Om ons voorstel van inschrijvingsprocedure in de praktijk uit te voeren, is het noodzakelijk om over een aantal gegevens en praktische hulpmiddelen te beschikken.
Het samenstellen van een individuele sociaaleconomisch index voor elk kind is technisch relatief eenvoudig. Hiervoor kunnen verschillende gegevens van de ouders worden gecombineerd: opleidingsniveau, beroep en beroepsstatuut, inkomen, onroerend goed, enz. Deze gegevens zijn ofwel beschikbaar in de Kruispuntbank van de Sociale Zekerheid, ofwel op het niveau van het Ministerie van Financiën. De moeilijkheid is hier vooral politiek: het is een kwestie van toestemming geven voor toegang tot deze gegevens. Het zal uiteraard nodig zijn om de vertrouwelijkheid van privé-informatie te garanderen door een geanonimiseerd bestand aan te maken (de individuen worden daar geïdentificeerd door een code en de link tussen deze code en de identiteit bevindt zich in een gecodeerd bestand, dat alleen kan worden geactiveerd in het kader van communicatie per e-mail of per post met de ouders).
Voor de samenstelling van het kadaster van beschikbare plaatsen is het eerst nodig om normen vast te stellen op vlak van oppervlakte per leerling, gemeenschappelijke infrastructuur, enz. Op basis hiervan geven de scholen aan hoeveel leerlingen ze per leerjaar kunnen opnemen. De Zonale Commissies controleren regelmatig of het totale aantal plaatsen in elke zone voldoende is en kunnen aan bepaalde scholen vragen om hun capaciteit te verhogen.
Tot slot moeten normen voor de te bereiken doelstellingen worden bepaald: de maximaal toegestane afstand tussen woning en school voor een leerling, de maximaal toelaatbare waarde van het gemiddelde van deze afstanden (voor alle leerlingen), de maximaal toelaatbare waarde voor de index die de sociale segregatie tussen scholen bepaalt, enz. Deze streefwaarden en de weging van hun respectievelijke belang zullen door de wetgever moeten worden bepaald en eventueel aangepast aan de lokale geografische, demografische en sociale omstandigheden.
Al deze gegevens (de lijst met leerlingen die een plaats op een school moeten krijgen, hun sociaaleconomische index, de geografische locatie van hun woonplaats, het kadaster van beschikbare plaatsen, de wettelijke normen om vlotte bereikbaarheid en sociale mix te garanderen) worden samen gebracht in een database. Er wordt een algoritme ontworpen dat op basis van deze gegevens een optimale balans berekent tussen bereikbaarheid (afstand tussen woonplaats en school) en sociale mix.
Technisch haalbaar
De technische haalbaarheid van een dergelijk algoritme werd getest in een onderzoek dat gezamenlijk werd uitgevoerd door Nico Hirtt (Ovds) en Bernard Delvaux (professor GIRSEF, UCL) en dat betrekking had op de leerlingenpopulatie van het lager onderwijs in het Brussels hoofdstedelijk Gewest. Hieronder lichten we het algemene principe van het gebruikte algoritme toe. De resultaten waren veel belovend en illustreerden de technische haalbaarheid. Daarmee is niet gezegd dat het door ons ontworpen algoritme het best mogelijke is. Specialisten zouden ongetwijfeld nog meer efficiënte en meer verfijnde bruikbare algoritmen kunnen ontwikkelen.
In eerste instantie wees ons algoritme leerlingen willekeurig toe aan de ene of de andere school in de buurt. Vervolgens zocht het programma of het wisselen van twee leerlingen tot gevolg had dat de verdeling van de leerlingen over de scholen beter de hierboven bepaalde doelstellingen (nabijheid en sociale mix), rekening houdend met de gekozen weging, benaderde. Deze toewijzingsprocedure (wisselen van leerlingen) werd duizenden keren herhaald, totdat het niet meer mogelijk was de combinatie van nabijheid en sociale mix verder te optimaliseren. De hieronder weergegeven resultaten zijn verkregen op basis van de leerlingenpopulatie van 2011 in het lager onderwijs in het Brussels Gewest, na 35.000 keer wisselen van leerlingen.
Vaak wordt gevreesd dat het nastreven van een sociale mix in alle scholen gepaard moet gaan met het verplaatsen van veel leerlingen en dus gemiddeld grotere afstanden tussen de woonplaats en de school. Men denkt daarbij soms aan de Verenigde Staten waar de strijd tegen (raciale) segregatie in de zuidelijke Staten gepaard ging met het inleggen van lange busritten voor zwarte leerlingen.
In onze simulatie voor Brussel werd de grotere sociale mix (zie hieronder) echter niet verkregen door de afstanden tussen thuis en school te vergroten. De afstanden werden integendeel aanzienlijk verminderd. In 2011 was de (reële) gemiddelde woon-schoolafstand 1.330 meter. Ons algoritme slaagde er in om de gemiddelde afstand terug te brengen tot slechts 910 m. De standaardafwijking werd met de helft verminderd. Terwijl in werkelijkheid 853 leerlingen naar een school gingen die meer dan 4 km verwijderd lag van de woonplaats, reduceerde ons algoritme de maximale afstand tot 2,8 km. Het aantal leerlingen dat meer dan 2 km ver naar school ging, werd gehalveerd.
