Framskrivingsmodell for videregående opplæring i Oslo

Report 2024/46

Orvika Rosnes, Jostein Ryssevik, Malin Dahle, Ingeborg Rasmussen og Georg Stokke

Framskrivingsmodell for videregående opplæring i Oslo

Category	Reports
Sub-Categories	Modeller og databaser Statistics and Empirical Analysis Taxes and public economics
Year	2024
Report Number	46
Author(s)	Orvika Rosnes Jostein Ryssevik Malin Dahle Ingeborg Rasmussen Georg Stokke
Download	file_download (1.8 MB)
Read in browser	PDF

Rapport 2024/46	 | For Oslo kommune Utdanningsetaten	 	
 	
 	
 	
Framskriving	smodell for 	videregående 	opplæring	 i Oslo	 	
 
Orvika Rosnes, Jostein Ryssevik, Malin Dahle, Ingeborg Rasmussen, Georg Stokke

Framskrivingsmodell for videregående opplæring i Oslo	 	
 
Vista Analyse	 | Rapport 2024/46	 	2 	
 
Dokumentdetaljer	 	
Tittel	 	Framskrivingsmodell for videregående opplæring i Oslo	 	
Rapportnummer 	 	Rapport 2024/46	 	
Forfattere	 	Orvika Rosnes, Jostein Ryssevik, Malin Dahle, Ingeborg Rasmussen, Georg Stokke	 	
ISBN	 	978	-82	-8126	-708	-4 	
Prosjektnummer	 	24	-ORO	-27	 	
Prosjektleder	 	Orvika Rosnes 	 	
Oppdragsgiver	 	Oslo kommune 	Utdanningsetaten	 	
Dato for ferdigstilling	 	19. november 2024	 	
Tilgjengelighet	 	Offentlig 	 	
Nøkkelord	 	Framskrivinger, scenarioanalyse, 	modeller	 og databaser	, statistikk, 	utdanning, 	offentlig 	
økonomi	 	
 
 
 
 
Om Vista Analyse	 	
Vista Analyse AS er et 	samfunnsfaglig analyseselskap med hovedvekt på økonomisk utredning, evaluering, rådgivning 	
og forskning. Vi utfører oppdrag med høy faglig kvalitet, uavhengighet og integritet. Våre sentrale temaområder er 
klima, energi, samferdsel, næringsutvikling, byutv	ikling og velferd. Vista Analyse er vinner av Evalueringsprisen 2018.	 	
Våre medarbeidere har meget høy akademisk kompetanse og bred erfaring innenfor konsulentvirksomhet. Ved be-
hov benytter vi et velutviklet nettverk med selskaper og ressurspersoner nasjonalt og internasjonalt. Selskapet er i 
sin helhet eiet av medarbeiderne.	 	
 
Om Ideas2evidence 	 	
Ideas2evidence er et samfunnsfaglig analyseinstitutt som bygger kunnskap for våre oppdragsgivere. Vi gjennomfører 
kartlegginger, utredninger, analyser og evalueringer på en rekke samfunnsområder. Vi har et profesjonelt apparat 
for gjennomføring av større d	atainnsamlingsoperasjoner og for tilrettelegging og analyse av de fleste typer data. 	
Ideas2evidence har en stab av høyt kompetente utredere og analytikere med lang og variert erfaring. Faglig bredde 
er en av våre styrker, og våre medarbeidere har bakgrunn 	fra fagområdene statsvitenskap, samfunnsgeografi, sosio-	
logi, sosialantropologi, økonomi, og organisasjon og ledelse. Våre ansatte er fordelt på kontorer i Bergen og Oslo.

