datainformeret ledelse

Datainformeret ledelse

Hvorfor kvalificerer data ledelsesbeslutninger i folkeskolen? Hvordan lærer skoleledere at implementere datainformeret ledelse i egen organisation?

2016 2

Indholdsfortegnelse BAGGRUND: ....................................................................................................................................................2 DATAINFORMERET STØTTE TIL LEDELSE........................................................................................................3 HVAD OPNÅR ORGANISATIONEN GENNEM DATAINFORMERET LEDELSE........................................................3

Første eksempel..........................................................................................................................................3 Andet eksempel...........................................................................................................................................4 Tredje eksempel..........................................................................................................................................4

HVILKE FALDGRUPPER ER DER.......................................................................................................................5 EN OVERORDNET DREJEBOG FOR KOMPETENCEUDVIKLING AF SKOLELEDERE .............................................5

1. Lab; Behovsafklaring .............................................................................................................................5 2. Lab; Vidensproduktion og deling...........................................................................................................6 3. Lab; LabCamp. Bearbejdning, analyse og strategipil. ..........................................................................7 4. Lab: Intern formidling og kaskedering. .................................................................................................7 5. Lab: Evaluering og ekstern formidling . ................................................................................................8

FORANKRING AF DATAINFORMATION I ORGANISATIONEN.............................................................................8 BILAG 1...........................................................................................................................................................9 BILAG 2.........................................................................................................................................................19

Baggrund: I Aalborg Kommunes arbejder skolelederne med udvikling i LedelsesLaboratorier; strategiske udviklingsgrupper med skoleledere og skolechef – bistået af konsulenter. Målet er at fremme ledelseshåndværket med fokus skolens kultur og praksis. Ledelseslab nr. 5, bestående af 6 ledere fra de større skoler, ønskede at opkvalificere deres kompetence indenfor feltet Datainformeret ledelse. Efter møde mellem konsulent i Skoleforvaltningen, en skolelederkollega og undertegnede opsummeredes en brainstorm af mulige indholds- og fokusområder som et indput til hvordan denne proces kunne forme sig. Jeg ønskede, på denne baggrund, at underbygge datarelevansen i mine ledelsesbeslutninger samt at designe en proces som, justeret efter lokale forhold, kunne danne en ramme for kompetenceudvikling af skolelederne. Dette paper er resultatet heraf. I en MPG-afhandling i 2015 analyserede jeg datainformeret ledelse via monitorering af elevprogression i Nationale Test ved hjælp af ”Beregneren”. 1Afhandlingen og arbejdet hermed afdækkede områder i min ledelsesmæssige bevidsthed, der fik mig til at genoverveje forskellige strategier. Paperet skal skitsere hvordan der kan skabes viden i ledelsesteams og forvaltning om mulighederne i datainformeret ledelse; hvad organisationen vinder og hvor ledelsen bør have opmærksomhed samt hvordan der kan arbejdes med udviklingen af datainformeret ledelse i ledelseslaboratorierne eller lignende ledelsesgrupper.

1 http://www.nordicmetrics.com/beregneren

2016 3

Datainformeret støtte til ledelse Siden indførslen af skolernes kvalitetsrapporter i 2007 har flere af folkeskolens interessenter udviklet en udpræget dataforskrækkelse. Det gør imidlertid en forskel for skolens kvalitet, hvis dataene viser ledelsen, dele af skolens resultater, de endnu ikke havde set.2 Nogle kommuner, deriblandt Aalborg, valgte tidligt at bede om dispensation til at skabe deres egen kvalitetsrapport, hvor strategi, mål og resultater i højere grad var fremstillet i prosa frem for tal. Opfølgningerne herpå skete, for Aalborgs vedkomne, i drøftelser mellem forvaltning og skoleledelser. Kvantitative data spillede en relativ uvæsentlig rolle heri. Med folkeskolereformen fulgte et stærkt fokus på resultaterne i nationale test. I forbindelse med min afhandlingen foretog jeg en totalundersøgelse af Aalborg Kommunes skolelederes kendskab, holdning til og anvendelse af resultaterne af nationale test i Aalborg Kommune. Nogle skoler angav at de anvendte både frivillige og obligatoriske test systematisk gennem hele skoleforløbet, andre svarede at det var helt op til de enkelte lærere, så længe de obligatoriske blev gennemført. Det tydeligste fællestræk gennem undersøgelsen var at skolelederne vurderede at have behov for og ønskede et større kendskab til monitorering af elevernes progression. Skolernes forskellige tilgang til testenes anvendelse gjorde brugen af data på tværs af skolerne svær og indebar en risiko for at konkludere om skolens resultater på et forkert grundlag.

