REGISTERANALYSE TIL ARBEJDET MED EN NATIONAL NATURVIDENSKABSSTRATEGI

REGISTERANALYSE TIL ARBEJDET MED EN NATIONAL NATURVIDENSKABSSTRATEGI Rapport April 2017 AARHUS KØBENHAVN HAMBORG LONDON MALMØ NUUK OSLO SAIGON STAVANGER WIEN

INDHOLDSFORTEGNELSE 1. RESUMÉ 3 2. INDLEDNING 7 3. DANSKE ELEVER I ET KOMPARATIVT PERSPEKTIV 9 TIMSS 9 PISA 11 PIAAC 14 Forskelle på tværs af køn og socioøkonomisk status 15 Motivation, interesse og tiltro til egne evner 17 Anvendelse af og evner inden for IKT 20 4. ELEVERNES KOMPETENCER I STEM-FAG 21 De nationale test 21 Folkeskolens prøver og standpunktskarakterer 27 Karakterer på ungdomsuddannelser 34 5. TIMETAL OG KOMPETENCEDÆKNING I FOLKESKOLEN 38 Timetal i STEM-fag i folkeskolen 38 Kompetencedækning i folkeskolen 39 6. UDBUD AF OG SØGNING TIL ERHVERVSUDDANNELSER 44 Udbud af erhvervsuddannelser 44 Søgning til erhvervsuddannelser 44 Frafald og fuldførelse 46 Undervisere på erhvervsuddannelser 49 7. ELEVERNES UDDANNELSESVALG: STUDIERETNING, FAG, FAGNIVEAUER OG FRAFALD 50 Udbud af gymnasiale ungdomsuddannelser 50 Valg af studieretning, fag og fagniveauer 51 Betydningen af resultater i folkeskolen for elevernes valg på ungdomsuddannelser 58 Frafald og fuldførelse 61 2

1. RESUMÉ Danske elever klarer sig forholdsvis godt i internationale sammenligninger Danske børn, unge og voksne ligger ifølge flere internationale undersøgelser på eller lidt over gennemsnittet i forhold til sammenlignelige lande, når det gælder kompetencer inden for matematik, naturfag og it-kompetencer. Ifølge de internationale komparative studier: ligger danske elever i 4. klasse over det internationale gennemsnit i matematik og natur/teknologi (TIMSS) klarer de 15-16-årige danske elever sig bedre end elever fra de øvrige nordiske lande med undtagelse af Finland i matematik og naturvidenskab (PISA) ligger danske elevers it-kompetencer i toppen internationalt (ICILS) ligger de voksne danskeres regnefærdigheder forholdsvist højt i en international sammenligning (PIAAC). Stigende resultater og karakterer i STEM-fag siden 2010 Uanset om vi ser på internationale studier med sammenlignelige resultater over tid (fx PISA), de nationale test, folkeskolens prøver eller karakterer på gymnasiale uddannelser, er tendensen den samme, nemlig stigende resultater i STEM-fag siden 2010. Analyser af udviklingen over tid viser, at: hver eneste årgang har stort set opnået et bedre gennemsnitligt resultat end den foregående årgang i de nationale test i STEM-fag, siden de blev indført i 2010/2011 karaktergennemsnittet i STEM-fagene ved folkeskolens prøver i 9. klasse er steget støt de eneste seks år på de gymnasiale uddannelser har både års- og prøvekarakterer været stigende fra 2010 til 2016 i matematik og de øvrige STEM-fag. Danske elever er glade for naturvidenskab og it Danske elever er generelt glade for naturvidenskab og har en høj tiltro til egne evner inden for naturvidenskab. Ifølge den seneste PISA-undersøgelse angiver 64 % af de danske elever, at de er glade for at arbejde med emner inden for det naturfaglige område. Til gengæld er andelen af elever, der ønsker et job inden for det naturvidenskabelige område lavere i Danmark end i resten af Norden. Sammenlignet med resten af Norden og OECD mener de danske elever i mindre grad at naturvidenskabelige kompetencer forbedrer deres karrieremuligheder. Danske elever har ligeledes generelt en stor interesse for IKT og anvender internettet mere end jævnaldrende elever i andre OECD-lande. 3

Store kønsforskelle men det varierer lidt om piger eller drenge klarer sig bedst En lang række af de gennemførte registeranalyser viser betydelige forskelle mellem piger og drenges præstationer i STEM-fag. Hvorvidt piger eller drenge i gennemsnit klarer sig bedst varierer dog afhængigt af bl.a. fag, alderstrin, prøveform og bedømmelsesmetode. Vi ser bl.a. følgende kønsforskelle: I de nationale test klarer drenge sig i gennemsnit bedre end piger i fysik/kemi og geografi samt en anelse bedre i matematik. Omvendt klarer piger sig bedre end drenge i biologi. I den seneste PISA-undersøgelse opnår de 15-16-årige drenge i gennemsnit bedre resultater end de jævnaldrende piger i naturfag. I Norden er Danmark det eneste land, hvor der er flere piger repræsenteret blandt de laveste præsterende elever end drenge. Drenge og piger får i gennemsnit cirka lige høje prøvekarakterer ved folkeskolens prøver i 9. klasse i STEM-fag, men piger opnår i gennemsnit højere standpunktskarakterer end drenge. Drenge får højst karaktergennemsnit ved de skriftlige prøver i 9. klasse, mens piger får højst karaktergennemsnit ved de praktiske og mundtlige prøver. Piger klarer sig bedst i biologi og fysik/kemi, mens drenge klarer sig bedst i matematiske færdigheder. På de gymnasiale ungdomsuddannelser får både piger og drenge generelt højere årskarakterer end prøvekarakterer. Piger får højere årskarakterer i matematik på A-niveau end drenge og klarer sig bedre til mundtlige eksamener. Indvandrere, efterkommere og elever med svag socioøkonomisk baggrund opnår markant dårligere resultater i STEM-fag I alle STEM-fagene opnår elever med anden herkomst end dansk et markant lavere karaktergennemsnit end danske elever. Det gælder også både i de nationale test og på de gymnasiale uddannelser. Ved folkeskolens prøver opnår elever med anden herkomst end dansk dog ikke dårligere karakterer, når der tages højde for elevens faglige niveau i 6. klasse i de nationale test. Elevernes socioøkonomiske baggrund har ligeledes stor betydning for deres præstationer i STEM-fag. Elever med socioøkonomisk status over middel klarer sig signifikant dårligere end elever med socioøkonomisk status på middel eller over middel. Faktisk har socioøkonomisk baggrund større betydning for danske elevers kompetencer end elever i resten af Norden. Der er en signifikant positiv sammenhæng mellem elevernes præstationer i forskellige STEM-fag og på forskellige tidspunkter Der er en signifikant positiv sammenhæng mellem elevernes resultater i de nationale test i matematik i både 3. og 6. klasse og deres resultater i fysik/kemi, biologi og geografi i 8. klasse. Det samme gør sig gældende for sammenhængen mellem elevernes score i STEM-fag i de nationale test og deres karakterer i STEM-fagene ved folkeskolens prøver. 4

Stigende timetal i STEM-fag og øget kompetencedækning i folkeskolen Som følge af folkeskolereformen har danske elever generelt fået flere undervisningstimer. Dette gælder også flere STEM-fag, herunder matematik, natur/teknologi, geografi og biologi. Samtidig er kompetencedækningen steget for samtlige STEM-fag i folkeskolen fra 2012/13 til 2015/16. Kompetencedækningen er højest for fysik/kemi og matematik og lavest inden for natur/teknologi og geografi. Især i matematik ses en geografisk skævhed i kompetencedækningen med lavest kompetencedækning i de danske yderkommuner. Registeranalyserne viser, at bedre kompetencedækning giver lidt højere karakterer. Der er således en positiv og signifikant sammenhæng mellem kompetencedækning og karaktergennemsnittet i matematik, fysik/kemi og geografi. På ungdomsuddannelserne er der i modsætning til folkeskolen ikke opgørelser over kompetencedækningen i de forskellige fag. Flere vælger matematik på B-niveau, men færre vælger fysik, kemi og biologi på B-niveau Antallet af studenter på stx og htx har været stigende gennem adskillige år. Samtidig har andelen af studenter på stx og htx med en STEM-studieretning været nogenlunde stabil fra 2010 til 2016. Omvendt er søgningen til erhvervsuddannelserne faldet, dog med en stabil søgning til teknologi, byggeri og transport. Htx er den ungdomsuddannelse, som uddanner den største andel STEM-kandidater. 80 pct. af alle htx-studenter har i 2016 en STEM-studieretning, mens det samme gælder 32 pct. af alle stx-studenter. Da den gennemsnitlige afstand til den nærmeste uddannelsesinstitution er større for htx end for stx og hhx, kan det potentielt have betydning for, at færre vælger en STEM-studieretning end det ellers ville være tilfældet. Siden 2010 er der på de gymnasiale uddannelser kommet flere elever, der tager matematik på B-niveau, men færre med matematik på C-niveau. Det omvendte gør sig gældende for fysik, kemi og biologi, som en mindre andel af eleverne tager på B-niveau, mens en større andel tager fagene på C- niveau. Drenge samt elever med anden herkomst end dansk er alt andet lige mest tilbøjelige til at vælge en STEM-studieretning Registeranalyserne viser, at de dygtigste elever i STEM-fagene i folkeskolen er mest tilbøjelige til at vælge en STEM-studieretning på stx og htx. Drenge vælger i højere grad end piger (med samme resultater i STEM-fag i folkeskolen) en STEM-studieretning, og det gælder i endnu højere grad, hvis de har karakterer over middel i STEM-fagene. Indvandrere og efterkommere vælger alt andet lige oftere 5

en STEM-studieretning end elever med dansk baggrund med samme resultater i folkeskolen. Til gengæld tyder analyserne ikke på, at elevernes socioøkonomiske baggrund har nogen selvstændig betydning, når der tages højde for elevernes karakterer i STEM-fagene. Endelig viser PISA-undersøgelsen, at højt præsterende elever i Danmark i højere grad ønsker et job inden for det naturvidenskabelige område. Gode karakterer i STEM-fag i folkeskolen reducerer frafaldsrisikoen på ungdomsuddannelser Fuldførelsesprocenten i 2015 på stx ligger stabilt højt på 84 pct. Herefter følger hhx med 81 pct., htx med 75 pct. og endelig hf med 69 pct. Fuldførelsesprocenten på htx og hf har været faldende fra 2010 til 2015. Fuldførelsesprocenten for det erhvervsfaglige grundforløb inden for teknologi, byggeri og transport er på 69 pct. Analyserne viser, at matematikkarakterer under middel ved folkeskolens prøver øger risikoen for at falde fra en erhvervsuddannelse, mens karakterer over middel ikke har nogen betydning. Det samme gør sig gældende for elevernes karakterer i STEM-fagene ved folkeskolens prøver samlet set. På tværs af de gymnasiale uddannelser reducerer gode karakterer i STEM-fagene i folkeskolen risikoen for frafald. 6

2. INDLEDNING Der er de senere år blevet optaget flere studerende på en række forskellige videregående uddannelser inden for de naturvidenskabelige, tekniske og it-faglige områder, fx ingeniøruddannelserne og erhvervsakademi- og professionsbacheloruddannelser inden for det tekniske og det it-faglige område. 1 Også på erhvervsuddannelsernes grundforløb har der fra 2015 til 2016 været en mindre stigning på 3 procent i optaget inden for uddannelsesområdet teknologi, byggeri og transport. 2 Men til trods for det øgede optag, kommer der formentlig fortsat til at mangle bl.a. ingeniører, naturvidenskabelige kandidater og it-specialister på det danske arbejdsmarked i mange år frem. Det skyldes, at antallet af job i Danmark inden for STEM-fagområder dvs. Science, Technology, Engineering og Mathematics vil stige med 28 procent frem mod 2025, ifølge en fremskrivning baseret på data fra Cedefop (European Centre for the Development of Vocational Training). 3 Derfor vedtog forligskredsen bag aftalen om styrkede gymnasiale uddannelser at nedsætte en strategigruppe, som skal skabe en national strategi for naturfag og naturvidenskab. Formålet er ifølge kommissoriet: at styrke den naturvidenskabelige almendannelse, viden og interesse hos alle piger og drenge fra dagtilbud til ungdomsuddannelser [ ] med henblik på at flere unge, herunder også flere piger, vælger tekniske, naturvidenskabelige og it-uddannelser. Strategigruppen skal analysere og pege på udfordringer, muligheder, mål og udviklingsområder baseret på den bedst tilgængelige viden. Som en del af strategigruppens vidensgrundlag har Epinion gennemført denne registeranalyse for Styrelsen for Undervisning og Kvalitet i Undervisningsministeriet. Rapporten fokuserer på det såkaldte STEM-område; altså på danske elevers kompetencer, interesser og valg i relation til fag og uddannelser inden for det naturvidenskabelige, tekniske, ingeniørvidenskabelige og matematiske område samt i mindre grad inden for it-området. Registeranalysen undersøger på baggrund af registerdata samt komparative empiriske studier følgende: Hvordan klarer danske elever sig i STEM-fag sammenlignet med elever i andre lande? Først og fremmest med hensyn til elevernes kognitive STEM-kompetencer, men også deres nonkognitive kompetencer, dvs. deres motivation, interesse, tiltro til egne evner og anvendelse af STEM-kompetencer. Dette undersøges i kapitel 3. 1 Uddannelses- og Forskningsministeriet, Tal og fakta om søgning og optag på de videregående uddannelser 2016, 30. juli 2016. 2 Styrelsen for It og Læring, Tilgang til erhvervsuddannelsernes grundforløb sommeren 2016, september 2016. 3 Styrelsen for Undervisning og Kvalitet, Kommissorium for strategigruppe for en national naturvidenskabsstrategi, 26. september 2016. 7

Hvordan klarer danske elever sig i STEM-fag i de nationale test, ved folkeskolens prøver og på ved eksamen på ungdomsuddannelser? I kapitel 4 ser vi bl.a. på udviklingen over tid, forskelle mellem prøveformer, køn og socioøkonomisk baggrund samt hvad der har betydning for elevernes præstationer. Hvordan har timetallet og kompetencedækningen i STEM-fag udviklet sig i folkeskolen? Dette undersøges i kapitel 5. Hvordan er udbuddet af tekniske erhvervsuddannelser, søgningen til dem og frafaldet fra dem? Hvilke uddannelsesbaggrunde har undervisere på erhvervsuddannelserne? Dette undersøges i kapitel 6. Hvordan er udbuddet af gymnasiale ungdomsuddannelser? Hvem vælger naturvidenskabelige studieretninger og fag? Hvilken betydning har elevernes resultater i folkeskolen for deres valg af ungdomsuddannelse? Og hvordan er frafaldet fra de vælger naturvidenskabelige studieretninger? Alle disse spørgsmål undersøges i kapitel 7. 8

