Kapitel 6 Køn og it

6.1 Kønsforskelle i ICILS

Danmark er kendt som et af verdens mest ligestillede lande med et veludbygget system af børneinstitutioner der muliggør at begge forældre kan arbejde. Vi har fri abort, lige adgang til uddannelse osv. – altså lige muligheder for begge køn. Også i relationerne mellem mænd og kvinder og i accepten af at mænd kan udføre traditionelt kvindearbejde og kvinder mandearbejde både hjemme og på arbejdspladsen, er vi nået langt. Ifølge World Economic Forums årlige Global Gender Gap-rapport var Danmark i 2018 placeret som det 13. mest ligestillede land blandt 149 lande (World Economic Forum 2018). Men måske er vi blevet for sikre på at alt er på plads i Danmark?

For hvordan kan det være at færre end tre ud af ti studerende på it-faglige og teknologiske uddannelser er kvinder, og hvorfor er kvinder mere pessimistiske om egne færdigheder end mænd?³⁹ Det er næppe sandsynligt at svarene findes i vores gener, så de må nærmere findes i den kultur vi har udviklet hvor drenge og piger opdrages til at interessere sig for forskellige ting, klæde sig på bestemte måder, opføre sig forskelligt m.m. (Butler 2010; Canger 2018). Og sådanne stereotype kønsbilleder smitter naturligt af på vores selvbilleder af hvad vi som henholdsvis pige og dreng, kvinde og mand kan og bør.

En række forhold mellem køn og it trådte tydeligt frem i første runde af ICILS-undersøgelsen i 2013. Eksempelvis var der stor forskel på henholdsvis pigers og drenges opfattelse af egne kompetencer med en computer. Forskellen mellem gennemsnittet af pigers og drenges værdi på indekset for tiltro til egne tekniske evner var otte point hvilket er en meget betydelig forskel. I ingen andre af de dengang deltagende lande var der større forskel på gennemsnittet i drengenes og pigernes tiltro til egne evner i forhold til tekniske aktiviteter med computere end i Danmark. Det betød ikke at alle piger havde lav tiltro til egne evner, eller at alle drenge havde høj tiltro, men forskelle i køn trådte tydeligt frem. En anden slående og tankevækkende forskel blev fundet i henholdsvis drenges og pigers interesse på området: 70 procent af drengene var enige eller meget enige i at de interesserede sig for teknologi, mens det kun gjaldt 25 procent af pigerne. Og til spørgsmålet om graden af computerviden svarede blot 17 procent af pigerne at de var enige eller meget enige i at de havde større computerviden end andre, mens 54 procent af drengene svarede at det havde de. Kiggede man på resultaterne af henholdsvis drenges og pigers computer- og informationskompetencer, viste det sig dog at virkeligheden måske ikke stemte overens med elevernes forestillinger. Således var pigerne endda lidt mere kompetente end drengene på målet for computer- og informationskompetence.

Kønsforskellene i ICILS 2013 lignede dem som blev iagttaget i PISA 2009 (Mejding 2011, 32 ff.) hvor der blev stillet spørgsmål af lignende karakter. Der er altså tale om et mønster der har eksistereret gennem længere tid. I dette kapitel dykker vi derfor dybere ned i resultaterne for at undersøge hvordan forskellen er på pigers og drenges opfattelser og praksis sådan som de kommer til udtryk i svar på spørgeskemaet fra ICILS 2018.

6.2 Er der forskel på drengenes og pigernes kompetencer?

ICILS-undersøgelsen i 2013 viste at der var forskel på drengenes og pigernes gennemsnitlige computer- og informationskompetence. Vi fremhæver ordet gennemsnit fordi man let kan få det indtryk fra udsagn som “pigerne var bedre end drengene i denne undersøgelse” at det betyder at alle piger er bedre end alle drenge. Det er yderst sjældent tilfældet, og det var heller ikke tilfældet i ICILS 2013.

I gennemsnit fik pigerne i 2013 15 point mere på skalaen end drengene (pigernes gennemsnit var 549, drengenes var 534). I dette afsnit ser vi nærmere på om der også i 2018-undersøgelsen er kønsforskelle at spore i elevernes computer- og informationskompetence. Herudover bliver det for første gang undersøgt om der er kønsforskelle i forhold til danske elevers datalogiske tænkning.

6.2.1 Computer- og informationskompetence

Tabel 6.1 og figur 6.1 viser fordelingen af drengene og pigerne på niveauerne og skalaen for computer- og informationskompetence. I tabellen fremgår det at der også i 2018 er forskel på drengenes og pigernes computer- og informationskompetence. Drengenes gennemsnit er 545 point, mens pigernes er 16 point højere med et gennemsnit på 561. Forskellen er statistisk signifikant. Kønsforskellen er desuden numerisk stort set den samme i 2018 som den var i undersøgelsen i 2013.

Tabel 6.1: Computer- og informationskompetence opdelt på køn.

CIK	Drenge	Piger	Forskel
Gennemsnit	545 (2,8)	561 (2,2)	-16 (3,0)
Under niveau 1	4 (0,6)	1 (0,4)	2 (0,7)
Niveau 1	18 (1,3)	9 (1,2)	8 (1,5)
Niveau 2	42 (1,8)	47 (1,8)	-4 (2,5)
Niveau 3	33 (2,0)	39 (1,8)	-6 (2,3)
Niveau 4	3 (0,7)	3 (0,6)	0 (0,9)
Note:
Tabellen viser elevernes gennemsnit på skalaen for computer- og informationskompetence samt andele af eleverne der befinder sig på hvert af de fem niveauer. Tal i kolonnen ‘Forskel’ kan forekomme inkonsistent i forhold til andre tal i tabellen på grund af afrunding. Standardfejl er angivet i parentes. Forskelle der er signifikante, er markeret med fed.

Figur 6.1: Computer- og informationskompetence opdelt på køn. Figuren viser fordelingen som histogrammer med stiplede streger ved grænserne for de fem kompetenceniveauer. Figuren er produceret på baggrund af den første plausible værdi.

På trods af de gennemsnitlige kønsforskelle er det dog også klart at langtfra alle piger klarer sig bedre end drengene. Dette fremgår af histogrammerne i figur 6.1 der vidner om at drengenes og pigernes fordeling på computer- og informationskompetence i stor udstrækning er overlappende. Der er med andre ord mange drenge der er lige så dygtige som de dygtigste piger.

I tabel 6.1 kan vi mere præcist se, at drengene og pigerne adskiller sig ved at der er forholdsmæssigt lidt flere drenge hvis computer- og informationskompetence ligger under niveau 1 og på niveau 1, mens der er flere piger hvis computer- og informationskompetence ligger på niveau 3. Der er ikke signifikant forskel på procentandelen af drenge og piger på niveau 2. Samtidigt er det værd at bemærke at der ikke er forskel mellem procentandelen af drenge og piger på det højeste kompetenceniveau, niveau 4.

6.2.2 Datalogisk tænkning

Drengenes og pigernes gennemsnitlige resultat i testen af datalogisk tænkning fremgår af tabel 6.2. Det fremgår at gennemsnittet for både drenge og piger er 527 på skalaen for datalogisk tænkning.

Tabel 6.2: Datalogisk tænkning opdelt på køn

DT	Drenge	Piger	Forskel
Gennemsnit	527 (3,1)	527 (2,7)	0 (3,5)
Nederst	21 (1,6)	18 (1,3)	3 (2,0)
Midterst	54 (2,1)	61 (1,6)	-7 (2,8)
Øverst	25 (1,5)	21 (1,4)	4 (1,9)
Note:
Tabellen viser elevernes gennemsnit på skalaen for datalogisk tænkning samt andele af eleverne der befinder sig i hvert af de tre områder. Tal i kolonnen ‘Forskel’ kan forekomme inkonsistent i forhold til andre tal i tabellen på grund af afrunding. Standardfejl er angivet i parentes. Forskelle der er signifikante, er markeret med fed.

Selv om drengenes og pigernes kompetence i forhold til datalogisk tænkning ikke adskiller sig gennemsnitligt, udelukker det ikke at der kan være underliggende kønsforskelle i fordelingerne af elevernes dygtigheder. Histogrammerne i figur 6.2 viser fordelingen af henholdsvis drengenes (den grå kurve) og pigernes (den blå kurve) resultat i undersøgelsen af datalogisk tænkning. Histogrammerne indikerer at der er flere piger i det midterste kompetenceinterval end der er drenge, og at der omvendt er flere drenge end piger i det øvre og det nedre kompetenceinterval. Opgørelsen på kompetenceintervaller i tabel 6.2 viser også at der er forholdsmæssigt flere piger end drenge i det midterste kompetenceinterval, ligesom der er flere drenge end piger i det øverste kompetenceinterval. Der er ikke signifikant forskel på procentandelen af drenge og piger placeret i det nederste kompetenceinterval.

Figur 6.2: Datalogisk tænkning opdelt på køn. Figuren viser fordelingen som histogrammer med stiplede streger ved grænserne for de tre kompetenceområder. Figuren er produceret på baggrund af den første plausible værdi.

