Met staat1cho maak je van de 1cijferHO-levering van DUO een analysebestand over studiesucces aan je eigen instelling: één regel per student met instroom, rendement (diploma binnen 3, 5 en 8 jaar), uitval (binnen 1 en 3 jaar) en studiewissel, volgens vaste, gedocumenteerde definities. Dat bestand is de kern. Je opent het in Excel, Power BI, SPSS of Python, koppelt het aan je eigen gegevens (zoals een indeling in domeinen of academies) of neemt de berekening op in je eigen R-pipeline, zie De data zelf gebruiken.
Het dashboard laat dezelfde cijfers direct in je browser zien en maakt een benchmarkrapport in Excel dat je met andere instellingen kunt delen.
staat1cho is oorspronkelijk ontwikkeld voor Avans Hogeschool door Veerle van Son en Damiëtte Bakx-van den Brink en wordt doorontwikkeld door CEDA/Npuls.
| Stap | Wat je doet | Hoe vaak |
|---|---|---|
| 1 | De DUO-bestanden verzamelen | Elke levering |
| 2 | De bestanden omzetten met 1cijferho | Elke levering |
| 3 | R, RStudio en staat1cho installeren | Eenmalig |
| 4 | Het dashboard starten en je bestand laden | Elke keer |
| 5 | De cijfers lezen, de data downloaden en het rapport delen | Elke levering |
Reken de eerste keer op een ochtend, vooral voor het installeren. Daarna kost een nieuwe levering een half uur tot een uur.
Privacy. De 1cijferHO-bestanden bevatten persoonsgegevens. Werk op een beveiligde werkplek van je instelling en stem met je privacy officer of FG af dat je deze analyse mag doen. Laat hen ook eenmalig naar het benchmarkrapport kijken voordat je het deelt.
Vraag de meest recente 1cijferHO-levering op bij de afdeling die hem ontvangt (meestal BI, informatiemanagement of studentenadministratie). Een levering bevat de hele geschiedenis van je studenten, dus alleen de nieuwste is nodig. Pak eventuele .zip-bestanden uit.
| Bestand | Herken je aan | Nodig? |
|---|---|---|
| Inschrijvingsbestand | Begint met EV, eindigt op .asc
|
Ja |
| Bestandsbeschrijving | Bestandsbeschrijving_1cyferho_...txt |
Ja |
| Decodeertabellen |
Dec_...asc en Bestandsbeschrijving_Dec-bestanden.txt
|
Ja |
| Havo/vwo-cijfers | Begint met VAKHAVW, plus Bestandsbeschrijving_Vakkenbestanden.txt
|
Optioneel, zie VAKHAVW |
De DUO-bestanden hebben vaste kolombreedtes en codes. De gratis tool 1cijferho (ook van CEDA) zet ze om naar CSV met leesbare omschrijvingen. De opdrachten hieronder zijn voor Windows (PowerShell); op een Mac werk je in Terminal en gebruik je / in plaats van \ in paden.
Eenmalig installeren
Installeer uv, het hulpprogramma dat Python voor 1cijferho regelt. Open PowerShell en plak:
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
Op een Mac: curl -LsSf https://astral.sh/uv/install.sh | sh. Sluit daarna het venster en open het opnieuw.
Download 1cijferho als ZIP en pak het uit, bijvoorbeeld naar C:\Tools\1cijferho.
Elke levering
Kopieer de bestanden uit stap 1 direct (niet in een submap) naar C:\Tools\1cijferho\data\01-input.