3. DANSKE ELEVER I ET KOMPARATIVT PERSPEKTIV Danske børn, unge og voksne ligger ifølge flere internationale undersøgelser på eller lidt over gennemsnittet i forhold til sammenlignelige lande, når det gælder kompetencer inden for matematik, naturfag og brug af it. Dette kapitel tager udgangspunkt i tre relevante internationale undersøgelser (TIMSS, PISA og PIAAC), som klarlægger danske børn, unge og voksnes STEM-færdigheder i et komparativt perspektiv. TIMSS TIMSS 4 er en undersøgelse af danske 4. klasseelevers kompetencer inden for matematik og naturfag. I TIMSS testes, i modsætning til blandt andet PISA-undersøgelserne, hele skoleklasser, hvor der måles på specifikke fagkompetencer. Relevante resultater fra TIMSS præsenteres for at klarlægge, hvordan danske børn klarer sig i et komparativt perspektiv. De danske 4. klasseelever præsterer bedre i matematik og natur/teknologi end den internationale referencescore I den nyligt offentliggjorte TIMSS 2015 5 præsterer de danske elever i 4. klasse signifikant bedre end den internationale referencescore på 500. De danske elever har en gennemsnitsscore på 539 i matematik og 527 i natur/teknologi. I både matematik og natur/teknologi gik de danske elever væsentligt frem fra 2007 til 2011, mens resultaterne i 2015 er på linje med resultaterne i 2011. Kun 10 lande ud af 49 præsterer bedre end de danske elever i matematik, mens dette gælder 17 ud af 49 lande inden for natur/teknologi området jf. Tabel 1. 4 TIMSS (Trends in International Mathematics and Science Study) undersøger kompetencer i matematik og naturfag (i Danmark natur/teknologi). TIMSS gennemføres i Danmark af Danmarks Institut for Pædagogik og Uddannelse (DPU) ved Aarhus Universitet. 5 Allerup, Peter et al. (2016), TIMSS 2015 - En undersøgelse af 4.-klasseelevers færdigheder i matematik og natur/teknologi - Sammenfatning, Aarhus Universitet. 9

Tabel 1: Gennemsnitlig matematikscore (venstre) og Natur/teknologi score (højre) for de deltagende lande Land Matematik (gns.) Land Natur/teknologi (gns.) Singapore 618 (3,8) Singapore 590 (3,7) Hong Kong SAR 615 (2,9) Korea 589 (2,0) Korea 608 (2,2) Japan 569 (1,8) Kinesisk Taipei 597 (1,9) Rusland 567 (3,2) Japan 593 (2,0) Hong Kong SAR 557 (2,9) Nordirland 570 (2,9) Kinesisk Taipei 555 (1,8) Rusland 564 (3,4) Finland 554 (2,3) Norge (5) 549 (2,5) Kasakhstan 550 (4,4) Irland 547 (2,1) Polen 547 (2,4) England 546 (2,8) USA 546 (2,2) Belgien (Flamsk) 546 (2,1) Slovenien 543 (2,4) Kasakhstan 544 (4,5) Ungarn 542 (3,3) Portugal 541 (2,2) Sverige 540 (3,6) USA 539 (2,3) Norge (5) 538 (2,6) Danmark 539 (2,7) England 536 (2,4) Litauen 535 (2,5) Bulgarien 536 (5,9) Finland 535 (2,0) Tjekkiet 534 (2,4) Polen 535 (2,1) Kroatien 533 (2,1) Holland 530 (1,7) Irland 529 (2,4) Ungarn 529 (3,2) Tyskland 528 (2,4) Tjekkiet 528 (2,2) Litauen 528 (2,5) Bulgarien 524 (5,3) Danmark 527 (2,1) Cypern 523 (2,7) Canada 525 (2,6) Tyskland 522 (2,0) Serbien 525 (3,7) Slovenien 520 (1,9) Australien 524 (2,9) Sverige 519 (2,8) Slovakiet 520 (2,6) Serbien 518 (3,5) Nordirland 520 (2,2) Australien 517 (3,1) Spanien 518 (2,6) Canada 511 (2,3) Holland 517 (2,7) Italien 507 (2,6) Italien 516 (2,6) Spanien 505 (2,5) Belgien (Flamsk) 512 (2,3) Kroatien 502 (1,8) Portugal 508 (2,2) New Zealand 506 (2,7) TIMSS referencescore 500 TIMSS referencescore 500 Kilde: TIMSS 2015 Note. Af tabellen fremgår kun lande over TIMSS referencescore. Tal i parentes angiver den statistiske usikkerhed forbundet med scoren. Flere danske elever ligger inden for det højeste kompetenceniveau i matematik I TIMSS inddeles eleverne i fire kompetenceniveauer. I 2015 ligger 12 % af de danske 4. klasseelever på det højeste kompetenceniveau i matematik imod et internationalt gennemsnit på 6 %. I 2007 lå 7 % af de danske 4. klasseelever på det højeste kompetenceniveau inden for matematik, hvorved der er tale om en stigning på 5 procentpoint. I natur/teknologi ligger 7 % af de danske elever i 2015 på det 10

højeste kompetenceniveau, hvilket er det samme som det internationale gennemsnit. Siden 2007 er der ikke er sket en udvikling i scoren inden for natur/teknologi-området. Danske 4. klasseelever ligger endvidere over det internationale gennemsnit på alle delområder inden for matematik og natur/teknologi. I Tabel 2 fremgår disse færdigheder som gennemsnitlige scorer for både matematik og natur/teknologi. Tabel 2: Danske elevers færdigheder inden for matematik og natur/teknologi Matematik Natur/teknologi Kilde: TIMMS 2015 2007 2011 2015 Matematik total 523 537 539 Fagligt Tal 509 534 536 Geometri 544 547 555 Datapræsentation 529 531 526 Kognitivt Kendskab 528 531 536 Anvendelse 513 539 538 Ræsonnering 525 542 548 Natur/teknologi total 517 528 527 Fagligt Biovidenskab 527 529 534 Naturvidenskab 502 525 516 Geovidenskab 522 525 530 Kognitivt Kendskab 515 524 524 Anvendelse 516 531 529 Ræsonnering 525 526 526 Som det fremgår af ovenstående Tabel 2, skiller danske elever sig særlig positivt ud i matematik inden for geometri og ræsonnering, mens de inden for natur/teknologi især er dygtige til biovidenskab og geovidenskab. Modsat opnår de den laveste score inden for naturvidenskab. PISA PISA 6 -undersøgelserne har til formål at teste danske 15-16-årige elevers brug af deres faglige kunnen i det virkelige liv i et komparativt perspektiv. Første PISA-undersøgelse kom i 2000 og sidenhen hvert tredje år, hvor elever testes i læsning, matematik og naturfag. I PISA 2015 har fokus specielt været på det naturfaglige område, hvorfor resultaterne har særlig stor interesse for nærværende analyse. Resultaterne fra 2015 siger således noget om, hvordan danske unge klarer sig internationalt i STEMfagene. Danske unge ligger for første gang over de øvrige nordiske lande inden for naturfag i PISA De danske 15-16-årige elevers (i 9. klasse) score i naturfag er signifikant over OECD-niveau. I naturfag er de danske elevers gennemsnitlige score stort set på samme niveau i 2006, 2009 og 2012, men i PISA 6 Programme for International Student Assessment 11

2015 7 ligger de danske elever for første gang over de øvrige nordiske lande med en gennemsnitlig score på 502. Dette er med undtagelse af Finland, som har en score på 531. Figur 1: Elevers gennemsnitlige score i forhold til naturfagskompetencer 2006 til 2015 i de nordiske lande 580 560 540 520 500 480 460 440 420 PISA 2006 PISA 2009 PISA 2012 PISA 2015 Kilde: PISA 2015 Danmark Finland Island Norge Sverige OECD gns. Danske elevers kompetencer er på niveau med de andre nordiske lande PISA-undersøgelserne behandler også elevers kompetenceniveau, hvor 7 % af de danske elever i PISA 2015 kan karakteriseres som højt præsterende (niveau 5 og 6), mens 15,9 % af eleverne i kan beskrives som lavt præsterende (niveau 1-3). Dette er illustreret i figur 2, hvor de danske elevers præstationsniveauer fremgår. Figur 2: Danske elever fordel på præstationsniveau i procent (2015) 25,9% 31,1% 20,2% 12,5% 0,3% 3,0% 6,1% 0,9% 5 6 Under Niveau 1 Niveau 1b Niveau 1a Niveau 2 Niveau 3 Niveau 4 Niveau Niveau Kilde: PISA 2015 Fordelingen er på niveau med de andre nordiske lande og OECD-gennemsnittet (med undtagelse af Finland). For samtlige af de nordiske lande er der flere drenge end piger, der kan karakteriseres som 7 Danmarks Statistik, KORA, AU og SFI, 2015, PISA 2015 Danske unge i en international sammenligning. 12

højt præsterende, mens Danmark er det eneste nordiske land, som har en større andel lavt præsterende piger end drenge. Denne forskel er dog mindsket siden 2006. Danske elever scorer højere på færdigheder inden for naturvidenskab end de andre nordiske lande I PISA 2015 opgøres de danske elevers færdigheder inden for det naturfaglige område endvidere i forhold til tre delkomponenter; at forklare naturfaglige fænomener, at vurdere og designe naturvidenskabelige undersøgelser samt at tolke naturvidenskabelige data og kendsgerninger. Blandt de danske elever findes der ikke signifikante forskelle mellem den gennemsnitlige score på de tre delkomponenter, men de danske elever scorer højere end eleverne i de andre nordiske lande med undtagelse af Finland jf. figur 3. Figur 3: Elevers score på delkomponenter i 2015 de nordiske lande 540 520 500 480 460 440 420 Danmark Finland Island Norge Sverige OECD gns. Forklare naturfaglige fænomener Vurdere og designe naturvidenskabelige undersøgelser Tolke naturvidenskabelige data og kendsgerninger Kilde: PISA 2015 Sammenlignet med OECD-gennemsnittet ligger de danske elever højere i forhold til alle tre delkomponenter, hvorved de danske elever har gode kompetencer inden for det naturfaglige område også når disse brydes op på enkeltelementer. Flere danske elever præsterer bedre i matematik end de andre nordiske lande Der er sket et gradvist fald i de danske elevers matematikpræstationer i PISA-undersøgelserne fra 2003 til 2012. Dette gradvise fald ses også i alle de andre nordiske lande. I PISA måles de danske elevers matematikfærdigheder ud fra en samlet score. Den gennemsnitlige matematikscore for de danske elever i PISA 2015 er 511 point, hvilket er over OECD-gennemsnittet. Danske elever scorer ligeledes højere i matematik end resten af Norden med undtagelse af Finland. I PISA 2015 opgøres elevernes matematikfærdigheder inden for 6 kompetenceniveauer, jf. Tabel 3. 13

Tabel 3: Matematikniveauer for Norden samt OECD i PISA 2015 Under niv. 1 Niv. 1 Under niv. 2 Niv. 2 Niv. 3 Niv. 4 Niv. 5 Niv. 6 Niv. 5+niv. 6 2003 4,7 10,7 15,4 20,6 26,2 21,9 11,8 4,1 15,9 2006 3,6 10 13,6 21,4 29,8 22,5 10,9 2,8 13,7 2009 4,9 12,1 17,1 23 27,4 21 9,1 2,5 11,6 2012 4,4 12,5 16,8 24,4 29 19,8 8,3 1,7 10 2015 3,1 10,5 13,6 21,9 29,5 23,4 9,8 1,9 11,7 OECD 2015 gns. 8,5 14,9 23,4 22,5 24,8 18,6 8,4 2,3 10,7 Kilde: PISA 2015 Andelen af lavt præsterende danske elever inden for matematik er blevet mindre siden 2009, mens andelen af højt præsterende elever er blevet større. Sammenholdt med 2009 er der således sket en forskydning af elever fra lavere niveauer til højere niveauer, således en større andel af de danske elever præsterer bedre i matematik. Andelen af danske elever, som præsterer på de laveste niveauer er under OECD-gennemsnittet, mens andelen af højt præsterende elever er over OECD-gennemsnittet. Danske elever klarer sig derfor generelt bedre end OECD-gennemsnittet i matematik. PIAAC PIAAC 8 giver et indblik i 16-65-årige danskeres regne- og it-færdigheder i arbejdet og i fritiden. Undersøgelsen blev første gang foretaget i 2008-2013 og foretages i 24 lande. PIAAC-undersøgelsen fra 2013 9 viser, at de voksne danskeres regnefærdigheder ligger over gennemsnittet i de 22 lande, der indgår i rapporten. 15 % af de voksne danskere har dog mindre gode regnefærdigheder svarende til 531.000 personer. Dette indebærer, at de fx har svært ved at løse simple regneopgaver som at tælle, udpege ens figurer eller lægge hele tal sammen. Godt 7 ud 10 danskere har regnefærdigheder på et rimeligt eller godt niveau, men næsten 17 % har meget høje regnekompetencer. I forhold til færdigheder i problemløsning med it ligger danskernes resultater på gennemsnittet for de 22 lande. 28 % af danskerne er mindre gode til at anvende en computer til at løse hverdagsopgaver svarende til lidt over 1 million danskere. 65 % har gode it-kompetencer, mens 6 % har meget høje itkompetencer. I et internationalt perspektiv er Danmark placeret i et stort midterfelt i forhold til kompetencer inden for it. PIACC viser endvidere, at danskerne i høj grad benytter it i deres job og fritid, mens de fleste ligeledes angiver, at de har tilstrækkelige it-kompetencer. 8 PIAAC er en forkortelse for Programme for the International Assesment of Adult Competencies. I Danmark har PIAAC fået navnet Danskernes Kompetencer. 9 SFI Det Nationale Forskningscenter for Velfærd, 2013, Færdigheder i læsning, regning og problemløsning med it i Danmark. 14

FORSKELLE PÅ TVÆRS AF KØN OG SOCIOØKONOMISK STATUS Ovenfor har vi set nærmere på danske elevers STEM-kompetencer i et komparativt perspektiv. I dette afsnit vil vi se nærmere på, hvilke forhold der har betydning herfor i form af køn og socioøkonomiske forhold. Siden den første PISA-test i 2000 har Danmark været blandt de lande med den største forskel mellem drenge og pigers resultater, herunder bl.a. det land i Norden med de største kønsforskelle. Resultaterne har overordnet set været til drengenes fordel. Køn har betydning for elevers resultater inden for matematik og naturfag De seneste årtier har der været stort fokus på det, som bredt i forskningslitteraturen betegnes som the gender achievement gap. Et særligt fokus for denne litteratur har været ulighed i resultater og uddannelsesvalg inden for STEM-områderne mellem piger og drenge. For samtidig med den generelle tendens i mange vestlige lande gennem de seneste år, hvor piger opnår bedre faglige resultater end drenge, ligesom kvinder er overrepræsenterede på de videregående uddannelser, forholder det sig imidlertid omvendt inden for matematik og naturfag. I TIMSS 2015 opnår de danske drenge i 4. klasse signifikant bedre resultater end pigerne i matematik, mens forskellen mellem kønnene i natur/teknologi ikke er signifikant. I PISA 2012 klarer de 15-16-årige drenge sig markant bedre end pigerne i både matematik og naturfag. I PISA 2015 scorer danske drenge højere i forhold til naturfagskompetencer sammenlignet med piger, men forskellen er dog den mindste siden år 2000. Danmark er dog stadig det land i Norden, der har de største kønsforskelle. Flere undersøgelser viser imidlertid, at forskelle mellem kvinder og mænds valg af STEM-fag ikke alene kan forklares af forskelle i præstationer. Fx viser Mann, Legewie og Dipretes analyse af PISA 2006, at piger uanset deres kognitive færdigheder i STEM-fag i mindre grad end drenge forventer at blive beskæftiget inden for et STEM-område i fremtiden. En undersøgelse udarbejdet af DAMVAD Analytics for Nordisk Ministerråd for Ligestilling viser, at kvinder er underrepræsenterede inden for alle fagretninger inden for STEM på nær Life Sciences, hvilket bl.a. kan skyldes, at piger generelt udviser ringere tiltro til egne evner i de typiske drengefag. 10 Der er flere højtpræsterende drenge end piger i Danmark I Danmark er andelen af højtpræsterende piger 3 procentpoint lavere end andelen af drenge. Der er således flere højt præsterende drenge end piger i Danmark. I Norden er Danmark det eneste land, hvor der er flere piger repræsenteret blandt de laveste præsterende elever end drenge (under niveau 2 jf. figur 4). 10 DAMVAD Analytics, 2016, Piger i Science, Technology, Engineering and Mathematics (STEM) 15

