3. Resultaten

In deze paragraaf worden bevindingen uit de pilot gepresenteerd. Aan de hand van een aantal tabellen en figuren wordt getoond welke statistieken samengesteld kunnen worden op basis van de door gemeenten en cursusaanbieders aangeleverde data. De resultaten zijn gebaseerd op een beperkte set van waarnemingen. Daarnaast geven ze niet voor alle gemeenten een compleet beeld van de cursusdeelname, omdat in een aantal gemeenten slechts een deel van de aanbieders gegevens heeft geleverd. Daarom kunnen er nog geen algemene conclusies over opleidingsdeelname rondom laaggeletterdheid in Nederland uit getrokken worden. De eerste paragraaf beschrijft een aantal bevindingen op basis van het analysebestand met gegevens op recordniveau. De tweede paragraaf geeft een aantal resultaten weer gebaseerd op het analysebestand met gegevens op geaggregeerd niveau. Ten slotte wordt in de derde paragraaf beknopt ingegaan op de individuele terugkoppelingen die samengesteld zijn voor de deelnemende (contact)gemeenten. De gemeenten hebben deze separaat toegestuurd gekregen.

3.1 Resultaten op recordniveau

In deze paragraaf wordt een aantal resultaten beschreven op basis van het databestand dat is samengesteld uit de gegevens die op recordniveau door gemeenten en cursusaanbieders zijn aangeleverd. 

Dit bestand bevat 7 457 cases of cursusdeelnemers. Het is helaas vrijwel zeker dat hier dubbelingen in zitten. Bijvoorbeeld omdat deelnemers aan meerdere cursussen hebben deelgenomen of bij meerdere aanbieders stonden geregistreerd. Die dubbelingen zijn een gevolg van de afspraak om voor deze pilot geen identificerende, unieke persoonsgegevens aan te leveren. Een aantal gemeenten had bezwaar tegen het delen van persoonsgegevens van cursisten op landelijk niveau, hoewel dit juridisch wel mag tussen aanbieders en het CBS. De WEB is niet eenduidig over het delen van persoonsgegevens tussen aanbieders en gemeenten. Als een uniek identificerend gegeven per deelnemer wel beschikbaar is, kunnen deze dubbelingen worden voorkomen en is goed zicht op deelnemers die meerdere cursussen hebben gevolgd. Het CBS vervangt identificerende persoonskenmerken zo snel mogelijk na ontvangst door een pseudosleutel. Met deze zogeheten gepseudonimiseerde gegevens doet het CBS vervolgens onderzoek. Het CBS publiceert alleen statistische informatie als personen niet herkenbaar of herleidbaar zijn.  (Zie hier voor meer informatie over hoe het CBS met persoonsgegevens omgaat).

Met de gegevens op record niveau is het in principe mogelijk om elke gewenste indeling te maken van (combinaties van) beschikbare kenmerken. Daarbij kan het bijvoorbeeld gaan om een uitsplitsing naar geslacht of het soort cursus. 66,5 procent van de deelnemers is vrouw, 30 procent is man en van 3,5 procent is het geslacht onbekend. Van de deelnemers volgde 74 procent één of meerdere cursussen uit het non-formele aanbod en 25 procent nam deel aan het formele aanbod. Van 1 procent is het soort cursus niet bekend. 

De volgende figuren illustreren een aantal mogelijkheden voor het samenstellen van beschrijvende statistieken op basis van de data die aangeleverd zijn. De figuren 3.1.1 en 3.1.2 geven informatie over de cursusdeelnemers naar de achtergrondkenmerken leeftijd en type cursus. In figuur 3.1.2 zijn cursusdeelnemers mogelijk meerdere keren meegeteld, omdat zij meerdere cursussen gevolgd kunnen hebben. 

