University of Copenhagen

university of copenhagen University of Copenhagen Kvote 2 optagelse et middel til at: mindske frafald? øge studieprogression? matche den studerende bedre til uddannelsen? Holm, Peter; Rasmussen, Annemette Publication date: 2016 Citation for published version (APA): Holm, P., & Rasmussen, A. (2016). Kvote 2 optagelse et middel til at: mindske frafald? øge studieprogression? matche den studerende bedre til uddannelsen?: Analyse af optag og efterfølgende studieforløb på veterinæruddannelsen 2005-2014. Download date: 17. Jun. 2016

DET SUNDHEDSVIDENSKABELIGE FAKULTET KØBENHAVNS UNIVERSITET Kvote 2 optagelse et middel til at: mindske frafald? øge studieprogression? matche den studerende bedre til uddannelsen? Analyse af optag og efterfølgende studieforløb på veterinæruddannelsen 2005-2014 Udarbejdet af: Peter Holm og Annemette Rasmussen SUND, den 1. marts 2016

Indhold Forord... 3 Opsummering af undersøgelsen.... 4 Kvote 1 versus kvote 2 studerende sammenlignende resultater... 4 Hovedkonklusioner... 6 Anbefalinger... 7 Metode... 8 Datagrundlag... 8 Indledende analyser og opdeling af studenterkohorter... 9 Analyser... 9 Deskriptive og statistiske analyseresultater... 11 Alder ved optagelse... 11 Køn... 12 Nationalitet... 12 Type af adgangsgivende eksamen... 13 Adgangsgivende karaktergennemsnit... 14 Studiepræstationsdata... 15 Karaktergennemsnit... 15 Beståelsesprocent... 19 Gennemførselstid... 22 Frafald... 24 Differentieringsvalg... 26 Diskussion... 28 Rammekarakter og beståelsesprocent... 28 Gennemførelsestid og frafald... 31 Differentierings- og karrierevalg... 33 Konklusion... 34 Begrænsninger... 36 Anbefalinger til fremtidig optagelsespolitik... 37 Litteraturliste... 38 Bilag 1. Variabelliste... 40 Bilag 2. Startmodel til logistisk regression på BA karaktergennemsnit... 42 Bilag 3. Startmodel til logistisk regression på KA karaktergennemsnit... 44 Bilag 4. Startmodel til logistisk regression på BA beståelsesprocent... 46 Bilag 5. Startmodel til logistisk regression på KA-beståelsesprocent... 48 Bilag 5. Startmodel til logistisk regression på BA- gennemførelsestid... 50 Bilag 6. Startmodel til logistisk regression på KA- gennemførelsestid... 52 Bilag 7. R-Studio dataudskrifter til COX-regression på BA-frafald... 54

Forord Nærværende rapport udgør første del af afrapporteringen af SUNDs kvote 2 projekt: Er kvote 2 optagelse et middel til at mindske frafald, øge studieprogression og/eller matche den studerende til uddannelsernes forskellige fag- og erhvervsområder? Rapporten omfatter resultaterne af analyse af studiepræstationer og -forløb på veterinærmedicin i årene 2005-2014 på baggrund af data fra Den Koordinerede Tilmelding (KOT) og Københavns Universitets Studieadministrative System (STADS). Delrapporter med tilsvarende analyser af optaget på medicin, odontologi og farmaci er under udarbejdelse. Rapporterne vil derudover blive suppleret med en sammenlignende analyse af sociodemografiske forhold ved optag og efter dimission for kvote 1 og kvote 2 studerende optaget på de nævnte uddannelser i perioden 2005-2014. Endelig vil resultaterne af en igangværende prospektiv spørgeskemaundersøgelse af BA-studerende optaget i 2014 på omtalte uddannelser blive afrapporteret i 2017 og afslutte projektet. En stor tak skal rettes til Peter Westberg Holm, Jørgen Willadsen og Lisbeth Roland Hansen ved Afdeling for Uddannelse og Studerende for deres hjælp med STADS-data herunder udredning af mangelfulde og fejlregistrerede data, samt til Anne-Katrine Lefmann og hendes kolleger ved Den Koordinerede Tilmelding, Styrelsen for videregående Uddannelse, som har tilvejebragt de anvendte KOT-data. Christian Pipper Bressen, IFSV takkes for uundværlig statistisk hjælp og rådgivning i forbindelse med regressionsanalyser og statistisk modellering. Endelig takkes SUNDs Uddannelsespulje, som via økonomisk støtte har gjort det muligt at komme i gang med projektet. Validering, statistiske beskrivelser og analyser af rapportens data er udført af Annemette Rasmussen i samråd med Peter Holm og ovennævnte samarbejdspartnere. Diskussioner og konklusioner er udarbejdet af Peter Holm i samråd med Annemette Rasmussen. Anbefalingerne i rapporten er udarbejdet af Peter Holm. De er således ikke udtryk for SUNDs officielle holdning, men for den projektansvarliges personlige mening. Venlig hilsen Peter Holm (projektansvarlig), lektor, PhD, dyrlæge ved IKVH og studieleder for Veterinærmedicin Annemette Rasmussen, bachelor i folkesundhedsvidenskab og projektansat ved IKVH

Opsummering af undersøgelsen. Kvote 1 versus kvote 2 studerende sammenlignende resultater Kvote 1 studerende optaget mellem 2005 og 2014 har et væsentlig højere adgangsgivende karaktergennemsnit end kvote 2, hhv. 10,5 vs. 8,2. Det adgangsgivende karaktergennemsnit er den væsentligste og mest konstante prædiktor for høj BA-studiepræstation. For hver gang det adgangsgivende karaktergennemsnit forøges med ét karakterpoint øges sandsynligheden for at få et BA-rammekaraktergennemsnit > 6,5 med 70% og for at bestå alle BA-eksaminer første gang med 60%. STX er den mest almindelige adgangsgivende eksamen og udgør 61% af den samlede studenterpopulation, fordelt som 58% af kvote 1 kohorten og 65% af kvote 2 kohorten. Andelen af studerende med en HTX eller HF eksamen har været stigende gennem årene, især på kvote 1. I 2014 blev 46% af kvote 1 studerende og 19% af kvote 2 studerende optaget på basis af en HTX eller HF eksamen. Adgangsgivende eksamen har betydning for BAstudiepræstationerne, idet studerende med en HF- eller HTX-eksamen har omkring 80 % større risiko for at opnå et BA-rammekaraktergennemsnit < 6,5 og omkring 55% større risiko for at dumpe mindst én BA-eksamen sammenlignet med studerende med STX-eksamen. Kvote 1 er med en gennemsnitsalder på 21,1 år ved optagelse knap 2 år yngre end den gennemsnitlige kvote 2 studerende. Kvote 2 gruppen er en aldersmæssigt mere heterogen gruppe, hvor 25 % er yngre end 21 år og 25% er mere end 24 år ved optagelsen modsat kvote 1, hvor blot 25% er ældre end 21 år. Alder ved optagelse har en ikke-lineær indflydelse på BAstudiepræstationerne. Studerende mellem 26 30 år ved optagelse har omkring dobbelt så stor sandsynlighed for at opnå et BA-rammekaraktergennemsnit > 6,5 og bestå alle BA-eksaminer første gang sammenlignet med studerende, der er optaget som 18-årige. Først ved en optagelsesalder på over 37 år ses en negativ effekt af alder sammenlignet med studerende på 18 år. Kønsfordelingen er forskellig i de to optagelseskvoter. Der er optaget en væsentlig større andel af mænd gennem kvote 2, nemlig 17%, mod blot 9% gennem kvote 1. Den overordnede kønsfordeling i hele studenterpopulationen er 87 % kvinder og 13 % mænd. Udenlandske studerende udgør 22% af hele studenterpopulationen, heraf er godt 13% kvote 1 studerende og godt 8% i kvote 2 studerende. Svenske studerende repræsenterer med sine 17% af samlede studenterpopulation langt den største udenlandske nationalitet. Før 2008 blev udenlandske studerende først og fremmest af optaget via kvote 1, mens disse nu, 4

formodentlig som følge af ændringerne af konverteringen af udenlandske karakterer til danske karakterskala, hovedsageligt optages via kvote 2. Således udgjorde udenlandske studerende i 2014 knap 10% af optaget, heraf var 1,5% kvote 1 studerende og 8% på kvote 2 studerende. Kvote 1 og kvote 2 studerende fordeler sig ikke ligeligt på differentieringerne. Relativt flere kvote 1 studerende tildeles pladser på familiedyrs-, heste- og biomedicindifferentieringerne, mens kvote 2 studerende til gengæld er overrepræsenteret på differentieringerne vedrørende produktionsdyr / besætningssundhed og fødevaresikkerhed / One-Health. På BA kan kvote 1 studerende overordnet karakteriseres som akademisk stærkere end kvote 2 studerende, målt ud fra opnåede rammekarakterer og beståelsesprocenter. Kvote 1 og kvote 2 BA-studerendes rammekaraktergennemsnit er signifikant forskellige, hhv. 7,1 og 5,8. Det samme er de gennemsnitlige beståelsesprocenter, hhv. 93% for kvote 1 og 88% for kvote 2 studerende. Forskellene i BA-studiepræstationer skyldes primært forskelle i adgangsgivende gymnasiale karaktergennemsnit og i mindre grad typen af adgangsgivende eksamen og alder. Optagelseskvoten eller proceduren er som selvstændig variable ikke associeret med BAstudiepræstationerne, når der kontrolleres for øvrige optagelsesvariable. Forskellene mellem de to optagelseskohorters studiepræstationer aftager i løbet af det normerede BA-forløb og ses ikke i gruppen af forsinkede BA-studerende. På KA er de overordnede karaktergennemsnit for kvote 1 og 2 studerende hhv. 7,0 og 6,2 (p<0,05), men opdelt på KA-studieår er karaktererne kun signifikant forskellige de første 1,5 år af uddannelsen og ikke på sidste år, hvor studerende er beskæftiget med differentieringsforløb og specialer. Lignende reduktion af forskelle ses for beståelsesprocenterne, som ikke adskiller sig signifikant mellem kohorterne på KA (kvote 1: 96% vs. kvote 2: 94%). Reduktionen af forskellene gennem studieforløbene skyldes, at kvote 2 studerende i højere grad end kvote 1 studerende forbedrer deres karaktergennemsnit og beståelsesprocenter. Regressionsanalyserne understøtter dette, idet de viser, at studerende optaget via kvote 2 har dobbelt så stor sandsynlighed for at opnå et KA-karaktergennemsnit på 7 sammenlignet med studerende optaget via kvote 1, når der korregeres for øvrige uafhængige variable inklusive BA-præstationer. Kvote 1 og kvote 2 studerende adskiller sig lidt men signifikant fra hinanden med hensyn til gennemsnitlige gennemførelsestider. Kvote 1 studerende er hurtigst på BA, som de gennemføre på 36,7 mdr. vs. 38,5 mdr. for kvote 2. Omvendt er kvote 2 studerende hurtigst på KA, som de gennemfører på 31,0 mdr. vs 31,8 mdr. for kvote 1. Når der kontrolleres for øvrige uafhængige variable inklusive BA-præstationer, har kvote 2 studerende omkring 80% større 5

sandsynlighed for at gennemfører KA-uddannelsen på normeret tid sammenlignet med kvote 1 studerende. Frafald er stærkt korreleret til forudgående BA-karakterer, men det procentvise frafald i de to optagelseskvoter adskiller sig ikke overordnet fra hinanden. På BA er frafaldet 11% for begge optagelseskvoter og på KA <0,5%. Men der ses en bemærkelsesværdig og signifikant forskel i frafaldsmønstrene. Kvote 1 studerende dropper ud af BA gennemsnitlig 19,7 mdr. efter optag, mens kvote 2 studerende først falder fra efter gennemsnitlig 30,7 mdr. Hovedparten af frafaldne kvote 1 studerende udmelder sig selv inden for 24 mdr. efter studiestart, mens det er uddannelsesinstitutionen, som udmelder mere en halvdelen af frafaldne kvote 2 studerende. Dette sker typisk omkring 2,5 år eller mere end 4 år. Overlevelsesanalyserne viser, at kvote 2 optagelse hæmmer frafald: Kvote 2 studerende har 75-88% procent lavere risiko for at falde fra inden for de første 2 år af BA sammenlignet med kvote 1 studerende, når der korrigeres for øvrige uafhængige variable inklusive BA-karakterer forud for frafaldet. Hovedkonklusioner De uddannelsesspecifikke kvote 2 optagelsesprocedurer medvirker til en øget andel af mænd på uddannelsen, samt en øget aldersspredning blandt studerende. En relativ større andel af kvote 2 end kvote 1 studerende tilmeldes differentieringerne for hhv. besætningssundhed / produktionsdyrssygdomme og one-health/ fødevaresikkerhed. Om dette skyldes eget tilvalg eller fakultetsbestemt tildeling, som konsekvens af generelt lavere BAkarakterer hos kvote 2 studerende, kan ikke udledes af undersøgelsen. Kvote 1 studerende klarer sig generelt akademisk bedre end kvote 2 studerende inden for normerede BA-tidsramme samt de første 1,5 år af KA, men sidstnævnte kohorte udviser et mere stigende studiepræstationsniveau hen gennem BA og KA uddannelserne end kvote 1 studerende. Der er ingen overordnet forskel mellem de gennemsnitlige beståelsesprocenter for de to optagelseskvoter på KA, og forskellen på rammekaraktererne forsvinder på sidste år af KA, hvor studerende gennemfører differentieringen og specialet. Det adgangsgivende karaktergennemsnit er den væsentligste forklarende årsag til, at kvote 1 studerende opnår signifikant bedre akademiske resultater på BA sammenlignet med kvote 2 studerende. Den relative større andel af kvote 1 studerende med HF og HTX eksaminer og med en alder på <21 år ved optagelse sammenlignet med kvote 2 er medvirkende til, at de forskellen mellem kohorternes akademiske præstationer reduceres. 6

