RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS 2017:1 STUDENTBAROMETERN 2016

RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS 2017:1 STUDENTBAROMETERN 2016 Peter Sigrén Peter Sigrén

FÖRELIGGANDE RAPPORT är nummer 2017:1 i rapportserien Rapporter och publikationer från Högskolan i Borås. Syftet med rapportserien är dels att redovisa resultat från pågående och avslutade projekt samt att publicera inlägg i en pågående diskussion kring tillämpade metoder och att utveckla idéer inom ramen för högskolans uppdrag. Högskolan i Borås Besöksadress: Allégatan 1, 501 90 Borås e-post: peter.sigren@hb.se Grafisk form PETER SIGRÉN Omslagsbild COLOURBOX Tryck RESPONSTRYCK, BORÅS 2017 NR 2017:1 ISSN:1400-0253 ISBN: (TRYCK): 978-91-88269-24-9 ISBN: (PDF): 978-91-88269-25-6 URL: http://urn.kb.se/resolve?urn=urn:nbn:se:hb:diva-11876

I RAPPORTSERIEN RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS 2003:1 Alonzo, Y., & Holmqvist, H. (2003). Högskolan i Borås regionala betydelse ur ett näringslivsperspektiv. Högskolan i Borås: Rapporter och publikationer från Högskolan i Borås. 2005:1 Nilsson, K. S. (2005). At the Core. Undervisning och lärande vid ett amerikanskt liberal arts college sett ur svenskt utbildningsperspektiv. Högskolan i Borås: Rapporter och publikationer från Högskolan i Borås. 2007:1 Lööf, S. (2007). Costa Rica januari 2007 en resa för att undersöka möjligheter till samarbete. Högskolan i Borås: Rapporter och publikationer från Högskolan i Borås. 2007:2 Högberg, I., & Holmeros Skoglund, K. (2007). Studentsupport vid Högskolan i Borås. Orsaker till ofullständiga studieresultat bland förstaårsstudenter kan vi göra något åt detta? Högskolan i Borås: Rapporter och publikationer från Högskolan i Borås. 2014:1 Sigrén, P. (2014). Studentbarometern HT 2013. Studie- och arbetsmiljö. Högskolan i Borås: Rapporter och publikationer från Högskolan i Borås. 2014:2 Sigrén, P. (2014). En studie om utbildningskvalitet kvalitetsbedömning inom den högre utbildningen. Högskolan i Borås: Rapporter och publikationer från Högskolan i Borås. 2014:3 Sigrén, P. (2014). Boråsakademiker 2014. Etableringsgrad och utbildningskvalitet 2008 års programstudenter. Högskolan i Borås: Rapporter och publikationer från Högskolan i Borås. 2015:1 Sigrén, P. (2015). Studentbarometern 2014. Högskolan i Borås: Rapporter och publikationer från Högskolan i Borås. 2015:2 Sigrén, P. (2015). Boråsakademiker 2015. Etableringsgrad och utbildningskvalitet 2009 års programstudenter. Högskolan i Borås: Rapporter och publikationer från Högskolan i Borås.

2015:3 Sigrén, P. (2015). Kvalitet i högskolan. Studenters uppfattningar om utbildningskvalitet. Högskolan i Borås: Rapporter och publikationer från Högskolan i Borås. 2015:4 Sigrén, P. (2015). Är högskoleutbildningar anpassade för arbetslivet? En studie om alumners upplevelser av måluppfyllnad under utbildningen. Högskolan i Borås: Rapporter och publikationer från Högskolan i Borås. 2016:1 Sigrén, P. (2016). Studentbarometern 2015. Högskolan i Borås: Rapporter och publikationer från Högskolan i Borås. 2016:2 Sigrén, P. (2016). Boråsakademiker 2016. Etableringsgrad och utbildningskvalitet 2010 års programstudenter. Högskolan i Borås: Rapporter och publikationer från Högskolan i Borås. 2017:1 Sigrén, P. (2017). Studentbarometern 2016. Högskolan i Borås: Rapporter och publikationer från Högskolan i Borås.

RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS INNEHÅLL Rapport 2017:1 SAMMANFATTNING... 9 INLEDNING... 9 Nyckeltal... 11 1 INLEDNING OCH BAKGRUND... 13 KVALITET SOM BEGREPP... 13 SYFTE... 14 STUDIENS DISPOSITION... 15 2 METOD... 17 INLEDNING... 17 Faktoranalys som metod... 17 Val av extraherings- och rotationsmetod... 19 Ett dataunderlags lämplighet... 20 Internt bortfall... 22 Variansanalys... 24 Indexering av variabler... 25 Mätinstrumentets validitet... 26 Tillförlitlighet av mätningar... 27 3 RESULTAT I... 31 INLEDNING... 31 Enkätens genomförande... 33 Population och urvalsprocess... 33 Svarsfrekvens och bortfallsanalys... 34 Åldersstruktur... 36 Nybörjare vid lärosätet?... 36 3.1 ANALYTISKA FÖRMÅGOR... 37 Högskolan totalt... 37 Akademier... 38 Sektioner... 40 3.2 INFÖR KURSSTART... 44 Högskolan totalt... 44 Akademier... 45 Sektioner... 46

3.3 PEDAGOGISK KVALITET I UNDERVISNINGEN... 50 Högskolan totalt... 50 Akademier... 52 Sektioner... 53 3.4 KURSVÄRDERINGAR... 57 Högskolan totalt... 57 Akademier... 58 Sektioner... 60 3.5 ATT KUNNA PÅVERKA UTBILDNINGEN... 64 Högskolan totalt... 64 Akademier... 65 Sektioner... 66 3.6 ATT KUNNA GE KRITISKA SYNPUNKTER... 70 Högskolan totalt... 70 Akademier... 71 Sektioner... 72 3.7 KRAVNIVÅ PÅ UTBILDNINGEN... 76 Högskolan totalt... 76 Akademier... 77 Sektioner... 79 3.8 ADMINISTRATIVT STÖD... 83 Högskolan totalt... 83 Akademier... 84 Sektioner... 85 3.9 STUDENTSAMARBETE... 89 Högskolan totalt... 89 Akademier... 90 Sektioner... 92 3.10 TILLGÅNG OCH UTFORMNING AV LOKALER... 96 Högskolan totalt... 96 Akademier... 97 Sektioner... 98 3.11 UPPLEVD STRESS... 102 Högskolan totalt... 102 Akademier... 103 Sektioner... 105 3.12 TOTALT NÖJDHETSINDEX... 111 Högskolan totalt... 111 Akademier... 112 Sektioner... 114

SAMMANFATTNING AV RESULTAT I... 119 Inledning... 119 Nöjdhetsindex (NSI)... 119 4 RESULTAT II... 123 INLEDNING... 123 Enkätens genomförande... 123 Population och urvalsprocess... 124 Svarsfrekvens och bortfallsanalys... 124 Åldersstruktur... 125 4.1 HÅLLBAR UTVECKLING... 126 Inledning... 126 Högskolans webbsida för hållbar utveckling... 126 Hållbar utveckling inom utbildning och forskning... 127 4.2 LIKA VILLKOR... 130 Inledning... 130 Diskriminering... 131 Trakasserier... 132 Sexuella trakasserier... 133 Mobbning... 133 Stödfunktion... 134 4.3 STUDENTHÄLSAN... 135 Inledning... 135 Hälsoparametrar... 135 Stress... 136 4.4 HÖGSKOLANS BIBLIOTEK... 139 Inledning... 139 Biblioteksfunktioner... 139 Kundnöjdhet... 140 Undervisning i informationssökning... 141 4.5 STUDENTKÅREN VID HÖGSKOLAN I BORÅS... 142 Inledning... 142 4.6 MOTIV TILL ATT STUDERA... 144 Inledning... 144 4.7 ÖVRIGA RESULTAT... 146 Renommé... 146 Högskolans regionala betydelse... 146 Nybörjare vid lärosätet?... 147 Arbetar under studietiden... 147

5 AVSLUTANDE KOMMENTARER... 149 Studentbarometrar som kvalitetssäkringsinstrument... 149 REFERENSER... 153 BILAGA I... 157 NYCKELTAL... 157 Grafer över index... 160

SAMMANFATTNING INLEDNING Det har uppmärksammats att den ursprungliga enkäten tenderat att bli allt för omfattande. Bland annat beror detta på att allt fler verksamheter inom lärosätet önskar delta i lärosätets studentbarometer. Sedan några år tillbaks mäts kvalitetsindexen, tio till antalet, (60 frågeställningar) i en enskild enkät 1 medan övriga prioriterade områden mäts genom ytterligare en enkät. Enkäterna bjöds ut (webbaserad) den 1 november 2016 till 3 081 studenter (enkät I och II) samt 2 967 studenter (enkät III). Tre påminnelser utfördes under perioden 14 november till och med den 27 december 2016. Enkät I och II stängdes den 3 januari 2017 och enkät III den 9 januari 2017. Urval Enkät I 2 967 respondenter (resultat, del I) Enkät II 114 internationella studenter (resultat, del I) Enkät III. Svarsfrekvenser Enkät I och II. 34 procent Enkät III. Kvalitetsindex 2 967 respondenter (resultat, del II) 11 procent Resultaten visar på bra resultat för lärosätet på åtta index. Två index, kursvärderingar samt att kunna påverka utbildningen bör beaktas och diskuteras ute på akademier och sektioner. Dessa två index särskiljer sig åt (negativt) från övriga index. Renommé Renomméet för Högskolan i Borås är fortsatt högt (M = 5,1), 7-gradig Likertskala (enkät I och II). 1 Enkäten bjuds ut på svenska samt engelska. HÖGSKOLAN I BORÅS 9

Hållbar utveckling Resultaten visar på att studenter upplever det som viktigt att perspektivet hållbar utveckling lyfts fram inom utbildning och forskning (M = 5,5). Vidare anser studenterna att perspektivet hållbar utveckling är en viktig aspekt i utbildning. Studenterna anser att det behövs i en framtida yrkesroll (M = 5,7). Studenterna upplever dock att det inte ges tillräckligt utrymme, i kurser, att diskutera hållbar utveckling (M = 3,9). Det visar sig att studenterna har svårigheter med informationsflödet och då framförallt med att besöka högskolans webbsida rörande hållbar utveckling (M = 2,0). Lika villkor Ett område som är prioriterat vid lärosätet är arbetet med lika villkor som innebär förebyggande arbete mot diskriminering, trakasserier, mobbning och kränkning. Det framgår, sett över flera års studier, att nivåerna på diskriminering och trakasserier av olika slag visar på låga nivåer. Årets mätning visar på än bättre resultat jämfört mot 2015 års studie. Upplevd diskriminering har sjunkit med 34 procent jämfört med 2015. Vad gäller trakasserier uppvisas nästan en halvering från 85 till 49 (räknat i antal). Motiv för att studera Studien visar på att arbetsrelaterade frågeställningar är mycket viktiga för studenterna. De högst rankade frågeställningarna är följande (samtliga med ett medelvärde över 6,0). Utbildningen ökar chanserna att jag får ett arbete jag kommer att trivas med. För att jag är intresserad av ämnet. Studierna leder fram till en examen. Studierna leder fram till ett yrke som jag vill ägna mig åt. Studierna gör mig mer attraktiv på arbetsmarknaden. Min utbildning ger en bra grund för mitt kommande yrkesliv. Efter avslutade studier kommer jag att arbeta inom det yrkesområde jag utbildats för. Min kompetens kommer att vara efterfrågad på arbetsmarknaden. 10 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Nyckeltal 2 Fortsatt högt renommé för Högskolan i Borås (M = 5,1) Totalt upplevd kvalitet [NSI] (M = 4,5) Biblioteket totalt (M = 5,1) Bra bemötande på biblioteket (M = 5,7) Viktigt att perspektivet hållbar utveckling lyfts fram inom utbildning och forskning (M = 5,5) Implementering av hållbar utveckling i undervisning (M = 3,9) Stress (M = 4,1; män 3,75; Kvinnor 4,21) Diskriminering (minskat) Trakasserier (minskat) Studenter under 26 år (40 procent) Studerat mindre än två terminer (43 procent) Regional rekrytering (57 procent) Studerar på Campus (85 procent) Studerar på distans/uppdrag (15 procent) Lägger mer än 21 timmar/vecka på studier (76 procent) Arbetar upp till 10 timmar/vecka (54 procent) Arbetar mer än 20 timmar/vecka (21 procent) Har studiemedel från CSN (69 procent) Träffat någon studentkårsrepresentant (ja, 34 procent + osäkra, 18 procent) 2 Medelvärden utgår från en 7-gradig Likertskala. HÖGSKOLAN I BORÅS 11