Samlet viser det sig altså at der ikke er forskelle mellem drenges og pigers gennemsnitlige niveau i datalogisk tænkning, men at denne lighed dækker over en forskel i fordeling således at der er flere piger i midten af dygtighedskontinuummet, mens der er flere drenge i yderområderne.

6.3 Har drenge og piger forbedret deres kompetencer siden 2013?

I kapitel 5 blev det fremhævet at danske elevers computer- og informationskompetence er gået markant frem siden 2013. Men gælder denne overordnede fremgang både drengene og pigerne? Figur 6.3 viser drengenes og pigernes gennemsnitlige computer- og informationskompetenceniveau i 2013 og 2018.

Figur 6.3: Computer- og informationskompetence opdelt på køn og år. Tal viser elevernes gennemsnit på skalaen for computer- og informationskompetence. Standardfejl er angivet i parentes. Forskelle der er signifikante, er markeret med fed. Prikker viser gennemsnit på skalaen for computer- og informationskompetence for henholdsvis drenge og piger i henholdsvis 2013 og 2018. Horisontale linjer angiver et 95-procentkonfidensinterval.

Som udgangspunkt fremgår det at der er markante udviklinger at spore blandt både drengene og pigerne. Drengenes gennemsnitlige computer- og informationskompetence er gået frem fra 534 til 545 point på skalaen hvilket svarer til en fremgang på cirka 10 point. Tilsvarende er pigernes gennemsnit forbedret med cirka 12 point fra 549 til 561. Måske en anelse overraskende kan det dog ikke fastslås at ændringen blandt drengene eller pigerne er forskellig fra nul efter konventionelle signifikansniveauer.

Årsagen til at der ikke kan dokumenteres en positiv fremgang blandt henholdsvis drengene og pigerne, skyldes den statistiske usikkerhed fra stikprøverne og den såkaldte testækvivalensfaktor. Som omtalt i kapitel 2 faldt gennemførelsen af ICILS-undersøgelsen i 2013 sammen med Kommunernes Landsforenings lockout af lærerne på de danske folkeskoler. Det betød i sidste ende at Danmark ikke levede op til de strenge krav fra IEA til størrelsen, repræsentativiteten og sammensætningen af stikprøven. Som resultat heraf opnåede Danmark i 2013 ikke en tilstrækkelig stor stikprøve hvilket betyder at usikkerheden på estimater i undergrupper (fx drenge eller piger) i 2013 blev markant større end planlagt. Den særligt store usikkerhed på estimatet i 2013 fremgår også grafisk af figur 6.3 der viser gennemsnittene på computer- og informationskompetence i 2013 og 2018 samt størrelsen af den statistiske usikkerhed markeret af de vertikale linjer (dvs. 95-procentkonfidensintervallerne).

Herudover optræder der en ekstra usikkerhed når der sammenlignes på tværs af år da der også skal tages højde for at nogle opgaver udgår, og nye kommer til. Denne usikkerhed (“testækvivalensfaktoren”) dækker over den måleusikkerhed der kommer fra udskiftninger i puljen af opgaver som gives i forskellige år, om end man stadig sætter resultaterne af testene i forskellige år på samme skala. Som konsekvens af den lille stikprøve fra 2013 og testækvivalensfaktoren er der således en særlig stor statistisk usikkerhed forbundet med resultaterne, når vi estimerer ændringer over tid for henholdsvis drengene og pigerne.

Samlet set peger estimaterne på en positiv fremgang blandt både drenge og piger, men det kan ikke efter konventionelle signifikansniveauer fastslås at hverken drengene eller pigerne isoleret set har forbedret deres computer- og informationskompetenceniveau.

6.4 Pigers og drenges tiltro til egne it-kompetencer

I 2013-undersøgelsen blev det tydeligt at danske piger havde lavere tiltro til egne evner end drenge når det kommer til tekniske aktiviteter med en computer. Dette på trods af at pigerne også i 2013 gennemsnitligt klarede sig bedre end drengene i testen af deres computer- og informationskompetence. I ICILS 2018-undersøgelsen blev eleverne igen spurgt om hvilke aktiviteter med computeren de efter egen opfattelse kunne udføre. Spørgsmålet lød: “Hvor godt kan du udføre disse opgaver på en digital enhed?”, og eleverne kunne nu vurdere ud for en række aktiviteter (se ordlyden i figur 6.4) om de kunne udføre hver aktivitet ud fra følgende svarkategorier: “Jeg ved, hvordan man gør”, “Jeg har aldrig gjort det, men jeg ville kunne finde ud af, hvordan man gør”, og “Jeg tror ikke, jeg ville kunne gøre det”.

Figur 6.4: Tiltro til at kunne udføre aktiviteter med en computer opdelt på køn. Tal viser procentandelen der svarer ‘Jeg ved, hvordan man gør’. Standardfejl er angivet i parentes. Tal i kolonnen ‘Forskel’ kan forekomme inkonsistent i forhold til andre tal i tabellen på grund af afrunding. Forskelle der er signifikante, er markeret med fed. Prikker viser forskellen i procentpoint mellem procentandelen af drenge og piger der angiver at de kan udføre aktiviteten. Positive værdier angiver at flere drenge end piger angiver at de kan udføre aktiviteten. Horisontale linjer angiver et 95-procentkonfidensinterval. Aktiviteterne er rangeret efter forskellen mellem drenge og piger.

I figur 6.4 fremgår procentandelen af drenge og piger der har svaret “Jeg ved, hvordan man gør” ved de forskellige aktiviteter. Grafen viser for hver aktivitet hvor stor forskel der er mellem andelen af drenge der mener de kan udføre opgaven, og andelen af piger der mener de kan samt et 95-procentkonfidensinterval på estimatet af forskellen. Aktiviteterne er rangeret efter størrelsen på forskellen.

Der er signifikant flere drenge end piger der mener de kan udføre følgende opgaver:

• Opsætte et LAN-netværk med computere eller andre digitale enheder
• Ændre indstillinger på din digitale enhed for at forbedre måden, den fungerer på, eller for at løse problemer
• Lave et computerprogram, en makro eller en app (f.eks. i JavaScript, Visual Basic)
• Opbygge eller redigere en hjemmeside
• Lave en database (f.eks. ved at bruge Microsoft Access, LibreOffice Base)
• Uploade tekst, billeder eller video til en onlineprofil
• Bedømme, hvorvidt du kan stole på information, du finder på internettet.

Der er til gengæld signifikant flere piger end drenge der mener de er i stand til at udføre følgende opgaver:

• Indsætte et billede i et dokument eller en besked
• Skrive eller redigere tekst til en opgave i skolen
• Søge og finde information på internettet, som du har brug for til et skoleprojekt
• Redigere digitale fotografier eller anden grafik.

Der er ikke signifikant forskel på hvor store andele piger og drenge der mener de kan installere et program eller en app eller skabe en multimediepræsentation.

De ting som flest drenge mener de kan, har tydeligt et mere teknisk tilsnit end de ting der er flest piger der mener de kan. Og forskellene er ganske betragtelige for nogle af aktiviteterne. Således mener næsten halvdelen af drengene at de kan opsætte et LAN-netværk, mens det kun er en god tyvendedel af pigerne der mener de kan det. Tilsvarende mener omkring en femtedel af drengene at de kan lave et computerprogram, en makro eller en app, mens det er under en tyvendedel af pigerne der mener de kan det. Og en tredjedel af drengene mener de kan opbygge eller redigere en hjemmeside, mens kun en femtedel af pigerne er af den opfattelse at de kan det. Disse aktiviteter er alle kendetegnet ved at de ikke har været en del af de obligatoriske faglige mål for undervisningen indtil nu, og man må derfor formode at de elever der har tilegnet sig kompetencer til at udføre dem har gjort det uden for skolen – eller eventuelt i valgfag i tilknytning til skolen.

De aktiviteter som flere piger end drenge mener de er stand til, er alle kendetegnet ved at være noget langt den overvejende del af eleverne mener de kan, og de kan også siges at være knyttet til aktiviteter som typisk foregår i skolen. Derfor er forskellene her ikke af samme størrelsesorden som ved de aktiviteter flest drenge mener de kan udføre.

Den internationale forskningsledelse i ICILS har ved hjælp af statistisk analyse identificeret at de forskellige aktiviteter måler to forskellige teoretiske dimensioner og dermed kan grupperes i to forskellige faktorer (såkaldte indeks). Det ene omfatter de mere basale aktiviteter,⁴⁰ og det andet de mere tekniske aktiviteter.⁴¹

I ICILS 2013-undersøgelsen blev der også identificeret to indeks for henholdsvis mere basale og mere tekniske aktiviteter. Imidlertid spørges der også til nye aktiviteter i 2018, ligesom nogle af de aktiviteter der blev spurgt ind til i 2013, ikke indgår i 2018-undersøgelsen, og ordlyden for nogle af aktiviteterne er ændret mellem 2013 og 2018. Med andre ord har den internationale ledelse af ICILS ændret på operationaliseringen af målene for henholdsvis mere basale og mere tekniske aktivititer. Dette mindsker muligheden for præcist at sammenholde niveauerne på indeksene over tid da vi ikke med tilstrækkelig sikkerhed kan sige at niveauerne på indeksene i 2013 og 2018 er sammenlignelige – også selv om de nye indeks operationaliserer samme teoretiske begreber som i 2013. Vi er stadig i stand til at undersøge om vi kan genfinde markante kønsforskelle i tiltro til egne evner med de nye mål, men vi er ikke på sikker grund i forhold til at udtale os om præcist hvor mange point på skalaen kønsforskellen har ændret sig. Vi vil understrege at vi finder beslutningen om at ændre i spørgsmål og indholdet af de udviklede indeks helt forståelig og nødvendig. Selv om de underliggende fænomener inden for brug af it givetvis er de samme, sker der store ændringer af de konkrete aktiviteter i disse år. Vi foretrækker derfor at undersøgelsen måler med et opdateret og aktuelt instrument frem for at kunne sige helt præcist hvor stor en given udvikling er.