Open de map C:\Tools\1cijferho in de Verkenner, typ powershell in de adresbalk en druk op Enter. Start de tool (de eerste keer duurt uv sync enkele minuten):
uv sync --extra frontend
uv run streamlit run src/main.py
De tool opent in je browser. Klik op Eigen data uploaden en doorloop de pagina's in het menu: Bestanden controleren, Stap 1 · Metadata extraheren, Stap 2 · Metadata valideren en Stap 3 · Turbo Conversie. Kies bij Turbo Conversie deze instellingen en klik op Start Turbo Convert:
| Instelling | Kies | Waarom |
|---|---|---|
| Instelmodus | Eigen instellingen | De voorinstellingen (NFWA, Evaluatietool) zetten te weinig kolommen om. |
| EV-bestanden | Aan | Het hoofdbestand. |
| VAKHAVW-bestanden | Aan als je een VAKHAVW-bestand hebt | |
| Gedecodeerde variant | Aan | Nodig voor de verrijkte variant. |
| Verrijkte variant | Aan | staat1cho leest de verrijkte variant. |
| Kolomselectie | Alles aan laten | staat1cho gebruikt onder meer opleidingsnaam en vooropleiding. |
| snake_case | Aan | staat1cho verwacht kolomnamen als persoonsgebonden_nummer. |
| Studentnummer koppeling | Leeg laten | Niet nodig. |
Parquet maakt niet uit; stap 4 (Output valideren) is een optionele extra controle. Laat het PowerShell-venster open zolang je met de tool werkt.
Het resultaat staat in data\02-output: het bestand dat begint met EV en eindigt op _enriched.csv (bijvoorbeeld EV21PL24_enriched.csv). Heb je VAKHAVW omgezet, dan staat er ook een VAKHAVW..._decoded.csv.
Installeer R en RStudio Desktop. Mag je zelf geen programma's installeren, vraag dan je IT-afdeling om R, RStudio en uv.
Open RStudio en plak in de Console (linksonder):
install.packages("pak")
pak::pak("cedanl/staat-van-onderwijsinstelling")
install.packages(c("bslib", "DT", "ggplot2", "plotly", "scales", "tidyr", "writexl"))
Er verschijnt veel tekst, soms in rood. Het is gelukt als de Console weer > toont zonder Error.
Let op: installeer staat1cho niet met
install.packages("staat1cho"). Die CRAN-versie (0.1.0) rekent voor recente cohorten een onterecht rendement van 0%. Gebruik de opdracht hierboven tot versie 0.2.0 op CRAN staat.
library(staat1cho)
start_dashboard()
Het dashboard opent in je browser.
_enriched.csv-bestand uit stap 2.VAKHAVW..._decoded.csv-bestand. Laat VLPBEK-bestand leeg, zie VLPBEK.Controleer daarna of de peildatum bovenin past bij je levering, en of het aantal studenten in de linkerkolom ongeveer klopt met wat je verwacht.
Werkgeheugen. Het dashboard accepteert bestanden tot 10 GB, maar je hebt vrij werkgeheugen nodig van ongeveer drie keer de bestandsgrootte (een EV-bestand van 2 GB vraagt zo'n 6 GB). Sluit andere zware programma's of gebruik een computer of virtuele werkplek met meer geheugen.
Houd je muis boven het ?-icoon bij een getal voor de precieze definitie. De belangrijkste keuzes:
Onderaan de linkerkolom staan twee downloads:
| Knop | Wat je krijgt | Delen? |
|---|---|---|
| Download benchmarkrapport | Excel met percentages per sector, opleidingsvorm, niveau en instroomjaar, met toelichting en peildatum. Geen persoonsnummers. Groepen van minder dan 30 studenten blijven leeg, net als percentages over minder dan 5 studenten of waarbij op minder dan 5 na iedereen het betreft. | Ja, met andere instellingen. |
| Download als CSV | Het volledige analysebestand, één regel per student, met persoonsnummers. Opent direct in Excel, zie De data zelf gebruiken. | Nee, alleen binnen de instelling. |
De grenzen van 30 studenten per groep en 5 per percentage zijn een eigen keuze van het project, nog niet getoetst door een privacy officer of FG. Leg het benchmarkrapport daarom voor aan de privacy officer of FG van je instelling voordat je het deelt. Het tabblad Metadata in het rapport legt de onderdrukkingsregels kort uit.
Het analysebestand is wat staat1cho eigenlijk maakt; het dashboard is één manier om ernaar te kijken. Wil je de cijfers koppelen aan eigen gegevens, zoals een indeling van opleidingen in domeinen of academies, of verder werken in Excel, Power BI, SPSS of Python, gebruik dan het analysebestand: één regel per student met alle indicatoren.
Zonder programmeren: klik in het dashboard op Download als CSV. Het bestand opent direct in Excel (puntkomma als scheidingsteken). In Python: pd.read_csv(pad, sep=";", decimal=",").