1 INLEDNING OCH BAKGRUND Föreliggande studie är den sjunde studentbarometer som genomförts vid lärosätet, i enlighet med nuvarande analysmodell, och kan ses som en verksamhetsinriktad studie, som har till syfte att dokumentera och förankra (1) kvalitetsdimensioner inom utbildningsverksamheter samt (2) områden som uppdragsgivaren anser vara prioriterade. Exempel på sådana områden är hållbar utveckling och lika villkor. Studien ingår i ett större projekt, en s.k. trendstudie, som påbörjades vid lärosätet hösten 2010. Till dags datum (2015/16) finns empiri för cirka 6 000 studenter fördelade på sju respondentdatabaser. 3 Högskolan omorganiserades 4 under 2014 och enkäten har omarbetats något. Det har dessutom uppmärksammats, under åren som gått, att enkäten har blivit allt mer omfattande och den ursprungliga enkäten har delats upp i två mindre omfattande enkäter. Frågeställningar som mäter kvalitet (tio index) har lyfts ur och mäts i en enskild enkät. Analysmetoden, för kvalitetsindexen, som används i föreliggande studie följer den tidigare modell som introducerades 2010 (Sigrén, 2012). KVALITET SOM BEGREPP Kvalitet är begrepp som kan vara svårt att mer explicit definiera. Det skulle t.ex. kunna avse värdet av egenskaper som objekt, subjekt eller aktiviteter har (det inre värdet av t.ex. en utbildningsverksamhet). Kvalitetsuppföljningar blir en allt mer viktig faktor för lärosäten bl.a. på grund av att Universitetskanslersämbetet (UKÄ) ställer sådana krav på utbildningsanordnare inom den högre utbildningen. Att mäta kvalitet på ett eller flera utbildningsområden är dels för att kunna utföra förbättrings- 3 Dessa respondentdatabaser är i sin tur uppdelade, beroende på vad som skall analyseras. 4 Högskolan i Borås har tidigare bestått av sex utbildningsinstitutioner. Från och med 1 juli 2014 består högskolan av tre akademier. Akademin för textil, teknik och ekonomi (A1); Akademin för vård, arbetsliv och välfärd (A2) samt Akademin för bibliotek, information, pedagogik och IT (A3). HÖGSKOLAN I BORÅS 13

åtgärder inom verksamheter, som i sin förlängning leder till att studenter får med sig den kunskap, färdigheter och kompetenser som efterfrågas av näringslivet och dels för att kunna se hur kvalitén kan förbättras, över tid, i enlighet med uppställda mål i examensbeskrivningar. Det har visat sig i tidigare studier att kvaliteten, för blivande studenter, är något som rankas högt på utbildningar. Goda jämförelser kräver att vi jämför jämförbara utbildningar med avseende på samma kvalitetsaspekt. Oavsett om vi jämför en viss utbildning vid ett litet och ett stort lärosäte måste vi kunna jämföra dem med fokus på samma typ av kvalitetsaspekt, annars är jämförelsen irrelevant. Exempelvis bör lärarledd undervisningstid vid ett lärosäte gå att jämföra med just lärarledd undervisningstid vid ett annat, även om lärosätena har olika profiler i övrigt. Vi behöver också kunna tolka olika nivåer inom samma kvalitetsaspekt, för att förstå vilken kvalitet en viss nivå indikerar. Ett medelvärde är exempelvis inte alltid ett bra mått på att hög kvalitet är uppnådd. Det är också viktigt att veta hur skillnader i praktiken till exempel antal lärarledda timmar bör tolkas som skillnader i utbildningskvalitet. Med andra ord behövs empiriska definitioner av utbildningskvalitet. (Lilliefeldt, 2013:36) Kvalitetsindex som mäts i lärosätets studentbarometrar är: analytiska förmågor inför kursstart pedagogisk kvalitet i undervisningen kursvärderingar att kunna påverka utbildningen att kunna ge kritiska synpunkter hur kravnivån på utbildningen upplevs administrativt stöd studentsamarbetet tillgång och utformning av lokaler SYFTE Syftet med lärosätets studentbarometrar är att belysa kvalitetsaspekter inom grundutbildningen med fokus mot studenternas studie- och arbets- 14 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

miljö. Resultaten skall dels kunna jämföras över tid för lärosätet totalt, mellan akademier och sektioner och dels kunna användas till kvalitativa förbättringsåtgärder inom utbildningsverksamheter. STUDIENS DISPOSITION Studien inleds med en inledning och bakgrundsbeskrivning. Därefter redovisas teoretiska och metodologiska utgångspunkter. Urvalsprocess och bortfallsanalys redovisas under respektive resultatdel (olika urvalspopulationer). Studien avslutas med ett diskussionsavsnitt. Resultatredovisning Resultaten redovisas under två kapitel enligt följande: Bilaga I Resultat I redovisar tio kvalitetsindex samt ett stressindex och ett nöjdhetsindex (NSI). Resultat II redovisar bl.a. fem prioriterade områden: Hållbar utveckling Lika villkor Studenthälsan Biblioteket Studentkåren vid Högskolan i Borås Nyckeltal och grafer över index. Referenslitteratur Referenslitteratur vid metodutveckling och analys har varit: (Borg & Westerlund, 2006; Bryman & Cramer, 2011; Djurfeldt & Barmark, 2009; Djurfeldt, Larsson, & Stjärnhagen, 2003; Edlund, 1995; George & Mallery, 2013; Ginns, Prosser, & Barrie, 2007; Hair, Bush, & Ortinau, 2006; Howitt & Cramer, 2008; Kerlinger & Pedhazur, 1973; Loehlin, 2004; Miller, Vandome, & McBrewster, 2010; Elasar J. Pedhazur & Pedhazur Schmelkin, 1991; Wilson, 2005). HÖGSKOLAN I BORÅS 15

2 METOD INLEDNING Analysmetoden följer den modell som introducerades 2010, när projektet "studentbarometern" initierades, se t.ex. (Sigrén, 2012, 2016). Studierna är av formativ karaktär som innebär att fenomen mäts i nutid. Initialt vid databearbetning används, avser samtliga genomförda studier, Exploratory Factor Analysis (EFA) och inom ramen för EFA används Principal Axis Factoring (PAF). Den rotationsmetod som valts är Direct Oblimin som innebär att faktorerna tillåts korrelera. Faktoranalys som metod Teorin bakom faktoranalys är väl beprövad t.ex. genom C. Spearman s, (Spearman, 1904) och L. L. Thurstone s (Thurstone, 1933) såväl tidiga som klassiska studier. Thurstone utvecklade en teori om att gruppfaktorer, på ett säkrare sätt, kunde mäta underliggande fenomen till skillnad från Spearman s teori där en enskild faktor påstods kunna mäta en enskild dimension. En faktoranalys (FA) kan vara eller är snarare ett värdefullt verktyg, vid en analys, av ett större statistiskt datamaterial och kan i sin förlängning leda till en mer teoretisk förståelse för materialet. Det kan naturligtvis vara ett mål i sig men ofta finns flera mål med en faktoranalys. Det kanske viktigaste med en faktoranalys är att kunna förbättra och utveckla ett mätinstruments validitet. Begreppet innebär att forskaren erhåller en kontroll av trovärdigheten (giltigheten) i en analys som genomförs. Styrkan eller avsaknad av validitet, i den empiri som föreligger, är en viktig aspekt att förvissa sig om och samtidigt kunna göra en korrekt bedömning av resultaten i slutfasen av en studie. Vid ett frågeinstrument med ett stort antal variabler som är tänkta att mäta liknande fenomen t.ex. kvalitet kan det uppstå problem med multikollinearitet som innebär att inbördes variabler blir korrelerade. Det är inte ett helt ovanligt fenomen när ett mätinstrument är i sin första fas av utvecklingen och antalet variabler kan reduceras genom faktoranalys och därigenom skapa en modell som blir mer hanterbar. HÖGSKOLAN I BORÅS 17

Multipla indikatorer är i sig ofta komplexa och svåra att på ett mer teoretiskt plan tyda. Det är önskvärt att erhålla en god validitet i undersökningar och därför är det ett inte helt ovanligt fenomen att ställa fler frågor till (eller runt) ett fenomen som forskaren önskar undersöka närmare. Ambitionen är att täcka in fler dimensioner av det som skall undersökas och samtidigt minimera problem med inflytandet av mätfel som beror på att variabler i sig är behäftade med mätfel. Genom att väga samman variabler t.ex. vid en indexering kan s.k. mätfel utjämnas och därmed minimera risken att ett snedvridet resultat uppstår, se t.ex. (Barmark, 2009; Borg & Westerlund, 2006; Elasar J. Pedhazur & Pedhazur Schmelkin, 1991:413ff) jmf (Loehlin, 2004:152ff). För att faktoranalys ska vara lämplig som metod krävs generellt ett relativt stort antal variabler. I vanlig ordning finns inga exakta regler för hur många som krävs, men det är bra om minst 3-5 variabler (för varje enskild faktor) är starkt associerade med varje identifierad faktor (Barmark, 2009:79). Faktorladdningar bör ha en laddning på minst 0,4 för att indikera en godtagbar intern konsistens (Sharma, 1996) jmf (Hair et al., 2006). En faktoranalys avgör t.ex. en diskrepans mellan faktorer som eventuellt kan säkerställas statistiskt alltså att diskrepanser inte beror på slumpmässiga faktorer. Det är viktigt att klargöra att faktoranalys, som metod, är ett sätt att kombinera variabler och samtidigt reducera antalet variabler, för att synliggöra bakomliggande fenomen. En faktor innebär således att sätta ihop variabler som tillsammans visar på något bakomliggande (latent) som är gemensamt för själva faktorn. Vidare bör det klargöras att en faktoranalys inte avgör om ett resultat är bra eller mindre bra. Den ger snarare indikationer på om forskaren är på rätt väg. Vid faktoranalyser i föreliggande studie används de starkt associerade variablerna, i respektive faktorer, till att skapa ett antal index, se t.ex. (Loehlin, 2004:152ff; Elasar J. Pedhazur & Pedhazur Schmelkin, 1991:592 ff). Dessa index används i sin tur till jämförelser mellan akademier, sektioner och programutbildningar såväl genom grafer och tabeller som genom multivariat variansanalys. Vid behov används även linjär regressionsanalys. 18 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Val av extraherings- och rotationsmetod Analysen sker, som tidigare nämnts, genom explorativ faktoranalys (EFA) med efterföljande indexering. För att vara mer explicit används Principal Axis Factoring (PAF) med rotationsmetod Direct Oblimin. En förklaring till valet är att frågorna som ställs berör närliggande fenomen, nämligen utbildningsrelaterade. En oblik rotation (spetsvinklig) har dessutom inget krav på sig att faktorerna skall vara okorrelerade sinsemellan. De grundkrav som ställs för att kunna genomföra EFA kan anses vara uppfyllda men för att krångla till det ytterligare finns ett antal olika metoder för extrahering när en faktoranalys genomförs och som är knutna mot syftet med studien. Figur 2.1 Oblik faktor rotation. Från Hair et al. (2006), p. 108. Innebörden av en oblik rotation blir att faktorerna anpassar sig till variabelklustrets faktiska position. Faktorlösningen blir tydligare och mer följsam i och med att en enskild faktor kommer att korrelera starkt med några få variabler och svagare med övriga (figur 2.1). De två förekommande metoderna är Exploratory Factor Analysis (EFA) samt Common Factor Analysis (CFA) och en diskussion om vilken av dessa som lämpar sig bäst finns. Skillnaden är att i den först nämnda HÖGSKOLAN I BORÅS 19

baseras beräkningarna på den totala spridningen i variablerna medan beräkningarna i CFA baseras på den andel av spridningen som är gemensam och som innebär att korrelationer mellan variabler synas närmare. Kortfattat kan sägas att CFAn lämpar sig bättre om syftet främst är teoretiskt. EFAn däremot är bättre lämpad om empirin skall ligga till grund för efterföljande regressions- och variansanalyser och därigenom kunna maximera modellens prediktiva förmåga (Djurfeldt & Barmark, 2009:82-83). Utfallen från de tidigare studiernas resultat (2010-2014) har visat på ett antal bakomliggande "fenomen" och det bör vara tillräckligt med att utföra endast EFA i föreliggande studie. Utfallet från EFAn är dessutom något mer lättolkad än utfallet från CFAn. Ett dataunderlags lämplighet Ett dataunderlags lämplighet för att genomföra faktoranalys bör testas innan en sådan genomförs. Det finns några olika metoder för att testa underlagets lämplighet. En metod är att utföra ett test i form av Kaiser- Meyer-Olkin Measure of Sampling Adequacy (KMO) som mäter dataunderlagets lämplighet för att genomföra faktoranalys. Kortfattat kan sägas att KMO undersöker om det finns variabler som inte samvarierar med andra. Variabler som inte samvarierar med andra kan inte bidra till att identifiera faktorer och KMO varnar för förekomst av sådana, se t.ex. (Barmark, 2009:92). Testet skall visa på "icke signifikant". Även om KMO inte är ett statistiskt test finns framtagna rekommendationer för hur högt värde KMO bör visa på för att dataunderlaget skall passa för att genomföra faktoranalys. Ett KMO värde ligger mellan 0 och 1 och där ett värde över 0,90 anses som excellent. Föreliggande studies KMO uppvisar ett värde på 0,930. När KMO väljs, i SPSS, erhålls även Bartlett s Test of Sphericity som är ett statistiskt test för att kontrollera om det finns någon korrelation mellan variabler (Elasar J. Pedhazur & Pedhazur Schmelkin, 1991:596ff). Värdet för denna analys leder oss till huruvida en s.k. nollhypotes skall förkastas (r = 0). Är resultatet signifikant finns samband mellan variablerna i materialet. Det dataunderlag som här föreligger visar på att resultatet är signifikant (p < 0,000) och därigenom kan slutsatsen dras att det finns samband i dataunderlaget som är lämpligt för att genomföra faktoranalys. Problemet med detta test är att det nästan undantagslöst blir signifikant, framförallt vid stora dataunderlag. Vad som mäts eller anges är att bland samtliga bivariata korrelationer, i korrelationsmatrisen, åtminstone finns någon som är signifikant (Barmark, 2009:92). Det vore högst osan- 20 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

