DEL III GYMNASIELÄRARNAS RUM – NATIONELLA OCH REGIONALA
KAPITEL 7 ETT NATIONELLT RUM AV GYMNASIELÄRARE
Ett nationellt rum av gymnasielärare
I denna del av avhandlingen lämnar jag avtäckningen av förändringar i rekryteringen till lärarutbildning och läraryrke från föregående kapitel för att i stället ta utgångspunkt i de gymnasielärare som arbetade i den svenska skolan under ett specifikt år, 2008. Tanken är att följande kapitel ska bidra med en analys av konsekvenserna på lärarnas arbets‐ marknad av de förskjutningar i rekryteringsmönster som beskrivits i föregående kapitel och hur dessa påverkar fördelningen av lärare med olika slags tillgångar, bakgrunder och erfarenheter. Fokus ligger på de
inomprofessionella skillnaderna, det vill säga hur resurser och tillgångar
fördelas på olika grupper av lärare.
Den huvudsakliga analysmetoden i kapitlet är geometrisk data‐ analys, närmare bestämt specifik multipel korrespondensanalys.205
Det innebär att lärarnas arbetsmarknad kommer att studeras som ett strukturerat rum i vilket lärare befolkar olika positioner. Detta angreppssätt syftar till att avtäcka skillnader mellan olika lärare utifrån de egenskaper, eller tillgångar, som dessa individer förfogar över. Genom att studera gymnasieläraryrket med multidimensionella verk‐ tyg är det möjligt att svara på frågor som rör hur olika egenskaper är relaterade till varandra och hur dessa egenskaper i sin tur kan relateras till olika typer av lärarkategorier. Den geometriska datanalysen skiljer sig därmed mot den logistiska regressionen från föregående kapitel som hade som syfte att utreda hur och i vilken omfattning enskilda variabler påverkade utfallet av en annan variabel. Fokus ligger här i stället på att kartlägga mönster och relationer mellan olika egenskaper och individer.
I detta kapitel tas ytterligare ett steg när det gäller att analysera skillnader inom gymnasieläraryrket. Metoden som används möjliggör studerandet av enskilda individers positioner i ett rum. De frågor som ställs i anslutning till detta är: Vilka oppositioner framträder mellan individerna i detta rum? Vilken effekt på rummet har det faktum att läraryrket är diversifierat, det vill säga dels består av lärare från olika
205
Se Brigitte Le Roux & Henry Rouanet, Geometric Data Analysis. From Correspondence Analysis to Structured Data Analysis, s. 203–214 och Brigitte Le Roux & Henry Rouanet, Multiple Correspondence Analysis, London: Sage, 2010.
generationer (åldersmässigt men också utifrån den erfarenhet av lärar‐ yrket som man har) och dels, men kanske framför allt, av lärare som utbildats i olikartade lärarutbildningssystem? Vidare är det intressant att fråga sig hur man kan relatera dessa strukturella skillnader till sådant som rör arbetsvillkor, skillnader mellan fristående och kommu‐ nala skolor, mellan olika regioner och skolor med olika typer av elev‐ sammansättningar, samt hur denna struktur kan relateras till olika grupper av lärare som undervisar i olika ämnen i gymnasieskolan.
