook aangetoond dat de baten van een actief verzuimbeleid de kosten ruimschoots overstijgen. 1 Promovendus aan het Top Institute for Evidence Based Education Research, Maastricht University, s.cabus@maastrichtuniversity.nl 2 Universitair docent aan het Top Institute for Evidence Based Education Research, Maastricht University, en aan de Katholieke Universiteit Leuven, k.dewitte@maastrichtuniversity.nl 1

2 I. Referentiekader Het besluit van de Europese Raad om tegen 2010 het aantal leerlingen dat de middelbare school zonder diploma verlaat te halveren (Europese Raad, 2000), heeft bij zowel het beleid als de wetenschap de aandacht verscherpt voor voortijdig school verlaten (vsv). 3 Er is een gevoel van urgentie ontstaan doordat uit de literatuur overduidelijk blijkt dat leerlingen die de middelbare school voortijdig verlaten ongunstige vooruitzichten hebben (Pascarella en Terenzini, 1991). De literatuur geeft gevolgen aan op drie niveaus. Ten eerste zijn er private kosten zoals een grotere kans op werkloosheid (bijv. Psacharopoulos en Layard, 1979), slechtere gezondheid (bijv. Groot en Maassen van den Brink, 2007) of op hun beurt lager opgeleide kinderen (bijv. Bowles, 1972). Ten tweede zijn er hogere maatschappelijke kosten als gevolg van een grotere kans op criminele activiteiten (bijv. Lochner en Moretti, 2004), geringere sociale cohesie en lagere participatie in democratische besluitvorming (bijv. Milligan et al., 2004) of lagere economische groei (Hanushek en Wößmann, 2007). En tot slot zijn er fiscale effecten vanwege lagere belastinginkomsten, hogere uitgaven aan werkloosheidsuitkeringen en hogere kosten voor de gezondheidszorg (voor een overzicht: Psacharopoulos, 2007). In navolging van de Europese Raad definiëren we een voortijdige schoolverlater in dit artikel als een jongere tussen 12 en 23 jaar die het onderwijs verlaat zonder diploma of lager middelbareschooldiploma (European Commission, 2006). In die zin vertegenwoordigt deze definitie een outputgeoriënteerde indicator (dat wil zeggen: een indicatie op basis van aantallen) en weerspiegelt deze niet de cognitieve en niet cognitieve vaardigheden van de leerlingen in kwestie. Daarom wordt een gediplomeerde leerling met zeer geringe cognitieve vaardigheden niet beschouwd als een voortijdig schoolverlater (Psacharopoulos, 2007). Dankzij de sterke politieke wil om het probleem aan te pakken hebben de Europese lidstaten diverse programma s ontwikkeld om vsv in het voortgezet onderwijs terug te dringen. Ook in Nederland wordt er door het Ministerie van Onderwijs, Cultuur en Wetenschappen (OCW) actief beleid gevoerd. In Nederland is in 2003 de nationale doelstelling geformuleerd om het aantal nieuwe voortijdig schoolverlaters tot de helft terug te brengen van in 2002 tot in 2012, en verder tot in 2016 (zie Het Nederlandse beleid wordt gekenmerkt door een grote decentrale verantwoordelijkheid. Vanuit het Ministerie van OCW werden in 39 regio s (Regionale Meld en Coördinatiecentra - RMC) een convenant gesloten tussen het ministerie van OCW enerzijds en de contactgemeenten en onderwijsinstellingen anderzijds. Het convenant bevat een waaier aan mogelijke interventies die de onderwijsinstellingen kunnen implementeren. De invloed van de voorgenomen interventies werd onderzocht in De Witte en Cabus (2010a). 3 Het probleem van vsv bestaat niet enkel in Europa. Uit de inaugurele rede van de Amerikaanse president Barack Obama blijkt dat vsv ook in andere landen een belangrijk vraagstuk is: Voor elke Amerikaan zal een middelbareschooldiploma alleen niet genoeg zijn. En het voortijdig verlaten van de middelbare school is geen optie meer. (Obama, 2009). 2

