Op 20 maart 2025 organiseerde NCP EQAVET een workshop over het gebruik van data in het kwaliteitszorgbeleid van mbo-scholen. Deze workshop bouwde voort op het recent door het NCP EQAVET gepubliceerde onderzoek “Data Usage in Quality Assurance”, waarin werd onderzocht hoe mbo-instellingen data inzetten ter ondersteuning van hun kwaliteitszorgbeleid. De bijeenkomst bood een platform om praktijkervaringen uit te wisselen, knelpunten te benoemen en aanbevelingen te formuleren om het gebruik van data in kwaliteitszorg te verbeteren.
De basis voor de workshop werd gevormd door de uitkomsten van het onderzoek. Hieruit was gebleken dat data een steeds belangrijkere rol speelt in de beleidsvorming binnen mbo-scholen. Toch blijven er uitdagingen bestaan, zoals het effectief interpreteren van data, het vertalen ervan naar concrete verbetermaatregelen en het ontwikkelen van een structurele aanpak voor datagebruik. De workshop richtte zich op deze thema’s en bracht onderwijsprofessionals, beleidsmakers en samenwerkingspartners bijeen om gezamenlijk tot inzichten en oplossingen te komen.
Opzet van de workshop
De workshop begon met een plenaire presentatie waarin de belangrijkste bevindingen uit het onderzoek werden toegelicht. Vervolgens gingen de deelnemers in interactieve rondes aan de slag met drie centrale thema’s:
- Wel of geen beleid voor datagebruik?
- Kwalitatieve versus kwantitatieve data
- Historische versus voorspellende data
In elke workshopronde werd er gediscussieerd over de praktijkervaringen van deelnemers, de uitdagingen die zij ondervinden en mogelijke oplossingen. De inzichten die hieruit voortkwamen worden hieronder per thema uitgewerkt en gekoppeld aan de bevindingen uit het onderzoek.
Uitkomsten van de workshop
Thema 1: Wel of geen beleid voor datagebruik?
Een van de kernvragen in de workshop was de mate waarin mbo-scholen beleid hebben opgesteld over het gebruik van data binnen kwaliteitszorg. Uit de discussies bleek dat er binnen alle scholen in zekere mate beleid is, maar er zijn nog maar weinig scholen die een formeel beleid hebben ontwikkeld waarin zij heldere kaders geven rondom hoe data wordt verzameld, geanalyseerd en toegepast ter ondersteuning van kwaliteitszorg. De meeste deelnemers gaven aan dat hun scholen zich nog in een verkennende fase bevinden en op zoek zijn naar manieren om data effectiever in te zetten.
De deelnemers gaven aan dat het ontbreken van een concreet beleid kan leiden tot inconsistent gebruik van data en een gebrek aan eenduidigheid binnen de organisatie. Wanneer er geen duidelijke afspraken zijn over welke data wordt verzameld en hoe deze wordt ingezet, bestaat het risico dat inzichten niet effectief worden benut of niet worden begrepen. De deelnemers gaven verder aan dat het vertalen van data naar concrete acties op dit moment vaak een uitdaging vormt. Ook spraken zij het belang uit van de actualiteit en volledigheid van data die wordt gebruikt voor kwaliteitszorg. Verouderde of onvolledige data vormen hierbij een obstakel. Met name VSV-data en instroomgegevens blijken niet altijd up-to-date of volledig te zijn.
Deze bevindingen sluiten aan bij de bevindingen uit het onderzoek, waarin werd benadrukt dat een systematische en gestructureerde aanpak noodzakelijk is om data effectief in te zetten binnen kwaliteitszorg.
Op de vraag welke beleidskaders en afspraken hen zouden helpen, gaven de deelnemers de volgende antwoorden:
- Het beleid moet sturen op een goede balans tussen kwantitatieve en kwalitatieve data.
- Over de kwaliteit van de te gebruiken data moeten ook afspraken gemaakt worden, alsook over de manieren waarop data geanalyseerd worden.
- Het is belangrijk dat de privacy van studenten en medewerkers gewaarborgd blijft en dat hierover duidelijke afspraken worden vastgelegd in het beleid.
Het voornaamste advies dat de deelnemers hadden voor andere scholen is om te starten met het ontwikkelen van beleid om te zorgen dat er op iedere school in elk geval afspraken zijn gemaakt die helder zijn en voor iedereen duidelijk vindbaar. Overkoepelende afspraken voor de gehele sector op landelijk niveau, bijvoorbeeld vanuit de MBO Raad, zouden hierbij behulpzaam kunnen zijn.