nolikt, med tanke på dataunderlagets storlek, att H 0 inte skulle uppnås (förkastas) i föreliggande dataset. Pedhazur & Pedhazur Schmelkin anger att: Bartlett s sphericity test is affected by sample size. When N is large, as it should be in factor analytic studies, the null hypothesis will almost always be rejected. This is why the application of Bartlett s test should be "used" as a lower bound to the quality of the matrix. (Elasar J. Pedhazur & Pedhazur Schmelkin, 1991:596ff) Ytterligare en bedömning utöver dessa redan nämnda statistiska tester som bör utföras av den variabeluppsättning som skall ingå i faktoranalysen är att se om underlaget ger partiell korrelation. Denna mätning är relativt enkel att utföra genom att det anges, vid datakörningen (faktoranalysen), att "vi" önskar att se på hur anti-image-matrisen faller ut. I matrisen framgår flera mått som ger en möjlighet till att kunna avgöra om en faktoranalys är möjlig att genomföra. Vad som bl.a. kan utläsas, i korrelationsmatrisen, är den andel av de parvisa korrelationer som inte är korrelerade med övriga variabler. Dessa koefficienter bör vara låga på grund av att matrisen inte enbart består av parvisa korrelationer utan även av en hög grad av multivariat samvariation. Av utrymmesskäl kan inte ett exempel på en sådan matris visas här. Matrisen visar på kovarianser och korrelationer mellan de ingående variablerna (i två enskilda matriser). Med hjälp av matriserna kan det avgöras om eventuellt någon variabel bör uteslutas från analysen. Det finns en fördel med att leta efter variabler som kan ligga i gränstrakten för att inte inkluderas i analysen och som i sin förlängning leder till att övriga kan förklaras med hjälp av ett mindre antal faktorer och bidrar därigenom till att faktorlösningen blir tydligare. Det finns ytterligare ett mått, som framgår, i matrisen Measure of Sampling Adequacy (MSA) som kvantifierar graden av interkorrelationer mellan variabler och lämpligheten att utföra en FA. MSA har ett värde på mellan 0 och 1 där 1 anger att variabeln är perfekt förutsagd (utan några fel mot de övriga variablerna). Värdet på MSA bör inte understiga 0,7 för respektive variabel, se Hair et al. (2006:99). Utfallet av datakörningen visar på att MSA är fullt godkänt och som helhet kan uttryckas att samtliga variabler interkorrelerar i hög utsträckning. HÖGSKOLAN I BORÅS 21

Det framgår också när kolumnen extraction under communalities kontrolleras om det finns några oklarheter. Där framgår det om det finns någon eller några variabler som ligger i gränstrakten 0,3. Ett riktvärde är att värdena bör överstiga 0,4. Framgår låga värden, vid extraheringen, kan det laboreras något med uteslutningar av variabler. Internt bortfall Det interna bortfallet är sparsamt förekommande och valet att använda möjligheten till multipel linjär regressionsimputation av data utesluts. Imputerade värden är kvalificerade gissningar eller uppskattningar som visserligen kan ha empiriskt stöd, men som är baserade på olika antaganden som ofta inte kan verifieras. Värden som saknas kan uppskattas med olika metoder, s.k. imputationsmetoder. Den kompletta uppsättningen data, efter en sådan process, analyseras sedan med statistiska standardmetoder, se t.ex. (Bassam, 2012:320). Strukturellt eller slumpmässigt internt bortfall Det interna bortfallet kan delas upp i två typer: a) systematiskt/strukturellt; b) slumpmässigt. Det strukturella bortfallet kan t.ex. bero på att de studenter som anger att de inte studerar vid campus inte har möjlighet att besvara specifika frågeställningar. Ett sådant strukturellt bortfall kodas som standard till missing values med bortfallskoden 999. Vid den andra typen av internt bortfall (det slumpmässiga) innebär det, i förekommande fall, att det har skett något inmatningsfel till databasen alternativt att respondenten avstått från att besvara en matrisfråga. Det har skett i ett fåtal fall och där kan en beräkning ske utifrån hur respondenten besvarat övriga variabler i matrisen. Vanligtvis kodas även detta bortfall som missing values t.ex. med koden 99. Samtidigt som databasen kodas, enligt ovan, skiftas variablerna till intervallskalenivå och därigenom erhålls ett exakt och korrekt värde vid en imputation. Kortfattat kan tilläggas (i anslutning till förfarandet med imputation av data) att en del av de statistiska standardmetoderna förutsätter kompletta datamatriser och analyserna blir mer komplicerade om data saknas, se t.ex. (Reuterberg, 2001). Andra tillvägagångssätt, när faktoranalys genomförs, är att vid extraheringen välja ett kommando som exkluderar s.k. missing values t.ex. Exclude Cases Listwise (det finns ytterligare några metoder att välja på) som innebär att samtliga individer som helt saknar data, för variabler, 22 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

utesluts oavsett analys (s.k. missing values med koden 999). När kommandot Exclude Cases Listwise används är det viktigt att ha kontroll över det interna bortfallet, eller mer konkret, är det interna bortfallet strukturellt eller slumpmässigt? Ett problem, som kan uppstå, med kommandot Exclude Cases Listwise är att om det interna bortfallet är högt kan det uppstå en situation där det inte finns några respondenter kvar att analysera speciellt vid små undersökningsgrupper. Finns det då en komplett datamatris att tillgå underlättas analysen av resultatet avsevärt. Viktigt är dock att forskaren har kontroll över vad som sker i analysen eller snarare vilka respondenter som kommer att ingå i analysen samt på vilka premisser respondenter utesluts. Reuterberg (2001) klargör att: Imputationsmetoderna har den fördelen framför uteslutning av individer att de leder fram till en komplett datamatris varigenom man kan utnyttja all den information som faktiskt finns insamlad. Dock har de vissa brister och den allvarligaste av dessa är att de leder till underskattningar av varianser och kovarianser. Vidare menar Reuterberg att: (Reuterberg, 2001:177) I och med denna underskattning av varianserna kommer också medelfelen att underskattas vilket ökar risken för Typ I-fel vid signifikansprövningar. Allra mest påtaglig blir underskattningen givetvis om vi imputerar totalmedelvärdet, då samtliga personer med bortfall tilldelas ett och samma imputationsvärde. Dock medför även regressionsimputationerna en viss underskattning eftersom de individer som har identisk kombination av värden på de oberoende variablerna i regressionsekvationen tilldelas identiska värden i bortfallsvariabeln. För att undvika en underskattning av varianser och kovarianser har Rubin (1987) föreslagit multipel regressionsimputation. Med detta menas att man beräknar de värden som skall imputeras på flera olika stickprov av personer och att man tar hänsyn till den osäkerhet som imputationsmetoden medför genom att väga in också den varians som gäller för de upprepade imputationerna. Ett alternativt sätt att ta hänsyn till denna osäkerhet är att man till varje imputerat värde adderar ett slumpmässigt valt värde med en på förhand bestämd variation och med ett medelvärde lika med noll. En sådan funktion finns t ex i SPSS:s statistikpaket. (ibid., sid. 177-178) HÖGSKOLAN I BORÅS 23

Vid en multipel linjär regressionsimputation ges även möjligheten att jämföra originaluppsättningen, i en och samma analys, av variabler med den imputerade uppsättningen. Variansanalys Analysis of Variance (ANOVA) är en samling statistiska metoder för hypotesprövning. ANOVA kan användas för att undersöka skillnader i variansen mellan två eller fler populationer. I föreliggande studie undersöks diskrepanser, mellan akademiers medelvärden, på de tio index som ingår i studien. Det utförs även 2 x 3 (gender x akademi) between-group ANOVA där analyser av main effect och interactions effect av gender och akademi sker samtidigt. Diskrepansen säkerställs således statistiskt dels genom enkel variansanalys och dels genom multipel variansanalys. Konfidensintervallet beräknas för en given konfidensgrad. Exempelvis kan ett konfidensintervall bestämmas för konfidensgraden 95 procent, vilken bestäms i förväg av användaren. Mer konkret innebär detta att den verklighet som är avsedd att mätas befinner sig innanför konfidensintervallet vid 95 procent av fallen). Detta innebär således att om sampels (stickprov) tas från andra studentpopulationer vid lärosätet är risken mindre än 5 på 100 att ett s.k. typ 1 fel uppstår alltså att H 0 förkastas (om den vore sann). Resonemanget förutsätter att ett statistiskt korrekt urval av respondenter skett samt att svarsfrekvensen är något högre än i föreliggande studie (vid en generalisering). Vid sambandsanalyser (regressionsanalyser) bör reliabiliteten närma sig en gräns som generellt ligger i spannet 0,7-0,9 (Djurfeldt et al., 2003; Edlund, 1995; Smithson, 2000:286ff). Cronbach s alpha är den mest använda metoden för att mäta reliabilitet och som även används i föreliggande studie. Mätmetoden kan beskrivas som ett mått på hur mycket en variabel är associerat med andra (t.ex. inom en faktor). Utifrån faktoranalysens utfall kan även begrepp som validitet och intern konsistens (jmf engelskans internal consistency) analyseras. Begreppet kan förklaras som att den ömsesidiga korrelationen i faktorns extraherade variabler tillsammans är tillräckligt starkt korrelerad (Barmark, 2009:100). 24 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Indexering av variabler En teoretisk diskussion kan föras huruvida det är bättre, mätmässigt, att konstruera index istället för att välja ut en representativ variabel för varje enskild faktor. Barmark (2009) diskuterar såväl för- som nackdelar vid dessa båda metodval. Väljs den variabel som laddar högst i faktorn bör den även på ett teoretiskt plan vara representativ för det latenta fenomen som faktorn är tänkt att representera. En hög faktorladdning innebär att variabeln är den som empiriskt ligger närmast faktorn och den borgar också för att residualen (mätfelet och den unika spridningen hos denna variabel i relation till den latenta) är relativt liten. (Barmark, 2009:100) Orsaken till detta är att faktorerna är baserade på en faktorlösning som är unik för varje material och inte kommer att bli exakt likadant i en upprepad mätning av samma variabler. (ibid., sid.101) Ett problem som uppstår, om en enskild variabel får representera faktorn, är att det kan vara svårt att välja ut en sådan om det finns fler som laddar högt. Risken blir att ingen enskild variabel representerar hela faktorn och således blir tillförlitligheten i mätningen lidande. Fördelen med EFAn tenderar ändå att överväga genom att ha ett högre förklaringsvärde i jämförelse med ett index som skapats utan faktoranalys, framförallt när sambandsanalyser skall utföras. Varje enskild variabel är behäftade med slumpmässiga mätfel som till viss del faktorerna är befriade från. Generellt, innan beslut tas, bör det övervägas om att testa båda varianterna för att konstatera hur diskrepansen ser ut. I samtliga studier, och även i föreliggande, har index skapats utifrån variabler som associerar väl med respektive faktor. Vid en sådan indexering skall det finnas en teoretisk förankring för ändamålet. Brukligt är att reliabilitetsmåttet används för att avgöra om en indexering av faktorers enskilda variabler är möjlig att utföra, ur ett teoretisk vetenskapligt perspektiv. Rent praktiskt bör ett alfa på minst 0,7 erhållas, men hellre uppåt 0,9 för att det skall anses som ett godtagbart mått på intern konsistens. Slutsatsen blir att den interna konsistensen är acceptabel för nio faktorer och att reliabiliteten är hög (r > 0,80) Ett index, studentsamarbetet, uppvisar en reliabilitet strax under 0,7. Resultaten för de tio kvalitetsindexen säkerställs statistiskt enligt följande modell. HÖGSKOLAN I BORÅS 25