Figur 4: Kønsforskelle på præstationsniveau Kilde: PISA 2015. Note: Figuren er sorteret efter piger og drenge i Norden på forskellige præstationsniveauer efter, hvor mange der er på eller over niveau 2. Andelen af piger i den lavt præsterende gruppe er faldet fra 2006 til 2015, hvorfor forskellen mellem drenge og piger i denne gruppe ikke er signifikant. Socioøkonomisk baggrund har større betydning for danske elevers kompetencer end elever i resten af Norden Komparative undersøgelser viser, at elevernes socioøkonomiske baggrund har større betydning for deres kompetencer i Danmark end i de lande, som vi normalt sammenligner os med. For eksempel konkluderer forfatterne bag TIMSS 2015, at Den negative sociale arv er stærk i Danmark og har været det i alle TIMSS-undersøgelserne. 16

Dette falder helt i tråd med konklusionerne i PISA 2012 om, at elevernes socioøkonomiske baggrund har noget større betydning i Danmark sammenholdt med de andre nordiske lande. TIMSS 2015 viser i forlængelser heraf, at ét-sprogede elever generelt opnår højere score i både matematik og natur/teknologi end to-sprogede elever. I PISA 2015 konkluderes det endvidere, at danske elever fra ressourcestærke familier klarer sig markant bedre end elever fra mere ressourcesvage familier. PISA 2015 viser, at 10,4 % af variationen i danske elevers naturfaglige færdigheder kan forklares af deres socioøkonomisk baggrund. Dette er lidt under OECD-gennemsnittet på 12,9 %, men over niveauet i Norden. International forskning viser endvidere, at elevers socioøkonomiske baggrund har større betydning for resultater i sprogfag end i matematik og naturvidenskab 11. MOTIVATION, INTERESSE OG TILTRO TIL EGNE EVNER I dette afsnit diskuterer vi de danske elevers motivation, interesse og tiltro til egne evner i forhold til STEM-fag såkaldte non-kognitive kompetencer. Danske elever har lav interesse for at få job inden for det naturvidenskabelige område I PISA 2015 angiver 52 % af de danske elever et specifikt område, som de gerne vil arbejde inden for, når de bliver 30 år, mens dette gælder 81 % for alle OECD-lande under et. Det vil sige, at godt halvdelen af eleverne ikke ved, hvad de gerne vil arbejde med, når de fylder 30 år. Sammenlignet med resten af Norden angiver danske elever det mindste ønske om at have job inden for det naturvidenskabelige område (15 %), jf. figur 5 nedenfor. Det lave niveau skyldes dels en lav interesse for det naturvidenskabelige område og dels at ca. halvdelen af eleverne, jf. ovenstående, ikke ved, hvad de gerne vil arbejde med, når de fylder 30 år. 11 Nordli Hansen, Marianne og Patrick Lie Andersen (2012): Class and cultural capital the case of class inequality in educational performance, European Sociological Review, 28, 607-621. 17

Figur 5: Andelen af elever, som forventer at arbejde med et job med et indhold af naturvidenskab som 30-årig 35 30 25 20 15 10 5 0 Danmark Finland Sverige Island OECD gns. Norge Tekniker i relation til naturvidenskab Arbejde med informations- og kommunikationsteknologi Arbejde i sundhedssektoren Arbejde som ingeniør eller med naturvidenskab Kilde: PISA 2015 Note: Lande er sorteret efter andelen af elever, som forventer, at de som 30-årige har et job, som indeholder elementer af naturvidenskab. Sammenlignet med 2006 ønsker en mindre andel af de danske elever endvidere et job, som er relateret til det naturvidenskabelige område, hvilket er omvendt udvikling af de øvrige nordiske lande, hvor der ses en fremgang i andelen. De danske elever har dermed ikke en særlig interesse inden for STEMfag. Forklaringerne herpå kan være mange. PISA-rapporten peger på det faktum, at den danske folkeskole er en enhedsskole (ikke opdelt i spor) 12. PISA-undersøgelsen viser endvidere, at højt præsterende elever i Danmark i højere grad ønsker et job inden for det naturvidenskabelige område. Danske elever er generelt glade for naturvidenskab I PISA 2015 måles elevers glæde og indre motivation for at lære naturfaglige fag. 64 % af de danske elever angiver, at de er glade for at arbejde med emner inden for det naturfaglige områder. Dette omhandler specielt emner som universet og forebyggelse af sygdomme, hvor 72 % af eleverne angiver disse som interessante eller meget interessante. I TIMMS 2015 angiver 80 % af de danske 4. klasseelever, at de er enige i, at de godt kan lide matematik, mens 82 % af eleverne er enige i, at de godt kan lide natur/teknologiområdet. Elevers instrumentelle motivation opgøres ligeledes i PISA 2015. Den måles som deres opfattelse af, om naturvidenskabelige kompetencer er nyttige i et fremtidsperspektiv. To-tredjedele af OECD-eleverne mener, at de ved at opnå naturvidenskabelige kompetencer forbedrer deres karrieremuligheder. De danske elever mener til sammenligning med elever i Norden og OECD i mindre grad, at naturvidenskabelige kompetencer forbedrer deres karrieremuligheder, hvilket ikke er ændret siden 12 PISA 2015, side 86. 18

2006. En markant lavere andel af eleverne svarer i 2015 sammenlignet med 2006, at en større indsats i fysisk/kemi og biologi vil gavne deres jobmuligheder. Danske elever har en generel stor interesse for naturfaglige emner Tal fra PISA 2015 viser, at danske elever er mere interesserede i naturfaglige emner sammenlignet med OECD-gennemsnittet. Generelt angiver de danske elever en større interesse for disse emner sammenlignet med Norge og Sverige samt specielt Finland. Fra 2006 til 2015 ses en markant stigning i andelen af danske elever, som svarer positivt på spørgsmålet omhandlende glæden ved at arbejde med emner inden for naturvidenskab. Det fremgår yderligere af PISA 2015, at danske drenge er en smule mere positive over for naturfaglige emner end piger. Dette vedrører specielt fysik og kemi, hvilket går på tværs af de fleste lande. Drenge klarer sig endvidere bedre i fysik og kemi end piger. Piger har modsat en tendens til at været mest interesseret i sundhedsfaglige områder. Det er generelt kun en mindre andel af eleverne i Norden, som deltager i naturfaglige fritidsaktiviteter. Drenge deltagere i højere grad end piger i disse aktiviteter, hvilket er en generel tendens for OECD-elever. Drenge søger desuden mere information om naturfaglige emner, hvilket kan gavne deres forståelse inden for området og fremme deres viden i timerne. 80 % af de danske elever erklærer sig enige i gyldigheden af naturvidenskabelige eksperimenter som grundlag for sikker viden i PISA 2015. Dette gælder ligeledes for resten af Norden, mens OECD-gennemsnittet er lidt lavere. Mellem danske drenge og piger er der en mindre forskel i overbevisningen, hvilket ligeledes gør sig gældende for de øvrige OECD-lande. Piger har således en større tiltro til naturvidenskabelige arbejdsmetoder end drenge. Danske elever har en høj tiltro til egne evner inden for naturvidenskab I PISA 2015 er elevers self-efficacy anvendt til at beskrive deres tiltro til, om de kan lykkes med en naturvidenskabelig udfordring eller opgave. Dette begreb undersøges, idet tiltro til egne evner kan sikre handlekraft ved eleverne (Bandura, 2001). PISA 2015 understreger, at der blandt danske elever overordnet er en større andel, som har tiltro til egne naturvidenskabelige evner sammenlignet med OECD-gennemsnittet, hvorved danske elever har høj selvtillid i forhold til at løse naturfaglige opgaver. Danske drenge har generelt en højere tiltro til egne naturvidenskabelige evner end piger. Teoretisk har tiltro til egne naturvidenskabelige evner positiv effekt på præstationer inden for det naturvidenskabelige område, hvilket resultater fra PISA 2015 underbygger. Blandt de danske elever findes der således en positiv sammenhæng mellem indekset for tiltro til egne evner og naturfagsscoren. I TIMMS 2015 måles elevernes selvtillid inden for matematik og natur/teknologi ligeledes, hvor 34 % af eleverne har en høj grad af selvtillid i matematik (30 % i 2011), mens andelen er 17 % inden for natur/teknologiområdet (17 % i 2011). For begge fag gælder det desuden, at flere drenge end piger har en høj grad af selvtillid. Dette har stor betydning, da undersøgelsen samtidig dokumenterer, at der er en sammenhæng mellem høj selvtillid og gode præstationer. 19

ANVENDELSE AF OG EVNER INDEN FOR IKT Informations- og kommunikationsteknologi (IKT) har vundet større og større indtog i danske elevers hverdag både i skolen og i hjemmet. Følgende afsnit behandler derfor elevers kompetencer, brug af og interesse for IKT med udgangspunkt i data fra ICILS 2013 og PISA 2015. Danske elever har gode computer- og informationskompetencer ICILS 2013 13 viser, at danske elever ligger i toppen, hvad angår computer- og informationskompetencer. Kun Tjekkiets elever klarer sig bedre, mens en række andre landes elever ligger på samme niveau som Danmarks. I PISA 2015 fremgår det endvidere, at der på de danske skoler er 0,94 computer per elev, hvor 99,9 % er opkoblet til internettet. Alle danske børn har således adgang til IKT i deres dagligdag på skolerne. I OECD er der 0,77 computer per elev, hvor 96 % er opkoblet til internettet. I Danmark benytter eleverne i høj grad internettet i skolen og i fritiden I gennemsnit anvender danske elever computere i skolen i langt højere grad end OECD-elever. De danske elever bruger i løbet af skoledagen 1,5 timer på internettet, mens dette for de fleste andre OECD-lande er under en time. I PISA 2012 brugte de danske elever i gennemsnit 46 minutter på internettet i løbet af en skoledag, hvorved der er sket en fordobling i perioden. De danske elever er i gennemsnit på nettet 2 timer og 39 minutter på hverdage, hvilket er på niveau med OECD-gennemsnittet. Dette er dog en større stigning siden 2012, hvor OECD-gennemsnittet var på 1 time og 44 minutter. I weekenden bruger de danske elever 3 timer og 30 minutter på internettet i gennemsnit per dag. Siden PISA 2012 er dette tal steget med 36 minutter, hvorved de danske elever benytter internettet i stigende grad i weekenderne. PISA 2015 viser endvidere, at drenge benytter internettet mere end piger. Elever, som har familier med svag socioøkonomisk baggrund anvender internettet mere end elever, som kommer fra familier med stærk socioøkonomisk baggrund. Sammenlignet med OECD benytter danske elever i højere grad internettet til skoleaktiviteter i hjemmet. Drenge anvender desuden elektronisk udstyr i skoleregi langt oftere end piger. Dette gælder både i Danmark og OECD. Danske elever har stor interesse i og nytte af informations- og kommunikationsteknologi Både piger og drenge har en generel stor interesse for IKT. Der findes en signifikant og positiv sammenhæng mellem IKT-interesse og elevers score i matematik og naturfag blandt drenge. Denne sammenhæng findes dog ikke blandt piger. Yderligere finder PISA 2015 en stærk sammenhæng mellem drenges anvendelse af og kompetencer inden for IKT og deres score i henholdsvis matematik og naturfag. Resultater fra PISA viser yderligere, at elever fra familier med svag socioøkonomisk baggrund kan opnå højere score i matematik og læsning ved at anvende deres kompetencer inden for IKT. Elever med stærk socioøkonomisk baggrund scorer endvidere højere i matematik og naturfag, når de vurderer høj autonomi i forbindelse med brugen af IKT. Brugen af IKT har således en generel positiv effekt på elevers scorer i matematik og naturfag. 13 Bundsgaard, Jeppe; Morten Petterson og Morten Rasmus Puck, 2014, Digitale kompetencer It i danske skoler i et internationalt perspektiv, Aarhus Universitetsforlag. 20

Gennemsnitlig percentilscore 4. ELEVERNES KOMPETENCER I STEM-FAG I dette kapitel redegøres for resultater af analyser vedrørende elevers STEM-kompetencer. DE NATIONALE TEST Stigning i elevernes gennemsnitlige score i STEM-fag i de nationale test siden 2010/11 Siden de nationale test blev indført i 2010/11 har hver eneste årgang stort set opnået et bedre gennemsnitligt resultat i STEM-fagene end den foregående årgang. Resultaterne er umiddelbart sammenlignelige over tid, da det er den samme test, der anvendes. Det kan dog ikke på forhånd afvises, at (dele af) udviklingen kan skyldes, fx at eleverne i gennemsnit tager testen senere på året, at lærerne er blevet bedre til at instruere eleverne i at tage testen eller at eleverne har opnået større erfaring med selve testafviklingen. Resultaterne kan derimod ikke sammenlignes på tværs af fag. I skoleåret 2014/2015 blev prøverne i matematik og biologi ændret, så dette skoleår ikke kan sammenlignes med de tidligere år. 14 Figur 6: Udviklingen i den gennemsnitlige percentilscore (samlet) i de nationale test i STEM-fag, 2010/11-2014/15 60 58 56 55,8 55,9 56,6 57,2 55,5 55,7 56,5 54 52 50 53,7 52,3 51,6 51,8 49,9 48,5 48,9 52,8 53,1 51,1 51,3 50,1 50,3 50,2 48 47,7 46 2010/2011 2011/2012 2012/2013 2013/2014 2014/2015 Matematik, 3. kl. Matematik, 6. kl. Biologi, 8. kl. Fysik/kemi, 8. kl. Geografi, 8. kl. Kilde: STIL Drenge klarer sig bedre end piger i de nationale test i alle STEM-fag på nær biologi Både i 3. og 6. klasse er der meget lille forskel (under 1 procentpoint) på piger og drenges gennemsnitlige percentilscore i de nationale test i matematik. I 8. klasse klarer drenge sig i gennemsnit bedre end piger i både fysik/kemi og geografi. Omvendt forholder det sig i biologi, hvor piger i gennemsnit opnår en bedre percentilscore end drenge. 14 STIL. Bemærkning vedrørende anvendelse af testresultater over tid. Juni 2016 21

Figur 7: Den gennemsnitlige percentilscore (samlet) i de nationale test i STEM-fag opdelt på køn, 2014/15. Gennemsnitlig percentilscore 0 5 10 15 20 25 30 35 40 45 50 55 60 65 Matematik, 3. kl. Matematik, 6. kl. 58,9 58,4 58,7 60,1 59,4 59,8 Biologi, 8. kl. Fysik/kemi, 8. kl. Geografi, 8. kl. 54,0 54,8 54,4 58,3 54,6 56,5 51,7 48,6 50,2 Dreng Pige Total Kilde: STIL. Elever med anden herkomst end dansk opnår markant lavere gennemsnitlige score i STEM-fag i de nationale test I alle fem nationale test inden for STEM-området opnår indvandrere og efterkommere i gennemsnit en markant lavere score end elever af dansk oprindelse. Forskellene er i alle test mellem 10 og 15 procentpoint. Der er ikke stor forskel på henholdsvis indvandrere og efterkommeres gennemsnitlige score, selvom det er værd at bemærke, at indvandrere i gennemsnit opnår bedre resultater end efterkommere i matematik i både 3. og 6. klasse. 22