Framskrivingsmodell for videregående opplæring i Oslo	 	
 
Vista Analyse	 | Rapport 2024/46	 	3 	
 
Forord 	 	
Oslo kommune ved Utdanningsetaten ga i desember 2023 ideas2evidence og Vista Analyse i oppdrag å utvikle en ny 
framskrivingsmodell for videregående opplæring. Formålet med den nye modellen er å sikre at Oslo har tilstrekkelig 
kapasitet i videregående opplæring, inkludert voksenopplæring	, i årene framover. 	Modellen gir framskrivinger 	for 	20 	
år framover, 2024	-2044.	 Modellen skal erstatte en tidligere modell utviklet internt i kommunen.	 	
Denne rapporten 	gir bakgrunnen for arbeidet og 	dokumenterer 	den nye 	framskrivingsmodell	en	. 	
Oppdraget har blitt gjennomført a	v ideas2evidence	 og Vista Analyse. 	Prosjektgruppen fra 	ideas2evidence	 har bestått 	
av 	Jostein Ryssevik (	oppdragsleder	), Malin Dahle og Georg Stokke. 	Prosjektgruppen fra 	Vista Analyse har 	bestått av 	
Orvika Rosnes	 (prosjektleder)	, Ingeborg Rasmussen, Siri 	Bråten Øye og Sondre Elstad. 	 	
Rapporten er også utgitt som 	Ideas2evidence rapport 17/2024	. 	
13	. desember	 202	4 	
Orvika Rosnes 	 	
Partner 	 	
Vista Analyse AS

Framskrivingsmodell for videregående opplæring i Oslo	 	
 
Vista Analyse	 | Rapport 2024/46	 	4 	
 
Innhold	 	
Sammendrag	 ................................	................................	................................	................................	................................	. 6 	
1 	Arbeidet med en ny framskrivingsmodell	 ................................	................................	................................	.............	 7 	
1.1	 	Bakgrunn	 	7 	
1.2	 	Gjennomføring	 	7 	
1.3	 	Viktige endringer i lovverket av betydning for 	modellutviklingen	 	9 	
1.4	 	Utfordringer i modelleringsarbeidet	 	10	 	
2 	Prinsipper for modellutviklingen	 ................................	................................	................................	........................	 11	 	
2.1	 	Prinsipper	 	11	 	
3 	De enkelte modulene	 ................................	................................	................................	................................	..........	 13	 	
3.1	 	Modul 1: Kapasitetsbehov basert på unges rett til videregående opplæring	 	14	 	
3.2	 	Modul 2: Kapasitetsbehov basert på voksnes rett til videregående opplæring	 	20	 	
3.3	 	Modul 2b: Kapasitetsbehov basert på voksnes rett til yrkesfaglig rekvalifisering	 	22	 	
3.4	 	Modul 3: Kapasitetsbehov i opplæringstilbud til minoritetsspråklig ungdom (16	-19) med kort botid	 	25	 	
3.5	 	Modul 4: Kapasitetsbehov til norsk og samfunnskunnskap og forberedende opplæring for voksne 
(FOV)	 	28	 	
4 	Power BI	-visualisering	 ................................	................................	................................	................................	.........	 32	 	
4.1	 	Rapport	 	32	 	
4.2	 	Eksempler på bruk	 	33	 	
4.3	 	Oppbygging	 	34	 	 
Figurer	 	
Figur 3.1	 	Konseptuell modell for kapasitetsbehov i videregående opplæring	 ................................	...............	 13	 	
Figur 3.2 	 	Konseptuell oversikt over modul 1: videregående opplæring for ungdom	 ................................	....	 15	 	
Figur 3.3 	 	Befolkningen i alderen 	16	-24 år i Oslo, 2023	–2050	 ................................	................................	........	 16	 	
Figur 3.4 	 	Konseptuell oversikt over modul 2a: voksnes rett til videregående opplæring	 ..............................	 21	 	
Figur 3.5 	 	Konseptuell oversikt over modul 2b: voksnes rett til 	yrkesfaglig rekvalifisering	 .............................	 23	 	
Figur 3.6 	 	Konseptuell oversikt over modul 3: opplæringstilbud til minoritetsspråklig ungdom (16	-19 	
år) med kort botid	 ................................	................................	................................	...........................	 25	 	
Figur 3.7 	 	Befolkningsframskrivinger: antall personer med innvandrerbakgrunn i Oslo (16	-19 år) 	
2024	-2050	 ................................	................................	................................	................................	......	 26	 	
Figur 3.8 	 	Antall 	nyankomne* personer i alderen 16	-19 år: framskriving og glidende gjennomsnitt for 	
MMMM	-scenariet	 ................................	................................	................................	..........................	 27	 	
Figur 3.9 	 	Konseptuell oversikt over modul 4: opplæringstilbud til voksne med kort botid	 ...........................	 29	 	
Figur 3.10 	 	Befolkningsframskrivinger: antall personer med innvandrerbakgrunn (20	-66 år) i Oslo 	
2024	-2050	 ................................	................................	................................	................................	......	 30	 	
Figur 3.11 	 	Befolkningsframskrivinger: antall nye innvandrere (20	-66 år) i Oslo kommune i hvert år 	
fram til 2050	 ................................	................................	................................	................................	... 30	 	
Figur 4.1 	 	Hovedsiden til visualiseringen	 ................................	................................	................................	........	 32	 	
Figur 4.2 	 	Eksempel 1: Elevplasser for ungdom 16	-24 år, inkludert meropplæring	 ................................	........	 33	 	
Figur 4.3 	 	Eksempel 2: Meropplæring	 ................................	................................	................................	.............	 34	 	
Figur 4.4 	 	Datarute	 ................................	................................	................................	................................	..........	 34	 	
Figur 4.5 	 	Fane med oppskrift på hvordan endre kildebaner og oversikt over nåværende kildebaner	 ..........	 36

