KK-Stiftelsen 2001

KK-Stiftelsen 

2001 

Analys av IT-mognad och 

värderingar 

Elever, lärare, skolledare

KK-STIFTELSEN 2001 

ANALYS AV IT- MOGNAD OCH VÄ RDERINGAR 

Innehåll 

1. Förord ...........................................................2 

2. Metodsammanställning ................................3 

3. Pionjärer och eftersläntrare ...........................5 

4. Värderingar och IT.......................................15 

5. Vad förklarar skillnaderna............................24 

6. Publiceringsregler .......................................30 

© 2001 Svenska GALLUP



1. Förord 

Denna rapport innehåller delar av resultaten i den undersökning som 

KK-Stiftelsen (KKS) har givit Svenska GALLUP i uppdrag att 

genomföra. Innehållet i denna rapport är främst ett antal mer 

djuplodande analyser av delar av undersökningsmaterialet. 

Undersökningen är utformad i samarbete mellan Hans Gennerud, KKS 

och Karin Nelsson, Svenska GALLUP. Databearbetningen av resultatet 

har gjorts av Åsa Mkilania. För rapporten svarar Carl Melin. 

Med förhoppning om att rapporten kommer att vara belysande och 

fungera som ett bra beslutsunderlag i framtiden. 

Stockholm den 2 maj 2001 

Carl Melin 

© 2001 Svenska GALLUP 2



2. Metodsammanställning 

I följande avsnitt redovisas undersökningens bakgrund, syfte, metod, urval 

samt hur tabellerna ska läsas. 

2.1 BAKGRUND 

Svenska GALLUP har för femte året i rad genomfört en undersökning 

där KKS satsning på IT i Sveriges skolor utvärderas. Årets 

undersökning riktar sig till lärare, elever och skolledare. Årets 

undersökning är på många sätt en upprepning av de undersökningar 

som har gjorts 1999, 1998 och 1997. 

I denna rapport analys elever, lärare och skolledare utifrån olika 

perspektiv. I kapitel 3 genomförs ett antal klusteranalyser där vi 

studerar vilka undergrupper eller kluster som finns med avseende på 

IT-mognad. I kapitel 4 studerar vi de värderingar som finns inom 

grupperna med avseende på IT och i kapitel 5 försöker vi analysera vad 

det är som påverkar intervjupersonernas IT-mognad. 

2.2 SYFTE 

Syftet med undersökningen är dels att ta reda på och utvärdera 

målgruppernas attityder, kunskaper och användande av IT, dels att göra 

jämförelser med tidigare års undersökningsresultat. 

2.3 METOD 

Intervjuerna genomfördes per telefon under 12 februari – 23 mars 2001. 

Sammanlagt har följande antal intervjuer genomförts inom respektive 

målgrupp: 

Lärare 

4.800 intervjuer 

Skolledare 600 intervjuer 

Elever 

1.201 intervjuer 

2.4 URVAL 

2.4.1 Lärare 

Svenska GALLUP har valt ut ett hundratal skolor runt om i landet. I 

varje län har 200 intervjuer genomförts. En skillnad mellan årets 

undersökning och tidigare års undersökningar är att friskolor har 

inkluderats. Totalt innebär det 4.800 intervjuer. Svarsfrekvensen är 70 

procent. 

2.4.2 Skolledare 

Urvalet består av ett köpt riksrepresentativt register från PAR 

Adressregistret med skolledare på gymnasiet och grundskolan. Totalt 

har 300 intervjuer gjorts på grundskolan och 300 intervjuer på 

gymnasiet. Svarsfrekvensen är 55 procent. 




2.4.3 Elever 

Svenska GALLUP har valt ut ett hundratal gymnasieskolor över hela 

Sverige. Totalt har 50 intervjuer gjorts per län. En skillnad mellan årets 

undersökning och tidigare års undersökningar är att friskolor har 

inkluderats. Svarsfrekvensen är 73 procent. 

Svenska GALLUP respekterar de utvaldas integritet och rätt att vägra 

svara på enstaka frågor eller vägra att medverka i en intervju. 

2.5 TABELLER 

Tabellrapporten består av databehandlade tabeller. Analysen har skett 

med korssorteringsprogrammet NIPO. Tabellerna läses radvis. Bastal 

för procentberäkning anges alltid i absoluta tal. Ibland kan smärre 

avvikelser uppstå vid avrundningar i datorns procentberäkning. Om 

flera svar tillåtits i en fråga dvs. om respondenten fått avge mer än ett 

svar summerar inte de olika svarsalternativens delsummor 

nödvändigtvis till 100%. 

Vid analys av tabellmaterial från intervjuundersökningar gjorda med 

stickprov är det väsentligt att man håller i minnet att de angivna 

procentsatserna är ungefärliga värden. Förekomsten av en felmarginal 

innebär att det är ett felslut att tro att siffrorna från ett stickprov är exakt 

desamma som skulle erhållits om tex. samtliga lärare besvarat frågan. 

Det som kallas felmarginal är egentligen en osäkerhetsmarginal. Smärre 

avvikelser ligger i alla procenttal i tabellerna och de är av något större 

storleksordning närmare mitten av procentskalan. Så exempelvis har ett 

”ja”-svar på 50% en något större osäkerhet än ett ”ja”-svar på 10% eller 

90%. Felmarginalens storlek är också beroende av hur många intervjuer 

som genomförts. Ju fler intervjuer desto mindre felmarginal. 




3. Pionjärer och eftersläntrare 

I detta kapitel beskriver vi olika undergrupper som skiljer sig åt med 

avseende på IT-mognad. Genom en klusteranalys har vi undersökt hur 

de tre urvalsgrupperna ser ut och konstaterat att det inom varje grupp 

finns några tydliga undergrupper. En klusteranalys innebär, något 

förenklat, att man matematiskt studerar avståndet mellan olika 

individer/observationer utifrån olika variabler/frågor. Man ser då om 

det bildas naturliga grupper av individer som ligger nära varandra 

utifrån deras svar, det vill säga hur de placerar sig på olika dimensioner. 

De individer som hamnar nära varandra placeras då i samma kluster. 

Antalet naturliga kluster beror på hur materialet ser ut. Klusteranalysen 

kan därför betraktas som en explorativ undersökningsmetode. Med det 

menas att man från början inte har en färdig teori om hur materialet ser 

ut, utan syftet är att hitta de mönster som eventuellt kan finnas. 

För att underlätta analysen har vi skapat ett antal index för att göra det 

lättare att jämföra olika faktorer med varandra. Det handlar då om ett 

antal enklare additiva index som skapats utifrån vad intervjupersonerna 

svarat på flera frågor. Alla dessa index kan anses mäta olika aspekter för 

begreppet IT-mognad. När vi här talar om IT-mognad så ser vi det som 

en slags bakomliggande variabel som kan ta sig uttryck på flera olika 

sätt. Här använder vi oss främst av olika index för att manifestera detta. 

Det första dessa index är skolindexet. Skolindexet är det antal ITverktyg 

som intervjupersonen har tillgång till i skolan. Vi har dessutom 

tagit bort de IT-verktyg som inte är direkt datarelaterade, till exempel 

mobiltelefoner. Anledningen till det är att det skall vara lättare att 

jämföra mellan olika grupper. Detta då eleverna inte har tillgång till 

mobiltelefoner ”i tjänsten.” I praktiken kan man alltså tala om ett rensat 

skolindex. Ett motsvarande index är döpt till hemindexet. Det 

motsvarar det antal IT-verktyg som IP har tillgång till i hemmet. Vi 

använder oss där av ett rensat hemindex som endast innehåller de 

verktyg som vi frågar om när det gäller skolan. Anledningen till 

rensningen är att det skall vara lättare att jämföra skolindexet med 

hemindexet. Ett annat index som vi använder oss av är intresseindexet. 

Det motsvarar hur intresserad IP är av att använda IT-verktyg till olika 

saker. Användningen i hemmet mäter vi genom användarindexet som 

motsvarar det antal IT-relaterade göromål som IP ägnar sig åt i hemmet. 