3 (akademier) * 2 (gender) between subject s ANOVA med tillägg Post Hoc, Multiple Comparisons (Bonferroni) 5 se t.ex. (Bryman & Cramer, 2011; Howitt & Cramer, 2008; Elasar J. Pedhazur & Pedhazur Schmelkin, 1991:464ff). Utifrån dessa analyser kan huvud- och interaktioseffekter säkerställas. Vad gäller analys för resultatdel II sker dessa analyser främst genom en något enklare form för statistisk analys, än vad som angetts ovan. Mätinstrumentets validitet Mätinstrumentets validitet har analyserats och bearbetats under ett flertal år och den interna konsistensen har visat sig vara godtagbar vid faktoranalysens extrahering samt att variabler inom respektive faktor varit relativt konstanta under, i vart fall, de fyra närmast genomförda undersökningarna (Sigrén, 2014, 2015, 2016, 2017). När faktorerna synas något närmare kan det, om möjligt, vara på så sätt att några eventuellt kan slås ihop. För att kunna avgöra om ett sådant beslut skall tas bör mer djupgående analyser ske där confirmatory factor analysis (CFA) tillsammans med t.ex. structural equation modeling (SEM) 6 kan ge ytterligare hjälp på vägen, huruvida en sammanslagning av faktorer kan utföras. Den sist nämnda metoden gör det möjligt att på en och samma gång analysera fler index (multipel analys). Kortfattat kan det förklaras som att det konstrueras en flerdimensionell modell. Gustafsson (2009) klargör att i vissa sammanhang är det också möjligt att undersöka variablers ömsesidiga påverkan av varandra (Gustafsson, 2009:269). När regressions- och variansanalyser utförs bör en intervallskala ligga till grund för bearbetningen av empirin (avser den beroende variabeln). Många analystekniker är konstruerade på ett sätt där det "räknas" på medelvärden och/eller medianer (exempel på sådana kan vara ANOVA och regressionsanalys). Resonemanget leder till att svarsalternativen för en beroende variabel måste/bör utformas som ett intervall t.ex. en Likertskala. 5 Testet innebär att det i en och samma körning kan avgöras om skillnader är signifikanta för fler än två latenta variabler. 6 Muthén & Muthén s ekvationsmodelleringsprogram Mplus är t.ex. ett program för denna typ av analyser. R-Console är ett annat exempel på programvara för SEM analyser (Open Source). 26 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Tillförlitlighet av mätningar Tillförlitligheten i ett mätinstrument är inte enkel och helt oproblematisk men samtidigt går reliabilitet att hantera på ett annat sätt än problematik som avser en mätnings validitet, se t.ex. (Elasar J. Pedhazur & Pedhazur Schmelkin, 1991:81-118). En hög reliabilitet är inte synonymt med en hög validitet. Det kan vara att fel fenomen mäts men det erhålls ett likvärdigt resultat vid återupprepade mätningar och då håller, i vart fall, mätinstrumentet en hög reliabilitet. Det går således att påstå att en låg reliabilitet för ett instrument ger även en låg validitet däremot kan det inte påstås att en hög reliabilitet med automatik skulle innebära en hög validitet. Om något eller några variabler skall exkluderas framgår först när en faktoranalys har utförts och analyserats. En sådan exkludering, av en variabel, bör även vara teoretiskt förankrad. T.ex. kan det vara att en enskild variabel (som nämnts tidigare) laddar någorlunda starkt inom flera faktorer (oftast inom två faktorer) eller att laddningen är så pass låg att den inte tillför något. Ett smidigt sätt att kontrollera reliabilitet är att ta ett slumpmässigt urval av urvalet och sedan jämföra resultatet mot originalet. Det kan även utföras en s.k. Test-Retest Reliabilitet där det utförs upprepade mätningar som utgår ifrån samma mätmetod och genomförande. Utifrån dessa mätningar beräknas sedan korrelationen från respektive mättillfälle. Det kan avse en respondents svar på ett formulär, vilket är en typ av Test- Retest Reliabilitet, eller en bedömares skattning. Ytterligare metodologiska angreppsätt att mäta reliabilitet på är Split-Half metoden, som innebär att frågorna delas i två hälfter och därigenom beräknas sedan korrelationen mellan dessa hälfter. I föreliggandes studie används Cronbach s alpha som ett mått på reliabilitet och det bör tilläggas att i ett teoretiskt perspektiv är Cronbach's alpha ett mått på alla Split-Half utförda på en och samma gång kan även ses som ett utfall av faktorers Internal Consitency Reliability. Validitet i frågeställningar är däremot svårare att ha kontroll över. Wolming (1998) anger bl.a. Något som är gemensamt för alla dessa instrument och dess tillämpningar är att inget av dem är perfekta i sin strävan att visa på en med verkligheten överensstämmande bild. När vi försöker att erhålla en bild av ett fenomen eller företeelse, kan en mätning aldrig vara något som ger en till fullo sann och överensstämmande bild av verkligheten. Resultatet av mätningen är alltid indikationer på det man vill mäta. (Wolming, 1998:81) HÖGSKOLAN I BORÅS 27

Messick (1998) diskuterar att både empiriska och teoretiska resonemang och belägg är väsentliga delar i en validering (Wolming 1998:94). När Messick beskrev begreppet validitet använde han två aspekter som avsåg mätningars utfall och motiv för mätningen. Mätningars utfall avser de tolkningar som görs och nyttan av mätningen. Motivet blir då en fråga som styrs mot syftet för studien/mätningen en slags värdering (Messick, 1989). Brister i deskriptiva mätningar förekommer som bl.a. kan förklaras hur instrumentet hanteras t.ex. mätningars noggrannhet, se t.ex. (Linn, Baker, & Dunbar, 1990). För att undvika feltolkningar är en bra hjälp på vägen att använda sig av faktoranalys som metod. Utifrån en faktoranalys kan även frågebatteriets validitet diskuteras närmare. En klassisk förklaring till vad validitet innebär är att validitet är ett begrepp som används för att beskriva mätningars kvalitet. Kort och gott: vad skall mätas och hur väl lyckas det med hjälp av instrumentet "fånga upp" fenomenet? se t.ex. (Elasar J. Pedhazur & Pedhazur Schmelkin, 1991:52-80). Validiteten i föreliggande undersökning kan ytterligare kontrolleras genom att utföra (dock inte i föreliggande studie) Confirmatory Factor Analysis (CFA) där ansatsen är att pröva den faktorstruktur som erhållits specifikt för att säkerställa validiteten i materialet. Om det t.ex. visat sig vid EFAn att vissa frågeställningar, i en eller fler frågematriser, mäter samma grundläggande förmåga eller egenskap kan det genom CFAn testas i hur hög grad detta verkligen stämmer, se t.ex. (Barmark, 2009; Gustafsson, 2009; Elazar J. Pedhazur & Kerlinger, 1982; Elasar J. Pedhazur & Pedhazur Schmelkin, 1991:631-694). Skillnaden mellan explorativ och konfirmatorisk faktoranalys är att i den sist nämnda specificeras en modellstruktur i förväg och testar dess lämplighet för ett visst givet datamaterial (Elasar J. Pedhazur & Pedhazur Schmelkin, 1991:631). EFAn i sin tur extraherar strukturer i empirin i form av faktorer som identifierats som lämpliga för att visa på fenomen (i föreliggande studie benämns dessa som kvalitetsindex jmf (Hair et al., 2006:117ff). Genom att applicera CFAn som en submodel i den mer generella metoden Structural Equation Modeling (SEM) kan antaganden om validiteten, i såväl föreliggande som föregående års studier, ytterligare förstärkas/bekräftas, se t.ex. (Gustafsson, 2009:269-321; Elasar J. Pedhazur & Pedhazur Schmelkin, 1991:695-740). 28 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Som ett tillägg och ett förtydligande till Wolming s citat ovan går det inte att bortse ifrån att faktorer och index är empiriska konstruktioner och resultaten är, som alltid, tolkningsbara beroende på tolkarens referensramar. HÖGSKOLAN I BORÅS 29

3 RESULTAT I INLEDNING Under kapitel tre redovisas 60 frågeställningar som har indexerats till tio index. Som tidigare nämnts genomförs explorativ faktoranalys (EFA) dels för att se vilka variabler som extraheras och dels för att avgöra om den interna konsistensen, inom respektive faktor, är tillräcklig hög. Det redovisas även ett totalt nöjdhetsindex (NSI) som omfattar de 60 frågeställningarna samt ett stressindex. Den förklarade variansen är 59,02 procent som är ett mått på instrumentets förklararingsvärde av de extraherade faktorerna (kan ses som ett mått på validitet). En tumregel är att den förklarade variansen bör överstiga 60 procent (Barmark, 2009). Den extraheringsmetod som används är Principal Axis Factoring med rotationsmetod Direct Oblimin. Den förklarade variansen sjunker något beroende på att det utförs en extrahering med tio faktorer istället för att välja en modell med elva faktorer. Utfallet från Scree plot visar på att en extrahering med tio faktorer passar bättre in i modellen. Resultaten redovisas genom tabeller och figurer där akademierna hålls konstanta mot en manifest (ett index) variabel. Resultaten redovisas för lärosätet totalt, lärosätets tre akademier samt akademiernas 14 sektioner. Vad gäller resultatredovisningen för enskilda programutbildningar kan detta utföras, på uppdrag av akademierna. Program med minst 20 studenter är, ur ett statiskt perspektiv, relevant att diskutera. Jämförelser mellan akademier och sektioner kan utläsas i resultaten och de diskrepanser som föreligger på de tio indexen, mellan akademierna, är statistiskt säkerställda genom variansanalys. Vid resultatredovisningen görs ett försök att på ett strukturerat, metodiskt och tydligt sätt redovisa ett index åt gången. I redovisningen av respektive index ingår faktorer, index, reliabilitetsmått, medelvärde, standardavvikelse, positiv opinion samt utfallet från variansanalysen. En kort sammanfattning av resultaten sker såväl löpande och dels i slutet av kapitlet. Redovisningen är omfattande och en rekommendation är att använda innehållsförteckningen, för att snabbt hitta de resultat som är intressanta för den egna verksamheten. HÖGSKOLAN I BORÅS 31

Akademier som anges med förkortningar är: A1 A2 A3 Akademin för textil, teknik och ekonomi Akademin för vård, arbetsliv och välfärd Akademin för bibliotek, information, pedagogik och IT Sektioner som anges med förkortningar är: A1S1 A1S2 A1S3 A1S4 A1S5 A2S1 A2S2 A2S3 A2S4 A3S1 A3S2 A3S3 A3S4 A3S5 Sektionen för resursåtervinning och hållbart samhällsbyggande Sektionen för ingenjörsvetenskap Sektionen för företagsekonomi och textilt management Sektionen för textilteknologi Sektionen för design Sektionen för arbetsliv och välfärd Sektionen för vårdvetenskap Sektionen för vårdvetenskap samt sexuell och reproduktiv hälsa Sektionen för akut- och prehospital vård samt medicinsk teknik Sektionen för biblioteks- och informationsvetenskap Sektionen för förskollärarutbildning Sektionen för lärarutbildning Sektionen för informationsteknologi Sektionen för pedagogisk utveckling och forskning 32 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Enkätens genomförande Enkät I och II bjöds ut (webbaserad) den 1 november 2016 till 3 081studenter. Tre påminnelser utfördes under perioden 14 november till och med den 27 december 2016. Enkäten stängdes den 3 januari 2017. Enkäten har bjudits ut såväl på svenska som på engelska (internationella studenter). Population och urvalsprocess Urvalsprocessen bestod av ett systematiskt urval som innebär att samtliga individer, inom den totala populationen, skall ges möjlighet till en likadan inklusionssannolikhet. Respondenterna är dragna, med ett intervall, enligt formeln K=N/n. K representerar urvalets intervall, se t.ex. (Djurfeldt et al., 2003:105ff). I studien inkluderas även studenter som studerar på distans. N = 5 938, exkluderat de internationella studenterna (N = 114). Urvalet (n) bestämdes till 2 967 (cirka 50 procent) samt de internationella studenterna, se tabell 3.1. K bestämdes till två som innebar att varannan student valdes ut. Startpunkten valdes slumpmässigt till ett. Fördelar med denna urvalsprocess är att den är enkel, billig och objektiv. Fem strata har skapats utifrån tre stratifieringsvariabler (akademi, ålder och kön) samt för de internationella studenterna och studenter på distans (inget urval utfördes inom dessa två grupper). Underlaget utgick ifrån registrerade studenter (på ett program) hösten 2016. 7 Att det inte utfördes något urval i grupperna "internationella studenter" beror på att antalet är lågt och att det finns en risk för att svarsfrekvensen inte blir tillräcklig hög. 7 Från lärosätets studentadministrativa system LADOK. HÖGSKOLAN I BORÅS 33

