"Generelt gælder, at jo større population, jo større statistisk sikkerhed", siger Lasse Hønge Flarup. Ja, ligesom hvis man slår terning 100.000 gange og kan konstatere, at man har fået en sjettedel enere, en sjettedel toere osv. Alle skæverterne udligner hinanden, og så passer pengene. Problemet er så bare, at resultatet er 100% forudsigeligt og komplet intetsigende. Man kunne præcis lige så godt have nøjedes med at se på afgangsprøverne. Men det er de meget glade for oppe i toppen af systemet, for det ser pænt og ordentligt ud som det står lige der i regnearket, og det ligner til forveksling noget interessant.

Helt uden at være forsker, vil jeg mene det er åbenlyst at testen har flere voldsomme slagsideer, at eleverne ikke får de samme spørgsmål og at man justerer svarerne. Sværhedsgrad eller ej. Næste punkt er at den ene klasse er undervist i et emne, mens en anden klasse ikke er, ect. Ja, det udlignes på nationalt plan med en population på 60.000 elever - men det er nu ret lige fedt for elever der får "Under Middel" med hjem. Ja, den udgave har den "normale" test også, men her vil den enkelte lærer kunne forholde sig til det, det er jo det der hele tiden prædikes. På samme måde som normalfordelingen/NT. Begge dele justeres efter svarerne. Det er for mig voldsomt problematisk. Både FSE & NT justerer resultaterne efter normalfordelingskurven, så selvfølgelig vil der være stor lighed mellem de 2 udgaver. Altså bortset fra at man ikke kan sammenligne de 2 udgaver. "Og jo højere op i systemet, man kommer, på kommuneniveau og højere, jo mere positivt stiller man sig til testene, hvilket giver god mening, givet at det netop er på disse niveauer, testene giver mest mening". NO SHIT! De der bruger test politisk, de mener de er gode! UVM bruger NT til at kontrollere kommunerne, der bruger NT til at kontrollere B&U, der bruger NT til at kontrollere skoleinspektører, der bruger NT til at kontrollere lærerne - den sidste del fungerer normalt bare ikke så godt.

Dybt betænkeligt at elever får tilbagemelding på deres nationale test-placering, når resultaterne kun er valide i gruppestørrelsen “landets samlede besvarelser”. Så skal jeg som lærer IKKE sende besked hjem til Klara og hendes mor, at Klare præsterer i landets dårligste kvartil.😖For pokker altså!

Når testene ikke måler korrekt på individniveau, kan det vel være så evigt ligegyldigt at bruge tallene på klasse, skole og landsplansniveau...... Lige bortset fra, at mange lærere sandsynligvis underviser i og bruger kostbar tid på at vænne elever til testene, så eleverne efterhånden bliver bedre til at håndtere de mærkværdige, fra dagligdagen løsrevne, krav. Så har politikere pludselig et helt "dokumenteret", målbart tegn på, at reform, andet rod og rådenskab virker. Håber ikke forskere bakker op om det vanvid! Hvor ville det dog være fantastisk, hvis pengene og tiden kunne bruges anderledes.

Det jeg oplever, med mine elever er at testene måler med ekstrem usikkerhed. Det er fordi, mange af mine elever har haft lange forløb med skolevægring og er kommet flere år bagud i fagene. Det er ikke ualmindeligt, at jeg får nye elever i 8. klasse, der ikke kan deres gangetabeller, læse klokken, osv. fordi de har glemt det eller slet ikke fået det lært. Selvom testene er "adaptive", så er niveauet ofte for højt, da den jo som udgangspunkt måler i forhold til elevens faktiske klassetrin. Det betyder, at resultatet ofte bliver "under middel", hvilket ikke overrasker, men som jeg i hvert fald ikke kan bruge til noget som helst brugbar evaluering sammen med mine elever.

Før man kaster sig ud i en stor reparation af testene, med en statistiker til at følge hele processen, så er det vigtigt at overveje, hvilke rammer, der skal være om testene. Vil det være i orden, at testene tager fire til fem lektioner at gennemføre? Vil det være i orden, at mangedoble antallet af helt urimelige opgaver, hvor opgaverne virker umulige selv for voksne at svare på? Vi bliver nødt til at tænke os om. De krav vi stiller til en revidering af testene, må ikke betyde, at vi ender med tests, der er endnu mere kritisable end de nuværende.

Jeg kan se at der er flere i denne tråd der ligesom Lasse Hønge Flarup ikke er opmærksomme på at det måske aller alvorligste problem er at testene ikke bare måler usikkert, de måler også forkert. Så uanset hvilket niveau man er på - om det er 1, 20, 60 eller 60.000 elever, så er resultatet FORKERT. Hvor forkert det er, ved vi ikke, for det har STIL og VIVE ikke undersøgt (VIVE har jo faktisk i deres sammenfatning forsøgt at skjule dette helt alvorlige problem som fremgår af STILs rapport). Indtil denne undersøgelse er foretaget, så er det mest korrekte at sige: Der er ikke noget niveau hvorpå resultaterne er pålidelige. Og det gælder alle resultater fra 2010. Lasse Hønge Flarups forklaringer om korrelationer med afgangsprøver er i øvrigt helt uden fundering i videnskabelige undersøgelser. Selv efter VIVEs egne (tilfældige) kriterier, er korrelationerne i langt over 90 procent af tilfældene, for små.

Vive konkluderer at der ikke er tegn på at de nationale test måler mere usikkert end andre test. De kunne lige så godt have konkluderet, at der ikke er noget der tyder på at der er nogen test, der måler så usikkert som dnt, fordi de ikke har kunnet finde noget som helst om, hvor usikkert andre test måler. Det er ellers ikke så svært, hvis man gider spørge sig for. I mit positionspapir fra rådgivningsgruppen har jeg en tabel med oplysninger om 10 test, som jeg kunne trække op af skuffen. De måler alle meget mere sikkert, og nogen af dem endda sikrere end vi havde håbet dnt ville måle. Vives evaluering er en pinlig omgang både-og snak. Mange fejl og mangler og uden mod til at drage konklusioner, som de forudså kunne blive besværlige for dem, der bestilte evalueringen. Det mod skal man altså have, hvis man påtager sig en evalueringsopgave. I stedet for at konkludere ar der altid er nogen der er for og nogen, der er imod, burde de have noteret, at det er svært at finde nogen spørgsmål, hvor et flertal af lærere og skoleledere formulerer sig positivt om dnt. Og det må da være et minimums successkrav til noget der har været så dyrt som dnt, at flertallet af brugerne synes det har være nyttigt. Mange siger selvfølgelig hverken/eller, men det er altså ikke godt nok, at mange synes det er ligegyldigt med dnt.