Toelaatbaarheidsverklaringen en administratieve lasten. Aangrijpingspunten voor het verminderen van administratieve druk in gespecialiseerd onderwijs en samenwerkingsverbanden

Sardes onderzocht voor het ministerie van OCW de administratieve lasten rond toelaatbaarheidsverklaringen (tlv's), het besluit dat een leerling toegang geeft tot gespecialiseerd onderwijs. Het onderzoek bestond uit een studie van wet- en regelgeving en zeven diepte-interviews bij scholen voor sbo, so, vso en pro en bij samenwerkingsverbanden. In de officiële overheidscommunicatie vonden de onderzoekers geen tegenstrijdigheden; scholen noemen wel drie onduidelijkheden, zoals de rol van de ontvangende school en het ontbreken van criteria voor de bekostigingscategorie. Als grootste lasten gelden het aantal verlengingsmomenten, de inzet van twee onafhankelijke deskundigen, uiteenlopende eisen per samenwerkingsverband en de veelheid aan administratiesystemen. Het onderzoek levert ook een visualisatie van de hele tlv-procedure op.

Governance en verslaggevingVeranderende wet- en regelgevingDigitale disruptie, nieuwe technologie en AI

Waarom deze indeling: Governance omdat de grootste lasten voortkomen uit de inrichting van de procedure en de eigen eisen die samenwerkingsverbanden daarbovenop stellen. Laws omdat wettelijke vereisten, zoals twee onafhankelijke deskundigen en de duur van een verklaring, de lasten bepalen en op punten onduidelijk zijn. Digital omdat de veelheid aan administratiesystemen en fouten in de registratie bij de uitvoeringsorganisatie tot extra werk en financiële gevolgen leiden.

Toegekend met een AI-model (Opus 5) op basis van de zestien thema's van Risk in Focus; niet door mensen gevalideerd. Om de labels beter te onderbouwen gaan we ze gefaseerd herbeoordelen met een tweede, onafhankelijk model van een andere aanbieder (OpenAI naast Anthropic); vanwege tokenlimieten gebeurt dat stapsgewijs. Ziet u een fout? Laat het weten.

Ministerie

Ministerie van Onderwijs, Cultuur en Wetenschap

Bron

Onderzoeken en evaluaties: Sardes

Toegepaste standaard

Extern onderzoek

Datum

2024-09 (alleen de maand is bekend)

Het rapport zelf

originele publicatie

Omschrijving

samenvatting door een AI-model (Opus 5) op basis van de publicatie

Risicolabels

toegekend met een AI-model (Opus 5) volgens de zestien thema's van Risk in Focus (ECIIA), niet door mensen gevalideerd

Bijgewerkt

augustus 2026