Datakvalitet handlar om att bedöma om ett underlag är tillräckligt tillförlitligt, relevant och användbart för den fråga som ska analyseras. Bra analys kräver inte perfekta data, men den kräver medvetenhet om begränsningar.
När går ett underlag att använda?
Data blir användbar först när gruppen förstår vad den visar, vad den inte visar och hur säkert den kan tolkas.
Är underlaget samlat på ett sätt som går att lita på?
Svarar underlaget på den fråga gruppen försöker förstå?
Går det att skilja signal från brus och antagande från slutsats?
Kan underlaget stödja prioritering och lärande?
Datakvalitet handlar om tillförlitlighet, relevans, täckning, jämförbarhet och begriplighet. I skolan behöver den bedömas innan gruppen går vidare till slutsatser och åtgärder.
Fem dimensioner
Tillförlitlighet
Är underlaget korrekt insamlat och rimligt stabilt?
Relevans
Svarar underlaget på den fråga vi försöker förstå?
Täckning
Vilka elever, grupper, situationer eller enheter syns inte?
Jämförbarhet
Kan vi jämföra över tid eller mellan grupper utan att förutsättningarna skiljer sig för mycket?
Begriplighet
Förstår gruppen hur måttet är skapat och vad det faktiskt visar?
Frågor före analys
- Vilken fråga ska underlaget hjälpa oss att besvara?
- Vilka antaganden gör vi när vi tolkar siffran eller svaret?
- Behöver vi komplettera med observationer, samtal eller annan lokal kunskap?
- Finns det risk att måttet styr uppmärksamheten bort från det viktigaste?
Vanliga risker
En vanlig risk är att jämförelser får större tyngd än de förtjänar. En annan är att data som är lätt att få fram får ersätta data som faktiskt behövs. Därför bör datakvalitet vara en tydlig punkt i varje nulägesanalys.
Triangulering: pröva tolkningen med flera underlag
Triangulering betyder inte att samla så många underlag som möjligt. Det handlar om att pröva om en tolkning håller när den möter flera typer av information. I en skola kan det till exempel handla om att jämföra enkätresultat med observationer, samtal, frånvaro, resultatdata och erfarenheter från undervisningen.
Samma riktning
Flera underlag pekar mot samma sak. Då kan tolkningen stärkas, men behöver fortfarande sättas i relation till praktik.
Olika bilder
Underlagen pekar åt olika håll. Det är ofta ett viktigt analysläge, inte ett problem som ska städas bort.
Saknat perspektiv
Ett mönster ser tydligt ut, men viktiga röster eller praktiker saknas. Då bör slutsatsen hållas preliminär.
En stark nulägesanalys använder triangulering för att höja kvaliteten i samtalet: Vad vet vi? Vad tror vi? Vad behöver vi undersöka närmare?
Modell för att bedöma datakvalitet
Datakvalitet i skolan handlar inte bara om om siffran är korrekt. Ett underlag behöver också vara relevant för frågan, begripligt för dem som ska använda det och möjligt att sätta i relation till andra källor.
Tillförlitlighet
Är underlaget korrekt insamlat och rimligt stabilt, eller finns kända felkällor?
Relevans
Svarar underlaget på frågan vi faktiskt ställer, eller mäter det något annat?
Kontext
Behöver resultatet förstås i relation till elevgrupp, årskurs, undervisning, tidpunkt eller organisation?
Triangulering
Finns andra underlag som stärker, nyanserar eller motsäger tolkningen?
Datakvalitet som ledningsfråga
Datakvalitet handlar inte bara om om siffran är korrekt. Det handlar också om om underlaget är relevant för frågan, möjligt att tolka och rimligt att använda som grund för beslut.
Tillförlitlighet
Kontrollera datakälla, bortfall, definitioner och jämförbarhet innan mönster tolkas.
Relevans
Ett korrekt underlag kan ändå vara fel underlag för den fråga ledningen försöker besvara.
Triangulering
När flera underlag pekar åt samma håll blir tolkningen starkare. När de pekar åt olika håll blir det en analysfråga.
På mobil är sidan uppbyggd för att läsas stegvis: kort svar först, därefter modell, fördjupning och relaterade resurser.
Direkta svar på centrala frågor
Vad är datakvalitet i skolans analysarbete?
Datakvalitet handlar om om ett underlag är tillräckligt tillförlitligt, relevant och användbart för den fråga som ska analyseras. Bra data är inte alltid mycket data utan rätt data för rätt fråga.
När är data svag trots att den ser tydlig ut?
Data kan vara svag när svarsfrekvensen är låg, frågan är oklar, grupper blandas ihop eller underlaget används för en annan fråga än den är skapad för.
Varför behövs triangulering?
Triangulering innebär att flera underlag prövas mot varandra. Det minskar risken att gruppen bygger beslut på en ensam signal eller på den källa som råkar vara mest lättillgänglig.
Hur bör osäker data hanteras?
Osäker data ska inte ignoreras men inte heller övertolkas. Den bör användas som signal för fortsatt undersökning och kombineras med andra underlag innan beslut fattas.
Vanliga frågor
Vad betyder datakvalitet i skolan?
Det betyder att man prövar hur data har samlats in, vad de faktiskt mäter, vilka grupper som ingår och hur säkra slutsatserna kan vara.
Vad är triangulering?
Triangulering innebär att flera underlag används för att pröva om en tolkning håller. Till exempel kan enkätdata jämföras med observationer, resultat och professionella erfarenheter.
Kan man analysera osäkra data?
Ja, men då behöver slutsatserna formuleras försiktigt. Osäkra data kan vara tillräckliga för att väcka en fråga men inte för att bära ett säkert beslut.
Datakvalitet som analysfråga
Datakvalitet handlar inte bara om om ett tal är korrekt. I skolans analysarbete behöver underlag också vara relevant för frågan, begripligt för dem som ska använda det och möjligt att koppla till praktik.
Teknisk tillförlitlighet
Är underlaget korrekt insamlat, tydligt avgränsat och jämförbart över tid?
Analytisk relevans
Svarar underlaget på den fråga gruppen faktiskt försöker förstå?
Praktisk användbarhet
Kan underlaget hjälpa verksamheten att urskilja vad som är påverkbart?