Ein Proxy zur Schätzung von Lehrermangel

Lehrermangel ist eine Herausforderung in vielen Ländern und eine Bedrohung für die Qualität der Schulen. Daher ist es wichtig, den Mangel und seine Auswirkungen auf die Schulen zu überwachen. Allerdings ist der Lehrermangel auf Schulebene vielschichtig und wird von zahlreichen Faktoren beeinflusst, was eine direkte Messung kostspielig macht. Diese Studie entwickelt einen Proxy für den Lehrermangel an niederländischen Grundschulen unter Verwendung eines reichen Satzes von Prädiktoren, einschließlich sowohl administrativer als auch online gesammelter Daten. Durch den Einsatz von Techniken des maschinellen Lernens mit hochdimensionaler Statistik konstruieren wir zwei Proxys: einen, der den Grad des Mangels vorhersagt, und einen anderen, der klassifiziert, ob Schulen einen Mangel erleben. Gradient-Boosting-Modelle übertreffen im Allgemeinen alternative Ansätze in der Vorhersagegenauigkeit, die mit dem Wurzelmittelquadratfehler und der Youdenschen J-Statistik, der Sparsamkeit und Validierungsanalysen gemessen wird. Diese Ergebnisse zeigen, dass Lehrermangel auf Schulebene mit verfügbaren Informationen genau vorhergesagt werden kann, was die Zeit und Kosten erheblich reduziert, die mit herkömmlichen Messungen verbunden sind.