UVT, Alm.del - 2010-11 (1. samling) - Bilag 158: Analysenotat om social taxametre udarbejdet af Epinion

Som led i opfyldelsen af 95 pct. målsætningen står uddannelsesinstitutionerne over for den udfordring atskulle give en (ungdoms)uddannelse til grupper af unge, der kan betegnes som ’uddannelsesfremmede’ –en status der typisk er forbundet med svag/lav social eller socioøkonomisk placering. Flere skoler erfarer, atdenne bestræbelse er ekstraordinært ressourcekrævende.Det eksisterende taxametersystem betyder, at alle uddannelsesinstitutioner får samme tilskud pr.elev/studerende til samme uddannelse. Ræsonnementet bag at se nærmere på relevansen af ’sociale ta-xametre’ er, at befolkningens socioøkonomiske profil – med deraf afledte sociale problemer – varierer be-tydeligt afhængig af, hvor i landet man befinder sig. Uddannelsesinstitutionernes elev-/studentergrundlagkan således forventes at variere betydeligt hvad angår socioøkonomisk profil afhængig af geografiske place-ring. Der kan med andre ord forventes at være betydelig variation mellem uddannelsesinstitutionernesoptag af elever/studerende, som kan betegnes ’uddannelsesfremmede’. Ved at inddrage et ’socioøkono-misk hensyn’ ved tildelingen af taxametermidler er det ambitionen, at denne belastningsmæssige skæv-vridning mellem uddannelsesinstitutionerne til en vis grad kan afhjælpes.Nærværende notat indeholder en analyse af, om der rent faktisk er empirisk basis for at forfægte relevan-sen af et socialt taxameter. Analysen er gennemført for elever/studerende på henholdsvis:-----Almengymnasium (stx + hf + studenterkursus)Erhvervsgymnasium (hhx + htx)EUD Indgangsforløb (EUD30)EUD Hovedforløb (EUD35)Professionsbacheloruddannelserne (de største: lærer, sygeplejersker, pædagoger, socialrådgivere,fysioterapeuter, ergoterapeuter, jordemoder)

Metodisk tages afsæt i en foranalyse foretaget af LO, som efterfølgende har bedt Epinion dykke dybere idatagrundlaget og implementere analysen på flere uddannelsesområder/-grupper. Formålet med at ud-bygge og videreføre foranalysen er at skabe et solidt fundament for at vurdere, om der er basis for at ar-bejde videre med princippet om sociale taxametre, når det gælder ressourcemæssig (om)fordeling indenfor uddannelsesområder/-grupper.Som en komplementær analyse er det oplagt at se på hvilke uddannelser/uddannelsesgrupper, der i særliggrad tager hånd om de unge i risikogruppen (de uddannelsesfremmede). Dette er en højst relevant pro-blemstilling at adresserer med tanke på evt. indførelse af sociale taxametre, da niveauet for de eksisteren-de taxametre ikke formodes at være fastlagt med en sådan social dimension in mente.I et udviklings- og læringsmæssigt perspektiv vil det være oplagt at kigge nærmere på de uddannelsesinsti-tutioner, der har mange mønsterbrydere, dvs. skoler med kombinationen høj risikoprocent og lav afbruds-procent. Hvad er det, disse skoler gør (godt), og særligt hvilke økonomiske prioriteringer foretager de? Ensådan nærmere analyse vil kunne kvalificere, hvorledes et socialt taxameter mest hensigtsmæssigt kanskrues sammen.

1.1 Overvejelser om de anvendte kriterierDet er i sagens natur afgørende, at de kriterier, som sociale taxametersystemer baseres på, er retvisende.Danmarks Statistik har defineret fem forklarende variable (kriterier) for at være uddannelsesfremmed – jf.tabellen neden for.Tabel 1: Forklarende variable for at være uddannelsesfremmedKriterierBarn af enlige forældreHerkomst anden end danskUddannelsesniveau for familien er grundskole eller uoplystArbejdsmarkedstilknytning for familien er ledig eller uden for arbejdsstyrkenIndkomstniveau for familien ligger lavere end p10 for bopælskommunen

I foranalysen er udgangspunktet, at et ungt menneske er i risiko for at være uddannelsesfremmed, hvispågældende person opfylder to eller flere af de forklarende variable. Med foranalysens formål samt de tids-og budgetmæssige begrænsninger in mente er det Epinions vurdering, at denne analysemæssige tilgang pådette stadie er både kvalificeret og tilstrækkelig. I et evt.videre arbejde med at udvikle et socialt taxametersystem vil det imidlertid være højst relevant at undersø-ge, hvor stor effekt hver af de fem anvendte kriterier konkret har for det at være uddannelsesfremmed.Desuden om andre kriterier (variable) burde inddrages og evt. erstatte de her anvendte.

