A Covid19-világjárvány alatti iskolabezárások okozta tanulási veszteség

Eredeti cikk dátuma: 2021. április 27.
Eredeti cikk címe: Learning loss due to school closures during the COVID-19 pandemic
Eredeti cikk szerzői: Per Engzell, Arun Frey, Mark D. Verhagen
Eredeti cikk elérhetősége: https://www.pnas.org/content/118/17/e2022376118
Eredeti cikk státusza: megjelent
Fordító(k): Tamási Dorottya Anna
Lektor(ok): Papp Eszter PhD.
Nyelvi lektor(ok):
Szerkesztő(k): Rét Anna, Vinkovits Mária

Figyelem! Az oldalon megjelenő cikkek esetenként politikai jellegű megnyilvánulásokat is tartalmazhatnak. Ezek nem tekinthetők a fordítócsoport politikai állásfoglalásának, kizárólag az eredeti cikk írójának véleményét tükrözik. Fordítócsoportunk szigorúan politikamentes, a cikkekben esetlegesen fellelhető politikai tartalommal kapcsolatosan semmiféle felelősséget nem vállal, diskurzust, vitát, bizonyítást vagy cáfolatot nem tesz közzé.

Az oldalon található információk nem helyettesítik a szakemberrel történő személyes konzultációt és kivizsgálást, ezért kérjük, minden esetben forduljon szakorvoshoz!

^aLeverhulme Centre for Demographic Science, Oxfordi Egyetem, Oxford OX1 1JD, Egyesült Királyság;

^aNuffield College, Oxfordi Egyetem, Oxford OX1 1NF, Egyesült Királyság;

^cSvéd Társadalomkutató Intézet, Stockholmi Egyetem, 106 91 Stockholm, Svédország

^aSzociológia tanszék, Oxfordi Egyetem, Oxford OX1 1JD, Egyesült Királyság

PNAS 2021. április 27., 118 (17) e2022376118; https://doi.org/10.1073/pnas.2022376118

Szerk. Florencia Torche, Stanford University, Stanford, CA, jóváhagyva: 2021. február 26. (felülvizsgálat iránti kérelem: 2020. október 26.)

Jelentőség

Az iskolák bezárása a COVID19 elleni harc általános eszközévé vált. Ugyanakkor ennek előnyei és hátrányai továbbra sem eléggé ismertek. Egy természetes kísérlet segítségével, amelynek alapját a Hollandiában a lezárások előtt és után zajlott országos felmérések képezik, értékeltük az iskolabezárások hatását a diákok tanulására. Hollandia abból a szempontból érdekes, hogy a dolgok mondhatni a „legjobb forgatókönyv” szerint alakultak: a kijárási korlátozás rövid volt, az iskolák finanszírozása méltányos és az ország világvezető a szélessávú internethez való hozzáférés arányának tekintetében. A kedvező körülmények ellenére úgy találtuk, hogy a diákok az otthon tanulás során csekély előrehaladást mutattak vagy egyáltalán nem fejlődtek. A tanulási veszteség a hátrányos helyzetű tanulók között volt a legnagyobb.

Absztrakt

A COVID19-világjárvány ideje alatt aggodalomra ad okot, hogy jelenléti oktatás felfüggesztése milyen hatással lehet a diákok tanulási eredményeire. Eddig csak korlátozottak adatok álltak rendelkezésre a kérdés tanulmányozásához. A jelen vizsgálatban az iskolabezárások általános iskolás tanulókra gyakorolt hatását értékeljük, a kivételesen gazdag hollandiai adatok felhasználásával (n ≈ 350 000). Annak köszönhetően, hogy végeztek országos felméréseket mind a lezárás előtt, mind a lezárást követően, összehasonlíthatóvá vált az ebben az időszakban történt előrehaladás az elmúlt 3 évnek ugyanebben az időszakában elért eredményekhez képest. Hollandiában a lezárás viszonylag rövid ideig tartott (8 hét), az iskolák támogatási rendszere méltányos, és a világon itt a legnagyobb a szélessávú internet hozzáféréssel rendelkezők aránya. Mindezek ellenére eredményeink nagyjából 3 percentilis pont tanulási veszteséget vagy 0,08 standard deviációt mutattak. A hatás az iskolaév egyötödével egyenértékű, amely megegyezik azzal az időszakkal, ameddig az iskolák zárva tartottak. A veszteségek 60%-kal nagyobbak a kevésbé iskolázott családokból származó diákok esetében, ami igazolja a világjárvány gyermekekre és családokra rótt aránytalanul súlyos hatásaival kapcsolatos aggodalmakat. Vizsgálati mechanizmusok: úgy találtuk, hogy a legtöbb hatás inkább a megszerzett ismeretekre gyakorolt összesített hatást tükrözi, mintsem a vizsgálat napján jellemző átmeneti hatásokat. Az eredmények akkor is robusztusak maradnak, ha a kezelés becsült propenzitása és az ugyanabban az iskolában tanuló, ugyanabból a családból érkező diákokat összehasonlító maximálisentrópia-súlyok vagy fixhatások jellemzői kiegyenlítődnek. Az eredmények arra utalnak, hogy a diákok az otthoni tanulás során csekély előrehaladást mutattak vagy egyáltalán nem fejlődtek, és hogy a gyengébb infrastruktúrájú országokban vagy az olyan helyeken, ahol az iskolák hosszabb ideig tartottak zárva, a veszteségek még nagyobbak lehetnek.

A COVID19-világjárvány mélyrehatóan átalakítja a társadalmat, gyakran felerősítve a társadalmi és gazdasági egyenlőtlenségeket. Terjedésének megfékezése érdekében a kormányok világszerte felfüggesztették a személyes oktatást az iskolákban, ami a világ diáknépességének mintegy 95%-át érintette, ami a történelem során az oktatás legnagyobb fennakadása (1). Az ENSZ gyermekjogi egyezménye kimondja, hogy a kormányoknak alapfokú oktatást kell nyújtaniuk mindenki számára az esélyegyenlőség biztosítása érdekében (2). Ha az iskolák bezárása által okozott kárt akarjuk összevetni a közegészségügyi előnyökkel ((3⇓⇓–6), kulcsfontosságú megtudnunk, hogy a diákok kevesebbet tanulnak-e a karantén alatt, illetve hogy a hátrányos helyzetű tanulók aránytalanul kevesebbet tanulnak-e.

Míg a korábbi kutatások a nyári szünet tanulásra gyakorolt hatását vizsgálták, vagy az olyan eseményekét mint a szélsőséges időjárási viszonyok vagy pedagógussztrájkok (7⇓⇓⇓⇓–12), a COVID19 egyedülálló kihívást jelent, amelynek során nem egyértelmű, hogyan alkalmazzuk a múltban tanultakat. A gazdaságra gyakorolt egyidejű hatások miatt a szülők kevésbé állnak készen arra, hogy segítsék a gyermekeiket, mivel anyagi bizonytalansággal vagy az otthonról való munkavégzés nehézségeivel küzdenek (13, 14). A világjárvány egészségügyi és halálozási kockázata további pszichológiai nehézségekkel jár, csakúgy mint az elszigetelődés (15, 16). Az előrejelzések szerint a családon belüli erőszak növekedni fog, és ez fokozott kockázatnak teszi ki az eleve sebezhető diákokat (17, 18). Ugyanakkor a világjárvány hatóköre arra is ösztönözheti a kormányokat és az iskolákat, hogy aktívabban reagáljanak, mint más fennakadások esetében.