Onderstaande tabel laat zien hoe effectief het gebruikte algoritme was in het creëren van sociale mix. In 2011 hadden de gemiddelde socio-economische indexen (SEI) van de eerste klassen van het lager onderwijs in Brussel een standaardafwijking (spreiding) van 0,920. Dit is veel, als je weet dat de standaardafwijking van de individuele SEI in Brussel 1,3 is: er is dus bijna net zoveel sociale ongelijkheid tussen scholen als tussen individuen. Aan het einde van de 35.000 iteraties (omwisselen van leerlingen) van ons programma zakte de standaardafwijking naar 0,398.
| Sociale mix van scholen na 35.000 keer wisselen van leerlingen | ||
| Situatie 2011 | Situatie na wisselen van leerlingen | |
| Standaardafwijking (gewogen) SEI van de scholen | 0,920 | 0,398 |
| Segregatie-index (25% minst begunstigde leerlingen) | 0,370 | 0,130 |
| Segregatie-index (25% meest begunstigde leerlingen) | 0,406 | 0,197 |
De segregatie-indices van de laatste twee rijen van de tabel zijn de percentages leerlingen die behoren tot de armste (of rijkste) 25% die van school zouden moeten veranderen om hun gelijkmatige verdeling over alle instellingen te verkrijgen. Je ziet dat deze segregatie-indexen dankzij onze toewijzingsprocedure (wisselen van leerlingen) sterk worden verminderd. De segregatie van de minder begunstigden wordt gedeeld door drie (van 0,37 tot 0,13), die van de meest begunstigden wordt gedeeld door twee (van 0,41 tot 0,20). Met andere woorden, het programma (en de sociale en geografische samenstelling van de Brusselse schoolbevolking) maakt het mogelijk om ervoor te zorgen dat leerlingen uit de armste groepen min of meer gelijkmatig over alle instellingen worden verdeeld.
Voor leerlingen uit de meest welstellende milieus is het resultaat iets minder goed. Dit is te verklaren door de sociale samenstelling van de wijken in de hoofdstad. De arme centrale zone is dichtbevolkt, maar heeft een kleine geografische spreiding en daarom is het relatief eenvoudig om leerlingen te verplaatsen om een gemengde samenstelling van scholen te bekomen. De “rijke” buitenwijken daarentegen zijn uitgestrekt en dunner bevolkt. Daar is het moeilijker om nabijheid en diversiteit met elkaar te verzoenen. Dit is ongetwijfeld de verklaring voor het voortbestaan van een paar ‘rijke getto’s’ aan het einde van het toewijzingsproces van leerlingen.
De versmalling van de spreiding van de-SEI van de scholen is ook zichtbaar in onderstaande grafiek. Het gaat over de spreiding van de SEI (sociaaleconomische index) van de scholen (gewogen naar het aantal leerlingen in elke vestiging). De grafiek beschrijft de waarschijnlijkheid dat een leerling op een school met een bepaalde SEI zit. De stippellijn is de reële situatie in 2011, de volle lijn is het resultaat van het toewijzingsprogramma. Terwijl de sociaaleconomische indicatoren van scholen in werkelijkheid in ongeveer gelijke verhoudingen variëren van -2 (zeer arm) tot +1 (rijk), zijn we erin geslaagd om de overgrote meerderheid van de scholen in een “vork” tussen -1 en 0,8 te brengen. Deze versmalling van de spreiding is het bewijs dat een grotere sociale mix mogelijk is. En dit, zonder de gemiddelde afstand tussen de woonplaats en de school te verhogen, integendeel!
Uit de grafiek blijkt ook dat de concentratiescholen van zeer kansarme groepen na de uitvoering van ons programma verdwenen zijn (geen enkele school had nog een SEI van minder dan -1,5, in tegenstelling tot de reële situatie) . Aan de andere kant zijn er nog steeds enkele concentratiescholen met een welstellend publiek(SEI groter dan 1), maar veel minder dan leerlingen dan vandaag.
In 2011 ging slechts een derde van de leerlingen in het lager onderwijs in Brussel naar een “volledig gemengde” school (met een sociaaleconomische index die dicht bij de gemiddelde index voor het hele Brusselse Gewest ligt). Aan het eind van de uitvoering van ons algoritme kwam maar liefst driekwart van de leerlingen op zo’n school terecht. In onze simulatie zaten er geen leerlingen meer in een “arme gettoschool”, terwijl dat in 2011 in werkelijkheid voor meer dan 21% het geval was. En als er nog steeds zo’n 6% leerlingen in scholen zaten met een hoge concentratie geprivilegieerde bevolkingsgroepen (de ‘rijke getto’s’ van het zuidwesten van Brussel), was dat beduidend minder dan de 20% in de realiteit in 2011.
Al deze resultaten tonen de technische haalbaarheid aan van het voorstel van Ovds in de strijd tegen sociale segregatie. De simulatie op basis van het lager onderwijs in Brussel kan zeker verbeterd en verfijnd worden. Zo zou bv bij de berekening van nabijheid idealiter geen rekening moeten worden gehouden met afstand in vogelvlucht, maar met reistijden te voet of met het openbaar vervoer. Een simulatie in andere grote steden zoals Antwerpen, Luik, Gent of Charleroi zou nuttig zijn om te onderzoeken of elders ook dergelijke positieve resultaten behaald kunnen worden.
Nico Hirtt
Onderteken om ons initiatief te ondersteunen !
Terugkeren naar de gedetailleerde weergave van ons voorstel
Referentie
Hirtt, N., et Delvaux, B. (2017). Peut-on concilier proximité et mixité sociale? Simulation d’une procédure numérique d’affectation des élèves aux écoles primaires bruxelloises. Les Cahiers de recherche du Girsef, n°107.