Hvad opnår organisationen gennem datainformeret ledelse Et styrket datagrundlag er et supplement til den viden, ledelsesbeslutninger sædvanligvis baseres på. Bliver ledelserne opmærksomme på betydningen af kvaliteten af deres datagenerering og dedikerer administrativ kraft hertil, kan data blive en vigtig støtte til prioritering af strategisk indsats. Jeg vil i de følgende eksempler forsøge at illustrere hvordan skoleledelsen på Filstedvejens Skole har fået kvalificeret beslutninger efter arbejdet med data.

Første eksempel Jeg har, som skoleleder på Filstedvejens Skole gennem et år har modtaget alle organisationens sygemeldinger. Jeg har ikke mindst gjort dette for at få dialog med mine mest udsatte medarbejdere og derigennem at anvende den rettidige omsorg til dem, der oplever størst udfordring i at udgøre deres kerneopgave. Dette medførte et fald i sygefraværet fra 6,3% til 3,4%, mellem kvartalet før dette startede og samme kvartal et år efter. På trods af at jeg er den, der har monitoreret tættest, er det analysen af årsagsdata, der bekræfter at det er det længerevarende sygefravær, vi har reduceret. Præcis som det var tiltænkt men ikke desto mindre først bekræftet efter analyse af data. Data på sygefraværet gav mig desuden et præcist billede af en forskel mellem faggrupperne herunder en opmærksomhed på forskelle i længden af afholdelse af barnet først sygedag. Jeg fik understøttet en ledelsesformodning om hvilke medarbejdergrupper, vi burde indgå i dialog med. I bilag 1 er uddrag af den rapport, sociolog Nicolaj Rasmussen har dannet efter han havde koblet mine ønsker til analyse sammen med rådata for sygefravær på Filstedvejens Skole.

2 http://politiken.dk/debat/analyse/ECE1445869/kvalitetsrapporter-skaber-udvikling/

2016 4

Andet eksempel Anvendelsen af analyseværtøjet Beregneren til omsætning af resultaterne i Nationale Test introduceredes til Aalborg Kommune skoler i 2014. Beregneren omsætter, kort fortalt, resultaterne af de fire læsetests og de to matematiktests til en fælles skala. Dataene mellem testafviklingerne kan sammenlignes med mulighed for at udlede elevens faglige progression indenfor det område, Nationale test måler. Filstedvejens Skoles summative resultater har været svingende og testafviklingen har været tilfældig. Alligevel dannede resultaterne grundlaget for dele af forvaltningens analyse af skolens kvalitet. Efter at have studeret testafviklingen og elevsvarene for en klasse, hvor resultaterne var meget forskellige og spredningen i resultaterne var stor, fandt vi gennem progressionsmålingen oplysninger, vi ikke havde før vi anvendte Beregneren; Den pige, der klarede sig bedst i testen havde haft omtrent den samme progression som den dreng, der klarede sig næst dårligst. En indikator på at lærerens undervisningsdifferentiering på ramte både de dygtigste og de svageste elever. Det gav anledning til et skulderklap til den enkelte lærer samt en drøftelse om de elever, der viste negativ progression i mellemområdet. Fokus kunne derfor rettes på dem som havde vist nogenlunde resultater men svagt udbytte. Uden beregneren vil fokus havde været på dem, der klarede sig summativt dårligst.