Slutligen så finns det ett ämnesindex. Ämnesindexet är det antal 

ämnesområden inom vilka IP använder sig av IT-baserade läromedel. 

Samtliga index utan intresseindexet är rent additiva och motsvarar det 

antal användningsområden, ämnen eller verktyg som IP ägnar sig åt 

eller har tillgång till. Intresseindexet är däremot ett slags medelbetyg då 

det är ett genomsnitt av hur intressant som IP tycker att olika saker är 

på en femgradig skala. Indexen används i detta kapitel men kommer 

även att återkomma i de två följande kapitlen. 




När vi genomfört klusteranalysen så har vi använt oss av ovanstående 

index. Vad avser tillgången till IT-verktyg i hemmet så har vi använt oss 

av det rensade hemindexet. På samma sätt Då frågeformulären inte sett 

likadana ut för alla de tre undersökta grupperna så innehåller analysen 

av lärarnas och skolledarnas IT-mognad ett lägre antal index. 

Sammanfattning 

Undersökningen visar att det finns tydliga skillnader mellan olika 

grupper av elever, lärare och skolledare om vi studerar deras ITmognad. 

IT-mognaden ser vi som sammanvägning mellan flera olika 

index som i sig bygger på flera frågor i undersökningarna. 

De största skillnaderna ligger i användningen av Internet hemma till 

olika göromål i hemmet. Skillnaderna mellan olika grupper av elever, 

lärare och skolledare är mycket mindre om man ser till tillgången av ITverktyg 

i hem och skola. Det verkar med andra ord vara så att 

”eftersläntrarna” på IT-området framförallt består av människor som 

inte använder sig av IT i sitt hem. Det kan bero på att datorer blir allt 

vanligare i såväl hem och skola. De flesta använder därför dessa verktyg 

på olika sätt som är relaterade till arbetet. I detta fall arbetet i skolan, 

vare sig man är elev, lärare eller skolledare. Skillnaderna i IT-mognad 

manifesterar sig därför främst på områden där det är mer ”frivilligt” att 

använda sig av IT. Därför så ser vi de stora variationerna när vi studerar 

IT-användningen i hemmet. 

Inom alla de tre undersökta grupperna så ser vi tydliga könsskillnader. 

Pojkarna eller männen har genomgående en högre IT-mognad än vad 

flickorna och kvinnorna har. Den skillnaden kan ha förstärkts av att 

variationen främst legat i IT-användningen i hemmet. Vi vet sedan 

tidigare att dataspel och surfande med mera ofta varit något som främst 

killar använt sig åt. Samtidigt så har även tjejer börjat använda sig av 

chat och liknande i ganska hög utsträckning. Oavsett orsakerna så finns 

det i vilket fall som helst klara skillnader mellan könen. 

När vi tittat på eleverna så ser vi att även familjebakgrunden spelar stor 

roll. Elever från tjänstemanna- och akademikerfamiljer har klart högre 

IT-mognad än andra och de från jordbrukarfamiljer har den klart lägsta 

IT-mognaden. Det verkar med andra ord som att klasstillhörighet och 

studietradition i hemmet har en mycket stor betydelse för elevernas ITmognad. 

Elever inom olika utbildningsprogram skiljer sig också åt på flera olika 

sätt. Det är svårt att jämföra alla program då det är så få elever inom 

vissa men det går ändå att se en del tydliga tendenser. Framförallt så är 

det elever på Elprogrammet och Naturvetenskapsprogrammet som har 

den största IT-mognaden. 




När vi studerar lärare och skolledare så ser vi att IT-mognaden i mycket 

stor utsträckning är en generationsfråga. De yngre har genomgående en 

högre IT-mognad än vad de äldre har. Skillnaderna varierar dock en del 

mellan olika undergrupper. Även anställningstiden har stor betydelse 

för IT-mognaden. På vissa sätt så verkar den till och med vara av större 

betydelse än vad åldern är. Det är dock tveksamt att direkt göra den 

tolkningen då samvariationen är mycket stor mellan ålder och 

anställningstid. 

Eleverna 

Inom elevgruppen kan man lätt identifiera två grupper som skiljer sig åt 

med avseende på tillgången och användningen av olika IT-verktyg. 

Ungefär en tredjedel (33 %) tillhör gruppen med lägre IT-mognad och 

två tredjedelar (67 %) gruppen med högre mognad. Vi kallar den för 

elevgrupp 1 och elevgrupp 2. 

Vad skiljer grupperna åt? 

När vi jämför klustren så använder vi oss inte av genomsnittsvärden 

utan av klustercenter. På så sätt så jämför vi de mest typiska eller 

vanliga individerna i respektive kluster. Det går att likna det vid att 

jämföra medianvärden i stället för medelvärden. 

Det som främst skiljer grupperna åt är användningen av IT i hemmet. 

Där är skillnaderna störst mellan eleverna. Skillnaderna är mindre vad 

avser de andra indexen. Det finns dock en tydlig samvariation mellan 

samtliga index. Minst är skillnaderna i skol- och intresseindexen. (Ser 

man till medelvärden finns det dock en liten skillnad i skolindexen som 

inte framgår av klustercentren. 

KLUSTERCENTER Elevgrupp 1 Elevgrupp 2 

Användarindex 1 6 

Hemindex 3 4 

Intresseindex 2.96 3.16 

Skolindex 4 4 

Ämnesindex 1 2 

Hur fördelar sig grupperna? 

Det finns tydliga skillnader mellan de båda klustren om man ser till 

olika slags bakgrundsfaktorer. Vi har här valt att titta vidare på 

familjebakgrund (samhällsklass), kön och vilket gymnasieprogram som 

eleverna gått i. 

Skillnaderna mellan elever med olika familjebakgrund är ganska tydlig. 

Elever i akademiker- och tjänstemannahem har den högsta IT- 




mognaden medan elever i jordbrukarfamiljer har den klart lägsta. Vi 

skall dock vara lite försiktiga med att övertolka siffrorna för eleverna 

från jordbrukarfamiljer. De utgör endast 40 personer totalt i 

undersökningen och felmarginalen är därför särskilt stor för just dom. 

Det kan vara en delförklaring till att avvikelsen är så väldigt stor för just 

den gruppen. 

FAMILJEBAKGRUND Elevgrupp 1 Elevgrupp 2 

Arbetarfamilj 36 64 

Jordbrukarfamilj 62 38 

Tjänstemannafamilj 22 78 

Akademikerfamilj 18 82 

Egenföretagarfamilj 28 72 

Könsskillnaderna var mycket tydliga mellan klustren. Bland flickorna 

ingick 40 procent i kluster 1 och 60 procent i kluster 2. Bland pojkarna 

var fördelningen i klustren 26 respektive 74 procent. Det är alltså en klar 

övervikt av pojkar i gruppen med större IT-mognad. 

KÖN Elevgrupp 1 Elevgrupp 2 

Flickor 40 60 

Pojkar 26 74 

Det fanns även en tydlig skillnad mellan eleverna i olika 

utbildningsprogram. I vissa program är dock urvalet så litet att man bör 

undvika att läsa ut för mycket ur siffrorna. Vi anger därför antalet 

intervjupersoner i respektive program som N-tal. Inom parentes sätter 

vi de procenttal som vi direkt vill avråda från att tolka. Elever inom Eloch 

Naturvetenskapsprogrammen har högst IT-mognad medan 

eleverna på omvårdnadsprogrammet har den lägsta. 