Framskrivingsmodell for videregående opplæring i Oslo	 	
 
Vista Analyse	 | Rapport 2024/46	 	5 	
 
Tabeller	 	
Tabell 3.1 	 	Fra befolkningsframskrivinger til etterspørsel etter skoleplasser, 2023	 ................................	.........	 17	 	
Tabell 3.2 	 	Andelen av elever alderen 16	-24 år som deltar i et 	gitt utdanningsløp	 ................................	..........	 18	 	
Tabell 3.3 	 	Etterspørsel etter meropplæring i ulike scenarier, 2023	 ................................	................................	 19	 	
Tabell 3.4 	 	Andel av befolkningen (25	-66 år) som har grunnskole som høyeste utdanning og som tar 	
voksenopplæring	 ................................	................................	................................	............................	 22	 	
Tabell 3.5 	 	Andel av befolkningen (25	-66 år) som har grunnskole som 	høyeste utdanning og som tar 	
voksenopplæring	 ................................	................................	................................	............................	 24	 	
Tabell 3.6 	 	Antall minoritetsspråklige elever i de siste tre skoleårene	 ................................	.............................	 27

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	6 	
 
Sammendrag 	 	
Vi har 	utvikle	t en ny framskrivingsmodell for videregående opplæring	 i Oslo kommune	. Formålet 	
med den nye modellen 	er 	å sikre at Oslo har tilstrekkelig kapasitet 	til 	videregående opplæring, 	
inkludert voksenopplæring	, i årene framover. Fullføringsreformen 	har 	utvidet retten til videregå-	
ende opplæring på mange ulike måter, både for unge og for voksne, og det 	er 	behov for å kunne 	
beregne hvilke konsekvenser dette vil få for kapasitetsbehovet.	 	
Modellen tar utgangspunkt i demografisk utvikling, men tar også hensyn til 	de nylig vedtatte end-	
ringene i opplæringsloven som utvider 	rettighetene til en skoleplass på mange ulike måter	. I til-	
legg til vanlig videregående opplæring tar d	en nye modellen også med behovet for elevplasser i 	
voksenopplæring, 	yrkesfaglig rekvalifisering, 	tilbud for minoritetsspråklige elever og norsk og 	
samfunnskunnskap for innvandrere. Den forventede utviklingen innenfor voksenopplæring 	er 	her 	
særlig viktig, 	siden 	overgangen til modulstrukturerte læreplaner med betydelig frihet til å struk-	
turere opplæringsløpene på ulike måter	 gjorde det vanskelig å estimere ka	pasitetsbehovene.	 Den 	
nye modellen gir dermed et 	mer komplett bilde	 av behovet for skoleplasser i videregående opp-	
læring i Oslo. 	 	
Modellen	 gir 	framskrivninger 	for 	en periode på 20 år.	 	
Modellen er utviklet i Excel, 	og har en 	grafisk overbygning utviklet i P	ower	 BI.	 Løsningen med 	
Power	 BI gjør modellen til et verktøy som kan brukes av alle i Oslo kommune. 	Modellen erstatte	r 	
en tidligere modell utviklet internt i kommunen.