1.2 Metodiske bemærkningerDet har ikke været muligt for Danmarks Statistik at matche de personer, der var fyldt 15 år før 1995, medoplysningerne om indkomst, socioøkonomisk status og uddannelsesniveau, fordi disse oplysninger først erdannet fra 1995. For denne gruppe kan der således kun matches med herkomst og familietype. Da der eren væsentlig sandsynlighed for, at en person opfylder et eller flere af de tre kriterier, der ikke indgår i data-sættet, og dermed fejlagtigt antages som ikke at være i risikogruppen, har vi valgt at se bort fra personer,der var fyldt 15 år før 1995.Alle analyser er gennemført på uddannelsesinstitutionsmæssigt afdelingsniveau, da dette giver den størstedatavariation, fremfor hvis hovedinstitutionsniveauet var anvendt (særligt relevant på for erhvervsskolerneog professionshøjskolerne).Epinions KONTAKTPERSON erThomas Yung Andersen(adm. direktør)Mobil: 41 26 58 01E-mail:[email protected](www.epinion.dk)

2.1 AlmengymnasiumI tabel 2 præsenteres resultaterne af analysen for almengymnasium. Skolerne er inddelt i tresocialprofil-grupperefter deres rangering i forhold til antal elever i risikogruppen, dvs. antal af elever som opfylder toeller flere af de nævnte kriterier i tabel 1. Stærk social profil er kendetegnet ved de skoler, som har detlaveste antal elever i risikogruppen, hvorimod svag social profil har det højeste antal elever i risikogruppen.Skolernes opnåederesultaterer angivet ved den procentvise andel, der har afbrudt studiet. I forhold tildisse andele er der opstillet 3 kategorier, hvor ’høj/stærk’ er ensbetydende med, at skolen klarer sig godtmålt på antal afbrud, dvs. har en lav andel af elever, der afbryder deres studie. Ud fra disse 3 kategorier erangivet andelen af skoler i procent. Farven grøn indikerer, at der er tale om skoler med en stærk social pro-fil, dvs. hvor der er få elever i risikogruppen. Den grønne farve under ’resultat’ indikerer, at skolen er range-ret ’godt’ i forhold til antal afbrud – dvs. skolen har få elever, der afbryder uddannelse, og derfor kategori-seret ’høj/stærk’.Tabel 2. Social profil for gymnasierneSOCIAL PROFILKategori (n=antal skoler)Høj/stærk social profil (n=52 skoler)RESULTATAndel i procent59356324028102664

Som det fremgår af tabel 2, er der som forventet en klar sammenhæng mellem antal elever i risikogruppen,dvs. den sociale profil, og skolernes opnåede resultat med hensyn til antal afbrud. For skoler med en stærksocial profil er næsten 6 ud af 10 (59 pct.) rangeret godt i forhold til antal afbrud på uddannelsen. Samtidiger kun 6 pct. af skolerne med stærk profil rangeret dårligt målt på uddannelsesafbrud.Ud fra resultaterne i tabel 2 er det imidlertid vanskeligt at afgøre præcist hvor stærk sammenhængen ermellem antal elever i risikogruppen og de opnåede resultater målt på afbrudstilbøjelighed. For at afhjælpedette er gennemført en korrelationsanalyse, der viser ensignifikant1sammenhæng(statistisk talt ’sam-

menvariation’) mellem skolernes rangordning i forhold til afbrud og andel elever i risikogruppen (korrelati-onskoefficient = -0,600; R2= 0,359)2. Dvs. når andelen af elever i risikogruppen stiger, vil andelen af afbrudpå skolerne stige (= fald i rangorden), hvilket er ensbetydende med et dårligere resultat målt på denne pa-rameter – helt som forventet. Konklusionen på analysen for gymnasierne er i henhold til de statistiske mål(korrelationskoefficient og R2), at der er tale om en meget stærk sammenhæng mellem social profil og op-nåede resultater.