PROGRAM Elevgrupp 1 Elevgrupp 2 

Barn- och fritid (N=76) 47 53 

Bygg (N=24) 38 62 

El (N=50) 22 78 

Energi (N=10) (40) (60) 

Estetiska (N=56) 45 55 

Fordon (N=41) 37 63 

Handel (N=62) 36 64 

Hantverk (N=12) (58) (42) 

Hotell- och restaurang (N=61) 30 70 

Industri (N=29) 41 59 

Individuella (N=31) 48 52 

Livsmedel (N=3) (67) (33) 

Medie (N=46) 33 67 

Naturbruk (N=23) 39 61 

Naturvetenskap (N=227) 20 80 

Omvårdnad (N=35) 66 34 

Samhällsvetenskap (N=311) 30 70 

Specialutformat (N=26) 38 62 

Annat program (N=77) 31 69 

Lärarna 

Inom lärarkåren så finns det tre tydliga kluster. Det finns en stor 

mellangrupp och två mindre grupper, en med lägre IT-mognad än 

genomsnittet och en med högre. Klustret med lägst IT-mognad 

motsvarar 29 procent av intervjupersonerna, mellanklustret utgör 43 

procent och det resterande klustret med högst IT-mognad omfattar 28 

procent. Vi kallar dem för lärargrupp 1, lärargrupp 2 och lärargrupp 3. 

För lärarna bygger klusteranalysen på endast tre variabler. Dessa är 

skolindexet (i deras fall de IT-verktyg de har tillgång i arbetet, dock 

endast dataverktyg), det rensade hemindexet och användarindexet. Till 

skillnad från eleverna så använder vi oss inte av något ämnesindex eller 

intresseindex. Detta beror i det första fallet på att det är så få lärare som 

arbetar inom helt olika ämnesområden och i det senare fallet på att 

frågeformuläret saknar motsvarande fråga. 


Lärarna påminner på många sätt om eleverna. Det är nämligen även här 

så att de stora skillnaderna mellan klustren ligger i det antal göromål 

som man använder sig av Internet till i hemmet. Det är egentligen 

endast där som skillnaden är påfallande mellan lärargrupp 1 och 

lärargrupp 2. Lärargrupp 3 skiljer sig dock även i de andra avseendena 

som beaktas av klusteranalysen. I likhet med tidigare så koncentrerar vi 

oss här på klustercentrens placering. 




KLUSTERCENTER Lärargrupp 1 Lärargrupp 2 Lärargrupp 3 

Användarindex 0 4 6 

Hemindex 3 3 4 

Skolindex 2 2 3 


Även bland lärarna så finns det tydliga skillnader mellan de olika 

klustren. Vi har här valt att jämföra dessa utifrån tre olika kriterier. 

Dessa är kön, ålder och anställningstid. De skiljer sig åt med avseende 

på samtliga av dessa kriterier. Skillnadernas storlek varierar dock en 

del. 

Ser vi till kön så är det framförallt lärargrupp 3 som avviker med 

avseende på könsfördelning. Inom den gruppen finns det en tydlig 

övervikt av män. Inom de två andra grupperna är skillnaderna mindre 

och grupperna är ganska lika i sin könssammansättning. I den första av 

de följande tabellerna jämför vi radprocenten. Det vill säga hur kvinnor 

respektive män fördelar sig mellan de tre klustren. I den senare tabellen 

visar vi hur könsfördelningen är inom respektive kluster. 

KÖN Lärargrupp 1 Lärargrupp 2 Lärargrupp 3 

Kvinnor 31 46 23 

Män 26 41 33 

KÖN Lärargrupp 1 Lärargrupp 2 Lärargrupp 3 


Män 48 50 61 

Det finns även en del åldersskillnader mellan grupperna. De har olika 

medelålder och generationerna fördelar sig olika. För att underlätta 

jämförelsen så jämför vi lärarna utifrån vilket decennium de är födda. 

Dvs 30-talister, 40-talister och så vidare. I den första av nedanstående 

tabeller redovisar vi radprocenten, det vill säga hur respektive 

generation fördelar sig mellan de olika grupperna. I den följande 

tabellen jämför vi hur ålderssammansättningen ser ut inom respektive 

grupp. Det är genomgående tydligt att IT-mognaden är högre desto 

yngre lärargruppen är. Det udda undantaget är 70-talisterna som 

faktiskt har en lägre IT-mognad är 60-talisterna. 

ÅLDER Lärargrupp 1 Lärargrupp 2 Lärargrupp 3 

30-talister 38 44 18 

40-talister 30 49 21 

50-talister 27 42 31 

60-talister 25 35 40 

70-talister 29 34 37 





30-talister 8 6 4 

40-talister 42 46 30 

50-talister 26 27 31 

60-talister 16 15 25 


Ovanstående fördelning påverkar givetvis även medelåldern och 

medianåldern. Dessa skiljer sig tydligt åt mellan de två första och den 

senare gruppen. Skillnaderna är dock inte så stora att man kan hävda att 

de främst är baserade på lärarnas ålder. 


Medelålder 50 år 50 år 46 år 

Medianålder 52 år 52 år 46 år 

Ser man till anställningstiden så återfinns ungefär motsvarande 

skillnader där. På motsvarande sätt som vi gjorde med ålder så har vi 

lagt ihop lärarna i olika grupper för att det skall vara lättare att se hur de 

fördelar sig mellan klustren. På samma sätt som tidigare så redovisar vi 

först hur lärare med olika anställningstid fördelar sig mellan klustren 

och sedan sammansättningen inom respektive kluster. 

Ser man till de nedanstående tabellerna så verkar det som att 

anställningstiden faktiskt har en större betydelse för IT-mognaden än 

vad åldern har. Det talar för att en kontinuerlig nyrekrytering av lärare 

på sikt kommer att leda till en ökad IT-mognad. Samtidigt går det inte 

att komma ifrån att åldern förmodligen är en viktig bakomliggande 

variabel i detta sammanhang. 

ANSTÄLLNINGSTID Lärargrupp 1 Lärargrupp 2 Lärargrupp 3 

1 – 5 år 27 37 36 

6 – 10 år 25 38 37 

11 – 20 år 27 45 28 

21 – 30 år 30 48 22 

Mer än 30 år 37 46 17 


1 – 5 år 21 19 28 

6 – 10 år 13 13 20 

11 – 20 år 23 25 24 

21 – 30 år 28 31 22 

Mer än 30 år 14 12 7 

På samma sätt som med åldern så jämför vi även den genomsnittliga 

anställningstiden och mediananställningstiden för respektive 

lärargrupp. På samma sätt som med åldern så finner man skillnaderna 

mellan lärargrupp 3 och de två andra grupperna. 





Medeltid 18 år 18 år 14 år 

Mediantid 19 år 19 år 12 år 

De skillnader som vi hittar hos lärarna visar att det när det gäller 

bakgrundsdata framförallt är så att det är grupp 3 som skiljer sig från de 

två andra grupperna. Det går därför endast att skilja ut de som har den 

allra högsta IT-mognaden genom att studera faktorerna kön, ålder och 


Skolledarna 

Skolledarna påminner om eleverna utifrån att de bildar två naturliga 

kluster. Vi använder oss här av samma index som för lärarna när vi 

genomför klusteranalysen. Den stora gruppen är här den med störst ITmognad 

och den motsvarar 69 procent av lärarna. Den andra gruppen 

omfattar resterande 31 procent. I likhet med tidigare så väljer vi att ge 

klustret med den lägre IT-mognaden namnet skolledargrupp 1 och det 

andra klustret namnet skolledargrupp 2. 


Skolledarna ser ut ungefär som lärarna och eleverna. I likhet med de 

tidigare grupperna så återfinns skillnaderna främst i frågan om hur 

användningsområden för Internet som de ägnar sig åt i hemmet. Ser 

man till klustercentren och inte till den exakta fördelningen så är det 

bara där som man ser några skillnader. 

KLUSTERCENTER Skolledargrupp 1 Skolledargrupp 2 

Användarindex 1 5 

Hemindex 3 3 

Skolindex 3 3 


Vi kommer nu att jämföra de två skolledarklustren på samma sätt som 

vi jämförde de tre lärarklustren. Med andra ord så kommer vi att titta på 

kön, ålder och anställningstid. 

