Tidsrejse 2014–2030
Det første kapitel sætter fordelingen i bevægelse. Hver boble er én af Silkeborgs 22 almen folkeskoler, fulgt gennem 17 år — 11 år historik plus 6 års prognose. X-akse = finansiering kr/elev, Y-akse = generel trivsel (4.-9. kl., skala 1-5), boblestørrelse = elevtal. Læg mærke til to mønstre, der gentager sig år efter år: de store og de små skoler trækker fra hinanden på finansiering, mens trivslen i højere grad følger den nationale trend (de to baggrundsringe) end skolens kroner. Tryk afspil, eller klik en boble for at fastlåse dens spor.
Sådan læses grafen
Højre er dyrt, oppe er højere trivsel. En boble der bevæger sig op og til venstre er en skole der får højere elevtrivsel ud af mindre finansering. Bevæger den sig ned og til højre får den mere finansering uden trivselsforbedring.
Boblefarven grupperer skoler efter elevtal: store (> 500 elever), mellem (250–500), små (< 250). Det giver et hurtigt blik for om "større er billigere".
De to ringe i baggrunden viser landsgennemsnit (DK) og Silkeborg-gennemsnit (SILK) — også animeret over tid.
Spor: Når en skole fremhæves vises dens rejse gennem tiden som en blegnende sti. Klik på en boble for at låse/oplåse spor.
Generel trivsel er den nationale trivselsmålings sammenfattende indikator for 4.-9. kl. (skala 1-5, 5 = bedst). Alle 22 almen folkeskoler indgår — også de uden 9. klasse.
Faste datapunkter pr. dimension
| År | Trivsel pr. skole | Finansering pr. skole | Elevtal pr. skole |
|---|---|---|---|
| 2014–2017 | ∼ Ekstrapoleret via UVM-landstrend (landstal fra 2014/15) | ∼ Skaleret fra 2022 via bevilling 41 / DST | ∼ 2018-værdi |
| 2018–2021 | ★ UVM trivselsmåling | ∼ Skaleret fra 2022 | ★ skoleHistoriskMetric |
| 2022 | ★ UVM trivselsmåling | ★ Aktindsigten | ★ skoleHistoriskMetric |
| 2023 | ★ UVM trivselsmåling | ∼ Midt mellem 2022/2024 | ★ skoleHistoriskMetric |
| 2024 | ★ UVM trivselsmåling | ★ Aktindsigten | ★ skoleHistoriskMetric |
| 2025–2030 | ∼ Konstant (= 2024) | ∼ Model-baseret prognose | ★ Skoleudvalgets elevprognose |
Model-baseret prognose (2025-2030): Anvender Silkeborg-modellens MAX-funktion på elev-prognosen og kommunens egen klassekvotient-fremskrivning (SK.indicators.klassekvSnit: 21,0 → 20,3 → 19,5). Antagelse: hver skoles klassekvotient følger den kommunale gns-trend (klasser åbnes proportionalt med elev-vækst PLUS en mindre reduktion svarende til kommunens generelle udvikling). For små skoler under break-even (klkv < 21,4) forstærker den faldende klkv det klasse-baserede løft — basis pr. elev stiger mere end pl-niveauet. For store skoler over break-even forbliver basis pr. elev konstant (kun pl-stigning). Mellemformer pl-justeres. Konsekvens: spændet mellem højest og lavest tildelte skole udvides svagt over tid.
Landsgennemsnit (DK): Trivsel = UVM trivselsmåling 4.-9. kl., generel-indikatoren landsplan (2014/15–2024/25; pre-2014 estimat). Finansering = typisk kommunal almen-tildeling pr. elev (smal definition: basis + mellemformer, anchor 2024 = 70.000 kr fra KL Momentum/Index100), bagudregnet via KL pl-indeks. Adskilt fra den bredere DST-finansering (78.100 kr 2024) der bruges på forsidens benchmark-cards.
Silkeborg gns. (kommunal): Trivsel = gns. af de 22 almen folkeskoler. Finansering = SK.spaend.gennemsnit (Aktindsigten 2017+ / DST-skøn 2014–2016).
Pre-2018 forbehold: Per-skole trivsel-tal 2014-2017 er ikke direkte tilgængelige (trivselsmålingen startede 2014/15 nationalt — kun landstal). De er beregnet ved at skalere hver skoles 2018-værdi med landstrenden. Det betyder at relative forskelle mellem skoler er bevarede fra 2018, men de absolutte niveauer i 2014-2017 er antagelser — ikke målte. Periodens start sammenfalder med trivselsmålingens introduktion, så vi har realistisk landstal-grund fra dag ét.
Beslægtede analyser
Prognoser 2017–2037
Kommune-aggregaterne fremskrevet: bevilling 41/91, specialudvikling, almen vs. special, elevtal, strukturindikatorer. 20-årigt billede.
Se fremskrivningerne →Value-for-money (fuld)
Justérbare vægte for karakter, undervisningseffekt, trivsel og pris. Top-10 og bund-10 i interaktiv tabel + scatter-plot.
Justér vægtene →Simulering — hvad hvis?
Elevvandring, special-vækst, alternativ tildelingsmodel uden break-even-cliff. Træk i parametrene og se konsekvenserne.
Kør scenarier →