Indeks i ICILS er produceret ved at analysere de spørgsmål der indgår, med en Rasch-analyse som resulterer i at hver elevs besvarelse kan gives en værdi på en logitskala. For at gøre resultaterne lettere at fortolke omsættes værdien til en skala hvor det internationale gennemsnit af elevernes værdier sættes til 50 og standardafvigelsen til 10. Det betyder at hvis en elev har en værdi på et indeks på 50, har hun altså svaret sådan som gennemsnittet af elever internationalt har svaret. Hvis hun har en værdi på over 60, ligger hun mellem de 16 procent med mest positive værdier, og omvendt hvis hun har en værdi på under 40, ligger hun mellem de 16 procent med mest negative værdier. Små numeriske afstande fra værdien 50 kan således være betydningsfulde.

I figur 6.5 fremgår drenges og pigers gennemsnit på indeksene for tiltro til egne evner i forhold til basale og tekniske aktiviteter i henholdsvis 2013 og 2018. Hvad angår tiltro til egne evner til basale aktiviteter, kan vi se at der ikke er en signifikant forskel på drengenes og pigernes gennemsnit i 2018. For begge køn er gennemsnittet 52 på indekset. Grafen der viser forskellen mellem drenge og piger på indekset og 95 procent konfindensintervallet, tydeliggør at der ikke er en statistisk signifikant kønsforskel i tiltro til egne evner til basale aktiviteter. Omvendt viser tabellen og grafen at der var en statistisk signifikant kønsforskel i 2013 hvor drengene i gennemsnit havde større tiltro end pigerne til egne evner til basale aktiviteter. Hvor man således i 2013 kunne sige at der var en forskel mellem gennemsnittet af drenges og pigers tiltro til egne evner til basale aktiviteter med en computer, er det ikke længere tilfældet.

Figur 6.5: Kønsforskelle i tiltro til egne evner i forhold til basale og tekniske aktiviteter med en computer opdelt på år. Tal viser gennemsnit på skalaen for tiltro til egne evner i forhold til henholdsvis basale og tekniske aktiviteter med en computer. Standardfejl er angivet i parentes. Tal i kolonnen ’Forskel’ kan forekomme inkonsistent i forhold til andre tal i tabellen på grund af afrunding. Forskelle der er signifikante, er markeret med fed. Prikker viser den gennemsnitlige forskel mellem drenge og piger på en skala. Positive værdier angiver at drenge i højere grad end piger har tiltro til egne evner. Horisontale linjer angiver et 95-procentkonfidensinterval.

Til gengæld er det meget tydeligt at der stadig er en betydelig kønsforskel i tiltro til egne evner til tekniske aktiviteter med en computer. Drengenes gennemsnit er i 2018 otte point højere på indekset hvilket næsten svarer til en standardafvigelse på indekset. Dette er en ganske betydelig forskel. Ikke overraskende er denne forskel også signifikant forskellig fra nul som graferne også vidner om.

Selv om der er en gennemsnitlig forskel, er det vigtigt at være opmærksom på at det ikke er alle drenge der har stor tiltro til egne evner til tekniske aktiviteter med it, og at det ikke er alle piger der har lav tiltro. Men som vi også så i forbindelse med gennemgangen af de spørgsmål der indgår i indekset (se figur 6.4), er forskellene usædvanligt store.

Når vi ser nærmere på kønsforskellene i tiltro til egne evner internationalt, bliver det tydeligt at der heller ikke i andre lande er store forskelle i drengenes og pigernes tiltro til at de kan udføre basale aktiviteter med computer. Figur 6.6 viser drenges og pigers gennemsnit i hvert land på indekset for tiltro til egne evner til basale aktiviteter. Tabellen viser at drenge og piger stort set har samme tiltro til egne evner i alle lande på nær i fire lande, herunder USA, hvor pigerne i gennemsnit har større tiltro til egne evner end drengene. Grafen viser kønsforskellene for hvert land samt et 95-procentkonfidensinterval som indikerer om kønsforskellen er statistisk signifikant fra nul i et givent land.

Figur 6.6: Kønsforskelle i tiltro til egne evner i forhold til basale aktiviteter med en computer opdelt på land. Tal viser gennemsnit på skalaen for tiltro til egne evner i forhold til basale aktiviteter med en computer. Standardfejl er angivet i parentes. Tal i kolonnen ’Forskel’ kan forekomme inkonsistent i forhold til andre tal i tabellen på grund af afrunding. Forskelle der er signifikante, er markeret med fed. Prikker viser den gennemsnitlige forskel mellem drenge og piger på skalaen. Positive værdier angiver at drenge i højere grad end piger har tiltro til egne evner. Horisontale linjer angiver et 95-procentkonfidensinterval. Landene er rangeret efter forskellen mellem drenge og piger.

Danmark skiller sig markant ud internationalt når vi sammenligner kønsforskellen i tiltro til egne evner i forhold til tekniske aktiviteter med en computer. Det fremgår af figur 6.7 at kønsforskellen i Danmark er stor sammenlignet med de andre deltagende lande. Godt nok er der også en betydelig kønsforskel i de lande vi har særligt fokus på i denne rapport (Tyskland, Finland og USA), og som graferne viser, er kønsforskellene statistisk signifikante i samtlige lande på nær i Kasakhstan. Kønsforskellen i Danmark er dog så markant at den er statistisk signifikant større end kønsforskellen i alle de andre lande der deltager i undersøgelsen.

Figur 6.7: Kønsforskelle i tiltro til egne evner i forhold til tekniske aktiviteter med en computer opdelt på land. Tal viser gennemsnit på skalaen for tiltro til egne evner i forhold til tekniske aktiviteter med en computer. Standardfejl er angivet i parentes. Tal i kolonnen ’Forskel’ kan forekomme inkonsistent i forhold til andre tal i tabellen på grund af afrunding. Forskelle der er signifikante, er markeret med fed. Prikker viser den gennemsnitlige forskel mellem drenge og piger på skalaen. Positive værdier angiver at drenge i højere grad end piger har tiltro til egne evner. Horisontale linjer angiver et 95-procentkonfidensinterval. Landene er rangeret efter forskellen mellem drenge og piger.

Det falder også i øjnene at de danske drenge i gennemsnit ligger omkring det internationale gennemsnit på 50, mens pigerne ligger syv point under gennemsnittet. Som omtalt ovenfor, er dette en usædvanlig lille værdi som angiver at danske piger i gennemsnit ligger nede omkring de femogtyve procent mindst selvtillidsfulde på internationalt plan. Danske piger er således i gennemsnit usædvanligt lidt tillidsfulde i forhold til deres egne kompetencer til tekniske aktiviteter.

6.5 Bruger drenge og piger it til forskellige ting?

Eleverne blev også stillet en række spørgsmål om hvor ofte de bruger it til forskellige basale og tekniske aktiviteter, til forskellige kommunikationsaktiviteter og til forskellige aktiviteter uden for skolen og i skolen. I det følgende ser vi nærmere på i hvilken udstrækning drenge og piger anvender it i forskelligt omfang til de nævnte aktiviteter.

6.5.1 Brug af it til basale og tekniske aktiviteter

Det første spørgsmål i denne gruppe handlede om brug af programtyper og lød: “Hvor ofte bruger du it til hver af de følgende aktiviteter?” Aktiviteterne er gengivet i figur 6.8. Eleverne svarede ud fra følgende svarkategorier: “Hver dag”, “Mindst en gang om ugen, men ikke hver dag”, “Mindst en gang om måneden, men ikke hver uge”, “Mindre end en gang om måneden” og “Aldrig”.

Figur 6.8 viser procentandelen af henholdsvis drenge og piger der svarer at de bruger it mindst ugentligt eller dagligt til aktiviteten.

Figur 6.8: Brug af it til forskellige aktiviteter opdelt på køn. Tal viser procentandelen der svarer ‘Mindst ugentligt’ eller ‘Hver dag’. Standardfejl er angivet i parentes. Tal i kolonnen ‘Forskel’ kan forekomme inkonsistent i forhold til andre tal i tabellen på grund af afrunding. Forskelle der er signifikante, er markeret med fed. Prikker viser forskellen i procentpoint mellem procentandelen af drenge og piger der angiver at de udfører aktiviteten ugentligt eller dagligt. Positive værdier angiver at flere drenge end piger angiver at de udfører aktiviteten ugentligt eller dagligt. Horisontale linjer angiver et 95-procentkonfidensinterval. Aktiviteterne er rangeret efter forskellen mellem drenge og piger.