A lezárások alatti tanulási veszteséggel kapcsolatos adatok nem álltak azonnal rendelkezésre. Az olyan társadalmi ágazatoktól eltérően, mint például a gazdaság vagy az egészségügyi rendszer, az iskolarendszerek nem tesznek közzé adatokat rendszeres gyakorisággal. Az iskolák és a tanárok küszködtek az online oktatási megoldások bevezetésével, nem is beszélve az online értékelés és elszámoltathatóság nehézségeiről (10, 19). Az online tanulási platformokról származó első adatok csökkenést mutatnak az elvégzett házi feladatok (20) terén, valamint a felmérések pontszámai közötti különbségek növekedését mutatják (21). A felmérés tanúsága szerint a gyermekek lényegesen kevesebb időt töltenek tanulással a lezárások alatt, és néhány (de nem mindegyik) kutatás szerint a különbségek az otthoni háttérből fakadnak (22⇓⇓⇓–26). Az utóbbi időben megjelentek az iskolába visszatérő diákokkal kapcsolatos adatok (27⇓–29). A mi kutatásunk az első arra irányuló kísérletek között van, amelyek célja, hogy külsőleg validált vizsgálatok, reprezentatív méretű minta, valamint ok-okozati következtetést lehetővé tevő technikák segítségével számszerűsítsük a COVID19 által okozott tanulási veszteséget.

A vizsgálat tartalma

A jelen tanulmányban bemutatjuk a bizonyítékokat, hogy a világjárvány milyen hatással volt a holland diákok előrehaladására, a hollandiai általános iskolák 15%-ára vonatkozó, 2017−2020-ből származó adatok felhasználásával (n ≈ 350 000). Az adatok tartalmazzák a 8−11 éves diákok fő tantárgyakból elért kétéves felmérési pontszámait, valamint a diákok demográfiai jellemzőit és az iskolák jellemzőit is. A jelen vizsgálat esetében a hipotéziseket és az elemzési protokollokat előzetesen feljegyeztük (SI Függelék, 4.1. pont). Főképpen az érdekel minket, hogy elakadt-e a tanulás a lezárások alatt, és hogy a kevésbé iskolázott családokból származó diákokat aránytalanul befolyásolta-e a járvány. Továbbá vizsgáljuk a különbségeket a nemek, az iskolai évfolyam, a tantárgyak és az előzetes teljesítmény szerint.

A holland iskolarendszer a központosított és méltányos iskolafinanszírozást kombinálja az iskolavezetés nagyfokú autonómiájával (30, 31). Az ország az oktatásra fordított kiadások és az olvasási teljesítmény tekintetében Gazdasági Együttműködési és Fejlesztési Szervezet (OECD) átlaga közelében mozog, míg diákok matematikai teljesítménye kiemelkedő (32). Egyetlen másik országban sem nagyobb szélessávú internet hozzáférés aránya (33, 34), és a világjárvány korai szakaszában odafigyeltek arra is, hogy hozzáférést biztosítsanak az otthoni tanuláshoz szükséges eszközökhöz (35). Más országokkal összehasonlítva az iskolabezárás rövid ideig tartott (SI Függelék, 1. pont), és a világjárvány első hulláma kevésbé volt hatással az országra, mint más európai országokra (36, 37). Mindezen okokból kifolyólag, amit Hollandiában láthatunk, az a „legjobb forgatókönyv”, tehát Európa és a világ más részein valószínűleg alacsonyabb a tanulási veszteség alsó határa. A kedvező körülmények ellenére a vizsgálati eredmények nagyfokú elégedetlenséget mutatnak a távoktatással szemben (38), és jelentős különbségeket láttunk az iskolai munkához nyújtott segítség és a tanulási források tekintetében (39).

Vizsgálati tervünkben kulcsfontosságú szerepet játszott, hogy Hollandiában évente kétszer kerül sor országos értékelésre (40): az iskolaév közepén, január−február táján és az iskolaév végén, júniusban. 2020-ban ezek a felmérési dátumok épp az első országos iskolalezárás elé és mögé estek, amely március 16-tól 8 héten át tartott (1. ábra). A világjárványt megelőző 3 év adataihoz való hozzáférés lehetővé teszi számunkra, hogy felállítsunk egy természetes küszöbértéket, amelyhez képest értékeljük a tanulási veszteséget. Ezt egy különbségek közötti különbség vizsgálati elrendezést felhasználva tesszük (SI Függelék, 4.2. pont), és különböző technikák segítségével kezeljük a követési szakasz során bekövetkezett lemorzsolódást: regresszió korrigálása, valószínűségi pontszámok és maximális entrópia súlyok egyensúlyának helyreállítása, és fixhatás-minták, amelyek ugyanazon iskolákon és családokon belül hasonlítják össze a diákokat.

Eredmények

A matematika, helyesírás és olvasás központi felmérését értékeltük 8−11 éves diákok körében (4.−7. évfolyam a holland iskolarendszer szerint), valamint a három tantárgy összesített pontszámát. Az eredményeket tantárgyanként, évfolyamonként és felmérési alkalmanként (év közepe vagy év vége) egy egységes elosztás szerint alakítottuk percentilisekké. A 2. ábra a diákok tanév közepi és tanév végi felméréseinek percentilis elhelyezkedése közötti különbséget mutatja a 2017−2020 években. Ez a grafikon a helyesírás terén −0,76 percentilistől a matematika terén −2,15 percentilisig terjedő nyers különbséget mutat. Azonban ez a különbség nem korrigálja a trendekből, a felmérési dátumokból vagy a minta összetételéből adódó zavaró hatásokat. Ezeknek a tényezőknek a kezelése érdekében, valamint a tanulási veszteség csoportkülönbségeinek értékelése céljából a különbségek közötti különbség modell becslésével folytatjuk (SI Függelék, 4.2. pont). Kiindulási feltevésünkben figyelembe vesszük az adott év lineáris tendenciáját, a felmérési dátumok között eltelt időt és csoportosítjuk az iskolai szintű szokásos hibákat.

Kiindulási feltevés

A 3. ábra a 2020-as tanulási veszteségre vonatkozó kiindulási becslésünket tartalmazza a 3 korábbi évvel összehasonlítva, felhasználva a diákok matematika, helyesírás és olvasás területén nyújtott teljesítményének összesített pontszámát. A diákok átlagosan 3,16 percentilis pontot vesztettek országos szinten, amely 0,08 standard deviációnak (SD) felel meg (SI Függelék, 4.3. pont). A veszteségek azonban nem egyenlően oszlottak el, hanem a kevésbé iskolázott családokból származó diákokra koncentrálódtak. A szülői iskolázottság két legalacsonyabb kategóriájába tartozók —összesen a népesség 8%-a (SI Függelék, 5.1. pont) — 40%-kal nagyobb veszteségeket szenvedtek mint az átlagos diákok (szülők iskolázottsága szerinti becslések: magas, −3,07; alacsony, −4,34; legalacsonyabb, −4,25). Ezzel szemben kevés bizonyíték van arra, hogy a hatás nemtől, iskolai évfolyamtól, tantárgytól vagy az előzetes teljesítménytől függene. Az SI Függelék 7.9. pontjában jelentős eltéréseket rögzítettünk az iskolák között: némelyik iskolában 10 vagy több percentilis pontos lemaradás volt tapasztalható, míg más iskolákban nem volt érzékelhető veszteség, sőt némi javulás volt megfigyelhető.

