--- title: "Aan de slag met staat1cho" output: rmarkdown::html_vignette vignette: > %\VignetteIndexEntry{Aan de slag met staat1cho} %\VignetteEngine{knitr::rmarkdown} %\VignetteEncoding{UTF-8} --- ```{r setup, include = FALSE} knitr::opts_chunk$set(collapse = TRUE, comment = "#>") library(staat1cho) ``` ## Wat doet dit package? `staat1cho` berekent vier studie-indicatoren per instroomcohort op basis van de 1CHO-aanlevering van DUO: - **Instroom**: nieuwe studenten per cohortjaar - **Rendement**: diploma behaald binnen 3, 5 of 8 jaar - **Uitval**: student uitgeschreven zonder diploma binnen 1 of 3 jaar - **Studiewissel**: student gewisseld van opleiding binnen 1 of 3 jaar ## De pipeline De functies werken in vaste volgorde. Elke stap bouwt voort op de vorige. ``` maak_basisbestand() └── maak_instroom_cohort() ──┐ └── maak_diploma_behaald() ──┼── bereken_rendement() ──┐ ├── bereken_uitval() ──┼── combineer_indicatoren() └── bereken_studiewissel() ──┘ ``` ## Voorbeeld met synthetische data `maak_synthetische_1cho()` maakt een fictieve instelling met complete studieloopbanen in het formaat van de 1cijferho-enriched output. We schrijven die weg als CSV en lezen hem in zoals je dat met een echte aanlevering doet. ```{r data} synth <- maak_synthetische_1cho(n_per_jaar = 100, jaren = 2014:2023) pad <- tempfile(fileext = ".csv") readr::write_delim(synth, pad, delim = ";", na = "") basis <- maak_basisbestand(pad) laatste_jaar <- max(basis$inschrijvingsjaar) laatste_jaar ``` ### Stap 1: instroomcohort `maak_instroom_cohort()` filtert op nieuwe eerstejaarsstudenten: hoofdinschrijving en verblijfsjaar 1 aan de instelling. ```{r instroom} cohorten <- maak_instroom_cohort(basis, soort_ho = "hoger beroepsonderwijs") table(cohorten$inschrijvingsjaar) ``` ### Stap 2: diploma en rendement `maak_diploma_behaald()` zoekt het vroegste diploma per student, met de opleiding waarin het behaald is. `bereken_rendement()` bepaalt of dat binnen 3, 5 of 8 jaar was. ```{r rendement} diploma <- maak_diploma_behaald(basis) rendement <- bereken_rendement(cohorten, diploma, laatste_jaar = laatste_jaar) table(rendement$eerstejaar_instelling, rendement$rendement_5jr) ``` Cohorten vanaf `r laatste_jaar - 3` zitten nog geen 5 jaar in de data. Die studenten krijgen **"Nog niet waarneembaar"** en tellen niet mee in percentages. Zonder deze regel zou het rendement voor recente cohorten kunstmatig instorten. ### Stap 3: uitval `bereken_uitval()` bepaalt de status van elke student: diploma behaald, zittend of uitgevallen. Het peiljaar wordt afgeleid uit de data. ```{r uitval} uitval <- bereken_uitval(basis, diploma, cohorten) table(uitval$status) ``` ### Stap 4: studiewissel `bereken_studiewissel()` detecteert of een student binnen 1 of 3 jaar van opleiding is gewisseld. ```{r wissel} wissel <- bereken_studiewissel(basis, cohorten, diploma, uitval) table(wissel$studiewissel_1jr) ``` ### Stap 5: combineren `combineer_indicatoren()` voegt alle stappen samen tot één analysebestand. ```{r combineer} indicatoren <- combineer_indicatoren(cohorten, rendement, uitval, wissel) head(indicatoren[, c("inschrijvingsjaar", "opleidingscode", "status", "rendement", "uitval", "studiewissel")]) ``` ## Studentniveau of inschrijvingsniveau? Op **studentniveau** (standaard) telt een student één keer, in de opleiding waarin die student instroomt. Alle uitkomsten gelden voor de hele instelling: een student die wisselt en in een andere opleiding een diploma haalt, telt bij de instroomopleiding als "Diploma behaald". De kolom `diploma_in_instroomopleiding` laat zien hoe vaak dat gebeurt: ```{r diploma-elders} table(indicatoren$diploma_in_instroomopleiding, useNA = "ifany") ``` Op **inschrijvingsniveau** is