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	7 	
 	
1	 	Arbeidet med en ny framskri-
vingsmodell 	 	
I dette kapittelet presenteres bakgrunnen for arbeidet med en ny framskrivingsmodell for kapa-
sitetsbehov i videregående opplæring. Vi beskriver også hvordan oppdraget er løst og hvilke ut-
fordringer vi har stått overfor.	 	
1.1	 	Bakgrunn	 	
Oslo kommune ved Utdanningsetaten ga i desember 2023 ideas2evidence og Vista Analyse i opp-
drag å utvikle en ny framskrivingsmodell for videregående opplæring. Formålet med den nye mo-
dellen er å sikre at Oslo har tilstrekkelig kapasitet i videregående opplæ	ring, inkludert voksenopp-	
læring i årene framover. Modellen skal erstatte en tidligere modell utviklet internt i kommunen.	 	
Behovet for en ny modell er begrunnet i en forventet vekst i etterspørselen etter skoleplasser, 
dels på grunn av demografiske endringer og des på grunn av utvidede rettigheter. Fullføringsre-
formen har utvidet retten til videregående opplæring på mange ulik	e måter, både for unge og for 	
voksne, og det er behov for å kunne beregne hvilke konsekvenser dette vil få for kapasitetsbeho-
vet. I tillegg inkluderer den gamle modellen bare estimater for plasser i ordinær videregående 
opplæring blant ungdom (16	-18 år). D	en nye modellen skal gi et mer komplett bilde, og også ta 	
med behovet for elevplasser i voksenopplæring, tilbud for minoritetsspråklige elever og spesials-
koler og 	-grupper. Den forventede utviklingen innenfor voksenopplæring er her særlig viktig, gitt 	
at o	vergangen til modulstrukturerte læreplaner med betydelig frihet til å strukturere opplærings-	
løpene på ulike måter, gjør det vanskelig å estimere kapasitetsbehovene.	 	
I oppdragsbeskrivelsen ble det også presisert at den nye modellen skulle bygge på offentlig til-
gjengelige data, kunne videreutvikles internt i Utdanningsetaten, og presentere grafiske framstil-
linger av framskrivningene. Som den tidligere modellen, skulle d	et gis framskrivninger innenfor 	
en periode på 20 år.	 	
1.2	 	Gjennomføring	 	
Ideas2evidence og Vista analyse har i all hovedsak gjennomført oppdraget i henhold til kravene 
og spesifikasjonene som ble gitt av Utdanningsetaten. Arbeidet er gjennomført i tett dialog med 
kommunen, og gjennom hele perioden har det vært holdt jevnlige (n	ormalt ukentlige) møter mel-	
lom prosjektgruppen og kommunens kontaktpersoner. 	 	
Arbeidet har vært delt i tre faser:	 	
• 	Kunnskapsinnhenting	 	
• 	Modellutvikling	 	
• 	Implementering

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	8 	
 	
1.2.1	 	Kunnskapsinnhenting	 	
For å bygge opp nødvendig kunnskap som modelleringsarbeidet kunne bygge på, gjennomførte 
vi en grundig analyse av den nye opplæringsloven og hvilke konsekvenser denne kan tenkes å få 
for behovsutviklingen. I denne sammenheng gjennomgikk vi også tidligere a	nalyser av kapasitets-	
behovet i Oslo	-skolen, og satte oss inn i hvordan den eksisterende framskrivingsmodellen funge-	
rer. 	 	
Vi gjennomført også en serie møter med utvalgte enheter og eksperter i Utdanningsetaten. For-
målet med disse møtene var å få et bilde av hvordan tilbudet til de ulike målgruppene organiseres, 
og hvilke endringer og tilpasninger som blir gjort for å tilpasse	 seg nye rettigheter og behov. Sam-	
talene i disse møtene ga oss også oversikt over data som kunne brukes i modelleringsarbeidet, 
og hvilke analyser og estimeringer de enkelte administrative enhetene selv utfører. 	 	
Følgende møter ble gjennomført:	 	
• 	Inntakskontoret	 	
• 	Oslo VO servicesenteret	 	
• 	Karriere Oslo	 	
• 	Fagopplæringa	 	
• 	Leder for MFY	 	
• 	Fullføringsreformprosjektet	 	
• 	Privatistkontoret, inkludert leder for Utdanningsløftet	 	
• 	Samtale om 	opplæring for minoritetsspråklige, FOV og VGO for voksne, tre informanter med 	
ulike roller	 	
• 	Øystein Berglund, om hans analyser av fullføring og karakterer i videregående opplæring for 
voksne	 	
Kunnskapsinnhentingen ble mer omfattende og tidkrevende enn forutsatt, men vurdert som av-
gjørende for kvaliteten på det videre arbeidet.	 	
1.2.2	 	Modellutvikling	 	
I andre fase av prosjektet ble det, med utgangspunkt i den innsamlede kunnskapen, utviklet kon-
septuelle eller logiske modeller for de ulike delene av opplæringstilbudet. Dette er skisser av de 
ulike delmodellene som viser hvordan demografi (målgrupper), re	ttigheter og opplæringsløp 	
henger sammen og til sammen avgjør hvor mange elevplasser det er behov for (se kapittel 2	 og 	
3, hvor modellene og prinsippene de bygger på, gjennomgås).	 	
Modellene ble brukt som utgangspunkt for dialog med oppdragsgiver og ble formelt presentert 
for styringsgruppen for VGO	-kapasitet 6. mars. Her ble modellene diskutert, og med noen mindre 	
forslag til endringer, akseptert som et utgangspunkt for det videre a	rbeidet. På dette tidspunktet 	
ble det også avklart at spesialundervisning skulle holdes utenfor det videre modelleringsarbeidet 
grunnet utfordringer med å finne presise drivere for behovsutviklingen på dette området.

