Wetenschap
Onderzoekers van de Universiteit van Sheffield hebben een toolkit voor vroegtijdige waarschuwing gelanceerd om scholen en hogescholen te helpen bij het identificeren van jonge mensen die 'stilletjes' het onderwijs verlaten en het risico lopen uit te vallen of NEET te worden (niet in het onderwijs, werk of opleiding).
De School Engagement Risk Assessment Toolkit (SERAT) is ontworpen om scholen te helpen effectievere en gerichte maatregelen te nemen om te voorkomen dat leerlingen voortijdig het onderwijs verlaten. Met een toenemend aantal jongeren dat wordt uitgesloten van het reguliere onderwijs – iets dat in verband wordt gebracht met de huidige epidemie van mescriminaliteit – is het van cruciaal belang dat degenen die risico lopen vroeg in het proces van schooluitval worden geïdentificeerd.
Het onderzoeksteam, die ook de Universiteit van Nottingham omvat, heeft onlangs een vijfjarig onderzoeksproject Reducing Early School Leaving in Europe (RESL.eu) afgerond, waarin de processen worden onderzocht die ertoe leiden dat jongeren de school verlaten zonder de vaardigheden en kwalificaties te verwerven om met succes over te stappen op de arbeidsmarkt. De bevindingen uit dat onderzoek vormden de basis voor de ontwikkeling van de SERAT-toolkit.
Professor Louise Ryan, van de afdeling Sociologische Studies van de Universiteit van Sheffield, zei:"De vroege identificatie van jonge mensen die het risico lopen te worden uitgesloten, kan van cruciaal belang zijn om maatregelen te nemen om hen opnieuw te betrekken en te voorkomen dat schooluitval of later NEET wordt."
Neil Kaye, een onderzoeker aan de Universiteit van Sheffield, legde uit:"Onze toolkit kan op school- en klasniveau worden gebruikt om individuele leerlingen te identificeren die een lage betrokkenheid rapporteren, en om vast te stellen waar de schoolmiddelen het beste kunnen worden ingezet. We hopen dat dit werk zal helpen de prevalentie van NEET's aan te pakken - wat vandaag de dag nog steeds een serieuze uitdaging is voor de Britse samenleving."
De toolkit is ontwikkeld met behulp van uitgebreide onderzoeksgegevens die zijn verzameld als onderdeel van het RESL.eu-project en de uitkomstgegevens van het Department for Education (KS4 / KS5-resultaten) voor meer dan 3, 000 jongeren in Engeland.
Zoals uitgelegd door Magdolna Lőrinc, een onderzoeker aan de Universiteit van Sheffield:"Uit onze gegevens blijkt dat verreweg de grootste invloed op het verlaten van het onderwijs het geloof van jongeren zelf in hun vermogen om te slagen op school is en het niveau van ondersteuning dat zij ervaren van hun leraren."
Dr. D'Angelo van de Universiteit van Nottingham voegde toe:"Natuurlijk, bredere structurele factoren, inclusief sociaaleconomische achtergrond, zijn ook cruciaal. Echter, ons model helpt ons om dimensies te identificeren die voor elke jongere van belang lijken te zijn. In de context van de financiële druk op het onderwijssysteem, onze toolkit kan scholen in staat stellen interventies te richten op degenen die ze het meest nodig hebben."
De SERAT-toolkit bestaat uit een studentenvragenlijst met maximaal 25 vragen en een spreadsheet om de resultaten te helpen interpreteren.
De toolkit kan worden gedownload op:sites.google.com/sheffield.ac.uk/serat
Nieuw polymeer verbetert het vermogen van tribo-elektrische nanogeneratoren
Met biopolymeer gecoate nanokatalysator kan helpen een toekomst op waterstof te realiseren
Hoe inkt van water
Nieuw materiaal bootst kracht na, taaiheid van parelmoer
Chinese wetenschappers rapporteren zetmeelsynthese uit koolstofdioxide
Great Barrier Reef bouwt koraal dat wordt bedreigd door giftig zeewier
Een cloud-screeningschema voor de Chinese kooldioxide-observatiesatelliet (TanSat)
Levensregels:Van een vijver naar het hiernamaals
Hoe verdamping uit meren en reservoirs een natie duurzaam kan voeden
Uitbreiding van de dekking van PM2.5-monitoring om de luchtkwaliteit te verbeteren
Wat de Cassinis-missie onthulde over de bekende en nieuw ontdekte manen van Saturnus
Hoe de pH te bepalen van pKa
Studie onthult factoren die verband houden met radicale attitudes en intenties
Supercomputing stuwt jetverstuivingsonderzoek voor industriële processen voort
Machine learning maakt voorspellende modellering van 2D-materialen mogelijk
Uitbarsting van pasgeboren sterren in jonge sterrenhoop puzzels astronomen
Transparante architectuur
Wetenschappers synthetiseren onderzoek, model voor kustbepantsering evalueren
Wetenschap © https://nl.scienceaq.com