Da jeg analyserte PISA-resultatene for de nordiske landene, begynte jeg med et ganske enkelt spørsmål: Henger gode leseferdigheter sammen med gode prestasjoner i matematikk og naturfag?
Analysen er basert på PISA 2022-data for Norge, Sverige, Danmark, Finland og Island. Svaret var ikke bare at det finnes en sammenheng. Den var svært sterk. Elever som presterer godt i lesing, presterer som regel også godt i matematikk og naturfag.
Dette funnet peker i to retninger samtidig. På den ene siden kan lesing være en grunnleggende ferdighet som gjør det lettere å tilegne seg kunnskap i andre fag. På den andre siden kan de tre fagene i stor grad fange opp en mer generell akademisk kompetanse. Det er nettopp i spennet mellom disse to forklaringene at analysen blir interessant.
Når tre fag begynner å ligne på én kompetanse
Korrelasjonen mellom lesing og matematikk var 0,800. Mellom lesing og naturfag var den 0,805, mens matematikk og naturfag hadde en korrelasjon på 0,872. En korrelasjon på 1 ville bety at to mål beveger seg helt perfekt sammen. Verdiene i dette materialet ligger derfor svært høyt.
Figur 1. Lesing og matematikk i de nordiske landene. Punktdiagrammet viser en tydelig positiv sammenheng mellom elevenes skårer.
Et punktdiagram kan aldri fortelle hele historien, men her er hovedbildet tydelig: punktene stiger mot høyre. Det finnes elever som skiller seg ut, men det generelle mønsteret er at høyere leseskårer henger sammen med høyere matematikkskårer.
Regresjonsanalysen gir et annet mål på den samme sammenhengen. Når matematikk ble modellert som en funksjon av lesing, fikk modellen en forklaringskraft på R² = 0,641. Det betyr at leseskåren i denne modellen statistisk henger sammen med omtrent 64 prosent av variasjonen i matematikkskårene i utvalget.
Figur 2. Lineær regresjon der matematikk forklares med lesing. Modellen har R² = 0,641.
Det er et høyt tall for én forklaringsvariabel, men det må tolkes riktig. Det betyr ikke at lesing alene er årsaken til 64 prosent av elevenes matematikkprestasjoner. Det betyr heller ikke at en elevs matematikkskår kan forutsies perfekt ut fra leseskåren. R² beskriver hvor mye av variasjonen modellen fanger opp i dette materialet.
En mulig forklaring er at matematikkoppgaver ofte krever lesing. Før eleven kan regne, må oppgaven forstås. Informasjon må sorteres, begreper må tolkes, og eleven må finne ut hva som faktisk blir spurt om. Svak leseforståelse kan derfor gjøre det vanskeligere å vise matematikkunnskap, også når den matematiske ideen i seg selv er forstått.
Men det er ikke den eneste mulige forklaringen. Lesing og matematikk kan også være to uttrykk for en bredere skolefaglig kompetanse. Elever som har lett for å forstå tekster, resonnere, holde flere opplysninger i hodet og arbeide systematisk, kan ha fordeler i flere fag samtidig. Dataene kan vise at ferdighetene henger sammen, men de kan ikke alene avgjøre hvilken av disse forklaringene som er riktig.
Hva skjer når sosial bakgrunn tas med?
Jeg undersøkte også om sosioøkonomisk bakgrunn, målt gjennom PISA-variabelen ESCS, kunne forklare mer av matematikkresultatene. Når ESCS ble lagt til modellen som allerede inneholdt lesing, økte R² bare fra 0,641 til 0,644.
Det er en liten økning. Den skal ikke tolkes som at sosial bakgrunn er uten betydning. Sosiale og økonomiske forhold kan påvirke hvilke ressurser elever har tilgang til, hvilke forventninger de møter, og hvilke muligheter de får. Poenget er mer avgrenset: I denne nordiske analysen gir ESCS relativt lite ekstra forklaring når leseprestasjonen allerede er med i modellen.
Det er også en grunn til å være forsiktig med å generalisere dette resultatet. Analysen gjelder fem nordiske land, ikke alle land eller alle elevgrupper. Variasjonen i levekår og utdanningssystemer er mindre her enn i et globalt materiale. Resultatet sier derfor først og fremst noe om dette utvalget og denne modellen.
Figur 3. Sosioøkonomisk bakgrunn og lesing. Sammenhengen er tydelig, men ESCS forklarer langt mindre av variasjonen enn lesing gjør i modellen for matematikk.
