En algoritme til fordeling af skolebørn. Og maskinlæringsmetoder til at målrette indsatser til de børn, som har mest gavn af indsatsen.

Det er nogle af de projekter, forskerne på en ny enhed på Københavns Universitet er i gang med - finansieret hovedsageligt af midler fra Børne- og Undervisningsministeriet.

Det er over 20 år siden, at Undervisningsministeriet sidst havde sin egen forskningsinstitution. Inspirationen til den nye enhed kommer fra et tilsvarende forskningscenter, som Beskæftigelsesministeriet arbejder sammen med.

"Beskæftigelsesministeriet har i en del år samarbejdet med forskere om at finde ud af, hvad der virker i forhold til at bekæmpe ledighed", siger Mette Ejrnæs, leder af den nye enhed kaldet Uddankvant og professor på Økonomisk Institut.

"Når man evaluerer effekten af et nyt tiltag i skolen, kan det være svært at vide, om de effekter, man ser, skyldes tiltaget, eller om de skyldes noget andet. Det er her, jeg ser vores rolle - vi kommer med nogle statistiske kompetencer til at se, hvad det er, der giver effekten. Det kræver rigtig gode data - så det er sammenfald imellem, at man har set, hvad der er sket på beskæftigelsesområdet, og at vi får bedre og mere data til rådighed".

DPU undrer sig over økonometrisk satsning

Forskningslederen håber også, at det tætte samarbejde mellem ministeriets embedsmænd og forskerne kan betyde bedre evalueringer af fremtidige indsatser:

"Der bliver jo indimellem oprettet puljer til forsøg, og der kan vi så gå ind og sige, at hvis man skal kunne evaluere effekten af en pulje kvantitativt, så skal man sørge for at indsamle data, og man skal sikre, at der er en sammenlignelig kontrolgruppe. Det kan betyde, at man skal anvende et bestemt design", forklarer hun.

Det er et år siden, Børne- og Undervisningsministeriet meldte ud, at ministeriet ville oprette en forskningsenhed, og at universiteter kunne byde ind på at blive værter for enheden.

Blandt ønskerne til den nye enhed var, at den skulle arbejde med den socialøkonomiske investeringsmodel "Søm", som handler om at kvantificere, hvad samfundet tjener på investeringer i for eksempel børns skolegang, og som undervisningsminister Pernille Rosenkrantz-Theil (S) og kulturminister Ane Halsboe-Jørgensen (S) udgav en bog om, året før de blev ministre.

Ny politisk bog: Spar penge ved at investere i skolen

Ny enhed har fuld forskningsfrihed

Uddankvant er en del af ministeriets analyse- og vidensstrategi, der blev igangsat i efteråret 2018 og er godkendt af den nuværende minister.

Forskerne fra Københavns Universitet har selv formuleret forskningsprojekterne i deres ansøgning om at blive værtsinstitution, og i perioden 2021 til 2024 skal de gennemføre ni projekter (se boks).

"Vi har fuld forskningsfrihed", fremhæver Mette Ejrnæs. "Det er vores projekter. Selvfølgelig har vi en dialog med ministeriet, men det er universitetet, der sidder på den viden, der kommer ud af projekterne, og vi er underlagt universitetets krav til videnskabelig redelighed".

Det betyder også, understreger forskerne, at forskningsresultaterne vil blive offentliggjort, uanset hvad de viser - helt i tråd med det nye sæt principper og anbefalinger for forskningsbaseret samarbejde og rådgivning, som alle danske universiteter for nylig har udsendt.

Et af de projekter, som forskerne er i gang med, undersøger familiers valg af folkeskole, og i det projekt ligger også planen om at designe en allokeringsalgoritme til fordeling af skolebørn.

"Det handler om, at man i Gentofte Kommune og i en lille del af Københavns Kommune, nemlig Amager, har ophævet skoledistrikterne og prøver at gøre det på en anden måde", fortæller adjunkt ved Økonomisk Institut og forsker i Uddankvant Andreas Bjerre-Nielsen.

Når kommunerne tegner streger på kortet i et forsøg på at få antallet af børn i et skoledistrikt til at passe til skolens størrelse og samtidig sikre, at skolerne ikke bliver alt for socialt opdelte, sker det, at familier, der bor dør om dør med én skole, kommer til at høre til en anden. De algoritmer, man med forskernes hjælp forsøger sig med på Amager og i Gentofte, går efter et individuelt afstandskriterium frem for distrikter - så det er afstanden i kilometer og meter mellem hjem og skole, der bestemmer barnets skole.

"Vi måler så på, om børnene og familierne er bedre stillet og mere tilfredse, end de ville have været med skoledistriktsmodellen. Og på om kommunerne måske også kan spare noget ved at undgå skoler med for mange små klasser med for få elever i hver. For implicit bliver der jo uligheder mellem skolerne, hvis nogle har små klasser, og andre har store", forklarer Andreas Bjerre-Nielsen.

Maskinlæring skal hjælpe forskerne

Det er også Andreas Bjerre-Nielsen, der skal stå for at afprøve maskinlæring - også kaldet kunstig intelligens - sammen med registerdata til at måle på effekten af forskellige tiltag, frem for som i dag, hvor man oftest bare kigger på, om et tiltag har haft effekt på børnenes gennemsnitlige præstationer eller trivsel.