3 Ook binnen een regio kunnen scholen en gemeenten verschillende beleidsinitiatieven ontwikkelen. Er wordt een financiële prikkel voorzien om het decentrale beleid zo doeltreffend mogelijk te maken. Onderwijsinstellingen krijgen een prestatiesubsidie van 2,500 euro voor elke vsv er minder in vergelijking met basisjaar De Witte et al. (2010) uitten in het verleden kritiek op deze maatregel. Een uniforme maatregel kan immers ook demotiverend werken. Omdat er een grote heterogeniteit in de onderliggende bevolkingsgroep van scholieren blijkt te bestaan, kan het in de ene regio/school moeilijker zijn om vsv te reduceren dan in de andere regio/school (voor een vergelijking tussen de regio Amsterdam en Rijnland, zie De Witte en Van Klaveren, 2011). Bovendien hebben regio s/scholen die reeds voor 2005 een vsv-beleid hadden (de early adopters ) en toen reeds resultaat boekten, nu minder ruimte om verbeteringen te bereiken (in vergelijking met regio s/scholen die pas later op de kar zijn gesprongen). Het vsv-beleid focust op diverse invalshoeken. Dit artikel wil de effectiviteit van een vsvpreventiemaatregel nagaan die sterk focust op verzuimende (of spijbelende) leerlingen. Schoolverzuim wordt immers als een sterke voorspeller van vsv beschouwd (o.a. vastgesteld in volgende studies: Schaefer en Millman, 1981; Davis en Lee, 2004; Beekhoven en Dekkers, 2005; Attwood en Croll, 2006; De Witte en Csillag, 2010). Het kan een indicatie zijn van problemen bij de jongere thuis, in de omgeving, of op school (voor meer documentatie, zie bijvoorbeeld Hibbert en Fogelman, 1990; Garry, 1996; Rumberger, 2001; Psacharopoulos, 2007). De Witte en Csillag (2010) tonen aan dat een betere registratie van verzuim zorgt voor een daling van vsv. Al is die daling enkel significant voor de betere voscholen. Dit artikel evalueert in het bijzonder het Bewust Aanwezig op School (BAS) project. In scholen die het BAS-project implementeren (verder aangeduid als BAS-scholen) bieden docenten en mentoren eerstelijnshulp aan risicojongeren aan: al in een vroeg stadium signaleren ze de problemen van jongeren: [ ] docenten en mentoren binnen het VO en MBO bewust te maken van zorg voor leerlingen, de eigen rol die ze daarin vervullen, om uitval van leerlingen te voorkomen (BAS-project, 2010). Met jongeren die veelvuldig verzuimen omwille van ziekteverzuim of (vermoedelijk) ongeoorloofd schoolverzuim en jongeren die risicogedrag vertonen, wordt een gesprek aangegaan door de casemanager vsv. De casemanager consulteert de leerlingbegeleiders, de teamleiders en docenten over de concrete situatie (zie Indien nodig wordt professionele hulp aangeboden bij de betrokken jongere thuis in het kader van huisbezoeken. Het BAS-project werd aan de start van het schooljaar 2008 ingevoerd. Het is een relatief groot project waar een totale projectsubsidie van euro werd aan toegekend. 4 De cijfermatige doelstelling was 10% minder vsv in 2009 in vergelijking met In werden er huisbezoeken afgelegd in het voortgezet onderwijs (vo) en 198 in het beroepsonderwijs (mbo). De gemiddelde tijdsinvestering per deelnemer is 5 uur. In totaal zijn er in het voortgezet onderwijs 700 mentoren en/of leerlingenbegeleiders, ouders, en leerlingen bereikt door voorlichtingsbijeenkomsten. In het beroepsonderwijs werden ook informatiesessies georganiseerd, waarbij 27 teams van mentoren, en 54 klassen werden bereikt. Bovendien werden aanwezigheidscontroles gehouden in 73 klassen, vaak in combinatie met een voorlichting. 4 In 2009 bleek het daadwerkelijk verantwoord bedrag gelijk aan euro. 3