De uddannelsesspecifikke kvote 2 optagelsesprocedurer, som primært vægter non-kognitive kompetencer inklusive kendskab til erhvervsrelaterede forhold, har ikke kunnet sikre udvælgelse af kvote 2 studerende med samme akademiske potentiale på BA som kvote 1 studerende, der optages udelukkende på baggrund af et højt adgangsgivende karaktergennemsnit. Kvote 2 optagelsesproceduren er i stand til at udpege meget motiverede og vedholdende studerende, som sammenlignet med kvote 1 studerende har (a) væsentlig mindre risiko for at falde fra de to første år af BA og (b) større sandsynlighed for at opnå et godt KA resultat, nemlig en gennemsnitskarakter >7 og gennemførelse på normeret tid på KA, når der kontrolleres for øvrige optagelses- og BA-variable. Der er ikke ud fra foreliggende KOT og STADS data fundet forskelle på de akademiske præstationer for kvote 2 studerende optaget før 2008 (30% af studerende på baggrund af motiveret ansøgning, adgangsgivende karakter og dokumenteret erhvervserfaring mm) og siden 2008 (50% af studerende på baggrund af skriftlig optagelsesprøve og efterfølgende interview). Anbefalinger 1 BA-optagelseskravet til det adgangsgivende karaktergennemsnit bør hæves fra nuværende 6 til minimum 7 for herved at øge (kvote 2) studerendes generelle akademiske potentiale på BA 2. Studerendes adgangsgivende karaktergennemsnit og typen af adgangsgivende eksamen bør indgå som supplerende elementer ved evaluering og rangering af kvote 2 ansøgere. Beslutning af den konkrete vægtning af disse elementer i forhold til optagelsesprøve og interview bør afvente resultaterne af igangværende detailundersøgelse af nuværende kvote 2 procedurer. 3 Nuværende 50/50-fordelingen mellem kvote 1 og 2 studerende bør bibeholdes, indtil alle resultater af Kvote 2 projektet foreligger, så fremtidige ændringer kan evidensbaseres med 1 Anbefalingerne er udtryk for den projektansvarliges personlige holdning og derfor ikke udtryk for SUNDs officielle uddannelsesstrategiske politik 2 Landsgennemsnittet for STX studentereksamen var 7,2 i 2015 (eksklusive A-bonus). Kilde: http://uvm.dk/uddannelser/gymnasiale-uddannelser/proever-og-eksamen. Tilgået 11. Januar 2016 3 Undersøgelsen forventes at foreligge i løbet af efteråret 2016 og vil omfatte en vurdering af pålidelighed (reliabilitet), validitet og prædiktive værdi af de enkelte elementer i kvote 2 optaglesesproceduren i forhold til studerendes efterfølgende akademiske og kliniske præstationer. 7

hensyntagen til eventuelle uddannelsespolitiske mål for studerendes demografiske baggrund, differentierings- og karrierevalg, samt uddannelsesøkonomi. Metode Datagrundlag Datagrundlaget for nærværende undersøgelse er baseret på udtræk fra Den Koordinerede Tilmelding (KOT) og fra Københavns Universitets Studieadministrative System (STADS) og indeholder oplysninger om studerende optaget på veterinærmedicin i perioden 2005-2014. Data er udtrukket pr. 1. marts 2015. Oplysninger fra KOT vedrører optagelse, herunder de optagne studerendes optagelseskvote, alder ved optagelse, køn, nationalitet, adgangsgivende eksamen og relaterede gymnasialt dimissionssår og karaktergennemsnit. STADS-datasættet indeholder oplysninger om studerendes studiepræstationer på bachelor- (BA) og kandidatuddannelsen (KA), herunder studiestatus, studieprogression og -frafald og eksamensresultater. I analysen er kun medtaget studerende, som kunne identificeres entydigt i både data fra KOT- og STADS- datasættene. Data fra de to kilder er matchet på cpr-nummer (danske studerende) eller fødselsdato og navn (udenlandske studerende). Datavalideringsprocessen er illustreret i figur 1. Det validerede datasæt indeholder 1.651 veterinærstuderende, som alle har været studieaktive i undersøgelsesperioden. 8 Figur 1: Flow-diagram over udarbejdelse af studiepopulationen.

Indledende analyser og opdeling af studenterkohorter Før 2008 optoges 30% af studerende på kvote 2 på baggrund af motiveret ansøgning og CV, herunder adgangsgivende karaktergennemsnit, erhvervsarbejde, højskoleophold og dannelsesrejser, som indgik i vurderingen af ansøgernes kvalifikationer. Kvote 2 optaget har siden 2008 udgjort 50% af studerende. Optagelsesproceduren omfattede i 2008 en motiveret ansøgning og en skriftlig adgangsprøve (MSQ) efterfulgt af et semi-struktureret interview, hvortil de ca. 180 ansøgere med højeste scorer fra MSQ-test blev inviteret. Siden 2009 har den motiverede ansøgning været udeladt som vægtet vurderingsgrundlag, således at MCQscoren (vægtet 1/3) og interviewscoren (vægtet 2/3) nu er eneste grundlag for rangering af de 90 højeste scorende kvote 2 ansøgere, som tilbydes optagelse på BA. Optagelsesproceduren er således blevet ændret i undersøgelsesperioden. Derfor er der indledningsvis blevet foretaget en analyse af studerende optaget før og efter 2008, hvor studiepræstationer for kvote 2 studerende optaget hhv. før og siden 2008 er blevet sammenlignet. Der er hverken fundet signifikante forskelle på disse årgangskohorters rammekaraktergennemsnit, frafald eller beståelsesprocenter. Kun gennemførelsestiden er forskellig, idet færre studerende optaget efter 2008 overskrider normeret tid. Denne forskel er imidlertid gældende for både kvote 2 og kvote 1-studerende. Derfor tilskrives ændringen i gennemførelsestid andre faktorer end optagelsesproceduren, herunder nye studieordninger. Som en konsekvens af disse indledende analyseresultater har vi i undersøgelsen valgt at behandle kvote 2 studerende optaget før og siden 2008 som en samlet kohorte og atlade studerendes studieordning ved optag være den gennemgående tidsrelaterede uafhængige variable i forbindelse med regressionsanalyserne. BA- og KA-studenterpopulationerne er blevet analyseret hver for sig i undersøgelsen. Analyser Undersøgelsen omfatter deskriptive analyser af fordelingen af kvote 1 og -2 studerende i forhold til optagelsesdata fra KOT, som omfatter optagelseskvote, nationalitet, alder ved optagelse, køn og adgangsgivende eksamen og karaktergennemsnit. Desuden analyseres studerendes studiepræstationer og forløb ud fra STADS-data. Studiepræstation og forløb er karakteriseret ved hjælp af følgende parametre: Karaktergennemsnit, defineret som middelværdien af gældende registrerede kursuskarakterer (såkaldte rammekarakterer) ved tidspunkt for dataudtræk den 1. marts 2015 9

Beståelsesprocent, defineret som antal beståede eksaminer divideret med det totale antal eksaminer registreret på den enkelte studerende ved tidspunkt for dataudtræk. Gennemførselstid, defineret som tiden fra indskrivningsdato til dato for afslutning af sidste eksamen på uddannelsen. En eventuel orlov tæller med i gennemførelsestiden. I disse analyser er kun medtaget studenterårgange, som har kunnet afslutte uddannelsen inden for dataperioden, dvs. studerende optaget 2005-2011. Normeret gennemførselstid i undersøgelsen. For BA defineret som fuldførelse inden for 34,5 mdr., som er den officielle normerede BA-tid plus 15 dage. For KA defineret som fuldførelse inden for 29,5 mdr., der er den officielle normerede KA-tid, plus 15 dage 4. Frafald er defineret som registreret afbrydelse af studiet, fx grundet studieskift, selvvalgt udmeldelse eller afbrydelse af institution. Orlov tæller altså ikke med som frafald. De statistiske analyser og tests er lavet med udgangspunkt i et 95 % signifikansniveau og foretaget i IBMs SPSS version 22 eller for overlevelsesanalyserne i R version 3.2.3. Χ 2 -tests og Kruskall Walis-tests er anvendt som statistiske test i forbindelse med de deskriptive analyser. De deskriptive analyser understøttes af logistiske regressionsanalyser, som belyser indflydelsen af optagelsesfaktorer (uafhængige variable) på de studerendes BA- og KA-studieforløb. De respektive udfaldsmål for regressionsanalyserne er: sandsynligheden (odds-ratio, OR) for at (a) opnå et karaktergennemsnit over middel for uddannelsen, (b) bestå tilmeldte eksaminer i første forsøg, (c) gennemføre på normeret, samt (d) risikoen for at falde fra (hazard-ratio, HZ). I analyserne vedrørende KA inddrages udover BA-optagelsesparametrene også studerendes BAkaraktergennemsnit, beståelsesratio og gennemførelsestid som uafhængige variable. I forbindelse med frafald er der anvendt Cox regressionsanalyse (overlevelsesanalyse), hvor der er taget højde for, at risikoen for at falde fra ændres afhængigt af hvor langt du er på studiet. Logistisk regression er anvendt fremfor lineær regression, da data vedrørende flere studiepræstationsparametre ikke er normalfordelte. Transformation af data kunne ikke løse dette problem i tilstrækkelig grad til, at associationerne mellem uafhængige variable og udfaldsparametrene kunne accepteres som lineære. 4 Årsagen til de ekstra 15 dage er, at ordinære eksaminer, som har afsluttet uddannelserne tidligere ofte har ligget i starten af juli og af februar, og dermed reelt for sent til at studerende har kunnet afslutte inden for de officielle normerede tider. 10

I forbindelse med regressionsanalyserne er data stratificeret i forhold til studieordning, og hvor relevant tilllige vægtet mht. studieprogression udtrykt som mdr. efter optagelse og antal beståede eksaminer. Modelleringen er foretaget som baglæns modelsøgning (reduktion) efter det hierarkiske princip. For detaljer om regressionsanalyserne, herunder modellering, vægtning og tranformation af parametre og validering af modeller henvises til bilag 1-7. Deskriptive og statistiske analyseresultater Alder ved optagelse Kvote 1 studerende har en gennemsnitsalder på 21,1 ±2,6 år (median: 20 år) og kvote 2 studerende på 22,9 ±3,6 år (median: 22 år) ved optagelse. Kvote 2 studerende er således knap 2 år ældre i gennemsnit. En nærmere undersøgelse af denne forskel viser, at 75% af kvote 2 studerende er over 21 år, heraf er 1/3 over 24 år, mens det forholder sig modsat for kvote 1, hvor 75% er under 21 år ved optagelse (tabel 1). Aldersfordeling Aldersgns. (år) Procentfraktil Alder 25 20 Kvote 1 21,1 ±2,6 50 20 75 21 25 21 Kvote 2 22,9 ±3,6 50 22 75 24 Kruskall Wallis-test: Χ 2 =260,76, df=1, p<0,000 Tabel 1: Aldersfordelingen på kvote 1 og -2 ved tidspunkt for optagelse. Kilde: Beregninger på data fra KOT 11

Køn Kønsfordelingen i undersøgelsen er 87 % kvinder og 13 % mænd. Mændene optages i højere grad gennem kvote 2. På BA udgør mændene 17,3 % af kvote 2 studerende, mens de kun udgør 8,6% kvote 1 studerende. Det samme mønster gør sig gældende på KA, dog med endnu mindre andel af mænd på kvote 1 (figur 2). Kønsfordeling 1800 1600 1400 12,8% Antal studerende 1200 1000 800 600 400 8,6% 17,3% 6,4% 17,5% 11,4% Mænd Kvinder 200 0 91,4% 82,7% 87,2% 93,6% 82,5% 88,6% Kvote 1 Kvote 2 Total Kvote 1 Kvote 2 Total Bachelor Kandidat Figur 2: Fordelingen af mænd og kvinder på kvote 1 og -2. Kilde: Beregninger på data fra KOT Nationalitet Studenterpopulationen i undersøgelsen består af 78% danskere, 17% svenskere og 5% af anden nationalitet. Af figur 3 fremgår, at andelen af udenlandske studerende, der optages på BA, er faldet markant siden 2005, hvor udenlandske studerende udgjorde 40 %, til 10 % i 2014. Det er især optaget af svenske studerende, der er reduceret. I 2005-2006 udgjorde svenske studerende 30-40 % af de alle optagne. Hovedparten blev optaget via kvote 1. I 2014 udgjorde de svenske studerende mindre end 8% af optaget, hvoraf langt hovedparten er optaget via kvote 2. Ændringen i det kvote- relaterede optagelsesmønster for svenske studerende skiftede omkring 2007, formodentlig som følge af ændringer i KOT s konvertering af den svenske karakterskala til danske karakterskala. Dette har bevirket, at svenske studerende i dag, lige som øvrige udenlandske studerende, primært optages via kvote 2. 12

De studerendes na4onalitet på BA Procent af de studerende 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Øvrige udland Kvote 2 Øvrige udland Kvote 1 Sverige Kvote 2 Sverige Kvote 1 Danmark Kvote 2 Danmark Kvote 1 Optagelsesår Figur 3: Fordelingen af de studerendes nationalitet pr årgang. Før 2008 optoges 30% gennem kvote 2, siden 2008 er der optaget 50% studerende via kvote 2. Kilde: Begninger på data fra KOT Type af adgangsgivende eksamen Optagelse på BA er underlagt de generelle naturvidenskabelige fagkrav til en dansk gymnasial uddannelse (STX, HTX, HHX, EUX og HF) med dansk og matematik på A-niveau, engelsk på B- niveau, samt enten Fysisk B og Kemi B, Fysik B og Bioteknologi A, Geovidenskab A og Kemi B eller Kemi B, Biologi A og Fysik C (jf. Bacheloradgangsbekendtgørelsen). STX er den almindeligste gymnasiale adgangseksamen: 61 % af alle optagne studerende har den, fordelt som 58 % af kvote 1 og 65 % af kvote 2 studerende (figurer 4 og 5). Andelen af studerende med STX-eksamen optaget på kvote 1 er faldet gennem årene til 51 % ved 2014-optaget, mens optaget på kvote 2 har været mere konstant (66% med STX eksamen i 2014). Samtidig er optaget af studerende med HTX og HF eksamen steget væsentlig, især på kvote 1. Ved optaget i 2014 blev hhv. 21% og 25% af kvote 1 studerende optaget på baggrund af HF og HTX-eksaminer og hhv. 10% og 9% af kvote 2 studerende. 13

Kvote 1 1% Kvote 2 1% 20% Eksamen fra udlandet HHX eller anden eksamen 21% Eksamen fra udlandet HHX eller anden eksamen 58% 11% 10% HTX HF 65% 7% 6% HTX HF STX STX Figur 4: Studerende optaget via kvote 1 fra 2005-2014 fordelt på adgangsgivende eksamen. Kilde: Beregninger på data fra KOT Figur 5: Studerende optaget via kvote 2 fra 2005-2014 fordelt på adgangsgivende eksamen. Kilde: Beregninger på data fra KOT Adgangsgivende karaktergennemsnit Optagelse på veterinæruddannelsen har siden indførelsen af de nye optagelsesprocedurer i 2008 som minimum krævet en gymnasial gennemsnitskarakter på 6 efter 7-trinsskalaen 5. Den reelle adgangskvotient på kvote 1 har været jævnt stigende i undersøgelsesperioden, og var 11 i forbindelse med 2014-optaget. De adgangsgivende gennemsnitskarakterer 6 for de optagne årgange af kvote 1 og 2 studerende fremgår af figur 6. Mens kvote 1 studerendes gymnasiale karaktergennemsnit har været jævnt stigende siden 2005, er kvote 2 studerendes karaktergennemsnit faldet en smule siden indførelsen af den nuværende kvote 2 optagelsesprocedure i 2008, men har siden 2009 stabiliseret sig omkring 8. Det samlede adgangsgivende karaktergennemsnit i undersøgelsen er 10,5 ±1,0 for kvote 1 og 8,2 ±1,2 for kvote 2. De tilsvarende mediankarakterer er hhv. 10,5 og 8,4. 5 Studerende med udenlandsk adgangsgivende gymnasial eksamen, som ikke anvender en konvertibel karakterskala, kan og skal optages via kvote 2 uden karakterangivelse. 6 Karaktererne er alle konverteret til 7-trinskarakterskalaen 14