Placebo elemzés és évkizárások

Az SI Függelék 7.2. és 7.3. pontjai alatt több szempontból megvizsgáljuk azonosítási stratégiánk feltevéseit. Meg akartunk győződni róla, hogy a kiindulási feltevésünk nem ad fals pozitív eredményeket, ezért a 3 összehasonlítási év mindegyikén placebo elemzést végeztünk (SI Függelék, 7.2. pont). Fő hatásunk 95%-os megbízhatósági tartománya minden esetben nulla volt. Újrabecsültük fő feltevésünket is, egyesével csökkentve az összehasonlítási éveket (SI Függelék, 7.3. pont). Ezek az eredmények kisebb pontossággal becsülhetők meg, de máskülönben összhangban állnak fő elemzésünk eredményeivel. Az SI Függelék 7.13. pontjában placebo elemzéseket írtunk le a feltevések törzsszövegben leírtaknál szélesebb köréhez, és igazoltuk, hogy az általunk preferált feltevés jobban működik, mint a hamis eredmények elkerülésére alkalmazott észszerű alternatívák.

Veszteség korrigálása az utánkövetés során

A 4. ábrán kiegészítő feltevések sorozatát írjuk le, amelyek azt a tényt próbálják orvosolni, hogy a diákoknak csupán egy része vett részt a tanulmányi felméréseken a lezárást követően. A különbségek közötti különbség vizsgálati elrendezésből hiányoznak azok a diákok, akik nem vettek részt a felméréseken, mindez pedig hibához vezethet, amennyiben tanulmányi előmenetelük eltér a megfigyelt tanulókétól. Az SI Függelék S3 táblázatában megmutatjuk, hogy a vizsgált mintát nem torzítják el a nemek, a szülők iskolázottsága vagy az előzetes teljesítmény. Ezeknek a változóknak a korrigálása kevés változást okoz eredményeinkben (SI Függelék, 7.1. pont). Ezt követően a vizsgált és a kontrollcsoportot a változók szélesebb körével (beleértve az iskolai szintet) egyensúlyba hoztuk, maximális entrópia súlyokat és a vizsgálat becsült valószínűségét felhasználva (SI Függelék, 7.4. pont). Továbbá az elemzést azon iskolákra korlátoztuk, ahol a diákok legalább 75%-a részt vett a felmérésen a lezárást követően (SI Függelék, 7.5. pont). Végezetül fixhatás-modellek segítségével korrigáltuk az iskola és a család szintjén fellépő, időben változatlan zavaró tényezőket (SI Függelék, 7.6. és 7.7. pont). Ahogy a 4. ábra mutatja, a társadalmi egyenlőtlenségek némileg növekednek, amikor az iskola és a család szintjén korrigáljuk a szelekciót. A legnagyobb rést valójában az iskolai végzettségek között találtuk családon belüli elemzésünk során, amelyet 60%-ra becsültünk (szülők iskolázottsága: magas, −3,25; alacsony, −4,67; legalacsonyabb, −5,20). Azonban a fixhatás-feltevés (FH) a mintát a nagyobb családok felé tolja, és az ebben a részmintában jelenlévő hatások hasonlóak a kiindulási feltevésünkben alkalmazottakhoz (SI Függelék, 7.7. pont).

Elsajátított tudás vs. átmenti hatások

Vajon ezek az eredmények ténylegesen bevésődött tudást tükröznek vagy inkább egyfajta átmeneti „vizsganap” hatást? A fizikai távolságtartási intézkedések megváltoztathattak olyan tényezőket, mint az ülésrend vagy a beltéri hőmérséklet, amelyek befolyásolhatják a diákok teljesítményét (41⇓–43). Az iskolák újranyitását követően a felméréseket személyesen, normál körülmények között végezték, minimális fizikai távolságtartással. Ennek ellenére előfordulhat, hogy a diákok stressznek voltak kitéve vagy egyszerűen elszoktak az iskolai környezettől a többhetes otthonlét után. Hasonló módon, ha a távoktatás során a tanárok leadták a szükséges tananyagot, de a vizsgázási képességekre kevesebb hangsúlyt fektettek, előfordulhat, hogy az eredmények csökkentek, ugyanakkor a tudás stabil maradt. Ezt úgy orvosoltuk, hogy a teljesítményt a tanulási készség általános vizsgálataival ellenőriztük (SI Függelék, 3.1. pont). A vizsgálatok során a diákoknak szavak sorát kellett hangosan felolvasniuk megadott időtartamon belül. A szavak nem kapcsolódtak a tananyaghoz, és nem kellett ismerni a jelentésüket. Az 5. ábrán látható eredmények megmutatják, hogy a kezeléshatások nagyjából kétharmadukra zsugorodtak fő eredményünkhöz képest (fő hatás −1,19 vs. −3,16), ami arra utal, hogy a teljesítménycsökkenés nagy részben az elsajátított tudás különbségeivel indokolható. A világjárványt megelőző években nem láttunk ilyen különbséget a kétféle teszttípus esetében a diákok teljesítményében (SI Függelék, 7.8. pont).

Specifikációs görbe elemzés

Hogy beazonosítsuk azokat a modellösszetevőket, amelyek a legnagyobb hatással vannak a becslések nagyságára, több mint 2000 alternatív modellt értékeltünk egy specifikációs görbe elemzésen (44) (SI Függelék, 7.13. pont). Ennek köszönhetően azonosítható a vizsgálatot megelőző tendenciák kontrollja, amelyeket a felmérések időpontjának ellenőrzése követ, az iskolához és a családi háttérhez tartozó fixhatásokkal együtt. Figyelmen kívül hagyva a tendenciát és az ellenkezőjét feltételezve, amikor az eredmény 2019 és 2020 között lapos maradt, a becsült kezeléshatás 21%-kal −2,51 percentilisre esett (SI Függelék, 7.11. pont). Azonban a kezelést megelőző tendenciák korrigálásának hiánya placebo becslésekhez vezet, amelyek pozitív irányban elfogultak, tehát valószínűleg alábecsülik a kezelés hatásait. A felmérés időpontjának korrekciójának kizárása 12%-kal csökkenti a hatásnagyságot, míg a fixhatásokat is beleszámítva 1,6%-kal (iskolai szinten) vagy 6,3%-kal (családi szinten) növeli azt. A nullához legközelebbi placebo becslés megtalálható az előnyben részesített specifikáció-verziónkban, amelyben szerepelnek a fix családi hatások. A specifikációs görbe arra is rámutat, hogy a matematika területén a kezeléshatások kevésbé függenek a feltételezésektől, mint az olvasás vagy helyesírás terén.

Kifejtés

A világjárvány okozta lezárások során 2020-ban számos ország iskolái kénytelenek voltak hosszabb időn keresztül zárva tartani. Szakpolitikai szempontból fontos lenne megtudni, hogy ilyen körülmények között a diákok oktatási szükségleteit sikerült-e kielégíteni, valamint sikerült-e beazonosítani a különös kockázatnak kitett csoportokat. Ebben a tanulmányban ezt a kérdést a holland általános iskolásokról szerzett egyedülállóan gazdag adatok segítségével igyekeztünk megválaszolni. Egyértelmű bizonyítékok vannak arra, hogy a diákok a lezárások alatt kevesebbet tanulnak, mint egy átlagos iskolaévben. Ezek a veszteségek egyértelműen láthatók az általunk tanulmányozott korosztályban, mindhárom felsorolt területen: matematika, helyesírás és olvasás. Ezeknek a hatásoknak a mérete 3 percentilis pont vagy 0,08 SD körül mozog, azonban a hátrányos helyzetű tanulókat aránytalanul súlyosan érintik. A kevésbé iskolázott háztartásokból származó diákok körében a tanulási lemaradás 60%-kal nagyobb volt, mint az általános népesség esetében.

