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.