4 Om het causale (oorzakelijke) effect na te gaan vergelijken we idealiter de vsv-kans van een leerling die niet-deelnam aan het BAS-project met dezelfde leerling die wel deelnam. Uiteraard kan een leerling niet beiden: wel en niet deelnemen. Daarom vergelijken we in dit onderzoek leerlingen die school liepen op BAS-scholen (experimentele groep) met sterk vergelijkbare leerlingen (controlegroep) die school liepen op niet-bas-scholen. Om de robuustheid van de resultaten te testen, bepalen we de controlegroep op verschillende manieren. We geven dit weer in Sectie 3. De BAS-scholen zijn Herle College, LVO-Parkstad, Charlemagne College, Citavere College, Arcus College, en Sophanium. Alle scholen bieden voortgezet onderwijs (vo) aan behalve het Arcus College en deels het Citaverde College. Deze laatste twee scholen bieden ook middelbaar beroepsonderwijs (mbo) aan. Bemerk voorafgaand dat dit onderzoek ons niet in staat stelt om het geïsoleerde effect van het BASproject te bepalen, maar wel van het totaal beleid op een BAS-school. Om het geïsoleerde effect te meten, is er op leerlingniveau en binnen eenzelfde school informatie vereist over leerlingen die wel en niet huisbezoeken kregen. Deze informatie is vooralsnog niet beschikbaar. Dit artikel analyseert de effectiviteit van het beleid van scholen met en zonder BAS-project. Aangezien het BAS-project zorgt voor een sensibilisering van docenten, leerlingen en zorg op school, kan het gezien worden als een totaal concept eerder dan een afzonderlijke maatregel. Door het project zijn er vermoedelijk ook spill-over effecten (peer-effecten) naar andere risicoleerlingen die geen huisbezoek gekregen hebben. Daarom lijkt het schoolniveau (BAS versus niet-bas scholen) het meest aangewezen niveau voor de analyse. Het vervolg van dit artikel loopt als volgt: Eerst volgen er beschrijvende statistieken in sectie II. Vervolgens wordt in sectie III de weergegeven hoe de effectiviteitsmeting op de BAS-scholen wordt uitgevoerd. Ten slotte presenteren we de resultaten en conclusies in sectie 4 en sectie 5. II. Data en beschrijvende statistieken Iedere scholier in het Nederlandse onderwijsstelsel krijgt een persoonlijk identificatienummer (het onderwijsnummer). Alle scholen verzamelen de persoonlijke identificatienummers en de daaraan gekoppelde persoonlijke gegevens. Uiteindelijk komen alle registraties in één grote nationale databank terecht, het Basisregister Onderwijs (BRON). Sinds 2007 kan BRON worden gebruikt om de regionale en nationale ontwikkeling van de bestrijding van vsv in het voortgezet onderwijs te evalueren. Dit artikel gebruikt de BRON data voor de evaluatie van het BAS-project. De BAS-scholen bevinden zich in RMC-regio 39 (Gewest Zuid-Limburg). De RMC telt volgende gemeenten: Beek, Brunssum, Eijsden-Margraten, Echt-Susteren, Gulpen-Wittem, Heerlen, Kerkrade, Landgraaf, Maastricht, Meerssen, Nuth, Onderbanken, Schinnen, Simpelveld, Sittard-Geleen, Stein, Vaals, Valkenburg aan de Geul, Voerendaal. De locatie van de scholen uit het BAS-project zijn gevisualiseerd op Figuur 1. De scholen liggen allen op een relatief korte afstand bij elkaar. 4

5 Figuur 2 geeft aan dat sinds 2005, het aantal nieuwe vsv ers jaarlijks daalt in RMC 39 in lijn met de projectie. Zoals ook wordt opgemerkt in De Witte et al. (2010) is dit niet noodzakelijk te danken aan het beleid maar kan dit ook zijn ingegeven door een algemene hogere bewustwording van een startkwalificatie, of door lagere tewerkstellingskansen. Om het oorzakelijke verband te schatten, is er een controlegroep nodig (zie bijvoorbeeld, Angrist en Pishke, 2009). In dit artikel gebruiken we twee verschillende controlegroepen. De volgende sectie gaat hier op in. Figuur 1: Google Map van Herle College (A), LVO-Parkstad (B), Charlemagne College (C), Arcus College (D), Sophanium (E), Citavere College (F) Figuur 2: Vsv in regio 39 Doelstelling en realisatie absoluut aantal nieuwe vsv ers (bron DUO, 2010, p. 3). 5