Nagyok vagy kicsik ezek a veszteségek? Az egyik módja ezen hatások horgonyzásának az egy átlagos évben elért előmenetel aránya. Az általános iskolában az éves előrehaladást átlagosan 0,30 és 0,60 SD közé szokás tenni (45). A világjárvány okozta tanulási veszteséggel kapcsolatos becsléseiben a Világbank 0,40 SD éves előrehaladást feltételez (46). Ezeket az adatokat tekintettük referenciaértékeknek adataink elemzése során, az összehasonlításul szolgáló évek számos felmérési időpontját felhasználva, és kimutattuk, hogy a teszteredmények heti 0,30−0,40 percentilissel javulnak, ami éves szinten 0,31−0,41 SD-nek felel meg (SI Függelék, 4.3. pont). A magasabb referenciaértéket figyelembe véve 3,16 percentilis kezeléshatása lefordítható a következőképpen: 3,16/0,40 = 7,9 hétnyi tanulási veszteség — amely szinte ugyanannyi időnek felel meg mint ameddig a holland iskolák zárva tartottak. Az alacsonyabb referenciaértéket figyelembe véve a tanulási veszteség meghaladja az iskolabezárások időtartamát (3,16/0,30 = 10,5 hét), amiből az következik, hogy a diákok ez idő alatt visszafejlődtek. Ugyanakkor némely tanulmány szerint az éves fejlődés akár 0,80 SD is lehet az általunk vizsgált korosztály legfiatalabbjai körében (45, 47), ami azt jelenti, hogy a távoktatás 50%-os hatékonysággal működött.

Egy másik fontos összehasonlítási alapot képeznek azok a tanulmányok, amelyek a diákok nyári szünet alatti fejlődését vizsgálják (7⇓⇓–10). A szakirodalom szerint az eredménycsökkenés 0,001-től 0,010 SD-ig terjed elvesztett iskolanaponként (10). Becsült kezeléshatásunk iskolanaponként 3,16/35 = 0,09 percentilisnek vagy 0,002 SD-nek felel meg, így ennek a tartománynak az alsó peremén helyezkedik el.* Noha korai nagy hatású tanulmányok is azt találták, hogy a nyári szünet alatt a társadalmi-gazdasági tanulási különbségek megnövekednek, ez az eredmény nem ismétlődött meg a legújabb tanulmányokban (8, 9) vagy az európai mintákban (48, 49). Azonban vannak korlátai a nyári visszaesés és a kényszerített iskolabezárások közötti párhuzamnak; a kényszerített iskolabezárás során a gyermekekkel szemben az az elvárás, hogy normál tempóban folytassák a tanulást (50). Eredményeink azt mutatják, hogy a veszteség különösen hangsúlyos volt azon diákok esetében, akik hátrányos helyzetű családokból származnak, és ez igazolta azokat a félelmeket, hogy a tartós iskolabezárások a társadalmi-gazdasági különbségek növekedéséhez vezetnek (51⇓⇓⇓–55).

Hollandiát úgy mutattuk be, mint a „legjobb forgatókönyvet”, köszönhetően a rövid ideig tartó iskolabezárásoknak, az ország nagyfokú technológiai felkészültségének és a méltányos iskolafinanszírozásnak. Azonban mindez nem jelenti azt, hogy a körülmények ideálisak voltak. Az iskolabezárások rövid időtartama miatt a diákoknak, nevelőknek és a szülőknek kevés idejük volt alkalmazkodni. Előfordulhat, hogy a távoktatás az idő múlásával javul (47). Legalábbis eredményeink arra utalnak, hogy a technológiai hozzáférés önmagában nem elegendő a jó minőségű távoktatás biztosításához. Hollandiában az iskolák magas fokú autonómiája valószínűleg szintén nagyfokú különbségekhez vezetett a világjárványra való reagálás terén, ami magyarázattal szolgálhat a becsült tanulási veszteség nagyfokú iskolai szintű különbségeire (SI Függelék, 7.9. pont).

Vajon ezek az eredmények csupán átmeneti visszaesést jelentenek, amelyet az iskolák és a tanárok végül képesek lesznek kompenzálni? Csak idővel fog kiderülni, hogy a diákok új erőre kapnak, maradnak ezen a szinten, vagy lemaradásuk tovább növekszik. A tanulás dinamikus modelljei hangsúlyozzák, hogy az apró veszteségek képesek felhalmozódni és nagy hátrányt képezni az idő múlásával (56⇓–58). A más okokból kifolyólag elvesztett iskolai napokkal kapcsolatos tanulmányok eredményei vegyesek: bizonyos kutatások szerint tartós hatással lehetnek a felnőttkori keresetre (59, 60), míg mások szerint ezek a hatások idővel eltűnnek (61, 62). Ha a tanulási veszteségek átmenetiek és a világjárvány kezdeti szakaszára koncentrálódnak, ez megmagyarázhatja, miért tűnnek az Egyesült Államokból érkező eredmények kevésbé drámainak, mint amelyektől először tartottunk. A korai becslések szerint a 3.−8. osztályos diákok a világjárvány első 6 hónapját követően 7,5 percentilis ponttal alulteljesítették az átlagot matematikából, ugyanakkor nem vesztettek olvasási eredményükből (28).

Mindazonáltal úgy tűnik, eredményeink nagysága igazolja az olyan szervezetek forgatókönyveit, mint az Európai Bizottság (34) és a Világbank (46).^† Ez abból a szempontból igen aggasztó, hogy a világjárványra kevésbé felkészült országokban sokkal nagyobb veszteségek várhatók. Továbbá eredményeink alábecsülhetik az iskolabezárások teljes költségét még az általunk tanulmányozott környezetben is. A felmérések pontszámai nem tükrözik a gyermekek pszichoszociális fejlődését (63, 64), sem a termelékenység csökkenése miatti társadalmi költségeket vagy a szülőkre nehezedő fokozott nyomást (65, 66). Összességében eredményeink kiemelik a társadalmi befektetési stratégiák fontosságát az „építsük újra, de jobban” elv mentén, valamint kihangsúlyozzák az ellenálló képesség és az oktatási rendszer méltányosságának fontosságát. Az ilyen kezdeményezések sikerének értékelése és a világjárvány diákok tanulására és jóllétére gyakorolt hosszú távú következményeinek kezelése érdekében további kutatásokra van szükség.

Anyagok és módszerek

A holland oktatási rendszer három jellemzője tette lehetővé ezt a kutatást (SI Függelék, 2. pont). Az első a tanulói nyomonkövetési rendszer, amely a felmérések pontszámaival kapcsolatos adatokat nyújtotta (40). Ez a rendszer kötelező felmérések sorozatából áll, amelyeket a gyermekek általános iskolai oktatása során (6−12 éves korig) évente kétszer végeznek el. A második az iskolák finanszírozásának súlyozott rendszere, amely egészen a közelmúltig arra kötelezte az iskolákat, hogy információt gyűjtsenek a diákok családi hátterét illetően (31). A harmadik az a tény, hogy néhány iskola külső szolgáltatókra támaszkodik az adatok kezelése és az elemzői betekintés nyújtása során. Nem ritka, hogy az ilyen szolgáltatók névtelen adatkészleteket generálnak kutatási célokra. Mi egy független kutatási alapítvánnyal, a Mirror Foundationnel (https://www.mirrorfoundation.org/) működtünk együtt, amely az egyik ilyen szolgáltatóval társult, és hozzáférést biztosított számunkra a diákok felmérési pontszámainak teljesen anonimizált adatkészletéhez. A minta az összes általános iskola 15%-át fedi le és széleskörűen reprezentálja az országos diáknépességet (SI Függelék, 5.1. pont).