elke opleiding een eigen cohort: een wissel telt als uitval uit de oude opleiding en als instroom in de nieuwe. Kies dit niveau als je opleidingen met elkaar wilt vergelijken. ```{r inschrijving} cohort_ins <- maak_instroom_cohort(basis, "hoger beroepsonderwijs", niveau = "inschrijving") nrow(cohort_ins) - nrow(cohorten) # extra cohorten door wissels ``` ## Benchmarkrapport `maak_benchmarkrapport()` aggregeert per sector, opleidingsvorm, niveau en instroomjaar, met privacyonderdrukking van kleine groepen. `schrijf_benchmarkrapport()` slaat het op als Excel met toelichting en metadata. ```{r benchmark} rapport <- maak_benchmarkrapport(indicatoren) rapport[rapport$sector == "totaal", c("inschrijvingsjaar", "n", "pct_uitval_1jr", "pct_rendement_5jr")] ``` ## Dashboard Voor interactieve verkenning kun je het dashboard starten en het CSV-bestand uploaden: ```{r dashboard, eval = FALSE} start_dashboard() ``` ## Een vast script: pipeline.R Wil je het rapport elk jaar op precies dezelfde manier maken, zonder door het dashboard te klikken? Download [staat1cho als ZIP](https://github.com/cedanl/staat-van-onderwijsinstelling/archive/refs/heads/main.zip) en open `pipeline.R` in RStudio. Vul bovenin het pad naar je `_enriched.csv` in (met `/`, ook op Windows): ```{r pipeline, eval = FALSE} pad_1cho <- "C:/Tools/1cijferho/data/02-output/EV21PL24_enriched.csv" niveau <- "student" # of "inschrijving" vakhawv_pad <- "" # pad naar VAKHAVW..._decoded.csv, of leeg vlpbek_pad <- "" # nog leeg laten ``` Kies *Session* > *Set Working Directory* > *To Source File Location* en klik op **Source**. De pipeline zet het benchmarkrapport en de tussenbestanden in de map `Output/` naast `pipeline.R`. ## Overzicht van de functies | Functie | Wat het doet | |---|---| | `start_dashboard()` | Start het interactieve Shiny-dashboard | | `maak_basisbestand()` | Laadt het 1CHO-bestand en voegt labelkolommen toe | | `maak_instroom_cohort()` | Maakt het cohortbestand aan (nieuwe instromers) | | `maak_diploma_behaald()` | Bepaalt diplomaresultaten per student | | `bereken_rendement()` | Rendement binnen 3, 5 en 8 jaar | | `bereken_uitval()` | Uitvalstatus binnen 1 en 3 jaar | | `bereken_studiewissel()` | Studiewissel binnen 1 en 3 jaar | | `combineer_indicatoren()` | Voegt alle indicatoren samen, met vooropleiding, eerstejaars HO en het attribuut `peildatum` | | `lees_vakhawv()` / `verrijk_met_vakhawv()` | Leest VAKHAVW-vakcijfers en koppelt ze per student | | `lees_bekostiging()` / `verrijk_met_bekostiging()` | Leest een VLPBEK-bestand en koppelt de bekostigingsstatus (koppelt nog niet aan echte EV-bestanden, zie `?lees_bekostiging`) | | `is_gepseudonimiseerd()` | Herkent gepseudonimiseerde persoonsnummers | | `maak_benchmarkrapport()` | Geaggregeerd rapport met peildatum en privacyonderdrukking (groepen < 30, cellen < 5) | | `schrijf_benchmarkrapport()` | Slaat het benchmarkrapport op als Excel met toelichting, validatie en metadata | | `maak_synthetische_1cho()` | Synthetisch 1CHO-bestand met bekende uitkomsten voor demo en validatie | | `DEFINITIES`, `BEKOSTIGINGSTATUS_CODES` | Definities van de indicatoren en de DUO-redencodes | ## Invoer staat1cho verwacht de `_enriched.csv` van 1cijferho: puntkomma-gescheiden, UTF-8, kolomnamen in snake_case. Het dashboard controleert na het uploaden of de verplichte kolommen aanwezig zijn. De kolommen `hoogste_vooropleiding_voor_het_ho_omschrijving_vooropleiding` en `eerste_jaar_in_het_hoger_onderwijs` zijn optioneel; zonder die kolommen worden vooropleiding en eerstejaars HO "onbekend". Het package vraagt R 4.1.0 of nieuwer. Voor het dashboard zijn daarnaast `bslib`, `DT`, `ggplot2`, `plotly`, `scales`, `tidyr` en `writexl` nodig.