Tredje eksempel Efter første nationale trivselsundersøgelse i januar 2015 fik Filstedvejens Skole et nyt indblik i elevernes oplevede trivsel. Den gav anledning til løftede øjenbryn hos både medarbejdere og ledelse. Det viste sig svært at danne sig et overblik og kun enkelte gennemgående faktorer som eksempelvis elevdemokrati blev gjort til genstand for indsats. Undersøgelsens resultat gav mest af alt anledning til at skolen blev bevidst om, at eleverne ikke oplevede trivsel i den udstrækning vi troede og ønskede. Under anden trivselsundersøgelse systematiserede vor afdelingsleder Lars Vilhelmsen og vor inklusionsvejleder Christian Søndermand Bro afviklingen og den efterfølgende analyse af data’ene. Christian monitorerede afviklingens stringens for at mindske bias. Den efterfølgende analyse af resultaterne skete i skolens årgangsteams i samarbejde med Christian, hvor der efter en analyse af data’en, er blevet lavet en prioritering af fokusområder samt handleplaner for de pædagogiske indsatser. I udarbejdelsen af handleplaner skulle teamet også udforme et forældrebrev og gøre sig tanke om elevinvolvering i handleplanerne. Denne proces blev lavet ens med alle teams på skolen, med evaluering ultimo september. Ud over en ledelsesmæssig formodning om at resultaterne bedres når indsatsen målrettes, har opdelingen af indsatsen medført mere mening med trivselsarbejde på baggrund af data i de enkelte teams. Christian Bros dias, hvori der er links til dias samt de data, der er anvendt i drøftelserne kan findes via dette link: http://bit.ly/2byGwwn

2016 5

Hvilke faldgrupper er der De kritiske tilgange til dataanvendelse har vist sig at være mange. Jeg vil undlade at medtage disse men blot henvise interesserede til fora som eksempelvis folkeskolen.dk og facebook-tråde forfattet af aktørerne på førnævnte. Jeg vil stedet fremhæve at beslutninger alene på baggrund af data samt konklusioner uden kontekstuelt kendskab er en særlig faldgruppe. Foruden at resultere i forkerte strategier kan det desuden give medvind til den, til tider, unuancerede debat om data i ledelse. Den vigtigste opmærksomhed, i min optik, er at der med data skal følge dialog. I Aalborg har forvaltning og skoleledelser mindst en årlig dialog om de data, der anvendes i dag. Her er mulighed for at drøfte bias, årsager og indsatser. Skoleledelsen kan således nuancere de formodninger forvaltningen måtte have på baggrund af data.

En overordnet drejebog for kompetenceudvikling af skoleledere For at skabe gode forudsætninger for at ledere udvikler kapabilitet i datainformeret ledelse, vil jeg i det følgende illustrere hvorledes lederne kan koble kendt viden med kvantitative data og øvrig organisatorisk viden for at skabe optimale forudsætninger for at lægge, opfølge og evaluere strategier. Da jeg mener at det er delvist op til de enkelte skoler at vælge, hvilke data, der er relevante, kan nedenstående med rette kritiseres for at være ukonkret i forhold til indhold. Drejebogen skal tjene som et eksempel på hvordan skoleledere i løbet af et halvt år bliver kvalificerede til at underbygge deres ledelsesbeslutninger via data. Det følgende er et er en overordnet ramme med udgangspunkt i Aalborg Kommunes skolelederes Ledelseslaboratorier og jeg er opmærksom på at drejebogen bør uddybes når rammerne er testet i praksis. Denne del af paperet er derfor særligt rettet mod skoleledere, forvaltningschefter samt politikere og embedsmænd med skolepolitisk interesse. Til inspiration findes bilag 2 er en oversigt over Filstedvejens ønsker til monitorering af organisationens progression i 2015.

1. Lab; Behovsafklaring Mål: Fælles indblik i hinandens behov samt indspiration til drøftelse i lokalt ledelsesteam. Hvad kender vi data på? Hvilke data er relevante på hvilket i niveau i ledelseskæden? Hvor omsættes disse allerede? Hvilke data drømmer vi om at kende? Eksempler på mål hvor datainformation vil spille en væsentlig rolle for Filstedvejens Skole i 2016. På disse områder ledelsen dels monitorere data og dels sikre at bias mindskes til brug for en fremtidig analyse af indholdet:

2016 6

• Højere grad af fremmøde for både elever og medarbejdere. • Flere elever overgår til ungdomsuddannelse • Flere elever får over karakteren to i snit til afgangsprøven. • Alle elever går til alle afgangsprøver • Højere progression for flere elever i Dansk og Matematik • Højere grad af trivsel for elever og medarbejdere • Grøn APV for Psykisk Arbejdsmiljø Nogle af disse data er enkle at indsamle samt underbygge med opservationer. Andre, som eksempelvis arbejdsmiljø kræver foruden kvantitative og kvalitative data, uafbrudt dialog mellem de enkelte teams og nærmeste leder. Undervejs i dette lab laves en arbejdsdeling for de områder skolelederne ønsker fælles at monitorere. Form: Traditionelt mødeforum faciliteret af skolechef. Længde: 2,5 time Aktører: Skoleledere, sektorleder, studiemedarbejdere, skolechef Facilitator: skolechef

2. Lab; Vidensproduktion og deling Mål med dette lab: Lederne og politikere får et indblik i hinanden behov for både kvantitative og kvalitative data. Spørgsmål til den delte empiri. (Lederne har siden sidst opsummeret reflektioner, opmærksomheder og udfordringer i et skriv eller en podcast der er delt en uge inden 2. Lab) Lab’et er denne gang delt i to. Første del er opsamling og refleksion over databehovet og omsætningen til ledelseshandlinger fra hver enkelt skoleleder. Anden del deltager deltager desuden udvalgte, nationale politikere med tilknytning til den skolepolitiske dagsorden lokalt og nationalt. Målet med denne deltagelse er at indvie det politiske niveau i de tidlige overvejelser samt at se hvilke data politikerne, på baggrund af ledernes præsentation, ønsker, ledelsesniveauet indsamler. Valget af nationale politkere begrundes i at det er sjældent at de sjældent bevidner det processuelle niveau om centrale udviklingsområder. Form: Traditionelt mødeforum Længde: 2,5 time Aktører: Skoleledere, udvalgte nationale politikere for børne- og undervisningsområdet,

sektorleder, skolechef- evt. referent. Facilitator: sektorleder

2016 7

3. Lab; LabCamp. Bearbejdning, analyse og strategipil. Mål med dette lab: Ledere og chef kommer dybt ind de udvalgte data. Alle ledere bliver sikre i at koble deres databearbejdningen til en revideret strategi. Alle ledere får et kritisk, analytisk blik på data. Hver leder har hvert et rum, hvori den ene væg rummer data, den anden væg er reserveret til analyse, den tredje rummer strategipil samt gruppering af aktørererne, der skal sikre udmøntningen. Undervejs i løbet af de tre dage, kvalificerer øvrige ledere, chefer, sektorleder og konsulenter dataenes rejse fra ”rådata” til ledelsesstrategi. Den enkelte skoleleder kvalificerer det enkelte teams Form: LedelsesCamp – internat Længde: 72 timer Aktører: Skoleledere, sektorleder, skolechef Facilitator: sektorleder og konsulenter

4. Lab: Intern formidling og kaskedering. Mål: At få tilføjet de næste ledelses- og medarbejderlag i drejebogen. Udkast til lokalMED udarbejdes. Skolelederne drøfter, med afsæt i LabCamp’s resultater hvilke ansvar, der skal placeres hos leder af medarbejdere samt relevante nøglemedarbejdere. Der udarbejdes en prototype på en ansvarsfordeling som kan gøres til genstand for drøftelse i LokalMED. Forvaltningen søger for at udviklingen af prototyperne fordeles mellem skolerne. Der oprettes en portal på www.nogetathavedeti.dk, hvor alle kan følge udviklingsarbejdet efterhånden som skolerne indsender deres eksemplariske forløb. Form: Traditionelt mødeforum faciliteret af sektorleder. Længde: 2,5 time Aktører: Skoleledere, sektorleder, skolechef Facilitator: sektorleder

2016 8

5. Lab: Evaluering og ekstern formidling . Mål: Alle ledere får en ramme for evaluering. Udkast til ekstern kommunikation udarbejdes. Afgørende for ligitimiteten af dataanvendelsen er at der en tydelig effekt af datainformeret ledelse. Der er derfor vigtigt at skolelederne tydeliggør hvordan denne Form: Tradtionelt mødeforum faciliteret af sektorleder – evt med reflekterende team. Længde: 2,5 time Aktører: Skoleledere, studiemedhjælpere, sektorleder, skolechef Facilitator: sektorleder

Forankring af datainformation i organisationen Ingen databearbejdening bør foregå udenom relevante medarbejderrepræsentationer. Dette sikrer at centrale aktører er bekendt med hvilke data, der analyseres samt at dem, der er tættest på kerneydelsen kvalificerer data og strategier løbende. Skolebestyrelsen, LokalMED-udvalgene samt Arbejdsmiljøgrupperne på derfor centrale aktører i denne proces og bør inddrages i kvalificerende drøftelser inden drejebogen iværksættes. Det afgørende er at organisationens interessenter oplever at data kvalificerer beslutningsgrundlagene med deraf bedre ledelse til følge.