6 Tabel 1: Voortijdig schoolverlaten en procentueel aandeel ten opzichte van totale studentenpopulatie in BAS scholen en niet-bas scholen regio 39 en regio 38, Aantal studenten vsv Percentage vsv A: Herle college 1,201 1, C: Charlemagne College 3,275 3, D: Arcus College 5,340 5, E: Sophanium College - 1, F: Citaverde College G: Gewest Limburg Zuid 44,452 43, , vo 30, mbo 12,935 1, H: Gewest Limburg Noord 38,403 38, vo 26, mbo 12, BRON: III. Methodologische uitwerking en resultaten III.1. BAS versus niet BAS-scholen in RMC 39 In een eerste setting maken we een eenvoudige vergelijking van vsv in BAS-scholen met niet-basscholen in regio Gewest Zuid-Limburg (regio 39). De effectiviteitsmeting heeft in eerste instantie betrekking op alle leerlingen jonger dan 18 jaar. We beperken ons tot leerlingen jonger dan 18 omdat deze jongeren (indien ze geen startkwalificatie hebben) leerplichtig zijn. Uit eerder Nederlands onderzoek weten we dat oudere leerlingen (voorbeeld 17-jarigen) meer stoppen met school dan jongere leerlingen (voorbeeld 15-jarigen) (De Witte en Rogge, 2011). Daarom controleren we voor het effect van verschillen in leeftijd op vsv. Het jaar van analyse is 2009 en we vergelijken in de eerste setting met het jaar In deze eenvoudige vergelijking houden we zodoende rekening met het verhogen van de verplichte schoolleeftijd (de kwalificatieplicht wetgeving) die speelt in de controlegroep en de behandelingsgroep, alsook met beleid dat in beide scholen werd ingevoerd. Een uniform beleid heeft een vergelijkbaar effect in de BAS en niet-bas scholen. Daardoor wordt het effect in een eenvoudige verschillenanalyse worden uitgewist. Het eerste model (in tegenstelling tot verdere modellen waar er een te hoge multicollineariteit is) laat toe om een onderscheid te maken tussen scholen die voortgezet onderwijs aanbieden en scholen die 6

7 beroepsonderwijs aanbieden. Op die manier corrigeren we voor het verschil in opleiding en opleidingsstatus. De resultaten van de effectiviteitsmeting zijn weergeven in Tabel 2. De resultaten tonen aan dat er geen significante verschillen in vsv zijn tussen BAS en niet-bas scholen in 2009 ten opzichte van het controlejaar Met andere woorden, in BAS-scholen is er een niet merkbaar hogere vsv dan in de niet-bas scholen. De analyse houdt rekening met alle leerlingen jonger dan 18 jaar en neemt het effect van leeftijdsverschillen op in het model. In appendix 1 (achteraan bijgevoegd) wordt aangetoond dat oudere leerlingen inderdaad een hogere kans hebben op uitval. Op die manier heeft een 17 jarige leerlingen 4.39 percentage punten meer kans op uitval dan een 12 jarige leerlingen. Dit model is echter te elementair om betrouwbaar te zijn en heeft een voordeel, respectievelijk, een nadeel. Het voordeel van deze eerste stap in de evaluatie is dat alle scholen onder dezelfde RMC vallen. Op die manier zijn ze onderhevig aan een gelijkaardig RMC beleid en kunnen ze gelijkaardige elementen uit de convenantafspraken implementeren. In die zin doen de betrokken BAS-scholen iets extra of iets anders ten opzichte van de niet-bas scholen en kunnen we dus interne verschillen aanduiden. Het nadeel is dat scholen bewust kiezen voor het BAS-project en dat ook leerlingen deze keuze observeren. Daardoor kunnen ouders en leerlingen kiezen voor een BAS-school zodat de leerlingenkenmerken tussen de scholen niet meer vergelijkbaar zijn. Leerlingen in de BAS-scholen kunnen dus significant andere geobserveerde (vb. etniciteit of sociaal economische status) en nietgeobserveerde (vb. motivatie) eigenschappen hebben (Adams en Becker, 1990; Swadener, 1995). Daardoor kunnen ze meer of minder kans op vsv dan leerlingen in de niet-bas scholen hebben op basis van onder andere hun sociaaleconomische status, inkomen van de ouders, motivatie, capaciteiten of stage opportuniteiten (Kaufman e.a., 2004; Dalton e.a., 2009; De Witte en Rogge, 2011). Deze kenmerken observeren we niet, wat het onmogelijk maakt voor hun effecten te corrigeren in een eenvoudige analyse. Om die reden breiden we de effectiviteitsmeting uit en trachten we zo goed als mogelijk te anticiperen op de invloed van niet-geobserveerde factoren op voortijdig schoolverlaten. Behalve voor de eerste setting, hebben de volgende modellen betrekking op het jaar 2009 en neemt het jaar 2006 als controlejaar (basisjaar) op. Op die manier kan worden rekening gehouden met het effect van nationale beleidsmaatregelen, zoals onder andere de kwalificatieplicht, of regionale beleidsmaatregelen die van kracht waren na het schooljaar