I en separat regresjon der lesing ble forklart med ESCS, var R² = 0,110. Det tilsvarer omtrent elleve prosent av variasjonen i leseskårene i dette materialet. Også her bør tallet leses som et resultat fra en bestemt statistisk modell, ikke som et mål på hvor viktig eller uviktig sosial bakgrunn er i menneskers liv.
Den svake forbindelsen til kreativitet
Det mest tankevekkende funnet kom da fagprestasjonene ble sammenlignet med PISA-mål knyttet til kreativitet. Her fant jeg ikke de sterke sammenhengene som preget lesing, matematikk og naturfag.
Korrelasjonen mellom kreativ selvtillit, målt gjennom CREATEFF, og matematikk var 0,031. Mellom CREATEFF og lesing var den 0,058. For variabelen IMAGINE, som er knyttet til fantasi eller forestillingsevne, var korrelasjonen 0,099 med matematikk og 0,159 med lesing.
Disse sammenhengene er svake sammenlignet med korrelasjonen på 0,800 mellom lesing og matematikk. Det betyr ikke at kreativitet er uviktig, og heller ikke at kreative elever gjør det dårlig på skolen. Det betyr at de kreativitetsskalaene som er brukt her, i liten grad varierer sammen med de faglige skårene i dette materialet.
Figur 4. Kreativ selvtillit og matematikk. Punktdiagrammet viser ingen tydelig lineær sammenheng mellom de to variablene.
Dette er et sted hvor språket lett kan bli for sterkt. Vi kan ikke si at PISA har bevist at kreativitet står utenfor skolefaglig læring. Vi kan heller ikke si at CREATEFF og IMAGINE måler all kreativitet. Selvrapportert kreativ selvtillit og fantasi er avgrensede mål, og de er ikke det samme som kreativ problemløsning, skapende arbeid eller praktisk oppfinnsomhet.
Det vi kan si, er at de målte kreativitetsskalaene i denne analysen ser ut til å være langt mindre knyttet til fagprestasjonene enn fagprestasjonene er knyttet til hverandre. Det er et mer nøkternt, men også mer holdbart, funn.
Figur 5. Korrelasjonsmatrise for lesing, matematikk, naturfag, kreativ selvtillit og fantasi. De tre fagområdene henger tett sammen, mens kreativitetsskalaene har svakere sammenhenger med fagprestasjonene.
Hva måler PISA egentlig?
PISA er laget for å undersøke bestemte former for kunnskap og problemløsning. Det er en styrke at testen har et tydelig formål. Samtidig blir en måling aldri nøytral bare fordi den er standardisert. Den synliggjør noen ferdigheter bedre enn andre.
En elev kan være god til å forstå en tekst, analysere informasjon og løse et abstrakt problem. En annen kan være god til å se hvordan materialer oppfører seg, finne ut hvorfor en motor stanser, lese rom og mål, eller bygge noe som fungerer i praksis. Begge deler krever kunnskap, vurderingsevne og problemløsning, men de blir ikke nødvendigvis synlige på samme måte i en PISA-test.
Det er derfor mulig å anerkjenne PISA som et nyttig mål på akademiske ferdigheter, samtidig som man erkjenner at testen ikke gir et komplett bilde av menneskelig kompetanse. Praktiske håndverksferdigheter, mekanisk forståelse, bygging, reparasjon, estetisk arbeid og mange former for yrkesfaglig mestring er ikke representert på en måte som kan sammenlignes direkte med PISA-skårene.
Finnes det talenter som PISA ikke ser?
Dette er den større diskusjonen analysen leder mot. Ikke om PISA er riktig eller feil, men om vi noen ganger bruker PISA til å svare på et bredere spørsmål enn testen faktisk kan besvare.
En elev med lave eller middels PISA-skårer kan senere bli en dyktig snekker, elektriker, designer, tekniker eller reparatør. Det følger ikke av analysen at denne eleven nødvendigvis vil bli det. Poenget er at PISA-resultatet heller ikke kan fortelle oss at eleven mangler slike muligheter. Testen måler bestemte akademiske ferdigheter; den måler ikke hele bredden av evner som trengs i arbeidsliv, samfunn og hverdagsliv.
