Terciární vzdělávání v ČR v empirickém pohledu aneb jak je možné věcně zkoumat TV a co o TV v ČR víme Arnošt Veselý
Cíle Získat základní znalost o možnostech a mezích empirické analýzy TV (dostupná data, indikátory); Naučit se orientovat v základních empirických ukazatelích TV; Získat základní znalost o vývoji TV v ČR dle empirických dat; Naučit se kriticky interpretovat empirická data a chápat je v širších souvislostech.
Struktura přednášky Dostupná data o TV Kontext a souvislosti interpretace indikátorů Analýza vývoje počtu studentů Další důležité indikátory
Cvičení 1 Představte si, že jste nový poradce ministra školství a chcete získat co nejpřesnější obrázek o stavu terciárního vzdělávání v ČR. Jaká data, informace či indikátory budete chtít? Proč?
Informací je mnoho ČR: ÚIV F1 Vysoké školství souhrny F1.1 Souhrn VŠ studenti (fyzické osoby) podle formy a typu studijního programu F1.1.1 Souhrn VŠ počet VŠ, studií a absolvování podle formy a typu studijního programu F2 Studenti vysokých škol (podle zřizovatele a skupiny studijních programů F2.1.1 VŠ studenti (fyzické osoby) podle formy a typu studijního programu F2.1.2 VŠ studenti (fyzické osoby) ženy podle formy a typu studijního programu F2.2.1 VŠ studenti (fyzické osoby) celkem podle formy studia a typu studijního programu F2.2.2 VŠ studenti (fyzické osoby) ženy podle formy studia a typu studijního programu F3 Poprvé zapsaní, přijímací řízení (podle zřizovatele a skupiny studijních programů) F3.1 VŠ poprvé zapsaní (fyzické osoby) na VŠ podle formy studia a typu studijního programu F3.2.1 VŠ poprvé zapsaní (fyzické osoby) na VŠ celkem podle formy studia a typu studijního programu F3.2.2 VŠ poprvé zapsané ženy (fyzické osoby) na VŠ podle formy studia a typu studijního programu F3.3 VŠ poprvé zapsaní (fyzické osoby) podle typu studijního programu podle zřizovatele a roku narození F3.4 VŠ veřejné a soukromé přijímací řízení (uchazeči se státním občanstvím ČR) F4 Absolventi vysokých škol F4.1 Vysoké školy absolventi (fyzické osoby), z toho ženy podle formy studia a typu studijního programu F4.2 Vysoké školy absolventi (fyzické osoby) celkem, z toho ženy podle formy studia a typu studijního programu F4.3 Vysoké školy absolventi (fyzické osoby) podle typu studijního programu F5 Celoživotní vzdělávání na vysokých školách F5.1 Vysoké školy celoživotní vzdělávání studenti podle zřizovatele a vysokých škol F5.2 Vysoké školy celoživotní vzdělávání absolventi podle zřizovatele a vysokých škol F6 Zaměstnanci vysokých škol F6.1 Veřejné vysoké školy zaměstnanci podle vysokých škol F7 Státní vysoké školy.
Informací je mnoho OECD Education at Glance: Graduation rates in tertiary education (2005) Trends in tertiary graduation rates (1995-2005) Percentage of tertiary graduates, by field of education (2005) Science graduates, by gender (2005) Survival rates in tertiary education (2004) Trends in net graduation rates at advanced research qualification rates (1995-2005) Percentage of tertiary qualifications awarded to females, by type of tertiary education and field of education (2005) Population that has attained tertiary education (2005) Population of males who have attained tertiary education (2005) Population of females who have attained tertiary education (2005) Attainment of tertiary education, by age (2004).
Jak se vyznat v datech? Data se týkají v zásadě tří hlavních základních oblastí ( jednotek ): studentů, pedagogů a financování; Jsou tříděna podle dalších znaků (školy, typ oboru, forma studia atd.); Používají se absolutní hodnoty (např. absolutní počet všech studentů), i normované hodnoty (např. počet studentů v dané věkové kohortě).