8 III.2. Verschillen in leeftijdscohorten. De tweede, meer gedetailleerde methode, bereidt het eerste model uit met verschillen in de leeftijd van leerlingen. Het vergelijkt het effect op vsv voor 4 verschillende cohorten van leerlingen doorheen de tijd, én over BAS en niet-bas scholen. De veronderstelling geldt dat als we twee of meerdere cohorten van leerlingen observeren in dezelfde school, we vsv kunnen observeren zonder invloed van nietgeobserveerde factoren. Het is immers onwaarschijnlijk dat, althans voor de invoering van het BAS project, leerlingen van een ander geboortejaar hun keuze voor een BAS respectievelijk niet-bas school op basis van verschillende redenen hebben gemaakt. Inderdaad, leerlingen van een ander geboortejaar hebben geen (statistische significante) verschillen in sociaaleconomische status, motivatie, gedrag, etc. (zie Cabus en De Witte, 2010). Op die manier kunnen we leerlingen van verschillende cohorten in een bepaalde school observeren op verschillende leeftijden, waarbij wordt uitgegaan van het feit dat oudere leerlingen meer kans hebben op vsv dan jongere leerlingen. Het leeftijdsverschil, het verschil in scholen en het verschil in voor- en na de invoering van het BAS project wordt in de analyse mee opgenomen om de effectiviteitsmeting succesvol te berekenen. In de literatuur worden het opnemen van drie verschillen in de berekening van effectiviteit gedefinieerd als een verschil-in-verschillen-in-verschillen analyse ( difference-in-differences-in-differences ) (Abadie, 2003). De analyse heeft betrekking op 15 en 16-jarigen in 2009 en in We merken in de data dat 16- jarigen meer voortijdig schoolverlaten dan 15-jarigen. Meer bepaald, waar 15-jarigen in de periode een gemiddelde vsv-kans heeft van 2% ten opzichte van alle leerlingen in de leeftijdsgroep, is deze van 16-jarigen gestegen tot 5% ten opzichte van alle 16-jarigen. Elke verzuimende leerling in een BAS school komt in aanraking met het BAS project. Bijgevolg zullen 16 jarigen meer in aanraking komen met het BAS project dan 15 jarigen. Door de verschillende kans van aanraking met het BAS-project tussen 15 en 16-jarigen, kunnen we de leeftijd beschouwen als een graad van intensiteit van het BASproject. Hoe ouder, hoe intensiever het BAS-project uitwerking heeft op die leerlingen. De resultaten zijn weergegeven in Model 2 en Model 3 van Tabel 2 geeft aan dat BAS-scholen een significante daling (op 10%-niveau) van percentage punten gecreëerd hebben in vsv ten opzichte van niet-bas scholen. Meer precies, een 16-jarige leerling in een BAS-school had in 2009 een lagere kans op vsv. De kans op vsv was niet 6.06%, maar van 3.91%. Leerlingen hebben uiteraard ook onderling contact met elkaar in en buiten de school. Het contact binnen de school wordt opgenomen door scholen te vergelijken. Het contact buiten de school nemen we op door te controleren voor peer-effecten. Peer-effecten ontstaan door interactie van leerlingen. In de BRON-data observeren we de 4-cijferig postcode van de woonplaats van de leerling. Door deze op te nemen (via zogenaamde fixed effects en geclusterde standaardfouten), houden we rekening met effecten van jongeren die in dezelfde buurt naar school gaan en wonen en elkaar in de uitvalbeslissing kunnen beïnvloeden (Jencks en Mayer, 1990; Wenger, 2002; Rumberger en Palardy, 2005; Anderson, 2010). De resultaten zijn weergegeven in Model 3. Na opname van deze peer-effecten merken we nog steeds een daling in vsv van percentage punten, al is dit niet meer significant verschillend van 0. Meer bepaald, hij/zij heeft geen vsv-kans van 6.06%, maar van 4.32%. Dit is een daling van -28.6% vsv in 2009 ten opzichte van 2006 of gemiddeld -9.5% per jaar. 8