2016 9

Bilag 1 Sygefraværsstatistik – Filstedvejens skole Følgende rapport er udarbejdet af sociolog Nicolaj Rasmussen og giver et detaljeret

indblik i sygefraværet på Filstedvejens skole. Der er lavet tabeller der illustrerer

forskelle og ligheder i sygefravær hos de forskellige faggrupper på skolen. Der er

fokus på om der er forskel på længden af fraværet, aldersgrupper, fravær på bestemte

ugedage samt andre forhold som vil blive illustreret og analyseret i rapporten. Alle

tabeller vil illustrere bestemte forhold og blive fulgt op af en analyse og diskussion af

hvad tallene kan siges at fortælle og hvilke forbehold der skal tages i forhold til

hvordan tallene kan bruges.

Der er blevet lavet tabeller for månedslønnede for hele skolen, og tabeller hvor der er

opdelt i faggrupper/afdelinger, for at vise forskelle eller ligheder mellem disse. De

variabler der er blevet brugt til at give et nuanceret og mere detaljeret indblik i

sygefraværet på Filstedvejens skole er:

Fraværsårsag: Arbejdsskade (590)

Sygedage (790)

Sygdom (525)

Mindre barns 1. sygedag (910)

Graviditets orlov (770)

2016 10

Den første tabel viser udviklingen i sygefravær for hele Filstedvejens skole fra 2014 frem til 2016

2. kvartal. Inden tabellen beskrives og analyseres skal der gøres opmærksom på at brutto timer

tallene ikke giver det fulde antal timer for hele året. Dette går igen ved alle tabellerne og må derfor

være tale om en fejl i forhold til dette. Alle fraværsprocenterne for år 2014 kan evt. formodes at

være rigtige, da disse ligger indenfor hvad der kan forventes, samt at ved selv at regne procenter

ved at dividere antal fraværstimer med bruttotimer og gange med hundrede giver et helt andet tal

end det der står. Hvilket betyder at de to tal ikke har relation til hinanden og derfor kan det

formodes det at der evt. mangler et ciffer i brutto timer tallet. Endvidere skal der tages forbehold for

lockoutet i år 2014, som en faktor der også kan præge tallene fra 2014.

Tabel 1.

Som det fremgår af tabellen er der især fra 2015 til 2. kvartal 2016 et markant fald i sygefravær, da

der er tale om to hele kvartaler i 2016 kan der godt lægges betydning i tallene. Dog skal der tages

forbehold at der kun er tale om et halvt skoler og tallene kan ændre sig når de sidste to kvartaler er

medtaget. Derfor er nedenstående tabel 2. også inddraget for at give en oversigt over fraværet ved

de enkelte kvartaler, for at vise hvilke kvartaler fraværet er henholdsvis højest og lavest, samt om

fraværet fra de to første kvartaler evt. kan siges at være nogenlunde det samme i de to sidste

kvartaler baseret på data tilbage til 2014.

Nedenstående tabel 2. viser sygefravær for hele skolen opdelt i kvartaler – 2014-2016 2. kvartal.

Brutto Fravær i % Institutions-niveau Periode Ansatte

timer (timer)

Timer

Fildstedvejens skole 1. kvartal 2014 125,04 0,00 4,76 2599,90




Fildstedvejens skole ) 1. kvartal 2015 131,27 62499,47 6,60 3798,84

2016 11

Tabel 2.