Tabell 3.1 Urval per akademi. Andel i antal och procent. REG. STUDENTER URVAL KVINNOR MÄN N N N N % A1 TOTALT 2 429 1 215 703 58 512 42 A2 TOTALT 1 321 659 558 85 101 15 A3 TOTALT 2 187 1 093 841 77 252 23 TOTALT HB 5937 2 967 2 102 71 865 29 INTERNATIONELLA 8 114 114 71 62 43 38 Svarsfrekvens och bortfallsanalys En aspekt som blir svårhanterlig är att få kontroll över är studenter (s.k. nybörjare) som tidigt hoppar av sina studier. Dessa studenter finns (av olika anledningar) fortfarande registrerade i LADOK, när föreliggande studie genomförts. Det finns studier som påvisar att så pass många som var tredje student, som per definition, är nybörjare avslutar sina studier redan under första läsåret se t.ex. (Forsman & Andersson, 2010). I föreliggande resultat anger 55 procent av studenterna att de inte tidigare studerat vid en högskola eller ett universitet. UKÄ:s årsrapport redovisar att 54 procent (beräknat på helårsstudenter), av den totala populationen, är nybörjare vid Högskolan i Borås, läsåret 2014/15 varav 69 procent av dessa finns kvar under år två (Universitetskanslersämbetet, 2016:143ff). Det bör innebära att en viss andel, av urvalet, troligtvis redan avslutat studierna men ändå finns kvar i systemet. Det påverkar naturligtvis svarsfrekvensen negativt och kan vara värt att ta i beaktande. Samtidigt 8 De internationella studenterna räknas som en egen grupp. Dessa studenter är kodade och kan särskiljas vid analysen. 34 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

visar diskussionen ovan på hur svårt det är att analysera data, statistiskt korrekt, med tanke på att det finns ett "dolt" bortfall som i sin tur drar ner svarsfrekvensen. I föreliggande studie innebär det att drygt 1 600 studenter, av urvalet, är s.k. nybörjare och av dessa har ett antal studenter avslutat sina studier redan under första terminen. Ytterligare en andel av urvalet har avslutat studierna under den andra terminen. Resonemanget leder till, på matematisk grund, att svarsfrekvensen bör ligga runt 40 procent. Det finns ett flertal studier som påvisar svårigheter med ett erhålla en hög svarsfrekvens vid webbaserade enkätundersökningar, se t.ex. (Bassam, 2012; Hansson, 2006; Reuterberg, 2001) jmf (Forsman & Andersson, 2010). Tabell 3.2 Urval, svarsfrekvens och kön. Andel i antal och procent. AKADEMI URVAL SVARSFREKVENS KVINNOR MÄN A1 N N % N % N % TOTALT 1 215 397 33 263 66 134 34 A2 TOTALT 659 221 34 189 86 32 14 A3 TOTALT 1 093 387 35 319 82 68 18 TOTALT HB 2 967 1 005 34 771 77 234 23 INTERNATIONELLA 114 58 51 37 64 21 36 HÖGSKOLAN I BORÅS 35

Åldersstruktur Tabell 3.3 Svarsfrekvens per akademi och ålderskategorier. Andel i procent (inom akademier samt HB totalt). N = 1 005. ÅLDER A1 A2 A3 HB TOT. UNDER 23 ÅR 53,6 30,0 26,2 41,5 24-26 ÅR 27,2 13,1 17,1 20,2 27-37 ÅR 17,6 32,1 32,0 26,4 38 ÅR OCH ÄLDRE 1,5 25,8 14,7 11,9 Nybörjare vid lärosätet? 55 procent av studenterna anger att de är s.k. nybörjare. 43 procent har studerat mindre än två terminer. Universitetskanslersämbetet (UKÄ) anger en högre andel nybörjare vid Högskolan i Borås dock använder UKÄ fler stratifieringsvariabler i sin beräkningsmodell, se t.ex. (Universitetskanslersämbetet, 2016). UKÄ diskuterar även vad som skall räknas som en nybörjare (a.a., s. 144). Definitionen, enligt UKÄ, är att en student som påbörjar sina studier vid ett specifikt lärosäte räknas som en nybörjare. Tabell 3.4 Antal terminer för studier. Andel i procent i förhållande till akademi. N = 1 003 AKADEMI < 2 TERM. 3-5 TERM. > 6 TERM. A1 45,2 46,0 8,8 A2 46,2 36,7 17,2 A3 39,6 46,9 13,5 HB TOTALT 43,3 44,3 12,5 36 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

3.1 ANALYTISKA FÖRMÅGOR Högskolan totalt Tabell 3.1.1 Frågeställning: i vilken grad tycker du att studierna utvecklar din förmåga när det gäller följande? 7-gradig intervallskala. 1 = i mycket låg grad; 7 = i mycket hög grad. Medelvärde, standardavvikelse, faktorladdning samt reliabilitet. Rangordnat efter medelvärde. HB totalt. N = 955 (valid listwise). VARIABLER (ALPHA 0,891) M SD LADDNING SÖKA INFORMATION 5,06 1,53 0,763 TÄNKA KRITISKT 5,04 1,47 0,786 ANALYSERA PROBLEM 4,94 1,42 0,753 UTFÖRA SKRIFTLIGA PRESENTATIONER 4,94 1,49 0,715 SJÄLVSTÄNDIGT LÖSA PROBLEM 4,91 1,42 0,652 VÄRDERA INFORMATION 4,90 1,50 0,838 UTFÖRA MUNTLIGA PRESENTATIONER 4,51 1,68 0,578 UTVECKLA MIN KREATIVITET 4,32 1,73 0,522 MEDELVÄRDE - INDEX 4,83 1,15 Tabell 3.1.2 3 (Academy) x 2 (gender) between subjects ANOVA on the dependent measures Analytiska förmågor. Means and standard deviations are displayed in the table 3.1.4. (N = 967). TYPE III SUM OF MEAN SOURCE SQUARES DF SQUARE F SIG. ETA 2 CORRECTED MODEL 40,502 A 5 8,1 6,242 0,000 0,031 INTERCEPT 12329,953 1 12329,953 9501,523 0,000 0,908 GENDER 3,792 1 3,792 2,922 0,088 0,003 ACADEMY 21,292 2 10,646 8,204 *** 0,000 0,017 GENDER * ACADEMY 0,635 2 0,318 0,245 0,783 0,001 ERROR 1247,072 961 1,298 TOTAL 23818,427 967 CORRECTED TOTAL 1287,574 966 A. R Squared =,031 (Adjusted R Squared =,026). * = p < 0,05; ** = p < 0,01; *** = p < 0,001 HÖGSKOLAN I BORÅS 37

Studenter på A1 (M = 4.60) upplever att analytiska förmågor utvecklas sämre (F 2,961 = 8.20, p < 0.000, h 2 = 0.017) jämfört med studenter på A2 (M = 5.03 ) och A3 (M = 4.94). Ingen interaktionseffekt kan påvisas (F 2,961 = 0.245, p < 0.783, h 2 = 0.001), se tabell 3.1.2 & 3.1.3. Figur 3.1.1 förstärker även resultaten ytterligare. Det framgår en relativt stor skillnad i hur träffbilden ser ut för respektive akademi. Akademier Tabell 3.1.3 Dependent variable Analytiska förmågor. Multiple Comparisons, Post Hoc (Bonferroni). ACADEMY ACADEMY MEAN DIFFERENCE (I) (J) (I-J) SE. SIG. A1 A2 -,4351 *** 0,098 0,000 A3 -,3412 *** 0,083 0,000 A2 A1,4351 *** 0,098 0,000 A3 0,094 0,098 1,000 A3 A1,3412 *** 0,083 0,000 A2-0,094 0,098 1,000 * = p < 0,05; ** = p < 0,01; *** = p < 0,001 38 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

ANALYTISKA FÖRMÅGOR 100 80 68,2 81,5 76,1 74,2 60 40 20 0 AKADEMI 1 AKADEMI 2 AKADEMI 3 HB TOTALT Figur 3.1.1 Positiv opinion 9 för respektive population. Andel i procent över medelvärdet 4,0. 9 Diagrammet visar på hur träffbilden ser ut för respektive akademi över ett givet värde på 4,0 på en 7-gradig intervallskala. Referensvärde 100. Andel i procent. HÖGSKOLAN I BORÅS 39

Sektioner Tabell 3.1.4 Redovisning per akademi och sektion. Medelvärde, standardavvikelse och antal respondenter. AKADEMI SEKTION M SD N A1 A1S1 SEKTIONEN FÖR RESURSÅTERVINNING OCH HÅLLBART SAMHÄLLSBYGGANDE 4,69 1,22 56 A1S2 SEKTIONEN FÖR INGENJÖRSVETENSKAP 5,28 1,12 95 A1S3 SEKTIONEN FÖR FÖRETAGSEKONOMI OCH TEXTILT MANAGEMENT 4,65 1,10 167 A1S4 SEKTIONEN FÖR TEXTILTEKNOLOGI 1,78 1,37 43 A1S5 SEKTIONEN FÖR DESIGN 5,09 0,91 19 TOTALT - A1 4,60 1,16 380 MÄN 4,47 1,06 130 KVINNOR 4,67 1,20 220 A2 A2S1 SEKTIONEN FÖR ARBETSLIV OCH VÄLFÄRD 5,14 1,17 28 A2S2 SEKTIONEN FÖR VÅRDVETENSKAP 5,35 0,86 108 A2S3 SEKTIONEN FÖR VÅRDVETENSKAP SAMT SEXUELL OCH REPRODUKTIV HÄLSA 4,96 1,01 16 A2S4 SEKTIONEN FÖR AKUT- OCH PREHOSPITAL VÅRD SAMT MEDICINSK TEKNIK 4,61 0,95 134 TOTALT - A2 5,03 1,04 211 MÄN 4,98 1,28 31 KVINNOR 5,04 1,00 180 A3 A3S1 SEKTIONEN FÖR BIBLIOTEKS- OCH INFORMATIONSVETENSKAP 4,89 1,21 134 A3S2 SEKTIONEN FÖR FÖRSKOLLÄRARUTBILDNING 5,00 1,19 122 A3S3 SEKTIONEN FÖR LÄRARUTBILDNING 4,91 1,16 75 A3S4 SEKTIONEN FÖR INFORMATIONSTEKNOLOGI 4,83 1,00 40 A3S5 SEKTIONEN FÖR PEDAGOGISK UTVECKLING OCH FORSKNING 6,13 0,47 6 TOTALT - A3 4,94 1,17 376 MÄN 4,74 1,00 67 KVINNOR 4,98 1,21 309 TOTALT HB 4,83 1,15 967 MÄN 4,62 1,09 228 KVINNOR 4,89 1,17 739 40 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Akademi 1 ANALYTISKA FÖRMÅGOR A1S5 89,5 SEKTIONER - AKADEMI 1 A1S4 A1S3 A1S2 A1S1 AKADEMI 1 TOTALT HB TOTALT 67,4 70,7 68,8 73,2 68,2 74,2 0 20 40 60 80 100 Figur 3.1.2 Positiv opinion för respektive sektion inom akademi 1. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. HÖGSKOLAN I BORÅS 41

Akademi 2 ANALYTISKA FÖRMÅGOR A2S4 62,5 SEKTIONER - AKADEMI 2 A2S3 A2S2 A2S1 AKADEMI 2 TOTALT 79,6 89,3 86,2 81,5 HB TOTALT 74,2 0 20 40 60 80 100 Figur 3.1.3 Positiv opinion för respektive sektion inom akademi 2. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. 42 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Akademi 3 ANALYTISKA FÖRMÅGOR A3S5 100,0 * SEKTIONER - AKADEMI 3 A3S4 A3S3 A3S2 A3S1 AKADEMI 3 TOTALT 75,0 78,7 74,6 75,4 76,1 HB TOTALT 74,2 0 20 40 60 80 100 Figur 3.1.4 Positiv opinion för respektive sektion inom akademi 3. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. * endast sex respondenter HÖGSKOLAN I BORÅS 43