Thema 2: Kwalitatieve versus kwantitatieve data
Tijdens de workshop werd besproken hoe mbo-scholen zowel kwantitatieve als kwalitatieve data benutten voor kwaliteitszorg. Uit de reacties van de deelnemers bleek dat beide typen data waardevol zijn en in de praktijk gebruikt worden, en dat met name het vinden van een balans tussen deze twee typen data van belang is. Kwantitatieve data wordt voornamelijk gebruikt voor monitoring en benchmarking, terwijl kwalitatieve data waardevolle context en verdieping biedt. Beide typen data versterken elkaar op deze manier.
Deelnemers gaven aan dat beide typen data ook hun uitdagingen kennen. Zo geeft kwantitatieve data inzicht in trends en prestatie-indicatoren, maar kan het zonder context misleidend zijn. Uitvalcijfers kunnen bijvoorbeeld wel inzicht bieden in het studiesucces, maar zonder kwalitatieve data is onduidelijk waarom studenten uitvallen en valt hier in de toekomst moeilijk verbetering op te behalen. Het interpreteren van kwantitatieve data, zonder kwalitatieve onderbouwing, is erg moeilijk en leidt vaak tot discussie. Daarnaast zijn kwantitatieve data niet altijd herkenbaar voor de onderwijsteams waarop ze betrekking hebben, wat het vertrouwen in de waarde van deze data schaadt. Bij kwalitatieve data geven deelnemers aan dat de grootste nadelen zitten in de arbeids- en tijdsinvestering die het verzamelen en analyseren van dit type data vraagt. Daarnaast geven zij aan dat het moeilijk is om representatieve kwalitatieve data te verzamelen, omdat responses vaak laag zijn. Hierin herkennen zij een soort ‘enquête-moeheid’ onder studenten en medewerkers: zij worden op zo veel onderwerpen om hun mening gevraagd in de vorm van een vragenlijst, dat hun bereidheid om deze in te vullen doorgaans laag is. Bij het verzamelen van kwalitatieve data geven deelnemers aan dat de validiteit van de vraagstelling essentieel is. Hierbij moet van tevoren goed worden nagedacht over wat men precies wil ophalen en of met de gestelde vragen ook de juiste dingen gemeten worden. Sociaal wenselijke antwoorden vormen een risico dat met een sterke vraagstelling verminderd kan worden. Tot slot wijzen de deelnemers op de sociale veiligheid bij het verzamelen en interpreteren van kwalitatieve data. Het is van belang dat gegevens niet herleidbaar zijn tot individuen en dat studenten en medewerkers zich veilig voelen om open en eerlijk te antwoorden op de vragen. Hierover zijn goede afspraken noodzakelijk.
De deelnemers kwamen met diverse suggesties en aanbevelingen om beter en eenvoudiger te kunnen benutten ten behoeve van de kwaliteit van het onderwijs. In de eerste plaats gaven zij aan dat er meer kennis nodig is over wat goede meetbare indicatoren zijn en hoe je deze goed kunt analyseren en interpreteren (voor kwantitatieve data). Daarnaast werd een behoefte uitgesproken aan een centraal dashboard met landelijke data van mbo-scholen, bijvoorbeeld gebouwd op basis van data over scholen die DUO beheert. Met een dergelijk dashboard met actuele gegevens zouden scholen zich met elkaar kunnen vergelijken op landelijk of regionaal niveau. De aanbevelingen die de deelnemers hadden voor andere scholen richtten zich met name op de manier waarop kwantitatieve en kwalitatieve data nuttig gebruikt kunnen worden. Zo werd getipt om data te verbinden aan (team)ambities en samen binnen het onderwijsteam te bepalen wat er gemeten moet worden om hier inzicht in te krijgen en wanneer men tevreden is over de uitkomsten. Dit versterkt het gevoel van eigenaarschap bij teams en draagt bij aan de herkenbaarheid en acceptatie van data. Verder werd aanbevolen om opbrengsten van kwalitatieve data op te nemen in de kwaliteitscyclus van de school/het team, om op deze manier de opbrengsten op een zichtbare manier betekenis te geven.
Thema 3: Historische versus voorspellende data
Tijdens de workshop kwam naar voren dat op alle deelnemende scholen al gebruik wordt gemaakt van historische data om bijvoorbeeld trends te bepalen, en dat dit de basis vormt voor toekomstig beleid. Voorspellende data, daarentegen, worden nog minder gebruikt. Wel worden momenteel eerste ervaringen opgedaan met de pilots rondom VSV-onderzoek, waarbij voorspellingen worden gedaan over het risico op uitval van individuele studenten. Deze eerste ervaringen roepen ook weer veel vervolgvragen op. De deelnemers zagen wel veel potentie in het gebruik van voorspellende data, bijvoorbeeld voor het voorspellen van studiesucces, VSV, switchgedrag van studenten, en in een bredere context inzichten in beroepsperspectieven en beroepseisen in de toekomst door ontwikkelingen op de arbeidsmarkt.