Om vi börjar med kön så kan vi även här se att det förekommer vissa 

könsskillnader. Det är en majoritet av både kvinnor och män inom 

klustret med den högre IT-mognaden men fördelningen skiljer sig ändå 

åt på ett tydligt sätt. Även på det här området så är det som så att 

kvinnorna har en lägre IT-mognad än vad männen har. 




KÖN Skolledargrupp 1 Skolledargrupp 2 

Kvinnor 40 60 

Män 28 72 

Går vi sedan vidare till att jämföra skolledarnas ålder så kan vi även här 

konstatera att det finns tydliga skillnader över åldrarna. På samma sätt 

som vi gjorde med lärarna har vi här lagt ihop skolledarna utifrån vilket 

decennium som de är födda. Då antalet riktigt unga skolledare är så få 

har vi lagt ihop de som är födda på 70-talet med 60-talisterna. Det finns 

ändå endast 19 individer i det urvalet. Det är dessutom så att det endast 

finns 26 skolledare som är födda på 30-talet. Vi bör därför tolka siffrorna 

med viss försiktighet. På samma sätt som tidigare så jämför vi först hur 

individer med olika ålder fördelar sig över de båda klustrena och sedan 

hur ålderssammansättningen ser ut inom respektive kluster. 

Här är åldersskillnaderna mycket stora och betydligt mer entydiga än 

de var när vi studerade lärargruppen. Den senare tabellen blir dock 

ganska klumpig. Det beror främst på att andelen 40-talister är så väldigt 

stor bland skolledarna. 

ÅLDER Skolledargrupp 1 Skolledargrupp 2 

30-talister 46 54 



60- och 70-talister 21 79 





60- och 70-talister 4 7 

Åldersskillnaderna kan även illustreras genom att vi tittar på 

medelåldern och medianåldern i de båda grupperna. Då blir dock inte 

skillnaderna lika tydliga. Skillnaden i medelålder ligger på närmare 1 år 

och 8 månader om vi skall vara exakta men i tabellen ser det ut att 

endast vara ett år. Det beror på avrundningen. Sammansättningen av 

materialet där en mycket stor del av skolledarna är födda på 40-talet gör 

att skillnaderna i medel- och medianålder inte blir så tydlig. Gör man 

som ovan och studerar olika ålderskohorter blir därför skillnaderna 

mycket tydligare. 


Medelålder 54 53 

Medianålder 55 54 

Vi skall även jämföra anställningstiden bland skolledarna. Här måste vi 

dock komma ihåg att vi jämför anställningstiden som skolledare. Det 




finns alltså ett klart mindre samband mellan anställningstiden och 

åldern än vad det gjorde när vi studerade lärarna. Anställningstiden 

säger heller inte lika mycket om hur länge man verkat inom skolan som 

den gjorde när vi tittade på lärarna. Någon kan bli skolledare med 

väldigt kort tid inom skolvärlden medan andra kan ha arbetat som 

lärare i flera decennier innan de blivit skolledare. Då det är så få 

skolledare som arbetat riktigt länge så använder vi oss dessutom av 

färre kategorier än vi gjorde när vi studerade lärarna. 

Av nedanstående tabeller så ser vi att även anställningstiden har ganska 

stor betydelse för IT-mognaden. Skolledare som arbetet länge har en 

klart lägre IT-mognad än de med kortare anställningstid. 

ANSTÄLLNINGSTID Skolledargrupp 1 Skolledargrupp 2 

1 – 5 år 22 78 

6 – 10 år 30 70 

11 – 20 år 35 65 

Mer än 20 år 44 56 


1 – 5 år 22 35 

6 – 10 år 22 24 

11 – 20 år 33 28 

Mer än 20 år 22 13 

Det finns även en tydlig skillnad på medelanställningstiden och 

mediananställningstiden i de två grupperna. Framförallt så skiljer sig 

den senare. 


Medelanställningstid 13 11 

Mediananställningstid 12 8 




4. Värderingar och IT 

Svenska Gallup har under många år arbetat med olika former av 

värderingsundersökningar. Den mest kända av dessa produkter är den 

så kallade VISION-modellen. Gallup har även utvecklat en mindre 

omfattande metod som går ett använda över telefonen. Den har då 

integrerats i de här undersökningarna. Värderingar kan definieras på 

flera olika sätt. Inom Gallup så betraktar vi värderingar som något 

bakåtliggande och som förändras väldigt långsiktigt. De formas under 

en individs uppväxt och är sedan väldigt stabila över livet. Värderingar 

ligger sedan till grund för olika individers attityder och beteenden. I 

denna undersökning har vi studerat vilken betydelse som 

värderingarna kan tänkas ha för IT-användandet hos elever, lärare och 

skolledare. 

Fyra olika index 

Utifrån tolv olika frågor om yrkes- respektive elevrollen är det möjligt 

att bygga fyra olika index som beskriver intervjupersonernas 

värderingar. Utifrån dessa index är det sedan möjligt att jämföra 

skillnaderna individer med olika värden på de olika IT-relaterade 

indexen. De fyra indexen bygger på vardera tre frågor. De index som 

finns är de följande: 

”Gör ett bra jobb” 

Detta index bygger på frågorna om det är viktigt att göra rätt för sig, att 

ha kvalitet och att ha variation i sitt arbete. 

”Satsar på fritiden” 

Detta index bygger på frågorna om vikten av att njuta vid livet vid 

sidan av arbetet, strävan efter enkelhet och att vara försiktig. 

”Ansvarsfull karriärist” 

Detta index bygger på frågorna om miljötänkande, kalkylerat 

risktagande och att göra karriär. 

”Tänker på framtiden” 

Detta index bygger på frågorna rörande intresset för ny teknologi, 

långsiktiga lösningar och nytänkande. 

Värdetyper 

Vi kan även använda de fyra indexen för att se vilket av dessa som har 

högst värde för respektive intervjuperson. På så sätt kan vi kategorisera 

varje individ utifrån vilken ”värdetyp” som den tillhör. I denna 




undersökning kommer vi att studera hur de olika värdetyperna skiljer 

sig från varandra med avseende på de olika indexena för IT-mognad. 


Utifrån denna studie kan vi konstatera att värderingarna har betydelse 

för de undersökta gruppernas IT-mognad. Framförallt är det så att de 

elever, lärare och skolledare som tillhör värdetypen ”tänker på 

framtiden” har en högre IT-mognad än de med andra värdetyper. 

Analysen visar även att fördelningen mellan de olika värdetyperna är 

mycket skev. Det gäller inom samtliga grupper men framförallt bland 

lärare och skolledare. Den stora majoriteten, särskilt bland lärarna 

tillhör de som vill ”göra ett bra jobb.” Det är ytterst få som är 

”ansvarsfulla karriärister.” Bland lärare och skolledare är dessa nästan 

helt obefintliga. 

Det finns även ett starkt samband mellan såväl kön som 

familjebakgrund och värderingar. Bland pojkarna och männen finns det 

betydligt fler som ”tänker på framtiden” medan flickorna och 

kvinnorna sällan tillhör den gruppen. Det är även så att elever från 

akademiker- och tjänstemannafamiljer oftare tillhör de som ”tänker på 

framtiden” medan väldigt få ur jordbrukarfamiljer gör det. Däremot 

hittar vi inga samband mellan värderingar och ålder när vi studerar 

lärare och skolledare. (Någon sådan analys görs inte på eleverna.) Det 

stärker vår tes om att värderingar är något som sällan förändras över 

livscykeln. 

Eleverna 

Den stora majoriteten av eleverna tillhör den första värdetypen, det vill 

säga de som vill göra ett bra jobb. Det minsta antalet elever finns i 

värdetypen ”ansvarsfulla karriärister. Sägas bör att denna typ av 

värderingsstudie tidigare inte använts på elever. Det är därför svårt att 

avgöra om det är en rent naturlig fördelning eller om det är så att vi inte 

utvecklat ett tillräckligt precist instrument för att mäta elevernas 

värderingar. Normalt ställer vi dessa värderingsfrågor som vi här har 

använt till yrkesarbetande och frågor då om deras yrkesroll. Nu har vi 

”översatt” det frågeformuläret och testat hur det fungerat på elever. 

