What's the matter with school? Kortrijk BUDA 29/04/2017

1. Voor elk kind een goede school
Dirk JACOBS
dirk.jacobs@ulb.ac.be
Twitter: @DirkJacobs71
The research leading to these results has received funding
from the European Research Council under the European
Union's Seventh Framework Programme (FP/2007-2013) / ERC
Grant Agreement 28360

2. EQUOP data set
Data collection beginning school year 2014-2015
2nd year of Secondary education, Francophone schools in Belgium
Sample of 164 secondary schools contacted (=1/3 of total number of schools),
106 participated
12570 pupils
620 classes
398 mathematics teachers
106 schools
Merged on individual level with test scores on national tests CEB (end of
primary school) and CE1D (end of 2nd year of secondary education)
Integrated (and usable) dataset:
10395 pupils
589 classes
388 mathematics teachers
103 schools
Procedure of opt-out by parents and pupils (570 did so)

3. Index Socio-Economic Position, calculated in a factor analyses
using the variables: highest educational level parents, highest
professional status parents, home possesions and number of books
at home
Results on CE1D
mathematics,
national test
results
R=0.406***
R²=0.165

5. 0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
3M1P2P3P4P5P6P
deux années de
retard
une année de retard
Retard scolaire dans l’enseignement fondamental (2013-2014)
Données exhaustives, source: Fédération Wallonie Bruxelles, fichier comptage des élèves,
traitement GERME-ULB

6. 0%
20%
40%
60%
80%
100%
Belges (n=444.255)
non-Belges (n=57.757)
non-EU (n=21.755)
réfugiés (n=548)
Brésil (n=838)
Bulgarie (n=1335)
Congo (n=1912)
France (n=10.910)
Maroc (n=3582)
Roumanie (n=4075)
Turquie (n=1250)
à l'heure pas à l'heure
Retard scolaire dans l’enseignement fondamental selon nationalité (2013-2014)
Données exhaustives, source: Fédération Wallonie Bruxelles, fichier comptage des élèves,
traitement GERME-ULB

7. -1.00-0.75 -0.50 -0.25 0.00 0.25 0.50 0.75
3M
1P
2P
3P
4P
5P
6P
ISE à l'heure
ISE retard scolaire
Indice socio-économique moyenne des quartiers où résident les élèves (2013-2014)
selon le retard scolaire
Données exhaustives, source: Fédération Wallonie Bruxelles, fichier comptage des élèves,
traitement GERME-ULB

8. 300 350 400 450 500 550 60
Korea
Japan
VLAAMSE GEMEENSCHAP
Switzerland
Netherlands
Estonia
Finland
Canada
Poland
Belgium
Germany
Austria
Australia
Ireland
Slovenia
Denmark
New Zealand
Czech Republic
France
United Kingdom
FEDERATION WALLONIE BRUXELLES
Iceland
Luxembourg
Norway
Portugal
Italy
Spain
Slovak Republic
United States
Sweden
Hungary
Israel
Greece
Turkey
Chile
Scores moyens des pays OCDE pour mathématiques (PISA 2012)

9. 300 350 400 450 500 550 600
Korea
Finland
Ireland
Canada
Poland
VLAAMSE GEMEENSCHAP
Estonia
New Zealand
Australia
Netherlands
Switzerland
BELGIË
Germany
France
Norway
United Kingdom
United States
FEDERATION WALLONIE BXL
Denmark
Czech Republic
Italy
Austria
Hungary
Spain
Luxembourg
Portugal
Israel
Sweden
Iceland
Slovenia
Greece
Turkey
Slovak Republic
Scores moyens des pays OCDE pour lecture (PISA 2012)

10. 300 350 400 450 500 550 60
Japan
Finland
Estonia
Korea
Poland
Canada
Germany
Ireland
Netherlands
Australia
VLAAMSE GEMEENSCHAP
New Zealand
Switzerland
Slovenia
United Kingdom
Czech Republic
Austria
Belgium
France
Denmark
United States
Spain
Norway
Hungary
Italy
Luxembourg
Portugal
FEDERATION WALLONIE BRUXELLES
Sweden
Iceland
Slovak Republic
Israel
Greece
Turkey
Scores moyens des pays OCDE pour sciences (PISA 2012)

11. Lecture PISA 2015

12. Mathématiques PISA 2015

13. Nuage de points entre les résultats en mathématiques et l’index du statut
socioéconomique et culturel en Communauté française, en fonction de
l’orientation scolaire (général ou qualifiant)