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	9 	
 	
1.2.3	 	Implementering	 	
Med utgangspunkt i de konseptuelle modellskissene, ble de endelige modellene implementert i 
Excel. Vi startet her med modellen for videregående opplæring etter ungdomsretten og benyttet 
denne som et «proof of concept» for det videre arbeidet. Erfaringene f	ra denne modellen, ble 	
deretter benyttet som utgangspunkt for arbeidet med de andre delmodellene. 	 	
Parallelt med implementering av modellene i Excel, er det blitt utviklet en grafisk overbygning i 
verktøyet PowerBI. I dette grensesnittet kan brukeren ved hjelp av menyer og knapper velge hva 
som skal inngå i framskrivingen og få resultatene framstilt i g	rafisk form. Dette vil være den van-	
lige måten å kjøre framskrivinger for brukere som ikke kjenner modellimplementeringen i detalj. 
For de som har satt seg grundigere inn i hvordan de enkelte modellene fungerer, er det også 
mulig å kjøre framskrivinger dire	kte i Excel	-modellene. Den siste muligheten gir også tilgang til 	
parametere som ikke finnes i PowerBI	-løsningen (se mer om dette i kapittel 3). 	 	
1.3	 	Viktige endringer i lovverket av betydning for modellutviklingen	 	
De fleste regeldringene som har betydning for modellarbeidet, har sin rot i 	Fullføringsreformen	 	
hvor retten til videregående opplæring endres fra en rett til tidsavgrenset opplæring, til en rett 
til å fullføre fram til oppnådd studie	- eller yrkeskompetanse. Dette gir elevene betydelig større 	
muligheter til å navigere i opplæringstilbudene; gjøre omv	alg, starte på nytt, bruke lenger tid osv. 	
Alt dette er endringer som kan innebære at elevene opptar en plass i skolen lenger sammenlignet 
med det tidligere rege	lverket. 	 	
Av konkrete lovendringer for ungdom (16	-24 år) kan nevnes:	 	
• 	Fri rett til omvalg fram til eleven er 19 år, deretter rett til ett omvalg	 	
• 	Rett til mer opplæring dersom eleven ikke består eller ikke fullfører opplæringen	 	
• 	Rett til å videregående opplæring som voksen dersom eleven ikke har fullført innen fylte 25 
år 	
For alle, uavhengig av alder, er det også innført en ordning med yrkesfaglig rekvalifisering. Dette 
gir rett til opplæring fram til et nytt fagbrev for elever som allerede har et fagbrev fra før eller 
som har godkjent studiekompetanse. De som benytter seg 	av denne retten, vil få videregående 	
opplæring for voksne.	 	
Den generelle retten til fullføring gjelder også for voksne. For voksne innføres også modulstruk-
turering som hovedprinsipp for opplæringen. Dette er en langt mer fleksibel opplæringsmodell 
tilpasset voksnes behov og den enkelte deltakers opplæringsbehov og	 tidligere kompetanse. Sam-	
tidig er det en modell hvor opplæringens lengde ikke er definert, og hvor store deler av opplæ-
ringen vil foregå i bedrift. En annen viktig lovendring for voksne, gjelder forsterket rett til norsk-
opplæring for deltakere som har beh	ov for det.	 	
Flere av endringene som følger av Fullføringsreformen, vil kunne bidra til å øke etterspørselen 
etter videregående opplæring, dels fordi rettighetene utvides og dels fordi det gjøres endringer i 
tilbudet som kan gjøre opplæringen mer attraktiv.	 	
Én konsekvens av reformen er at en og samme person vil kunne oppta en skoleplass lenger enn 
under det tidligere regelverket. Innføringen av tidsubegrenset rett til VGO åpner for lengre

