Резултати образовања у Иллиноису

По неким мерама, Илиноис има најнеједнакији систем финансирања школа у земљи. Да би се то променило, држава је 2017. године усвојила акт о финансирању заснованом на успеху ученика. Овај акт створио је нови начин за квантификацију потреба за финансирањем школе, а затим нова средства усмерава према школама са највећом потребом.

Нови приступ се заснива на годинама истраживања у којима су изложене кључне услуге које округ треба да пружи да би адекватно опскрбио своју студентску популацију. Ово укључује основне инвестиције које су конзистентне у школама, попут наставника, медицинских сестара и саветника. Такође узима у обзир потребе одређене студентске популације. На пример, потребна су додатна средства како би се задовољиле потребе ученика са нижим примањима и специјалним образовањем. Све то се затим вага према регионалним факторима трошкова да би се створио циљ адекватности. Нови закон затим упоређује стварно финансирање округа са оним циљем адекватности ради стварања метрике процента процента капацитета финансирања заснованог на доказима (% ЕБФ капацитета).

Нажалост, средњи округ у држави Илиноис износи 67% што значи да већина округа није довољна.

Који фактори утичу на резултате ученика у Илиноису?

Потпуна анализа политике била је изван оквира мог пројекта у Метису, па сам одлучио да поставим још два општа питања: Који фактори утичу на резултате ученика у Илиноису? Колико је уопште предвидиви капацитет ЕБФ-а?

Да одговорим на ово питање, користио сам „Извештајну картицу“ Државног одбора за образовање државе Илиноис. Сваке године извештавају информације за сваки округ и школу у држави, као и коначну ознаку колико та школа или округ школује ученике. Информације укључују разне демографске податке ученика, демографске податке о наставницима, информације о финансирању и перформансе ученика на стандардизованим тестовима.

Методологија

Пошто се% Капацитет ЕБФ-а мери на нивоу округа, одлучио сам да користим податке на нивоу округа. Како бих проблем још више поједноставио, одлучио сам да студирам једну годину (2019.) и усредсредио се на резултате средњошколског образовања. Ово је ограничило мој скуп података на 480 округа у држави који служе средњошколце.

Као мерило за резултате ученика користио сам стандардизоване перформансе тестова. За средњу школу, Иллиноис користи САТ, а затим извештава који проценат ученика у округу је пао на један од четири нивоа.

САТ нивои перформанси за Иллиноис стандардизовани тест у средњој школи

Желео сам једну меру која би у великој мери обухватила резултате ученика, па сам конструисао метрику „Просечан ниво САТ“. Ово једноставно узима пондерисани просек нивоа постигнутих у одређеном округу. Узмите за пример школску јединицу заједнице Паисон број 1.

Као што видите, отприлике 85% њихових ученика делимично (ниво 1) или је приступило стандардима (ниво 2). Око 15% је испунило стандарде (ниво 3) и нико од њихових ученика није премашио стандарде (ниво 4). Пондерирани просек ових резултата даје Паисону просечан ниво математике САТ од 1.735 [проверите да ли је то тачно]. Тада сам урадио исту ствар за тест САТ читања и упоредио резултате читања и математике како бих дошао до једног завршног „Просечног нивоа САТ“. Средњи округ је отприлике две, што указује на то да типични округ има своје студенте „Приближавајући се стандардима“.

Резултати

С обзиром да ми је основни циљ био да разумем који фактори највише утичу на резултате образовања, ставио сам велики приоритет у интерпретабилност. То ме довело до израде модела линеарне регресије. Иако су приступи попут стандардизације и регуларизације мало побољшали предиктивне перформансе модела, једноставна линеарна регресија са ријетким бројем карактеристика најбоље је одговарала мом питању.

Свака од шест карактеристика је статистички значајна на нивоу од један проценат, а мој модел је предвидио сет издржавања са средњом апсолутном грешком од 0,15 „Просечних нивоа САТ“. То је отприлике седам посто средње вриједности. За прво истраживање, био сам задовољан перформансама свог модела.

Једно упозорење је да чак и са тако ријетким сетом својстава, постоји неко мултиколинеарност. Такође сам приметио одређену нормалност код остатака. Ова два запажања указују на то да постоје већи нивои неизвесности у вредностима коефицијената и да би било потребно више анализа пре него што се донесу прецизне препоруке политике.

Међутим, ово почетно истраживање даје потпору важности метрике% ЕБФ Цапацити. Испод сам рангирао карактеристике према њиховом стандардизованом утицају. Другим речима, ако променимо сваку карактеристику једним стандардним одступањем, која карактеристика би имала највећи утицај на перформансе САТ-а?

Овај графикон приказује очекивано повећање „просечног нивоа САТ“ ако је дистрикт прешао из једне стандардне девијације лошије од просечне до једне стандардне девијације боље у свакој метрици. То можете мислити као да кренете од 16-тог процентила до отприлике 84-тог.

Нажалост, али можда и не изненађујуће, највише утицаја на учинак ученика био је проценат студената који имају мала примања. Друго, био је укупан упис у округа, што је имплицирало да већи окрузи имају боље резултате ученика. Једна интерпретација би могла бити да скала омогућава већим окрузима да боље пружају услуге студентима. Такође је вероватно да подручја са већом густином становништва имају веће четврти и родитељи са вишим нивоом образовања. Било би потребно више студија да бисмо разумели ове узрочно-посљедичне везе.

Ако претпоставимо да је тешко манипулирати дохотком или популацијом студената у неком подручју, тада је најутицајније мјерење које можемо контролисати% капацитета ЕБФ-а. Опет, требало би више студије да се утврде узрочно-посљедичне везе, али овај модел указује на% ЕБФ Капацитет је смислена метрика и подупире идеју да би повећана средства побољшала исходе образовања у Илиноису.

Посећеност студената је такође врло утицајна. Примећени опсег међу окрузима је прилично мали. Преко две трећине пада између 92% и 96% стопа похађања. Међутим, ако дистрикт има нижи степен похађања, то би могао представљати прилику за побољшање, чак и ако мала промена похађања може значајно да побољша резултате тестова.

Коначно, био сам изненађен недостатком метрике о наставницима. Приписујем вам то недостатак података о квалитету наставника на нивоу округа. Стопе првоступника, магистарских студија или плате су у великој корелацији и нису биле значајни предиктори резултата тестова. Нагађао бих да је задржавање наставника заправо боље мерило квалитета наставника у округу, а не ове метрике на више степена.

Закључак

Овај модел подржава значај% ЕБФ капацитета. То подразумева да је начин на који политика дефинише и израчунава капацитет смислен и користан начин размишљања о финансирању школе. Било би потребно више проучавања да би се утврдили узрочно-посљедичне везе и прецизне величине његовог утицаја. Међутим, ово почетно истраживање пружа неку подршку тврдњи да би побољшање школског капацитета побољшало резултате ученика.

Уз то, показује да побољшање образовања остаје тежак проблем. На основу ове анализе, округ би морао да крене од 16. до 84. процента у свакој од ових метрики да би се приближио пуном нивоу раста у „Просечном нивоу САТ“. С обзиром на то да је неколико ових показатеља у великој мери ван могућности школског система да се мења, ова анализа једноставно не идентификује довољно полуга за школске четврти да би постигла неопходна побољшања у резултатима ученика.