"Det nye ved at bruge maskinlæring er, at man faktisk på individniveau kan forudsige betydningen af en given indsats for 'den her type barn'. Så vil systemet zoome ind på, at for piger fra den her socioøkonomiske gruppe i den her del af landet ser det ud til, at effekten vil være sådan her. Det tror vi kan være interessant", siger Andreas Bjerre-Nielsen.

I første omgang vil forskerne tage en allerede gennemført evaluering af et tiltag - for eksempel tidlig sprogstøtte - og så se på data på ny med henblik på at finde ud af, om indsatsen måske gavnede nogle børn meget, selv om den gennemsnitligt ikke havde ret god effekt.

Nogle forældre er meget bekymrede for, hvad trivselsmålingerne bliver brugt til. Det er jo børn, der for eksempel svarer på, hvor tit de har hovedpine på en måske dum torsdag eller efter et dårligt frikvarter. Skal det indgå i en bedømmelse af, hvad den familie skal udsættes for af tiltag?

"Det kan jeg godt forstå. Og jeg ved heller ikke, om jeg ville bruge det som en markør, der var pålidelig. Jeg tror mere, trivselsmålingerne kan bruges til at se, om der er et problem i miljøet omkring skolen", siger Andreas Bjerre-Nielsen.

"For det enkelte barn vil usikkerheden være uendeligt stor. Det er ikke som 'personlig medicin' i sundhedsvæsenet, hvor man har genetisk information - sådan en præcision har vi ikke", bryder forskerkollega og lektor på sociologisk institut Kristian Bernt Karlson ind.

Uddankvants leder, Mette Ejrnæs, supplerer: "Hvis man kan blive lidt mere klar på, hvem en indsats gavner - er det for eksempel fagligt stærke eller de fagligt svage - så kan vi komme et skridt videre end bare 'virker det eller virker det ikke'", forklarer hun.

Gladsaxe Kommune har tidligere arbejdet på en model baseret på kunstig intelligens, der på basis af kommunens data, blandt andet sundhedsdata om børnefamilier, skulle identificere særligt udsatte børn, så kommunen kunne sætte tidligt ind. Men projektet vakte skandale og måtte skrinlægges, fordi kommunen ikke har lovhjemmel til at bruge borgernes data til helt andre formål, end borgerne har kunnet forvente.

"Det, de har prøvet i Gladsaxe, er - som jeg har forstået det - at udvikle profileringsværktøj til at forudsige, hvordan det går med et barn. Det er meget forskelligt fra det, vi vil gøre, nemlig at måle effekten af en indsats", siger Andreas Bjerre-Nielsen.

Men når man har fundet ud af, hvad der virker for hvilke børn, er næste skridt så ikke at bruge den viden til at "redde" børnene, inden de bliver for gamle?

"Men det er jo netop spørgsmålet, om det virker!" fremhæver forskeren og henviser til et studie, hvor man overvågede 1.000 studerende, i forhold til om de for eksempel kom til timerne, om de sad og kiggede i deres telefon - og på elementer i deres personlighed. Men det viste sig, at al den viden ikke var spor bedre til at forudsige, hvordan de klarede sig på universitetet, end deres studentereksamenskarakterer alene.

CPR-numre og skolers navne er skjult

Forskerne har naturligvis kun de data at arbejde med, som findes. Karakterer er ikke udviklet til statistisk brug, og det er velkendt, at der er betydelige problemer med målesikkerheden i de nationale test af danske folkeskoleelever. Uddannkvants forskere vil ikke udtale sig om kvaliteten af de eksisterende data, men fremhæver data om elevernes overgang til ungdomsuddannelser som en god og vigtig markør for, om en person klarer sig godt igennem systemet.

En anden database, som forskerne for alvor sætter deres lid til, er et splinternyt lærer-elev-register, som Danmarks Statistik netop har etableret. Dette register vil gøre det muligt at følge, hvilke elever der har haft hvilke lærere.

Dermed vil man altså få landsdækkende big data for eksempel på karakterer og testresultater for elever, der har haft tolærerordning i for eksempel mere end en tredjedel af deres timer i et givet fag. Danmarks Statistik har også brugt det nye register til at se på, hvad gentagne klasseskift betyder for elevernes karakterer.

Men nej, det betyder ikke, at forskerne på deres kontorer ved Botanisk Have i København kan sidde og kigge på trivsel og karakterer i de klasser, der har fået undervisning af de lærere, som deres egne børn skal have næste år.

"Nej da, selvfølgelig ikke. Vi følger selvfølgelig alle Danmarks Statistiks regler og Datatilsynets. Vi har aldrig data på vores egne computere, og alt arbejde bliver lavet på computere på Danmarks Statistik. Vi ser aldrig nogen cpr-numre og heller ikke skolernes navne", understreger Mette Ejrnæs og tilføjer, at en grundregel er, at man ikke bruger data, der gælder for færre end fem personer.

Folkeskolen har bedt om et interview med børne- og undervisningsminister Pernille Rosenkrantz-Theil om baggrunden for den nye forskningsenhed, men hun har ikke ønsket at stille op.