Model souvislostí indikátorů Vstupy Procesy Výstupy Efekty
Model souvislostí indikátorů Vstupy Procesy Výstupy Efekty - Čistá míra vstupu do TV - Hrubá míra vstupu do TV - Střední délka vzdělávání - Čistá míra účasti na TV - Hrubá míra graduace - Čistá míra graduace - Míra přežití v TV - Podíl obyvatel s terciárním vzděláním - Podíl nezaměstnaný ch lidí s TV
Různé účely indikátorů Vstupy Procesy Výstupy Efekty Informace pro vzdělávací politiku. Čistá míra vstupu do TV Absolutní počty studentů - Hrubá míra graduace - Čistá míra graduace - Míra přežití v TV - Podíl obyvatel s terciárním vzděláním - Podíl nezaměstnaný ch lidí s TV Informace pro financování.
Různé metodiky výpočtu počtu studentů Počty studií mnoho studentů je započítáno vícekrát; stále se užívá u členění do jednotlivých oborů studia Počty studentů fyzické osoby; dle SIMS (Sdružené informace z matrik studentů); užívá se při výpočtech míry vstupu do terciárního vzdělávání atd.
Studenti: ukazatelé vstupu Čistá míra vstupu do terciárního vzdělávání NENTa POPa 100 % Kde NENTa je počet poprvé zapsaných ve věku a do terciárního vzdělávání POPa je počet obyvatel ve věku a. (Kleňhová, 2007: 15) Tedy: suma podílu počtu vzdělávajících se osob v daném věku a celkového počtu osob v daném věku
Studenti: ukazatelé vstupu Míra vstupu založená na kohortní analýze y i z 0 ENTR ( y POP( y i) t i) t i i 100 % ENTR(y i)t i je počet poprvé zapsaných ve věku y i v roce t i POP(y i)t i je velikost populace ve věku y i v roce t i y je horní hranice věkové skupiny vstupující do ukazatele z je dolní hranice věkové skupiny vstupující do ukazatele (Kleňhová, 2007: 15) Tedy: ukazatel sleduje generaci narozených v jednom roce v průběhu času.
Počet poprvé zapsaných do terciárního vzdělávání typu ISCED 5A podle věku v letech 2001 2007 (pouze občané ČR) 2001 2002 2003 2004 2005 2006 2007 celkem 43 025 45 327 52 374 57 543 62 006 66 750 71 002 17 4 5 2 2 2 2 1 18 3 505 649 56 41 33 46 28 19 16 325 15 518 18 943 20 521 21 494 22 984 24 662 20 10 820 14 329 16 514 17 862 19 854 20 811 21 554 21 2 200 3 620 3 989 3 985 4 458 4 448 4 429 22 1 647 1 662 1 825 1 939 1 966 2 254 2 223 23 1 247 1 334 1 270 1 283 1 544 1 598 1 727 24 1 041 1 051 1 088 1 011 1 049 1 154 1 204 25 772 831 973 955 863 874 1 026 26 683 708 827 981 842 850 870 27 651 670 736 812 866 909 839 28 546 589 667 774 855 900 942 29 430 540 690 771 756 877 906 30-34 1 373 1 680 2 158 2 959 3 354 3 942 4 366 35-39 962 1 139 1 393 1 857 2 011 2 496 2 956 40+ 819 1 002 1 243 1 790 2 059 2 605 3 269 Pramen: Hulík a Tesárková (2009)