Som det er illustreret i ovenstående tabel, fremgår det at de kvartaler hvor fraværet er højest for

Fildstedvejens skole er i 1. og 4. kvartal. Dette stemmer også overens med data fra Gug skole, og

teorier om at det er disse perioder på året hvor medarbejdere rammes mest af forkølelse, influenza

og andre sygdomme. Tabellen viser tydeligt at fraværet fra 1. kvartal til 2. kvartal falder med op til

mellem 1 til 2,5 pct. point, og at fraværet i 2. og 3. kvartal ligger på omkring 3 pct. alle tre år. Der

skal tages forbehold at udsving i tallene kan skyldes forskellige interne forhold og nødvendigvis

ikke kun illustrerer kvartal udsving i sygefraværet. Dog kan der konkluderes at fraværet generelt er

højest 1. og 4. kvartal. Hvis der ses på udviklingen i sygefravær i de enkelte år minder 1.+2. kvartal

om 3. + 4. kvartal. Det kan derfor tænkes rent hypotetisk ud fra udviklingen de to foregående år at

fraværet med nogen sandsynlighed vil ligge på omkring det samme niveau som for de to første

kvartaler. Dette er dog en ren formodning og flere forskellige uforudsete faktorer kan føre til en

stigning eller fald i fraværet i de to sidste kvartaler.

Nedenstående tabel viser forskelle i sygefravær hos de forskellige sygefravær i forhold til alle fem

arbejdsdage fra 2015-2016 2. kvartal.






Sum 132,24 391109,14 3,97 23300,85

2016 12

Tabel 3.

Der kan konkluderes ud fra ovenstående at der ikke er nogen stor forskel i mængden af fravær på de

forskellige dage. Den dag hvor der dog er mindst fravær er mandag og de dage der er mest er

tirsdag, onsdag og torsdag. Denne tabel viser altså at fraværet nogenlunde er ligeligt fordelt over

hele ugen, hvor det dog er de midterste ugedage som har det højeste fravær.

I forhold til de forskellige aldersgrupper og hvilke dage fraværet falder, er der ikke de store

forskelle i forhold til mængden af fravær på de forskellige dage. Dog er der størst forskel i

mængden af sygefravær om mandagen i forhold til de andre dage hos aldersgrupperne 25-45 år.

2016 13

Nedenstående tabel viser forskelle i sygefravær fra 2015 til og med 2. kvartal 2016 fordelt på antal

dage fraværet har varet.

Tabel 4.

Det fremkommer af tabellen at i 2016 er det laveste fravær ved 7-14 dage. Denne tendens stemmer

overens med tallene fra Gug skole, hvilket kan indikere at sygdom over 6 dage kan føre til

langtidssyg. Dog understøttes disse tal ikke af tallene fra 2015 eller perioden 2015-2016 2. kvartal.

da tallene her ligger på niveau med de andre variabler. Derfor skal der tages forbehold for at tallene

i 2016 evt. kan ændre sig, eller det kan også være udtryk for en ny tendens. Det der dog med al

tydelighed kan konkluderes fra denne tabel er at langtidsfraværet udgør omkring halvdelen af

fraværet i 2015, og næsten 1/3 af fraværet i 2016 og ved det gennemsnitlige fravær fra 2015 til og

med 2. kvartal 2016 udgør det lidt under halvdelen af fraværet. Hvis langtidsfraværet fjernes fra det

samlede fravær ryger fraværet ned på 2,39 for perioden 2015 til og med 2016 2. kvartal. Fra

ledelsens side er der blevet givet udtryk for at der ønskes at opnå et sygefravær under 2,5 procent,

og dette mål er opnået hvis langtidsfraværet fjernes. Ud fra dette kan der derfor argumenteres for at

fokus i henhold til sygefravær på Filstedvejens skolen kan prioriteres til primært at være på

langtidsfravær i henhold til nedsættelse af fraværet. Generelt skyldes sygefravær ofte stress,

depressioner eller lignende, dette kan sygefraværstallene dog ikke vise, og dette er derfor en

formodning at dette er tilfældet her. Hvis dette er tilfældet er det vigtigt at have fokus på det

psykiske arbejdsmiljø, trivsel osv. Og på denne måde forsøge, at i fremtiden at så få som muligt

falde rind under kategorien langtidssyge. Disse personer har ofte en bestemt tidshorisont for

hvornår de ca. kan begynde på arbejde/fuldtid igen. Derfor er det vigtigt at have fokus på

forebyggende elementer, hvor den interne trivsel og kultur er et element som er vigtigt at have

fokus på. Dette er der under fokusgruppeinterviews blevet spurgt ind til og lagt vægt på.