Adgangskaraktergns. i den pågældende kvote Udviklingen i adgangskaraktergns. over 4d 12 11 10 9 8 7 6 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Kvote 1 Kvote 2 Adgangskvo Pent kvote 1 Optagelsesår Figur 6: Kvote 1 og kvote 2 studerendes gennemsnitskarakterer ved adgangsgivende uddannelse (efter 7-trinsskalaen) fordelt på optagelsesår. Stiplet linje angiver adgangskvotienten for direkte optagelse på kvote 1. Alle data før 2007 er konverteret fra 13-skalaen. Data om karaktergennemsnit fra 2007 mangler i datamaterialet fra KOT. Kilde: Begninger på data fra KOT og Hovedtal Den Koordinerede Tilmelding. http://ufm.dk/uddannelse-oginstitutioner/statistik-og-analyser/sogning-og-optag-pa-videregaende-uddannelser/grundtal-om-sogning-og-optag/kot-hovedtal Det registrerede fald i karaktergennemsnit i år 2008 (se figur 6) for kvote 1 kan forklares med ændring i adgangskravene i 2008, som bevirkede 20 % færre ansøgere i forhold til året før. Antallet af ansøgere steg igen i år 2009, og kvote 1 adgangskvotienten fulgte med. Den kraftige efterfølgende stigning i kvote 1 studerendes karaktergennemsnit er formodentlig påvirket af indførelsen af 1,08-reglen, som trådte i kraft i år 2008. Hermed fik studerende, som søgte ind på en uddannelse senest to år efter afsluttet ungdomsuddannelse, mulighed for at multiplicere deres adgangskarakter med en faktor 1,08. Studiepræstationsdata Karaktergennemsnit Kvote 1 studerende opnår signifikant højere karaktergennemsnit både på BA og KA (hhv. 7,1 og 7,0) sammenlignet med kvote 2-studerende (hhv. 5,8 og 6,2), men forskellen reduceres hen gennem BA-uddannelsen fra 1,3 karakterpoint på 1. år til 1,1 karakterpoint på 3. år (figur 7). 15

Reduktion skyldes, at kvote 2 studerende forbedrer deres eksamenskarakterer fra 1. til det 3. BA-år mere end kvote 1 studerende gør. For studerende, der overskrider normeret tid på BA, forsvinder den signifikante forskel mellem kvoterne. På KA er forskellen mellem kvote 1 og 2 studerende mindre de første 2 år (hhv. 0,9 og 0,8 karakterpoint), men stadig signifikant (figur 8). Herefter er forskellen ikke signifikant. For begge kohorter gælder, at rammekaraktererne stiger gennem det normerede KA-forløb, men mest for kvote 2 studerende. Stigningen afspejler at studerende generelt opnår høje karakterer på deres differentiering og speciale, som afvikles på sidste år af uddannelsen. Karaktergns. 11 10 9 8 7 6 5 4 3 Udviklingen i karaktergns. i løbet af BA Kvote 1 Kvote 2 2 1år 2år 3år >3år Studieår på BA Figur 7: BA-studerendes karaktergennemsnit fordelt på kvote og gennemførte eksaminer på 1., 2., 3. og >3 efter indskrivning. Forskellene er signifikante på år 1, 2 og 3. Kilde: Beregninger på data fra STADS. På BA er det adgangsgivende karaktergennemsnit den parameter, som har den væsentligste indflydelse på studerendes rammekaraktergennemsnit. Men også typen af adgangsgivende eksamen og i mindre grad alder er associeret med studerendes studiepræstation (tabel 2); alder dog gennem en ikke-lineær korrelation (figur 9). Karaktergns. 12 10 8 6 4 2 Udviklingen i karaktergns. i løbet af KA Kvote 1 Kvote 2 1år 2år 2,5år >2,5år Studieår på KA Af tabel 2 fremgår, at for hvert karakterpoint det adgangsgivende Figur 8: Udviklingen i de studerendes karaktergns. hhv. kvote 1 og -2 det pågældende år, de har været indskrevet på KA. Bemærk, at forskellen ikke er signifikant efter tre år. Kilde: Egne beregninger på data fra STADS. 16

karaktergennemsnit øges, da vil den studerende have en 70% øget sandsynlighed for at opnå et karaktergennemsnit over 6,5 ( 6,5 er BA-uddannelsens mediankarakter). Forklarende faktorer til BA karaktergennemsnit. Logistisk regressionsanalyse vægtet efter studieordning og antal eksaminer på BA Udfaldsmål: karaktergennemsnit 6,5 H 0 : der er ingen forskel på studerende, som har et karaktergennemsnit hhv. <6,5 og 6,5 Alder ved optagelse på BA (for hvert år ældre end 18år) Effekt 1 Odds- Ratio (OR) 95 % CI for OR Nedre Øvre p-værdi Alder Stigende indtil 27 år, 1,21 1,05 1,40 0,009* derefter faldende. Alder 2 Se graf. 0,99 0,98 0,99 0,006* Adgangskaraktergennemsnit + 1,70 1,53 1,89 0,000** Adgangseksamen STX (ref.) 0,000** Eksamen fra udlandet 0,96 0,69 1,34 0,823 HTX 0,43 0,28 0,68 0,000** HF 0,14 0,08 0,24 0,000** 1 Variablens effekt på sandsynligheden for et karaktergennemsnit 6,5. *H 0 forkastes ved et signifikansniveau på p<0,05 ** H 0 forkastes ved et signifikansniveau på p<0,001 Modellen prædikterer overordnet 63,9 % af værdierne korrekt For fuld oversigt over modellen, herunder vægtning og transformation af variable samt residualplot henvises til bilag 2. Tabel 2: Slutmodel over logistisk regressionsanalyse på sandsynligheden for at få et BA karaktergennemsnit 6,5 En HTX- eller HF-eksamen mindsker derimod denne sandsynlighed med 50-90 % sammenlignet med studerende med en STXeksamen. Som nævnt tidligere er andelen af studerende med HTX og HF eksamen stigende især på kvote 1 (se side 13). OR for at få et karaktergns 6,5. 2,30 2,10 1,90 1,70 1,50 1,30 1,10 0,90 0,70 0,50 Effekten af alder ih BA ramme 18 20 22 24 26 28 30 32 34 36 38 40 Effekte n af alder Alder Figur 9: Oddsratio (OR) for at opnå et karaktergennemsnit 6,5 som funktion af den studerendes alder ved optagelsestidspunktet. 17

Studerendes alder på optagelsestidspunktet udøver en mindre, men signifikant ikke-lineær indflydelse på BA-karaktergennemsnit (figur 9). Studerende, der er mellem 26 30 år ved optagelse, har omkring dobbelt så stor sandsynlig for at opnå et godt BA-karaktergennemsnit i forhold til studerend, der er 18 år ved optagelsen. En direkte negativ indflydelse af alder i forhold til referencealderen ses først ved optag af studerende, der er ældre end ca. 37 år ved optagelsen. Forklarende faktorer til KA karaktergennemsnit. Logistisk regressionsanalyse vægtet efter studieordning og antal eksaminer på KA Udfaldsmål: at have et karaktergns. 7 H 0 : der er ingen forskel på studerende, som har et karaktergennemsnit hhv. <7 og 7. Effekt 1 Odds-Ratio (OR) Nedre 95 % CI for OR Øvre p-værdi Kvote 2 studerende + 2,01 1,13 3,58 0,018* Adgangskaraktergennemsnit (for hvert øget karakterpoint) Alder ved optagelse på BA (for hvert år ældre end 18) 0,74 0,59 0,94 0,012* 0,87 0,80 0,96 0,003* Svensk nationalitet (ref.: dansk) + 1,81 1,06 3,08 0,029* Normeret BA-gennemførselstid 0,35 0,22 0,57 0,000** BA karaktergns. + 2,11 1,78 2,49 0,000** (for hvert øget karakterpoint) 1 Variablens effekt på sandsynligheden for at have et karaktergns 7 på KA. *H 0 forkastes ved et signifikansniveau på p<0,05 ** H 0 forkastes ved et signifikansniveau på p<0,001 Modellen prædikterer overordnet 79,1 % af værdierne korrekt For fuld oversigt over modellen, herunder vægtning og transformation af variable samt residualplot henvises til bilag 2. Tabel 3: Slutmodel over logistisk regressionsanalyse på sandsynligheden for at få et KA karaktergennemsnit 7 KA-karaktergennemsnittet udtrykt som sandsynligheden for opnåelse af et KA-karaktergennemsnit 7 ( 7 = mediankarakteren på KA; tabel 3) er som forventeligt signifikant og stærkt positivt associeret med forudgående BA-karaktergennemsnit. Et karakterpoints stigning af BAkaraktergennemsnittet fordobler sandsynligheden for, at opnå et KA-karaktergennemsnit 7. Men optagelseskvoten som parater er også signifikant og stærkt positivt korreleret med KAkaraktergennemsnittet. Optagelse via kvote 2 (vs. via kvote 1) fordobler sandsynligheden for et godt KA-karaktergennemsnit (OR=2,01), når der kontrolleres for de øvrige faktorer i den logistiske regressionsmodel. Det samme gør sig gældende for svensk nationalitet (vs. dansk nationalitet; OR=1,81). Det skal noteres, at usikkerheden på odds-ratio-værdierne er relativ stor (95% 18

konfidensintervallerne for OR er for kvote 2 optagelse [1,13-3,58] og for svensk nationalitet [1,06-3,08]). Overraskende er der fundet signifikant negative korrelationer mellem KA-karaktergennemsnittet og hhv. normeret BA-gennemførselstid (vs. overskridelse; OR=0,35) og adgangsgivende gymnasiale karakter (+ 1 karakterpoint; OR=0,74), når der kontrolleres for andre variable. Alder ved optagelse har en signifikant, men lav negativ indflydelse på KA-karaktergennemsnittet (for hvert år > 18 år; OR=0,87) Beståelsesprocent De studerende i undersøgelsen har, alt efter hvilken studieordning de er optaget på, skullet bestå mellem 15-22 eksaminer for at opnå bachelorgraden og yderligere 9-11 eksaminer på KA-uddannelsen for at dimittere som dyrlæge. Gennemsnitligt består en studerende 90% af alle tilmeldte BA-eksaminer og -reeksaminer (median: 96%) og 100 98 96 94 92 90 88 86 84 82 80 Andel beståede eksaminer i % Beståelsesfrekvens på BA Kvote 1 Kvote 2 1år 2år 3år >3år Studieår på BA 95% af tilmeldte KA-eksaminer og - reeksaminer (median: 100%). Der er signifikant forskel mellem de gennemsnitlige BA-beståelsesprocenter Figur 10: Gennemsnitlig andel (%) af beståede eksaminer af tilmeldte som funktion af år efter optagelse på BA. Forskellene mellem optagelseskvoterne er signifikante de første 3 år efter optagelse. Kilde: Beregninger på data fra STADS. for kvote 1 (93 %; median: 100%) og kvote 2 studerende (88 %; median 93%). På KA er de derimod ikke signifikant forskellige (kvote 1: 96%, median 100%; kvote 2: 94%, median 100%). Der ses en generel positiv udvikling af beståelsesprocenterne hos begge kvoter gennem BA- og KAforløbene (figurerne 10 og 11), men kvote 2 studerende forbedrer deres beståelsesprocenter mere end kvote 1 studerende. På BA reduceres forskellen på kvoternes beståelsesprocenter fra 7,4 procentpoint på 1. år til 3,0 procentpoint på 3. år efter BA-optagelsen. På KA reduceres forskellen yderligere med 0,6 procentpoint inden dimission. 19

Af tabel 4 fremgår det, at beståelsesprocenten, udtrykt som sandsynligheden for at bestå alle tilmeldte BA-eksaminer i første forsøg, er signifikant positivt korreleret med det adgangsgivende karaktergennemsnit (+1 karakterpoint; OR=1,62) og negativt korreleret til det at have en HTXeller Hf-eksamen (vs. STX: OR=0,45 / 0,26). Desuden er alder ved optagelse associeret til beståelsesprocenten gennem en ikkelineær korrelation (figur 12). Optagelseskvoten er som uafhængig variabel ikke signifikant korreleret til BAbeståelsesprocenten. 98 96 94 92 90 88 86 84 82 80 Andel beståede eksaminer i % 100 Beståelsesfrekvens på KA Kvote 1 Kvote 2 1år 2år 2,5år >2,5år Studieår på KA Figur 11: Gennemsnitlig andel (%) af beståede eksaminer af tilmeldte som funktion af år efter optagelse på KA. Forskellene mellem optagelseskvoterne er kun signifikante for År 1 og 2 efter KA-optagelse. Kilde: Beregninger på data fra STADS. Effekten af alder på beståelsesfrekvens på BA 2,50 2,00 1,50 Effekten af alder 1,00 0,50 0,00 18 20 22 24 26 28 30 32 34 36 38 40 Alder Figur 12: Sandsynligheden udtrykt som OR, for at bestå alle BA-eksaminer i første forsøg som funktion af den studerendes alder ved optagelsestidspunktet. 20

Forklarende faktorer til BA beståelse. Logistisk regressionsanalyse vægtet efter studieordning og antal eksaminer på BA Udfaldsmål: at have bestået alle eksaminer første gang Odds- 95 % CI for OR H 0 : der er ingen forskel på de, som har bestået alle eksaminer første gang og de, som har dumpet min. én eksamen. Effekt 1 Ratio (OR) Nedre Øvre p-værdi Alder ved optagelse på BA (for hvert år ældre end 18år) Alder Stigende indtil 28år, 1,17 1,04 1,31 0,007* derefter faldende. Alder 2 Se graf. 0,99 0,98 0,99 0,011* Adgangskaraktergennemsnit + 1,62 1,46 1,79 0,000** STX (ref. grp.) 0,000** Adgangseksamen Eksamen fra udlandet 0,81 0,57 1,13 0,212 HTX 0,45 0,28 0,74 0,001* HF 0,26 0,15 0,46 0,000** 1 Variablens effekt på sandsynligheden for at have bestået alle eksaminer. *H 0 forkastes ved et signifikansniveau på p<0,05 ** H 0 forkastes ved et signifikansniveau på p<0,001 Modellen prædikterer overordnet 71 % af værdierne korrekt For fuld oversigt over modellen, herunder vægtning og transformation af variable samt residualplot henvises til bilag 3 Tabel 4: Slutmodel over logistisk regressionsanalyse på sandsynligheden for at bestå tilmeldte BA-eksaminer i første forsøg. På KA er beståelsesprocenten udtrykt som sandsynligheden for at bestå alle tilmeldte eksaminer i første forsøg signifikant og stærkt positiv korreleret svensk nationalitet (vs. dansk; OR= 5,00) og gennemførsel af BA på normeret tid (vs. forsinket; OR=2,37), samt i moderat grad korreleret til BA-karaktergennemsnittet (+ 1 karakterpoint; OR=1,25) (se tabel 5). Det er værd at bemærke, at lignende positive korrelationsmønster blev fundet mellem hhv. nationalitet og BAkaraktergennemsnit og KA-karaktergennemsnit, men ikke mellem normeret BA-gennemførelsestid og KA-karaktergennemsnittet, som var negativt korrelerede (se tabel 3). 21