Hvor de foregående spørgsmål handlede om hvorvidt eleverne mente at de kunne hvis de skulle udføre en aktivitet, så handler dette spørgsmål om hvorvidt de faktisk vurderer at gøre det. Forskellene mellem andelene af piger og drenge der udfører disse aktiviteter, er meget parallelle med de forskelle der var på om de mente at de kunne hvis de skulle. Ved mere tekniske aktiviteter som at skrive computerprogrammer, makroer eller apps og opbygge eller redigere en hjemmeside er der flere end dobbelt så mange drenge som piger der vurderer at de udfører aktiviteten dagligt eller ugentligt. Det er også langt større andele af drenge der jævnligt udfører det der umiddelbart kan betragtes som mere kreative aktiviteter som at bruge tegne-, male- eller grafisk software og producere eller redigere musik (dermed ikke sagt at softwareudvikling og hjemmesideredigering ikke er yderst kreativt arbejde). På den anden side kan de sidstnævnte aktiviteter også være teknisk krævende fordi mulighederne i sådanne redigeringsprogrammer kan være ganske overvældende.

Generelt er der dog tale om forholdsvis små andele af både piger og drenge som udfører disse fire typer aktiviter ugentligt, så det er vigtigt ikke at tolke disse resultater som at drenge arbejder med tekniske aspekter af computeren, og at piger ikke gør. Der er blot væsentligt flere drenge end piger der gør det.

Ved en potentielt endnu mere teknisk udfordrende aktivitet, nemlig at redigere videoer, vurderer omkring en femtedel af både drenge og piger at de gør det dagligt eller ugentligt. Dette er sandsynligvis et udtryk for at optagelse og helt simpel redigering, typisk direkte på mobiltelefonen, af videoer til deling i sociale relationer er blevet meget enkelt og almindeligt.

Det står således klart at der er en betydelig forskel mellem drenge og piger – både på hvor ofte de vurderer at de arbejder med mere tekniske aktiviteter, og på hvor mange der oplever at kunne udføre tekniske aktiviteter.

Til gengæld er det en meget stor andel af eleverne som bruger computere til tekstbehandling, og selv om der er signifikant flere piger end drenge der siger at de gør det dagligt eller ugenligt, er forskellen lille. Der er også betydelige andele af både piger og drenge som angiver at de anvender regneark og laver præsentationer med computere dagligt eller ugentligt.

6.5.2 Brug af it til kommunikationsaktiviteter

Eleverne blev også spurgt til deres brug af it til forskellige typer af kommunikationsaktiviteter. De blev spurgt: “Hvor ofte bruger du it til hver af de følgende kommunikationsaktiviteter?” i forhold til de aktiviteter der er gengivet i figur 6.9. De svarede også ved dette spørgsmål ud fra følgende svarkategorier: “Hver dag”, “Mindst en gang om ugen, men ikke hver dag”, “Mindst en gang om måneden, men ikke hver uge”, “Mindre end en gang om måneden” og “Aldrig”.

Af figur 6.9 fremgår procentandelen af drenge og piger der svarer at de bruger it dagligt eller mindst ugentligt til aktiviteten. For det første kan man lægge mærke til at både piger og drenge i meget vidt omfang (omkring 90 procent af begge køn) kommunikerer via beskedstjenester, ser video og billeder og skriver til venner eller familie via nettet. For det andet kan man bemærke at kun meget små andele af begge køn bruger it dagligt eller ugentligt til at skrive blogindlæg, stille spørgsmål og svare på andres spørgsmål på spørgsmål-svar-hjemmesider og sågar til at skrive opslag og opdateringer på sociale medier. Danske 8.-klasseelever er ikke voldsomt skriftligt kommunikerende i det offentlige eller semi-offentlige rum.⁴² Men større andele – omkring en tredjedel – bruger it dagligt eller ugentligt til at dele nyheder, uploade billeder eller video og sende informationer om begivenheder.

Figur 6.9: Brug af it til kommunikationsaktiviteter opdelt på køn. Tal viser procentandelen der svarer ‘Mindst ugentligt’ eller ‘Hver dag’. Standardfejl er angivet i parentes. Tal i kolonnen ‘Forskel’ kan forekomme inkonsistent i forhold til andre tal i tabellen på grund af afrunding. Forskelle der er signifikante, er markeret med fed. Prikker viser forskellen i procentpoint mellem procentandelen af drenge og piger der angiver at de udfører aktiviteten ugentligt eller dagligt. Positive værdier angiver at flere drenge end piger angiver at de udfører aktiviteten ugentligt eller dagligt. Horisontale linjer angiver et 95-procentkonfidensinterval. Aktiviteterne er rangeret efter forskellen mellem drenge og piger.

Ser vi på forskellene mellem piger og drenge, viser der sig primært signifikante og betydningsfulde forskelle på to måder. For det første er der signifikant flere drenge end piger der er produktive skriftligt via de kanaler som var hjørnesten i internettets barndom, nemlig diskussionsfora, og som skriver blogindlæg. Som sagt er det få unge mennesker der gør det dagligt eller ugentligt, og blandt dem der gør det, er det i højere grad drenge end piger.

Pigerne er til gengæld i overtal når det kommer til det vi typisk associerer med social online kommunikation, nemlig at skrive til venner og familie, skrive opslag og opdateringer om deres eget liv og uploade billeder eller video. Særligt for de to sidstnævntes vedkommende er der væsentligt flere piger end drenge der angiver at det gør de dagligt eller ugentligt.

Der tegner sig således igen et billede af en forskel på hvad der er typisk for piger og for drenge. Hvor det er mere typisk for piger end for drenge at bidrage til den sociale online kommunikation, så er det mere typisk drenge der kommunikerer i spørgsmål-svar-fora og gennem blogindlæg. Men igen er det vigtigt at være opmærksom på at langt de fleste drenge heller ikke bruger nettet til at stille og svare på spørgsmål eller skrive blogindlæg.

6.5.3 Brug af it til aktiviteter uden for skolen

Ydermere blev eleverne spurgt om deres brug af it til aktiviteter uden for skolen. Spørgsmålet lød: “Hvor ofte bruger du it til hver af de følgende aktiviteter uden for skolen?” i forhold til de aktiviteter der er gengivet i figur 6.10.

Figur 6.10: Brug af it til aktiviteter uden for skolen opdelt på køn. Tal viser procentandelen der svarer ‘Mindst ugentligt’ eller ‘Hver dag’. Standardfejl er angivet i parentes. Tal i kolonnen ‘Forskel’ kan forekomme inkonsistent i forhold til andre tal i tabellen på grund af afrunding. Forskelle der er signifikante, er markeret med fed. Prikker viser forskellen i procentpoint mellem procentandelen af drenge og piger der angiver at de udfører aktiviteten ugentligt eller dagligt. Positive værdier angiver at flere drenge end piger angiver at de udfører aktiviteten ugentligt eller dagligt. Horisontale linjer angiver et 95-procentkonfidensinterval. Aktiviteterne er rangeret efter forskellen mellem drenge og piger.

Eleverne svarede også her ud fra følgende svarkategorier: “Hver dag”, “Mindst en gang om ugen, men ikke hver dag”, “Mindst en gang om måneden, men ikke hver uge”, “Mindre end en gang om måneden” og “Aldrig”. Figur 6.10 viser procentandelen af drenge og piger der svarer at de bruger it mindst ugentligt til aktiviteten.

Det gælder for begge køn at de i meget stort tal bruger it uden for skolen dagligt eller ugentligt til at søge informationer om ting de er interesserede i, til at se video og til at lytte til musik. Det er også ganske mange – godt halvdelen af begge køn – der læser nyheder på nettet. Noget færre – omkring en fjerdedel af begge køn – bruger internettet til at finde steder at tage hen eller aktiviteter at deltage i.

Der er en lille overvægt af drenge der bruger nettet til at søge informationer og læse nyheder, men forskellene er ikke store. Det er de til gengæld når det kommer til at læse anmeldelser på internettet, bruge internettet til at finde ud af hvordan man gør noget, og særligt til at spille spil. For disse tre aktiviteter er der mellem 15 og 25 procentpoint flere drenge end piger der bruger it til aktiviteten dagligt eller ugentligt. Der tegner sig således et billede af at det i højere grad er drenge – og her ikke bare et mindretal – der bruger internettet til at løse problemer (specifikt i forhold til hvad de skal købe, og hvordan de “gør noget”).

6.5.4 Brug af it til aktiviteter til skolemæssige formål

Endelig blev eleverne spurgt om deres brug af it til skolemæssige formål. Spørgsmålet lød “Hvor ofte bruger du it til følgende skolemæssige formål” i forhold til de aktiviteter der er gengivet i figur 6.11. Eleverne svarede også her ud fra følgende svarkategorier: “Hver dag”, “Mindst en gang om ugen, men ikke hver dag”, “Mindst en gang om måneden, men ikke hver uge”, “Mindre end en gang om måneden” og “Aldrig”. Figur 6.11 viser procentandelen af drenge og piger der svarer at de bruger it dagligt eller ugentligt til aktiviteten.