3.2 INFÖR KURSSTART Högskolan totalt Tabell 3.2.1 Frågeställning: i vilken grad tycker du att... 7-gradig intervallskala. 1 = i mycket låg grad; 7 = i mycket hög grad. Medelvärde, standardavvikelse, faktorladdning samt reliabilitet. Rangordnat efter medelvärde. HB totalt. N = 915 (valid listwise). VARIABLER (ALPHA 0,878) M SD LADDNING TIDERNA FÖR EXAMINATION MEDDELAS I GOD TID 5,45 1,54 0,540 KURSPLAN FINNS TILLGÄNGLIGT I GOD TID 5,37 1,68 0,832 LITTERATURLISTA FINNS TILLGÄNGLIGT I GOD TID 5,00 1,79 0,850 SCHEMA FINNS TILLGÄNGLIGT I GOD TID 4,90 1,90 0,725 STUDIEGUIDE/HANDBOK FINNS TILLGÄNGLIGT I GOD TID 4,49 1,76 0,661 MEDELVÄRDE - INDEX 5,04 1,42 Tabell 3.2.2 3 (Academy) x 2 (gender) between subjects ANOVA on the dependent measures Inför kursstart. Means and standard deviations are displayed in the table 3.2.4. (N = 935). SOURCE TYPE III SUM OF SQUARES DF MEAN SQUARE F SIG. ETA 2 CORRECTED MODEL 16,730 A 5 3,346 1,659 0,142 0,009 INTERCEPT 13326,566 1 13326,566 6608,452 0,000 0,877 GENDER 7,263 1 7,263 3,602 0,058 0,004 ACADEMY 4,950 2 2,475 1,227 0,294 0,003 GENDER * ACADEMY 3,611 2 1,805 0,895 0,409 0,002 ERROR 1873,416 929 2,017 TOTAL 25651,228 935 CORRECTED TOTAL 1890,146 934 A. R Squared =,009 (Adjusted R Squared =,004) 44 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Inga statistiska säkerställda skillnader kan påvisas för huvudeffekterna (akademi och gender). Det framgår att det är värt att se något närmare på gender (p = 0,058). Figur 3.2.1 visar att A3 ligger något lägre jämfört med A1 och A2 dock ej statistiskt säkerställt på 0,05 nivån. Akademier Tabell 3.2.3 Dependent variable Inför kursstart. Multiple Comparisons Post Hoc, (Bonferroni). AKADEMI AKADEMI MEAN DIFFERENCE (I) (J) (I-J) SE. SIG. A1 A2-0,132 0,124 0,864 A3 0,106 0,105 0,938 A2 A1 0,132 0,124 0,864 A3 0,238 0,125 0,168 A3 A1-0,106 0,105 0,938 A2-0,238 0,125 0,168 INFÖR KURSSTART 100 80 78,5 78,2 71,8 75,8 60 40 20 0 AKADEMI 1 AKADEMI 2 AKADEMI 3 HB TOTALT Figur 3.2.1 Positiv opinion 10 för respektive population. Andel i procent över medelvärdet 4,0. 10 Diagrammet visar på hur träffbilden ser ut för respektive akademi över ett givet värde på 4,0 på en 7-gradig intervallskala. Referensvärde 100. Andel i procent. HÖGSKOLAN I BORÅS 45

Akademi 1 INFÖR KURSSTART A1S5 61,1 SEKTIONER - AKADEMI 1 A1S4 A1S3 A1S2 A1S1 AKADEMI 1 TOTALT 75,6 78,3 81,7 81,8 78,5 HB TOTALT 75,8 0 20 40 60 80 100 Figur 3.2.2 Positiv opinion för respektive sektion inom akademi 1. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. HÖGSKOLAN I BORÅS 47

Akademi 2 INFÖR KURSSTART A2S4 75,0 SEKTIONER - AKADEMI 2 A2S3 A2S2 A2S1 AKADEMI 2 TOTALT 80,2 82,1 73,2 78,2 HB TOTALT 75,8 0 20 40 60 80 100 Figur 3.2.3 Positiv opinion för respektive sektion inom akademi 2. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. 48 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Akademi 3 INFÖR KURSSTART A3S5 100,0 * A3S4 86,8 SEKTIONER - AKADEMI 3 A3S3 A3S2 A3S1 AKADEMI 3 TOTALT 65,3 68,8 73,1 71,8 HB TOTALT 75,8 0 20 40 60 80 100 Figur 3.2.4 Positiv opinion för respektive sektion inom akademi 3. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. * endast sex respondenter HÖGSKOLAN I BORÅS 49

3.3 PEDAGOGISK KVALITET I UNDERVISNINGEN Högskolan totalt Tabell 3.3.1 Frågeställning: i vilken utsträckning tycker du att... 7-gradig intervallskala. 1 = i mycket låg utsträckning; 7 = i mycket hög utsträckning. Medelvärde, standardavvikelse, faktorladdning samt reliabilitet. Rangordnat efter medelvärde. HB totalt. N = 833 (valid listwise). VARIABLER (ALPHA 0,933) M SD LADDNING LÄRARNA ÄR KUNNIGA I SINA ÄMNEN 5,24 1,48 0,517 LÄRARNA ÄR VÄL FÖRBEREDDA 4,82 1,57 0,610 LÄRARNA ÄR TILLMÖTESGÅENDE 4,78 1,50 0,669 LÄRARNA ÄR STÖDJANDE 4,38 1,59 0,615 LÄRARNA ÄR TILLGÄNGLIGA 4,38 1,60 0,540 DET ÄR LÄTT ATT FÅ KONTAKT MED LÄRARNA 4,37 1,79 0,515 UNDERVISNINGEN ÄR STIMULERANDE 4,32 1,57 0,562 LÄRARNA ÄR ÖPPNA FÖR KRITISKA SYNPUNKTER 4,27 1,64 0,508 LÄRARNA ÄR FLEXIBLA 4,23 1,56 0,627 LÄRARNA BRYR SIG OM SYNPUNKTER DE FÅR PÅ UNDERVISNINGEN 4,05 1,72 0,581 UNDERVISNINGEN ÄR VÄLORGANISERAD 3,64 1,51 0,463 LÄRARNA INTRESSERAR SIG FÖR HUR DU KLARAR DINA STUDIER 3,56 1,73 0,531 MEDELVÄRDE - INDEX 4,34 1,25 50 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Tabell 3.3.2 3 (Academy) x 2 (gender) between subjects ANOVA on the dependent measures Pedagogisk kvalitet i undervisningen. Means and standard deviations are displayed in the table 3.3.4. (N = 938). TYPE III SUM OF SQUARES MEAN SQUARE F SIG. ETA 2 SOURCE DF CORRECTED MODEL 26,548 A 5 5,310 3,461 0,004 0,018 INTERCEPT 9711,642 1 9711,642 6331,064 0,000 0,872 GENDER 0,022 1 0,022 0,014 0,906 0,000 ACADEMY 16,191 2 8,095 5,277 ** 0,005 0,011 GENDER * ACADEMY 0,358 2 0,179 0,117 0,890 0,000 ERROR 1429,657 932 1,534 TOTAL 18352,996 937 CORRECTED TOTAL 1717,053 936 A. R Squared =,018 (Adjusted R Squared =,013) * = p < 0,05; ** = p < 0,01; *** = p < 0,001 Studenter på A2 (M = 4.65) upplever att den pedagogiska kvaliteten i utbildningen är högre (F 2,932 = 5.28, p < 0.005, h 2 = 0.011) jämfört med A1 (M = 4.25) och A3 (M = 4.25). Ingen interaktionseffekt kan påvisas (F 2,932 = 0.12, p < 0.890, h 2 = 0.000), se tabell 3.3.2 & 3.3.3. Figur 3.3.1 förstärker även resultaten ytterligare. Det framgår en relativt stor skillnad i hur träffbilden ser ut för respektive akademi. Det bör påpekas att den pedagogiska kvaliteten i undervisningen uppvisar ett relativt lågt resultat. Det finns något undantag men generellt är resultatet ej tillfredsställande med tanke på att studenten skall sättas i centrum. Anm.: Något förvånande uppvisar akademi 3 lägsta värdet för pedagogisk kvalitet i undervisningen. HÖGSKOLAN I BORÅS 51

Akademier Tabell 3.3.3 Dependent variable Pedagogisk kvalitet i undervisningen. Multiple Comparisons, Post Hoc (Bonferroni). AKADEMI AKADEMI MEAN DIFFERENCE (I) (J) (I-J) SE. SIG. A1 A2 -,3999 ** 0,108 0,001 A3 0,010 0,091 1,000 A2 A1,3999 ** 0,108 0,001 A3,4094 ** 0,109 0,001 A3 A1-0,010 0,091 1,000 A2 -,4094 ** 0,109 0,001 * = p < 0,05; ** = p < 0,01; *** = p < 0,001 100 PEDAGOGISK KVALITET I UNDERVISNINGEN 80 60 60,7 71,3 58,6 62,2 40 20 0 AKADEMI 1 AKADEMI 2 AKADEMI 3 HB TOTALT Figur 3.3.1 Positiv opinion 11 för respektive population. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. 11 Diagrammet visar på hur träffbilden ser ut för respektive akademi över ett givet värde på 4,0 på en 7-gradig intervallskala. Referensvärde 100. Andel i procent. 52 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Sektioner Tabell 3.3.4 Redovisning per akademi och sektion. Medelvärde, standardavvikelse och antal respondenter. AKADEMI SEKTION M SD N A1 A1S1 SEKTIONEN FÖR RESURSÅTERVINNING OCH HÅLLBART SAMHÄLLSBYGGANDE 4,48 1,48 56 A1S2 SEKTIONEN FÖR INGENJÖRSVETENSKAP 3,97 1,31 93 A1S3 SEKTIONEN FÖR FÖRETAGSEKONOMI OCH TEXTILT MANAGEMENT 4,23 1,05 162 A1S4 SEKTIONEN FÖR TEXTILTEKNOLOGI 4,31 1,10 41 A1S5 SEKTIONEN FÖR DESIGN 5,07 0,93 19 TOTALT - A1 4,25 1,21 371 MÄN 4,21 1,26 125 KVINNOR 4,28 1,19 246 A2 A2S1 SEKTIONEN FÖR ARBETSLIV OCH VÄLFÄRD 4,72 1,35 56 A2S2 SEKTIONEN FÖR VÅRDVETENSKAP 5,25 0,94 28 A2S3 SEKTIONEN FÖR VÅRDVETENSKAP SAMT SEXUELL OCH REPRODUKTIV HÄLSA 4,56 1,24 101 A2S4 SEKTIONEN FÖR AKUT- OCH PREHOSPITAL VÅRD SAMT MEDICINSK TEKNIK 4,02 1,23 16 TOTALT - A2 4,65 1,26 202 MÄN 4,71 1,29 29 KVINNOR 4,64 1,25 173 A3 A3S1 SEKTIONEN FÖR BIBLIOTEKS- OCH INFORMATIONSVETENSKAP 4,50 1,15 130 A3S2 SEKTIONEN FÖR FÖRSKOLLÄRARUTBILDNING 4,13 1,33 120 A3S3 SEKTIONEN FÖR LÄRARUTBILDNING 3,96 1,21 72 A3S4 SEKTIONEN FÖR INFORMATIONSTEKNOLOGI 4,19 1,24 38 A3S5 SEKTIONEN FÖR PEDAGOGISK UTVECKLING OCH FORSKNING 5,01 1,11 6 TOTALT - A3 4,25 1,25 365 MÄN 4,22 1,24 64 KVINNOR 4,25 1,25 301 TOTALT HB 4,34 1,25 938 MÄN 4,28 1,26 218 KVINNOR 4,36 1,24 720 HÖGSKOLAN I BORÅS 53

Akademi 1 PEDAGOGISK KVALITET I UNDERVISNINGEN A1S5 89,5 A1S4 70,7 SEKTIONER - AKADEMI 1 A1S3 A1S2 A1S1 48,4 * 59,3 67,9 AKADEMI 1 TOTALT 60,7 HB TOTALT 62,2 0 20 40 60 80 100 Figur 3. 3.2 Positiv opinion för respektive sektion inom akademi 1. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. * mycket lågt värde 54 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Akademi 2 PEDAGOGISK KVALITET I UNDERVISNINGEN A2S4 43,8 * A2S3 71,3 SEKTIONER - AKADEMI 2 A2S2 A2S1 AKADEMI 2 TOTALT 69,6 71,3 89,3 HB TOTALT 62,2 0 20 40 60 80 100 Figur 3.3.3 Positiv opinion för respektive sektion inom akademi 2. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. * mycket lågt värde HÖGSKOLAN I BORÅS 55

Akademi 3 PEDAGOGISK KVALITET I UNDERVISNINGEN A3S5 66,7 A3S4 55,3 SEKTIONER - AKADEMI 3 A3S3 A3S2 A3S1 48,6 * 55,0 68,5 AKADEMI 3 TOTALT 58,6 HB TOTALT 62,2 0 20 40 60 80 100 Figur 3.3.4 Positiv opinion för respektive sektion inom akademi 3. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. * mycket lågt värde 56 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

3.4 KURSVÄRDERINGAR Högskolan totalt Tabell 3.4.1 Frågeställning: i vilken grad är tycker du att... 7-gradig intervallskala. 1 = i mycket låg grad; 7 = i mycket hög grad. Medelvärde, standardavvikelse, faktorladdning samt reliabilitet. Rangordnat efter medelvärde. HB totalt. N = 902 (valid listwise). VARIABLER (ALPHA 0,809) M SD LADDNING KURSEN AVSLUTAS ALLTID MED EN KURSUTVÄRDERING 5,19 1,87 0,508 LÄRARNA VISAR INTRESSE FÖR STUDENTERNAS KURSUTVÄRDERINGAR 4,11 1,81 0,562 KURSUTVÄRDERINGARNA PRESENTERAS FÖR STUDENTERNA 3,20 1,99 0,780 DET GES TILLFÄLLE TILL GENOMGÅNG AV TENTAMENSRESULTAT 3,08 2,03 0,448 FÖRÄNDRINGAR EFTER TIDIGARE KURSUTVÄRDERINGAR ÄR TYDLIGT UTTALADE 3,07 1,85 0,726 MEDELVÄRDE - INDEX 3,73 1,45 Tabell 3.4.2 3 (Academy) x 2 (gender) between subjects ANOVA on the dependent measures Kursvärderingar. Means and standard deviations are displayed in the table 3.4.4. (N = 935). TYPE III SUM OF MEAN SOURCE SQUARES DF SQUARE F SIG. ETA 2 CORRECTED MODEL 153,831 A 5 30,766 15,805 0,000 0,078 INTERCEPT 7077,917 1 7077,917 3635,909 0,000 0,796 GENDER 5,225 1 5,225 2,684 0,102 0,003 ACADEMY 57,081 2 28,541 14,661 *** 0,000 0,031 GENDER * ACADEMY 9,404 2 4,702 2,415 0,090 0,005 ERROR 1808,457 929 1,947 TOTAL 14970,725 935 CORRECTED TOTAL 1962,288 934 A. R Squared =,078 (Adjusted R Squared =,073). * = p < 0,05; ** = p < 0,01; *** = p < 0,001 HÖGSKOLAN I BORÅS 57