Figur 8: Den gennemsnitlige percentilscore (samlet) i de nationale test i STEM-fag opdelt på herkomst, 2014/15. Gennemsnitlig percentilscore 0 5 10 15 20 25 30 35 40 45 50 55 60 65 Matematik, 3. kl. 48,8 45,8 60,0 58,7 Matematik, 6. kl. 50,6 48,1 61,1 59,8 Biologi, 8. kl. 42,3 41,0 54,4 56,0 Fysik/kemi, 8. kl. 45,9 45,4 57,9 56,5 Geografi, 8. kl. 38,4 38,3 50,2 51,7 Kilde: STIL Dansk Indvandrer Efterkommer Total Der er en signifikant positiv sammenhæng mellem elevernes resultater i matematik allerede i 3. klasse og deres resultater i de øvrige STEM-fag Tabel 4 viser sammenhængen mellem elevernes matematikscore i 3. og 6. klasse kontrolleret for køn, herkomst og socioøkonomisk status. Sidstnævnte er operationaliseret på baggrund af forældrenes højest fuldførte uddannelse samt deres arbejdsmarkedstilknytning 15. Resultaterne bygger på en multipel regressionsanalyse, hvori det er muligt at tage højde for betydningen af flere forklarende variablers betydning for et matematikscoren samtidigt. I modellen har vi et datasæt med elever indlejret i skoler, hvilket giver os mulighed for at korrigere resultaterne for faktorer på skoleniveau, som 15 Konkret har vi konstrueret en factorscore på baggrund af en principal komponent-analyse af elevens fars og mors højest fuldførte uddannelse samt deres arbejdsmarkedstilknytning. Af fortolkningsmæssige hensyn er denne faktor standardiseret med middelværdi 0 og standardafvigelse 1. Herefter anvendes faktoren som et samlet mål for elevens socioøkonomiske status i tre niveauer: Under middel (de 33 % svageste), middel (den 33 % midterste) og over middel (de 33 % stærkeste). 23

potentielt påvirker elevernes matematikscore 16. Modellen forklarer samlet set 41 % af variationen i elevernes matematikscore i 6. klasse 17. Resultaterne viser, at der ikke overraskende er en stærk sammenhæng mellem elevens præstation i matematik i 3. og 6. klasse. Drenge klarer sig signifikant dårligere end piger, når der tages højde for præstationen i 3. klasse. Indvandrere klarer sig rent faktisk bedre end personer af dansk oprindelse, når der tages højde for præstationen i 3. klasse, køn og socioøkonomisk baggrund, mens efterkommere klarer sig dårligere end både indvandrere og elever af dansk oprindelse. Der er desuden en positiv signifikant sammenhæng mellem socioøkonomisk baggrund og præstationen i matematik. Endelig angiver rho i tabellen det, som man kalder Intraclass Correlation (ICC), som er et udtryk for, hvor stor en del af forskellene i den afhængige variabel her: elevernes testscore i matematik der ligger henholdsvis mellem skoler og indenfor skoler. I denne analyse er ICC ca. 25 %, hvilket med andre ord betyder, at ca. en fjerdel af variationen i elevernes matematikscore skyldes forskelle mellem skoler. Forskelle mellem skoler (fx skolekarakteristika, elevsammensætning, ledelse og lærere) udgør derved en temmelig stor del af forklaringen af forskelle i elevernes matematikscore. De resterende 75 % hidrører fra forskelle mellem elever (fx kognitive og non-kognitive kompetencer). 16 Det gør vi specifikt ved at estimere regressionsmodellen med fixed effects på skoleniveau, hvilket medfører, at resultaterne er kontrolleret for uobserverbar heterogenitet på skoleniveau; det vil sige faktorer på skoleniveau, som påvirker elevernes matematikscore, og som derfor ville producere en bias i resultaterne. Modellens resultater kan på den måde tage højde for en del af den positive sortering der er af elever ind i skoler. Resultaterne kan dog ikke læses som kausale, idet det naturligvis ikke er tilfældigt, hvilken skole en elev går på. 17 Dette er en relativ høj forklaringskraft, som med andre ord betyder, at vi ved hjælp af blot fire karakteristika ved eleverne (matematikscore i 3. klasse, køn, herkomst og socioøkonomisk status) kan forklare næsten halvdelen (41 %) af en elevers matematikscore i 6. klasse. 24

Tabel 4: Resultater af regressionsanalyser vedrørende sammenhængen mellem testscore i matematik i 3. og 6. klasse i DNT. Fixed effects på skoleniveau. Matematik i 6. klasse Matematik-score i DNT i 3. klasse 0.564 *** (224.25) Mand (ref: kvinde) -0.342 ** (-2.91) Herkomst (ref: dansk) Indvandrer 1.298 ** (2.62) Efterkommer -0.508 * (-2.04) Socioøkonomisk status (ref: middel) Under middel -3.843 *** (-23.16) Over middel 4.893 *** (34.59) Konstant 29.001 *** (168.98) Observationer 99.278 Rho 0,263 R 2 (samlet) 0,414 R 2 (indenfor skoler) 0,393 R 2 (mellem skoler) 0,445 t-statistik i parentes, * p < 0.05, ** p < 0.01, *** p < 0.001 Tabel 5 viser resultaterne af fire regressionsanalyser, som forklarer elevernes kompetenceniveau i henholdsvis fysik/kemi, biologi og geografi, samt fagene samlet. De forklarende variable inkluderer elevens præstation i matematik i 6. klasse, køn, herkomst og socioøkonomisk baggrund. Forklaringskraften i alle modellerne er på 31-42 % %, hvilket igen betyder, at de fire karakteristika ved eleverne kan forklare ca. en tredjedel af en elevs score i det respektive fag. Elevens præstation i matematik i 6. klasse har den stærkeste sammenhæng i forhold til præstationen i alle tre fag. Drengene er signifikant bedre end pigerne i fysik/kemi og geografi, mens det omvendte gør sig gældende i biologi. Både indvandrere og efterkommere klarer sig dårligere end elever af dansk oprindelse i alle tre fag. Dernæst viser resultaterne, at der er en positiv signifikant sammenhæng mellem socioøkonomisk baggrund og præstationen i fysik/kemi, biologi og geografi. Endelig er ICC i disse modellen ligeledes ca. 25 %, hvilket altså betyder, at ca. en fjerdel af forskellene i matematikscore mellem elever skyldes forskelle på skoleniveau. 25

Tabel 5: Resultater af regressionsanalyser vedrørende sammenhængen mellem testscore i matematik i 6. klasse og testscore i STEM-fag i 8. klasse i DNT. Fixed effects på skoleniveau. Score i matematik i DNT i 6. klasse (1) (2) (3) (4) Fysik/kemi Biologi Geografi Samlet 0.455 *** 0.460 *** 0.473 *** 0.464 *** (203.20) (204.38) (216.93) (259.76) Mand (ref: kvinde) 4.046 *** -0.741 *** 3.109 *** 2.129 *** (39.76) (-7.24) (31.36) (26.15) Herkomst (ref: dansk) Indvandrer -1.782 *** -4.581 *** -1.670 *** -2.687 *** (-5.15) (-13.13) (-4.94) (-9.78) Efterkommer -2.809 *** -5.995 *** -3.148 *** -4.012 *** (-12.62) (-26.82) (-14.53) (-22.75) Socioøkonomisk status (ref: middel) Under middel -1.542 *** -1.538 *** -2.201 *** -1.820 *** (-10.95) (-10.87) (-16.06) (-16.25) Over middel 4.905 *** 5.611 *** 5.966 *** 5.535 *** (40.00) (45.48) (49.90) (56.22) Konstant 26.991 *** 25.631 *** 20.553 *** 24.151 *** (169.28) (160.09) (132.36) (190.16) Observationer 139.590 139.579 139.434 145.380 Rho 0,241 0,266 0,248 0,288 R 2 (samlet) 0,317 0,327 0,355 0,425 R 2 (inden for skoler) 0,290 0,423 0,473 0,553 R 2 (mellem skoler) 0,447 0,297 0,324 0,394 t-statistik i parentes, * p < 0.05, ** p < 0.01, *** p < 0.001 Figur 9 opsummerer sammenhængen mellem matematik i 3. og 6. klasse og fysik/kemi, biologi og geografi i 8. klasse. Jo højere værdi på pilene, des større er betydningen i percentilscore. Figuren viser, at elevernes færdigheder i matematik er vigtige i forhold til at kunne forklare deres færdigheder i de øvrige STEM-fag. Figur 9: Sammenhæng mellem matematik og fysik/kemi, biologi og geografi 0,455 FYSIK/KEMI (8. KLASSE) MATEMATIK (3. KLASSE) 0,564 MATEMATIK (6. KLASSE) 0,460 0,473 BIOLOGI (8. KLASSE) GEOGRAFI (8. KLASSE) 0,464 STEM (SAMLET) 26

FOLKESKOLENS PRØVER OG STANDPUNKTSKARAKTERER Elevernes karakterer i STEM-fag er steget siden 2010/2011 Karaktergennemsnittet i STEM-fagene ved folkeskolens afsluttende prøve/eksamen er steget de eneste seks år. Stigningen er størst i fysik/kemi, hvor eleverne får 0,7 karakterer højere i gennemsnit i 2015/16 end i 2010/2011. Udviklingen i biologi og geografi er mere beskeden, idet udviklingen er henholdsvis på 0,2 og 0,1 karakterer. Udviklingen i matematik er 0,4 i perioden. Figur 10: Udvikling i karakterer i STEM-fag ved folkeskolens prøver i 9. klasse, 2010/2011-2015/2016. 7,25 7,00 6,75 6,50 6,25 6,00 2010/2011 2011/2012 2012/2013 2013/2014 2014/2015 2015/2016 Biologi Fysik/kemi Geografi Matematik ALLE FAG Kilde: Danmarks Statistik og egne beregninger. Omfatter både prøvekarakterer og standpunktskarakterer blandt elever i almenklasser i de pågældende fag og år. Antallet af karakterer i de enkelte gennemsnit varierer således fra 75.445 (geografi 2015/16) til 332.875 (matematik 2012/13). I de følgende afsnit ser vi nærmere på afgangskaraktererne i de enkelte STEM-fag og nedbryder dem på relevante prøve- og elevkarakteristika. I populationen indgår alle elever i almenklasser, som har taget folkeskolens afgangsprøve i 2015/16, som er det senest tilgængelige år med data vedrørende alle elevkarakteristika. 27

Højeste karakterer i 9. klasse ved prøverne i biologi og geografi Karaktergennemsnittet på landsplan ved folkeskolens prøver i 9. klasser ligger i de fleste prøver inden for STEM-fag lige omkring 7. I 2015/16 var det højeste karaktergennemsnit inden for STEM-fagene i biologi og geografi. Det laveste karaktergennemsnit (6,51) opnåede eleverne ved standpunktskaraktererne i mundtlig matematik. I nogle prøver opnår eleverne i gennemsnit højere karakterer end deres standpunktskarakterer (især mundtlig matematik og geografi), mens de omvendt opnår lidt lavere karakterer ved 9. klasseprøven end standpunktskarakterer i andre fag. Figur 11: Standpunkts- og prøvekarakterer i STEM-fag i 9. klasse, 2015/2016 Karaktergennemsnit 0 1 2 3 4 5 6 7 8 Biologi Fysik/kemi - praktisk/mundtlig Geografi Mat. problemløsning Mat. færdigheder 7,32 7,13 6,78 6,84 7,42 7,06 6,97 6,98 7,24 7,36 Mat. mundtlig 6,51 7,24 Prøve (FP9) Standpunkt Kilde: Danmarks Statistik og egne beregninger. Omfatter hhv. prøvekarakterer og standpunktskarakterer blandt elever i almenklasser i de pågældende fag. Antallet af karakterer i de enkelte gennemsnit varierer således fra 14.278 (mundtlig prøve i matematik) til 61.323 (standpunktskarakterer i matematik, færdighedsregning). 28

Drenge får højere prøvekarakterer end standpunktskarakterer, mens der ikke er nogen forskel blandt piger Drenge og piger klarer sig lige godt i STEM-fagene i 9. klasse, hvis man udelukkende ser på folkeskolens prøver. Sammenligninger man derimod drenge og pigers standpunktskarakterer i STEM-fag opnår piger i gennemsnit et højere gennemsnit end drenge. Der er meget markante forskelle på karaktergennemsnittet for elever af dansk oprindelse i forhold til indvandrere og efterkommere. Hvor elever af dansk herkomst i gennemsnit opnår lidt højere prøvekarakterer end standpunktskarakterer, forholder det sig omvendt for efterkommere. Dette skyldes ikke mindst, at efterkommer-piger i gennemsnit opnår væsentlig højere standpunktskarakterer (6,05) end prøvekarakterer (5,64). Figur 12: Standpunkts- og prøvekarakterer i STEM-fag samlet set i 9. klasse opdelt på køn og herkomst, 2015/2016 Karaktergennemsnit 0 1 2 3 4 5 6 7 8 Mand Kvinde 7,06 6,90 7,07 7,07 Dansk 7,23 7,12 Indvandrer Efterkommer 5,59 5,63 5,62 5,91 Total 7,06 6,98 Prøve (FP9 - total) Standpunkt (total) Kilde: Danmarks Statistik og egne beregninger. Omfatter hhv. prøvekarakterer og standpunktskarakterer på tværs af alle prøver i STEM-fag blandt elever i almenklasser. Antallet af karakterer i de enkelte gennemsnit varierer således fra 6.566 (prøvekarakterer, indvandrere) til 363.911 (standpunktskarakterer, total). 29

Drenge får højst karaktergennemsnit ved skriftlige prøver, mens piger får højst karaktergennemsnit ved praktiske og mundtlige prøver Som det fremgår af figur 13, klarer drenge sig i gennemsnit lidt bedre end piger ved folkeskolens skriftlige prøver i 9. klasse i STEM-fag, mens det forholder sig omvendt i de praktiske og mundtlige prøver. Piger opnår således i gennemsnit samme karaktergennemsnit ved to prøveformer, mens drenge i gennemsnit klarer sig markant bedre ved de skriftlige prøver (7,25) end de praktiske og mundtlige prøver (6,66). Forskellen mellem danske elever og indvandrere/efterkommere er større i de skriftlige prøver end i de praktiske og mundtlige prøver i STEM-fag. Figur 13: Prøvekarakterer i STEM-fag samlet set i 9. klasse i hhv. praktisk/mundtlige prøver og skriftlige prøver opdelt på køn og herkomst, 2015/2016 Karaktergennemsnit 0 1 2 3 4 5 6 7 8 Mand Kvinde 6,66 7,25 7,08 7,07 Dansk 7,01 7,34 Indvandrer Efterkommer 5,57 5,60 5,69 5,58 Total 6,87 7,16 Praktisk/mundtlig (total) Skriftlig (total) Kilde: Danmarks Statistik og egne beregninger. Omfatter prøvekarakterer i hhv. (a) mundtlige og praktisk/mundtlige prøver og (b) skriftlige prøver inkl. problemløsning og færdighedsregning på tværs af STEM-fag blandt elever i almenklasser. Antallet af karakterer i de enkelte gennemsnit varierer således fra 2.096 (praktisk/mundtlige prøver, indvandrere) til 152.811 (skriftlige prøver, total). 30