Figur 6.11: Brug af it til skolemæssige formål opdelt på køn. Tal viser procentandelen der svarer ‘Mindst ugentligt’ eller ‘Hver dag’. Standardfejl er angivet i parentes. Tal i kolonnen ‘Forskel’ kan forekomme inkonsistent i forhold til andre tal i tabellen på grund af afrunding. Forskelle der er signifikante, er markeret med fed. Prikker viser forskellen i procentpoint mellem procentandelen af drenge og piger der angiver at de udfører aktiviteten ugentligt eller dagligt. Positive værdier angiver at flere drenge end piger angiver at de udfører aktiviteten ugentligt eller dagligt. Horisontale linjer angiver et 95-procentkonfidensinterval. Aktiviteterne er rangeret efter forskellen mellem drenge og piger.

Både piger og drenge bruger i meget stort antal it i skolen dagligt eller ugentligt til at søge information og til at samarbejde med andre elever. Det er også langt de fleste der bruger it dagligt eller ugentligt til at udarbejde rapporter, og omkring halvdelen bruger it dagligt eller ugentligt til at forberede fremlæggelser og organisere deres tid og arbejde. De aktiviteter vi har nævnt her, vil typisk indgå i en praksis hvor eleverne arbejder selvstændigt på mere projektorienterede opgaver. Men de aktiviteter der typisk vil kendetegne mere traditionel struktureret undervisning hvor eleverne udfylder arbejdsark og øvelser, bruger it til at tilegne sig færdigheder og til at tage test, er også, særligt for de to første aktiviteters vedkommende, nævnt af store andele af eleverne som noget de gør dagligt eller ugentligt i skolen.

Alle de her nævnte aktiviteter er enten statistisk set ligeligt repræsenterede hos piger og drenge, eller der er tale om forholdsvis små forskelle i andelene af piger og drenge der udfører aktiviteten, måske på nær for tests vedkommende (hvor der er 6 procentpoint flere drenge der angiver at det sker dagligt eller ugentligt) samt skrivning af rapporter og lignende skriftlige opgaver (hvor der er 7 procentpoint flere piger der angiver at det sker dagligt eller ugentligt). Det er forventeligt at der ikke er den store forskel på kønnene, da de jo går i samme skole og for det meste undervises sammen og stilles de samme typer af opgaver.

To aktiviter, nemlig at bruge programmeringssoftware eller apps og at lave video og lyd med it, foregår for langt størstedelen af eleverne sjældent. Men blandt dem der gør disse ting i skoletiden, er drengene i (klart) overtal. Det må bemærkes at netop disse to aktiviteter har mere teknisk karakter end de andre der er spurgt om i denne samling af spørgsmål.

6.5.5 Indeks for brug af it

Spørgsmålene som eleverne blev stillet om brug af it til forskellige aktiviteter, viste sig ved den internationale forskningsledelses statistiske analyse at udgøre seks bagvedliggende dimensioner. Disse dimensioner var:

• Basale aktiviteter⁴³
• Tekniske aktiviteter⁴⁴
• Skolearbejde⁴⁵
• Social kommunikation⁴⁶
• Udveksling af information⁴⁷
• Indhold på internettet.⁴⁸

Figur 6.12 viser med tal drengenes og pigernes gennemsnit på hvert af de seks indeks og forskellen mellem disse gennemsnit. I grafen vises forskellen med et punkt samt et 95-procentkonfidensinterval der gør det muligt at vurdere om kønsforskellen er statistisk signifikant.

Figur 6.12: Brug af it til forskellige aktiviteter opdelt på køn. Tal viser gennemsnit på skalaer for brug af it til forskellige aktiviteter. Standardfejl er angivet i parentes. Tal i kolonnen ‘Forskel’ kan forekomme inkonsistent i forhold til andre tal i tabellen på grund af afrunding. Forskelle der er signifikante, er markeret med fed. Prikker viser den gennemsnitlige forskel mellem drenge og piger på en skala. Positive værdier angiver at drenge i højere grad end piger angiver at de anvender it til aktiviteten. Horisontale linjer angiver et 95-procentkonfidensinterval. Aktiviteterne er rangeret efter forskellen mellem drenge og piger.

Først kan det bemærkes at både danske drenge og piger har usædvanligt høje værdier på indeksene for brug af it til skolearbejde og til basale aktiviteter. Værdier der ligger 7-10 point over gennemsnittet på 50, antyder at danske 8.-klasseelever i gennemsnit bruger it i skolen og til basale aktiviter lige så meget som de elever der ligger i den 75.-84. percentil internationalt. Det fremgår desuden af figuren at drengene bruger it mere end pigerne til tekniske aktiviteter, til udveksling af information og til at tilgå indhold på internettet. Der er ikke en kønsforskel i forhold til brug af it til skolearbejde eller til basale aktiviteter. Pigerne er mere tilbøjelige end drengene til at anvende it til social kommunikation. Disse indeks understøtter således de iagttagelser der er gjort i de foregående afsnit på baggrund af de enkelte spørgsmål der blev stillet til eleverne.

6.6 Pigers og drenges syn på mulighederne for en fremtidig it

Det fremgår af de foregående afsnit at der er en meget gennemgående og konsistent forskel i hvad drenge henholdsvis piger typisk mener de er i stand til, og hvad de faktisk bruger it til. Lidt firkantet kan man sige at det er mere almindeligt for drenge (men ikke for alle drenge) at mene at de er i stand til at håndtere mere tekniske udfordringer i omgangen med it, og at de i højere grad bruger it til mere tekniske aktiviteter. Til gengæld er der flere piger end drenge der bruger it til sociale formål.

Det er interessant at undersøge om de forskelle der har vist sig i tiltro til egne evner og i hvad it konkret bruges til af de to køn, også slår igennem i forhold til deres forestilling om hvilken rolle it skal spille i deres fremtid.

I ICILS 2018-undersøgelsen har vi derfor for første gang stillet eleverne en række spørgsmål om deres interesse for at komme til at arbejde med it i deres fremtidige studie- og arbejdsliv. Spørgsmålet lød: “I hvilken grad er du enig eller uenig i følgende udsagn om it?” i forhold til de udsagn der er gengivet i figur 6.13. Eleverne blev bedt om at vurdere udsagnene ud fra følgende svarkategorier: “Helt enig”, “Enig”, “Uenig” og “Helt uenig”.

Figur 6.13: Syn på en fremtid med it opdelt på køn. Tal viser procentandelen der svarer ‘Helt enig’ eller ‘Enig’ i udsagnet. Standardfejl er angivet i parentes. Tal i kolonnen ‘Forskel’ kan forekomme inkonsistent i forhold til andre tal i tabellen på grund af afrunding. Forskelle der er signifikante, er markeret med fed. Prikker viser forskellen i procentpoint mellem procentandelen af drenge og piger der angiver at de er helt enige eller enige. Positive værdier angiver at flere drenge end piger angiver at de er helt enige eller enige. Horisontale linjer angiver et 95-procentkonfidensinterval. Udsagnene er rangeret efter forskellen mellem drenge og piger.

Af figur 6.13 fremgår procentandelene af henholdsvis drenge og piger der enten var helt enige eller enige i et udsagn. Først og fremmest viser figuren at drenge og piger ser meget forskelligt på at finde et arbejde med avanceret it. Mens 44 procent af drengene er enige i at de håber at finde et arbejde med avanceret it, gælder dette for blot 15 procent af pigerne. Der er således næsten tre gange så mange drenge som piger der ønsker sig et arbejde med avanceret it. Tilsvarende er der også en stor kønsforskel med hensyn til om eleverne vil studere noget med computere/it således at 46 procent af drengene er enige i udsagnet hvorimod blot 18 procent af pigerne deler denne opfattelse. I lyset af disse svar er det ikke en overraskelse at en større andel af drengene end af pigerne er enige i at tilegnelse af viden om it vil gøre det muligt at få det arbejde de er interesserede i. Der er altså markante forskelle i drenges og pigers syn på en fremtid med it.

Den internationale forskningsledelse i ICILS har med statistisk analyse valideret at de tre udsagn måler den samme bagvedliggende faktor som de kalder fremtid med it.

Er kønsforskellene i interessen for fremtidigt at arbejde med it noget særpræget dansk, eller gør kønsforskellen sig også gældende i andre lande i ICILS-undersøgelsen? Det korte svar er at danske elever skiller sig ud (sammen med tyske).

Figur 6.14 viser for hvert af de deltagende lande drenges og pigers gennemsnit på indekset for en fremtid med it. Det fremgår at der i samtlige lande er en tendens til at drenge i højere grad end piger ser positivt på en fremtid med it. Grafen viser at kønsforskellene i samtlige lande er statistisk signifikant forskellige fra nul. Imidlertid varierer det mellem landene hvor stor kønsforskellen er. I Tyskland er kønsforskellen estimeret størst, men kønsforskellen i Danmark er åbenlyst også betydelig og samtidigt markant større end kønsforskellen i de fleste andre lande. I en yderligere analyse finder vi at kønsforskellen blandt danske elever er signifikant større end kønsforskellen blandt elever i hvert af de andre lande på nær Frankrig (hvor forskellen er insignifikant) og Tyskland hvor den er signifikant større end i Danmark.