I tabel 3 præsenteres resultaterne for erhvervsgymnasieeleverne, dvs. resultatet for hhx og htx tilsammen.Som det fremgår, er tendensen som forventet, men det samlede billede fremstår dog væsentlig mindreentydigt end for det almene gymnasium. Korrelationsanalysen viser, at der er ensignifikant sammenhængmellem skolernes rangordning målt på afbrud samt skolernes andel af elever i risikogruppen (korrelations-koefficient = -0,189; R2 = 0,04). Det forholder sig som forventet, at når andelen af elever i risikogruppenstiger, vil skolernes rangordning mht. antal af afbrud falde (flere afbrud). Jf. korrelationskoefficient og R2(de statistiske mål) forklarer modellen betydeligt mindre af variationen sammenlignet med analysen af detalmene gymnasium.

R beregnes som kvadratet af korrelationskoefficienten og er et såkaldt PRE-mål (proportional reduction in error), der og kan22antage værdier fra [0-1]. Jo større R , des stærkere forklaringskraft.I lægmandstermer betyder en signifikant R , at anvendelse af enregressionsligning vil reducere antallet af fejl i forudsigelsen af den afhængige variabel (y) sammenlignet med det antal fejl, der villevære begået, hvis man gættede på den gennemsnitlige y-værdi. Regressionsligningen gør med andre ord, at man kan forklare varia-22tionen i y ”R procent” bedre.Hvor stor R skal være for at man kan tale om en egentlig betydende sammenhæng er svært at sigepræcist. Inden for samfundsvidenskaberne er man generelt tilfreds, hvis man kan forklare 20-30 pct. af variationen med få (altså2mere en én) uafhængige variabler. For en enkelt uafhængig variabel anses det for usædvanligt at observere R -værdier større end0,25.

I tabel 4 præsenteres resultaterne for EUD Indgangsforløb. Også her ses den forventede tendens til sam-menhæng mellem antal elever i risikogruppen, dvs. den sociale profil, og skolernes opnåede resultat måltpå afbrud. Billedet er dog (endnu) mindre entydigt end for erhvervsgymnasium, hvilket bekræftes af korre-lationsanalysen som trodssignifikant sammenhængviser en decideret svag statistisk sammenhæng mel-lem skolernes rangordning målt på afbrud og skolernes andel af elever i risikogruppen (korrelationskoeffici-ent = -0,144; R2= 0,021).Tabel 4: Social profil for EUD IndgangsforløbSOCIAL PROFILKategori (n=antal skoler)Høj/stærk social profil (n=58 skoler)RESULTATAndel i procent403129313633283339

I tabel 5 præsenteres resultaterne for EUD hovedforløb. Af tabellen ses en meget klar tendens til en forven-tet sammenhæng mellem antal elever i risikogruppen, dvs. den sociale profil, og skolernes opnåede resultatmålt på afbrud. Dette deskriptive analysebillede nærmer sig det tilsvarende billede for det almene gymna-sium, og fremstår således væsentlig klarere end både erhvervsgymnasium og EUD Indgangsforløb. Korrela-tionsanalysen understøtter ovennævnte resultat. Der er ensignifikant sammenhængmellem skolernesranglisteplacering målt på afbrud og skolernes andel af elever i risikogruppen (korrelationskoefficient = -0,464; R2 = 0,216). Dvs. når andelen af elever i risikogruppen stiger, vil skolernes ranglisteplacering målt påafbrud falde, dvs. skolerne vil opnå et dårligere resultat. Styrken af sammenhængen ligger knapt så højtsom for almengymnasium men væsentlig over den tilsvarende for EUD Indgangsforløb og erhvervsgymna-sium.Tabel 5. Social profil for EUD HovedforløbSOCIAL PROFILKategori (n=antal skoler)Høj/stærk social profil (n= 103 skoler)RESULTATAndel i procent603010284329181963