Čistá míra vstupu do terciárního vzdělávání a míra vstupu založená na kohortní analýze (pro programy terciárního vzdělávání typu ISCED 5A) v letech 1997 2007 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 17 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 18 6,3% 7,0% 7,6% 7,7% 2,6% 0,5% 0,0% 0,0% 0,0% 0,0% 0,0% 19 6,1% 7,1% 8,2% 9,1% 11,7% 11,5% 14,0% 15,1% 16,2% 17,5% 18,3% 20 2,7% 2,9% 3,2% 4,5% 7,6% 10,2% 12,1% 13,1% 14,5% 15,5% 16,0% 21 1,7% 1,6% 1,4% 2,8% 1,5% 2,6% 2,8% 2,9% 3,2% 3,2% 3,2% 34,9% 22 1,5% 1,2% 0,9% 1,9% 1,0% 1,1% 1,3% 1,4% 1,4% 1,6% 1,6% 23 1,0% 0,8% 0,6% 1,4% 0,7% 0,8% 0,8% 0,9% 1,1% 1,1% 1,2% 24 0,6% 0,5% 0,5% 1,0% 0,6% 0,6% 0,6% 0,7% 0,7% 0,8% 0,8% 32,6% 25 0,3% 0,3% 0,4% 0,6% 0,4% 0,5% 0,6% 0,6% 0,6% 0,6% 0,7% 26 0,2% 0,3% 0,3% 0,3% 0,4% 0,4% 0,5% 0,6% 0,5% 0,5% 0,6% 27 0,2% 0,2% 0,2% 0,2% 0,3% 0,4% 0,4% 0,5% 0,5% 0,5% 0,5% 28 0,1% 0,2% 0,2% 0,1% 0,3% 0,3% 0,4% 0,4% 0,5% 0,5% 0,5% 24,0% 29 0,1% 0,1% 0,1% 0,1% 0,3% 0,3% 0,4% 0,4% 0,4% 0,5% 0,5% 30-34 0,2% 0,1% 0,1% 0,0% 0,2% 0,2% 0,3% 0,4% 0,4% 0,4% 0,5% 35-39 0,0% 0,1% 0,1% 0,0% 0,1% 0,2% 0,2% 0,3% 0,3% 0,4% 0,4% 40+ 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,1% 0,1% 0,1% 0,1% 21,8% 23,2% 24,6% 29,7% 29,7% 31,8% 37,2% 41,0% 44,5% 48,3% 50,6% Pramen: Hulík a Tesárková (2009) Čistá míra vstupu Míra vstupu založená na kohortní analýze
Chart A2.3. Entry rates into tertiary-type A education (1995, 2000 and 2008) 100 2008 1995 2000 90 80 70 60 56,9 50 40 30 20 10 0 USA - The entry rates for tertiary-type A programmes include the entry rates for tertiary-type B programmes. Countries are ranked in descending order of entry rates for tertiary-type A education in 2008. Source: OECD. Table A2.4. See Annex 3 for notes (www.oecd.org/edu/eag2010). Soutce: OECD, Education at Glance (2010)
Interpretace Ukazatel čisté míry vstupu vzrostl za posledních 10 let více než dvojnásobně (tzv. syntetická věková kohorta poprvé zapsaných do terciárního vzdělávání) a přesáhl 50 % - přechodu od elitního na masový systém terciárního vzdělávání podle Trowovy koncepce; Výrazně vzrostl podíl jak těch, kteří nastupují hned po studiu, tak těch ostatních ( odložená poptávka ). V roce 2009 zhruba 38 % studentů z kohorty ukončení maturitou vstoupilo na vysoké školy; zbytek tvoří odložená poptávka
z toho Počty studentů celkem Forma vzdělávání/studia Typ studijního programu Celkem 2003/04 2004/05 2005/06 2006/07 2007/08 2008/09 2009/10 243 801 264 893 289 578 316 367 344 138 368 212 389 231 prezenční studium 195 658 208 075 223 231 238 322 252 107 263 911 277 184 distanční a kombinované studium Bakalářské studijní programy Magisterské studijní programy Magisterské navazující studijní programy Doktorské studijní programy 49 943 58 873 68 708 80 812 95 331 108 126 116 396 90 185 123 248 154 076 181 992 207 939 229 029 243 400 123 876 107 298 93 451 79 469 65 191 53 362 46 147 14 205 17 203 23 974 35 945 51 475 66 243 79 226 20 026 21 428 22 314 23 311 23 986 24 538 25 680 Zdroj: Databáze ÚIV, 2010
Korea Canada Russian Federation1 Japan New Zealand Norway Ireland Denmark Israel Belgium Australia United States Sweden France Netherlands Spain Luxembourg Switzerland United Kingdom Finland Estonia OECD average Chile Iceland Poland Slovenia Greece Hungary Germany Portugal Italy Mexico Austria Slovak Republic Czech Republic Turkey Brazil TV v populaci Chart A1.1. Population that has attained tertiary education (2008) 60 50 25-34 year-olds 55-64 year-olds 40 30 20 10 0 Education at Glance 2010 Countries are ranked in descending order of the percentage of 25-34 year-olds who have attained tertiary education. Source: OECD. Table A1.3a. See Annex 3 for notes (www.oecd.org/edu/eag2010). Statlink