Forklarende faktorer til KA beståelsesfrekvens Logistisk regressionsanalyse vægtet efter studieordning og antal eksaminer på KA Udfaldsmål: at have bestået alle eksaminer H 0 : der er ingen forskel på de, som har bestået alle eksaminer og de, som har dumpet min. én eksamen Effekt 1 Odds-Ratio (OR) Nedre 95 % CI for OR Øvre p-værdi Svensk nationalitet (ref.: dansk) + 5,00 2,57 9,72 0,000** Normeret BA- gennemførselstid + 2,37 1,33 4,22 0,003* BA karaktergns. (pr +1 point) + 1,25 1,07 1,47 0,005* 1 Variablens effekt på sandsynligheden for at have bestået alle eksaminer. *H 0 forkastes ved et signifikansniveau på p<0,05 ** H 0 forkastes ved et signifikansniveau på p<0,001 Modellen prædikterer overordnet 88,1 % af værdierne korrekt For fuld oversigt over modellen, herunder vægtning og transformation af variable samt residualplot henvises til bilag 4. Tabel 5: Slutmodel over logistisk regressionsanalyse på sandsynligheden for at bestå tilmeldte BA-eksaminer i første forsøg. Gennemførselstid De gennemsnitlige studietider for kvote 1 og kvote 2 studerende er signifikant forskellige både på BA og på KA, men modsatrettede. Kvote 1 studerende er hurtigst gennem BA (37,5 ±6,8 mdr. vs. 38,5 ±7,1 mdr.; p<0,001), mens kvote 2 studerende er hurtigst gennem KA (31,8 ±5,3 mdr. vs. 31,0 ±7,1 mdr.; p=0.03). Andelen, der gennemfører BA på normeret tid, er signifikant større blandt kvote 1 end kvote 2 studerende, men forskellen vender altså på KA (se tabellerne 6 og 7). Afsluttet BA på: 34,5mdr 46mdr Kvote 1 59 % 89 % Kvote 2 48 % 85 % Total 54%(n=460) 87 % (n=583) Chi 2 -test p=0,001 p=0,125 Tabel 6: Andel af studerende, som har gennemført BA på normeret tid og normeret tid plus 1 år, udregnet på baggrund af alle afsluttede bachelorer. Kilde: Egne beregninger på data fra STADS. Afsluttet KA på: 29,5mdr 41mdr Kvote 1 42 % 93 % Kvote 2 49% 95 % Total 45% 94% Chi 2 -test p=0,07 P>0,1 Tabel 7: Andel af studerende, som har gennemført KA på normeret tid og normeret tid plus 1 år, udregnet på baggrund af alle afsluttede kandidater. Kilde: Egne beregninger på data fra STADS. 22

BA-gennemførselstiden udtrykt som sandsynligheden for at gennemføre på normeret tid (34,5 mdr; se tabel 8) er kun moderat signifikant positivt associeret med adgangsgivende gymnasiale karaktergennemsnit (+ 1 karakterpoint: OR=1,29) og er i lav ikke-lineært grad associeret til alder ved optagelse (figur 12). De øvrige optagelsesvariable (optagelseskvoten, typen af adgangsgivende eksamen og nationalitet) har ikke særskilt signifikant betydning for BA-gennemførselstiden. Forklarende faktorer til BA gennemførselstid. Logistisk regressionsanalyse vægtet efter BA optagelsesår Udfaldsmål: At bestå BA til normeret tid H 0 : der er ingen forskel på de, som består til normeret tid og de, som overskrider normeret tid. Effekt 1 Odds-Ratio (OR) 95 % CI for OR Nedre Øvre p-værdi Alder ved optagelse på BA (for hvert år ældre end 18år) Alder 1,13 0,94 1,36 0,180 Alder 2 Stigende indtil 22år, derefter faldende. Se graf. 0,99 0,97 1,00 0,039 Adgangskaraktergennemsnit + 1,29 1,13 1,47 0,000** 1 Variablens effekt på sandsynligheden for at have bestået alle eksaminer. *H 0 forkastes ved et signifikansniveau på p<0,05 ** H 0 forkastes ved et signifikansniveau på p<0,001 Modellen prædikterer overordnet 64,3 % af værdierne korrekt For fuld oversigt over modellen, herunder vægtning og transformation af variable samt residualplot henvises til bilag 5. Tabel 8: Slutmodel over logistisk regressionsanalyse på sandsynligheden for at overskride normeret tid på BA Gennemførelsestiden på KA udtrykt som sandsynligheden for at bestå KA på normeret tid (29,5 mdr.; se tabel 9) er signifikant associeret til optagelseskvoten og nationalitet. Således har studerende, som er optaget via kvote 2, omkring 80% større sandsynlighed for at gennemføre på normeret tid end 1,40 1,20 1,00 0,80 0,60 0,40 0,20 0,00 Effekten af alder på BA gennemførsels4d 18 20 22 24 26 28 30 32 34 36 38 40 Alder Effekten af alder Figur 12: Sandsynligheden, udtrykt som OR, for at gennemføre BA på normeret tid som funktion af den studerendes alder ved optagelsestidspunktet. 23

studerende optaget via kvote 1 studerende (OR=1,79), når der kontrolleres for øvrige undersøgte variable. Samtidig har svenske studerende dobbelt så stor sandsynlighed for at gennemføre til normeret tid sammenlignet med danske studerende (OR=2,01). Den eneste betydende BA studiepræstationsparameter er gennemførselstiden: studerende, som har gennemført BA til normeret tid, har mindre sandsynlighed for at gennemføre KA til normeret tid (OR=0,58) end forsinkede studerende. Forklarende faktorer til KA gennemførselstid. Logistisk regressionsanalyse vægtet efter optagelsesår på KA Udfaldsmål: at bestå KA til normeret tid (. H 0 : der er ingen forskel på de, som består til normeret tid og de, som overskrider normeret tid. Effekt 1 Odds-Ratio (OR) 95 % CI for OR p-værdi Nedre Øvre Kvote 2 (ref.: kvote 1) + 1,79 1,13 2,83 0,013* Svensk nationalitet (ref.: dansk) + 2,01 1,31 3,09 0,002* Normeret BA- gennemførselstid 0,58 0,38 0,88 0,01* 1 Variablens effekt på sandsynligheden for at gennemføre til normeret tid. *H 0 forkastes ved et signifikansniveau på p<0,05 ** H 0 forkastes ved et signifikansniveau på p<0,001 Modellen prædikterer overordnet 64,9 % af værdierne korrekt For fuld oversigt over modellen, herunder vægtning og transformation af variable samt residualplot henvises til bilag 6. Tabel 9: Slutmodel over logistisk regressionsanalyse på sandsynligheden for at overskride normeret tid på KA. Frafald På BA er der ikke fundet overordnet forskel på frafaldsprocenterne mellem kvote 1 og kvote 2 studerende, som har kunnet nå at afslutte deres BA inden for normeret tid. BA-frafaldet på de respektive optagelseskohorter optaget mellem 2005-2011 er hhv. 10,7% og 10,5%. På KA er det samlede frafald <0,5 % af de optagne studerende. Opgøres frafaldet på hele studenterpopulationen i undersøgelsen, altså inklusive årgangene optaget 2012-2014, hvoraf >90% af studerende stadig var aktive ved undersøgelsens afslutning, er frafaldet hos kvote 1 derimod signifikant større end hos kvote 2, hhv. 9,3% vs. 7,2%. De to optagelseskvoter adskiller sig nemlig væsentligt fra hinanden med hensyn til frafaldsmønster og årsag (figur 13). Den gennemsnitlige studietid for frafaldne studerende var 19,7 ± 18,0 mdr. hos kvote 1, hvoraf 60% 24

har udmeldt sig selv, og 30,7 ± 21,1 mdr. for kvote 2 studerende, hvoraf knapt halvdelen har udmeldt sig selv, dvs. mere end halvdelen af frafaldne kvote 2 studerende er blevet udmeldt på initiativ af institutionen. 2 Tidspunkt for udmeldelse af BA eter årsag Frafald i procent af alle studerende optaget 1,75 1,5 1,25 1 0,75 0,5 0,25 Kvote 2 AUrudt af insptuponen Kvote 2 AUrudt af den studerende Kvote 1 AUrudt af insptuponen Kvote 1 AUrudt af den studerende 0 0 6 12 18 24 30 36 42 >48 Antal måneder, den studerende har været indskrevet Figur 13: Fordeling af frafald fordelt på optagelseskvote og frafaldsårsag for BA årgangene 2005-2011 som funktion af tid efter indskrivning. Kilde: Beregninger på data fra STADS Sammenhængen mellem observerede BA-frafald, optagelsesvariablene og gennemsnitskarakterer og dumpeprocent på BA forud for frafaldet er analyseret under anvendelse af Cox regressionsanalyse (overlevelsesanalyse; se tabel 10). Analysen viser, at BA-frafaldet er signifikant associeret til optagelseskvote, forudgående BA-karakterer og køn, men ikke til det adgangsgivende karaktergennemsnit. Optagelse via kvote 2 reducerer den relative risiko (hazardratio, HZ) for at falde fra de første 2 år i forhold til optagelse via kvote 1. Kvote 2 studerende har således 75-85% lavere risiko for at falde fra de første 2 år sammenlignet med kvote 1 studerende. Som forventeligt, er den relative risiko for frafald lavere des højere BA-karakterer, der opnås ved forudgående eksaminerne. BA-karaktererne er eneste betydende prædiktor efter 2. år på BA. Endelig har mandlige studerende iflg. analysen 25

større risiko for at falde fra på 2. år sammenlignet med kvindelige studerende, men størrelse af HZværdien er usikker (HZ=3,09; CI: [1,2 7,9]). Forklarende faktorer til frafald på BA det respektive studieår Cox Proportional Hazard Model stratificeret for BA optagelsesår Udfaldsmål: at falde fra på studiet HZ 1. år på studiet 2. år på studiet 3. år på studiet Efter 3. år på studiet 95 % CI Nedre Øvre p- værdi HZ 95 % CI Nedre Øvre p-værdi HZ 95 % CI Nedre Øvre p-værdi HZ 95 % CI Nedre Øvre p- værdi Kvote (2) 0,25 0,10 0,65 0,005* 0,14 0,04 0,45 0,001* - - - - - - - - Køn (mand) - - - - 3,09 1,21 7,91 0,019* - - - - - - - - BA karaktergns. (pr +1 point forud-gående år) - - - - 0,75 0,65 0,86 <0,001** 0,52 0,42 0,63 <0,001** 0,63 0,48 0,84 0,001* Likelihood ratio t= 9,17 0,002 t=28,67 <0,001 t=55,3 p<0,001 t=12,4 p<0.001 Tabel 10: Slutmodel for Cox overlevelsesanalyse af frafald på BA, stratificeret på år efter optagelse. For fuld oversigt over modellen, se bilag 7. Differentieringsvalg KA-studerende i undersøgelsen har fordelt sig på de fem udbudte differentieringer med 33% på Mindre husdyr/familiedyr (årlig kapacitet: 45 studerende), 25% på Produktionsdyrssygdomme/Besætningssundhed (årlig kapacitet: 45 studerende), 20% på Biomedicine (årlig kapacitet 35 studerende), 17% på Hestesygdomme/Hesteklinik (årlig kapacitet: 25 studerende) og 5% Fødevaresikkerhed/One-Health (årlig kapacitet: 30 studerende). Da der i STADS-datamaterialet kun er registreret 4 studerende med Alternativ differentiering, er denne ikke medtaget i analyserne. 26

35 Fordeling af studerende på differen4eringerne Procentvis fordeling af studerende 30 25 20 15 10 5 0 63,4% 37,4% 36,6% Besætningssundhed/ ProdukPonsdyr 62,6% Biomedicine 32,7% 67,3% Familiedyrssygdomm e/ Mindre husdyr 63,9% 36,1% Fødevaresikkerhed/ One health 38,5% 61,5% Heste- differenpering Kvote 2 Kvote 1 Diffen4ering Figur 14. Relative fordeling af kvote 1- og 2-studerende på de udbudte differentieringer. Studerende på alternativ differentiering, fx udlandsophold, er ikke medregnet. Kilde: Beregninger på data fra STADS Kvote 1 og 2 studerende fordeler sig forholdsmæssigt skævt på differentieringer (figur 14). Der er en signifikant overvægt af kvote 1 studerende på de kliniske differentieringer vedrørende Familiedyr og Hestesygdomme. Disse differentieringer har i undersøgelsesperioden generelt været overtegnet med 30-100%, hvorfor eventuel optagelse har været afhængig af den studerendes vægtede BA-karaktergennemsnit samt eventuelle bonuspoint opnået gennem erhvervspraktik. På Biomedicin ses ligeledes en relativ overvægt af kvote 1 studerende. Denne differentiering har de seneste 4 år været fyldt, dog uden at være overtegnet. Derimod er der overvægt af kvote 2 studerende på differentieringerne vedrørende Produktionsdyrssygdomme/Besætningssundhed og Fødevaresikkerhed/One-Health, som aldrig har været overtegnet. Det er ikke muligt ud fra de foreliggende kvantitative data at vurdere i hvilken grad den ulige fordeling af kvote 1 og 2 studerende på de enkelte differentieringer skyldes reelle forskelle i karriereønsker hos de to kohorter eller andre forhold, herunder BA-karaktergennemsnit og køn. 27