2.3 ProfessionsbachelorerI tabel 6 præsenteres resultaterne for professionsbacheloruddannelserne. Billedet minder om tilsvarendefor erhvervsgymnasium – altså en lidt broget indikation af den forventede tendens til sammenhæng mel-lem antal elever i risikogruppen og skolernes opnåede resultat målt på afbrud. Korrelationsanalysen viser,at der er ensignifikant sammenhængmellem skolernes ranglisteplacering målt på afbrud og andel af ele-ver i risikogruppen (korrelationskoefficient = -0,207; R2= 0,043). Også her forholder det sig som forventet,at når andelen af elever i risikogruppen stiger, vil skolernes ranglisteplacering målt på afbrud falde. Som detses af de statistiske mål ligger styrken af sammenhængen på niveau med erhvervsgymnasium, lidt højereend for EUD Indgangsforløb og væsentligt under EUD Hovedforløb og almengymnasium.Tabel 6. Social profil for professionsbacheloruddannelserneSOCIAL PROFILKategori (n=antal skoler)Høj/stærk social profil (n=34 skoler)RESULTATAndel i procent483319144541332542

2.4 SammenfatningI tabel 7 opsummeres resultaterne for de fem uddannelsesgrupper – både procentfordelinger og statistiskstyrkemål. Den forventede sammenhæng mellem skolernes sociale profil målt ved andel elever/studerendei risikogruppen og deres resultat målt ved elevfrafald bekræftes for alle fem uddannelsesgrupper. Som detfremgår af tabellen ses relativt stærke sammenhænge for (især) almengymnasium og EUD Hovedforløb,mens de tre øvrige uddannelsesgrupper ligger væsentligt lavere (dog med klart signifikant sammenhæng).Tabel 7. Samlet oversigt med fordelinger (procentvis) og styrkemålSOCIAL PROFILRESULTAT(Almen-gymnasium59356324028102664Almen-gymnasium-0,6000,359Erhvervs-gymnasium374023313831341947Erhvervs-gymnasium-0,1890,040

Tilsammen peger dette mod, at sociale taxametre – for i hvert fald de to største ungdomsuddannelsesom-råder – kan være et relevant instrument at bringe spil for at forbedre mulighederne for de uddannelsesin-stitutioner, som løfter en uforholdsmæssig tung byrde i form af et ekstraordinært socioøkonomisk udfor-dret (’uddannelsesfremmed’ om man vil) elev-/studentergrundlag.Analysens implikationer i forhold til relevansen af at operere med en form for socialt taxameter er, at dettekan være relevant på almengymnasium og EUD Hovedindgang, hvor de socioøkonomisk udsatte skolerpræstere markant lavere målt på frafald. Dette naturligvis forudsat, at man accepterer præmissen om, at(øgede) økonomiske ressourcer kan gøre en forskel i forhold til skoler og andre uddannelsesinstitutionersbestræbelser på at reducere frafald blandt elever og studerende.

Hvilke uddannelser/uddannelsesgrupper tager i særlig grad hånd om de unge i risikogruppen (de uddannel-sesfremmede)? Dette er en højst relevant problemstilling at adresserer med tanke på evt. indførelse afsociale taxametre. En sammenligning på denne dimension mellem relevante uddannelsesgrupper kan be-tragtes som komplementær til den analyse der er gennemført i de forudgående afsnit.Som basis er i tabel 8 sat antal hoveder på for hver af de fem uddannelsesgrupper – hhv. antal personer ’ialt’ og ’i risiko’. Antallet er beregnet på basis af de nyeste bestandstal fra UVM (2009) kombineret med deprocentvise fordelinger i de DST-data, som er anvendt i nærværende notat (2004-2006 summeret). Dettegiver tilsammen det i praksis mest valide mål for volumen i de respektive undergrupper.Tabel 8. Samlet oversigt med antal elever/studerende (volumen) for hver uddannelsesgruppe fordelt påelever/studerende ’i alt’ og ’i risiko’SOCIALPROFILRESULTATAntal elever på de fem uddannelsesgrupper – i alt og ’i risiko’Almen-GymnasiumI altI risiko19.25493710.5045565973330.3551.5269.28214.4639.49633.2411.4028.23315.53125.16688.7626731.1588322.6631751.1592.5883.9228.111Erhvervs-gymnasiumI altI risiko4.1212074.9982602.01011511.1295824.6267.8412.48714.9542.9824.0794.22011.28137.3643736122231.2084417115351.6873.477EUDIndgangsforløbI altI risiko2.3103356.2751.0696.06199314.6462.3972.1994.90510.93718.0411.4063.8878.48713.78046.4674771.0292.4123.9184311.1142.4684.01310.328EUDHovedforløbI altI risiko23.4242.2636.5076981.32411931.2553.0807.48918.7107.00533.2041.41910.9344.85017.20381.6621.1462.9021.0565.1044002.7631.4944.65712.841Professions-bachelorI altI risiko10.7906068.5675322.71514422.0721.2824.64010.6606.38621.6869.1696.7156.00621.89065.6485469746212.1411.4581.0738633.3946.817