??? Příčiny nárůstu studentů
Příčiny nárůstu studentů Realizace odložené poptávky; Demografický důvod: slabší ročníky, zatímco kapacita zůstala nastavená stejně; Vznik mnoha soukromých vysokých škol; Přesun z VOŠ na VŠ (v grafu pouze ISCED 5A) Rozvoj kombinovaného studia
Počty škol Vysoké školy veřejné a soukromé z celkového počtu škol soukromé vysoké školy Vysoké školy vojenské a policejní 2003 2004 2005 2006 2007 2008 2009 52 60 64 63 68 71 71 28 36 39 38 42 45 45 4 2 2 2 2 2 2 Zdroj: Databáze ÚIV, 2010
Počty studentů v jednotlivých oborech 2003 2004 2005 2006 2007 2008 2009 Přírodní vědy a nauky 20 166 21 514 23 283 24 654 26 552 28 095 29 920 Technické vědy a nauky 66 694 69 903 74 422 79 487 82 276 83 928 86 036 Zemědělsko-lesnické a veterinární vědy a nauky Zdravotnictví, lékařské a farmaceut.vědy a nauky 9 349 10 265 11 280 12 173 12 809 13 840 14 614 18 195 20 087 22 036 24 114 25 398 26 697 27 744 Humanitní a spol. vědy a nauky 33 925 38 200 42 390 47 735 53 752 60 182 66 165 Ekonomické vědy a nauky 49 951 55 077 62 133 70 677 81 148 90 343 97 569 Právní vědy a nauky 11 770 12 575 13 321 14 039 15 079 16 135 16 973 Pedagogika, učitelství a soc. péče 33 530 36 464 39 647 42 175 45 665 47 567 48 404 Vědy a nauky o kultuře a umění 5 491 6 073 6 697 7 446 8 183 9 045 9 799 Zdroj: Databáze ÚIV, 2010
Cvičení 2 Kolik máme vysokoškoláků Na základě výše uvedené analýzy vyberte jeden z výroků a argumentujte v jeho prospěch: 1. Vysokoškoláků v ČR je příliš mnoho, stát by měl zavést opatření na jejich snížení; 2. Vysokoškoláků v ČR je příliš mnoho, ale administrativně by se nemělo zájmu o studium bránit; 3. Vysokoškoláků je v ČR je přiměřeně potřebám společnosti; 4. Vysokoškoláků v ČR je stále málo, stát by měl podporovat zájem o studium;
v tom Počty pedagogů Vysoké školy včetně kolejí a menz (bez VŠZS,VŠLS a zahraničních lektorů) 2003 2004 2005 2006 2007 2008 2009 Zaměstnanci celkem 27 380 28 224 28 585 28 360 28 545 29 042 29 254 zaměstnanci vysokých škol 24 572 25 499 26 087 26 648 27 141 27 703 28 101 zaměstnanci kolejí 1 954 1 911 1 801 1 118 792 672 563 zaměstnanci menz 853 814 697 594 611 668 590 z toho akademičtí pracovníci 14 220 14 623 15 016 15 524 16 526 16 977 17 272 Zdroj: Databáze ÚIV, 2010
MEX BRA TUR KOR CHL UKM FRA JPN SVK CZE DEU IRL RUS NZL EST ISR AUS SVN NLD CHE FIN USA ESP AUT BEL SWE LUX PRT NOR HUN ITA POL ISL Počty pedagogů na studenta Chart D2.3 Number of students per teacher in full-time equivalents 40 Tertiary education 30 25,74 29,98 20 10 14,41 15,88 19,12 16,90 17,77 16,25 15,43 15,85 12,63 11,54 10,41 20,83 14,94 18,97 15,77 14,99 14,59 11,05 8,53 13,81 9,30 19,51 17,11 16,68 10,08 0 0,00 0,000,000,00 0,00 0,00 Source: OECD. Table D2.2. See Annex 3 for notes (www.oecd.org/edu/eag2010).