Resultaterne fra disse og forslag til ting der skal fokuseres på og hvordan disse kan tilgås vil blive

introduceret efter den sidste tabel i afsnittet arbejdsmiljø, og trivsel.

2016 14

Nedenstående tabel viser forskellige fraværsårsager for hele skolen. Tabellen viser at antal

fraværstimer grundet mindre barns 1. sygedag ligger tæt på hinanden for 2014 og 2015, hvor det i

2016 for de to første kvartaler ligger på en højere fraværsprocent og over halvdelen af

fraværstimerne i henholdsvis 2014 og 2015. Det interessante her er boomet i antal fraværstimer i

2015 pga. graviditets orlov, og at antallet af ansatte er steget frem til 2016. Dette er begge faktorer

der kan have indflydelse på at fraværet grundet mindre barns 1. sygedag er steget, hvor det kan

tænkes at dette primært skyldes en stigning i medarbejdere med mindre børn og stigning i

personale. Udover dette kan den højere fraværsprocent for de to første kvartaler i 2016 også skyldes

at det samlede fravær i 2016 er faldet, hvorimod det ikke er tilfældet for mindre barns 1. sygedag,

og derfor virker dette tal til at være steget en del, da det er relativt i forholdet til samlede sygefravær

og udgør en større andel af det samlede fravær grundet et fald i dette. Der har fra ledelsens side

været fokus på barnets første sygedag, og om dette fravær evt. kunne reduceres. Det kan dog ikke

endnu efter de to første kvartaler i 2016 læses at det har haft en effekt, ligesom der heller ikke kan

siges at det ikke har hjulpet, grundet de forskellige forhold nævnt tidligere. Det ville være

interessant at se tallene for hele året ved udgangen af 2016 hvor det i større grad vil være muligt at

sige noget om udviklingen i højere grad end efter to kvartaler. Det der kan tages med fra denne

tabel er dog et fokus på flere faktorer som kan have indflydelse på fraværstal, når der laves mere

detaljerede tabeller som denne. Det er vigtigt ikke bare at læse fraværsprocenttallene for de enkelte

år og konkludere ud fra disse, men se det ud fra forskellige sammenhænge. Stigning i ansatte, flere

med børn osv. kan have indflydelse på tallene som ved denne tabel, og tallene skal derfor ses i

sammenhæng med de andre.

2016 15

Tabel 5.

Tabel 7. viser forskelle i sygefravær hos alt personale ansat i dus afdelingen og alt øvrige personale ansat i

skoleafdelingen. Det interessante ved denne tabel er at der fra 2014 frem til 2. kvartal 2016 er en overvægt af

sygefravær hos dus personalet sammenlignet med resten af skolens personale. Yderst til højre i tabellen er

der lavet udregninger der viser forskellen i pct. point de to grupper imellem. Gennemsnitligt fra 2014 til

2016 til og med 2. kvartal, har dus personalet 1,14 pct. point mere sygefravær end resten af skolen. I 2016 til

og med 2. kvartal er dette tal på 1,35 pct. point i forskel. Det vil sige at dus personalet i 2016 er over et pct.

point mere syge end resten af skolens personale. Der kan altså siges at være tendenser hos dette personale til

gennemsnitligt at være mere syge end resten af skolens personale. Dette kan der være mange forskellige

årsager til, men det interessante er at der er denne forskel mellem de to afdelinger.

2016 16

Tabel 6.

Ovenstående tabel viser forskelle i sygefravær hos dus afdelingen og resten af skolen, hvor

nedenstående tabel derimod går mere i detaljer og viser forskelle hos de enkelte faggrupper, hvor

nogle er slået sammen, da disse kun består af en eller to ansatte. Der er også sorteret få grupper fra,

da disse består af kun en person med meget højt fravær, hvilket ville skævvride resten af gruppens

gennemsnitlige fravær. Denne/disse er sorteret fra da fraværet er så højt at der kun kan være tale om

meget stor grad af langtidsfravær og derfor vil dette fravær alligevel ikke sige noget om gruppens

generelle fravær og tendenser ved denne gruppe, men er betinget af specifikke forhold hos disse

personer.