9 III.3. Controle met RMC 38 In de vierde en laatste modelspecificatie wordt de effectiviteitsmeting nogmaals uitgebreid door ook scholen te vergelijken uit een ander RMC. De opname van een extra, naburige regio (RMC 38 Gewest Limburg-Noord) geeft de meest precieze berekening van het effect van het beleid in BAS scholen op vsv (zie bijvoorbeeld Frölich en Lechner, 2004). Inderdaad, via deze strategie meten we de effectiviteit van het convenant als een bundel van maatregelen in BAS scholen ten opzichte van scholen in de RMC 38. Door deze extra groep leerlingen op te nemen in de analyse ontstaat een meer zuivere controlegroep. De regionale grens deelt als het ware de regio s willekeurig op in een controlegroep en een behandelingsgroep. De grens is niet rechtstreeks verbonden met vsv. De scholen in regio s 38 en 39 hebben elk hun autonomie in beleidsvoering (cfr. hoger beschreven convenant). Bovendien houden we in de analyse enkel rekening met leerlingen in naburige postcodes van regio 38 ( ) die niet over de grens naar school gaan (N=6,479). Dit komt ten goede van de cruciale identificatierestrictie die een verschil-in-verschillen analyse mogelijk maakt. Gelijkaardig als in de eerdere modellen, moeten we wel rekening blijven houden met nietgeobserveerde factoren. In lijn met de decentrale gedachte van het vsv-beleid, geeft de autonomie in regionale beleidsvoering aanleiding tot verschillen die geïnspireerd zijn door de verschillende studentenpopulaties. Een RMC voert een beleid dat specifiek is aangepast aan de populatie. Daarom maken we in een vierde model ook gebruik van de hoger beschreven 4 leeftijdscohorten: een vergelijking van vsv onder 15 en 16-jarigen in 2009 en in Deze strategie is het meest succesvol in combinatie met kennis over risicoleerlingen in BAS scholen; zij het dat we weten dat alle risicoleerlingen van zorg op school werden voorzien. Logischerwijze hebben jongere leerlingen relatief minder de voorlichting genoten dan oudere leerlingen en kan van het verschil in behandeling handig worden gebruik gemaakt bij de berekening van de effectiviteit van BAS. De resultaten zijn weergeven in Model 4 van Tabel 2. We houden ook rekening met peer-effecten. De effectiviteitsmeting toont een significante daling van percentage punten in de groep 16 jarige leerlingen aan. 16-jarige leerlingen in een BAS-school hebben in percent punt lagere kans op vsv. 9

10 Tabel 2: Samenvatting effectiviteitsmeting van BAS-scholen versus niet-bas scholen binnen regio 39 (model 1), binnen regio 39 en vier cohorten (model 2 en model 3), en binnen regio 39 & 38 en vier cohorten (model 4). Model 1 Model 2 Model 3 Model 4 Effectiviteit * ** (0.0060) (0.0125) (0.0125) (0.0104) Leeftijd < & & & 16 Scholen regio 39 regio 39 regio 39 regio 39 & 38 Observaties 74,297 23,770 23,770 29,223 R Standaard fout Robuust Robuust Robuust Robuust Peer-effecten Neen Neen Ja Ja Effectiviteitsmeting in percentage punten (zie appendices 1-4). Foutenterm tussen haakjes. * en ** wijzen respecectivelijk op een significantie op 10 en 5%-niveau. IV. Besluit en kosten-baten Dit artikel wil het effect nagaan van het project Bewust Aanwezig op School. Het project probeert via huisbezoeken aan leerlingen met hoog verzuim het voortijdig schoolverlaten (vsv) terug te dringen. Om het effect te identificeren werden 4 modellen voorgesteld. Het vierde en meest nauwkeurige model laat toe om het oorzakelijk verband te schatten van het beleid op BAS-scholen ten opzichte van niet BASscholen. We vergelijken vsv in BAS-scholen (RMC 39) met vsv in niet-bas scholen in RMC 38 en dit voor 16 en 15-jarigen in 2009 versus De resultaten geven aan dat BAS scholen het aanzienlijk beter doen dan niet-bas scholen. In 2009 verlieten percent punten (significant op een niveau 5%) minder 16-jarige leerlingen een BAS-scholen ten opzichte van leerlingen in de referentiegroep (dit zijn niet-bas scholen, het controlejaar 2006 en 15 jarige leerlingen). Dit zorgde voor een daling van vsv van 6.05 % naar 3.73%. Deze reductie van 38% is ruim beter dan het streefdoel van 10% vooropgesteld in de projectbeschrijving. De preventiemaatregelen op BAS-scholen (waar het BAS-project een deel van uitmaakt) leiden dus tot minder vsv. In schooljaar lopen er 10,287 leerlingen school op de BAS-scholen. Op die scholen werd een schooluitval vermindering gerealiseerd van 2.33 procent punt. Dit betekent een daling van 239 vsv ers. Gegeven het effectieve projectbudget van euro op 2 jaar is de prijs voor het verhinderen van schooluitval per leerling 411 euro. Scholen ontvangen daarenboven ook een prestatiesubsidie van 2,500 euro per leerling minder die voortijdig school verlaat in vergelijking met referentieschooljaar Daarnaast mist de school ook ongeveer 6,000 euro aan inschrijvingsgeld (betaald door de overheid) als een leerling geen school meer loopt. Zowel voor de leerling (zie Rumberger, 2004) als de school overstijgen de baten van vsv-preventie ruimschoots de kosten van preventie. 10