Data op recordniveau maken het ook mogelijk om de groep cursusdeelnemers uit te splitsen naar een combinatie van achtergrondkenmerken, zoals leeftijd en geslacht (figuur 3.1.3), leeftijd en doelgroep (figuur 3.1.4) of geslacht en soort cursus (figuur 3.1.5). Soortgelijke figuren zijn ook teruggekoppeld aan de deelnemers die op recordniveau hebben aangeleverd. In figuur 3.1.3 is bijvoorbeeld te zien dat de participatie van mannen in de leeftijdsgroepen onder de 67 jaar achterblijft vergeleken met mannen vanaf 67 jaar.

Uit figuur 3.1.4 is af te lezen dat onder alle cursisten van wie bekend is tot welke leeftijdsgroep ze horen het aandeel NT2 deelnemers verreweg het grootst is. Dit aandeel betreft hier een kenmerk van de deelnemer, niet van de cursus. 

Ook kan uit de gegevens opgemaakt worden dat onder vrouwen het aandeel cursisten dat formeel onderwijs volgt lager is dan onder mannen en dat van de vrouwen het soort cursus vaker onbekend is (figuur 3.1.5). 

Indien gewenst kunnen de data ook per gemeente weergegeven worden. Dan is het mogelijk om gemeenten met elkaar te vergelijken. Hierna zijn enkele voorbeelden weergegeven waarin kenmerken zijn uitgesplitst naar gemeente.  

In figuur 3.1.7 is het soort cursus naar gemeente getoond. Hier valt op dat de cursusdeelnemers in gemeente 5 allemaal non-formele cursussen hebben gevolgd en in gemeente 1 allemaal formele cursussen.

Uit figuur 3.1.8 kan afgelezen worden dat de gemeente 3 en de gemeente 1 een relatief groot aandeel cursusdeelnemers NT1 hebben ten opzichte van de overige gemeenten die gegevens over de doelgroep (NT1/NT2 deelnemer) aangeleverd hebben.

3.2 Resultaten op geaggregeerd niveau

In deze paragraaf wordt een aantal resultaten beschreven op basis van het databestand dat is samengesteld uit de gegevens die op geaggregeerd niveau door gemeenten zijn aangeleverd. De onderstaande figuren illustreren een aantal mogelijkheden voor het samenstellen van beschrijvende statistieken op basis van de geaggregeerde data die aangeleverd zijn door de pilot deelnemers, maar laten ook een aantal beperkingen zien van data op geaggregeerd niveau. 

Het analysebestand met geaggregeerde data bevat informatie over 8 645 cursusdeelnemers. Net als in het recordbestand komen ook in dit geaggregeerde bestand dubbeltellingen voor. Dat heeft er in dit geval mee te maken dat gemeenten en aanbieders is gevraagd het totaal aantal deelnemers per type cursus te tellen. Op basis van het totaal en de som van de deelnemers per type cursus is iets te zeggen over het mogelijke aantal dubbelingen. Dit geldt niet voor cursusdeelnemers die te maken hebben gehad met verschillende aanbieders van cursussen en daarom dubbel worden geteld. Deze dubbelingen zijn er, maar niet in beeld. 

In dit bestand is 42 procent vrouw, 22 procent man, 0,1 procent heeft geslacht ‘neutraal’ en van 35 procent is het geslacht niet bekend. Vergeleken met de uitkomsten op basis van de gegevens op recordniveau is het aandeel vrouwen beduidend kleiner, en het aandeel onbekenden beduidend groter.  

In  89 procent van de gevolgde cursussen ging het om een non-formele cursus en in 11 procent om een formele cursus. 

In figuur 3.2.1 is de leeftijdsverdeling van de cursisten weergegeven. Hier is zichtbaar dat er verschillende leeftijdsklassenindelingen zijn gebruikt. De gegevens zijn hierdoor onderling niet vergelijkbaar en ook niet bruikbaar voor kruisingen met andere kenmerken.