Det finns här ett underliggande antagande att det finns en slags inre segmentering av olika lärargrupper som i sin tur kan relateras till olika skolors positioner, såväl geografiskt som utifrån de elever de rekry‐ terar. I avhandlingens inledande kapitel lyftes forskning fram där lärar‐ segmentering analyserades samtidigt som den relateras till skolors och elevers egenskaper.206
Även inom professionssociologin finns ett intresse för den interna differentieringen inom professioner och dess konsekvenser. Bland annat menar Andrew Abbott i sitt numera klassiska verk The System of Professions207
att stratifiering inom professioner kan betraktas som en naturlig del av det som definierar en yrkesgrupp. Då en professions huvudsakliga beståndsdelar består av enskilda individer med olika bakgrunder och olika arbetsuppgifter innebär detta att differentieringsprocesser är en naturlig del i profess‐ ionens utveckling. Men en allt för stark differentiering kan också inne‐ bära problem, exempelvis om skillnader i lönenivå, arbetsförhållanden, anställningsvillkor, och skillnader mellan olika arbetsplatser blir allt för stor.208
Sådana förändringar kan bidra till vad Abbott kallar system
disturbances. En ökad differentiering inom en typ av profession, exem‐
pelvis genom förändrade yrkesuppgifter eller en förändrat ”klient‐ ansvar” kan innebära att vissa medlemmar i en profession i praktiken får närmare kontakt med andra närliggande professioner än sin egen. Intressant i sammanhanget är förhållandet mellan inomprofessionella skillnader och intern status. Abbott menar att denna interna strati‐ fiering befinner sig på två nivåer. Den första är det som just nämnts, den intraprofessionella statusen, som är kopplad till de arbetsuppgifter som man utför. Den andra är den statushierarki som kan kopplas till olika arbetsplatser. Som exempel tar Abbott skillnaden i prestige mellan mentalsjukhus och vad man skulle kunna likna vid forsknings‐ sjukhus där professionerna (läkare, sköterskor och socialarbetare) har högre status än sina professionella motsvarigheter vid de förstnämnda
206
Se ex. Howard S. Becker, ”The Career of the Chicago Public Schoolteacher” och Agnès van Zanten & Marie‐France Grospiron, ”Les carrières enseignantes dans les établissements difficiles: fuite, adaptation et développement professionnel”, VEI‐ Enjeux, nr 124, s. 224–268, 2001.
207
Andrew Abbott, The System of Professions. An Essay on the Division of Expert Labor.
208
institutionerna.209
I detta avsnitt kommer skillnaderna mellan gymnasielärarna bygga på en analys som kombinerar lärarnas sociala och professionella tillgångar.
Följande analyser bygger på ett tvärsnitt, 2008. Till skillnad från föregående avsnitt är inte förändringar över tid den centrala proble‐ matiken. Däremot kan man se de rum som konstrueras som ett resul‐ tat av olika förändringar som gymnasieläraryrket genomgått, bland annat sådana föranledda av förändrade rekryteringsmönster. Även om det följande inte är analyser av sociala fält, i den betydelse som Bourdieu gett begreppet, så kan man i likhet med Bourdieus tankar utgå från att det i lärarrummen finns en inbyggd historia, bland annat genom närvaron av yrkesföreträdare från olika generationer. De sociala rummen bör också ses som ett resultat av tidigare strider över hur olika tillgångar ska värdesättas och hur olika positioner hänger samman med vissa typer av tillgångar.
Rummets uppbyggnad
Metoden som använts i kommande analyser av gymnasieläraryrket är specifik multipel korrespondensanalys (Analyse des correspondances
multiples spécifique eller Specific Multiple Correspondence Analysis)
som ingår i familjen Geometrisk dataanalys (GDA).210
Den geometriska datanalysen skapar ett rum i vilket individer positioneras utifrån de egenskaper de bär på. Individer som har liknande uppsättning egen‐ skaper hamnar nära varandra i rummet. Individer vars egenskaper skiljer sig från varandra på flera sätt hamnar längre ifrån varandra. Rummet är mångdimensionellt, det vill säga det byggs upp utifrån ett antal axlar, som i fallande skala förklarar den totala variansen i det material som analyseras. I den specifika multipla korrespondens‐ analysen finns möjlighet att sätta modaliteter (variabelvärden) i de aktiva variablerna som passiva. Detta är fördelaktigt att utnyttja när man exempelvis har variabler som har ett bortfall, eller saknar relevant information, samt i de fall då man har variabelvärden som riskerar att förstärka varandra för mycket.211
Dataregistret som används som grundregister för kommande ana‐ lyser är SCB:s register över pedagogisk personal, det så kallade Lärarregistret (för en närmare beskrivning se under rubriken Material och metoder). Lärarregistret, vars främsta uppgift att fungera som ett
209 Ibid., s. 171. Se också Andrew Abbott, “Status and Status Strain in the Professions”. 210 Brigitte Le Roux & Henry Rouanet, Geometric Data Analysis. From Correspondence Analysis to Structured Data Analysis, s. 203–214. 211 Ibid., s. 204.