11 Bronnen Abadie, A. (2003). Semiparametric Difference-in-Differences Estimators. Harvard University and NBER. Adams, J.L. en Becker, W.E. (1990). Course Withdrawals: A Probit Model and Policy Recommendations. Research in Higher Education 31(6), Anderson, D.M. (2010). In school and out of trouble? The minimum dropout age and juvenile crime. University of Washington. Working paper. Angrist, J.D. en Pishke, J.S. (2009). Mostly Harmless Econometrics: An Empiricist Companion. Princeton University Press. BAS-project (2010). Programmagelden voortijdig schoolverlaten Vsv plan van aanpak. RMC 39. Beekhoven, S. en Dekkers, H. (2005). Early school leaving in the lower vocational track: triangulation of qualitative and quantitative data. Adolescence, Vol.40, No.157, pp Bowles, S. (1972). Schooling and inequality from generation to generation. Journal of Political Economy 80, Cabus, S.J. en De Witte, K. (2010). Does school time matter? On the impact of compulsory education age on school dropout. TIER working paper series 10(27). Dalton, B., Gennie, E. en Ingels, S.J. (2009). Late High School Dropouts: Characteristics, Experiences, and Changes Across Cohorts (NCES ). National Center for Education Statistics, Institute of Education Sciences, U.S. Department of Education. Washington, DC. Davies, J.D. en Lee, J. (2004). To attend or not to attend? Why some students chose school and others reject it. Support for Learning, Vol.21, No.4, pp De Witte, K. en Cabus, S. (2010). Dropout prevention measures in the Netherlands, an evaluation. TIER Working Paper Series 10/19. De Witte, K. en Rogge, N. (2011), Dropout from secondary education: all's well that begins well. European Journal of Education. In Press. De Witte, K., S. Cabus, G. Thyssen, W. Groot en H. Maassen van den Brink (2010). Voortijdig schoolverlaten: Beleidsevaluatie 2010 Deel 1 Verkenningen. NICIS Institute. De Witte, K. en Van Klaveren, C. (2011). How Uniform Incentives can Provide a Negative Motivation -- An Application to Early School Leaving in Two Large Cities. TIER Working Paper Series 10/18. Applied Economics. In Press. De Witte, K. en Csillag, M. (2010). Does anybody notice? On the impact of improved truancy reporting on school dropout. TIER working paper series. 11