A felmérések pontszámai

Az országos szintű egységes felméréseket három fő tantárgyból végzik: matematika, helyesírás és olvasás (SI Függelék, 3.1. pont). Egy adott évben az összes holland tanuló ugyanazt a felmérést írja meg az iskolában, mindegyik időtartama 60 perc. Az eredményeket percentilis pontszámokká alakítják, de az átalakításra vonatkozó norma nem változik az évek során, tehát a teljesítmény abszolút változásai az idők során megmaradnak. A percentilis pontszámok hozzárendelése során a felmérés készítőjének átváltási kulcsait használtuk. Azonban mivel ezek a kulcsok valójában a számunkra rendelkezésre álló mintánál kisebb mintákon alapulnak, a mintánkon belül egységes elosztást hoztunk létre tantárgy, évfolyam és felmérési időpont (év közepe − év vége) szerint.

Fő eredményünk egy összetett pontszám, amely az összes nem hiányzó érték átlagát veszi három területen (matematika, helyesírás és olvasás). A SI Függelék 7.1. pontjában található érzékenységi elemzésekben a diákoknak mindhárom tantárgyból érvényes pontszámmal kell rendelkezniük. A 3. ábrán külön-külön megjelenítjük a három tantárgyra vonatkozó eredményeket. A matematikai felmérés tartalmaz elvont problémákat és szöveges feladatokat, amelyek egy konkrét feladatot adnak meg. Az olvasási felmérés a tanuló olvasott szövegértési képességét értékeli, beleértve mind a tényszerű, mind az irodalmi tartalmat. A helyesírási felmérés során a tanulónak szavakat kell leírnia, bizonyítva, hogy elsajátította a helyesírás szabályait. A felmérések megbízhatósága kitűnő: az összetett teljesítménypontszámok egyénenként 0,80 felett korrelálnak 2 iskolaév között (SI Függelék, 5.3. pont).

Alternatív kimenetelként értékeljük a diákok teljesítményét az 5. ábrán látható hangos olvasás gördülékenységének rövidebb értékelése során (SI Függelék, 3.1. pont). Ebben a felmérésben egyre nehezebb szavakat kell kártyákról felolvasni meghatározott idő alatt. A felmérés készítőjének szavaival élve a cél az „olvasás technikai képességének értékelése”— tehát az olvasási képesség, a kognitív funkciók és a verbális folyékonyság keveréke. Vizsgálatunkban ezt a tanulási felkészültség vizsgálataként értelmezzük. Rendkívül fontos, hogy a szavakat a gyermekeknek nem kell érteniük, és kifejezetten arra kérik a tanulókat és szüleiket, hogy ne készüljenek erre a felmérésre. Mivel az értékelésnek ez a része nem a tananyaggal kapcsolatos tudást vizsgálja, arra számítottunk, hogy kevésbé lesz rá hatással az iskolák bezárása, és várakozásaink be is igazolódtak.

Szülők iskolázottsága

A szülők iskolázottságával kapcsolatos adatokat az iskolák gyűjtik a diákok finanszírozásának súlyozott országos rendszerének keretében, amely nagyobb forrásokat biztosít a diákok után a hátrányos helyzetű lakosságot kiszolgáló iskolák számára. A változó magasan iskolázottnak tekinti azokat a háztartásokat, ahol legalább az egyik szülő rendelkezik alsó középfokú oktatásnál magasabb végzettséggel; alacsony iskolázottságúak azok a háztartások, ahol mindkét szülő rendelkezik általános iskolai végzettségnél magasabb fokú végzettséggel, de egyiküknek sincs alsó középfokú oktatásnál magasabb végzettsége; a legalacsonyabb iskolázottságú háztartások pedig azok, ahol legalább az egyik szülő nem rendelkezik általános iskolai végzettségnél magasabb fokú végzettséggel és egyik szülő sem rendelkezik alsó középfokú oktatásnál magasabb végzettséggel. Ezek a csoportok hozzávetőlegesen a diáknépesség valamint mintánk 92%-át, 4%-át, és 4%-át teszik ki (SI Függelék, 5.1. pont). Ezt a változót bővebben tárgyaljuk az SI Függelék 3.2, 5.3, és 5.4. pontjaiban.

Egyéb kovariánsok

A nem egy bináris változó, amely megkülönbözteti a fiúkat és a lányokat. Az előzetes teljesítmény az előző év összes felmérésének eredményeiből áll össze. Egy, a fő kimeneteli változónkhoz hasonló összetett pontszámot hoztunk létre, és ezt osztottuk fel magas, közepes és alacsony teljesítményre. Az évfolyam az az iskolai korosztály, amelybe a diák a felmérés időpontjában tartozik. Hollandiában a gyermekek 4 évesen kezdik az iskolát, de az első három év kevésbé intenzív és inkább az óvodához hasonlít. A felső tagozat utolsó éve a 8. osztály, de ez az év rövidebb és nem tartalmaz túl sok újdonságot tananyag szempontjából. A kezelés érzékenységére vonatkozó súlyozást és maximális entrópia súlyokat felhasználó illesztett elemzésekbe beillesztettük az iskolai jellemzők egy SI Függelék 3.2. pontjában leírtcsoportját: iskolai szintű társadalmi-gazdasági hátrány, nem nyugatról érkezett bevándorlók aránya az iskola körzetében és az iskola felekezeti hovatartozása.

Különbségek közötti különbség elemzés

Egy különbségek közötti különbség vizsgálati elrendezés felhasználásával összehasonlítottuk a 2020-as évben elért előrehaladás mértékét az előző évekkel. Az előbbi esetben a lezárás előtti tanulmányi eredmények (év közepi felmérés) és a lezárás utáni tanulmányi eredmények (év végi felmérés) különbségét vettük: Δy_i²⁰²⁰= y_i^2020-vége − y_i^2020-közepe, ahol y_i az i diák valamilyen teljesítménymérője, a felső indexben látható 2020 pedig a vizsgálat idejét jelöli. Ezt követően kiszámoltuk ugyanezt a különbséget a világjárványt megelőző 3 évre: Δy_i^2017−2019. Ezek a különbségek egy regressziós specifikációban hasonlíthatók össze:

Δy_i=α+Z′_iγ+δT_i+ϵ_ij,

ahol Z_i a kontroll változók vektora, T_i a 2020-as kezelési év indikátora, és ϵ_ijegy független és azonos eloszlású iskolai szinten csoportosított hibahatár. Kiindulási feltevésünkben Z_i egy lineáris tendenciát tartalmaz a felmérés évére és egy változót, amely a két felmérés között eltelt napok számát adja meg. A kezeléshatás heterogenitásának értékelése érdekében összeadunk minden Xi diákjellemzővel kölcsönhatásban lévő T_i, kezelésindikátort,

Δy_i=α+Z′_iγ+βX_i+δ₀T_i+δ₁T_iX_i+ϵ_ij,

ahol X_i a szülők iskolázottsága, a tanuló neme vagy az előzetes teljesítmény egyike. Ezenkívül, évfolyamonként és tárgyanként megbecsüljük az Eq. 1-et. Az SI Függelék 3.2. pontja tartalmazza modellünk részletesebb indoklását és leírását, valamint az egyéb általunk alkalmazott stratégiákat, amelyeket annak érdekében alkalmaztunk, hogy csökkentsük az utánkövetés veszteségeit. Elemzésünk során a konfidencia intervallumokat a robosztus standard hibákkal működő iskolák csoportosításához használtuk.