slags prognosverktyg för lärarnas arbetsmarknad, är relativt sparsamt uppbyggt och innehåller i princip inga uppgifter utöver sådant som kan relateras till den tjänst som läraren innehar. Uppgifter om lärarna som ligger utanför dessa typer av beskrivningar har därför hämtats från andra statistiska källor som Folk‐ och bostadsräkningarna (FoB), Longitudinell integrationsdatabas för sjukförsäkrings‐ och arbets‐ marknadsstudier (LISA) och Högskoleregistret. Ett specifikt dataset har därefter skapats som innehåller uppgifter om samtliga lärare inom den svenska skolan (fritidshem, grundskolor och gymnasieskolor) under 2008. Av dessa har ett separat gymnasielärarregister skapats bestående av totalt 36 247 individer. I analyserna nedan ingår ett slumpmässigt urval på tjugo procent (totalt 7 135 gymnasielärare) ingått som aktiva individer.212
Variablerna och frekvenserna av de variabelvärden (eller modali‐ teter) som använts i den multipla korrespondensanalysen framgår av tabell 8 nedan. Totalt ingår sex aktiva variabler i analysen. Variablerna har delats in i tre huvudgrupper med två variabler i varje. En första grupp variabler är relaterad till den enskilde lärarens anställning och position på arbetsmarknaden (1. Löneinkomst213
, 2. Typ av anställning), en andra grupp variabler är relaterad till lärarens utbildning (3. Utbildningsnivå, 4. Typ av högskola/universitet) och slutligen en tredje grupp variabler som är relaterad till lärarens sociala bakgrund (5. Föräldrarnas sociala position, 6. Föräldrarnas yrkessektor). Kodningen av variablerna är, som beskrivits tidigare, en stor del av arbetet innan analyserna kan genomföras. Exempelvis handlar det om att se till att de enskilda modaliteterna inte innehåller för få antal indi‐ vider, dessa kan då få allt för stor inverkan på rummets struktur.214 212
Det slumpmässiga urvalet har använts främst för att underlätta den grafiska representationen i SPAD. Däremot har samma analys på hela populationen gjorts. I denna analys framkom inga nämnvärda skillnader mot den i föreliggande kapitel. 213 Löneinkomsten är omräknad så att den ska motsvara en heltidstjänst, detta för att undvika ett för starkt samband mellan anställningsprocent och inkomst. 214 Som en tumregel rekommenderas att varje modalitet bör innehålla åtminstone fem procent av det totala antalet individer Brigitte Le Roux & Henry Rouanet, Multiple Correspondence Analysis, s. 61f.
Tabell 8: Aktiva variabler och aktiva och passiva modaliteter.