Diskussion Rammekarakter og beståelsesprocent På BA er det adgangsgivende karaktergennemsnit sammen med typen af adgangsgivende eksamen (HF, HTX) de mest betydende prædiktive variable for studerendes akademiske studiepræstationer. Disse optagelsesvariable har henholdsvis en stærk positiv (OR=1,70) og stærk negativ indflydelse (OR HTX = 0,43; OR HF = 0,14) på BA-karaktergennemsnittet. Lignende associationer findes mellem optagelsesvariablene adgangsgivende karaktergennemsnit og eksamenstype og BAbeståelsesprocenten. De to optagelsesvariable forklarer sammen med alder omkring 70% af variationen i regressionsanalyserne vedr. BA-rammekarakter og beståelsesprocent. Tilsvarende fund mht adgangsgivende karaktergennemsnit og typen af adgangsgivende eksamen er gjort i en anden dansk undersøgelse, nemlig vedr. medicinstuderende optaget på SDU (O Neill et al 2013). På KA er sandsynligheden for at opnå et karaktergennemsnit >7 positivt påvirket af BAkaraktergennemsnits (OR=2,11), kvote 2 optag (OR=2,01) og svensk nationalitet (OR= 1,81). Derimod påvirkes KA-karaktergennemsnittet negativt af den adgangsgivende gymnasiale karakter (OR=0,74), normeret BA-gennemførelsestid (OR=0,35) og alder ved optagelse (OR=0,87). KAbeståelsesprocenten, udtrykt som sandsynligheden for at bestå alle eksaminer i første forsøg, er kun signifikant og positivt påvirket af nationalitet (svensk: OR=5), normeret BA-gennemførelsestid (OR=2,37) og BA-karakter (OR=1,25). Der er talrige videnskabelige undersøgelser, som peger på, at det adgangsgivende karaktergennemsnit er den bedste og mest konstante prædiktor for studerendes akademiske præstationer indenfor sundhedsvidenskaberne. Ferguson et al (2002) fandt i en metaanalyse af videnskabelige artikler vedrørende optagelse på sundhedsvidenskabelige uddannelser, at adgangsgivende karakterer gennemsnitligt forklarede 23 % af variationen i studerendes akademiske præstationer under studiet. Adgangsgivende karakter er derimod væsentlig mindre velegnet eller ligefrem ikke-egnet som prædiktor af kliniske og post-graduate færdigheder inden for sundhedsvidenskabelige uddannelser (Salvatori 2001, Ferguson et al 2002, Hulsman et al 2007), inklusive veterinærmedicin (Fuentealba et al 2012, Rousch et al 2014). Vores fund er således i overensstemmelse med resultaterne i disse internationale publikationer. Kvote 2 studerende har i undersøgelsen dobbelt så stor sandsynlighed for at opnå et KAkaraktergennemsnit på 7 sammenlignet med studerende optaget på kvote 1, når der kontrolleres for effekten af øvrige variable. De kvalitative årsager, fx personlige specifikke non-kognitive kompetencer, bag dette fortrin kan ikke udledes af nærværende kvantitative undersøgelse. En nøjere 28

analyse af sammenhængene mellem de enkelte elementer i den nuværende veterinære optagelsesprocedure (MCQ-optagelsestest efterfulgt af semi-struktureret interview; se Studier.ku.dk 2015) og de efterfølgende studiepræstationer og karrierevalg er under udarbejdelse, og vil forhåbentlig kunne afdække mulige bagvedliggende forhold. Der er almindelig anerkendt, at it takes more than high marks to make a good doctor (Hulsman et al 2007). Non-kognitive kompetencer som empati, tværfaglig samarbejdsevne, foretagsomhed (innovation), samvittighedsfuldhed og kommunikationsfærdigheder nævnes som vigtige færdigheder for sundhedsfaglige personer, inklusive praktiserende dyrlæger og embedsdyrlæger. Disse færdigheder er indskrevet såvel i veterinære studieordninger (Studieordning 2015a og 2015b) som i internationale veterinære uddannelsesstandarder (EAEVE 2012, AVMA 2014). På den baggrund er det kun naturligt, at der lægges vægt på andet end akademiske færdigheder i forbindelse med optagelse på uddannelsen. Interview er en hyppigt anvendt metode til evaluering af non-kognitive færdigheder hos ansøgere i forbindelse med optagelse på sundhedsvidenskabelige uddannelser (Salvatori 2001, Ferguson et al 2002, Goho & Blackman 2006, O Neill et 2011a og b), inklusive veterinærmedicin (Rousch et al 2014). Langt de fleste undersøgelser viser dog kun meget lav til moderat korrelation mellem interviewscorer og senere kliniske eller postgraduate, præstationer. Når det gælder sammenhængen mellem inverviewscorer og akademiske præstationer er sammenhængen endnu lavere (medicin: Goho & Blackman 2006, veterinærmedicin: Rousch et al 2014), hvorfor interviews ofte kombineres med andre former for optagelseskriterier. Motiveret ansøgning, som anvendes på de fleste af SUNDs kvote 2 optag, er i modsætning til interviews slet ikke veldokumenteret som udvælgelsesmetode. Der foreligger kun meget få undersøgelser, som har analyseret pålideligheden (reliabiliteten) og validiteten af metoden, og sammenhængen mellem evaluering af motiverede ansøgninger og senere prækliniske akademiske og kliniske præstationer er pt. ikke tilstrækkeligt videnskabelig underbygget. De få undersøgelser, som fx Ferguson et al 2002 og Albanese et al 2003 henviser til, viser ingen eller kun negativ sammenhæng mellem scoren for motiveret ansøgning og senere studiepræstationer. Anderledes forholder det sig med specifikke skriftlige optagelsestests inden for sundhedsfagligeuddannelser, fx Medical Colleges Admission (MCAT) og Graduate Record Examination (GRE), som er almindeligt benyttede ved nordamerikanske medicinske, respektive veterinærmedicinske uddannelser. Flertallet af undersøgelser viser moderat til høj sammenhæng mellem udfaldet af disse tests og senere akademiske / prækliniske præstationer på sundhedsuddannelser, og lav til moderat sammenhæng til kliniske præstationer, herunder post- 29

graduate licensing-eksaminer (Salvatori 2001). Specifikt har enkelte subtests i disse optagelsesprøver vist sig velegnede i forbindelse med prædiktion af kliniske færdigheder. Det drejer sig om studerendes færdigheder i verbal and quantitative reasoning (MCAT: Donnon et al 2007) og studerendes analytiske færdigheder (GRE: Fuentabella et al 2011). Herhjemme anvender Syddansk Universitet optagelsestests på sine sundhedsvidenskabslige uddannelser, hvori evnen til kvantitativt, kritisk og sprogligt ræsonnement testes specifikt (SDU 2015). Den nuværende skriftlige veterinære kvote 2 optagelsesprocedure dels tester kognitiv viden i relation til algebra, statistik, biologi, dyrevelfærd og sygdomme husdyrhold (MCQ-test), dels evaluerer erfaring med husdyr, dyrevelfærdsproblematikker og veterinærerhverv i Danmark, samt studieparathed, samarbejds og lederevne og motivation (semi-strukturet interview; jf. Studier.ku.dk 2015). Hvorvidt den skriftlige test, interview-scoren eller delelementer af disse er særskilt associeret med studerendes senere studiepræstationer vides ikke. Et svar på dette spørgsmål må afvente resultaterne af den igangværende undersøgelse af effekten af de enkelte elementer af nuværende kvote 2 optagelsesprocedure på kvote 2 studerendes studieforløb. Den høje positive association mellem svensk nationalitet og KA-studiepræstationerne kan ikke umiddelbart forklares på baggrund af nærværende undersøgelse. Det skal bemærkes, at det konfidensinterval for den positivt relaterede oddsratio er bredt og tangerer næsten 1 [1,06-3,08]. Udenlandsk nationalitet kan have betydning for BA-studiepræstationer på medicin, når man sammenligner studerende fra fra udviklingslande og udviklede lande (O Neill et al., 2013). I nærværende undersøgelse er nationalitet dog ikke er associeret til BA-studiepræstationer, men kun KA-præstationer, som i højere grad tager udgangspunkt i studerende kliniske og praktiske kompetencer. En spekulative forklaring på den positive sammenhæng kan være, at svenske KAstuderende som følge af en lang tradition hos svenske smådyrsklinikker og hospitaler med at ansætte (svenske) dyrlægestuderende som veterinærsygeplejerske i sommerferieperioderne. Dette er ikke tilfældet i Danmark. Herved vil svenske studerende kunne opnå væsentlige supplerende kliniske kompetencer, som kan gavne dem under KA-uddannelsen. Det er umiddelbart overraskende, at højere adgangsgivende karakter har en negativ indflydelse på KA-karaktergennemsnittet. Igen skal det bemærkes, at konfidensintervallet for den relevante oddsratio er bredt og næsten tangerer 1[0,54-0,94]. Den adgangsgivende karakter og optagelseskvoten er i udgangspunktet stærkt associerede, uanset at interaktionen mellem disse to optagelsesparametre, der indgår i den fulde regressionsmodel, ikke er signifikant (bilag 2 ). Det kan derfor ikke udelukkes, at den fundne negative indflydelse af den adgangsgivende karakter på KA- 30

karaktergennemsnittet på én eller anden måde er associeret til den positive indflydelse af kvote 2 optag (eller alternativt udtrykt: negative indflydelse af kvote 1 optag) og derved afspejler samme ubekendte bagvedliggende årsager. Gennemførelsestid og frafald Gennemførelsestiden er af væsentlig betydning for uddannelsesøkonomien. Nærværende undersøgelse viser, at der set over et autorisationsgivende veterinærmedicinsk uddannelsesforløb (BA+KA) ikke er forskel på kvote 1 og kvote 2 studerendes gennemførelsestider. Kvote 1 studerende er ganske vist gennemsnitlig en måned hurtigere gennem BA end kvote 2 studerende (37,5 mdr. vs. 38,5 mdr.), men på KA forholder det sig omvendt (31,8 mdr. vs. 31,0 mdr.) På BA er det adgangsgivende karaktergennemsnit den eneste optagelsesparameter, som er signifikant associeret med gennemførelsestiden, idet et højt adgangsgivende gennemsnit øger sandsynligheden for at gennemføre BA på normeret tid (+ 1 karakterpoint: OR=1,29). Det understøtter indirekte den tidligere nævnte generelle opfattelse af, at det adgangsgivende karaktergennemsnit anses den bedste prædiktor for efterfølgende akademiske præstationer på de første år efter optagelse på sundhedsvidenskabelige uddannelser, herunder også veterinærmedicin. Den specifikke effekt af det adgangsgivende karaktergennemsnit på studerendes gennemførselstid (studieprogression) er lidet undersøgt sammenlignet med karaktergennemsnittets betydning for frafaldet, men en enkelt større hollandsk undersøgelse har lige som vi fundet en positiv korrelation (Cohen-Schotanus et al. 2006). Studerende optaget via kvote 2 har 80% øget chance for at gennemføre KA på normeret tid i forhold til kvote 1 studerende (OR = 1,79), når der kontrolleres for øvrige uafhængige variable. Det samme har svenske studerende i forhold til danske (OR = 2,01). En sandsynlig forklaring på den positive effekt af kvote 2 optagelse er, at den uddannelsesspecifikke optagelsesprocedure (nuværende og/eller tidligere) faktisk selekterer for mere målrettede og motiverede studerende gennem vægtning af kompetencer som motivation og samarbejds-, ledelses- og erhvervserfaringer, hvad enten dette sker som før 2008 via evaluering af motiverede ansøgninger i kombination med vægtning af relevant erhvervserfaring, eventuelle udlands- og højskoleophold ( dannelsesrejser ) og adgangsgivende karaktergennemsnit, eller som nu (siden 2008) via en skriftlig optagelsesprøve efterfulgt af semi-struktureret interview. Nyere europæiske undersøgelser vedrørende optagelse på medicinske uddannelser peger netop på en sådan effekt af uddannelsesspecifik optagelsesprocedurer sammenlignet med optagelse på baggrund af karaktergennemsnit og/eller lodtrækning (Holland: 31

Cohen-Schotanus et al. 2006; Urlings-Strop et al 2011; Danmark (SDU): O Neill et al 2011b, O Neill et al 2013). Den positiv effekt af svensk nationalitet på KA-gennemførelsestiden kan kun spekulativt forklares med, at svenske studerende ønsker at drage tilbage til Sverige hurtigst muligt, men egentlige konkluderende kvalitative årsagssammenhænge kan ikke udledes af undersøgelsen. Resultatet viser dog, at svenske studerendes studieadfærd i Danmark ikke er påvirket af, at deres mulighed for at blive ansat som tilforordnet veterinær i klinisk praksis i Sverige inden dimission. Dette er hyppigt benyttet mulighed af veterinærstuderende fra SLU, hvor det har givet anledning til studieforsinkelser på den svenske veterinæruddannelse (Dalin, 2014). Frafald er den anden studieforløbsparameter, som har stor betydning for uddannelsesøkonomien. I undersøgelsen er den overordnede frafaldsprocent på BA 11% og på KA <0,5%. Frafaldet på BA er stærkt korreleret til de studerendes akademiske præstation efter optagelsen forud for frafaldet: Jo højere opnåede karakterer på BA, des lavere risiko for at falde fra (HR: 0,52-0,75). Derimod har antal eksamensforsøg målt som beståelsesprocent ingen betydning, hvilket muligvis vidner om, at nogle studerende bevidst planlægger brugen af reeksamen. Tilsvarende sammenhæng mellem lav studiepræsentation og øget frafaldsrisiko er rapporteret i overraskende få udenlandske undersøgelser (Hojat et al. 1996 og Stetto et al 2004 citeret Mørcke et al 2012). Frafaldet hos veterinærstuderende er ikke direkte associeret til de akademiske optagelsesparametre, som type af gymnasial eksamen eller adgangsgivende gennemsnitmen, men kun til non-kognitive optagelsesparametre (kvote 1 vs. kvote 2), hvilket understøtter resultater fra medicin på SDU (O Neill et al 2013). Der er dog ingen signifikant forskel mellem andelen af frafaldne på kvote 1 og 2 på BA, men de to kohorters BA-frafaldsmønstre er væsentligt forskellige. Kvote 2 studerende falder senere fra end kvote 1 studerende efter BA-optagelse (30,7 mdr. vs. 19,7 mdr.). Frafaldsanalysen viser, at optagelse via kvote 2 mindsker risikoen for at falde fra på 1. og 2. år af BA med 75-85 % i forhold til kvote 1 optagelse (HZ: 0,14-0,25). Endvidere udmelder hovedparten af frafaldne kvote 2 - i modsætning til frafaldne kvote 1 studerende sig ikke selv, men bliver udmeldt på initiativ af institutionen. Disse forhold vidner om, at den uddannelsesspecifikke kvote 2 optagelsesprocedure er i stand til at selektere meget motiverede og vedholdende studerende, som ønsker at fortsætte uddannelsen uanset studiepræstationen. Denne positive effekt af en uddannelsesspecifik optagelsesprocedure, som baserer sig på andet end det adgangsgivende karaktergennemsnit, er i overensstemmelse med tidligere nævnte europæiske undersøgelser (Urlings-Strop et al 2011, O Neill et al 2011b, O Neill et al 2013). Højere motivation blandt 32