Hatásméret-átváltás

Hatásméreteink percentilis-skálán kerültek kifejezésre. Az oktatási kutatások során megszokott a szórás alapú mérőszámok, mint például a Cohen-féle hatásmérték alkalmazása (67). Feltéve, hogy a percentilisek egy mögöttes normális elosztásból származnak, a következő képletet használjuk az átváltásra:

d=Φ⁻¹(0.50+δ/100),

ahol δ a kezeléshatás a percentilis skálán, és Φ⁻¹ a standard normális eloszlás inverz kumulatívja. Általában „kicsi” vagy „közepes” hatásméretekkel a d∈[−0.5,0.5] tartományban, ez az átalakítás nagyjából 0,025 SD/percentilis átváltási tényezőt feltételez.

Propenzitás érték és entrópia súlyozása

Továbbá a kezelési és kontrollcsoportokat egyedi és iskolai szintű tulajdonságok szélesebb skáláján hasonlítottuk össze, újrasúlyozva a propenzitást (68) és a maximális entrópia súlyozást (69). Mindkét esetben figyelembe vesszük a nemet, a szülők iskolázottságát, az előzetes teljesítményt és ez ezek közötti két- és háromirányú kölcsönhatásokat, a diák iskolai évfolyamát és az iskolai szintű kovariánsokat: az iskola felekezeti hovatartozását, hátrányos helyzetét és környékének etnikai összetételét. A kezelési súlyok propenzitása tartalmazza mindenek előtt a kezelés valószínűségének becslését bináris válasz (logit) modell felhasználásával, majd a megfigyelések újrasúlyozását, hogy az összehasonlító és a kezelési csoportokon keresztül egyensúlyban legyenek ezzel a propenzitással. Az entrópia kiegyensúlyozási eljárás ezzel szemben maximális entrópia súlyokat használ, amelyeket úgy kalibráltak, hogy közvetlenül, nemparametrikus módon kiegyenlítsék az összehasonlító és a kezelési csoportokat a megfigyelt kovariánsokon.

Iskola és család fixhatások

A fixhatás leírásokkal iskolán belüli és családon belüli elemzéseket hajtottunk végre (70). Az iskolán belüli vizsgálati elrendezés eltüntet minden iskolák közötti eltérést azzal, hogy minden iskola esetében külön metszetet vezet be. Ezáltal megszünteti a nem észrevehető heterogenitást az iskolák között, ami eltorzíthatta volna eredményeinket, például ha a kezelési év során túlsúlyban lettek volna az olyan iskolák, ahol az egy iskolaéven belüli előmenetel rosszabb mint az átlagnál. Ugyanez a logika vonatkozik a családon belüli mintázatra, amely eltüntet minden eltérést a családok között azáltal, hogy elkülönít minden adatainkban beazonosított testvércsoportot. Ez a lépés mintánk méretét nagyjából 60%-kal csökkenti, mivel nem minden diáknak van olyan testvére, aki az általunk vizsgált években a vizsgált iskolába járt.

Az adatok elérhetősége

A tanulmány alapjául szolgáló adatok bizalmasak és etikai és jogi korlátok miatt nem oszthatók meg. Az adatokhoz egy nonprofit szervezettel való partnerségen keresztül jutottunk hozzá, amely különleges intézkedéseket tett annak érdekében, hogy ez a kutatás megvalósulhasson. Ha más kutatók hozzá szeretnének férni ugyanezekhez az adatokhoz, hasonló partnerséget kell létesíteniük. Azonban folyamatban van az egyenértékű adatok hozzáadása a széles körben kutatásra használt meglévő adatkészletekhez, mint például a Nationaal Cohortonderzoek Onderwijs (NCO). Az ebben a cikkben jelentett eredmények alapjául szolgáló elemző szkriptek online elérhetők a következő címen: https://github.com/MarkDVerhagen/Learning_Loss_COVID-19.

Köszönetnyilvánítás

Szeretnénk kifejezni köszönetünket a 2020  Institute of Labor Economics (IZA) és a Jacobs központ „COVID19 gyermekek és fiatalok fejlődésére gyakorolt hatásai” c. szakmai találkozó résztvevőinek, az Oxfordi Egyetem Leverhulme Demográfiai Tudományközpontja által szervezett szeminárium résztvevőinek, valamint az OECD-nek és a Világbanknak. Köszönjük a Mirror Foundationnek arra irányuló fáradhatatlan igyekezetét, hogy az összes adatokkal kapcsolatos kérdésünket megválaszolja. P.E. számára támogatást nyújtott a Svéd Egészségügyi, Munkaügyi és Jóléti Kutatási Tanács (FORTE), 2016-07099 sz. támogatása; a Nuffield College; végezetül a Leverhulme Center for Demographic Science, The Leverhulme Trust. A.F. számára támogatást nyújtott az Egyesült Királyság Gazdasági és Szociális Kutatási Tanácsa (ESRC) és a Német Akadémiai Ösztöndíj Alapítvány. M.D.V. számára támogatást nyújtott a UK ESRC és a Nuffield College.

Lábjegyzetek

↵¹P.E., A.F., és M.D.V. egyenlő mértékben járult hozzá ehhez a munkához.

↵²Kapcsolattartó e-mail címe. Email: per.engzell@nuffield.ox.ac.uk.

Szerzői hozzájárulások: a kutatást P.E., A.F., és M.D.V. dolgozta ki; P.E., A.F., és M.D.V. valósította meg; A.F. és M.D.V. elemezték az adatokat; végezetül P.E., A.F., és M.D.V. írta meg a tanulmányt.

A szerzőknél nem áll fenn összeférhetetlenség.

↵*Noha az iskolák 8 hétig voltak zárva, az egyik hét ezek közül a húsvéti szünet volt, ez tehát 7 hét x 5 nap = 35 tényleges tanítási napot jelent.

↵A Világbank „optimista” forgatókönyve — miszerint az iskolák 60%-os hatékonysággal működtek 3 hónapon át — 0.06 SD veszteséget vetít előre a központi felmérési pontszámokban (46). Az Európai Bizottság a tanulási veszteség alsó határát 0,008 SD/hétre teszi (34), amely 8 héttel szorozva 0,064 SD-t jelent. Ez a két forgatókönyv nagyjából azonos nagyságrendű, mint az általunk megállapítottak, esetleg valamivel kisebbek.

Ez a cikk egy közvetlen PNAS beadvány.

A kapcsolódó tartalmak, például a kommentárok megjelenítéséhez lásd az online változatot.

A cikkel kapcsolatos további információk az alábbi online felületen találhatók: https://www.pnas.org/lookup/suppl/doi:10.1073/pnas.2022376118/-/DCSupplemental.

Copyright © 2021 a szerző(k). Közzétette: PNAS.

Ez a nyílt hozzáférésű cikk a Creative Commons licenc 4.0 (CC BY) alatt terjeszthető.