Tabel 8 dokumenterer volumen og giver et indtryk af relevante fordelinger mellem uddannelsesgruppernebåde samlet set og for risikogruppen. De mest relevante nøgletal/-indikatorer udledt heraf er vist i tabel 9for de fire ungdomsuddannelsesgrupper (der ses i denne analyse bort fra professionsbachelorgruppen).Nøgletallene opsummerer kort fortalt, hvor stor en byrde de enkelte uddannelsesgrupper hver især bærer,når det gælder om at tage hånd om de unge i risiko. Indikator 4 ’risiko-ratio’ indikerer via et enkelt tal risi-kobelastningen inden for hver enkelt gruppe. Jo højere tal des større belastning – dvs. des flere unge i risiko(forholdsmæssigt). Som det fremgår, ligger EUD væsentlig højere end de gymnasiale uddannelser. SærligtEUD Indgangsforløb.Det er således især EUD der tager hånd om de unge, der kan karakteriseres uddannelsesfremmede, og somalt andet lige har væsentlig større risiko for at falde fra uddannelsen. I relation til diskussionen om socialetaxametre er perspektivet her, hvorvidt denne markante forskel i ungdomsuddannelsernes elevgrundlag ihøjere grad, end det i dag er tilfældet, bør indgå som en del af de analyser og vurderinger, der ligger tilgrund for ressourcetildeling (taxameterfastlæggelse) til de enkelte uddannelser.

På basis af de forudgående analyser samt præmissen om, atøkonomiske ressourcer kan gøre en forskel iforhold til bestræbelser på at reducere frafald,er konklusionen, at der kan argumenteres for indførelse afsociale taxametre ud fra to komplementære betragtninger:1.Der er basis for differentiering – herunder omfordeling – i ressourceallokeringen internt mellem sko-lerne inden for hver af de to store ungdomsuddannelsesgrupper: Almengymnasial og EUD Hoved-indgang.Således kunne et socialt taxameter understøtte de skoler (hhv. gymnasier og erhvervssko-ler), som optager relativt mange unge i risiko, i deres arbejde med at reducere frafaldet.2.Der er basis for differentiering – herunder omfordeling – i ressourceallokeringen mellem de gymna-siale uddannelser og EUD.Således kunne et socialt taxameter understøtte EUD (både Indgangsfor-løb og Hovedforløb), fordi der her optages relativt mange unge i risiko, hvilket alt andet lige fordrerstørre ressourceanvendelse i arbejdet med at reducere frafaldet.For begge gælder, at der overordnet set er to spor at køre videre af: 1) Omfordeling og/eller 2) favoriseren-de/uforholdsmæssig fordeling ved fremtidig tilførsel af ekstra ressourcer. Navnlig førstnævnte vil givetvisvære politisk kontroversiel, og det skal understreges, at hensigter, konsekvenser og incitamenter her indgåri en ganske kompleks cocktail, der bør analyseres grundigt forud for en eventuel aktivering af dette spor.

4.1 Overvejelser om model for socialt taxameterNår det gælder differentiering mellem skoler inden for samme uddannelsesgruppe, hvor man ønsker øko-nomisk at kompensere skoler med mange elever i risikogruppen, er der (mindst) fire ’principmodeller’ atarbejde ud fra, som ikke nødvendigvis er gensidigt udelukkende. Disse præsenteres neden for.1.Forhøjelse af (undervisnings)taxametret genereltfor de skoler, som har flest elever i risikogrup-pen – fx den ’nederste’ tredjedel.STYRKER: Principielt let gennemsigtig og relativt enkel at administrere både teknisk og res-sourcemæssigt.UDFORDRINGER: A) Hvor skal grænsen sættes – er ’den nederste tredjedel’ fx rigtig (nok)?B) Skal der differentieres mellem uddannelsesgrupperne, eller skal grænsen være almengældende? Det vil i princippet kunne betyde at htx på en skole ikke kunne få socialt taxa-meter, mens tømmeruddannelsen kunne selvom de har samme procent i risikogruppen. C)Tilgangen fordeler ’fladt’ inden for den gruppe, som begunstiges, uanset at der kan værestor variation selv inden for denne mest udsatte tredjedel.

