הגדרת הניידות והקשריה
המאמר מבחין בין שני סוגי ניידות תלמידים: ניידות מבנית (structural mobility) וניידות לא-מבנית (nonstructural mobility). ניידות מבנית מתרחשת כאשר תלמיד עובר בית ספר כחלק ממעבר טבעי במבנה המערכת, למשל מעבר מבית ספר יסודי לחטיבת ביניים. ניידות לא-מבנית מתרחשת עקב סיבות חיצוניות למערכת החינוך, כמו מעבר דירה בעקבות קשיים כלכליים או שינויים משפחתיים. המוקד המרכזי במחקר הוא בניידות הלא-מבנית, הנחשבת לסמן פוטנציאלי לתלמידים הנמצאים בסיכון לימודי.
נתונים ומתודולוגיה
המחקר מבוסס על נתונים מנהליים משלוש מדינות בארצות הברית: מסצ'וסטס, מיזורי וושינגטון. נאספו נתונים על שתי קבוצות תלמידים שהחלו כיתה ג' בשנים 2006–2008, ועקבו אחריהם עד לסיום כיתה י"ב. מדד הניידות חושב על פי מעבר תלמידים בין בתי ספר משנה לשנה, תוך הבחנה בין מעברים צפויים ובלתי צפויים.
הגדרת המעבר הלא-מבני כללה שני תנאים: ראשית, כל מעבר שאינו מתרחש בסיום דרגת לימוד בבית הספר (למשל, כיתה ה' בבית ספר יסודי), נחשב לא-מבני. שנית, גם מעבר בין מחוזות חינוך לאחר כיתה סופית, כל עוד לא מדובר בבית הספר האחרון במחוז, נחשב למעבר לא-מבני.
הקשר בין ניידות לא-מבנית וביצועים לימודיים
המחקר מדגים כי ככל שתלמיד עבר יותר מעברים לא-מבניים במהלך שנות הלימוד, כך סיכוייו להצלחה אקדמית יורדים. תלמידים שעברו שלושה מעברים לא-מבניים בין כיתה ג' לי"ב השיגו, בממוצע, ציונים הנמוכים ב-20 אחוזונים לעומת תלמידים שלא עברו כלל, והיו בסיכון גבוה ב-9 עד 27 נקודות אחוז לא לסיים תיכון.
תרשימים וממצאים בטבלאות ממחישים קשר כמעט לינארי בין מספר המעברים הלא-מבניים לבין תוצאות במבחני כיתה י', שיעורי סיום תיכון והישגים בכיתה ג'. בפרט, ניתן לראות כי כל מעבר נוסף כרוך בירידה ניכרת בהישגים, תוך שמירה על עקביות בין המדינות השונות.
הבדלים לפי קבוצות אוכלוסייה
הנתונים מצביעים על כך שתלמידים מקבוצות מיעוט (שחורים והיספניים) ותלמידים שמקבלים ארוחות חינם או מוזלות (FRL) חווים יותר מעברים לא-מבניים לעומת תלמידים לבנים או מתלמידים ללא FRL. לדוגמה, בוושינגטון, תלמידים שחורים חווים כמעט פי שניים מעברים לא-מבניים בהשוואה לעמיתיהם הלבנים.
עם זאת, בקרב קבוצות מיעוט, הקשר בין המעברים לבין ההישגים הלימודיים מעט מתון יותר. זאת ככל הנראה משום שבקרב תלמידים אלו, גם תלמידים שנשארים באותו בית ספר נמצאים ברמות סיכון גבוהות יחסית, ולכן ההבדלים בתוך הקבוצה פחות חדים.
ניתוח נוסף של הקשר לאורך טווחי זמן
בדיקת רגישות שנערכה במחקר בדקה אם המעברים שנמדדו בשלבים מוקדמים יותר (כיתות ג'–ה') מנבאים באותה עוצמה את ההישגים בכיתה י'. התוצאות הראו שקיים קשר ברור כבר מהשלבים המוקדמים, והגרדיאנטים אף חדים יותר כאשר נמדדים לפי שנות הלימוד הראשונות. ממצא זה תומך בשימוש בניידות לא-מבנית ככלי "אזהרה מוקדמת" עבור תלמידים בסיכון.
הגדרות חלופיות לניידות
החוקרים בדקו גם הגדרה צרה יותר לניידות לא-מבנית, שבה לא נחשבים מעברים בין מחוזות שהתרחשו לאחר דרגה סופית בבית הספר. נמצא כי גם לפי ההגדרה המצומצמת נצפים דפוסים דומים, אם כי הקשרים מעט חדים יותר. ממצא זה מחזק את תקפות השימוש בניידות לא-מבנית למדידת סיכון.
השוואה למשתנה העוני
ניתוח נוסף בדק האם לניידות יש תרומה ניבויית מעבר למשתנה של עוני מתמשך. תלמידים שהיו זכאים ל-FRL לאורך כל שנות הלימוד ויחד עם זאת עברו שלושה מעברים או יותר, השיגו תוצאות נמוכות באופן מובהק מתלמידים בעוני מתמשך שלא חוו ניידות. לדוגמה, במסצ'וסטס תלמידים כאלה השיגו כ-9 נקודות אחוז פחות במבחני סיום תיכון והיו בסיכון גבוה ב-21 נקודות אחוז לנשור.
כלומר, ניידות לא-מבנית מוסיפה מידע חדש וחשוב גם בהשוואה למדדי סיכון כלכליים מקובלים.
שונות מרחבית ובין בתי ספר
המחקר מצא כי שיעורי הניידות אינם אחידים גם בין אזורים עירוניים ללא-עירוניים. לדוגמה, במיזורי, תלמידים מהאזורים העירוניים הגדולים נטו לחוות יותר מעברים. עם זאת, הקשרים בין מספר המעברים לתוצאות לימודיות היו עקביים בין אזורים עירוניים ולא עירוניים.
מסקנות למדיניות חינוך
ניידות לא-מבנית, כאשר נמדדת לאורך זמן, מהווה מדד פשוט אך חזק לאיתור תלמידים בסיכון לימודי. אף על פי שמידע כזה אינו זמין במלואו ברמת בית הספר, סוכנויות חינוך ברמת המדינה יכולות להפיקו בקלות יחסית לאור ההשקעה הקיימת במערכות נתונים ארוכות טווח. שילוב של נתונים אלו במערכות אזהרה מוקדמות יכול לסייע באיתור מוקדם והתערבות מיטבית.
יתרון נוסף לגישה זו הוא שהמדד אינו מושפע מהטיות הנובעות מהשימוש בתכניות ארוחות חינם (FRL) בלבד, שלעיתים משתנות בין מחוזות כתוצאה ממדיניות כמו ה-Community Eligibility Provision.
סיכום
ניידות תלמידים בין בתי ספר, כאשר היא נבחנת באופן מצטבר ולאורך זמן, מהווה אינדיקטור משמעותי לסיכון לימודי. היא משקפת לא רק מעבר פיזי אלא לעיתים קרובות מציאות של אי-יציבות משפחתית, כלכלית וחברתית. היכולת של מערכות חינוך לאסוף, לנתח ולהשתמש בנתונים אלו ככלי קבלת החלטות יכולה לשפר את היכולת לאתר תלמידים בסיכון ולהציע להם תמיכה מתאימה מוקדם ככל האפשר.
מקור
Goldhaber, D., Koedel, C., Özek, U., & Parsons, E. (2022). Using longitudinal student mobility to identify at-risk students. AERA Open, 8, 23328584211071090.