Irodalomjegyzék

1. United Nations, Education During COVID-19 and Beyond (UN Policy Briefs, 2020).Google Scholar
2. United Nations, Convention on the Rights of the Child (United Nations, Treaty Series, 1989).Google Scholar
3. S. K. Brooks et al. The impact of unplanned school closure on children’s social contact: Rapid evidence review. Euro Surveill., doi:10.2807/1560-7917.ES.2020.25.13.2000188 (2020).CrossRefGoogle Scholar
4. R. M. Viner et al., School closure and management practices during coronavirus outbreaks including COVID-19: A rapid systematic review. Lancet Child Adolesc. Health 4, 397–404 (2020).Google Scholar
5. M. D. Snape, R. M. Viner, COVID-19 in children and young people. Science 370, 286–288 (2020).Abstract/FREE Full TextGoogle Scholar
6. J. Vlachos, E. Hertegård, H. B Svaleryd, The effects of school closures on SARS-CoV-2 among parents and teachers. Proc. Natl. Acad. Sci. U.S.A. 118, e2020834118 (2021).Abstract/FREE Full Text Google Scholar
7. D. B. Downey, P. T. Von Hippel, B. A. Broh, Are schools the great equalizer?: Cognitive inequality during the summer months and the school year. Am. Socio. Rev. 69, 613–635 (2004).Google Scholar
8. P. T. von Hippel, C. Hamrock, Do test score gaps grow before, during, or between the school years?: Measurement artifacts and what we can know in spite of them. Soc. Sci. 6, 43 (2019).Google Scholar
9. M. Kuhfeld, Surprising new evidence on summer learning loss. Phi Delta Kappan 101, 25–29 (2019).Google Scholar
10. M. Kuhfeld et al., Projecting the potential impacts of COVID-19 school closures on academic achievement. Educ. Res. 49, 549–565 (2020).Google Scholar
11. D. E. Marcotte, S. W. Hemelt Unscheduled school closings and student performance. Edu. Fin. Pol. 3, 316–338 (2008).Google Scholar
12. M. Belot, D. Webbink, Do teacher strikes harm educational attainment of students? Lab. Travail 24, 391–406 (2010).Google Scholar
13. A. Adams-Prassl,T. Boneva,M. Golin, C. Rauh Inequality in the impact of the coronavirus shock: Evidence from real time surveys. J. Publ. Econ. 189, 104245 (2020).CrossRef Google Scholar
14. D. Witteveen,E. Velthorst, Economic hardship and mental health complaints during COVID-19. Proc. Natl. Acad. Sci. U.S.A. 117, 27277–27284 (2020).Abstract/FREE Full TextGoogle Scholar↵
15. S. K. Brooks et al., The psychological impact of quarantine and how to reduce it: Rapid review of the evidence. Lancet (2020).Google Scholar↵
16. E. Golberstein,H. Wen, B. F. Miller , Coronavirus disease 2019 (COVID-19) and mental health for children and adolescents. JAMA Pediatrics 174, 819–820 (2020).Google Scholar
17. N. Pereda,D. A. Díaz-Faes, Family violence against children in the wake of Covid-19 pandemic: A review of current perspectives and risk factors. Child Adolesc. Psychiatry Ment. Health 14, 1–7 (2020).CrossRef Google Scholar↵
18. E. J. Baron, E. G. Goldstein, C. T. Wallace, Suffering in silence: How covid-19 school closures inhibit the reporting of child maltreatment. J. Publ. Econ. 190, 104258 (2020).CrossRefPubMedGoogle Scholar↵
19. E. Grewenig,P. Lergetporer, K. Werner, L. Woessmann, L. Zierow “COVID-19 and educational inequality: How school closures affect low-and high-achieving students” (IZA Discussion Paper 13820, Institute of Labor Economics, Bonn, Germany, 2020).Google Scholar↵
20. R. Chetty, J. N. Friedman,N. Hendren,M. Stepner, How Did COVID-19 and Stabilization Policies Affect Spending and Employment?: A New Real-Time Economic Tracker Based on Private Sector Data (National Bureau of Economic Research, 2020).Google Scholar
21. DELVE Initiative, “Balancing the risks of pupils returning to schools” (DELVE Report No. 4, Royal Society DELVE Initiative, London, 2020).Google Scholar↵
22. A. Andrew et al., Inequalities in children’s experiences of home learning during the COVID-19 lockdown in England. Fisc. Stud. 41, 653–683 (2020).Google Scholar ↵
23. C. Bansak, M. Starr, COVID-19 shocks to education supply: How 200,000 US households dealt with the sudden shift to distance learning. Rev. Econ. Househ. 19, 63–90 (2021).Google Scholar↵
24. H. Dietrich, A. Patzina, A. Lerche, Social inequality in the homeschooling efforts of German high school students during a school closing period. Eur. Soc. 23, S348–S369 (2020).Google Scholar↵
25. M. Grätz, O. Lipps, Large loss in studying time during the closure of schools in Switzerland in 2020. Res. Soc. Stratif. Mobil. 71, 100554 (2020).Google Scholar
26. D. Reimer,E. Smith,I. G. Andersen, B. Sortkær, What happens when schools shut down?: Investigating inequality in students’ reading behavior during COVID-19 in Denmark. Res. Soc. Stratif. Mobil. 71, 100568 (2021).Google Scholar↵
27. J. E. Maldonado, K. De Witte, “The effect of school closures on standardised student test outcomes” (Discussion Paper DPS20.17, KU Leuven Department of Economics, Leuven, Belgium, 2020).Google Scholar↵
28. M. Kuhfeld,B. Tarasawa,A. Johnson, E. Ruzek, K. Lewis, “Learning during COVID-19: Initial findings on students’ reading and math achievement and growth” (NWEA Brief, Portland, OR, 2020).Google Scholar↵
29. S Rose et al., “Impact of school closures and subsequent support strategies on attainment and socio-emotional wellbeing in key stage 1: Interim paper 1” (Education Endowment Foundation, National Foundation for Educational Research, London, 2021).Google Scholar↵
30. H. A. Patrinos, “School choice in the Netherlands” (CESifo DICE Report 2/2011, ifo Institute for Economic Research, Munich, Germany, 2011).Google Scholar
31. H. F. Ladd,E. B. Fiske, Weighted student funding in The Netherlands: A model for the US? J. Pol. Anal. Manag. 30, 470–498 (2011).Google Scholar↵
32. A. Schleicher, PISA 2018: Insights and Interpretations (OECD Publishing, 2018).Google Scholar↵
33. Statistics Netherlands (CBS), The Netherlands leads Europe in internet access. https://www.cbs.nl/en-gb/news/2018/05/the-Netherlands-leads-europe-in-internet-access. Accessed 9 February 2021.Google Scholar↵
34. G. Di Pietro,F. Biagi,P. Costa,Z. Karpinski,J. Mazza, The Likely Impact of COVID-19 on Education: Reflections Based on the Existing Literature and Recent International Datasets (Publications Office of the European Union, 2020).Google Scholar↵
35. F. M. Reimers,A. Schleicher , A Framework to Guide an Education Response to the COVID-19 Pandemic of 2020 (OECD Publishing, 2020).Google Scholar↵
36. Johns Hopkins Coronavirus Resource Center, COVID-19 case tracker. https://coronavirus.jhu.edu/data. Accessed 9 February 2021.Google Scholar↵