Studenter på A2 (M = 4.37) upplever att kursvärderingar fungerar bättre (F 2,929 = 14.66, p < 0.000, h 2 = 0.031) jämfört med studenter på A1 (M = 3.32 ) och A3 (M = 3.79). Ingen interaktionseffekt kan påvisas (F 2,929 = 2.42, p < 0.090, h 2 = 0.005), se tabell 3.4.2 & 3.4.3. Det framgår också en statistiskt säkerställd skillnad mellan A3 och A1. Figur 3.4.1 förstärker resultaten ytterligare. Det framgår en relativt stor skillnad i hur träffbilden ser ut för respektive akademi. Akademier Tabell 3.4.3 Dependent variable Kursvärderingar. Multiple Comparisons Post Hoc, (Bonferroni). AKADEMI AKADEMI MEAN DIFFERENCE (I) (J) (I-J) SE. SIG. A1 A2-1,0411 *** 0,122 0,000 A3 -,4619 *** 0,103 0,000 A2 A1 1,0411 *** 0,122 0,000 A3,5792 *** 0,122 0,000 A3 A1,4619 *** 0,103 0,000 A2 -,5792 *** 0,122 0,000 * = p < 0,05; ** = p < 0,01; *** = p < 0,001 58 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

KURSVÄRDERINGAR 100 80 60 55,9 40 28,3 37,8 38,0 20 0 AKADEMI 1 AKADEMI 2 AKADEMI 3 HB TOTALT Figur 3.4.1 Positiv opinion 12 för respektive population. Andel i procent över medelvärdet 4,0. 12 Diagrammet visar på hur träffbilden ser ut för respektive akademi över ett givet värde på 4,0 på en 7-gradig intervallskala. Referensvärde 100. Andel i procent. HÖGSKOLAN I BORÅS 59

Akademi 1 KURSVÄRDERINGAR A1S5 63,2 * SEKTIONER - AKADEMI 1 A1S4 A1S3 A1S2 A1S1 AKADEMI 1 TOTALT 24,4 23,6 27,2 34,6 28,3 HB TOTALT 38,0 0 20 40 60 80 100 Figur 3. 4.2 Positiv opinion för respektive sektion inom akademi 1. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. * avviker positivt från övriga sektioner HÖGSKOLAN I BORÅS 61

Akademi 2 KURSVÄRDERINGAR A2S4 37,5 A2S3 66,3 SEKTIONER - AKADEMI 2 A2S2 A2S1 AKADEMI 2 TOTALT 25,0 55,9 89,3 * HB TOTALT 38,0 0 20 40 60 80 100 Figur 3.4.3 Positiv opinion för respektive sektion inom akademi 2. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. * avviker positivt från övriga sektioner 62 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Akademi 3 KURSVÄRDERINGAR A3S5 23,7 SEKTIONER - AKADEMI 3 A3S4 A3S3 A3S2 A3S1 AKADEMI 3 TOTALT 40,3 38,3 39,2 37,8 37,8 * HB TOTALT 38,0 0 20 40 60 80 100 Figur 3.4.4 Positiv opinion för respektive sektion inom akademi 3. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. * mycket lågt värde HÖGSKOLAN I BORÅS 63

3.5 ATT KUNNA PÅVERKA UTBILDNINGEN Högskolan totalt Tabell 3.5.1 Frågeställning: i vilken utsträckning anser du att det finns möjlighet att påverka din utbildning? 7-gradig intervallskala. 1 = i mycket låg utsträckning; 7 = i mycket hög utsträckning. Medelvärde, standardavvikelse, faktorladdning samt reliabilitet. Rangordnat efter medelvärde. HB totalt. N = 959 (valid listwise). VARIABLER (ALPHA 0,677) M SD LADDNING GENOM KURSVÄRDERINGAR 3,70 1,73 0,570 GENOM LÄRARE 3,51 1,83 0,462 GENOM STUDENTKÅREN 3,30 1,51 0,472 GENOM SOCIALA MEDIER 2,56 1,52 0,598 MEDELVÄRDE - INDEX 3,27 1,19 Tabell 3.5.2 3 (Academy) x 2 (gender) between subjects ANOVA on the dependent measures Att kunna påverka utbildningen. Means and standard deviations are displayed in the table 3.5.4. (N = 985). TYPE III SUM OF MEAN SOURCE SQUARES DF SQUARE F SIG. ETA 2 CORRECTED MODEL 5,236 A 5 1,047 0,738 0,595 0,004 INTERCEPT 5687,923 1 5687,923 4009,858 0,000 0,804 GENDER 2,354 1 2,354 1,660 0,198 0,002 ACADEMY 2,154 2 1,077 0,759 0,468 0,002 GENDER * ACADEMY 0,152 2 0,076 0,054 0,948 0,000 ERROR 1388,697 979 1,418 TOTAL 11898,444 985 CORRECTED TOTAL 1393,932 984 A. R Squared =,004 (Adjusted R Squared =,001). * = p < 0,05; ** = p < 0,01; *** = p < 0,001 64 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Inga säkerställda diskrepanser på huvudeffekter kan påvisas. Samtidigt kan det tilläggas att studenterna upplever att de inte kan påverka sin utbildning speciellt mycket. Diagram 3.5.1 påvisar detta på ett tydligt sätt. Studenter skall ges en reell möjlighet att kunna påverka sin utbildning, se t.ex. (SFS, 1992). Akademier Tabell 3.5.3 Dependent variable Att kunna påverka utbildningen. Multiple Comparisons, Post Hoc (Bonferroni). AKADEMI AKADEMI MEAN DIFFERENCE (I) (J) (I-J) SE. SIG. A1 A2-0,040 0,101 1,000 A3 0,076 0,086 1,000 A2 A1 0,040 0,101 1,000 A3 0,116 0,101 0,754 A3 A1-0,076 0,086 1,000 A2-0,116 0,101 0,754 ATT KUNNA PÅVERKA UTBILDNINGEN 100 80 60 40 20 22,7 25,8 21,6 22,9 0 AKADEMI 1 AKADEMI 2 AKADEMI 3 HB TOTALT Figur 3.5.1 Positiv opinion 13 för respektive population. Andel i procent över medelvärdet 4,0. 13 Diagrammet visar på hur träffbilden ser ut för respektive akademi över ett givet värde på 4,0 på en 7-gradig intervallskala. Referensvärde 100. Andel i procent. HÖGSKOLAN I BORÅS 65

Akademi 1 ATT KUNNA PÅVERKA UTBILDNINGEN A1S5 30,0 A1S4 22,7 SEKTIONER - AKADEMI 1 A1S3 A1S2 A1S1 21,9 16,2 33,9 AKADEMI 1 TOTALT 22,7 * HB TOTALT 22,9 0 20 40 60 80 100 Figur 3.5.2 Positiv opinion för respektive sektion inom akademi 1. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. * mycket lågt värde HÖGSKOLAN I BORÅS 67

Akademi 2 ATT KUNNA PÅVERKA UTBILDNINGEN A2S4 12,5 SEKTIONER - AKADEMI 2 A2S3 A2S2 A2S1 AKADEMI 2 TOTALT 30,6 25,0 19,7 25,8 * HB TOTALT 22,9 0 20 40 60 80 100 Figur 3.5.3 Positiv opinion för respektive sektion inom akademi 2. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. * mycket lågt värde 68 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Akademi 3 ATT KUNNA PÅVERKA UTBILDNINGEN A3S5 33,3 SEKTIONER - AKADEMI 3 A3S4 A3S3 A3S2 A3S1 AKADEMI 3 TOTALT 22,5 14,5 27,2 20,2 21,6 * HB TOTALT 22,9 0 20 40 60 80 100 Figur 3.5.4 Positiv opinion för respektive sektion inom akademi 3. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. * mycket lågt värde HÖGSKOLAN I BORÅS 69

3.6 ATT KUNNA GE KRITISKA SYNPUNKTER Högskolan totalt Tabell 3.6.1 Frågeställning: om du för fram kritiska synpunkter och resonemang, i vilken grad tror du då att du riskerar att... 7-gradig intervallskala. 1 = i mycket hög grad; 7 = i mycket låg grad. Medelvärde, standardavvikelse, faktorladdning, samt reliabilitet. Rangordnat efter medelvärde. HB totalt. N = 889 (valid listwise). FAKTOR - VARIABLER (ALPHA 0,814) M SD LADDNING FÅ ORÄTTVIST BEDÖMDA TENTOR 5,31 1,83 0,575 BLI SÄMRE BEMÖTT AV STUDENTER 5,29 1,61 0,354 BLI SÄMRE BEMÖTT AV EXAMINATORER 4,59 1,86 0,914 BLI SÄMRE BEMÖTT AV LÄRARE 4,44 1,83 0,849 MEDELVÄRDE - INDEX 4,91 1,43 Tabell 3.6.2 3 (Academy) x 2 (gender) between subjects ANOVA on the dependent measures Att kunna ge kritiska synpunkter. Means and standard deviations are displayed in the table 3.6.4. (N = 985). TYPE III SUM OF MEAN SOURCE SQUARES DF SQUARE F SIG. ETA 2 CORRECTED MODEL 21,370 A 5 4,274 2,096 0,064 0,012 INTERCEPT 11542,000 1 11542,000 5661,592 0,000 0,864 GENDER 0,628 1 0,628 0,308 0,579 0,000 ACADEMY 3,559 2 1,780 0,873 0,418 0,002 GENDER * ACADEMY 10,790 2 5,395 2,646 0,071 0,006 ERROR 1814,398 890 2,039 TOTAL 23438,000 896 CORRECTED TOTAL 1835,768 895 A. R Squared =,012 (Adjusted R Squared =,006). * = p < 0,05; ** = p < 0,01; *** = p < 0,001 Inga statistiskt säkerställda diskrepanser på huvudeffekterna kan påvisas. 70 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Akademier Tabell 3.6.3 Dependent variabel Att kunna ge kritiska synpunkter. Multiple Comparisons, Post Hoc (Bonferroni). AKADEMI AKADEMI MEAN DIFFERENCE (I) (J) (I-J) SE. SIG. A1 A2 0,221 0,128 0,252 A3 0,216 0,108 0,136 A2 A1-0,221 0,128 0,252 A3-0,005 0,128 1,000 A3 A1-0,216 0,108 0,136 A2 0,005 0,128 1,000 100 ATT KUNNA GE KRITISKA SYNPUNKTER 80 74,0 64,1 65,2 68,4 60 40 20 0 AKADEMI 1 AKADEMI 2 AKADEMI 3 HB TOTALT Figur 3.6.1 Positiv opinion 14 för respektive population. Andel i procent över medelvärdet 4,0. 14 Diagrammet visar på hur träffbilden ser ut för respektive akademi över ett givet värde på 4,0 på en 7-gradig intervallskala. Referensvärde 100. Andel i procent. HÖGSKOLAN I BORÅS 71

Akademi 1 ATT KUNNA GE KRITISKA SYNPUNKTER A1S5 A1S4 84,2 88,9 SEKTIONER - AKADEMI 1 A1S3 A1S2 A1S1 AKADEMI 1 TOTALT 74,5 66,7 72,2 74,0 HB TOTALT 68,4 0 20 40 60 80 100 Figur 3.6.2 Positiv opinion för respektive sektion inom akademi 1. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. HÖGSKOLAN I BORÅS 73

Akademi 2 ATT KUNNA GE KRITISKA SYNPUNKTER A2S4 43,8 * SEKTIONER - AKADEMI 2 A2S3 A2S2 A2S1 AKADEMI 2 TOTALT 58,8 76,9 72,7 64,1 HB TOTALT 68,4 0 20 40 60 80 100 Figur 3.6.3 Positiv opinion för respektive sektion inom akademi 2. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. * mycket lågt värde 74 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Akademi 3 ATT KUNNA GE KRITISKA SYNPUNKTER A3S5 66,7 A3S4 78,8 SEKTIONER - AKADEMI 3 A3S3 A3S2 A3S1 50,7 * 62,0 72,9 AKADEMI 3 TOTALT 65,2 HB TOTALT 68,4 0 20 40 60 80 100 Figur 3.6.4 Positiv opinion för respektive sektion inom akademi 3. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. * lågt värde HÖGSKOLAN I BORÅS 75