Cvičení 3 Jaký je podle vás optimální počet pedagogů na studenta? Proč?
Luxembourg1 United States Norway Iceland Switzerland1 Denmark Austria Sweden United Kingdom Italy1 Belgium Japan Ireland Netherlands Spain Australia Finland France Germany Korea Israel Portugal1 New Zealand Hungary1 Poland1 Estonia Slovak Republic Czech Republic Chile Mexico Brazil1 Canada1 Slovenia Russian Výdaje na TV Chart B1.2. Annual expenditure by educational institutions per student for all services, by level of education (2007) In equivalent USD converted using PPPs, based on full-time equivalents 28 000 26 000 24 000 22 000 20 000 18 000 16 000 14 000 12 000 10 000 8 000 6 000 4 000 2 000 0 OECD average 1. Public institutions only. Countries are ranked in descending order of expenditure by educational institutions per student in primary education. Source: Education at Glance (200)
v % v tom Celkové výdaje na veřejné vysoké školy VŠ výdaje z rozpočtu kapitoly 333-MŠMT v tis. Kč 2003 2004 2005 2006 2007 2008 2009 Výdaje na vysoké školy celkem 18 850 377 20 763 642 24 615 888 27 673 550 29 840 275 30 371 800 32 990 723 neinvestiční výdaje 15 743 820 17 719 587 20 246 630 22 721 297 24 662 764 25 445 514 28 104 867 investiční výdaje neinvestiční výdaje 3 106 557 3 044 055 4 369 259 4 952 252 5 177 511 4 926 286 4 885 856 83,5% 85,3% 82,3% 82,1% 82,6% 83,8% 85,2% investiční výdaje 16,5% 14,7% 17,7% 17,9% 17,4% 16,2% 14,8% Zdroj: Databáze ÚIV, 2010
Slovak Republic Poland Czech Republic Estonia Spain Ireland Finland Hungary Germany Sweden New Zealand OECD average Israel France Turkey Norway Netherlands Belgium Korea Australia Denmark Italy Portugal Switzerland Luxembourg Canada United Kingdom Slovenia United States Iceland EU19 average Austria Greece Japan Mexico Brazil Chile / / Efekty vzdělávání Chart A6.4. Difference between highest and lowest unemployment rates for below upper secondary and tertiary educated 25-64 year-old individuals (1997-2008) 18 16 14 12 10 8 6 4 2 0 27% Below upper secondary education Tertiary education Upper secondary and post-secondary non-tertiary education Countries are ranked in descending order of the difference between highest and lowest unemployment rates of 25-64 year-olds with below upper secondary education. Source : OECD. Table A6.4a. See Annex 3 for notes (www.oecd.org/edu/eag2010).
Cvičení 4: Další efekty TV Jaké další efekty by měly být podle Vás sledovány? Proč?
Otázky, komentáře? DÍKY ZA POZORNOST!