37. P. Tullis, Dutch cooperation made an ‘intelligent lockdown’ a success. Bloomberg Businessweek (4 June 2020).Google Scholar↵
38. M. de Haas,R. Faber,M. Hamersma, How COVID-19 and the Dutch ‘intelligent lockdown’ changed activities, work and travel behaviour: Evidence from longitudinal data in the Netherlands. Transport. Res. Interdisciplinary Perspect. 6. 100150 (2020).Google Scholar↵
39. T Bol, Inequality in homeschooling during the corona crisis in the Netherlands. First results from the LISS Panel. SocArXiv [Preprint] (2020). https://doi.org/10.31235/osf.io/hf32q (Accessed 9 February 2021).Google Scholar↵
40. K. F. Vlug, Because every pupil counts: The success of the pupil monitoring system in The Netherlands. Educ. Inf. Technol. 2, 287–306 (1997).Google Scholar
41. M. J. Mendell, G. A. Heath, Do indoor pollutants and thermal conditions in schools influence student performance?: A critical review of the literature. Indoor Air 15, 27–52 (2005).CrossRefPubMedGoogle Scholar↵
42. P. D. Marshall,M. Losonczy-Marshall, Classroom ecology: Relations between seating location, performance, and attendance. Psychol. Rep. 107, 567–577 (2010).CrossRefPubMedGoogle Scholar↵
43. R. J. Park,J. Goodman,A. P. Behrer, Learning is inhibited by heat exposure, both internationally and within the United States. Nat. Hum. Behav. 5, 19–27 (2020).Google Scholar↵
44. U. Simonsohn,J. P. Simmons,L. D. Nelson, Specification curve analysis. Nat. Hum. Behav. 4, 1208–1214 (2020).Google Scholar↵
45. H. S. Bloom,C. J. Hill,A. R. Black,M. W. Lipsey , Performance trajectories and performance gaps as achievement effect-size benchmarks for educational interventions. J. Res. Edu. Effect. 1, 289–328 (2008).Google Scholar↵
46. J. P. Azevedo,A. Hasan,D. Goldemberg,S. A. Iqbal,K. Geven (2020) Simulating the potential impacts of COVID-19 school closures on schooling and learning outcomes: A set of global estimates. World Bank Policy Research Working Paper (9284). https://openknowledge.worldbank.org/handle/10986/33945. Accessed 9 February 2021.Google Scholar↵
47. R. Montacute,C. Cullinane, Learning in Lockdown (Sutton Trust Research Brief, 2021).Google Scholar↵
48. P. Verachtert,J. Van Damme,P. Onghena,P. Ghesquière, A seasonal perspective on school effectiveness: Evidence from a Flemish longitudinal study in kindergarten and first grade. Sch. Effect. Sch. Improv. 20, 215–233 (2009).Google Scholar↵
49. F. Meyer,K. Meissel,S. McNaughton, Patterns of literacy learning in German primary schools over the summer and the influence of home literacy practices. J. Res. Read. 40, 233–253 (2017).Google Scholar↵
50. P. T. Von Hippel, How will the coronavirus crisis affect children’s learning?: Unequally. (Education Next, 2020). https://www.educationnext.org/how-will-coronavirus-crisis-affect-childrens-learning-unequally-covid-19/. Accessed 9 February 2021.Google Scholar
51. E. A. Hanushek,L. Woessmann, The Economic Impacts of Learning Losses (Organisation for Economic Co-operation and Development OECD, 2020).Google Scholar↵
52. F. Agostinelli, M. Doepke,G. Sorrenti,F. Zilibotti, When the Great Equalizer Shuts Down: Schools, Peers, and Parents in Pandemic Times (National Bureau of Economic Research, 2020).Google Scholar↵
53. A. Bacher-Hicks,J. Goodman,C. Mulhern, Inequality in household adaptation to schooling shocks: Covid-induced online learning engagement in real time. J. Publ. Econ. 193, 104345 (2020).Google Scholar↵
54. Z. Parolin,E. K. Lee, Large socio-economic, geographic and demographic disparities exist in exposure to school closures. Nat. Hum. Beh., https://doi.org/10.1038/s41562-021-01087-8. (2021).Google Scholar↵
55. D. H. Bailey,G. J. Duncan,R. J. Murnane,N. A. Yeung(2021) Achievement gaps in the wake of COVID-19 (EdWorkingPaper No. 21-346, Annenberg Institute at Brown University). https://www.edworkingpapers.com/ai21-346. Accessed 9 February 2021.Google Scholar↵
56. T. A. DiPrete,G. M. Eirich, Cumulative advantage as a mechanism for inequality: A review of theoretical and empirical developments. Annu. Rev. Sociol. 32, 271–297 (2006).CrossRefGoogle Scholar↵
57. M. Kaffenberger, Modelling the long-run learning impact of the Covid-19 learning shock: Actions to (more than) mitigate loss. Int. J. Educ. Dev. 81, 102326 (2021).Google Scholar↵
58. N. Fuchs-Schündeln,D. Krueger,A. Ludwig,I. Popova, The Long-Term Distributional and Welfare Effects of COVID-19 School Closures (National Bureau of Economic Research, 2020).Google Scholar↵
59. A. Ichino,R. Winter-Ebmer, The long-run educational cost of World War II. J. Labor Econ. 22, 57–87 (2004).CrossRefGoogle Scholar↵
60. D. Jaume,A. Willén, The long-run effects of teacher strikes: Evidence from Argentina. J. Labor Econ. 37, 1097–1139 (2019).Google Scholar↵
61. S. Cattan,D. Kamhöfer,M. Karlsson,T. Nilsson“The short- and long-term effects of student absence: Evidence from Sweden” (IZA Discussion Paper 10995, Institute of Labor Economics, Bonn, Germany, 2017).Google Scholar↵
62. B. Sacerdote, When the saints go marching out: Long-term outcomes for student evacuees from hurricanes Katrina and Rita. Am. Econ. J. Appl. Econ. 4, 109–135 (2012).Google Scholar↵
63. A. Gassman-Pines,C. M. Gibson-Davis,E. O. Ananat, How economic downturns affect children’s development: An interdisciplinary perspective on pathways of influence. Child Dev. Perspect. 9, 233–238 (2015).CrossRefGoogle Scholar↵
64. L. Shanahan et al., Emotional distress in young adults during the COVID-19 pandemic: Evidence of risk and resilience from a longitudinal cohort study. Psychol. Med., doi:10.1017/S003329172000241X (2020).CrossRefPubMedGoogle Scholar↵
65. C. Collins,L. C. Landivar,L. Ruppanner,W. J. Scarborough, COVID-19 and the gender gap in work hours.Gender Work. Organ. 28, 101–12. (2020).Google Scholar↵
66. P. Biroli et al.(2020) “Family life in lockdown” (IZA Discussion Paper 13398, Institute of Labor Economics, Bonn, Germany).Google Scholar↵
67. J. Cohen, Statistical Power Analysis for the Behavioral Sciences (Academic Press, 2013).Google Scholar↵
68. G. W. Imbens,J. M. Wooldridge, Recent developments in the econometrics of program evaluation. J. Econ. Lit. 47, 5–86 (2009).CrossRefGoogle Scholar↵
69. J. Hainmueller, Entropy balancing for causal effects: A multivariate reweighting method to produce balanced samples in observational studies. Polit. Anal., 20, 25–46 (2012).CrossRefGoogle Scholar↵
70. J. M. Wooldridge, Econometric Analysis of Cross Section and Panel Data (MIT Press, 2010).Google Scholar