3.7 KRAVNIVÅ PÅ UTBILDNINGEN Högskolan totalt Tabell 3.7.1 Frågeställning: hur bedömer du att kravnivån, på din utbildning, är avseende... 7-gradig intervallskala. 1 = alldeles för låga krav; 7 = alldeles för höga krav. Medelvärde, standardavvikelse, faktorladdning samt reliabilitet. Rangordnat efter medelvärde. HB totalt. N = 993 (valid listwise). VARIABLER (ALPHA 0,820) M SD LADDNING ARBETSBELASTNINGEN UNDER STUDIERNA 4,81 1,27 0,764 KURSLITTERATURENS OMFATTNING 4,73 1,29 0,579 EXAMINATIONSUPPGIFTERNA 4,65 1,16 0,732 KURSENS INNEHÅLL 4,53 1,22 0,851 MEDELVÄRDE - INDEX 4,68 0,99 Tabell 3.7.2 3 (Academy) x 2 (gender) between subjects ANOVA on the dependent measures Kravnivå på utbildningen. Means and standard deviations are displayed in the table 3.7.4. (N = 998). TYPE III SUM OF MEAN SOURCE SQUARES DF SQUARE F SIG. ETA 2 CORRECTED MODEL 33,428 A 5 6,686 6,972 0,000 0,034 INTERCEPT 11840,226 1 11840,226 12347,07 0,000 0,926 GENDER 6,835 1 6,835 7,128 ACADEMY 11,310 2 5,655 5,897 ** 0,008 0,007 ** 0,003 0,012 GENDER * ACADEMY 1,802 2 0,901 0,940 0,391 0,002 ERROR 951,278 992 0,959 TOTAL 22849,792 998 CORRECTED TOTAL 984,706 997 A. R Squared =,034 (Adjusted R Squared =,029). * = p < 0,05; ** = p < 0,01; *** = p < 0,001 76 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Studenter på A2 (M = 4.92) upplever att kravnivån är högre (F 2,992 = 5.90, p < 0.003, h 2 = 0.012) jämfört med studenter på A1 (M = 4.51) och A3 (M = 4.72). Kvinnor (M = 4.74) upplever att kravnivån är högre (F 1,992 = 7.13, p < 0.008, h 2 = 0.007) jämfört med män (M = 4,48 ). Ingen interaktionseffekt kan påvisas (F 2,992 = 0.90, p < 0.391, h 2 = 0.002). se tabell 3.7.2 & 3.7.3. En statistiskt säkerställd skillnad finna även mellan A3 och A1. Figur 3.7.1 förstärker resultaten ytterligare. Akademier Tabell 3.7.3 Dependent variable Kravnivån på utbildningen. Multiple Comparisons, Post Hoc (Bonferroni). AKADEMI AKADEMI MEAN DIFFERENCE (I) (J) (I-J) SE. SIG. A1 A2 -,4150 *** 0,082 0,000 A3 -,2099 ** 0,070 0,009 A2 A1,4150 *** 0,082 0,000 A3,2052 * 0,083 0,040 A3 A1,2099 ** 0,070 0,009 * = p < 0,05; ** = p < 0,01; *** = p < 0,001 A2 -,2052 * 0,083 0,040 HÖGSKOLAN I BORÅS 77

KRAVNIVÅ PÅ UTBILDNINGEN 100 80 64,5 78,2 70,1 69,6 60 40 20 0 AKADEMI 1 AKADEMI 2 AKADEMI 3 HB TOTALT Figur 3.7.1 Positiv opinion 15 för respektive population. Andel i procent över medelvärdet 4,0. 15 Diagrammet visar på hur träffbilden ser ut för respektive akademi över ett givet värde på 4,0 på en 7-gradig intervallskala. Referensvärde 100. Andel i procent. 78 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Akademi 1 KRAVNIVÅ PÅ UTBILDNINGEN A1S5 55,0 * A1S4 75,0 SEKTIONER - AKADEMI 1 A1S3 A1S2 A1S1 AKADEMI 1 TOTALT 63,6 61,6 67,2 64,5 HB TOTALT 79,6 0 20 40 60 80 100 Figur 3.7.2 Positiv opinion för respektive sektion inom akademi 1. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. * lågt värde 80 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Akademi 2 KRAVNIVÅ PÅ UTBILDNINGEN A2S4 88,2 A2S3 84,8 SEKTIONER - AKADEMI 2 A2S2 A2S1 AKADEMI 2 TOTALT 59,7 * 78,2 85,7 HB TOTALT 69,6 0 20 40 60 80 100 Figur 3.7.3 Positiv opinion för respektive sektion inom akademi 2. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. * lågt värde HÖGSKOLAN I BORÅS 81

Akademi 3 KRAVNIVÅ PÅ UTBILDNINGEN A3S5 83,3 A3S4 70,7 SEKTIONER - AKADEMI 3 A3S3 A3S2 A3S1 57,0* 76,4 81,6 AKADEMI 3 TOTALT 70,1 HB TOTALT 79,6 0 20 40 60 80 100 Figur 3.7.4 Positiv opinion för respektive sektion inom akademi 3. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. * lågt värde 82 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

3.8 ADMINISTRATIVT STÖD Högskolan totalt Tabell 3.8.1 Frågeställning: i vilken utsträckning anser du att följande påståenden stämmer för akademins administrativa personal? den administrativa personalen är... 7-gradig intervallskala. 1 = i mycket låg utsträckning; 7 = i mycket hög utsträckning. Medelvärde, standardavvikelse, faktorladdning, samt reliabilitet. Rangordnat efter medelvärde. HB totalt. N = 814 (valid listwise). VARIABLER (ALPHA 0,954) M SD LADDNING KUNNIGA 5,06 1,41-0,831 TILLMÖTESGÅENDE 5,03 1,47-0,860 STÖDJANDE 4,75 1,50-0,911 TILLGÄNGLIGA 4,88 1,46-0,894 FLEXIBLA 4,63 1,44-0,894 ÖPPNA FÖR KRITISKA SYNPUNKTER 4,58 1,46-0,809 MEDELVÄRDE - INDEX 4,82 1,46 Tabell 3.8.2 3 (Academy) x 2 (gender) between subjects ANOVA on the dependent measures Administrativt stöd. Means and standard deviations are displayed in the table 3.8.4. (N = 834). TYPE III SUM OF MEAN SOURCE SQUARES DF SQUARE F SIG. ETA 2 CORRECTED MODEL 16,037 A 5 3,207 1,855 0,100 0,011 INTERCEPT 10457,820 1 10457,820 6049,544 0,000 0,880 GENDER 4,820 1 4,820 2,788 0,095 0,003 ACADEMY 4,753 2 2,377 1,375 0,253 0,003 GENDER * ACADEMY 0,427 2 0,213 0,123 0,884 0,000 ERROR 1431,360 828 1,729 TOTAL 20804,939 834 CORRECTED TOTAL 1447,397 833 A. R Squared =,011 (Adjusted R Squared =,005). * = p < 0,05; ** = p < 0,01; *** = p < 0,001 Inga statistiskt säkerställda diskrepanser på huvudeffekterna kan påvisas. HÖGSKOLAN I BORÅS 83

Akademier Tabell 3.8.3 Dependent variable Administrativt stöd. Multiple Comparisons, Post Hoc (Bonferroni). AKADEMI AKADEMI MEAN DIFFERENCE (I) (J) (I-J) SE. SIG. A1 A2-0,211 0,121 0,243 A3-0,188 0,103 0,205 A2 A1 0,211 0,121 0,243 A3 0,023 0,122 1,000 A3 A1 0,188 0,103 0,205 A2-0,023 0,122 1,000 100 ADMINISTRATIVT STÖD 80 62,6 71,0 65,3 65,5 60 40 20 0 AKADEMI 1 AKADEMI 2 AKADEMI 3 HB TOTALT Figur 3.8.1 Positiv opinion 16 för respektive population. Andel i procent över medelvärdet 4,0. 16 Diagrammet visar på hur träffbilden ser ut för respektive akademi över ett givet värde på 4,0 på en 7-gradig intervallskala. Referensvärde 100. Andel i procent. 84 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Akademi 1 ADMINISTRATIVT STÖD A1S5 37,5 * SEKTIONER - AKADEMI 1 A1S4 A1S3 A1S2 A1S1 AKADEMI 1 TOTALT 60,0 65,8 65,1 58,8 62,6 HB TOTALT 65,5 0 20 40 60 80 100 Figur 3.8.2 Positiv opinion för respektive sektion inom akademi 1. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. * mycket lågt värde 86 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

Akademi 2 ADMINSTRATIVT STÖD A2S4 80,0 A2S3 70,5 SEKTIONER - AKADEMI 2 A2S2 A2S1 AKADEMI 2 TOTALT 62,0 71,0 87,0 HB TOTALT 65,5 0 20 40 60 80 100 Figur 3.8.3 Positiv opinion för respektive sektion inom akademi 2. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. HÖGSKOLAN I BORÅS 87

Akademi 3 ADMINISTRATIVT STÖD A3S5 80,0 SEKTIONER - AKADEMI 3 A3S4 A3S3 A3S2 A3S1 AKADEMI 3 TOTALT 69,7 63,8 59,2 70,2 65,3 HB TOTALT 65,5 0 20 40 60 80 100 Figur 3.8.4 Positiv opinion för respektive sektion inom akademi 3. Andel i procent över medelvärdet 4,0. 7-gradig intervallskala. Referensvärde 100. 88 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

3.9 STUDENTSAMARBETE Högskolan totalt Tabell 3.9.1 Frågeställning: i vilken utsträckning anser du att följande påståenden stämmer för studentsamarbetet? lärarna är... 7-gradig intervallskala. 1 = i mycket låg utsträckning; 7 = i mycket hög utsträckning. Medelvärde, standardavvikelse, faktorladdning, samt reliabilitet. Rangordnat efter medelvärde. HB totalt. N = 890 (valid listwise). VARIABLER (ALPHA 0,941) M SD LADDNING TILLMÖTESGÅENDE 5,04 1,53 0,882 STÖDJANDE 5,04 1,56 0,885 TILLGÄNGLIGA 4,89 1,56 0,883 FLEXIBLA 4,75 1,53 0,803 ÖPPNA FÖR KRITISKA SYNPUNKTER 4,63 1,55 0,765 MEDELVÄRDE - INDEX 4,87 1,39 Tabell 3.9.2 3 (Academy) x 2 (gender) between subjects ANOVA on the dependent measures Studentsamarbetet. Means and standard deviations are displayed in the table 3.9.4. (N = 902). TYPE III SUM OF MEAN SOURCE SQUARES DF SQUARE F SIG. ETA 2 CORRECTED MODEL 20,730 A 5 4,146 2,157 0,057 0,012 INTERCEPT 11262,641 1 11262,641 5858,320 0,000 0,867 GENDER 10,029 1 10,029 5,217 ** 0,023 0,006 ACADEMY 3,699 2 1,849 0,962 0,383 0,002 GENDER * ACADEMY 1,452 2 0,726 0,378 0,686 0,001 ERROR 1722,563 896 1,923 TOTAL 23136,359 902 CORRECTED TOTAL 1743,293 901 A. R Squared =,012 (Adjusted R Squared =,006). * = p < 0,05; ** = p < 0,01; *** = p < 0,001 HÖGSKOLAN I BORÅS 89

Kvinnor (M = 4.94) upplever att studentsamarbetet är bättre (F 1,896 = 5.22, p < 0.023, h 2 = 0.006) jämfört med män (M = 4.63 ). Ingen interaktionseffekt kan påvisas (F 2,896 = 0.38, p < 0.686, h 2 = 0.001), se tabell 3.9.2 & 3.9.3. Figur 3.9.1 förstärker resultaten ytterligare. Akademier Tabell 3.9.3 Dependent variable Studentsamarbetet. Multiple Comparisons, Post Hoc (Bonferroni). AKADEMI AKADEMI MEAN DIFFERENCE (I) (J) (I-J) SE. SIG. A1 A2-0,219 0,123 0,227 A3-0,051 0,104 1,000 A2 A1 0,219 0,123 0,227 A3 0,168 0,123 0,518 A3 A1 0,051 0,104 1,000 A2-0,168 0,123 0,518 * = p < 0,05; ** = p < 0,01; *** = p < 0,001 90 RAPPORTER OCH PUBLIKATIONER FRÅN HÖGSKOLAN I BORÅS

STUDENTSAMARBETET 100 80 67,3 75,1 70,0 70,1 60 40 20 0 AKADEMI 1 AKADEMI 2 AKADEMI 3 HB TOTALT Figur 3.9.1 Positiv opinion 17 för respektive population. Andel i procent över medelvärdet 4,0. 17 Diagrammet visar på hur träffbilden ser ut för respektive akademi över ett givet värde på 4,0 på en 7-gradig intervallskala. Referensvärde 100. Andel i procent. HÖGSKOLAN I BORÅS 91