Figur 6.14: Kønsforskelle i syn på en fremtid med it opdelt på land. Tal viser gennemsnit på skalaen for syn på en fremtid med it. Standardfejl er angivet i parentes. Tal i kolonnen ’Forskel’ kan forekomme inkonsistent i forhold til andre tal i tabellen på grund af afrunding. Forskelle der er signifikante, er markeret med fed. Prikker viser den gennemsnitlige forskel mellem drenge og piger på skalaen. Positive værdier angiver at drenge i højere grad end piger ser positivt på en fremtid med it. Horisontale linjer angiver et 95-procentkonfidensinterval. Landene er rangeret efter forskellen mellem drenge og piger.

Igen er det slående at danske drenge i gennemsnit ligger tæt på det internationale gennemsnit på 50, mens danske piger i gennemsnit har den mindste værdi blandt alle køn og lande. En værdi på 42 er usædvanligt langt under gennemsnittet.

6.7 Sammenfatning

Opsamlende kan vi altså konkludere at:

• væsentligt flere drenge end piger mener de kan bruge it til tekniske opgaver
• væsentligt flere drenge end piger bruger it til tekniske opgaver
• væsentligt flere drenge end piger bruger it til kommunikation om problemløsning, flere piger bruger it til kommunikation om sociale emner
• væsentligt flere drenge end piger kan forestille sig at de vil bruge it i deres fremtidige arbejdsliv
• sammenlignet med de andre deltagende lande, er forskellene langt mere udtalte i Danmark.

Disse resultater må betragtes som yderst tankevækkende. Som omtalt i indledningen til dette kapitel, er vi i Danmark et af verdens mest ligestillede lande, men resultaterne tyder på at vi har en udfordring i forhold til drenges og pigers tilgang til omgangen med de tekniske aspekter af computere.

Særligt to spørgsmål rejser sig: Hvorfor er det sådan? Og hvad kan vi gøre ved det – hvis der skal gøres noget? Som vi vil se i det følgende, er sådanne kønsforskelle på området ikke nye.

6.8 Det er ikke nyt

Som vi omtalte i indledningen, er det billede vi ser i denne undersøgelse, ikke nyt. Datalogiuddannelsen kan ses som en indikator på hvordan kvinder og piger oplever it som et interessant felt at beskæftige sig med. I figur 6.15 gengiver vi udviklingen i antallet af dimittender fra Københavns Universitets uddannelse i datalogi fra 1971 til 2018. For bedre at kunne iagttage tendensen har vi omdannet tallene til et såkaldt Weighted Moving Avarage (vægtet bevægende gennemsnit) af tallene som udjævner udsving hvorved man bedre kan se tendenser over tid. Det fremgår af figuren at der altid har været færre kvinder der har afsluttet en datalogiuddannelse i København. Men frem til engang i 1990’erne var der et stigende antal kvinder hvorefter det er fladet ud. Forholdet mellem hvor mange kvinder og mænd der dimitterede, var kun stigende frem til midten af 1980’erne. Derefter blev der stadig færre kvinder i forhold til mænd, og siden midten af 2000’erne har andelen ligget på omkring ti procent.

Figur 6.15: Antallet af dimmitenter fra Datalogisk Institut på Københavns Universitet i årene 1971 til 2018 opdelt på køn. Den røde kurve viser forholdet mellem kvindelige og mandlige ansøgere i procent. De svage kurver viser antallet af kvindelige og mandlige ansøgere. Kurverne er et Weighted Moving Avarage med vindue på 10 år. Tallene stammer fra Københavns Universitets Uddannelsesservice, Data og Systemer (7. august 2019).

I figur 6.16 ses grafer over ansøgere til datalogi- og softwareudviklingsuddannelserne på landets universiteter siden 1996 (fra det tidspunkt er ansøgertallene let tilgængelige og opdelt på køn). Vi har valgt at angive ansøgertallet og ikke antallet af optagne fordi antallet af ansøgere er et udtryk for interesse for et givet studie, mens antal optagne kan være påvirket af ansøgernes karaktergennemsnit.

Nogle universiteter optager eller optog ikke direkte til en specifik uddannelse, men fx til naturfaglige basisuddannelser.⁴⁹ Det er derfor kun tal for studerende der har ansøgt om at komme direkte ind på en datalogiuddannelse der er medtaget. På Københavns Universitet har der i nogle år været en datalogi-økonomi-uddannelse. Den medregnes i tallene.

Figur 6.16: Ansøgere til kandidatuddannelser på de danske universiteter med datalogi, datateknologi, softwareudvikling, data science, samt it-retningen på DTU som førsteprioritet i årene 1996 til 2019 opdelt på køn. Den røde kurve viser forholdet mellem kvindelige og mandlige ansøgere i procent. De svage kurver viser antallet af kvindelige og mandlige ansøgere (y-aksen viser antallet divideret med 10). Universiteternes navne er ensrettet (Syddansk Universitet omfatter fx det tidligere Odense Universitet). Diplomuddannelser og uddannelser på professionshøjskoler indgår ikke. Data er hentet fra Uddannelses- og Forskningsministeriets hjemmeside: https://ufm.dk/uddannelse/statistik-og-analyser/sogning-og-optag-pa-videregaende-uddannelser/grundtal-om-sogning-og-optag/ansogere-og-optagne-fordelt-pa-kon-alder-og-adgangsgrundlag).

Som det fremgår, skete der et ganske stort fald i antal ansøgere til Københavns Universitet fra begyndelsen af 2000’erne. Dette opvejes måske til dels af at der fra det tidspunkt begynder at være optag direkte til datalogiuddannelserne på flere af de øvrige universiteter. Men disse studerende ville måske også tidligere have læst datalogi efter endt basisuddannelse. Siden da er ansøgertallet langsomt steget. Den blå kurve viser forholdet mellem kvindelige og mandlige ansøgere. Den svinger i store dele af perioden under 10 procent med en kort stigning på Københavns Universitet omkring år 2000. I de allerseneste år ser det ud til at den stiger så den i 2019 ligger omkring 20 procent på nogle af universiteterne.

Man kan ikke drage en direkte slutning fra 8. klasses pigers svar på ICILS-undersøgelsen i 2018 til dimittend- og ansøgertal fra datalogi på universiteterne. Men det er slående at se hvordan tendensen er den samme begge steder: Datalogi er ikke noget for typiske piger.

6.9 Hvad kan forskellene skyldes?

På Stereotypes, Identity, and Belonging Lab, University of Washington, forsker associate professor Sapna Cheryan og kollegaer blandt andet i hvorfor kvinder er så markant underrepræsenteret i datalogi når kurven er begyndt at vende på andre traditionelt mandsdominerede områder som jura og medicin (Cheryan m.fl. 2017).⁵⁰ Der har været mange forsøg på forklaringer – alt fra at kvinder er medfødt underlegne når det gælder kvantitative færdigheder, til at kvinder ikke vil ofre deres tid sammen med familien.

Cheryan og kollegaer har –- i stedet for at lede efter svaret hos kvinderne – undersøgt den opfattelse af datalogien vi har skabt i vores kultur, og hvorvidt det er denne opfattelse der skaber stereotype billeder som gør det svært for kvinder at se sig selv inden for datalogi. Her fandt de klare stereotype forestillinger af datalogistuderende som nogle der eksempelvis “koder til sent på natten og drikker energidrinks” og “intet socialt liv har” (Cheryan, Plaut, m.fl. 2013). Derudover fandt de ud af at kvinder som træder ind i et datalogilokale eller -miljø fyldt med objekter der stereotypisk er forbundet med området (for eksempel Star Trek-plakater og videospil), er mindre tilbøjelige til at overveje at ville arbejde inden for datalogi end kvinder der træder ind i et datalogilokale med ikke-stereotypiske objekter (for eksempel kunstplakater og vandflasker) (Cheryan m.fl. 2009; Cheryan, Meltzoff, og Kim 2011). Da de udvidede deres undersøgelse til skoleområdet, viste det sig at datalogiklasselokaler indrettet så de ikke passer med nuværende stereotype forestillinger, øger udskolingspigers interesse for datalogi – uden samtidig at afskrække drengene (Master, Cheryan, og Meltzoff 2016). I efterfølgende studier viste det sig at rollemodeller som repræsenterede de stereotypiske billeder i form af stereotypisk påklædning og præferencer mindskede kvinders interesse og forventede succes inden for datalogi (Cheryan, Siy, m.fl. 2011; Cheryan, Drury, og Vichayapai 2013).

Samme forskere har arbejdet med spørgsmålet om hvorfor nogle naturfaglige områder (for eksempel biologi, kemi og matematik) har haft mere succes med at inkludere kvinder og piger, end andre (eksempelvis datalogi, ingeniørfagene og fysik). De har fundet ud af at kønsforskelle eksisterer i kraft af to faktorer: en maskulin kultur samt begrænsede muligheder for erfaringer med datalogi inden college. Allerede i 1. klasse mener piger og drenge i USA at drenge er bedre end piger til programmering og robotter, og disse stereotype forestillinger er stærkere end deres stereotype forestillinger inden for matematik og naturfag (Master, Cheryan, og Meltzoff 2017). Ved at lade piger i 1. klasse lege med robotter og programmering i 20 minutter steg deres interesse for datalogi og ingeniørfagene, mens det ikke havde nogen lignende effekt på drenge (Master, Cheryan, og Meltzoff 2017). Samlet set tyder deres forskning på at en ændring af den maskuline kultur inden for datalogi og ingeniørfagene i form af eksempelvis ændring af rollemodeller, miljø og mediebilledet kan være af afgørende betydning for at øge kvinders deltagelse i datalogi.