De deelnemers beschreven diverse wensen die zij hadden voor de toekomst van datagebruik op hun scholen, allen gericht op het gebruik van voorspellende data. Zo gaven zij aan dat voorspellende data altijd ondersteunend gebruikt zouden moeten worden, en nooit als leidend voor beleid. Ook zagen zij graag een beperking in de hoeveelheid van mogelijke bruikbare data: liever een paar goede voorspellers dan een onoverzichtelijke brei aan gegevens die allemaal met elkaar samenhangen. Verder werd de wens uitgesproken om te zorgen dat de juiste rollen binnen de school zijn betrokken bij het interpreteren van voorspellende data, zoals zorgmedewerkers en bpv-begeleiders, om te voorkomen dat verkeerde conclusies worden getrokken die verstrekkende gevolgen kunnen hebben. Tot slot werd voorgesteld om de verbinding te maken tussen voorspellende data en het Referentiewaarden gedachtegoed en hierbij te sturen op eigenaarschap op teamniveau.
Actiepunten en aanbevelingen
Op basis van de werkrondes kwamen diverse actiepunten naar voren. Een van de belangrijkste aanbevelingen is het investeren in scholing en ondersteuning op schoolniveau, zodat medewerkers beter in staat zijn om data te analyseren en te vertalen naar beleidsmaatregelen. Daarnaast is er behoefte aan duidelijke richtlijnen en uniforme werkwijzen voor dataverzameling en -interpretatie, zodat data op een consistente en betrouwbare manier wordt gebruikt binnen mbo-instellingen. Ook deze aanbeveling kan het beste op schoolniveau worden aangepakt.
Een goede samenwerking werd eveneens als een belangrijke voorwaarde voor efficiënt datagebruik gezien, zowel op schoolniveau als op landelijk niveau. Door diverse afdelingen binnen scholen beter op elkaar af te stemmen en externe samenwerkingspartners te betrekken, kan datagebruik beter worden geïntegreerd binnen de kwaliteitszorg. Tegelijkertijd kan samenwerking op landelijk niveau, tussen scholen en tussen diverse landelijke stakeholders, richtinggevend zijn en bijdragen aan een versnelde ontwikkeling.
Uit het onderzoek was al naar voren gekomen dat instellingen die succesvol gebruikmaken van data vaak investeren in scholing en gestructureerde processen. De workshop onderstreepte dat deze elementen cruciaal zijn voor een effectieve kwaliteitszorgstrategie en hieraan een duidelijke behoefte bestaat. NCP EQAVET en haar samenwerkingspartners kunnen hierin een ondersteunende rol spelen door o.a. goede voorbeelden te delen, uitwisselingsbijeenkomsten te organiseren, en voorstellen te doen voor landelijke kaders en richtlijnen.
Slotbeschouwing
De workshop bood waardevolle inzichten in hoe mbo-scholen data gebruiken binnen hun kwaliteitszorgbeleid en welke uitdagingen daarbij komen kijken. Een van de belangrijkste uitkomsten is dat een integrale benadering noodzakelijk is om datagebruik daadwerkelijk te versterken. Dit betekent dat niet alleen scholen zelf, maar ook ondersteunende organisaties zoals NCP EQAVET en samenwerkingspartners, een rol moeten spelen in het faciliteren van een datagedreven kwaliteitszorgcultuur.
Om de inzichten uit deze workshop verder te benutten, kan NCP EQAVET goede voorbeelden uit Nederland en Europa delen, die scholen kunnen inspireren en ondersteunen bij de het ontwikkelen en implementeren van een effectieve datastrategie. Onderwijsinstellingen kunnen daarnaast experimenteren met nieuwe methodieken en best practices met elkaar delen, zodat datagebruik niet slechts een registratiemiddel blijft, maar daadwerkelijk bijdraagt aan verhoogde onderwijskwaliteit.
Door gezamenlijke inspanningen kunnen mbo-instellingen beter gebruikmaken van data als instrument voor kwaliteitszorg, wat uiteindelijk zal bijdragen aan een verdere versterking van de onderwijskwaliteit. NCP EQAVET zal deze bevindingen meenemen in haar verdere activiteiten en blijven werken aan kennisdeling en ondersteuning rondom datagedreven kwaliteitszorg.
Vertegenwoordiging
Tijdens de workshop waren de volgende mbo-scholen vertegenwoordigd:
- ROC Nova College
- MBO Utrecht
- ROC Nijmegen
- Graafschap College
- MBO College Hilversum (ROC van Amsterdam)
- SintLucas
- ROC Midden Nederland
- Zadkine
- Yuverta
- Grafisch Lyceum Utrecht
- ROC Mondriaan
- STC
Daarnaast namen de volgende samenwerkingspartners van het NCP EQAVET aan de workshop deel:
- Ministerie van OC&W
- Kwaliteitsnetwerk mbo
- AOb
- MBO Raad