Variabel Variabelvärden Antal Andel 1. Löneinkomst Lön <19 250 1 363 19,1 Lön 19 250–26 100 2 198 30,8 Lön 26 100–31 400 2 460 34,5 Lön >31 400 1 114 15,6 2. Typ av anställning Tidsbegränsad anställning 1 123 15,7 Fast anställd 1–99 % 1 415 19,8 Fast anställd 100 % 4 174 58,5 Fast anställd 0 % (passiv) 423 6,0 3. Utbildningsnivå Utbildning högskola/univ. =>4 år 3 839 53,8 Utbildning högskola/univ. 3 år 1 503 21,1 Utbildning högskola/univ. =< 2 år 1 778 24,9 Ingen uppgift (passiv) 15 0,2 4. Typ av högskola/universitet Större universitet 3 510 49,2 Mindre universitet 863 12,1 Högskolor 1 491 20,9 Ej högre utb. (passiv) 1 271 17,8 5. Föräldrarnas sociala position, hushåll Övre medelklass 1 405 19,7 Medelklass 2 163 30,3 Lägre medelklass 1 359 19,0 Arbetarklass 1 481 20,8 Ingen uppgift (passiv) 727 10,2 6. Föräldrarnas yrkessektor, hushåll Jordbruk/Industri 1 572 22,0 Handel/Service 1 146 16,1 Offentlig administration/Övr. Adm. 1 131 15,9 Hälso‐ och sjukvård 1 308 18,3 Undervisning 1 489 20,9 Ingen uppgift (passiv) 489 6,8 Antal variabler: 6 Antal aktiva modaliteter: 22 Tot. ind.: 7 135
Valet av variabler motiveras av ambitionen att finna indikatorer på tillgångar utifrån ett antal olika dimensioner som på förhand kan antas ha betydelse för detta lärarrum. Löneinkomst och typ av anställning är en indikation på en hierarkisk position på arbetsmarknaden, utbild‐ ningsnivå och vilket lärosäte man utbildats vid en indikation på utbildningstillgångar (och kan också fungera som en symbolisk till‐ gång) och slutligen föräldrarnas sociala position och sektorstillhörighet fungerar som en indikator på sociala tillgångar. Man kan i valet av dessa variabler tänka sig en annan uppsättning utifrån den information som är tillgänglig i det relativt innehållsmässigt begränsade registret. Men risken är att dessa fungerar redundant och därmed förstärker varandra. Exempelvis användes i tidigare varianter av analysen en vari‐ abel, som angav huruvida läraren var behörig, som aktiv variabel men eftersom denna visade sig vara allt för tätt kopplad till utbildnings‐ variablerna valdes denna bort när rummet skulle skapas (däremot
kommer den till användning som en supplementär egenskap som pro‐ jiceras in i lärarrummet utan att påverka originalstrukturen). Av samma anledning har modaliteten Ej högre utbildning i variabeln Typ
av högskola/universitet satts som passiv i analysen eftersom samma
information, att läraren saknar högre utbildning, redan existerade i variabeln Utbildningsnivå.
Utöver de aktiva variablerna används så kallade supplementära vari‐ abler som i efterhand projiceras in i det konstruerade rummet. De supplementära variablerna används främst för att förstärka tolkningen och ge mening åt det rum som konstruerats. Grundprincipen inom geometrisk datanalys är att inte låta den typ av information som är det huvudsakliga intresset i studien vara med i konstruktionen av rummet. Om ett huvudsyfte är att studera hur olika kategorier av lärare för‐ håller sig till varandra utifrån en uppsättning egenskaper eller hur olika positionerar sig i rummet bör man inte låta dessa kategorier agera som aktiva analysenheter utan i stället projicera dessa in i det redan kon‐ struerade rummet.215
Analysstegen nedan är följande: först avgörs hur många axlar i rummet som är värda att tolka utifrån deras bidrag till den totala vari‐ ansen. Därefter analyseras de axlar som valts att tolkas utifrån de modaliteter (variabelvärden) som bidrar mest till den enskilde axelns varians. Avslutningsvis fördjupas tolkningen av rummet genom proji‐ cerandet av supplementära modaliteter och individer.
Analysens tre första axlar
Resultaten av den multipla korrespondensanalysen ger oss ett mång‐ dimensionellt rum med ett antal axlar som i hierarkisk ordning ger meningsbärande förklaringar till rummets struktur. De oppositioner som återfinns längs den första axeln är de som förklarar mest av skill‐ naderna i materialet, den andra axeln bidrar till att förklara de främsta resterande skillnaderna, och så vidare. För att avgöra hur många axlar som är lämpliga att tolka har ett så kallat modifierat egenvärde216
, en
215
För en diskussion om aktiva och supplementära variabler och modaliteter och dess funktion, se Mikael Börjesson, Transnationella utbildningsstrategier vid svenska lärosäten och bland svenska studenter i Paris och New York, s. 40f.