6.10 Hvordan kan vi skabe en bedre balance?

Kønsproblematikken blev allerede diskuteret i 1970’erne og 1980’erne med henblik på at ændre den tendens man så, til at flere drenge end piger interesserede sig for computere. I 1987 formidlede man for eksempel resultaterne af et etårigt udviklingsarbejde i en 5. klasse i Aarhus Kommune omhandlende datalære og kønsroller med henblik på at påvirke pigernes såvel som drengenes traditionelle kønsopfattelser. Formålet var at “modvirke den kendsgerning at færre piger i skolen og senere i deres voksentilværelse vælger fagområder inden for de tekniske og naturvidenskabelige områder, og at afprøve om en mere humanistisk indfaldsvinkel giver en anden oplevelse af datalære for både piger og drenge” (Andersen og Bunde Jensen 1987). I en afdækning af elevernes forudsætninger fremgik det blandt andet at dobbelt så mange drenge som piger havde været inde i datalokalet for at kigge samt at det i forhold til tekniske hjælpemidler og maskiner generelt var elevernes mødre der lærte eleverne at bruge køkkenmaskiner, mens deres fædre viste dem hvordan radio og båndoptager skulle betjenes. Nogle få drenge havde prøvet elektrisk værktøj – vejledt af deres fædre – mens ingen piger havde prøvet elektrisk værktøj. Alle drenge havde elektrisk legetøj, men syv ud af ti piger havde ikke noget. Drengene havde altså mere erfaring med teknik, end pigerne havde.

Man gjorde blandt andet tiltag i forhold til klasselokalets indretning og udseende da man var af den opfattelse at det fysiske miljø var første signal til eleverne om den undervisning de skulle i gang med. Blandt andet blev udstyret integreret i klasselokalet så eleverne ikke “skulle gå til datalære”, og så de ikke ubevidst ville få det indtryk at maskinerne var det vigtigste – og dermed ikke forstå fagets tværfaglighed. Maskinen skulle anvendes når det faldt naturligt sammen med arbejdet og uden at være centrum. De afprøvede forskellige typer af gruppeorganisering – rene pigegrupper, rene drengegrupper og blandede grupper – for at undgå at grupperne ville blive domineret af drengene. Og endelig indgik to kvindelige lærere som rollemodeller i undervisningen. Vi vil her ikke gå i videre detaljer med selve indholdet af undervisningen, men blot fremhæve nogle af forsøgets erfaringer og konklusioner hvor det blandt andet fremgår at pigegrupperne fungerede bedre end drengegrupperne, mens de blandede grupper fungerede bedre end drengegrupperne. De fleste elever udtrykte efter forløbet at de helst ville arbejde i blandede grupper. Hvad angik elevernes frivillige brug af computeren i pauserne lod drengene til at udforske og afprøve maskinen mere end pigerne der i højere grad øvede sig på at blive bedre til det de i forvejen kunne. Efter forløbet vurderede størstedelen af både drengene og pigerne at de ville vælge datalære året efter hvis de kunne, og til spørgsmålet om hvorvidt eleverne havde lyst til at arbejde med computere når de blev voksne, svarede syv piger og fem drenge efter forløbet ja, mens to piger og tre drenge svarede nej, og en dreng og en pige svarede at de ikke vidste det. Lærerne så tegn på at pigernes selvtillid var blevet styrket gennem positive oplevelser med tekniske områder – men mente at det ville kræve et stort arbejde at skabe lige arbejdsvilkår for de to køn på området.

Når vi ser på de resultater for ICILS 2018 vi har præsenteret i dette kapitel, er der netop et tydeligt behov for en massiv indsats hvis vi vil øge kvinders deltagelse og interesse for faget. Kønsforskelle inden for it og teknologi er da også blevet fornyet genstand for diskussion, og der iværksættes i stigende grad aktiviteter på området for særligt piger/kvinder med henblik på at ændre stereotype forestillinger omkring datalogi og køn samt at få flere piger/kvinder til at interessere sig for it.

6.11 Indsatser og aktiviteter i dag

Som beskrevet i det indledende kapitel, sker der også i dag indsatser på folkeskoleområdet for at ændre de stereotype forestillinger om at de tekniske dele af it er et domæne forbeholdt drengene. Organisationen DigiPippi tilbyder blandt andet workshopforløb i skolerne målrettet piger fra 2. til 7. klasse med undervisning af kvindelige rollemodeller med henblik på et “digitalt og teknologisk løft” af pigerne samt de medvirkende lærere.

Til forskel fra universiteternes it-uddannelser er målet med folkeskoleundervisningen ikke specikt at uddanne flere kvindelige dataloger eller it-specialister. Ud over at forberede til videre uddannelse er folkeskolens formål også – som udtrykt i formålsparagraffen – at fremme den enkelte elevs alsidige udvikling samt at skabe rammer hvor eleverne kan udvikle tillid til egne muligheder og baggrund for at tage stilling og handle. Vi har tidligere berørt at der de seneste år er opstået et fornyet fokus på at dette fordrer at eleverne udvikler forståelse for digitale teknologier og data i et samfund hvor digitalisering spiller en så væsentlig rolle som det er tilfældet i dag. I forsøgsfaget teknologiforståelse er formålet blandt andet udtrykt som udvikling af faglige kompetencer, færdigheder og viden til konstruktivt og kritisk at kunne deltage i udviklingen og forstå betydningen af digitale artefakter samt at styrke elevernes forudsætninger for at forstå, skabe og agere meningsfuldt i samfundet. Dette gælder ikke kun piger – det gælder alle elever og dermed er fokus heller ikke snævert på piger.

På universiteterne er indsatsen for at få flere kvinder til at tage it-faglige uddannelser begyndt at tage fart hvilket også kan ses på antallet af optagne kvinder på landets universiteter der efter en lang årrække med meget lavt optag de seneste år langsomt er begyndt at stige.

IT-universitetet (ITU) der blev grundlagt i 1999, har i sin 20-årige levetid altid søgt at skabe en ligelig kønsfordeling – i starten med fokus på de “blødere” it-uddannelser, men siden 2015 også med fokus på at få flere kvinder ind på de mest tekniske uddannelser, Softwareudvikling, Data Science, Datalogi og Software Design. På ITU’s hjemmeside om “kønsdiversitet blandt studerende” står der blandt andet: “Kvinder har gennem mange år været stærkt underrepræsenterede i de tekniske it-fag, herunder på it-uddannelserne. Vi mener, at digitaliseringen ændrer vores samfund så grundlæggende, at det er nødvendigt, at både kvinder og mænd er med til at sætte deres præg på udviklingen”, og på en video på siden siger rektor Martin Zachariasen at: “De digitale teknologier bliver anvendt af alle i samfundet, derfor er det væsentligt at kvinder også er med til at præge den udvikling”.⁵¹

ITU’s aktiviteter på området fokuserer i særlig grad på at introducere kvindelige gymnasieelever samt kvinder der holder sabbatår efter en gymnasial uddannelse, til programmering og karrieremuligheder inden for it, og tiltagene omfatter blandt andet IT-camps, coding-cafeer og tech karrieredage. Ønsket er at nedbryde stereotype forestillinger på området og vise kvinderne at det ikke kun er mænd der arbejder med it. Således arbejder de på at kvinderne møder rollemodeller i form af kvindelige softwarestuderende og kvinder med jobs i it-branchen de kan spejle sig i. Derudover er et treårigt projekt om kønsdiversitet, støttet af Villum Fonden med 2,8 millioner kroner, blevet lanceret. Projektet omfatter blandt andet en rollemodelkampagne på de sociale medier og programmeringsundervisning for gymnasieklasser. Projektets resultater er indtil videre at andelen af kvinder blandt nyoptagne bachelorstuderende på ITU fra 2016 til 2018 er steget fra 25 procent til 34 procent, på bacheloruddannelsen i Softwareudvikling fra 12 procent til 20 procent og på Data Science fra 24 procent til 30 procent. I år er der desuden for første gang lige mange kvinder og mænd blandt de nye studerende på ITU’s kandidatuddannelse i Software Design.⁵²

Datalogisk Institut på Københavns Universitet (DIKU) der blev grundlagt i 1970, har også øget indsatsen på området. Blandt andet har Pernille Bjørn der er den første og eneste kvindelige professor på DIKU, startet forskningsinitiativet Femtech.dk med det formål at skabe mangfoldighed i faget og nedbryde stereotyper om at datalogi er et mandefag. Hun ønsker fortællinger om tidligere tiders kvindelige pionerer på området frem i lyset “så kvinder bedre kan identificere sig med faget og derigennem udvikle en interesse for datalogi”.⁵³ Dette er blandt andet vigtigt, siger hun, fordi de mennesker der laver vores it-systemer, bør afspejle samfundet.