Det samme gjelder kreative evner. En svak korrelasjon mellom kreativ selvtillit og matematikk betyr ikke at kreativitet og matematikk aldri møtes. En matematiker kan være kreativ, og en håndverker kan bruke avansert matematisk tenkning. Resultatet betyr bare at disse egenskapene ikke følger hverandre tett i de variablene og det utvalget jeg har undersøkt.
Det er en viktig forskjell mellom å si at en egenskap ikke blir målt, og å si at den ikke finnes. PISA kan gi oss et skarpt bilde av noen deler av skolekompetansen. Men et skarpt utsnitt er fortsatt bare et utsnitt.
En forsiktig konklusjon
Analysen av PISA 2022-data for de fem nordiske landene viser en svært sterk sammenheng mellom lesing, matematikk og naturfag. Lesing alene inngår i en modell som forklarer rundt 64 prosent av variasjonen i matematikkskårene, og sosioøkonomisk bakgrunn gir bare en liten økning i forklaringskraft når lesing allerede er tatt med.
Samtidig er sammenhengene mellom fagprestasjonene og de undersøkte kreativitetsskalaene svake. Det gir ikke grunnlag for å avskrive kreativitet. Det gir grunnlag for å spørre hva slags kompetanse PISA først og fremst fanger opp.
Min tolkning er derfor ikke at PISA er ubrukelig. Tvert imot er PISA nyttig når vi vil undersøke leseforståelse, matematikk og naturfag på tvers av land og elevgrupper. Men testen bør brukes som et mål på bestemte former for skolefaglig kompetanse, ikke som en samlet rangering av alt barn og unge kan, bør eller kommer til å bli gode på.
Et samfunn trenger mennesker som kan lese og regne. Det trenger også mennesker som kan bygge, reparere, skape, organisere, undersøke og finne løsninger i situasjoner som ikke kan reduseres til et testspørsmål. Det mest rimelige er derfor ikke å velge mellom akademiske og praktiske evner, men å sørge for at vurderingen av skole og mennesker ikke gjør den ene typen evne usynlig.
Appendix: Empiri og metode
Datagrunnlag
Analysen er basert på PISA 2022-data for Norge, Sverige, Danmark, Finland og Island. Utvalget består av 32 482 elever etter at dataene er filtrert til disse fem landene.
De sentrale fagvariablene er PV1READ for lesing, PV1MATH for matematikk og PV1SCIE for naturfag. Sosioøkonomisk bakgrunn er målt med ESCS. Kreativitetsrelaterte mål er CREATEFF, som her er brukt som mål på kreativ selvtillit, og IMAGINE, som er knyttet til fantasi eller forestillingsevne.
Metode
Dette er en eksplorativ analyse gjennomført i Python. Jeg har brukt Pearson-korrelasjoner, lineære regresjonsmodeller og grafiske fremstillinger. Hovedmodellen er en lineær regresjon av PV1MATH på PV1READ. Den utvidede modellen inkluderer også ESCS. I tillegg er lesing modellert som en funksjon av ESCS.
Resultater
Korrelasjonene mellom lesing, matematikk og naturfag var henholdsvis 0,800, 0,805 og 0,872. Regresjonen av matematikk på lesing hadde R² = 0,641. Når ESCS ble lagt til, ble R² = 0,644. Regresjonen av lesing på ESCS hadde R² = 0,110.
Korrelasjonen mellom CREATEFF og matematikk var 0,031, mens CREATEFF og lesing hadde korrelasjon 0,058. For IMAGINE var korrelasjonen 0,099 med matematikk og 0,159 med lesing.
Metodiske forbehold
Analysen dokumenterer statistiske sammenhenger, ikke årsakssammenhenger. PISA er en tverrsnittsundersøkelse, og dataene kan derfor ikke avgjøre om bedre leseferdigheter fører til bedre matematikkprestasjoner, om matematikktrening også styrker lesing, eller om begge deler delvis skyldes en mer generell akademisk kompetanse.
Det er også viktig at PISA bygger på utvalgte mål. CREATEFF og IMAGINE måler ikke all kreativitet, og fagtestene måler ikke all kunnskap. Praktiske, håndverksmessige, mekaniske, estetiske og yrkesfaglige ferdigheter er derfor ikke direkte sammenlignbare med PISA-skårene.
Resultatene bør dermed leses som et empirisk bidrag til en større diskusjon: PISA gir viktig informasjon om noen former for skolefaglig kompetanse, men kan ikke alene brukes som mål på hele bredden av menneskelige evner eller skolens samlede oppgave.