In je eigen R-pipeline: één functie doet de hele berekening, dezelfde als het dashboard:
library(staat1cho)
analyse <- maak_analysebestand("C:/pad/naar/EV..._enriched.csv", niveau = "student")
schrijf_analysebestand(analyse, "analysebestand.csv")
maak_analysebestand() accepteert ook een data frame, bijvoorbeeld al ingelezen uit parquet of een database. Een eigen indeling koppel je daarna op opleidingscode:
domeinen <- readr::read_csv2("mijn_domeinen.csv") # kolommen opleidingscode en domein
analyse <- dplyr::left_join(analyse, domeinen, by = "opleidingscode")
De belangrijkste kolommen:
| Kolom | Betekenis |
|---|---|
inschrijvingsjaar |
Instroomjaar (cohort) |
opleidingscode, opleidingsnaam, sector, opleidingsvorm, opleidingsniveau
|
Opleiding van instroom; sector is het CROHO-onderdeel |
vooropleiding, eerstejaars_ho
|
Vooropleiding en of de student nieuw is in het HO |
status |
Diploma behaald, zittend of uitgevallen op de peildatum |
rendement_3jr, rendement_5jr, rendement_8jr
|
Diploma binnen x jaar, of Nog niet waarneembaar |
uitval_1jr, uitval_3jr
|
Uitval binnen 1 of 3 jaar |
studiewissel_1jr, studiewissel_3jr
|
Wissel van opleiding (alleen studentniveau) |
Alle kolommen staan in ?maak_analysebestand, de definities in DEFINITIES. Het analysebestand bevat persoonsnummers: alleen voor gebruik binnen de instelling.
VAKHAVW voegt het gemiddelde eindcijfer, het wiskundecijfer en het aantal vakken toe, in een extra tabblad Vooropleiding. Zet het samen met het EV-bestand om in dezelfde 1cijferho-run. Na het verwerken meldt het dashboard hoeveel VAKHAVW-studenten het terugvond. Dat is nooit 100%: VAKHAVW bevat ook studenten van vóór je eerste cohort, en mbo-instromers en buitenlandse studenten hebben geen havo/vwo-cijfers.
Nog niet gebruiken. Het VLPBEK-bestand gebruikt het BSN, het EV-bestand een eigen persoonsnummer van DUO. Daardoor vindt de koppeling (vrijwel) niets terug. Dit wordt nog aangepast; de rest van staat1cho werkt zonder.
| Wat je ziet | Wat je kunt doen |
|---|---|
| PowerShell: uv wordt niet herkend | Sluit PowerShell en open het opnieuw, of herstart de computer. |
| 1cijferho: Geen bestanden gevonden | Zet de bestanden direct in data\01-input, niet in een submap, en klik opnieuw op Bestanden controleren. |
| Dashboard: Ontbrekende kolom(men) | Kies het _enriched.csv-bestand, en zet opnieuw om met de instellingen uit stap 2 (eigen instellingen, verrijkte variant en snake_case aan). |
| Verwerken stopt of R loopt vast | Te weinig werkgeheugen, zie Werkgeheugen bij stap 4. |
| VAKHAVW: bijna niemand teruggevonden | Gebruik EV en VAKHAVW uit dezelfde levering en dezelfde 1cijferho-run. |
| RStudio: there is no package called 'pak' | Voer eerst install.packages("pak") uit. |
| Rendement is 0% voor recente cohorten | Je hebt de CRAN-versie 0.1.0. Installeer opnieuw zoals in stap 3. |
Kom je er niet uit, meld het via GitHub Issues. Stuur nooit echte studentgegevens mee.
In 1cijferho kun je op de startpagina kiezen voor Probeer met demo. Of maak in RStudio een verzonnen bestand dat je in het dashboard uploadt:
library(staat1cho)
readr::write_delim(maak_synthetische_1cho(), "oefenbestand_1cho.csv", delim = ";", na = "")
getwd() # de map waarin het bestand staat
Een vast script dat elk jaar het analysebestand en het benchmarkrapport maakt (pipeline.R), en de losse functies om tussenstappen in te zien: zie vignette("staat1cho").