studerende og bedre match mellem uddannelse og studerende anses for at være faktorer af betydning for gennemførelse af sundhedsvidenskabelige (Christensen & Juul 1999, SAU 2000, Georg 2009, O Neill et al 2014). Muligheden for at selektere studerende på basis af disse parametre, og dermed at forsøge at reducere frafald, har i følge O Neill et al (2014) været væsentlige begrundelser for at indføre uddannelsesspecifikke optagelsesprocedurer på de sundhedsvidenskabelige uddannelser ved SDU og AU. Køn spiller i undersøgelsen en rolle i forhold til BA-frafald på 2. år, hvor mænd har højere risiko for frafald end kvinder (HR: 3,09). Det er ikke ud fra de tilgængelig kvantitative data muligt at udtale sig om mulige årsager til dette forhold. Køn indgår i flere studier af frafaldet på medicinske uddannelser, men kun i få undersøgelser er køn fundet signifikant associeret til frafald, og udfaldet i disse undersøgelser har ikke været entydigt (Salvatori 2001; Stetto et al. 2004 og Arulampalam et al. 2004 citeret af O Neill 2011a). Differentierings- og karrierevalg Den relative underrepræsentation af kvote 2 studerende på familiedyrs-, hesteklinik- og biomedicin-differentieringerne, og tilsvarende overrepræsentation på differentieringerne vedrørende produktionsdyr / besætningssundhed og fødevaresikkerhed / one-health, passer med de forventninger, som dyrlægeerhvervet havde til effekten af det udvidede og nye kvote 2 optag i 2008. Mikkelsen & Petersen (2006) udtrykte i Dansk Veterinærtidsskrift, at et udvidet kvote 2 optag med specifikke optagelseskriterier skulle være med til at sikre flere dimittender med interesse for produktionsdyr, og ansøgernes kendskab one-health (såvel som biomedicinske ) erhvervsområder bliver specifikt evalueret i det semi-strukturede kvote 2 interview. Vi kan dog kun ud fra nærværende resultater konstatere, at der tilmeldes relativt flere kvote 2 end kvote 1 studerende til produktionsdyrs- og one-health differentieringerne, men vi kan ikke vurdere årsagen til dette. Resultatet kan være påvirket af, at kvote 2 studerende som gruppe opnår et lavere BAgennemsnit end kvote 1 studerende, og derfor har begrænset valgfrihed i forhold til de populære, overtegnede familiedyrs- og hesteklinikdifferentieringerne. Hvorvidt kvote 2 studerende i højere grad vælger besætningssundheds- og one-health differentieringerne som førsteprioritet, og dermed reelt adskiller sig fra kvote 1 studerende med hensyn til karriereønske, kan ikke besvares. Besvarelse af sådanne spørgsmål må afvente færdiggørelsen af den igangværende prospektive 33

kohorteundersøgelse af studerende optaget i 2014 og den retrospektive undersøgelse af tidligere studerendes sociodemografiske forhold før optagelse og efter dimission. Konklusion Den veterinære optagelsesprocedure påvirker køns- og aldersfordelingen på veterinæruddannelsen. Der optages flere mænd via kvote 2 end via kvote 1 (17,3% vs 8,6%), og kvote 2 studerende har sammenlignet med kvote 1 flere erfaringer fra livet uden for uddannelsessystemet, idet de er ældre inden optagelse: kun 25% af kvote 2 studerende er under 21 år ved optagelsen og 25% over 24 år, mens 75% af kvote 1 studerende er under 21 år ved optagelsen. Optagelsesbetingelserne påvirker i høj, men varierende, grad studerendes studiepræstationer, især på BA, mens påvirkningen på KA er mindre omfattende. Det adgangsgivende karaktergennemsnit er den mest gennemgående prædiktor for BA-studerendes studiepræstationer: jo højere adgangsgennemsnit, des højere er sandsynligheden for at opnå et BA-karaktergennemsnit > 6,5 (OR = 1,70), bestå alle BA-eksaminer første gang (OR =1,62) og gennemføre BA på normeret tid (OR = 1,29). Adgangsbegrænsningen på uddannelsen bevirker, at studerende optaget på kvote 1 generelt har væsentlig højere adgangsgivende karakterer end studerende optaget via kvote 2 (10,5 vs. 8,2). Denne forskel må anses for at være hovedårsagen til forskellene på de to optagelseskvoters gennemsnitlige BA-studiepræstationer. Kvote 2 studerende forbedrer dog deres studiepræstationer mere end kvote 1 under uddannelsen. Forskellene mellem hhv. karaktererne og beståelsesprocenterne for de to kvoter mindskes år for år gennem BA og KA uddannelserne. På det sidste år af KA, hvor studerende gennemfører differentieringen og skriver speciale, er der således ikke signifikante forskelle på kohorternes respektive rammekarakterer og beståelsesprocenter. Når der i undersøgelsen kontrolleres for øvrige uafhængige optagelsesvariable og BA-præstationer, har kvote 2 studerende tilmed større sandsynlighed for at opnå et KA-karaktergennemsnit >7,0 sammenlignet med kvote 1 KAstuderende. Typen af adgangsgivende eksamen er en anden væsentlig prædiktor for studerendes BAstudiepræstationer. Især studerende med HF eksamen, men også med HTX eksamen, har væsentlig lavere sandsynlighed for at opnå et BA-karaktergennemsnit >6,5 og bestå alle BA-eksaminer første gang sammenlignet med studerende med STX eksamen. Det forhold, at andelen af studerende optaget med en HTX eller en HF eksamen er højere og har været kraftigt stigende på kvote 1 (46% i 2014) sammenlignet med kvote 2 (19% i 2014) medvirker derfor til en reduktion af forskellene 34

mellem de to optagelseskohorters studiepræstationer. Alderen ved optagelse har en signifikant, men kompleks (ikke-lineær) indvirkning på BAstudiepræstationerne. Studerende, der er 24-30 år ved optagelsen, har således omkring dobbelt så stor sandsynlighed for at præstere akademisk godt på BA sammenlignet med studerende optaget som 18-årige. Dette forhold er dermed også med til at reducere forskellen mellem kvote 1 og 2 studerendes gennemsnitlige rammekarakterer på BA. Betydningen af udenlandske studerende på uddannelsen er mindsket væsentligt siden 2007, idet antallet har været kraftigt faldende siden da; formodentlig på grund af central indførsel af nyt karakter-konverteringssystem og nye kvote 2 optagelsesprocedure som lægger øget vægt på kendskab til danske veterinærforhold. Især optaget af svenske studerende, som udgør 17% af den undersøgte studenterpopulation, er reduceret. Svenske studerende udgjorde under 8% af 2014- optaget. Udenlandske studerende skiller sig ikke ud fra danske studerende på BA, men på KA har svenske studerende øget sandsynlighed for at opnå et karaktergennemsnit >7 (OR= 2), at bestå alle eksaminerne første gang (OR=5) samt at gennemføre til normeret tid (OR=2,01) sammenlignet med danske studerende. Der er signifikante, omend små forskelle mellem kvoternes studieprogression, målt som gennemførelsestider på BA og KA. Mens en gennemsnits kvote 1 studerende gennemfører BA hurtigere end sin kvote 2 studiemakker (37,5 mdr. vs. 38,5 mdr.), er kvote 2 studerende hurtigst gennem KA (31,8 mdr. vs. 31,0 mdr.). De overordnede frafaldprocenter er 11% på BA og under 0,5% på KA. Frafaldet er først og fremmest korreleret til opnåede BA-karakterer. Frafaldsprocenterne for de to optagelseskvoter adskiller sig ikke fra hinanden, men det gør deres frafaldsmønstre på BA. Frafaldne kvote 1 studerende dropper som regel ud tidligere end kvote 2 studerende (19,7 mdr. vs. 30,7 mdr.). Det hænger sammen med, at kvote 1 studerende oftest udmelder sig på eget initiativ modsat frafaldne kvote 2 studerende, som for mere end halvdelens vedkommende udmeldes på initiativ af institutionen. BA-frafaldet er specifikt korreleret til det at blive optaget via kvote 2, som har en hæmmende effekt på frafaldet de første 2 år af uddannelsen. Frafaldet er ikke korreleret til andre adgangskriterier. De to kvote 2-optagelsesprocedurer, som har været anvendt før og efter 2008, har begge primært rangeret ansøgerne på basis af en evaluering af deres non-kognitive / ikke-akademiske færdigheder og sekundært på basis af kognitive / akademiske færdigheder. Undersøgelsen viser, at disse 35

udvidede optagelsesprocedurer selekterer motiverede og vedholdende studerende, som: (I) ikke godvilligt falder fra, (II) potentielt er i stand til at forbedre deres akademiske præstationer gennem hele uddannelsen og (III) har større sandsynlighed for at opnå karaktergennemsnit >7 på KA og gennemføre KA på normeret tid, når deres BA-præstationer i øvrigt er sammenlignelige med kvote 1 studerendes. Men det kan samtidig konstateres, at kvote 2 optagelsesproceduren ikke er associeret til studerendes akademiske BA-studiepræstationer. Disse er først og fremmest positivt korreleret til et højt adgangsgivende karaktergennemsnit. Kvote 1 studerende opnår derfor som gruppe bedre akademiske resultater på BA end kvote 2 studerende, men forskellene reduceres som følge af påvirkningen af mindre andel af kvote 2 studerende med HF og HTX-eksamen og kvote 2 studerendes højere gennemsnitsalder ved optagelse. Begrænsninger Vi har ikke undersøgt indvirkningen af fagkaraktererne i specifikke adgangsgivende naturvidenskabelig fag (fx kemi, B og fysik, B) på studerendes efterfølgende studiepræstationer og - forløb, da disse KOT-data kun forelå i begrænset og ufuldstændigt omfang. Dette begrænser nuanceringerne i tolkningen af adgangsgivende karaktergennemsnit som væsentligste betydende faktor. Udenlandske undersøgelser (Ferguson et al 2002) peger på, at netop karakterer på naturvidenskabelige fag kan være en god prædiktor på niveau med det overordnede karaktergennemsnit. Bacheloroptagelsesbekendtgørelse giver uddannelserne mulighed for at stille karakterkrav for disse gymnasiale fag. Undersøgelsen inddrager ikke studerendes sociale eller demografiske baggrund, hvilket kan inducere bias i forhold til de logistiske regressionsanalyser og tolkningen af dem. O Neill et al (2013) fandt dog ikke nogen associationer mellem forældres uddannelse eller indtægt og studerendes præstationer på medicin på SDU. Ikke desto mindre, er inddragelse af studerendes sociodemografiske forhold forud for optagelse og efter dimission nødvendig for at vurdere, om nuværende kvote 2 optagelsesprocedurer medvirker til øget social og/eller geografisk spredning blandt studerende, samt om disse forhold påvirker studerendes senere valg af veterinærkarriere, herunder differentieringsvalg. En supplerende retrospektiv analyse, der inddrager sociodemografiske data fra Danmarks Statistik, samt en prospektiv kohorteundersøgelse af studerende optaget september 2014 er undervejs og forventes at give uddybende svar på ovennævnte spørgsmål i løbet af 2016 og 2017. 36

Nærværende undersøgelse skelner hverken mellem de to kvote 2 optagelsesprocedurer, som har været i anvendelse hhv. før og siden 2008, eller undersøger den prædiktive værdi af de enkelte elementer i disse procedurer, fx scoren for motiveret ansøgning, skriftlig optagelsesprøve eller semi-struktureret interview, i relation til efterfølgende studiepræstationer og -forløb. Det er almindeligt anerkendt, at non-kognitive kompetencer er af betydning for professionelt virke som veterinær (EAEVE 2012, AVMA 2014, Studieordning 2015), men den prædiktive værdi af en eventuel evaluering af sådanne egenskaber i forbindelse med optagelse er ofte tvivlsom og helt afhængig af anvendte metoder (Salvatori 2001, Goho & Blackman 2006, Fuentelba et al 2011). Supplerende analyser af disse forhold er derfor nødvendige, såfremt nuværende kvote 2 procedure skal forenkles og/eller effektiviseres med henblik på bedre at matche de studerendes non-kognitive kompetencer til uddannelsen og efterfølgende erhvervsmuligheder. Detaljerede data fra kvote 2 optagelsesprøverne 2008-2014 og semi-strukturerede interviews 2011-2014 er indsamlet, og en analyse af sammenhængen mellem disse og veterinærstuderendes studieforløb forventes gennemført i 2016. Anbefalinger til fremtidig optagelsespolitik Det anbefales på baggrund af nærværende resultater og konklusioner, at optagelseskravet til adgangsgivende karaktergennemsnit på BA i veterinærmedicin hæves fra nuværende 6 til minimum 7 for herved at øge (kvote 2) studerendes akademiske potentiale på BA 7. Samtidig anbefales det, at det adgangsgivende karaktergennemsnit og typen af adgangsgivende eksamen indgår som supplerende elementer ved rangering af kvote 2 ansøgere. Beslutning af den konkrete vægtning af disse elementer i forhold til optagelsestest og interview bør dog afvente resultaterne af igangværende detailundersøgelse af nuværende kvote 2 procedure. 8 Endelig anbefales det, at den nuværende 50 % -50 % fordelingen mellem kvote 1 og 2 studerende bibeholdes indtil videre. Eventuel ændring af denne fordeling bør afvente, at resultaterne af de resterende igangværende undersøgelser i Kvote 2 projektet foreligger. 7 Landsgennemsnittet for STX studentereksamen var 7,2 (eksklusive A-bonus) i 2015. Kilde: http://uvm.dk/uddannelser/gymnasiale-uddannelser/proever-og-eksamen. Tilgået 11. januar 2016 8 Undersøgelsesresultaterne forventes foreligge i løbet af efteråret 2016 / foråret 2017 og vil omfatte en vurdering af pålidelighed (reliabilitet), validitet og prædiktive værdi af de enkelte elementer i kvote 2 optagelsesproceduren i forhold til studerendes efterfølgende akademiske og kliniske præstationer. 37