14. 0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
12345678910
D11S D11D D11C
Orientation scolaire dans l’enseignement secondaire, 1er année (2013-2014) selon le
percentile ISE (quartier élèves)
Données exhaustives, source: Fédération Wallonie Bruxelles, fichier comptage des élèves,
traitement GERME-ULB
Légende percentiles:
10 = les 10% d’élèves
qui habitent les
quartiers les plus
favorisés
1= les 10% d’élèves
qui habitent les
quartiers les plus
défavorisés

15. 0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
45678910
autres
D23P
D23TQ
D23TT
D23G
Orientation scolaire dans l’enseignement secondaire ordinaire, 3ième année (2013-
2014) selon le percentile ISE (quartier élèves)
Données exhaustives, source: Fédération Wallonie Bruxelles, fichier comptage des élèves,
traitement GERME-ULB

16. 0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
45678910
autres
D35P
D35TQ
D35TT
D35G
Orientation scolaire dans l’enseignement secondaire ordinaire, 5ième année (2013-
2014) selon le percentile ISE (quartier élèves)
Données exhaustives, source: Fédération Wallonie Bruxelles, fichier comptage des élèves,
traitement GERME-ULB

17. Taux de redoublement

18. 0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
5P5TQ5TT4G4AQ4AT4P4TQ4TT
trois années de retard ou
plus
deux années de retard
une année de retard
à l'heure
Retard scolaire dans l’enseignement secondaire, 4ième année et 5ième année (2013-
2014)
Données exhaustives, source: Fédération Wallonie Bruxelles, fichier comptage des élèves,
traitement GERME-ULB

19. 0%
20%
40%
60%
80%
100%
Belges (n=50.875)
non-Belges (n=6.220)
non-EU (n=2.406)
Congo (n=360)
France (n=1747)
Maroc (n=330)
Roumanie (n=267)
Turquie (n=103)
à l'heure pas à l'heure
Retard scolaire dans l’enseignement secondaire 5ième année selon la nationalité
(2013-2014)
Données exhaustives, source: Fédération Wallonie Bruxelles, fichier comptage des élèves,
traitement GERME-ULB

20. Mathématiques PISA 2015: Variance expliqué par l’origine
socio-économique

21. Lecture PISA 2015: Variance expliquée par l’origine socio-
économique

22. PROFICIENCY LEVEL MATHEMATICS
PISA 2012

23. Lecture PISA 2015: Proportion d’élèves (en pourcentage) par
niveau de compétence

24. Mathématiques PISA 2015: Proportion d’élèves (en
pourcentage) par niveau de compétence

26. Évolution des scores moyens en mathématiques selon la catégorie
migratoire

27. PROFICIENCY LEVEL MATHEMATICS PISA 2012
Amélioration en
communauté française
comparée à 2009

28. Proportion d’élèves par niveau de compétence en lecture selon la
catégorie d’immigration

29. Variance expliquée
par l’origine socio-
économique et
migratoire (de
gauche à droite,
effet net de l’origine
socio-économique,
effet joint des deux
variables et effet net
de la catégorie
migratoire)

30. Indice socioéconomique moyen des écoles en Belgique et performances moyennes
en lecture par école (PISA 2009)

31. Ségrégation socio-économique pour lecture

32. Estimation des effets fixes dans le modèle de régression multi-niveaux pour la
lecture en communauté française et en communauté flamande (PISA 2009)
Communauté
flamande
Communauté
française
Communauté
flamande
Communauté
française
Constante 513,584
(SE=0,726)
477,210
(SE=1,256)
520,562
(SE 0,692)
491,975
(SE 0,861)
CESCS (indice
socioéconomique de
l’individu, centré)
11,151
(SE 1,358)
16,963
(SE 2,399)
XECSC (indice
socioéconomique de l’école)
108,032
(SE 1,583)
105,839
(SE 2,947)
Variance au niveau individuel 4155,004
(SE=168)
5681,66
(SE=256)
4077,791
(SE=160)
5517,02
(SE=238)
Variance au niveau des écoles 5002,823
(SE=140)
7073,349
(SE=322)
1328,297
(SE=88)
1209,264
(SE=129)

33. •In schools with high numbers of at-risk (migrant) students, weaker school team resources
(high teacher turnover, lower effectiveness, lower collective teacher efficacy)
•In schools with low number of at-risk (migrant) students, stronger school team resources
(low turnover, higher effectiveness, higher collective teacher efficacy)