12 DUO (2010). Aanval op de schooluitval convenantjaar RMC regio 39. Ministerie van Onderwijs, Cultuur en Wetenschap, pp. 22. European Commission (2006). Detailed Analysis of progress towards the Lisbon Objectives in education and training: Analysis of Benchmarks and indicators? European Commission. Europese Raad (2000). Presidency Conclusions Lisbon European Council. 23 and 24 March Lisbon. Frölich, M. en Lechner, M. (2004). Regional treatment intensity as an instrument for the evaluation of labor market policies. IZA DP Garry, E.M. (1996). Truancy: First step to a lifetime of problems [Bulletin]. Washington, D.C.: United States Department of Justice, Office of Justice Programs, Office of Juvenile Justice and Delinquency Prevention. Groot, W. en Maassen van den Brink, H. (2007). The Health Effects of Education. Economics of Education Review 26, Hanushek, E. en Wößmann, L. (2007). The role of education quality in economic growth. The World Bank, Policy Research Working Paper Hibbert, A. en Fogelman, K. (1990). Future lives of truants: Family formation and health-related behavior. British Journal of Educational Psychology 60, Jencks, C. en Mayer, S.E. (1990). The social consequences of growing up in a poor neighborhood. In L. Lynn Jr. & M. G. H. McGeary (Eds.), Inner-city poverty in the United States. Washington D.C.: National Academy Press. Kaufman, P., Alt, M. N. en Chapman, C.D. (2004). Dropout Rates in the United States: 2001 (NCES ). U.S. Department of Education. Washington, DC: National Center for Education Statistics. Lochner, L. en Moretti, E. (2004). The Effect of Education on Crime: Evidence from Prison Inmates, Arrests, and Self-Reports. American Economic Review 94 (1), Milligan, K., Moretti, E. en Oreopoulos, P. (2004). Does Education Improve Citizenship? Evidence from the United States and the United Kingdom. Journal of Public Economics 88 (9), Pascarella, E. en Terenzini, P. (1991). How college affects students: findings and insights from twenty years of research. Jossey--Bass, San Francisco, CA. Psacharopoulos, G. (2007). The cost of school failure -- A feasibility study. European Expert Network on Economics of Education. Psacharopoulos, G. en Layard, R. (1979). Human capital and earnings: British evidence and critique. Review of Economic Studies 46, Rumberger, R.W. (2001). Who drops out of school and why. Paper prepared for the National Research Council, Committee on Educational Excellence and Testing Equity Workshop, School Completion in 12

13 Rumberger, R.W. (2004). Why students drop out of school? In: G. Orfied (Ed.), Dropouts in America: Confronting the Graduation Rate Crisis, Cambridge. MA: Harvard Education Press, pp Rumberger, W.R. en Palardy, G.J. (2005) Does segregation still matter? The impact of student composition on academic achievement in high school. Teachers College Record 7(9), pp Scheafer, C.E. en Millman, H.L. (1981). How to help children with common problems. New York: Von Nostrand Reinhold. Swadener, B.B. (1995). "Children and Families `At Promise': Deconstructing the Discourse of Risk". In: B.B. Swadener and S. Lubeck (Eds.). Children and Families "At Promise": Deconstructing the Discourse of Risk. Albany: State University of New York. Wenger, J. (2002). Does the dropout age matter? How mandatory schooling laws impact high school completion and school choice. Public Finance and Management 2(4),

14 Appendix: De uitgebreide resultaten Appendix 1: Model 1 Linear regression Number of obs = 74,297 R-squared = Robust VSV Coef. Std. Err. t P>t [95% Conf. Interval] Vergelijking Tijd Effectiviteit leeftijd (12=1) MBO = Constant

15 Appendix 2: Model 2 Linear regression Number of obs = 23,770 R-squared = Robust VSV Coef. Std. Err. t P>t [95% Conf. Interval] Vergelijking Cohort Tijd inteff_ inteff_ inteff_ Effectiviteit Constant MBO versus VO geschrapt vanwege multicollineariteit. 15

16 Appendix 3: Model 3 Linear regression Number of obs = 23,770 R-squared = Robust VSV Coef. Std. Err. t P>t [95% Conf. Interval] Vergelijking Cohort Tijd inteff_ inteff_ inteff_ Effectiviteit Constant MBO versus VO geschrapt vanwege multicollineariteit. 16

17 Appendix 4: Model 4 Linear regression Number of obs = 29,223 R-squared = Robust VSV Coef. Std. Err. t P>t [95% Conf. Interval] Vergelijking Cohort Tijd inteff_ inteff_ inteff_ Effectiviteit MBO= Constant

18 Summary Early school-leaving is high on the political agenda in many OECD countries. The European Council decided at the 2000 Lisbon Summit to reduce the rate of early school-leaving from 20% to 10% by the year Therefore, many European member states developed several dropout prevention measures. Truancy is considered one of the most important predictors of school dropout. In this paper, the effectiveness of active truancy policy on school dropout is evaluated in one of the European member states, the Netherlands. In the Netherlands, active truancy policy has been implemented in Limburg South (cf. BAS-project). An active truancy policy consists of close interaction with and increased care for at-risk students by, for example, visits at home. This project is executed by professional mentors, teachers, case managers and compulsory education age consultants. The results indicate that the BASproject successfully reduce school dropout by percent points. Furthermore, it is discussed that the benefits overrule the costs considerably. 18