VÄRDETYP ANDELEN ELEVER (i %) 

De som vill göra ett bra jobb 58 

De som satsar på fritiden 23 

De ansvarsfulla karriäristerna 8 

De som tänker på framtiden 11 




För att gå vidare och studera värderingarnas betydelse för ITanvändningen 

så har vi studerat vilka värden som de olika 

värdetyperna får på de olika IT-relaterade indexen. 

Vi börjar med att undersöka det så kallade användarindexet. Det vill 

säga till hur många olika saker man använder IT till i hemmet. Som vi 

kan se av tabellen nedan så finns det mycket stora skillnader mellan de 

olika värdetyperna. Det indikerar att värderingarna spelar en stor roll 

för i vilken utsträckning eleverna använder sig av IT. Med tanke på 

vilken betydelse som användarindexet hade på den allmänna ITmognaden 

(se föregående kapitel) så verkar värderingarna till och med 

vara mycket viktiga. Vi skall dock vara försiktiga med att övertolka 

resultatet. En del av de frågor som vi frågade om kan vara för nära 

kopplade till vad elever gör på sin framtid. Som underlag för 

värdetypen ”De som tänker på framtiden” frågade vi om nytänkande 

och ny teknologi. Dessa två frågor, särskilt den senare, kan ha en alltför 

nära koppling till vad elever vill göra på sin fritid. Som underlag för 

ansvarsfulla karriäristerna frågade vi om miljömedvetenheten. Det kan 

vara så att elever som är miljömedvetna oftare rör sig ute i naturen och 

därför av naturliga skäl ägnar sig mindre åt IT-relaterade aktiviteter i 

hemmet. 

VÄRDETYP 

Användarindex 

De som vill göra ett bra jobb 4.05 

De som satsar på fritiden 3.86 

De ansvarsfulla karriäristerna 3.30 

De som tänker på framtiden 4.29 

Nästa index som vi studerar är det rensade hemindexet, det vill säga de 

IT-verktyg som eleven har tillgång till i hemmet. Mönstret här är 

detsamma som det som gällde för användarindexet. Skillnaderna är 

dock inte riktigt lika stora. Det kan stärka de indikationer som vi pekat 

på tidigare i rapporten som talar för att variationen är större i 

användandet av, än i tillgången till, IT. 

VÄRDETYP 

Hemindex 





Intresseindexet som vi visar i tabellen nedan skiljer sig som vi tidigare 

beskrivit från de andra IT-relaterade indexen. Det är ett medelvärde av 

svaren på en femgradig skala av hur intresserad eleverna är av olika ITrelaterade 

göromål. Det innebär att värdena är mer relativa och inte lika 

absoluta som de är i de andra indexen. Här är skillnaderna betydligt 

mindre än vad de var på de tidigare indexen. Den stora skillnaden är att 

avståndet mellan två av grupperna helt försvunnit. Ser man till de andra 

så är dock rangordningen densamma i övrigt, även om avstånden har 

minskat. En förklaring till de minskade avståndet är förmodligen det 




faktum att det handlar om ett genomsnitt på en femgradig skala. Den 

typen av skalor brukar leda till att många osäkra anger svaret 3 och det 

pressar ihop medelvärdena kring detta. 

VÄRDETYP 

Intresseindex 





Skolindexet behandlar hur många IT-verktyg eleverna har tillgång till i 

skolan. Rangordningen blir här återigen densamma som för de tidigare 

indexen. Variationen är mindre än för hemindexet. Det är dock inte så 

konstigt då elevernas skolförhållanden rimligtvis skiljer sig mindre än 

vad deras hemförhållanden gör. Det är dock en viktig slutsats att de 

elever som har minst tillgång till IT-verktyg i hemmet även har den 

sämsta tillgången i skolan. 

VÄRDETYP 

Skolindex 





Det sista indexet vi tittar på är ämnesindexet. Det motsvarar det antal 

olika ämnesområden inom vilka eleverna använder sig av IT-baserade 

läromedel. Här är faktiskt mönstret annorlunda och till vissa delar 

omvänt. Nu är ämnesindexet ett ganska instabilt index då de möjliga 

svaren i stor utsträckning beror på vilka utbildningsprogram som 

eleverna läser på. Inom vissa program läser de nämligen inom fler 

ämnesområden än på andra. 

VÄRDETYP 

Ämnesindex 





Värderingar och bakgrund 

Avslutningsvis så kommer vi att kontrollera elevernas värderingar mot 

kön och familjebakgrund. Vi såg i det föregående kapitlet att båda dessa 

faktorer var viktiga för elevernas IT-mognad. Det är då intressant att se 

hur dessa faktorer påverkar elevernas värderingar. 

Ser vi till könsfördelningen så verkar kön tydligt samvariera med 

värderingarna. Allra tydligast är det om man ser till den grupp elever 

som tillhör värdetypen ”de som tänker på framtiden.” Den gruppen är 




mer än fyra gånger så vanlig bland pojkarna än bland flickorna. Som vi 

såg ovan så är IT-mognaden allra högst bland eleverna inom den 

värdetypen. Flickorna har i stället nästan dubbelt så många inom 

gruppen ”ansvarsfulla karriärister”, den grupp där IT-mognaden var 

lägst. Det vi inte kan se här är om det framförallt är kön eller 

värderingar som påverkar IT-mognaden. I nästa kapitel så kommer vi 

att testa olika förklaringsfaktorer mot varandra. 

KÖN Vill göra ett 

bra jobb 

Satsar på 

fritiden 

Ansvarsfulla 

karriärister 

Tänker på 

framtiden 

Flickor 69 18 10 4 

Pojkar 49 28 6 18 

Studerar vi sedan familjebakgrunden så ser vi att även den är av stor 

betydelse. På samma sätt som tidigare så utgör jordbrukarfamiljernas 

elever de största avvikarna. I likhet med tidigare så vill vi avråda från 

alltför långtgående tolkningar av den gruppen då de är ganska få (40 

totalt och 35 som det har varit möjligt att ge en värdetyp.) Det är dock 

tydligt så att familjebakgrunden har betydelse. Elever från akademiker 

och tjänstemannafamiljer tillhör i högre utsträckning de som tänker på 

framtiden, det vill säga gruppen med den högsta IT-mognaden. I nästa 

kapitel kommer vi att testa familjebakgrunden ytterligare för att se 

vilken betydelse den har för IT-mognaden om man kontrollerar för 

andra faktorer. 

FAMILJE- 

BAKGRUND 

Vill göra ett 

bra jobb 

Satsar på 

fritiden 

Ansvarsfulla 

karriärister 

Tänker på 

framtiden 

Arbetarfamilj 57 25 7 10 

Jordbrukarfamilj 

Tjänstemanna 

familj 

Akademikerfamilj 

Egenföretagar 

familj 

49 34 9 9 

63 16 7 14 

65 12 6 17 

59 21 10 10 

Lärarna 

Fördelningen mellan värdetyperna är ännu skevare bland lärare än 

bland eleverna. Den tredje kategorin, de ansvarsfulla karriäristerna 

förekommer nästan inte alls. Det verkar inte som om de saker vi frågor 

om är särskilt framträdande för lärare. Kanske är det så att lärare sällan 

anger karriärism eller kalkylerat risktagande som viktigt i yrkesrollen. 

Har man den läggningen kanske man söker sig till andra yrkesbanor. 

Den klart dominerande kategorin utgörs av de som säger sig vilja göra 

ett bra jobb. Att göra rätt för sig, sträva efter kvalitet och variation i 




arbetet ligger tydligen i lärarrollen. Kanske är det också värden som är 

”politiskt korrekta” för en lärare att ange. Till skillnad från att ange att 

man vill göra karriär. 