Nedenstående tabel viser forskelle i sygefravær fordelt på faggrupper fra 2015 til og med 2016 2.

kvartal. Ved at dele tabellen op i enkelte faggrupper muliggøres det at kunne se de helt specifikke

forskelle i pædagoger og lærere, pædagogmedhjælpere, administration osv.

2016 17

Tabel 7.

Denne tabel viser at Pædagogerne og pædagogmedhjælperne som er ansat i skolen har et lavere

sygefravær end dem ansat i dus afdelingen. Der kan være mange forskellige årsager til denne

forskel, dog viser denne forskel at der kan være bagvedliggende faktorer som adskiller disse to

grupper. Dog kan det ikke læses om det skyldes specifikke forhold kun hos dus grupperne eller

skole grupperne, eller hos begge. Både ved det gennemsnitlige fravær og fraværet kun for 2016 er

det dus grupperne som ligger højest. Pædagogerne fra dus har et sygefravær der er 0,97 pct. point

højere end lærerne for 2016 til og med 2. kvartal. Det vil sige at der næsten er en pct. points forskel

2016 18

i fraværet hos lærerne og pædagogerne sat direkte overfor hinanden. Pædagogerne der tilhører skole

afdelingen er derimod mindre syge end lærerne, dog er denne gruppe meget lille og der kan derfor

være mange årsager til dette. Det er også interessant at det lærerne i skoleafdelingen der har det

højeste sygefravær, dog er det her vigtigt at have for øje at dette også er den største gruppe, og alle

de andre grupper er så små at dette også kan være noget af forklaringen på denne forskel. Det

tallene og forskellene derimod kan bruges til er at sætte fokus på hvor fraværet er højest og højere

end det mål der søges fra skoleledelsens side, og hvor der kan siges at det kunne være fordelagtigt

at sætte mere fokus på forholdene og medarbejderne i disse grupper. Derfor er der også blevet

udført to fokusgruppeinterviews med pædagoger, for at få indsigt i deres holdninger og få sat ord på

deres syn på sygefraværet og interne forhold, som kan siges at påvirke deres arbejdsmiljø og

sygefravær.

2016 19

Bilag 2 Monitorering af organisationsudvikling for skoler udvalgt til helhedsindsats. Baggrund: Skoler i Aalborg udvælges til helhedsindsats på baggrund af manglende progression på et eller flere områder i kvalitetsrapporten. Mål med denne anbefaling: Skolelederne har overblik over styringsværktøjer samt redskaberne til forandring. Skoleleder vælger eller fravælger, i samarbejde med læringschef, aktivt styringsværktøjernes relevans for den enkelte skole. Lokal Helhedsindsats:

• Højere grad af fremmøde. (Elever og medarbejdere) o Statistik i excel på procent og årsag – monitorering hvert kvartal

! Metode: Social kapital for både børn og voksne • Flere elever overgår til ungdomsuddannelse

o Monitorering over frem eller tilbagegang i Datawarehouse. ! Metode: Læringssamtale med eleverne allerede fra 7. klasse.

• Flere elever over karakteren to i snit til FSA. o Monitorering over frem eller tilbagegang i Datawarehouse. o Monitorering via eget statistik program i excel

• Alle elever går til alle afgangsprøver o Monitorering via datawarehouse

! Metode: Læringssamtale med eleverne om vigtigheden af deltagelse. • Højere elevprogression i Dansk og Matematik

o Via Beregneren og læringssamtaler med eleverne • Højere grad af trivsel for elever

o Via Datawarehouse og (PerSand)-sammenligningsmodeller ! Metode: Inklusionsvejleder foretager teamsamtaler med udgangspunkt i

Filstedmodellen. • Grøn APV for Psykisk Arbejdsmiljø

o Monitorering via Survey Monkey / 13 social kapital spørgsmål. ! Metode: Kvartalsvis spørgeskema til alle medarbejdere + offentliggørelse af

statistik. Til læringschefen tilgår de data, der er genereret kvartalsvis. Lokalt er det AAU-studentermedarbejder, der udfører. Lokalt er det skoleleder, der er ansvarlig for data indsamlingen. Samlet arbejdsrapport bliver til sammen med konsulent fra Skoleafdelingen, AAU-studentermedarbejder og skoleleder. Progression indgår i skolens målpil.

datainformeret ledelse

Leadership & Management