216
Eftersom en multipel korrespondensanalys kan innehålla ett stort antal aktiva variabler och varje aktiv variabel påverkar den enskilda axelns maximala bidrag i pro‐ cent så blir variansen [variance rates] en underskattning av det förklaringsvärde som axeln har. Därför rekommenderas användningen av modifierade egenvärden, enligt Jean‐Paul Benzécris modell, för att ge en mer realistisk bild axlarnas betydelse. Brigitte Le Roux & Henry Rouanet, Multiple Correspondence Analysis, s. 39. Se också Brigitte Le Roux & Henry Rouanet, Geometric Data Analysis. From Correspondence Analysis to Structured Data Analysis, s. 209.
beräkning baserad på variansen av varje enskild axel använts i kombi‐ nation med en sociologisk tolkning av axlarna.
Sammanlagt framkommer 22 olika axlar som bidrar till rummets struktur.217
Deras bidragsvärden sjunker däremot kraftigt när man rör sig nedåt i hierarkin. Den första axeln förklarar 33,7 procent av skillna‐ derna i materialet, den andra 29,6 procent och den tredje 14,3 procent (se vidare tabell 9 nedan). De tre första axlarna har därmed en sam‐ manlagd förklaringsprocent på 77,7. Hur många axlar som bör tolkas bestäms initialt med hjälp av egenvärdena men, bör tilläggas, lika viktig är tolkningen utifrån ett slags relevanskriterium, det vill säga att axlarna möjliggör en sociologisk tolkning utifrån de syften man har med analysen.218 Diagram 26: Egenvärden axel 1–22. Tabell 9: Egenvärden och modifierade egenvärden, axel 1–7. Axel 1 2 3 4 5 6 7 Egenvärde (λ) 0,2748 0,2606 0,2178 0,1966 0,1890 0,1759 0,1704 Modifierat egenvärde 0,3375 0,2963 0,1432 0,0820 0,0658 0,0417 0,0333 Modifierat egenvärde (%) 33,8 29,6 14,3 8,2 6,6 4,2 3,3 Kumulativt modifierat egenvärde (%) 63,4 77,7 85,9 92,5 96,7 100
En första analys av de olika huvudtemanas bidrag till de tre första axlarnas varians redogörs för i tabell 10 nedan. När det gäller den första axeln, som redogör för de största skillnaderna i materialet, bidrar
217
Antalet axlar som analysen skapar är beroende av antalet aktiva modaliteter.
218
I det här fallet gjordes ett försök till tolkning även av axel 4 och 5 men dessa bidrog inte till en ökad förståelse av rummets struktur. Brigitte Le Roux & Henry Rouanet, Multiple Correspondence Analysis, s. 51. 0,0000 0,0500 0,1000 0,1500 0,2000 0,2500 0,3000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
lärarnas sociala bakgrund allra mest (64 procent). Lärarnas position på arbetsmarknaden och de egna utbildningstillgångarna bidrar i kombi‐ nation till den andra axelns varians (41 respektive 36 procent). På den tredje axeln bidrar lärarnas position på arbetsmarknaden mest (65 procent).
Tabell 10: Huvudrubrikernas bidrag till de första tre axlarna.
Axel 1 Axel 2 Axel 3 Position på arbetsmarknaden 30,5 40,6 64,5 Utbildningstillgångar 6,0 36,0 7,5 Social bakgrund 63,5 23,4 28,0 Totalt 100,0 100,0 100,0
Ytterligare en metodologisk kommentar behöver göras när det gäller axlarnas bidragsvärden. Den första och andra axeln ligger nära varandra när det gäller axlarnas bidragsvärden (modifierade andelar på 33,8 respektive 29,6). Detta talar för att det finns anledning att studera dessa båda axlar som ett plan och inte som två distinkt skilda dimens‐ ioner. Ytterligare en anledning till detta är att ett antal modaliteter bidrar över genomsnittet både till den första och den andra axeln.219
Nästa steg i analyskedjan är att närmare studera de aktiva variabler som bidrar allra mest till att skapa avstånd mellan lärarna i analysen. Detta görs genom att för varje axel presentera de variabler och varia‐ belvärden som bidrar över genomsnittet för samtliga variabler och modaliteter.220 Med anledning av axel 1 och axel 2:s likheter illustreras dessa nedan som ett plan.