Piger klarer sig bedst i biologi og fysik/kemi, mens drenge klarer sig bedst i matematiske færdigheder. Piger klarer sig i gennemsnit lidt eller væsentlig bedre end drenge i de fleste prøver i STEM-fag. Forskellene er størst i fysik/kemi og biologi. I geografi, matematisk problemløsning og mundtlig matematik er forskellene ikke ret store. Den eneste undtagelse er matematik, færdighedsregning, hvor drenge i gennemsnit klarer sig bedre end piger. Figur 14: Standpunkts- og prøvekarakterer i STEM-fag i 9. klasse opdelt på køn, 2015/2016 Karaktergennemsnit 0 1 2 3 4 5 6 7 8 Biologi 6,98 7,36 7,17 Fysik/kemi - praktisk/mundtlig 6,62 7,01 6,81 Geografi 7,11 7,17 7,14 Mat. problemløsning 6,91 7,04 6,98 Mat. færdigheder 7,46 7,14 7,30 Mat. mundtlig 6,58 6,72 6,65 Mand Kvinde Total Kilde: Danmarks Statistik og egne beregninger. Omfatter både prøvekarakterer og standpunktskarakterer blandt elever i almenklasser i de pågældende fag. Antallet af karakterer i de enkelte gennemsnit varierer således fra 37.577 (mundtlig matematik, kvinder) til 122.499 (matematik færdighedsregning, total). 31

Indvandreres karaktergennemsnit er mere end 1½ point lavere end danske elevers i de fleste STEM-fag I alle STEM-fagene opnår elever med anden herkomst end dansk et markant lavere karaktergennemsnit end danske elever. Forskellen er størst i biologi (1,70 point) og mindst i fysik/kemi (1,39 point). Efterkommere opnår i gennemsnit lidt højere karakterer end indvandrere i alle STEM-fag. Figur 15: Prøvekarakterer i STEM-fag i 9. klasse opdelt på herkomst, 2015/2016 Karaktergennemsnit 0 1 2 3 4 5 6 7 8 Biologi 5,62 5,98 7,32 7,17 Fysik/kemi - praktisk/mundtlig 5,55 5,76 6,94 6,81 Geografi 5,66 5,95 7,29 7,14 Mat. problemløsning 5,55 5,56 7,14 6,98 Mat. færdigheder 5,93 6,01 7,46 7,30 Mat. mundtlig 5,27 5,56 6,79 6,65 Dansk Indvandrer Efterkommer Total Kilde: Danmarks Statistik og egne beregninger. Omfatter både prøvekarakterer og standpunktskarakterer blandt elever i almenklasser i de pågældende fag. Antallet af karakterer i de enkelte gennemsnit varierer således fra 2.208 (geografi, indvandrere) til 122.499 (matematik færdighedsregning, total). 32

Stærk sammenhæng mellem elevernes resultater i de nationale test og deres karakterer i STEMfag Tabel 6 viser resultaterne af to regressionsanalyser, som henholdsvis forklarer elevernes STEM-karakterer og matematikkarakterer ved 9. klasseprøven 18. Populationen består af elever med information om både de nationale test og karakterer ved folkeskolens afgangsprøve. Elever med data kun på en af variablerne er derved udeladt af modellen. Modellerne forklarer ca. to-tredjedele af variationen i elevernes karakterer. Tabel 6: Resultater af regressionsanalyser vedrørende sammenhængen mellem DNT og folkeskolens afgangsprøve (standardafvigelser). Score i matematik ved DNT i 6. klasse 1 Score i STEM-fag ved DNT i 8. klasse 1 (1) (2) STEM-karakterer ved FSA 1 Matematik-karakterer ved FSA 1 0.356 *** 0.435 *** (181.99) (213.13) 0.497 *** 0.407 *** (250.18) (196.31) Mand (ref: kvinde) -0.142 *** -0.075 *** (-46.92) (-23.63) Herkomst (ref: dansk) Indvandrer 0.070 *** 0.066 *** (6.84) (6.17) Efterkommer 0.099 *** 0.091 *** (16.47) (14.37) Socioøkonomisk status (ref: middel) Under middel -0.142 *** -0.141 *** (-34.15) (-32.36) Over middel 0.123 *** 0.109 *** (34.02) (28.88) Konstant 0.065 *** 0.034 *** (21.90) (10.82) Observationer 141.174 141.037 R 2 0,667 0,638 t-statistik i parentes, * p < 0.05, ** p < 0.01, *** p < 0.001 Note 1): Standardiseret (middelværdi 0; standardafvigelse 1) 18 Det er ikke muligt at inkludere skole fixed effects i denne model, hvilket medfører, at der i resultaterne ikke kan tages højde for betydningen af skolefaktorer. Af samme årsag skal resultaterne læses som en statistisk sammenhæng ikke en kausal effekt. 33

Som det fremgår af tabellen, er der en positiv og signifikant sammenhæng mellem elevernes score i STEM-fag i de nationale test samt deres karakterer ved folkeskolens prøver. Dette gælder både karakterer i STEM-fag generelt og matematik mere specifikt. Ligeledes ses en signifikant sammenhæng med elevernes socioøkonomiske baggrund, køn og herkomst. Drenge klarer sig dårligere end piger, indvandrere og efterkommere bedre end danskere og elever med socioøkonomisk status over middel bedre end elever med middel eller lav når man tager højde for deres score i de nationale test. KARAKTERER PÅ UNGDOMSUDDANNELSER Elever på gymnasiale ungdomsuddannelser får generelt højere års- end prøvekarakterer På tværs af matematik A-, B- og C-niveau er tendensen, at elevers gennemsnitlige årskarakter er højere end prøvekarakteren. Dette gælder både for de mundtlige og skriftlige karakterer med undtagelse af mundtlig matematik C-niveau, hvor prøvekarakteren ligger 0,1 til 0,2 over årskarakteren. På matematik A-niveau er forskellen mellem årskarakteren og prøvekarakteren næsten en hel karakter både i mundtlig og skriftlig matematik. Udviklingen i eksamens- og årskarakterer i matematik ses i Tabel 7. Tabel 7: Matematik A, B og C. Årskarakterer, prøvekarakterer og forskel, 2010-2016. 2010 2011 2012 2013 2014 2015 2016 Årskarakter 7,1 7,1 7,3 7,4 7,5 7,6 7,7 Mundtlig Prøvekarakter 6,3 6,4 6,5 6,5 6,5 6,6 6,9 A-niveau Forskel -0,7-0,7-0,8-0,9-1,0-1,0-0,8 Årskarakter 7,2 7,3 7,5 7,6 7,6 7,8 7,8 Skriftlig Prøvekarakter 6,4 6,5 6,2 6,7 6,9 6,4 6,9 Forskel -0,8-0,7-1,3-0,9-0,7-1,4-0,9 Årskarakter 5,6 5,6 5,7 5,9 6 6,1 6,1 Mundtlig Prøvekarakter 5,2 5,3 5,5 5,6 5,6 5,6 5,6 B-niveau Forskel -0,3-0,3-0,2-0,3-0,4-0,5-0,5 Årskarakter 5,4 5,5 5,8 6 6 6,1 6,1 Skriftlig Prøvekarakter 5,1 5,5 5,7 5 5,4 5,6 5,5 Forskel -0,3-0,1-0,1-0,9-0,7-0,5-0,6 Årskarakter 5,0 4,7 4,7 5,0 5,0 5,0 4,9 Mundtlig Prøvekarakter 5,0 4,9 5,0 5,0 5,1 5,1 5 C-niveau Forskel - 0,1 0,2 0,1 0,1 0,2 0,1 Årskarakter 5,1 4,8 4,9 5,2 5,2 5,2 5,1 Skriftlig Prøvekarakter 5,0 5,1 4,7 4,7 4,7 4,7 4,6 Forskel -0,1 0,2-0,2-0,5-0,5-0,4-0,5 Kilde: Danmarks Statistik og egne beregninger Den samme tendens ses på tværs af alle STEM-fag i de gymnasiale ungdomsuddannelser. Det er således alt andet lige en fordel ikke at skulle op til eksamen i STEM-fagene, fordi årskaraktererne er højere end eksamenskaraktererne. På tværs af fysik A-, B- og C-niveau er tendensen ligeledes, at elevers gennemsnitlige årskarakter er højere end prøvekarakteren. På fysik A-niveau er forskellen mellem 1-2 karakterer, mens det for 34

mundtlig fysik på C-niveau er omvendt. Her er prøvekarakteren op mod én karakter højere end årskarakteren. For kemi tegner sig samme tendens som for fysik. For biologi A er tendensen, at elever scorer op mod én karakter højere i mundtlige prøver, mens den omvendte tendens gælder for de skriftlige prøver. På biologi B scorer elever lidt højere i prøvekarakter er end i årskarakterer, mens der for biologi C ikke er markant forskelle mellem års- og prøvekarakter. For naturgeografi scorer elever lavere prøvekarakterer på B-niveau, mens de scorer højere årskarakterer på C-niveau. På bioteknologi A-niveau scorer elever en lavere karakter i både mundtlige og skriftlige prøver sammenlignet med årskarakterer. Differencen er dog markant større mellem den skriftlige prøvekarakter og årskarakteren. For IT scorer elever lidt lavere i prøvekarakterer på A- og B-niveau sammenlignet med årskarakterer, mens de scorer marginalt over på C-niveau. I teknikfag A scorer elever nogenlunde ens på års- og prøvekarakter, mens de på B-niveau scorer både under og over afhængigt af året. Samme tendens ses inden for faget teknologi på både A- og B-niveau. Naturvidenskabeligt grundforløb (stx) og naturvidenskabelig faggruppe (hf) er ikke niveauopdelt. Der gives hertil kun årskarakterer i faget, hvorfor en difference mellem års- og prøvekarakterer ikke findes. Karaktergennemsnittet i STEM-fag stiger over tid Når man ser på udviklingen i karaktererne fra 2010 til 2016 i matematik og de øvrige STEM-fag viser det sig, at både års- og prøvekarakterer er stigende. Således stiger prøvekaraktererne gennemsnitligt med 0,6 (fra 6,5 til 7,1) karakterer fra 2010 til 2016, mens årskaraktererne stiger med 0,8 (fra 6,9 til 7,8). Udviklingerne ses i figur 16 (prøvekarakterer) og 17 (årskarakterer). Figur 16: Udvikling i prøvekarakterer i STEM-fag på A-niveau, 2010-2016. 8,0 7,5 7,0 6,5 6,0 5,5 5,0 2010 2011 2012 2013 2014 2015 2016 Matematik Fysik Kemi Biologi Bioteknologi Teknologi IT STEM-fag Kilde: Danmarks Statistik og egne beregninger 35

Figur 17: Udvikling i årskarakterer i STEM-fag på A-niveau, 2010-2016. 8,5 8,0 7,5 7,0 6,5 6,0 5,5 Matematik Fysik Kemi Biologi Bioteknologi Teknologi IT STEM-fag 5,0 2010 2011 2012 2013 2014 2015 2016 Kilde: Danmarks Statistik og egne beregninger Til sammenligning er prøvekaraktererne for dansk A-niveau steget med 0,1 point (fra 6,7 til 6,8) fra 2010 til 2016, mens årskaraktererne er steget med 0,6 (fra 6,5 til 7,1). Karaktererne på A-niveau er altså generelt steget i perioden, men steget relativt mere i STEM-fagene sammenlignet med dansk. Forskellen er særligt udtalt for prøvekaraktererne. Det kan ikke siges på baggrund af det foreliggende data, hvad årsagen er til denne stigning. Udviklingen i de nationale test i folkeskolen kan dog tyde på, at niveauet i STEM-fagene er steget, hvilket smitter af på elevernes præstation i gymnasiet. Det kan formentlig forklare noget af udviklingen. 36

Mundtlig Skriftlig Piger får højere årskarakterer i matematik på A-niveau end drenge og klarer sig bedre til mundtlige eksamener. Indvandrere og efterkommere får lavere karakterer end elever med dansk herkomst Piger får højere årskarakterer i matematik på A-niveau end drenge og klarer sig bedre til mundtlige eksamener, mens drenge og piger klarer sig lige godt i de skriftlige eksamener. Indvandrere og efterkommere får væsentlig lavere karakterer end elever med dansk herkomst, både mundtligt og skriftligt og både i årskarakterer og eksamenskarakterer. Forskellen er størst til de skriftlige prøver, hvor indvandrere i gennemsnit får to karakterer lavere end elever med dansk herkomst. Figur 18: Karaktergennemsnit i matematik A skriftligt og mundtligt i årskarakterer og eksamenskarakterer, 2016. Karaktergennemsnit 0 1 2 3 4 5 6 7 8 9 Årskarakter 6,5 6,8 7,5 8,0 8,1 Prøvekarakter 5,1 5,3 7,1 7,0 6,9 Årskarakter 6,6 6,8 7,5 7,8 8,0 Prøvekarakter 5,3 5,7 6,5 7,1 7,5 Dansk Indvandrer Efterkommer Mand Kvinde Kilde: Danmarks Statistik og egne beregninger 37

5. TIMETAL OG KOMPETENCEDÆKNING I FOLKE- SKOLEN TIMETAL I STEM-FAG I FOLKESKOLEN I følgende afsnit beskrives de danske folkeskoleelevers gennemsnitlige timeantal samlet og i STEMfag på tværs af årgange i perioden fra 2010/2011 til 2015/2016. Det samlede antal undervisningstimer i folkeskolen er steget Det samlede antal undervisningstimer har for alle årgange i folkeskolen været stabilt frem til skoleåret 2012/2013, hvorefter der er sket en stigning i timetallet frem mod 2014/2015. Stigningen i det gennemsnitlige antal undervisningstimer fra 2014 skyldes folkeskolereformen. Denne har resulteret i flere undervisningstimer for elever på alle klassetrin, hvor specielt understøttende undervisning fylder mere i folkeskolen 19 Fra skoleåret 2010/2011 til 2015/2016 er den største absolutte stigning i timeantallet sket blandt 7. til 9. klasserne. Timetallet er steget fra 919 timer i 2010/2011 til 1.390 timer i skoleåret 2014/2015. 20 Samme tendens ses for 4. til 6. klasser med et timeantal på 1.317 fra skoleåret 2014/2015. I den seksårige periode er timetallet for 0. til 6. klasser steget med godt 60 %, mens den relative stigning for 7. til 9. klasse er 52 %. Danske elever har fået flere undervisningstimer i matematik Timetallet i matematik er nogenlunde stabilt i den undersøgte periode for 1.-3. klasser med cirka 150 undervisningstimer om året. Antallet af matematiktimer er for 4.-6. klasser steget fra 121 til 150 timer svarende til en stigning på 24 %. For 7.-9. klasser er timeantallet i matematik steget med 25 % fra 119 til 149 undervisningstimer, mens timeantallet for 10. klasser er steget med 10 % (fra 129 til 142 timer). Med implementeringen af folkeskolereformen har kravet været et minimumstimetal i matematik på 150 timer for alle 1.-9. klasser 21, og det lever skolerne således op til samlet set. Figur 19: Gennemsnitlig antal undervisningstimer i matematik på tværs af årgange 160 150 140 130 120 110 1.-3. klasse 4.-6. klasse 7.-9. klasse 10. klasse 100 2010/2011 2011/2012 2012/2013 2013/2014 2014/2015 2015/2016 Kilde: Data fra STIL og egen beregninger 19 Danmarks Lærerforening, 2013. 20 Beregnet ud fra det planlagte timetal. Data leveret af STIL. 21 Undervisningsministeriet, Folkeskoleloven: Timetalsskema 38