In tegenstelling tot data op recordniveau, is het op geaggregeerd niveau veelal lastig om de cursusdeelname uit te splitsen naar twee (of meer) kenmerken. Wordt er gekeken naar de verdeling van de gevolgde cursussen naar geslacht en een ander kenmerk, bijvoorbeeld type cursus (tabel 3.2.2) dan is te zien dat ook hier geen duidelijk beeld ontstaat, omdat niet alle pilot deelnemers dezelfde indeling voor geslacht hebben gebruikt (er is bijvoorbeeld door één van de deelnemers een categorie ‘Neutraal’ toegevoegd). Ook hebben niet alle gemeenten de gegevens naar geslacht aangeleverd, waardoor van een deel van de gevolgde cursussen niet zichtbaar gemaakt kan worden hoe de man/vrouw verdeling is (kolom ‘Niet uitgesplitst’).  

Een soortgelijke tabel met gedeeltelijk lege cellen wordt verkregen als het kenmerk geslacht wordt gecombineerd met bijvoorbeeld de doelgroep (NT1/NT2 deelnemer). Een grafische weergave van de gegevens in een totaalplaatje kan in een dergelijk geval niet worden gemaakt.

Ook op geaggregeerde data is het mogelijk gegevens tussen gemeenten met elkaar te vergelijken, al is dat afhankelijk van de diversiteit in indelingen die zijn aangeleverd. Komen de indelingen van kenmerken voor een groot deel overeen dan is vergelijken tussen gemeenten beter mogelijk dan als er veel verschil is. Hieronder zijn enkele voorbeelden weergegeven waarin kenmerken zijn uitgesplitst naar gemeente. In onderstaande figuren zijn de mogelijkheden van de verwerkte data op geaggregeerd niveau zichtbaar gemaakt. 

Figuur 3.2.4 laat zien dat het op basis van de verwerkte, geaggregeerde data wel mogelijk is voor alle gevolgde cursussen het soort cursus per gemeente weer te geven. Deze informatie is in de data voor alle gevolgde cursussen in alle weergegeven gemeenten beschikbaar.

In tabel 3.2.5 is de verdeling van cursusdeelnemers naar doelgroep (NT1/NT2 deelnemer) gepresenteerd per gemeente. De tabel laat zien dat het voor deze variabele ook lastig is om een totaaloverzicht te krijgen, omdat voor sommige gemeenten niet van alle deelnemers bekend is of ze NT1 dan wel NT2 deelnemer zijn. Bij gemeente 9 is dat bijvoorbeeld voor geen van de cursisten bekend en bij gemeente 11 voor een beperkt deel van de cursusdeelnemers.

3.3 Individuele terugkoppeling aan deelnemers

Alle gemeenten en cursusaanbieders die hebben deelgenomen aan de pilot, hebben van het CBS een individuele terugkoppeling ontvangen. Deze terugkoppeling bevat een korte samenvatting van de bevindingen per gemeente. Hierin zijn puntsgewijs een aantal frequentieverdelingen per variabele weergegeven (bijvoorbeeld: aantal cases/records, verdeling man/vrouw/onbekend, verdeling formele/non-formele cursussen). Daaraan toegevoegd zijn enkele figuren waarin opgeleverde variabelen tegen elkaar zijn uitgezet (bijvoorbeeld cursusdeelname naar leeftijd en soort cursus). Dit zijn soortgelijke figuren zoals gepresenteerd in de voorgaande paragrafen (3.1 en 3.2). Afzonderlijke bestanden die het CBS per cursusaanbieder voor één contactgemeente heeft ontvangen, zijn voor de individuele terugkoppeling samengevoegd tot één totaalbestand voor die betreffende contactgemeente. Ook de gemeenten waarvan de data niet zijn verwerkt in het recordbestand en het geaggregeerde bestand hebben een individuele terugkoppeling ontvangen op de door hen aan het CBS geleverde data. 

Deze individuele terugkoppelingen laten zien wat er op den duur mogelijk is in een landelijke output monitor voor Laaggeletterdheid. Over de precieze vorm zal nog gedacht moeten worden, maar gedacht kan worden aan een dashboard met vergelijkingen op regionaal/lokaal niveau.