Litteraturliste Arulampalam, W., Naylor, R. & Smith, J., 2004. Factors affecting the probability of first year medical student dropout in the UK: a logistic analysis for the intake cohorts of 1980-92. Medical Education, 38(5), pp.492 503. Available at: http://doi.wiley.com/10.1046/j.1365-2929.2004.01815.x. AVMA 2014. Accreditation Policies and Procedures of the AVMA Council on Education (COE). Standard 11. Outcome Assessment. Downloades fra: https://www.avma.org/professionaldevelopment/education/accreditation/colleges/pages/coe-pp.aspx Christensen J, Juul S. [Admission qualifications and medical education in Denmark.] Ugeskr Laeger 1999;161:257 62. Cohen-Schotanus, J. et al., 2006. The predictive validity of grade point average scores in a partial lottery medical school admission system. Medical Education, 40(10), pp.1012 1019. Available at: http://doi.wiley.com/10.1111/j.1365-2929.2006.02561.x. Dalin, Anne-Marie, 2014. Personlig kommunikation, SLU. Donnon, T., Paolucci, E.O. & Violato, C., 2007. The predictive validity of the MCAT for medical school performance and medical board licensing examinations: a meta-analysis of the published research. Academic medicine : journal of the Association of American Medical Colleges, 82(1), pp.100 106. EVA, 2015. Gymnasiekarakterers betydning for succes på videregående uddannelser., Danmarks Evalueringsinstitut, pp 109 EAEVE 2012. Standard Operating Procedures (SOP). Annex IV: List of recommended essential competences at graduation: Day One Competences. Downloades fra: http://www.eaeve.org/fileadmin/downloads/sop/sops_ga_budapest_2012_introduction_- _Revised_in_April_2015.pdf Ferguson, E., James, D. & Madeley, L., 2002. Factors associated with success in medical school: systematic review of the literature. British Medical journal, 324(7343), pp.952 957. Available at: http://www.bmj.com/content/324/7343/952.abstract\nhttp://www.bmj.com/content/324/7343/952.full.pdf\nhttp://bmj.co m/cgi/content/abstract/324/7343/952 Fuentealba, C. et al., 2011. Relationships between Admissions Requirements and Pre-clinical and Clinical Performance in a Distributed Veterinary Curriculum. Journal of Veterinary Medical Education, 38(1), pp.52 59. Available at: http://jvme.utpjournals.press/doi/10.3138/jvme.38.1.52. Georg, W., 2009. Individual and institutional factors in the tendency to drop out of higher education: a multilevel analysis using data from the Konstanz Student Survey. Studies in Higher Education, 34(December), pp.647 661 Goho, J. & Blackman, A., 2006. The effectiveness of academic admission interviews: an exploratory meta-analysis. Medical teacher, 28(4), pp.335 340. Hulsman, R.L. et al., 2007. Effectiveness of selection in medical school admissions: Evaluation of the outcomes among freshmen. Medical Education, 41(4), pp.369 377. Larsen, U. et. al., 2000. Frafald og Studiemiljø,. Studenterrådet ved Aarhus Universitet, 134 pp. Mikkelsen, K.B. & Petersen, F.A., 2006. Rekruttering til kvægpraksis. Dansk Veterinær Tidsskrift, 89(14), pp.6 9. Mørcke, A.M. et al., 2012. Udvalgte årsager kan forklare frafald blandt medicinstuderende. Ugeskrift for Læger, 174(38), p.22-33. 38

O Neill, L.D. et al., 2011a. Factors associated with dropout in medical education: a literature review. Medical Education, 45(5), pp.440 454. Available at: http://doi.wiley.com/10.1111/j.1365-2923.2010.03898.x. O Neill, L. et al., 2011b. Medical school dropout - testing at admission versus selection by highest grades as predictors. Medical Education, 45(11), pp.1111 1120. Available at: http://doi.wiley.com/10.1111/j.1365-2923.2011.04057.x. O Neill, L.D., Vonsild, M.C. & Wallstedt, B., 2013. Kvote 2-optagelse og akademiske præstationer : Hvor stor betydning har det adgangsgivende eksamenssnit? Dansk Universitetspædagogisk Tidsskrift, 8(14), pp.86 99. O Neill, L.D. et al., 2014. Program specific admission testing and dropout for sports science students : a prospective cohort study. Dansk Universitetspædagogisk Tidsskrift, 17, pp.55 70. Roush, J.K. et al., 2014. Correlation of pre-veterinary admissions criteria, intra-professional curriculum measures, AVMA-COE professional competency scores, and the NAVLE. Journal of veterinary medical education, 41(1), pp.19 26. Available at: http://www.ncbi.nlm.nih.gov/pubmed/24152428. Salvatori, P., 2001. Reliability and Validity of Admissions Tools Used to Select Students for the Health Professions. Advances in Health Sciences Education, 6(2), pp.159 175. SAU (Studenterrådet ved Aarhus Universitet). 2000). Frafald og studiemiljø. Aarhus: Studenterrådet ved Aarhus Universitet. Studiekontoret. SDU 2015. Optagelsesprøver i kvote 2 Multiple Choice test og Multiple Mini Interview. Tilgængelig via: http://www.sdu.dk/uddannelse/optagelse/bacheloruddannelser/kvote_2/optagelsesproever_mcq_mmi Stetto, J.E. et al., 2011. University of the Health Sciences Medical School. Military Medicine, 169(February 2004), pp.102 107. Studieordning 2015a. 2009-studieordning for bacheloruddannelsen i veterinærmedicin ved Det Sundhedsvidenskabelige Fakultet ved Københavns Universitet, Skolen for Veterinærmedicin og Husdyrvidenskab. Downloades fra: http://sund.ku.dk/uddannelse/vejledninginformation/studieordninger/veterinaermedicin/veterinaermedicinba2009-2015-15.05.20.pdf Studieordning 2015b. 2009-studieordning for kandidatuddannelsen i veterinærmedicin ved Det Sundhedsvidenskabelige Fakultet på Københavns Universitet, Skolen for Veterinærmedicin og Husdyrvidenskab. Downloades fra: http://sund.ku.dk/uddannelse/vejledninginformation/studieordninger/veterinaermedicin/veterinaermedicinka2009-2015-15.07.01.pdf Studier.ku.dk 2015. Optagelsesprocedure i kvote 2 på veterinærmedicin. Tilgængelig via: http://studier.ku.dk/bachelor/veterinaermedicin/adgangskrav-og-optagelse/kvote-2/ 39

Bilag 1. Variabelliste Variabelnavn Kode Label KVOTE 1 kvote 1 ALDER aldersqr aldercub 2 kvote 2 alder v. optagelse på BA Alder kvadreret alder kubisk Alder_minus18 Alder transformeret, så "alder=18" er referencegruppe Alder_minus18sqr Alder_minus18cub KON 0 Kvinder 1 mænd Nationalitet 1 Danmark 2 Sverige 3 Uden for DK og S Adg_eks 1 STX ADG_KAR 2 Andet el HHX 3 HTX 4 HF 5 Eksamen fra udlandet Adgangskaraktergennemsnit BA_MM Antal måneder, den studerende har været indskrevet pr.1.3.2015 BA_MM2 0 Indskrevet 36måneder (normeret) 1 Indskrevet >36måneder (overskredet normeret) BA_STATUS 1 Aktiv 2 Afbrudt af den studerende 3 Afbrudt af institutionen 4 Afbrudt ved studieskrift 5 Afsluttet 6 Ikke accepteret tilbudt plads 7 Ikke fremmødt 8 Manglende kvalifikationer BA_frafald 0 Afsluttet 1 Frafaldet (ba_status = 2,3 og 4) BA_DUMPERATIO Andel dumpede eksaminer BA_dumpeprocent Andel dumpede eksaminer angivet som procent BA_dumpep2 0 <4,99% 1 5 %

BA_RAMME BA karaktergennemsnit BA_RAMME2 0 >= 6,5 1 <6,5 BA_NEKS Antal gældende eksaminer, den studerende har. ba_stud BA_studieordning KA_MM Antal måneder, den studerende har været indskrevet pr.1.3.2015 KA_MM2 0 <=30MM 1 >30MM KA_STATUS 1 Aktiv KA_NEKS 2 Afbrudt af den studerende 3 Afbrudt af institutionen 4 Afbrudt ved studieskrift 5 Afsluttet 6 Ikke accepteret tilbudt plads 7 Ikke fremmødt 8 Manglende kvalifikationer Antal gældende eksaminer, den studerende har. KA_RAMME KA karaktergennemsnit KA_ramme2 0 >=7 1 <7 Ka_dumpeprocent Andel dumpede eksaminer angivet som procent KA_dumpep2 0 <4,99% 1 5 % KA_STUD BA_studieordning KA_indskrevet_filter 0 Ikke indskrevet på KA 1 Indskrevet på KA 41

Bilag 2. Startmodel til logistisk regression på BA karaktergennemsnit Tabel 1 Personer i analysen Case Processing Summary Unweighted Cases a N Percent Selected Cases Included in Analysis 1298 79,3 Missing Cases 339 20,7 Total 1637 100,0 Unselected Cases 0,0 Total 1637 100,0 a. If weight is in effect, see classification table for the total number of cases. Tabel 2 antal personer fordelt på variable Categorical Variables Codings Parameter coding Frequency (1) (2) (3) ba_stud SVEBU20131S 330 1,000,000,000 SVEBU0001S 361,000 1,000,000 SVEBUVE01S 145,000,000 1,000 SVEBUVE2S 462,000,000,000 Adg_eks Eksamen fra udlandet 218 1,000,000,000 HTX 112,000 1,000,000 HF 103,000,000 1,000 STX 865,000,000,000 Kvote Kvote 1 715,000 Kvote 2 583 1,000 Køn Kvinder 1130,000 Mænd 168 1,000 Tabel 3 modellens prædiktion Classification Table a Predicted Observed BA_RAMME22,00 1,00 Percentage Correct Step 1 BA_RAMME22,00 413 249 62,4 1,00 201 435 68,4 Overall Percentage 65,3 a. The cut value is,500 42

Tabel 4 resultatet af den fulde model Variables in the Equation 95% C.I.for EXP(B) B S.E. Wald df Sig. Exp(B) Lower Upper Step Alder_minus18,189,074 6,457 1,011 1,208 1,044 1,398 1 a Alder_minus18sqr -,014,005 7,538 1,006,986,976,996 KON(1),003,186,000 1,988 1,003,697 1,442 ADG_KAR,593,105 31,916 1,000 1,809 1,473 2,223 Adg_eks 53,940 3,000 Adg_eks(1) -,034,170,040 1,842,967,692 1,349 Adg_eks(2) -,860,228 14,273 1,000,423,271,661 Adg_eks(3) -2,025,303 44,703 1,000,132,073,239 KVOTE(1) 1,364 1,367,996 1,318 3,912,268 57,022 ADG_KAR KVOTE(1) by -,150,140 1,144 1,285,860,653 1,133 ba_stud 34,586 3,000 ba_stud(1) 1,240,236 27,705 1,000 3,455 2,177 5,481 ba_stud(2),395,188 4,430 1,035 1,485 1,028 2,145 ba_stud(3),566,213 7,031 1,008 1,760 1,159 2,674 BA_NEKS,060,016 13,499 1,000 1,062 1,028 1,096 Constant -7,446 1,211 37,809 1,000,001 a. Variable(s) entered on step 1: Alder_minus18, Alder_minus18sqr, KON, ADG_KAR, Adg_eks, KVOTE, ADG_KAR * KVOTE, ba_stud, BA_NEKS. Figur 1 Residualplot 43

Bilag 3. Startmodel til logistisk regression på KA karaktergennemsnit Tabel 1 Personer i analysen Case Processing Summary Unweighted Cases a N Percen t Selected Cases Included in 626 69.9 Analysis Missing Cases 269 30.1 Total 895 100.0 Unselected Cases 0.0 Total 895 100.0 a. If weight is in effect, see classification table for the total number of cases. Tabel 2 antal personer fordelt på variable Categorical Variables Codings Frequency Parameter coding (1) (2) SVEK20131S 234 1.000.000 KA_STUD SVEKUVE01S 307.000 1.000 SVEKUVE03S 85.000.000 nat Kvote BA_NORM22 BA_DUMPE22 Danmark 504.000 Sverige 122 1.000 Kvote 1 367.000 Kvote 2 259 1.000 Overskrevet norm (>1046dd) 226.000 Normeret tid (1046dd) 400 1.000 Dumpet en eller flere 392.000 eksaminer Aldrig dumpet 234 1.000 Kvinder 551.000 Køn Mænd 75 1.000 Tabel 3 modellens prædiktion 44

a. The cut value is,500 Tabel 4 resultatet af den fulde model Figur 1 residualplot 45

Bilag 4. Startmodel til logistisk regression på BA beståelsesprocent Tabel 1 Personer i analysen Tabel 3 antal personer fordelt på variable Tabel 3 modellens prædiktion 46

Tabel 4 resultatet af den fulde model Figur 1 residualplot 47

Bilag 5. Startmodel til logistisk regression på KA- beståelsesprocent Tabel 1 Personer i analysen Tabel 3 antal personer fordelt på variable Tabel 3 modellens prædiktion 48

Tabel 4 resultatet af den fulde model Figur 1 residualplot 49

Bilag 5. Startmodel til logistisk regression på BA- gennemførelsestid Tabel 1 Personer i analysen Case Processing Summary Unweighted Cases a N Percent Selected Cases Included in Analysis 735 85,5 Missing Cases 125 14,5 Total 860 100,0 Unselected Cases 0,0 Total 860 100,0 a. If weight is in effect, see classification table for the total number of cases. Tabel 2 antal personer fordelt på variable Categorical Variables Codings Frequency Parameter coding (1) (2) (3) (4) (5) BA Optagelsesår 2005 109,000,000,000,000,000 2006 125 1,000,000,000,000,000 2008 94,000 1,000,000,000,000 2009 132,000,000 1,000,000,000 2010 147,000,000,000 1,000,000 2011 128,000,000,000,000 1,000 Adg_eks Eksamen fra udlandet 165 1,000,000,000 HTX 43,000 1,000,000 HF 40,000,000 1,000 STX 487,000,000,000 Kvote Kvote 1 417,000 Kvote 2 318 1,000 Køn Kvinder 648,000 Mænd 87 1,000 Tabel 3 modellens prædiktion Classification Table a Predicted BA_NORM22 Observed Overskrevet norm (>1046dd) Normeret tid (1046dd) Percentage Correct Step 1 BA_NORM Overskrevet norm (>1046dd) 116 202 36,5 Normeret (1046dd) tid 72 345 82,7 Overall Percentage 62,7 a. The cut value is,500 50

Tabel 4 resultatet af den fulde model Variables in the Equation 95% C.I.for EXP(B) B S.E. Wald df Sig. Exp(B) Lower Upper Step 1 a Alder_minus18,141,098 2,072 1,150 1,152,950 1,396 Alder_minus18sqr -,015,007 4,229 1,040,985,971,999 KON(1),259,244 1,127 1,288 1,296,803 2,091 ADG_KAR,443,137 10,381 1,001 1,557 1,189 2,039 Adg_eks 5,530 3,137 Adg_eks(1),244,203 1,445 1,229 1,276,858 1,898 Adg_eks(2) -,428,332 1,661 1,197,652,340 1,250 Adg_eks(3) -,507,387 1,711 1,191,603,282 1,287 KVOTE(1) 2,497 1,782 1,963 1,161 12,151,369 399,721 ADG_KAR KVOTE(1) by -,256,188 1,848 1,174,774,535 1,120 BA_OPT_År 15,562 5,008 BA_OPT_År(1),494,275 3,229 1,072 1,639,956 2,810 BA_OPT_År(2),471,297 2,507 1,113 1,601,894 2,867 BA_OPT_År(3),364,279 1,704 1,192 1,440,833 2,488 BA_OPT_År(4),457,278 2,711 1,100 1,579,917 2,721 BA_OPT_År(5) -,337,292 1,328 1,249,714,403 1,266 Constant -4,533 1,411 10,316 1,001,011 a. Variable(s) entered on step 1: Alder_minus18, Alder_minus18sqr, KON, ADG_KAR, Adg_eks, KVOTE, ADG_KAR * KVOTE, BA_OPT_År. Figur 1 residualplot 51