Antallet af undervisningstimer i natur/teknologi i 1. - 6. klasse samt geografi og biologi i 7. - 9. klasse er steget siden implementeringen af folkeskolereformen Fra 1. til 6. klasse undervises der i faget natur/teknologi (tidl. natur/teknik). Antallet af undervisningstimer har ligget stabilt frem til implementeringen af folkeskolereformen i 2014, hvorefter det vejledende timeantal er steget til 30 timer for 1. klasser og 60 timer for 2.-6. klasser (4. klasser, 90 timer) 22. Implementeringen af folkeskolereformen har således øget antallet af timer i natur/teknologi. I folkeskolen undervises der i geografi i 7. til 9. klasse. Det gennemsnitlige antal planlagte timer er siden reformen steget i 7. klasse fra ca. 40 til ca. 60 timer, mens det er faldet i 8. og 9. klasse fra ca. 45 til ca. 35 timer. Det vejledende timeantal for geografi af fastsat til 60 timer for 7. klasser og 30 timer for 8.-9. klasser. Der undervises ligeledes i biologi på 7., 8. og 9. klassetrin. Med folkeskolereformen er det vejledende timeantal 60 timer for 7.-8. klasser og 30 timer for 9. klasser 23. Udviklingen i det planlagte timetal i 7. og 8. klasse er steget fra ca. 50 i 2014 til ca. 60 timer i 2015 og 2016, mens timetallet i 9. klasse i samme periode er faldet fra ca. 45 til ca. 35. I fysik/kemi har timetallet for 7.-9. klasser derimod været stabilt de seneste seks skoleår. KOMPETENCEDÆKNING I FOLKESKOLEN En opgørelse fra Styrelsen for It og Læring viser, at kompetencedækningsgraden i folkeskolen i skoleåret 2015/2016 var på 83,2 %. Det vil sige, at godt fire ud af fem undervisningstimer i folkeskolen varetages af undervisere med enten undervisningskompetencer eller tilsvarende kompetencer. 24 Kompetencedækningen er bedst i fysik/kemi (96,2 %). Også matematik (88,7 %) har en relativ høj kompetencedækning, mens biologi (82,6 %) ligger tæt på gennemsnittet og natur/teknologi (60,4 %) ligger lavt. Kompetencedækningen er steget for samtlige STEM-fag i folkeskolen Kompetencedækningen er i Tabel 8 opgjort på STEM-fag og over en 4-årig periode. For samtlige STEMfag ses en stigning i kompetencedækningen fra 2012/2013 til 2015/2016, hvorved en større andel af undervisningstimerne varetages af undervisere med undervisningskompetencer eller kompetencer inden for det det pågældende fag. Kompetencedækningen er højest for fysik/kemi og matematik og lavest inden for natur/teknologi og geografi. 22 Undervisningsministeriet, Folkeskoleloven: Timetalsskema 23 Undervisningsministeriet, Folkeskoleloven: Timetalsskema 24 Styrelsen for It og Læring, maj 2016, Kompetencedækning i folkeskolen, 2015/2016 39

Tabel 8: Kompetencedækning i folkeskolen over tid fordelt på STEM-fag 2012/2013 2013/2014 2014/2015 2015/2016 Matematik 1.-9. klasse 83% 85% 86% 89% Fysik/kemi 7.-9. klasse 94% 94% 95% 96% Geografi 7.-9. klasse 66% 67% 68% 72% Biologi 7.-9. klasse 79% 78% 81% 83% Natur/teknik 1.-6. klasse 51% 51% 56% 60% Kilde: STIL og egne beregninger Over tid er kompetencedækningen steget med 6 procentpoint inden for matematik og geografi og 2 procentpoint inden for fysik/kemi. For biologi er der tale om en stigning på 4 procentpoint, mens natur/teknologi har haft en stigning i kompetencedækningen på 9 procentpoint. Selvom natur/teknologi har den laveste kompetencedækning, er det således det fag, som har haft den største udvikling i den undersøgte periode. Kompetencedækningen er lavest i matematik i de danske yderkommuner På de følgende fem kort er kompetencedækningen illustreret grafisk for 2015/2016 fordelt på kommuner for hvert fag. Kompetencedækningen varierer meget mellem kommunerne. Figur 20 viser kompetencedækningen for biologi, mens matematik, geografi, natur/teknologi og fysik/kemi ses i figur 21-24 på næste side. Figur 20: Kompetencedækning for biologi Kilde: STIL og egne beregninger Note: Jo mørkere farven er, desto højere er kompetencedækningen. Kortene kan ikke sammenlignes på tværs, men kun internt på kommuneniveau. 40

Figur 21: Kompetencedækning for matematik Figur 22: Kompetencedækning for natur/teknologi Figur 23: Kompetencedækning for fysik/kemi Figur 24: Kompetencedækning for geografi Kilde: STIL og egne beregninger Note: Jo mørkere farven er, desto højere er kompetencedækningen. Kortene kan ikke sammenlignes på tværs, men kun internt på kommuneniveau. 41

Bedre kompetencedækning giver lidt bedre karakterer Ifølge TIMSS 2015 er der ikke belæg for at konkludere, at kompetencedækningsgraden i et fag har betydning for elevernes præstationer: Elever, der undervises af lærere med linjefag i det underviste fag, præsterer ikke bedre end de elever, der undervises af lærere, der ikke har linjefag i det underviste fag. 25 Nærværende analyse finder dog en sådan sammenhæng, omend den er forholdsvis svag. Tabel 9 viser sammenhængen mellem kompetencedækning og karaktergennemsnit på institutionsniveau. Af tabellen fremgår det, at der en positiv og statistisk signifikant - sammenhæng mellem kompetencedækning og karaktergennemsnittet i både matematik, fysik/kemi og geografi. Sammenhængen er dog forholdsvis svag. Eksempelvis er skolens karaktergennemsnit i fysik/kemi ca. 0,009 point højere på karakterskalaen for hvert procentpoint kompetencedækningen er højere. Tabel 9: Resultater af regressionsanalyser vedrørende sammenhængen mellem kompetencedækning og karaktergennemsnit på institutionsniveau (standardafvigelser) Karaktergennemsnit Samlet Fysik/Kemi Geografi Matematik Kompetencedækning 0.081 0.907 *** 0.553 *** 0.485 ** (0.112) (0.282) (0.168) (0.208) Konstant 6.964 *** 5.833 *** 7.015 *** 6.633 *** * p < 0.05, ** p < 0.01, *** p < 0.001 (0.103) (0.272) (0.127) (0.197) Hvis vi i stedet estimerer en logistisk regressionsanalyse for sandsynligheden for et højere (og lavere) karaktergennemsnit end det forventede ud fra skolens socioøkonomiske reference, så ses de samme tendenser. Af Tabel 10 fremgår det således at høj kompetencedækning øger sandsynligheden for at få et højere gennemsnit end forventet i de tre STEM-fag samlet. Dette gør sig også gældende for matematik. I fysik/kemi og geografi er sammenhængen ikke statistisk signifikant. Ydermere ses det i Tabel 11, at høj kompetencedækning mindsker sandsynligheden for, at få et lavere karaktergennemsnit end forventet i fysik/kemi og matematik. 25 Allerup, Peter et al. (2016), TIMSS 2015 - En undersøgelse af 4.-klasseelevers færdigheder i matematik og natur/teknologi - Sammenfatning, Aarhus Universitet. 42

Tabel 10: Resultater af logistiske regressionsanalyser vedrørende sammenhængen mellem kompetencedækning og hvorvidt man har et højere karaktergennemsnit end forventet på institutionsniveau (standardafvigelser) Højere karaktergennemsnit end forventet Samlet Fysik/Kemi Geografi Matematik Kompetencedækning 1.205 *** 0.334 0.567 1.209 ** (0.377) (0.966) (0.664) (0.614) Konstant -3.129 *** -2.382 ** -3.037 *** -3.036 *** * p < 0.05, ** p < 0.01, *** p < 0.001 (0.356) (0.936) (0.524) (0.587) Tabel 11: Resultater af logistiske regressionsanalyser vedrørende sammenhængen mellem kompetencedækning og hvorvidt man har et lavere karaktergennemsnit end forventet på institutionsniveau (standardafvigelser) Lavere karaktergennemsnit end forventet Samlet Fysik/Kemi Geografi Matematik Kompetencedækning -0.102-1.362 ** 0.168-1.138 ** (0.323) (0.626) (0.751) (0.535) Konstant -2.200 *** -0.675-3.106 *** -1.266 ** * p < 0.05, ** p < 0.01, *** p < 0.001 (0.297) (0.592) (0.574) (0.495) 43

6. UDBUD AF OG SØGNING TIL ERHVERVSUDDAN- NELSER UDBUD AF ERHVERVSUDDANNELSER Erhvervsuddannelserne ligger spredt over hele landet, men der kan være lang vej til særligt de små uddannelser Udbuddet af erhvervsuddannelser varierer meget på tværs af landet. Kortet til højre viser, hvor uddannelsesstederne ligger, herunder hovedinstitutioner og institutioner, som hører herind under. Figur 25: Placering af uddannelsessteder, som udbyder erhvervsuddannelser Typisk udbydes de store erhvervsuddannelser bredt geografisk, mens de mindre uddannelser kun udbydes få steder, hvorfor eleverne gennemsnitligt må flytte sig over længere afstande, når de gerne vil have en erhvervsuddannelse i stedet for en gymnasial uddannelse. SØGNING TIL ERHVERVSUDDANNELSER Tilgangen til erhvervsuddannelserne og antallet af fuldførte erhvervsuddannede har ligget stabilt de seneste 10 år med mindre udsving. Men gennemsnitsalderen ved tilgang er høj (ca. 25 år) og ligeledes gennemsnitsalderen ved fuldførelse (ca. 29 år). I samme periode har søgningen fra 9. og 10. klasse til en erhvervsuddannelse derimod været faldende. Blandt andet derfor er søgningen til erhvervsuddannelserne et højt prioriteret politisk indsatsområde. Målsætningen i erhvervsuddannelsesreformen (Mål 1) er, at andelen af elever, der vælger en erhvervsuddannelse direkte efter 9. eller 10. klasse, skal op på 25 pct. i 2020, og andelen skal øges til mindst 30 pct. i 2025. I 2013 valgte 19 pct. af eleverne en erhvervsuddannelse direkte efter 9./10. klasse, og denne andel er siden faldet yderligere. Søgningen til erhvervsuddannelserne falder, men søgningen til teknologi, byggeri og transport er stabil Figur 26 viser udviklingen i søgningen efter 9. og 10. klasse til hhv. erhvervsuddannelser og gymnasiale uddannelser. På landsplan er der en svag stigning i søgningen til gymnasiale uddannelser og omvendt et svagt fald i søgningen til erhvervsuddannelserne, som i 2016 fik 18,4 % af ansøgningerne. 44

Figur 26: Søgning til ungdomsuddannelse efter 9. og 10. klasse, 2012-2016 80% 70% 60% 50% 40% 30% 20% 10% 0% 71,5% 73,6% 72,9% 73,8% 74,3% 20,4% 18,8% 19,6% 18,5% 18,4% 2012 2013 2014 2015 2016 Erhvervsuddannelse Gymnasial uddannelse Kilde: STIL, datavarehus En stor del af erhvervsuddannelserne omfatter undervisning inden for STEM-området, men det er ikke muligt på baggrund af registerdata præcist at afgrænse STEM-fag fra øvrige fag, fordi den største del af STEM-relevant indhold for mange uddannelsers vedkommende ligger i de uddannelsesspecifikke fag. Søgningen til teknologi, byggeri og transport, som rummer flest STEM-erhvervsuddannelser, udgør en stadig større andel af søgningen til erhvervsuddannelserne. Således er andelen steget fra 44 procent i 2012 til 49 procent i 2015. Figur 27: Fordeling af søgning til erhvervsuddannelserne efter 9. og 10. klasse, 2012-2016 60% 50% 40% 44% 44% 46% 48% 49% 30% 20% 10% 0% 23% 24% 21% 18% 18% 17% 16% 16% 18% 18% 16% 16% 17% 16% 15% 2012 2013 2014 2015 2016 Fødevarer, jordbrug og oplevelser Omsorg, sundhed og pædagogik Kontor, handel og forretningsservice Teknologi, byggeri og transport Kilde: STIL, datavarehus Note: I hvert år summerer søgningen til 100%, figuren viser altså fordelingen af søgningen indenfor uddannelserne. I perioden 2012-2014 var der 12 indgange, de er kodet på følgende vis: Fødevarer, jordbrug og oplevelser: Dyr, planter og natur og Mad til mennesker. Kontor, handel og forretningsservice: Medieproduktion og Merkantil. Omsorg, sundhed og pædagogik: Sundhed, omsorg og pædagogik og Krop og stil. Teknologi, byggeri og transport: Bil, fly og andre transportmidler; Bygge og anlæg; Bygnings- og brugerservice; Produktion og udvikling; Strøm, styring og IT og Transport og logistik. 45

FRAFALD OG FULDFØRELSE En anden væsentlig målsætning i erhvervsuddannelsesreformen (Mål 2) er, at andelen af elever, der fuldfører en erhvervsuddannelse, skal stige fra 52 pct. i 2012 til mindst 60 pct. i 2020 og mindst 67 pct. i 2025. Elever som fuldfører en erhvervsuddannelse, skal både gennemføre et grundforløb og et hovedforløb. På de erhvervsfaglige grundforløb ligger fuldførelsesprocenten mellem 66 og 76. Grundforløbet teknologi, byggeri og transport, som er den indgang, hvor der er flest STEM-erhvervsuddannelser, har en fuldførelsesprocent på 69 procent, hvilket er stabil over hele perioden fra 2015. Figur 28: Modelberegnet fuldførelsesprocent for erhvervsfaglige grundforløb 2010-2015 80% 76% 75% 75% 75% 74% 74% 73% 74% 72% 73% 70% 65% 71% 69% 69% 69% 68% 67% 68% 70% 69% 71% 69% 67% 70% 68% 66% 60% 2010 2011 2012 2013 2014 2015 Fødevarer, jordbrug og oplevelser (grundforløb 2) Kontor, handel og forretningsservice (grundforløb 2) Omsorg, sundhed og pædagogik (grundforløb 2) Teknologi, byggeri og transport (grundforløb 2) Kilde: UVM, databanken Fuldførelsesprocenten på hovedforløbet af teknologi, byggeri og transport er godt 80 procent og faldende i perioden fra 2010 til 2015. 46

Figur 29: Modelberegnet fuldførelsesprocent for erhvervsfaglige hovedforløb, 2010-2015. 90% 85% 80% 75% 70% 65% 87% 87% 83% 83% 79% 77% 77% 75% 86% 84% 84% 81% 81% 80% 78% 78% 76% 73% 73% 71% 82% 78% 75% 70% 60% 2010 2011 2012 2013 2014 2015 Fødevarer, jordbrug og oplevelser (hovedforløb) Omsorg, sundhed og pædagogik (hovedforløb) Kontor, handel og forretningsservice (hovedforløb) Teknologi, byggeri og transport (hovedforløb) Kilde: UVM, databanken Fuldførelse og frafald er som ovenfor nævnt blandt de vigtigste indikatorer på erhvervsuddannelsesområdet. Derfor fortages der også en beregning af institutionernes forventede frafald i forhold til socioøkonomisk reference. I Tabel 12 sammenlignes det faktiske og forventede frafald på tværs af institutioner, som udbyder de forskellige erhvervsuddannelsesretninger. Tabel 12: Faktisk og forventet frafald. 2014 Frafald Faktisk Forventet Forskel Bedre end forventet Antal institutioner Dårligere end forventet Hverken bedre eller dårligere Teknologi, byggeri og transport 53,3% 53,2% 0,0% 25 26 23 Omsorg, sundhed og pædagogik 54,3% 54,3% 0,0% 18 19 12 Fødevarer, jordbrug og oplevelser 56,5% 56,2% 0,2% 15 14 12 Kontor, handel og forretningsservice 64,9% 65,0% -0,1% 18 21 25 Kilde: STIL Generelt er der kun mindre forskelle mellem den faktiske og forventede frafald på hovedområdeniveau. Der er dog en større variation på institutionsniveau. Med udgangspunkt i elevregisteret er der foretages en logistisk regressionsanalyse af sammenhængen mellem elevers karakterer ved folkeskolen prøver og frafald på erhvervsuddannelser 26. Analysen viser, at matematikkarakterer under middel øger risikoen for at falde fra en erhvervsuddannelse, mens karakterer over middel ikke har nogen betydning. Det samme gør sig gældende for elevernes karakterer i STEM-fagene samlet set. 26 Resultaterne af analysen skal læses som en statistisk sammenhæng ikke en kausal effekt, da vi ikke har mulighed for at tage højde for selektion af elever ind i skoler. 47