2.Indførelse af et særligt taxameter,der gives med udgangspunkt i det antal elever i risiko, somden enkelte skole har.STYRKER: A) Formentlig den løsning der rationelt set (og vel også intuitivt) er mest rimelig,fordi den tildeler ’proportionalt over hele spektret’ i forhold til den faktiske andel af elever irisiko. B) Principielt let gennemsigtig.UDFORDRINGER: A) Større administrative omkostninger. Ikke nødvendigvis på den enkelteskole men centralt, hvor regnearbejdet skal planlægges og eksekveres. Primært fordi der ilangt højere grad skal regnes på individdata frem for aggregerede data på skoleniveau. B)Også her vil der skulle tages stilling til, om der differentieres mellem uddannelsesgrupper-ne.

3.Der laves en pulje, der kan søgesaf institutioner, som opfylder bestemte kriterier, hvad angårelever i risiko.STYRKER: Man vil kunne begunstige skoler, der har særlige problemer, eller hvor der kræ-ves en særlig indsats, som ikke nødvendigvis fanges ind af et ’simpelt’ tildelingskriteriumsom andelen af elever i risiko.UDFORDRINGER: A) Formentlig en væsentlig mere bureaukratisk model med større admini-strative bryder både centralt og for den enkelte skole. B) Det er langt fra givet, at de skoler,som ’objektivt set’ burde have mest behov, får ansøgt.

4. Der laves enomprioritering mellem de eksisterende taxametertyper,som understøtter skolermed høj andel elever i risiko. Eksempel: Færdiggørelsestaxameteret afskaffes og ressourcernelægges oven i undervisningstaxameteret.STYRKER: Skoler med høj andel elever i risiko undgår ’dobbeltstraf’ i det deres uforholds-mæssigt lave indtægt gennem færdiggørelsestaxameteret elimineres.UDFORDRINGER: Det ekstra incitament til at understøtte eleverne i at fuldføre, der ligger iprincippet for færdiggørelsestaxameteret, eliminers i sagens natur.

Baseret på ovenstående ræsonnementer er den foreløbige konklusion, at en evt. indførelse af sociale ta-xametre ideelt set bør bygges op omkring den individuelle tilgang, hvor tillægsressourcer (via omfordelingog/eller ekstra bevillinger) knyttes til de elever, der statistisk set er defineret som værende i risiko. Spørgs-målet er dog, hvor administrativt besværlig en sådan tilgang i praksis vil være. Dette bør undersøges nær-mere. Vurderingen på skoleniveau er formentlig det administrativt nemmere tilgængelige alternativ, mensbåde puljetilgangen og omprioritering/konvertering mellem taxametertyper principielt set kan supplere,uanset om der køres af et ’individuelt’ eller ’institutionsmæssigt’ hovedspor.Ræsonnementerne kunne principielt set også gælde for prioriteringen på tværs af uddannelsesgrupperne.Men her vil det være mere oplagt – og en i praksis formentlig uomgængelig tilgang – på helt aggrege-ret/overordnet niveau, at diskutere fordelingen og prioriteringen mellem de gymnasiale og erhvervsfagligeuddannelser.

4.2 Konkrete forslag og regneeksemplerI dette afsnit gives tre typer forslag til, hvordan en evt. omfordeling og prioritering af nye ressourcer kunnese ud illustreret med tentative regneeksempler. Det skal understreges, at de udvalgte forslagstyper er tagetmed og illustreret uden nærmere ’politiske overvejelser’ for øje – hverken partipolitiske (holdningsmæssi-ge) eller realpolitiske (hvad kan der evt. skabes opbakning til).