Bilag 6. Startmodel til logistisk regression på KA- gennemførelsestid Tabel 1 Personer i analysen Case Processing Summary Unweighted Cases a N Percent Selected Cases Included in Analysis 301 57,0 Missing Cases 227 43,0 Total 528 100,0 Unselected Cases 0,0 Total 528 100,0 a. If weight is in effect, see classification table for the total number of cases. Tabel 2 antal personer fordelt på variable Categorical Variables Codings Parameter coding Frequency (1) (2) (3) KA årgang 2008,00 72,000,000,000 2009,00 103 1,000,000,000 2010,00 35,000 1,000,000 2011,00 91,000,000 1,000 norm +15dage ud af alle Afsluttet efter normeret tid 120,000 afsluttede ba Afsluttet til normeret tid + 181 1,000 15dage Nationalitet omkodet Danmark 216,000 Sverige 85 1,000 Køn Kvinder 271,000 Mænd 30 1,000 Kvote Kvote 1 195,000 BA_DUMPE2 Kvote 2 106 1,000 Dumpet en eller flere eksaminer 179,000 Aldrig dumpet 122 1,000 tabel 3 modellens prædiktion Step 1 Observed norm +15dage ud af alle afsluttede KA Classification Table a Afsluttet efter normeret tid Afsluttet til normeret tid + 15dage Predicted norm +15dage ud af alle afsluttede KA Afsluttet efter normeret tid Afsluttet til normeret tid + 15dage Percentage Correct 145 33 81,5 69 54 43,9 Overall Percentage 66,1 52

a. The cut value is,500 Tabel 4 resultatet af den fulde model Variables in the Equation 95% C.I.for EXP(B) B S.E. Wald df Sig. Exp(B) Lower Upper Step 1 a ADG_KAR -,150,491,094 1,759,860,329 2,253 Alder_minus18 -,249,147 2,861 1,091,780,584 1,040 Alder_minus18sqr,019,010 3,918 1,048 1,019 1,000 1,039 BA_DUMPE2(1) -,045,337,018 1,893,956,494 1,849 BA_NORM(1) -,405,314 1,659 1,198,667,361 1,235 BA_RAMME,007,097,005 1,946 1,007,833 1,217 KA_OPT_år 10,192 3,017 KA_OPT_år(1) -,778,336 5,363 1,021,459,238,887 KA_OPT_år(2) -,131,475,076 1,783,878,346 2,224 KA_OPT_år(3) -,988,370 7,124 1,008,372,180,769 KON(1),177,435,166 1,684 1,194,509 2,800 KVOTE(1),318 5,555,003 1,954 1,374,000 73556,633 NAT(1) 1,013,305 10,999 1,001 2,754 1,513 5,012 ADG_KAR KVOTE(1) by,022,593,001 1,971 1,022,320 3,266 Constant 1,848 4,740,152 1,697 6,349 a. Variable(s) entered on step 1: ADG_KAR, Alder_minus18, Alder_minus18sqr, BA_DUMPE2, BA_NORM, BA_RAMME, KA_OPT_år, KON, KVOTE, NAT, ADG_KAR * KVOTE. Figur 1 residualplot 53

Bilag 7. R- Studio dataudskrifter til COX- regression på BA- frafald År 1 Call: coxph(formula = Surv(ind, ud, cens == 2) ~ alder + factor(kvote) + factor(nat) + factor(adg_eks) + factor(koen) + adg_kar + strata(calyear), data = compldata1) n= 1364, number of events= 24 coef exp(coef) se(coef) z Pr(> z ) alder -0.36846 0.69180 0.31940-1.154 0.2487 factor(kvote)2-1.34790 0.25979 0.66667-2.022 0.0432 * factor(nat)2-0.57379 0.56338 1.58139-0.363 0.7167 factor(nat)3 0.55268 1.73790 1.39171 0.397 0.6913 factor(adg_eks)3 0.46149 1.58643 0.67379 0.685 0.4934 factor(adg_eks)4 0.83979 2.31588 0.63668 1.319 0.1872 factor(adg_eks)5-0.57496 0.56273 1.37464-0.418 0.6758 factor(koen)1 0.42529 1.53004 0.56487 0.753 0.4515 adg_kar -0.07015 0.93225 0.19569-0.358 0.7200 --- Signif. codes: 0 *** 0.001 ** 0.01 * 0.05. 0.1 1 exp(coef) exp(-coef) lower.95 upper.95 alder 0.6918 1.4455 0.36992 1.2937 factor(kvote)2 0.2598 3.8493 0.07033 0.9596 factor(nat)2 0.5634 1.7750 0.02539 12.4994 factor(nat)3 1.7379 0.5754 0.11361 26.5859 factor(adg_eks)3 1.5864 0.6303 0.42354 5.9422 factor(adg_eks)4 2.3159 0.4318 0.66492 8.0661 factor(adg_eks)5 0.5627 1.7771 0.03804 8.3252 factor(koen)1 1.5300 0.6536 0.50569 4.6293 adg_kar 0.9323 1.0727 0.63528 1.3680 Concordance= 0.725 (se = 0.177 ) Rsquare= 0.012 (max possible= 0.155 ) Likelihood ratio test= 17.04 on 9 df, p=0.04812 Wald test = 14.41 on 9 df, p=0.1084 Score (logrank) test = 16.89 on 9 df, p=0.0504 > #Backwards elimination (LR test): 1st step > drop1(fit1,test="chisq") Single term deletions Model: Surv(ind, ud, cens == 2) ~ alder + factor(kvote) + factor(nat) + factor(adg_eks) + factor(koen) + adg_kar + strata(calyear) Df AIC LRT Pr(>Chi) <none> 230.66 alder 1 231.28 2.626 0.10512 factor(kvote) 1 232.91 4.255 0.03913 * factor(nat) 2 227.23 0.567 0.75331 factor(adg_eks) 3 227.10 2.444 0.48544 factor(koen) 1 229.18 0.520 0.47072 adg_kar 1 228.78 0.126 0.72247 strata(calyear) 0 343.89 113.227 54

År 2 > fit2<coxph(surv(ind,ud,cens==2)~alder+factor(kvote)+factor(nat)+factor(adg_eks)+factor(koen)+adg_kar+ba_ka r+factor(ba_dump_above)+strata(calyear),data=compldata2) > summary(fit2) Call: coxph(formula = Surv(ind, ud, cens == 2) ~ alder + factor(kvote) + factor(nat) + factor(adg_eks) + factor(koen) + adg_kar + ba_kar + factor(ba_dump_above) + strata(calyear), data = compldata2) n= 941, number of events= 26 coef exp(coef) se(coef) z Pr(> z ) alder -0.46674 0.62705 0.36761-1.270 0.2042 factor(kvote)2-1.67799 0.18675 0.76952-2.181 0.0292 * factor(nat)2-0.84421 0.42990 1.24618-0.677 0.4981 factor(adg_eks)3-0.56209 0.57001 0.80241-0.701 0.4836 factor(adg_eks)4-1.49989 0.22315 0.96395-1.556 0.1197 factor(adg_eks)5-0.16298 0.84961 1.07620-0.151 0.8796 factor(koen)1 1.04628 2.84705 0.47987 2.180 0.0292 * adg_kar 0.22035 1.24651 0.25397 0.868 0.3856 ba_kar -0.34687 0.70689 0.08374-4.142 3.44e-05 *** factor(ba_dump_above)1-0.33227 0.71730 0.47970-0.693 0.4885 --- Signif. codes: 0 *** 0.001 ** 0.01 * 0.05. 0.1 1 exp(coef) exp(-coef) lower.95 upper.95 alder 0.6270 1.5948 0.30506 1.2889 factor(kvote)2 0.1867 5.3548 0.04133 0.8439 factor(nat)2 0.4299 2.3261 0.03738 4.9444 factor(adg_eks)3 0.5700 1.7543 0.11827 2.7472 factor(adg_eks)4 0.2232 4.4812 0.03374 1.4761 factor(adg_eks)5 0.8496 1.1770 0.10308 7.0030 factor(koen)1 2.8471 0.3512 1.11155 7.2923 adg_kar 1.2465 0.8022 0.75773 2.0506 ba_kar 0.7069 1.4146 0.59990 0.8330 factor(ba_dump_above)1 0.7173 1.3941 0.28014 1.8366 Concordance= 0.817 (se = 0.161 ) Rsquare= 0.037 (max possible= 0.218 ) Likelihood ratio test= 35.43 on 10 df, p=0.0001055 Wald test = 33.43 on 10 df, p=0.0002307 Score (logrank) test = 35.14 on 10 df, p=0.0001183 > drop1(fit2,test="chisq") Single term deletions Model: Surv(ind, ud, cens == 2) ~ alder + factor(kvote) + factor(nat) + factor(adg_eks) + factor(koen) + adg_kar + ba_kar + factor(ba_dump_above) + strata(calyear) Df AIC LRT Pr(>Chi) <none> 215.55 alder 1 216.43 2.877 0.08983. factor(kvote) 1 218.73 5.178 0.02287 * factor(nat) 1 213.97 0.415 0.51952 factor(adg_eks) 3 212.58 3.031 0.38690 factor(koen) 1 217.51 3.961 0.04658 * adg_kar 1 214.32 0.768 0.38078 ba_kar 1 232.28 18.725 1.51e-05 *** factor(ba_dump_above) 1 214.03 0.480 0.48846 55

strata(calyear) 0 332.26 116.708 År 3 > fit3<coxph(surv(ind,ud,cens==2)~alder+factor(kvote)+factor(nat)+factor(koen)+adg_kar+ba_kar+factor(ba_dum p_above)+strata(calyear),data=compldata3) > summary(fit3) Call: coxph(formula = Surv(ind, ud, cens == 2) ~ alder + factor(kvote) + factor(nat) + factor(koen) + adg_kar + ba_kar + factor(ba_dump_above) + strata(calyear), data = compldata3) n= 763, number of events= 15 coef exp(coef) se(coef) z Pr(> z ) alder -3.09631 0.04522 1.35487-2.285 0.0223 * factor(kvote)2 0.05082 1.05213 1.07109 0.047 0.9622 factor(nat)2-1.58221 0.20552 1.40466-1.126 0.2600 factor(koen)1 0.04743 1.04857 0.93269 0.051 0.9594 adg_kar 0.03966 1.04045 0.35475 0.112 0.9110 ba_kar -0.74112 0.47658 0.12398-5.978 2.26e-09 *** factor(ba_dump_above)1-0.55414 0.57456 0.68276-0.812 0.4170 --- Signif. codes: 0 *** 0.001 ** 0.01 * 0.05. 0.1 1 exp(coef) exp(-coef) lower.95 upper.95 alder 0.04522 22.1163 0.003177 0.6435 factor(kvote)2 1.05213 0.9505 0.128931 8.5858 factor(nat)2 0.20552 4.8657 0.013098 3.2248 factor(koen)1 1.04857 0.9537 0.168535 6.5239 adg_kar 1.04045 0.9611 0.519112 2.0854 ba_kar 0.47658 2.0983 0.373772 0.6077 factor(ba_dump_above)1 0.57456 1.7404 0.150721 2.1903 Concordance= 0.944 (se = 0.194 ) Rsquare= 0.076 (max possible= 0.158 ) Likelihood ratio test= 60.55 on 7 df, p=1.172e-10 Wald test = 39.82 on 7 df, p=1.361e-06 Score (logrank) test = 80.28 on 7 df, p=1.21e-14 > drop1(fit3,test="chisq") Single term deletions Model: Surv(ind, ud, cens == 2) ~ alder + factor(kvote) + factor(nat) + factor(koen) + adg_kar + ba_kar + factor(ba_dump_above) + strata(calyear) Df AIC LRT Pr(>Chi) <none> 84.908 alder 1 87.188 4.280 0.03857 * factor(kvote) 1 82.910 0.002 0.96214 factor(nat) 1 84.235 1.327 0.24932 factor(koen) 1 82.910 0.003 0.95958 adg_kar 1 82.920 0.013 0.91083 ba_kar 1 134.813 51.905 5.824e-13 *** factor(ba_dump_above) 1 83.556 0.648 0.42071 strata(calyear) 0 153.362 68.454 56

År efter normeret tid kar+factor(ba_dump_above)+strata(calyear),data=compldata4) > summary(fit4) Call: coxph(formula = Surv(ind, ud, cens == 2) ~ alder + factor(kvote) + factor(koen) + adg_kar + ba_kar + factor(ba_dump_above) + strata(calyear), data = compldata4) n= 217, number of events= 19 coef exp(coef) se(coef) z Pr(> z ) alder -0.3354 0.7151 0.2224-1.508 0.131458 factor(kvote)2-0.1818 0.8338 0.9499-0.191 0.848224 factor(koen)1 0.7643 2.1476 0.8016 0.954 0.340314 adg_kar 0.2391 1.2701 0.3796 0.630 0.528805 ba_kar -0.5940 0.5521 0.1764-3.367 0.000759 *** factor(ba_dump_above)1-0.9603 0.3828 0.8242-1.165 0.243930 --- Signif. codes: 0 *** 0.001 ** 0.01 * 0.05. 0.1 1 exp(coef) exp(-coef) lower.95 upper.95 alder 0.7151 1.3985 0.46245 1.1056 factor(kvote)2 0.8338 1.1994 0.12957 5.3653 factor(koen)1 2.1476 0.4656 0.44632 10.3337 adg_kar 1.2701 0.7874 0.60358 2.6725 ba_kar 0.5521 1.8113 0.39071 0.7801 factor(ba_dump_above)1 0.3828 2.6125 0.07611 1.9251 Concordance= 0.774 (se = 0.232 ) Rsquare= 0.074 (max possible= 0.257 ) Likelihood ratio test= 16.7 on 6 df, p=0.01044 Wald test = 12.61 on 6 df, p=0.0497 Score (logrank) test = 14.94 on 6 df, p=0.02072 > drop1(fit4,test="chisq") Single term deletions Model: Surv(ind, ud, cens == 2) ~ alder + factor(kvote) + factor(koen) + adg_kar + ba_kar + factor(ba_dump_above) + strata(calyear) Df AIC LRT Pr(>Chi) <none> 59.819 alder 1 60.224 2.405 0.1210 factor(kvote) 1 57.856 0.036 0.8489 factor(koen) 1 58.674 0.855 0.3552 adg_kar 1 58.243 0.423 0.5152 ba_kar 1 73.096 15.277 9.285e-05 *** factor(ba_dump_above) 1 59.086 1.266 0.2605 strata(calyear) 0 124.750 64.931 57