Analysen viser endvidere, at både elever med stærk og svag socioøkonomisk baggrund har større risiko for at falde fra en erhvervsuddannelse sammenlignet med elever med en middel socioøkonomisk baggrund. Endelig er risikoen for frafald højere blandt mænd samt blandt indvandrere og efterkommere sammenlignet med elever med dansk herkomst. Tabel 13: Resultater af logistisk regressionsanalyse vedrørende sammenhængen mellem karakterer ved FSA og frafald på erhvervsfaglig uddannelser i 2015 (odds ratio). (1) (2) (3) (4) Teknologi, Teknologi, byggeri byggeri og og transport transport (grundforløb 2) Alle erhvervsfaglige uddannelser Teknologi (hovedforløb) Grundskolekarakter i matematik (ref: middel) Under middel 1.172 *** 1.199 ** 1.105 1.167 (4.69) (3.29) (1.49) (1.43) Over middel 0.939 0.946 0.997 0.801 (-1.15) (-0.63) (-0.03) (-1.36) Grundskolekarakter i STEM-fag (ref: middel) Under middel 1.318 *** 1.468 *** 1.519 *** 1.248 * (8.25) (7.04) (6.33) (2.08) Over middel 0.935 0.839 0.754 * 1.102 (-1.17) (-1.93) (-2.55) (0.59) Socioøkonomisk status (ref: middel) Under middel 1.402 *** 1.554 *** 1.527 *** 1.527 *** (16.89) (12.71) (10.20) (10.20) Over middel 1.192 *** 1.191 *** 1.130 * 1.205 * (6.84) (4.05) (2.35) (2.20) Mand (ref: kvinde) 1.011 0.767*** 0.861* 0.614 *** (0.63) (-5.48) (-2.54) (-5.32) Herkomst (ref: dansk) Indvandrer 1.483 *** 1.643 *** 1.736 *** 1.308 (8.89) (6.27) (5.77) (1.55) Efterkommer 1.570 *** 1.635 *** 1.565 *** 1.278 (13.00) (7.80) (6.07) (1.67) Observationer 115.707 35.025 17.575 17.450 Pseudo R 2 0,015 0,028 0,028 0,014 z-statistik i parentes, * p < 0.05, ** p < 0.01, *** p < 0.001 Note: I analysen indgår alle elever, der i 2015, var indskrevet på en erhvervsfaglig uddannelse. 48

UNDERVISERE PÅ ERHVERVSUDDANNELSER Knap halvdelen af underviserne på erhvervsuddannelser har selv en erhvervsfaglig uddannelse ofte i kombination med en videregående uddannelse Det undervisende personale på erhvervsuddannelser har mange forskellige uddannelsesbaggrunde. Tabel 14 viser den højest fuldførte uddannelse for alle undervisere på erhvervsuddannelserne. Lidt over hver tredje har en mellemlang videregående uddannelse. Heraf har 1.217 (dvs. 14 % af alle undervisere på erhvervsuddannelser) gennemført læreruddannelsen. Lidt over hver fjerde har en erhvervsfaglig uddannelse eller et erhvervsfagligt grundforløb som højest fuldførte uddannelse. Da forholdsvis mange undervisere samtidig både har en erhvervsfaglig uddannelse og en videregående uddannelse, har samlet ca. halvdelen af underviserne på erhvervsuddannelserne selv en erhvervsuddannelse. Tabel 14: Højest fuldførte uddannelse for undervisere på erhvervsuddannelser, samt angivelse af om de har en erhvervsuddannelse Højest fuldførte uddannelse Har en erhvervsuddannelse Antal Procent Antal Procent Grundskole 177 2% - - Gymnasiale uddannelser 374 4% - - Erhvervsfaglige uddannelser 2.312 27% 2.312 27% Korte videregående uddannelser 853 10% 662 8% Mellemlange videregående uddannelser 3.043 35% 896 10% Lange videregående uddannelser og 1.906 22% 188 2% Ph.d. Øvrige 51 1% - - Total 8.716 100% 4.058 47% Kilde: Egne beregning pba. Danmarks Statistik 49

7. ELEVERNES UDDANNELSESVALG: STUDIERET- NING, FAG, FAGNIVEAUER OG FRAFALD UDBUD AF GYMNASIALE UNGDOMSUDDANNELSER Udbuddet af gymnasiale ungdomsuddannelser varierer på tværs af landet. Nogle steder er der langt til en handelsskole (hhx) eller et teknisk gymnasium (htx), mens afstanden til et alment gymnasium (stx) næsten altid er forholdsvis kort. Fra tidligere undersøgelser ved vi, at afstanden af en af mange parametre, som har betydning for de unges valg af ungdomsuddannelse. 27 Dækningsgrad af stx er høj, mens den er lav for htx Dækningsgraden for det almene gymnasium (stx) er højere end for de resterende ungdomsuddannelser. Det vil sige, at antallet af uddannelsessteder som udbyder stx er høj, og at den gennemsnitlige afstand til et sådant uddannelsessted er kort. Dækningsgraden er specielt høj i og omkring hovedstaden. I Vestjylland og på Lolland-Falster, hvor befolkningstætheden er lav, er der generelt længere mellem uddannelsesinstitutionerne. Figur 30: Placering og gennemsnitlig afstand til nærmeste uddannelsessted, som udbyder stx Uddannelsesstederne som udbyder hhx ligger mere geografisk spredt, mens htx har den laveste dækningsgrad af de tre ungdomsuddannelser. Htx er den ungdomsuddannelse, som uddanner den største andel STEM-kandidater, og afstanden mellem uddannelsesstederne kan derfor potentielt have betydning for, hvor mange unge der vælger en STEM-studieretning. Placering og gennemsnitlig afstand til nærmeste uddannelsessted, som udbyder henholdsvis htx og hhx ses i figur 31 (hhx) og 32 (htx). 27 Region Hovedstaden, 2013. Geografisk uddannelsesdækning og søgning til uddannelserne i Region Hovedstaden. Udarbejdet af Epinion og Pluss 50

Figur 31: Placering og gennemsnitlig afstand til nærmeste uddannelsessted, som udbyder hhx Figur 32: Placering og gennemsnitlig afstand til nærmeste uddannelsessted, som udbyder htx Kilde: STIL og egne beregninger. VALG AF STUDIERETNING, FAG OG FAGNIVEAUER Der er stor forskel på elevernes valg af studieretningsfag på de forskellige gymnasiale uddannelser. En opgørelse fra Styrelsen for It og Læring over studenternes studieretninger i 2013 viser, at de matematiske og naturvidenskabelige studieretningsfag er meget udbredte på htx. 28 Eksempelvis er Matematik A det mest udbredte studieretningsfag efterfulgt af Fysik A. På stx er Engelsk A det hyppigst forekommende studieretningsfag i 2013 efterfulgt af Matematik B. Omvendt er der meget få elever på stx der i 2013 valgte Fysik A (2,8 %) eller Kemi A (1,2 %). Blandt de 10 mest populære studieretninger på stx i 2013 finder man fire studieretninger, der ikke indeholder studieretningsfag inden for hverken matematik eller naturvidenskab. På hhx er økonomifag de mest almindelige studieretningsfag. I følgende afsnit præsenteres, hvor mange elever der vælger en naturvidenskabelig studieretning og hvorledes disse fordeler sig på forskellige typer af ungdomsuddannelser. Derudover kortlægges det, hvor mange studenter der hvert år afslutter forskellige STEM-fag på A, B og C-niveau. Andelen af studenter med en STEM-studieretning er stabil På tværs af de danske ungdomsuddannelser er der i alt identificeret 162 forskellige STEM-studieretninger. Flertallet af retningerne minder om hinanden, men på grund af stor fag- og niveaukombination ender det samlede antal på 162. Det har kun været muligt at identificere STEM-studieretninger på henholdsvis stx og htx, mens der på hhx, hf og eux er tale om studieretninger inden for andre områder, som ikke har et eller flere STEMfag på A-niveau. Andelen af studenter med en STEM-studieretning på stx og htx har ligget stabilt på 28 Styrelsen for It og Læring, august 2014, Studenternes studieretninger 2013 51

cirka 38 % fra 2010 til 2016. Dette indebærer altså, at antallet af studenter med en STEM-studieretning er steget i takt med antallet af elever på de to ungdomsuddannelser. Figur 33: Udvikling af studenter med en STEM-studieretning på STX og HTX (2010-2016) 35000 30000 25000 24928 26617 27862 29617 31223 31058 31865 20000 15000 10000 9827 10170 10796 11461 11934 11550 12152 5000 0 2010 2011 2012 2013 2014 2015 2016 STEM-studenter Alle studenter på HTX og STX Kilde: STIL og egne beregninger Langt flere htx-studenter har en STEM-studieretning end stx-studenter En langt større andel af htx-studenter har en STEM-studieretning sammenlignet med stx-studenter. 80 % af alle htx-studenter har i 2016 en STEM-studieretning, mens dette er 32 % af alle stx-studenter. Denne forskel kan forklares med det store fokus på naturvidenskab og teknik på htx, mens stx favner bredere med sproglige, naturvidenskabelige og samfundsfaglige retninger. Andelen af elever med en STEM-studieretning har været stabil siden 2006 for begge ungdomsuddannelser. Figur 34: Andel studenter med en STEM-studieretning af den samlede andel studenter på htx og stx 100% 80% 60% 40% 20% 0% 80% 78% 80% 78% 78% 78% 80% 34% 32% 32% 33% 33% 31% 32% 2010 2011 2012 2013 2014 2015 2016 STX HTX Kilde: STIL og egne beregninger Matematik A og Fysik B er den mest populære STEM-studieretning Tabel 15 viser de mest populære studieretninger på stx og htx i 2016. Opgørelsen er foretaget ud fra kriteriet om, at minimum 100 studenter skal have haft studieretningen. For stx har 12 STEM-studieretninger mere end 100 studenter i 2016, mens det omhandler otte på htx. Matematik og fysik er mest populære som STEM-studieretning med forskellige tilvalgsfag afhængig af ungdomsuddannelsen. 52

Tabel 15: Top STEM-studieretninger i 2016 (med minimum 100 studenter) STX HTX Studieretning Antal Studieretning Antal Mat A, Fys B, Kem B 2.731 Fys A, Mat A, Ide B 450 Biotek A, Mat A, Fys B 1.851 Tek A, Des B, Inno C 345 Bio A, Idr B, Mat B 1.577 Kem A, Mat A, Bio B 245 Fys A, Mat A, Kem B 523 Biotek A, Mat A, Ide B 156 Bio A, Kem B, Mat B 288 Fys A, Mat A, IT B 136 Bio A, Mat B, Psy B 276 Mat A, IT B, Pro C 130 Kem A, Mat A, Fys B 222 Biotek A, Mat A, Samf B 126 Mat A, Bio B, Idr B 176 Biotek A, Mat A, Psy C 114 Bio A, Mat B, Kem C 150 Mat A, Fys B, Kem C 133 Bio A, Mat, A, Idr B 126 Mat A, Samf A, Bio B 104 Tabel 16 beskriver udviklingen fra 2010 til 2016 på baggrund af fagsammensætningen i STEM-studieretningerne. Matematik på A-niveau kombineret med fysik på B-niveau er den mest populære STEMstudieretning. Bioteknologi A kombineret med matematik A er ligeledes en populær studieretning, som siden 2011 er steget til 2.391 studenter i 2016. Færre studenter kombinerer dog matematik A og fysik B som studieretning i 2016, hvilket også gør sig gældende for kombinationerne mellem kemi A og biologi B samt matematik A og biologi B. Tabel 16: STEM-studieretninger opgjort på de to vigtigste fag (antal studenter) Studenter i alt (2010-2016) Studenter i 2010 Studenter i 2016 Biologi A 14881 1980 2624 Fysik B 69 32 0 Idræt B 7736 775 1608 Kemi B 2511 512 288 Matematik A 1672 357 222 Matematik B 2893 304 506 Biologi B 21 21 0 Fysik B 21 21 0 Bioteknologi A 10561 0 2391 Engelsk A 62 0 0 Fysik A 20 0 0 Matematik A 10479 0 2391 Fysik A 11923 1613 1622 Biologi B 37 15 0 Design B 7 0 0 Kemi A 45 0 31 Kemi B 25 9 0 53

Matematik A 11776 1559 1591 Matematik B 33 30 0 Geovidenskab A 173 0 101 Matematik A 173 0 101 It A 6 6 0 Matematik A 6 6 0 Kemi A 5171 870 651 Biologi B 1364 285 125 Fysik B 43 42 0 Matematik A 3764 543 526 Matematik A 30660 4827 4073 Biologi B 5074 1026 508 Filosofi B 9 0 0 Fysik B 22619 3461 3097 Idehistorie B 110 0 75 Idræt B 153 21 0 Informationsteknologi B 1432 214 171 Kemi B 301 45 44 Musik B 93 12 22 Samfundsfag A 768 48 133 Teknologi A 101 0 23 Teknologi A 4477 504 689 Biologi B 19 6 0 Design B 3669 408 576 Idehistorie B 11 0 8 Informationsteknologi B 208 12 68 Innovation B 143 0 0 Samfundsfag B 427 78 37 Total 77873 9821 12151 Kilde: STIL og egne beregninger Note: Fag markeret med grå er første studieretningsfag, som i kombination med et af fagene under sig udgør forskellige studieretninger. Der er stor forskel på udbuddet af fag på tværs af de enkelte ungdomsuddannelser På de gymnasiale ungdomsuddannelser er der forskel på, hvilke STEM-fag der udbydes. Matematik, fysik og kemi udbydes på tværs af alle ungdomsuddannelserne, mens andre STEM-fag som fx biologi, naturgeografi mv. er begrænset til bestemte ungdomsuddannelser. I Tabel 17 er fagudbud og fagniveau opgjort efter ungdomsuddannelser. 54

Tabel 17: Udbud af STEM-fag fordel på ungdomsuddannelser Fagniveau STX HHX HTX HF EUX A x x x x x Matematik B x x x x x C x x x A x x x Fysik B x x x x x C x x x A x x x Kemi B x x x x x C x x x x x A x x Biolog B x x x x C x x x A Naturgeografi B x x C x x Naturvidenskabeligt grundforløb Intet niveau x Naturvidenskabelig faggruppe Intet niveau x Bioteknologi A x x B x Teknikfag C x x A x Teknologi B x C IT B x x x C x x x Kilde: STIL Flere elever har matematik på B-niveau og færre har matematik på C-niveau Siden 2010 er der sket en stigning på 8 procentpoint i andelen af elever, som har matematik på B- niveau svarende til lidt over 7.000 elever. Modsat er andelen af elever, som har matematik på C-niveau faldet med tilsvarende 8 procentpoint svarende til godt 850 elever. Flere elever vælger at tage matematik på B-niveau frem for C-niveau, hvilket kan være et resultat af ændringer i studieretningerne i 2013, hvor sigtet netop var at opnå et løft inden for det naturvidenskabelige område fra C- til B-niveau. Andelen af elever som har matematik på A-niveau har været stabil på 33 % i perioden. 55

