Børn og unge med matematikvanskeligheder

15 pct. af de danske 15-årige har så store udfordringer med matematik, at de ligger på det laveste eller næstlaveste trin i PISAs matematiktest i 2018. Det er en andel, som har været nogenlunde stabil siden 2000. Ligeledes viser en undersøgelse fra Arbejderbevægelsens Erhvervsråd, at hver ottende afgangselev i 9. klasse ikke fik mindst 2 i dansk og matematik i 2019. Det at få mindst 2 i dansk og matematik er en vigtig indikator for, hvordan unge efterfølgende klarer sig i uddannelsessystemet. Unge, som ikke får mindst 2 i dansk og matematik, har svært ved at komme videre på en ungdomsuddannelse og i sidste ende gennemføre en erhvervskompetencegivende uddannelse.

Formål

Matematikvanskeligheder er meget lidt belyst i dansk forskning. Formålet med undersøgelsen er derfor at tilvejebringe ny dansk viden om de børn og unge, som har matematikvanskeligheder. Den viden skal bidrage til i højere grad at forebygge vanskelighederne og udvikle redskaber til at understøtte og time indsatser til afhjælpning af matematikvanskeligheder. Derudover er der begrænset viden om de langsigtede konsekvenser af matematikvanskeligheder for barnet eller den unge selv og for samfundet.

VIVE undersøger derfor, hvad der kendetegner børn og unge i grundskolen med matematikvanskeligheder, og hvilke konsekvenser det har for at bestå folkeskolens afgangsprøve, påbegynde og gennemføre en ungdomsuddannelse og senere tilknytning til arbejdsmarkedet. Undersøgelsen er bestilt og finansieret af Egmont Fonden.

Metoder

Vi baserer analyserne på data fra sammenlagt tolv 9. klassesårgange i perioden fra 2002-2019 for at afdække både de kort-, mellemlang- og langsigtede konsekvenser af matematikvanskeligheder samt kendetegnene ved børn og unge med matematikvanskeligheder. Vi identificerer børn og unge med matematikvanskeligheder på baggrund af deres karakterer i matematik ved folkeskolens afgangsprøver og deres standpunktskarakterer i matematik og sammenligner dem med børn og unge uden matematikvanskeligheder. For at nå frem til så valide resultater som muligt anvender vi tre metoder i analyserne: matching, fixed-effects og doubly-robust.