På DIKU har andelen af kvindelige studerende også været i fremgang. Viceinstitutleder for Undervisning på DIKU Martin Lillholm pointerer at instituttet fortsat vil prioritere dette område med ønsket om at tendensen fortsætter.⁵⁴ Samme ønske gælder for leder af Institut for Datalogi på Aarhus Universitet professor Kaj Grønbæk der også har et mål om flere kvindelige studerende.⁵⁵

Også Danmarks Tekniske Universitet (DTU) melder om stigning i andelen af optagne kvinder på sine uddannelser. Eksempelvis er andelen af kvinder på civilbacheloruddannelserne steget fra 33 procent i 2016 til 35 procent i 2017, på kandidatuddannelserne fra 29 til 33 procent og på ingeniøruddannelserne fra 29 procent til 31 procent.⁵⁶ Men som det fremgår af ansøgertallene i afsnit 6.8, så ses ikke samme andele kvindelige ansøgere på de datalogirettede uddannelser.

B Referencer

Andersen, Karen Margrethe, og Else Bunde Jensen. 1987. Datalære Og Kønsroller: Et Udviklingsarbejde På 5. klassetrin. Århus: Århus kommunale skolevæsen.

Butler, Judith. 2010. Kønsballade : Feminisme Og Subversionen Af Identitet. Kbh.: THP.

Canger, Tekla. 2018. Kønsbevidst Pædagogik. Pædagogisk Rækkevidde, 8. Aarhus: Aarhus Universitetsforlag.

Cheryan, Sapna, Benjamin James Drury, og Marissa Vichayapai. 2013. “Enduring Influence of Stereotypical Computer Science Role Models on Women’s Academic Aspirations”. Psychology of Women Quarterly 37 1: 72–79.

Cheryan, Sapna, Andrew N. Meltzoff, og Saenam Kim. 2011. “Classrooms Matter: The Design of Virtual Classrooms Influences Gender Disparities in Computer Science Classes”. Computers & Education 57: 1825–35.

Cheryan, Sapna, Victoria C. Plaut, Paul G. Davies, og Claude M. Steele. 2009. “Ambient Belonging: How Stereotypical Cues Impact Gender Participation in Computer Science.” Journal of personality and social psychology 97 6: 1045–60.

Cheryan, Sapna, Victoria C. Plaut, Caitlin Handron, og Lauren M Hudson. 2013. “The Stereotypical Computer Scientist: Gendered Media Representations as a Barrier to Inclusion for Women”. Sex Roles 69: 58–71.

Cheryan, Sapna, John Oliver Siy, Marissa Vichayapai, Benjamin James Drury, og Saenam Kim. 2011. “Do Female and Male Role Models Who Embody STEM Stereotypes Hinder Women’s Anticipated Success in STEM?” Social Psychological and Personality Science 2 6: 656–64.

Cheryan, Sapna, Sianna Alia Ziegler, Amanda Kay Montoya, og Lily C.Y. Jiang. 2017. “Why Are Some STEM Fields More Gender Balanced than Others?” Psychological bulletin 143 1: 1–35.

Master, Allison, Sapna Cheryan, og Andrew N. Meltzoff. 2016. “Motivation and Identity”. I Handbook of Motivation at School, 2. udg., 300–319. Routledge.

Master, Allison, Sapna Cheryan, og Andrew N. 2017. “Social Group Membership Increases STEM Engagement among Preschoolers.” Developmental psychology 53 2: 201–9.

Mejding, Jan. 2011. PISA 2009. Danske Unge i En International Sammenligning. Bind 3 – Læsning Af Elektroniske Tekster. København: Danmarks Pædagogiske Universitetsskole.

World Economic Forum. 2018. The Global Gender Gap Report: 2018. Geneva: World Economic Forum. http://www3.weforum.org/docs/WEF_GGGR_2018.pdf.

---

39. Se https://www.danskindustri.dk/di-business/arkiv/nyheder/2019/3/ti-ars-stilstand-kvinder-valger-stadig-ikke-it-og-teknologi/↩

40. Indekset for basale aktiviteter omfatter: redigere digitale fotografier eller anden grafik, skrive eller redigere tekst til en opgave i skolen, søge og finde information på internettet som du har brug for til et skoleprojekt, skabe en multimediepræsentation (med lyd, billeder eller video), uploade tekst, billeder eller video til en onlineprofil, indsætte et billede i et dokument eller en besked, installere et program eller en app og bedømme hvorvidt du kan stole på information du finder på internettet.↩

41. Indekset for tekniske aktiviteter omfatter: lave en database (fx ved at bruge Microsoft Access, LibreOffice Base), opbygge eller redigere en hjemmeside, lave et computerprogram, en makro eller en app (f.eks. i JavaScript, Visual Basic) og opsætte et LAN-netværk med computere eller andre digitale enheder.↩

42. Dette er en iagttagelse der ligger i tråd med resultater fra International Civic and Citizenship Education Study (ICCS) der i 2016 viste at danske elever, i tråd med elever fra andre nordiske lande, ikke er ret aktive politisk hverken på nettet eller i politiske foreninger og grupper der arbejder for en særlig sag (Bruun, Lieberkind, og Schunck 2018, 82 ff.)↩

43. Indekset for basale aktiviteter omfatter: opretter eller redigerer dokumenter (skriver f.eks. historier eller opgaver), anvender regneark til at lave beregninger, gemme data eller tegne grafer (anvender f.eks. Microsoft Excel, LibreOffice Calc, Google Sheets) og laver enkle dias-/slideshow-præsentationer (anvender f.eks. Microsoft PowerPoint, LibreOffice Impress, Google Slides, Prezi).↩

44. Indekset for tekniske aktiviteter omfatter: optager eller redigerer videoer, skriver computerprogrammer, makroer eller apps (anvender f.eks. Scratch, Stencyl, Lego Mindstorm), bruger tegne-, male- eller grafisk software, producerer eller redigerer musik og opbygger eller redigerer en hjemmeside.↩

45. Indekset for skolearbejde omfatter: udarbejder rapport, skriver stil eller lignende skriftlige opgaver, forbereder fremlæggelser, samarbejder med andre elever, udfylder arbejdsark og øvelser, organiserer din tid og dit arbejde, tager test, bruger software eller apps til at tilegne dig færdigheder eller emner (f.eks. undervisningsprogrammer i matematik og sprogindlæringssoftware), bruger internettet til at søge information, bruger programmeringssoftware eller apps til at løse opgaver (anvender f.eks. Scratch, Stencyl, Lego Mindstorms) og laver video- eller lydproduktioner.↩

46. Indekset for social kommunikation omfatter: deler nyheder om aktuelle begivenheder på sociale medier, bruger beskedtjenester, stemme- eller videochat til at tale online med venner, familie eller andre (anvender f.eks. Skype, FaceTime, Facebook Messenger, WhatsApp), skriver til venner, familie eller andre via onlinekommunikation eller sms-beskeder, skriver opslag og opdateringer på sociale medier om, hvad der sker i dit liv, uploader billeder eller video til en onlineprofil eller et onlinefællesskab (anvender f.eks. Facebook, Instagram, Snapchat eller YouTube) og ser videoer eller billeder, som andre har slået op på internettet.↩

47. Indekset for udveksling af information omfatter: stiller spørgsmål i fora eller på spørgsmål-svar-hjemmesider, svarer på andres spørgsmål i fora eller på spørgsmål-svar-hjemmesider, skriver indlæg til din egen blog (anvender f.eks. WordPress, Blogspot, Blogger) og sender eller videresender information om begivenheder eller aktiviteter til andre.↩

48. Indekset for at tilgå indhold på internettet omfatter: går på internettet for at finde steder at tage hen eller aktiviteter at deltage i, læser anmeldelser på internettet af ting, du måske vil købe, læser nyheder på internettet, søger efter onlineinformation om ting, du er interesseret i, og bruger hjemmesider, fora eller onlinevideoer til at finde ud af, hvordan man gør noget.↩

49. På det daværende Odense Universitet var der både en femårig uddannelse i datateknologi og en kandidatuddannelse i datalogi. Frem til 2003 blev studende til naturvidenskabelige fag optaget på en fælles grunduddannelse i naturvidenskab, og indtil da er det således alene optag på datateknologi der tælles med i opgørelsen.↩

50. Dette afsnit er skrevet med udgangspunkt i https://depts.washington.edu/sibl/gender-and-stem, ud fra forskningsgruppens resume af dens resultater.↩

51. Se https://www.itu.dk/om-itu/koensdiversitet-blandt-studerende↩

52. Se https://www.itu.dk/om-itu/presse/nyheder/2019/lige-mange-kvinder-og-maend-paa-itus-software-kandidat↩

53. Se https://sciencereport.dk/samfund/datalogi-professor-ny-fortaelling-datalogi-skal-vaekke-kvinders-interesse-faget/↩

54. Se https://di.ku.dk/Nyheder/2018/optag2018/↩

55. Se https://stiften.dk/aarhus/Teknologi-tiltraekker-kvinder-i-Aarhus-Kodning-er-ikke-kun-for-maend/artikel/586312↩

56. Se https://www.dtu.dk/nyheder/2018/01/andelen-af-kvindelige-studerende-vokser-langsomt?id=e3cd211e-2975-403b-ad92-5189b52fe7b9↩