Figur 35: Udviklingen i andelen af elever, som har matematik på A, B eller C-niveau (2010-2016) 50% 45% 40% 35% 30% 25% 20% 2010 2011 2012 2013 2014 2015 2016 Kilde: Danmarks Statistik og egne beregninger A-niveau B-niveau C-niveau Flere elever har fysik, kemi og biologi på C-niveau Inden for fysik er der siden 2010 sket et mindre fald i andelen af elever med fysik på A- og B-niveau. Dette gælder ikke for fysik C, hvor der ses en stigning på 5 procentpoint fra 2010 til 2016. For kemi er tendensen, at flere elever har undervisning på C-niveau, mens 7 procentpoint færre har kemi på B-niveau og andelen som har kemi på A-niveau er steget lidt. For biologi har en væsentlig lavere andel undervisning på B-niveau og en større andel på C-niveau. Denne ændring har særligt fundet sted fra 2014 til 2016. Figur 36: Udviklingen i andel af studenter, som har fysik, kemi og biologi fordelt på fagniveau, 2010 og 2016. 50% 45% 40% 35% 30% 25% 20% 15% 10% 5% 0% 45% 40% 41% 33% 21% 18% 25% 22% 20% 15% 14% 13% 8% 6% 6% 5% 6% 7% A B C A B C A B C Fysik Kemi Biologi 2010 2016 Kilde: Danmarks Statistik og egne beregninger Bioteknologi vinder frem, men er fortsat et lille fag På stx og hf udbydes naturgeografi. Dette fag beskæftiger sig med naturen og menneskes udnyttelse af denne med fokus på grundlæggende naturprocesser og naturforhold. Fra 2010 til 2016 er der sket en tilbagegang i andelen af studenter som har faget på B-niveau og en tilsvarende stigning på C-niveau. 56

Bioteknologi er et forholdsvist nyt fag, som udbydes på stx og htx. Faget tager udgangspunkt i kemi og biolog, hvor der undervises i klassiske biologiske såvel som kemiske emner. Siden implementeringen af faget på stx og specielt htx i 2011 er andelen af elever, som har undervisning i faget steget med 4 procentpoint. Dette er en mindre udvikling, som dog understreger en øget interesse for faget. Figur 37: Udviklingen i andelen af studenter, som har naturgeografi og bioteknologi fordel på fagniveau, 2010 og 2016 30% 25% 20% 15% 10% 5% 0% 13% 6% Kilde: Danmarks Statistik og egne beregninger Note: Bioteknologi i 2011 og 2016. 18% 24% B C A Naturgeografi 2010 2016 1% 5% Bioteknologi Naturvidenskabeligt grundforløb udbydes kun på stx, som et obligatorisk forløb i starten af gymnasiet. Eleverne præsenteres i dette fag for områder inden for biologi, kemi og fysik og bliver undervist i områder, som går på tværs af fagene. Dette omfatter blandt andet videnskabelige metoder. Naturvidenskabelig faggruppe er et forløb, som kun udbydes på hf. Dette er et tværfagligt fag, som består af en kombination af biologi, geografi og kemi. Eleverne får indsigt i videnskabelige metoder, og fagets indhold er på linje med det naturvidenskabelige grundforløb på stx. For dette fag fremgår ikke en større udvikling i andelen af elever, som har undervisning i faget, hvilket ligeledes kan begrundes med dets obligatoriske karakter. De helt små STEM-fag udbydes kun på bestemte ungdomsuddannelser Teknikfag og teknologi udbydes kun på htx. Fagene har til formål at sikre en iværksætterkultur blandt unge med fokus på, hvordan teknologi og teknik kan bruges i fremstilling og udvikling af produkter, processer mv. Inden for begge fag har andelen af elever været stabil fra 2010 til 2016. IT udbydes både af hhx, stx, htx og hf, men det er kun på hhx, at elever kan få undervisning i IT på A- niveau. I IT undervises elever i databehandlingsteknologier og systemer, hvorved de lærer at strukturere og programmere data. I 2016 har færre elever IT på henholdsvis A- og B-niveau sammenlignet med 2006, mens lidt flere har IT på A-niveau. Der er dog tale om små forskelle. 57

Figur 38: Udviklingen i andelen af elever, som har bioteknologi, teknikfag. IT og teknologi 9% 8% 7% 6% 5% 4% 3% 2% 1% 0% 8% 8% 6% 6% 2% 2% 2% 2% 1% 1% 0% 0% A A B A B C Teknikfag Teknologi IT 2010 2016 Kilde: Danmarks Statistik og egne beregninger Udover ovenstående STEM-fag på ungdomsuddannelserne, kan der yderligere identificeres otte andre fag. Dette gælder astronomi, byggeteknologi, datalogi, geografi, programmering, statik og styrkelære samt statistik. Da der er få studenter på disse fag, er det ikke muligt at opnå et tilstrækkeligt datagrundlag om disse fag til at udføre analyser. BETYDNINGEN AF RESULTATER I FOLKESKOLEN FOR ELEVERNES VALG PÅ UNGDOMSUDDANNELSER I dette afsnit analyseres sammenhængen mellem elevernes resultater i grundskolen og deres valg af ungdomsuddannelse og studieretning. De dygtigste i STEM-fagene vælger STEM-studieretninger på stx og htx Tabel 18 viser, at der er en overvægt af de elever, som er dygtige i STEM-fag, som har valgt htx og stx, mens de i mindre grad vælger hhx, hf eller eux. Tabel 18: Sammenhæng mellem karakter i STEM fag i FSA og valg af ungdomsuddannelse. STX HHX HTX HF EUX Karakterer i STEM-fag Antal % Antal % Antal % Antal % Antal % Under middel 43.441 25,1 20.827 41,5 4.144 16,8 26.143 75,5 74 44 Middel 60.725 35,0 18.055 36,0 8.531 34,5 6.803 19,7 59 35 Over middel 69.209 39,9 11.281 22,5 12.021 48,7 1.672 4,8 36 21 Total 173.375 100 50.163 100 24.696 100 34.618 100 169 100 Kilde: Danmarks Statistik og egne beregninger. Hvis man går et skridt dybere i studievalget og skelner mellem STEM-studieretninger og ikke-stemstudieretninger, bliver forskellen mellem de elever, der er dygtige til STEM-fagene og andre elever 58

endnu tydeligere. 57 % af de elever, der vælger en STEM-studieretning, har karakterer over middel i STEM-fagene i grundskolen, mens det gælder for 25 % af de elever, der vælger en ikke-stem-studieretning. Tabel 19: Karakterer i STEM-fag i grundskolen og valg af studieretning. STEM-studieretning Ikke-STEM-studieretning Karakterer i STEM-fag Antal % Antal % Under middel 9.478 12,5 85.151 41,1 Middel 23.353 30,8 70.820 34,2 Over middel 43.034 56,7 51.185 24,7 Total 75.865 100 207.156 100 Kilde: Danmarks Statistik og egne beregninger. Indvandrere og efterkommere vælger alt andet lige oftere en STEM-studieretning En logistisk regressionsanalyse viser endvidere, at karakterer over middel i matematik alt andet lige øger sandsynligheden for at vælge en STEM-studieretning, mens karakterer under middel har den modsatte betydning 29. Sammenhængen med elevernes præstation i de øvrige STEM-fag er faktisk endnu stærkere. Socioøkonomisk baggrund synes ikke at have nogen selvstændig betydning, når der tages højde for elevernes karakterer i STEM-fagene. Dog vælger elever med en stærk socioøkonomisk baggrund og karakterer over middel i STEM-fagene i endnu højere grad en STEM-studieretning, mens det omvendte gør sig gældende, hvis en elev med under middelsocioøkonomisk baggrund også har karakterer under middel. Det skal forstås sådan, at socioøkonomisk baggrund altså forstærker betydningen af elevernes karakterer for deres valg af en STEM-studieretning. Drenge vælger i højere grad end piger en STEM-studieretning, og det gælder i endnu højere grad hvis de har karakterer over middel i STEM-fagene. Dette skal forstås sådan, at hvis en dreng og en pige har opnået lige gode grundskole-karakterer i STEM-fag, vil drengen være mere tilbøjelig til at vælge en STEM-studieretning end pigen især hvis de begge har gode karakterer i STEM-fagene. Endelig vælger indvandrere og efterkommere i højere grad end elever med dansk oprindelse en STEM-studieretning, hvis man tager højde for forskelle i bl.a. grundskolekarakterer og socioøkonomisk status. 29 Resultaterne af analysen skal læses som en statistisk sammenhæng ikke en kausal effekt, da vi ikke har mulighed for at tage højde for selektion af elever ind i skoler. 59

Tabel 20: Resultater af logistisk regressionsanalyse vedrørende sammenhængen mellem karakterer ved FSA og valg af STEM-studieretning (1), inklusiv interaktionsled (2) (odds ratio). (1) (2) Grundskolekarakter i matematik (ref: middel) Under middel 0.728 *** 0.721 *** (-19.28) (-19.73) Over middel 1.355 *** 1.353 *** (20.27) (20.12) Grundskolekarakter i STEM-fag (ref: middel) Under middel 0.406 *** 0.436 *** (-51.70) (-30.31) Over middel 1.896 *** 1.627 *** (42.42) (20.89) Socioøkonomisk status (ref: middel) Under middel 0.968 * 0.972 (-2.39) (-1.29) Over middel 1.037 *** 0.959 * (3.50) (-2.42) Mand (ref: kvinde) 1.273 *** 1.214 *** (26.47) (12.64) Herkomst (ref: dansk) Indvandrer 2.676 *** 2.807 *** (36.21) (22.67) Efterkommer 2.453 *** 2.551 *** (45.04) (28.75) Grundskolekarakter i STEM-fag*SES Under middel # Under middel 0.891 ** (-3.24) Under middel # Over middel 1.004 (0.12) Over middel # Under middel 1.054 (1.67) Over middel # Over middel 1.184 *** (7.33) Grundskolekarakter i STEM-fag*Køn Under middel # Mand 0.941 * (-2.24) Over middel # Mand 1.131 *** (6.06) Grundskolekarakter i STEM-fag*Herkomst Under middel # Indvandrer 0.931 (-1.15) Under middel # Efterkommer 0.895 * (-2.36) Over middel # Indvandrer 0.952 (-0.66) Over middel # Efterkommer 1.016 (0.32) Observationer 283.021 283.011 Pseudo R 2 0,112 0,113 z-statistik i parentes, * p < 0.05, ** p < 0.01, *** p < 0.001 60

FRAFALD OG FULDFØRELSE Der er stor forskel på fuldførelsesprocenten på de gymnasiale uddannelser. Fuldførelsesprocenten i 2015 på stx ligger stabilt højt på 84 %. Herefter følger hhx med 81 %, htx med 75 % og endelig hf med 69 %. Fuldførelsesprocenten på htx og hf har været faldende fra 2010 til 2015. Figur 39: Modelberegnet fuldførelsesprocent for gymnasiale uddannelser, 2010-2015 90% 85% 80% 75% 70% 85% 85% 84% 84% 84% 84% 82% 80% 82% 82% 82% 81% 79% 79% 78% 77% 76% 75% 74% 71% 71% 71% 70% 69% 65% 60% 2010 2011 2012 2013 2014 2015 Stx Hhx Htx Hf Kilde: UVM, databanken Gode karakterer i STEM-fagene reducerer sandsynligheden for frafald på tværs af alle gymnasiale ungdomsuddannelser Med udgangspunkt i elevregisteret har vi foretaget en logistisk regressionsanalyse af sammenhængen mellem elevernes karakterer ved folkeskolens prøver og frafald på en gymnasial ungdomsuddannelse 30. Analysen viser, at matematikkarakterer under middel øger risikoen for at falde fra en gymnasial ungdomsuddannelse, og at sammenhæng især er stærk for htx. Karakterer over middel reducerer omvendt sandsynligheden for frafald. Det samme gør sig gældende på tværs af alle de gymnasiale ungdomsuddannelser for elevernes karakterer i STEM-fagene samlet set. Analysen viser endvidere, at socioøkonomisk baggrund under middel øger sandsynligheden for frafald. Endelig har mænd en større sandsynlighed for at falde fra. Herkomst har ikke nogen signifikant betydning. 30 Resultaterne af analysen skal læses som en statistisk sammenhæng ikke en kausal effekt, da vi ikke har mulighed for at tage højde for selektion af elever ind i skoler. 61

Tabel 21. Resultater af logistisk regressionsanalyse vedrørende sammenhængen mellem karakterer ved FSA og frafald på gymnasiale uddannelser i 2015 (odds ratio). (1) (2) (3) (4) (5) Gymnasie uddannelse Stx Htx Hhx Hf Grundskolekarakter i matematik (ref: middel) Under middel 1.134 ** 1.107 1.359 * 1.154 1.006 (2.95) (1.61) (2.40) (1.50) (0.06) Over middel 0.824 *** 0.829 * 0.759 * 0.816 1.195 (-3.75) (-2.54) (-2.34) (-1.67) (1.15) Grundskolekarakter i STEM-fag (ref: middel) Under middel 1.775 *** 1.690 *** 1.184 1.984 *** 1.457 *** (13.73) (8.31) (1.26) (7.20) (4.09) Over middel 0.655 *** 0.586 *** 0.766 * 0.762 * 0.891 (-8.21) (-7.26) (-2.24) (-2.19) (-0.71) Socioøkonomisk status (ref: middel) Under middel 1.404 *** 1.291 *** 1.297 ** 1.637 *** 1.341 *** (10.59) (4.95) (2.83) (6.94) (4.60) Over middel 0.943 0.952 0.921 1.115 1.023 (-1.93) (-1.10) (-0.99) (1.54) (0.32) Mand (ref: kvinde) 1.360 *** 1.295 *** 1.222 * 1.171 ** 1.376 *** (12.45) (6.87) (2.44) (2.69) (6.03) Herkomst (ref: dansk) Indvandrer 1.127 1.189 0.867 1.054 1.085 (1.92) (1.77) (-0.71) (0.33) (0.68) Efterkommer 1.055 1.123 0.962 0.810 1.308 ** (1.24) (1.80) (-0.29) (-1.77) (3.14) Observationer 280.067 172.082 25.826 51.884 27.250 Pseudo R 2 0,037 0,032 0,020 0,035 0,012 z-statistik i parentes, * p < 0.05, ** p < 0.01, *** p < 0.001 Note: I analysen alle elever, der i 2015, var indskrevet på en gymnasial uddannelse. 62

OM OS Vi er et af Skandinaviens største konsulent- og analysefirmaer med kontorer i Danmark, Grønland, Norge, Storbritannien, Sverige, Tyskland, Vietnam og Østrig. Vi er en mangfoldig arbejdsplads med internationalt perspektiv og samarbejdspartnere i hele verden og beskæftiger mere end 150 fastansatte medarbejdere og 500 interviewere. Vi leverer skræddersyede undersøgelser, der sikrer et solidt grundlag for optimale beslutninger. Vores mål er altid at præsentere analyseresultater og yde rådgivning af højeste kvalitet. EPINION AARHUS HACK KAMPMANNS PLADS 1-3 8000 AARHUS C T: +45 87 30 95 00 E: TV@EPINION.DK W: WWW.EPINION.DK EPINION KØBENHAVN RYESGADE 3F 2200 KØBENHAVN N T: +45 87 30 95 00 E: TYA@EPINION.DK W: WWW.EPINION.DK DANMARK GRØNLAND NORGE STORBRITANNIEN SVERIGE TYSKLAND VIETNAM 63 ØSTRIG