Peter Groote
Faculteit Ruimtelijke Wetenschappen, Rijksuniversiteit
Groningen
terug naar Peter Groote's homepage
De monitoring van de instroom van studenten in het wetenschappelijk onderwijs wordt steeds belangrijker. Deze monitoring is voornamelijk gericht op de kwantiteit van de instroom: “Hoeveel studenten hebben zich dit jaar ingeschreven?” “Wat zijn de verwachtingen voor komend jaar?” “Hoe doen concurrerende instellingen het?” Toch zijn ook kwalitatieve aspecten, zoals de vooropleiding, eindexamencijfers en geografische herkomst van de instroom interessant. De geografie van de instroom kan bijvoorbeeld gebruikt worden om de relaties met docenten in het middelbaar onderwijs en de effectiviteit van de decentrale voorlichting te evalueren.
Figuur 1 toont het rekruteringsgebied van de opleiding sociale geografie. Het is gebaseerd op gegevens betreffende de woongemeente van nieuwe studenten, cohorten 1965/66 tot en met 2004/2005. Voor iedere gemeente is aangegeven het aantal geleverde studenten over de gehele periode, per 100.000 inwoners.
De regionaal verzorgende functie van de opleiding springt in het oog. De gemeente met de hoogste score is Roden, gevolgd door andere suburbane gemeenten, vooral op de Hondsrug. In de tabel staan de top-10 gemeenten (volgens de gemeentelijke indeling van Nederland van 1995), met het aantal geleverde studenten per 100.000 inwoners.
| rang | gemeente | score |
| 1 | Roden | 8.04 |
| 2 | Haren | 7.98 |
| 3 | Winsum | 7.04 |
| 4 | Rolde | 6.74 |
| 5 | Zweeloo | 6.68 |
| 6 | De Marne | 6.09 |
| 7 | Bedum | 5.86 |
| 8 | Zuidlaren | 5.79 |
| 9 | Oosterhesselen | 5.77 |
| 10 | Eelde | 5.73 |
Figuur 2 toont de jaarlijkse ontwikkeling van het recruteringsgebied.
Ter verklaring van het spreidingspatroon is een simpel regressie-model opgezet, waarin de afstand tot de stad Groningen in kilometers de enige verklarende variabele is (eigenlijk 1 gedeeld door de wortel uit de afstand). In deze vorm verklaart de variabele afstand ongeveer 69% van de variantie.
Figuur 3 toont de ruimtelijke spreiding van de residuen van het regressiemodel. Opvallende negatieve residuen (dus een kleinere gerealiseerde instroom dan verwacht) bevinden zich op het Oost-Groninger platteland. Omdat het gemeenten betreft die bekend staan als relatief arm en vergrijzend zou gedacht kunnen worden ook de leeftijdsopbouw en het gemiddeld inkomen van een gemeente in het verklaringsmodel op te nemen. Wat daarna nog onverklaard blijft, kan veroorzaakt zijn door: oncontroleerbare factoren, zoals toeval. in principe beïnvloedbare factoren, zoals het contact met docenten op middelbare scholen in de betreffende gemeenten of de intensiteit van de lokale voorlichting.