VÄRDETYP ANDELEN LÄRARE (i %) 



De ansvarsfulla karriäristerna 

0 • 


I den fortsatta analysen kommer vi för lärarnas del att bortse från de 

ansvarsfulla karriäristerna eftersom det är en alldeles för liten grupp. De 

andra tre kommer dock att finnas kvar i den fortsatta analysen. Även 

om det är få i den andra gruppen så utgör de i alla fall 70 individer. Det 

är inte så många men det går i alla fall att jämföra medelvärden, även 

om felmarginalen blir större. 

På samma sätt som vi gjorde med eleverna så skall vi här undersöka 

vilka skillnader som finns mellan olika värdetypers IT-mognad. 

När vi studerar användarindexet så ser vi att lärarna på många sätt 

påminner om eleverna. Den klart största användandet av IT i hemmet 

förekommer hos ”de som tänker på framtiden.” I övrigt är också 

rangordningen densamma. 

VÄRDETYP 





Hemindexet visar på samma mönster som användarindexet och ligger 

även här i linje med fördelningen hos eleverna. Även här är det 

dessutom så att variationen i tillgången till IT-verktyg är lägre än 

variationen i användandet. 

VÄRDETYP 

Hemindex 




Skolindexet skiljer sig från de andra indexen på så sätt att 

rangordningen är något annorlunda mellan de olika värdetyperna. Det 

är fortfarande så att ”de som tänker på framtiden” har högst värde men 

det är en annan ordning på de två andra grupperna. Man bör dock ta 

hänsyn till att skillnaderna mellan dessa två grupper är ganska liten 

både vad avser skolindexet som hemindexet. 

• Andelen var 0.3 procent, eller närmare bestämt 7 individer. 




VÄRDETYP 

Skolindex 





Vi kommer för lärarna och nedan även skolledarna undersöka 

värderingarna skiljer sig mellan olika lärare med olika kön och ålder. 

Anledningen till att vi inte jämför värderingar och anställningstid är att 

eventuella samband där förmodligen helt bör kunna förklaras utifrån 

andra faktorer och då främst ålder. 

Även om fördelningen och rangordningen av värdetyperna är lika för 

båda könen så är skillnaderna tydliga. Mer än 9 av 10 kvinnor tillhör 

”de som vill göra ett bra jobb” medan ytterst få kvinnor tillhör någon 

annan grupp. Hos männen finns det dock en relativt stor andel som 

”tänker på framtiden.” Även om de utgör en liten minoritet så är det 

ändå mer än dubbelt så många som motsvarande grupp hos kvinnorna. 

KÖN 


bra jobb 

Satsar på 

fritiden 

Tänker på 

framtiden 


Män 83 4 12 

Ser vi på följande tabell där vi jämför generationerna så kan vi snabbt 

konstatera att ålder inte verkar ha något samband med värderingar. De 

olika värdetyperna är fördelade på ungefär samma sätt inom samtliga 

ålderskohorter. 

ÅLDER 


bra jobb 

Satsar på 

fritiden 

Tänker på 

framtiden 






Skolledarna 

Studerar man skolledarna så är fördelningen mellan värdetyperna 

nästan lika skev som hos lärarna. Det är inte en fullt lika hög andel som 

tillhör ”de som vill göra ett bra jobb” men dessa utgör ändå en stor 

majoritet. Trots att skolledare själva har gjort karriär är det även här så 

att ytterst få tillhör de värdetypen. Helhetsbilden är i stället sådan att 

skolledarnas värderingar endast avviker marginellt från lärarnas. Den 




stora skillnaden ligger i att det är färre som ”vill göra ett bra jobb” och 

fler som ”tänker på framtiden.” 

VÄRDETYP ANDELEN SKOLLEDARE (i %) 



De ansvarsfulla karriäristerna 

0 • 


I den fortsatta analysen kommer vi att göra som med lärarna och inte ta 

med de ansvarsfulla karriäristerna. Egentligen borde vi inte heller ta 

med de som vill satsa på fritiden då dessa endast utgör 7 individer. För 

jämförelsens skull tar vi ändå med gruppen men vi vill avråda från 

några som helst tolkningar av deras fördelning. Den intressanta 

jämförelsen hos skolledarna är den som kan göras mellan ”de som vill 

göra ett bra jobb” och ”de som tänker på framtiden.” Även den senare 

gruppen är ganska liten, 46 individer, så felmarginalerna blir ganska 

stora. 

Vad avser användningen av IT i hemmet konstaterar vi att mönstret är 

detsamma som hos elever och lärare. Det är ”de som tänker på 

framtiden” som har det högsta användandet. 

VÄRDETYP 



De som satsar på fritiden (4.43) 


Även hemindexet visar på samma mönster som vi sett tidigare. ”De som 

tänker på framtiden” har den största tillgången men skillnaderna är 

mindre än när vi jämför användningen. 

VÄRDETYP 

Hemindex 




Ser vi till skolindexet så ser vi samma mönster som på de två 

ovanstående indexen. Skillnaderna mellan grupperna är dock så små att 

det inte går att hävda att värderingarna verkar ha så stor betydelse. En 

skolledares tillgång till IT-verktyg verkar vara ungefär densamma 

oavsett värderingarna. 

• Andelen var 0.4 procent, eller närmare bestämt 1 individ. 




VÄRDETYP 

Skolindex 





På samma sätt som vi gjorde med lärarna så undersöker vi hur 

värderingarna skiljer sig mellan skolledare med olika kön och ålder. Vi 

kommer inte heller här att studera kopplingen mellan värderingar och 


Vi hittar samma könsskillnader bland skolledarna som vi fann hos 

lärarna. Det är betydligt fler män som ”tänker på framtiden” än kvinnor 

som gör det. På samma sätt som hos lärarna så motsvarar det i stort sett 

en minskad andel som ”vill göra ett bra jobb.” 

KÖN 


bra jobb 

Satsar på 

fritiden 

Tänker på 

framtiden 


Män 75 3 22 

Vad avser åldersfördelningen så ser skolledarna ut på samma sätt som 

lärarna. Det går inte att påvisa några egentliga skillnader alls mellan de 

olika ålderskohorterna. 

ÅLDER 


bra jobb 

Satsar på 

fritiden 

Tänker på 

framtiden 




60- och 70-talister 79 0 21 




5. Vad förklarar skillnaderna? 

Med hjälp av de genomförda undersökningarna så är det möjligt att 

göra ett stort antal intressanta analyser. Den vanligaste är att man 

redovisar resultaten för olika undergrupper för att på så sätt t.ex. kunna 

beskriva skillnader mellan kön, olika åldersgrupper eller som i detta fall 

även mellan elever på olika utbildningsprogram. Men det är dessutom 

möjligt att genomföra mer djuplodande analyser där syftet är att förklara 

skillnaderna. Den vanligaste metoden för det, och som även använts 

här, är så kallad regressionsanalys. Med en sådan är det möjligt att se 

vilken betydelse som olika variabler har för varandra. Genom multipel 

regression är det även möjligt att kontrollera olika skillnader för 

varandra. Det är nödvändigt om man kan anta att det förekommer olika 

former av samvariation och/eller så kallade nonsenssamband. I den här 

analysen har syftet varit att identifiera de faktorer som är av störst 

betydelse för IT-användandet hos elever, lärare och skolledare. 

På det här området kommer vi att ha stor nytta av de olika index som vi 

tidigare skapade. Utan sådana variabler skulle det inte vara möjligt att 

genomföra flera av de statistiska beräkningar som vi gör i det här 

kapitlet. 


När vi undersöker vad det är som påverkar olika gruppers IT- och 

datoranvändning i hem och i skola så skiljer sig dessa ganska mycket 

från varandra. Den starkaste faktorn för samtliga grupper när det gäller 

användningen i hemmet är tillgången till IT-verktyg i hemmet. Det är 

inte så konstigt då det senare är en förutsättning för det förra. När det 

gäller eleverna så konstaterar vi att även kön , klass, värderingar och 

intresse har en ganska stor förklaringsgrad för användningen i hemmet. 