Et sådant tiltag kan i udgangspunktet være samlet set omkostningsneutralt. Det er blot et spørgsmål om atde ressourcer der frigives ved at afskaffe færdiggørelsestaxameteret lægges oveni midlerne til undervis-ningstaxameter. Der ændres i udgangspunktet ikke på principper og praksis for tildeling af sidstnævnte.Kagen er blot en anelse større.Undervisningstaxameteret for HF of STX var i 2010 på hhv. 78.274 kr. og 69.350 kr. Vægtet i forhold til se-neste offentliggjorte bestandstal (2009) giver det et undervisningstaxameter for almengymnasial på ligegodt 70.500 kr. Tilsvarende tal for færdiggørelsestaxameteret er godt 13.000 kr. Det samlede ’individueltvariable’ taxameter tilskud (undervisning + færdiggørelse) var således på ca. 83.500 kr. for almengymnasi-um (studenterkursus og STX international ikke medregnet da de udgør ca. 1 pct. af den samlede bestand).Ved at konvertere færdiggørelsestaxameteret til undervisningstaxametermidler bringes således 16 pct. afde ’individuelt variable’ midler i spil. Der er som nævnt ikke tale om en egentlig aktiv omfordeling mellemskolerne. Men konsekvensen vil alt andet lige være, at skoler med lavere gennemførselsprocenter (og høje-re andel elever i risiko) vil stilles bedre økonomisk. Og omvendt for skoler med høje gennemførselsprocen-ter.

En administrativt meget simpel omfordelingstilgang vil være at differentiere undervisnings- og færdiggørel-sestaxameter mellem skolerne inddelt i de tre grupper vi opererede med i analyserne fra afsnit 2:STÆRK/HØJ – MIDDEL – SVAG/LAVOmfordelingen indebærer, at undervisningstaxameter + færdiggørelsestaxameter for den stærkeste tredje-del af skolerne nedsættes med 5 pct. og tilsvarende øges 5 pct. for den svageste tredjedel. Den midterstetredjedel lades uberørt. Det bemærkes, at der med den ’institutionsmæssige tilgang’ ikke er garanti for, atder er nøjagtig økonomisk ligevægt mellem hhv. nedsættelse og forøgelse med de 5 pct. En garanteret om-kostningsneutral omfordeling fordrer enten individualiseret tilgang, eller at der opereres med absoluttepengebeløb frem for procentvise nedsættelser/forøgelser.De senest tilgængelige tal (2009) for skolernes samlede indtægter viser for almengymnasium, at undervis-nings- og færdiggørelsestaxameter tilsammen udgør ca. 80 pct. af gymnasieskolernes samlede indtægter.En omfordeling på 5 pct. (af de 80 pct.) fra de stærkeste til de svageste må således betragtes som et særde-les mærkbart tiltag – ikke bare idemæssigt men også i forhold til de praktiske implikationer.13

Tilførsel af ekstra ressourcer med henblik på at forbedre chancerne for elever i risiko bør i sagens naturtildeles målrettet, uanset om denne målrettede tildeling sker baseret på individ- eller institutionsmæssigdifferentiering.Med almengymnasium som eksempel kunne et mål være at tilføre 5 pct. ekstra ressourcer til elever i risiko.Jf. tabel 8 udgør elever i risiko på almengymnasium lidt over 9 pct. af den samlede elevmasse. Antal årsele-ver og indtægt pr. årselev kan pr. 2009 opgøres til hhv. 78.900 årselever og 78.200 kr. pr. årselev. I alt giverdet indtægter på ca. 6,17 mia. kr. De 5 pct. ekstra ressourcer til de 9 pct. i risiko giver en samlet investeringpå knapt 28 mio. kr. (0,05 x 0,09 x 6,17 mia. kr.).Overføres eksemplet til det samlede EUD-område (Indgangsforløb + Hovedforløb) ser regnestykket ud såle-des, at elever i risiko udgør lidt over 18 pct. af alle elever – dvs. andelen er dobbelt så høj som på almen-gymnasium. Antal årselever og indtægt pr. årselev kan på EUD pr. 2009 opgøres til hhv. 137.800 årseleverog 98.800 kr. pr. årselev. I alt giver det indtægter på ca. 13,62 mia. kr. 5 pct. ekstra ressourcer til de 18 pct. irisiko giver en samlet investering på ca. 122,6 mio. kr. (0,05 x 0,18 x 13,62 mia. kr.).Hvorvidt tilførslen af de ekstra ressourcer følger elever i risiko ’snævert’ (individualiseret) eller der opereresmed en ’institutionsmæssig fordeling’, hvor f.eks. den svageste tredjedel tildeles to tredjedel af de ekstramidler og den midterste tredjedel den resterende tredjedel, henhører under det mere principielle dilemma,som er adresseret i afsnit 4.1.