Även tillgången till IT-verktyg i skolan har en positiva inverkan på ITanvändningen 

i hemmet. När vi undersöker elevernas datoranvändning 

i skolan så ser vi att den i hög grad beror på kön, intresse och tillgången 

till IT-verktyg i skolan. 

Lärarnas datoranvändning i hemmet påverkas av flera olika faktorer. De 

som vi har identifierat är kön, ålder, värderingar och tillgången till ITverktyg 

i hemmet. Dessutom har tillgången till IT-verktyg i skolan en 

svag negativ effekt. Förmodligen på grund av att lärare som kan utföra 

IT-göromål i skolan i mindre utsträckning behöver göra det i hemmet. 

Kön och ålder har dock ingen betydelse för datoranvändningen i 

undervisningen. Där är det värderingarna och tillgången till IT-verktyg i 

hemmet och skolan som påverkar, och alla positivt. När vi kontrollerar 

för ålder så försvinner anställningstidens betydelse. 

I skolledarnas fall är det svårt att finna några signifikanta samband. Det 

beror förmodligen på att urvalet är för litet för att det skall vara möjligt 




att klara av detta. När vi ser till IT-användningen i hemmet så har 

tillgången till IT-verktyg i hemmet den största betydelsen. Den enda 

andra signifikanta faktorn är värderingarna. Värderingarna är även den 

enda faktorn som signifikant påverkar tiden på Internet i arbetet. 

Analysmodell 

För att kunna genomföra en ordentlig analys så är det viktigt att vi först 

identifierar vilka variabler som vi vill förklara, vilka variabler som är 

oberoende samt vilka variabler som kan vara mellanliggande. Utifrån 

den tidigare genomgången kommer vi att koncentrera oss på att försöka 

förklara användningen av IT i hemmet, det vill säga det så kallade 

användarindexet. Anledningen till att vi använder det är främst att det 

förekommer hos alla de tre undersökta grupperna. Vi har även 

konstaterat tidigare i denna rapport att användningen är det index som 

varierat mest av alla dem som vi har undersökt. Vi kommer däremot 

inte att försöka förklara klustertillhörigheten utifrån den analys som 

skedde i kapitel 3. Anledningen till det är att en klusteranalys syftar till 

att beskriva hur ett material ser ut och inte till att förklara varför det ser 

ut som det gör. Dessutom bygger klusteranalysen på ett antal index som 

i sig kan anses vara beroende av varandra. 

Problemet med att använda sig av användningen i hemmet som 

beroende variabel är att det kanske inte är det allra intressantaste. Dess 

största fördel är att det är där som variationen är störst. 

Datoranvändningen i skolan påverkas till exempel mer av andra orsaker 

än av eleverna själva. För var och en av de undersökta grupperna kan 

man därför testa modellen med någon annan variabel. För eleverna blir 

det frågan om hur ofta de använder datorn i skolan och i lärarnas fall 

behandlar vi frågan om hur ofta de använder sig av dator i 

undervisningen. Dessa variabler är inte på samma skalnivå som 

användarindexet men de ger en bild av vad det är som påverkar 

användningen av datorer i skolan. En annan nackdel är att de inte är 

särskilt kvalitativa. Undersökningen har visat att nästan alla har svarat 

att de använder sig av datorer ”dagligen” eller ”någon eller några 

gånger i veckan.” Det ger alldeles för trubbiga redskap för att verkligen 

undersöka IT-mognaden. Anledningen till att vi inte kan göra något 

motsvarande för skolledarna är att 100 procent av de som svarat uppger 

att de använder datorn varje dag. Eftersom det då inte förekommer 

någon variation är det omöjligt att försöka förklara någon sådan. I 

skolledarnas fall kommer vi därför att undersöka hur många timmar i 

veckan som de använder sig av Internet i arbetet. Även det är dock en 

trubbig variabel, bland annat för att svarskategorierna är olika breda. 

De oberoende variablerna som vi kommer att använda oss av varierar 

mellan de tre grupperna. I samtliga fall så kommer vi att använda oss av 

kön och värderingar. För att underlätta analysen kommer vi dock inte 

att använda oss av värdetyperna då vi genomför regressionsanalysen 




utan i stället värdena på värderingsindexen. Anledningen till det är att 

vi då kan genomföra en del statistiska beräkningar som annars inte är 

möjliga. Vi slipper dessutom förlora den information som vi tar bort då 

vi ”tvingar” in varje individ i en viss värdetyp. I elevernas fall kommer 

vi även att studera familjebakgrunden. Där kommer vi dock att koda om 

den till en variabel som i stället visar samhällsklass. Anledningen till det 

är att det är svårt att rangordna familjeförhållandena på annat sätt och 

att det finns så ont om elever från jordbrukarfamiljer. I klass 1 lägger vi 

in elever från arbetar- och jordbrukarfamiljer, i klass 2 

tjänstemannafamiljer och i klass 3 akademiker- och egen 

företagarfamiljer. I lärarnas och skolledarnas fall kommer vi även att ta 

med ålder och anställningstid. 

Som mellanliggande variabler kommer vi att använda oss av tillgången 

till IT-verktyg i skolan och hemmet. Som redskap för det kommer vi att 

använda oss av de rensade skol- och hemindexen. Vi betraktar dessa 

som mellanliggande då dessa kan bero på andra faktorer, både sådana 

som vi kan kontrollera och andra. Tillgången till IT-verktyg i skolan kan 

bero på programtillhörigheten vilken i sin tur kan bero på 

familjetillhörigheten. På samma sätt kan förmodligen familjen ha stor 

betydelse för tillgången till IT-verktyg i hemmet. I praktiken kommer vi 

dock inte att först förklara de mellanliggande variablerna och därefter 

användningen av IT utifrån dessa. Det kan nämligen vara på det sättet 

att en del oberoende variabler påverkar såväl de mellanliggande 

variablerna som den beroende variabeln direkt. 

När vi tolkar resultatet så kan det ibland vara lite besvärligt. Det 

viktigaste då är att komma ihåg att de beroende variablerna kan anta 

värden på olika skalor. Användarindexet kan variera från 0 till 9 där 9 

betyder att man inte använder sig av IT på något sätt i hemmet och 9 

betyder att man använder det på alla sätt som vi frågar om. Variabeln 

för användning av datorn i skolan har en annan variation och rör sig 

från 1 till 6. 1 betyder att man använder datorn dagligen och 6 att man 

aldrig använder den. Vid datakörningen har jag dock kastat om 

ordningen på dessa tal så att ett högre värde skall motsvara en högre ITmognad. 

När vi frågar skolledarna om hur många timmar i veckan som 

de använder Internet så går skalan från 0 till 6. 0 betyder att de inte 

använder Internet alls och 6 att de använder det mer än 20 timmar i 

veckan. 

Det som vi får fram genom regressionsanalysen är hur mycket en 

förändring av någon av de bakomliggande variablerna har på den 

beroende variabeln. Skillnaden mellan män och kvinnor kan till 

exempel vara 1.4 i snitt. Det innebär att skillnaden i användningen av IT 

minskar med i genomsnitt 1.4 steg om intervjupersonen är en kvinna, 

allt annat lika. Vi signifikanttestar sedan de samband som vi hittar för 

att se om vi med 95-% sannolikhet kan räkna med att de existerar i 

verkligheten och inte endast i den undersökta populationen. Dessa 

värden, i detta fall 1.4 kallas för Beta-koefficienter. 




Avslutningsvis måste vi, när det gäller förklaringen av användningen i 

skolan och tiden på Internet, understryka att skalnivån på de beroende 

variablerna är på en sådan låg nivå att det inte går att göra en korrekt 

tolkning av resultatet. Då avståndet mellan stegen inte är lika långa så 

blir tolkningen felaktig. Att röra sig 1.4 steg enligt ovan betyder olika 

mycket beroende på var på skalan man befinner sig. De problemen finns 

inte på samma sätt när vi tolkar användarindexet. 

Eleverna 

Utifrån den multipla regressionsanalysen kan vi konstatera att samtliga 

av de testade bakgrundsvariablerna hade en signifikant betydelse för 

elevernas användning av datorer i hemmet. Det innebär att såväl kön, 

klass, värderingar, intresse och tillgången till IT-verktyg i hemmet och 

skolan är av betydelse. Det visar att det går att påverka elevernas 

användning av IT genom olika former av skolsatsningar, men det finns 

även andra, mer svårpåverkade faktorer, som är av stor betydelse. 

Som framgår av tabellen nedan så är det hemindexet, kön, 

intresseindexet och skolindexet som har den största betydelsen för 

användningen av IT i hemmet. Rangordningen är dock inte helt 

självklar då de olika variablerna ser ut på många olika sätt. Kön kan till 

exempel endast anta två olika värden. 

Signifikanta variabler 

Kön 

Klass 

Värderingar 

Intresseindexet 

Hemindexet 

Skolindexet 

Beta-koefficienter 

-0.58 (indexet sjunker om det är en flicka) 

0.183 (per ”steg” på klasstrappan) 

0.101 (per helt steg på framtidsindexet) 

0.547 (per helt steg på intresseindexet) 

0.935 (per IT-verktyg i hemmet) 

0.399 (per IT-verktyg i skolan) 

Ser vi till användningen av datorn i skolan så är det färre faktorer som 

har en signifikant betydelse. Det som helt faller ifrån är tillgången till ITverktyg 

i hemmet men inte heller klasstillhörigheten eller värderingarna 

är signifikanta. Det visar att skolan till stor del lyckas kompensera för 

vissa skillnader mellan. Det intressanta här är att det är positivt för 

dataanvändningen i skolan om man är flicka, detta när man har 

kontrollerat för de andra variablerna. Det verkar som att intresseindexet 

är det viktigaste för att förklara datoranvändningen i skolan. 


Kön 

Intresseindexet 

Skolindexet 


-0.212 (indexet minskar om det är en flicka) 

0.319 (per helt steg på intresseindexet) 





Lärarna 

Bland lärarna är alla faktorer utom en signifikanta om man ser till 

användningen av IT i hemmet. Den enda faktor som inte är signifikant 

är anställningstiden. Förmodligen berodde det mesta av den variabelns 

tidigare förklaringsgrad på att den samvarierade med åldern. De 

faktorer som är signifikanta är alltså kön, ålder, värderingar samt 

tillgången till IT-verktyg i hemmet och i skolan. Det sista, tillgången i 

skolan, hade det svagaste sambandet av de som var signifikanta. Det är 

även det enda av indexen som pekar på ett negativt samband. Tillgång 

till IT-verktyg i arbetet har en, om än mycket liten, negativ inverkan på 

användningen av IT i hemmet. Kanske är det så att lärare som har 

tillgång till de redskap den behöver på sin arbetsplats inte behöver göra 

lika mycket i hemmet. Det starkaste positiva förklaringsgraden har 

tillgången till IT-verktyg i hemmet. Då detta även kan betraktas som en 

förutsättning för att använda IT i hemmet så behöver inte det anses som 

särskilt förvånande. 


Kön 

Ålder 

Värderingar 

Hemindexet 

Skolindexet 


-0.320 (indexet sjunker om det är en kvinna) 

-0.024 (indexet sjunker för varje levnadsår) 



-0.092 (per IT-verktyg i skolan) 

När vi däremot undersöker hur ofta lärarna använder sig av datorn i 

skolan så ser vi däremot ett annat mönster. Då är det endast 

värderingarna och tillgången till IT-verktyg i hemmet och i skolan som 

är signifikanta. Åldern verkar vara av betydelse men sambandet är för 

svagt för att vara signifikant. Kön och anställningstid verkar inte ha 

någon betydelse om man kontrollerar för andra faktorer. Det intressanta 

är att datoranvändningen i undervisningen påverkas mer av antalet ITverktyg 

i hemmet än antalet IT-verktyg i skolan. Vill man stimulera 

lärare att använda IT i skolan så kanske personalköpsprogram är det 

effektivaste medlet om man vill öka användningen av datorer i 

undervisningen. 


Värderingar 

Hemindexet 

Skolindexet 





Skolledarna 

Det kanske mest intressanta när man studerar vad det är som påverkar 

skolledarnas IT-användning (användarindexet för hemmet och antalet 

timmar på Internet i skolan) är att den viktigaste faktorn verkar vara 

värderingarna. Det är den enda faktorn som på ett signifikant sätt 




påverkar antalet timmar på Internet i skolan. Ser vi till användningen av 

IT i hemmet så är det värderingarna och tillgången till IT-verktyg i 

hemmet som är de viktigaste. Det senare kan ju dessutom, som vi 

tidigare påtalat, ses lika mycket som en förutsättning som en 

påverkande faktor. Skolledarna skiljer sig alltså kraftigt från eleverna då 

de flesta förklarande faktorer visar sig sakna signifikant påverkan på det 

som vi här vill förklara. Den viktigaste faktorn för skolledarnas 

användning av IT i hemmet är tillgången till IT-verktyg i hemmet. 

Därefter är det endast värderingarna som verkar ha någon betydelse. 

Skulle vi ha minskat signifikanskraven så hade även tillgången till ITverktyg 

i skolan varit signifikant på 90-% nivån. En förklaring till att så 

få faktorer var signifikanta för skolledarna kan vara att urvalet är 

mycket mindre. Multipel regressionsanalys kräver normalt sett ganska 

många observationer för att det skall vara möjligt att finna signifikanta 

samband. 


Värderingar 

Hemindexet 




När vi undersöker tiden på Internet i skolan så är det, som ovan nämnts, 

endast värderingarna som har någon betydelse när vi kontrollerar för de 

andra variablerna. Styrkan i det sambandet är dessutom så väldigt stort. 

Det verkar som om skolledares tid på Internet i arbetet påverkas ganska 

lite av de faktorer som vi har mätt i den här undersökningen. 


Värderingar 






6. Publiceringsregler 

• Rapporten, som innehåller resultat från en undersökning utförd av 

Svenska GALLUP på klientens uppdrag, är klientens egendom. 

Copyrighten tillfaller Svenska GALLUP om ej annat överenskommes. 

• Om annat ej skriftligen överenskommits, förblir frågeformulär, 

databärare och annat material till samtliga undersökningar Svenska 

GALLUPs egendom. 

• Svenska GALLUP skall ge sitt skriftliga samtycke till publicering av 

undersökningsresultat till allmänheten. Samtycke lämnas 

rutinmässigt om ej särskilda motskäl finns. I Svenska GALLUPs 

intresse ligger att förhindra felaktigheter i faktaredovisningen och 

missledande tolkningar av undersökningsresultaten. Om en klient 

publicerar missvisande siffror eller gör ett missvisande urval av 

undersökningsresultat, förbehåller sig Svenska GALLUP rätten att 

publicera korrekta och kompletterande delar av samma 

undersökning för att uppmuntra en mer rättvisande och avvägd 

tolkning. 

• Följande information skall alltid medtas i all publicering till 

allmänheten: 

* den intervjuform som använts i undersökningen, t ex besök i 

hemmet, telefon eller post 

* undersökningspopulation, t ex intervjupersonernas ålder 

* antal intervjupersoner 

* tiden för fältarbetet 

* urvalsmetod om annan metod använts än en som är slumpmässig i 

alla steg 

• När en klient publicerar resultat från en Svenska GALLUPundersökning, 

skall den information som ges i första hand gälla 

klientens egna produkter och/eller tjänster. Information om 

undersökningsresultatet rörande konkurrenters produkter och 

tjänster kan innefattas, men skall komma i andra hand vid 

presentationen. 

• Undantag och variationer i dessa regler tillåts då särskilda skäl 

föreligger och beviljas av Svenska GALLUPs ledning. För att gälla 

skall sådana undantag och ändringar lämnas skriftligen.

KK-Stiftelsen 2001

Create successful ePaper yourself

Delete template?

Save as template?