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	10	 	
 
utdanningsløp til elever som har behov for det. Innføringen av fri rett til omvalg, vil kunne virke 
på tilsvarende måte; med flere omvalg vil en elev kunne oppta en plass i systemet over flere år 
enn før. En annen konsekvens er at én og samme person vil ku	nne ta videregående opplæring 	
flere ganger, som følge av retten til yrkesfaglig rekvalifisering.	 	
Det er også sannsynlig at noen av endringene i lovverk og tilbud vil kunne øke studietilbøyelighe-
ten i populasjonen. Innføringen av modulstrukturert fag	- og yrkesopplæring vil f.eks. kunne gjøre 	
opplæring attraktivt for flere voksne. Innføringen av retten 	til forsterket norskopplæring for 	
voksne, kan på sin side gjøre det mer attraktivt for voksne med svake norskferdigheter å søke seg 
til videregående opplæring.	 	
1.4	 	Utfordringer i modelleringsarbeidet	 	
Modeller som skal predikere utvikling 20 år fram i tid vil alltid være beheftet med større eller 
mindre usikkerhet. For en modell som skal inkorporere en betydelig omlegging av lovverket som 
ligger til grunn for elevenes rettigheter og adferd, er denne usi	kkerheten enda større.	 	
I arbeidet med den nye framskrivingsmodellen, er de særlig tre forhold som har bidratt til denne 
usikkerheten:	 	
Forskriften	: Forskriften som konkretiserer og utdyper bestemmelsene i opplæringsloven var ikke 	
klar før sent i implementeringsarbeideidet. Forskriften var til høring i denne perioden og ble først 
fastsatt 3. juni. 	 	
Utforming av tilbud og 	modeller i Oslo	: Gitt at den endelige forskriften ikke var klar, var også 	
mange viktige avgjørelser om hvordan Oslo skulle tilpasse seg det nye lovverket ikke tatt på det 
tidspunktet hvor framskrivingsmodellen ble utformet. Dette gjelder særlig på voksenopplærings-
området h	vor modulstrukturering gir muligheter for å organiser opplæringen på mange ulike må-	
ter.	 	
Erfaringsdata	: Den største utfordringen var likevel at det på svært mange områder ikke fantes 	
data eller rimelig sikre antagelser om hvordan elevene ville tilpasse seg det nye regelverket. At 
en rettighet blir gitt, for eksempel til meropplæring eller omvalg er ikke ensb	etydende med at alle 	
eller de fleste vil benytte seg av denne rettigheten. Før det finnes erfaringsdata som beskriver 
hvordan de nye rettighetene blir benyttet, er det svært utfordrende å bygge modeller som kan 
predikere utviklingen med en r	imelig grad av sikkerhet.	 	
Vår generelle løsning på disse utfordringene har vært å bygge inn scenarier, hvor brukeren kan 
velge mellom ulike verdier på slike adferdsparametere. I tillegg har vi lagt til rette for at mer pre-
sise adferdsdata kan legges inn i modellen når disse forelig	ger. Dette vil gjøre det mulig å øke 	
modellens presisjon etter at det nye regelverket har vært i bruk i et par år.

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	11	 	
 	
2	 	Prinsipper for modell	utviklingen	 	
I dette kapittelet presenterer vi de grunnleggende prinsippene som ligger til grunn for modellut-
viklingen. Vi presenterer i tillegg de konseptuelle modellene som er utgangspunktet for imple-
menteringen.	 	
2.1	 	Prinsipper	 	
Dimensjoneringen av videregående utdanning er i hovedsak søkerstyrt. Elevgrunnlaget har ret-
tigheter som kommunen må oppfylle. I et hovedsakelig søkerstyrt system vil behovet for elev-
plasser (dimensjonering) bestemmes av to sett av faktorer:	 	
1. Størrelsen på gruppen/gruppene som har rett til å motta utdanningen	 	
2. Hvor stor andel av gruppen/gruppene som søker seg til utdanningen	 	
Det første settet av faktorer er igjen bestemt av:	 	
a. Demografiske prosesser	, inkludert flytting, innvandring etc. Dette er stort sett kjente fak-	
torer som kan framskrives over tid basert på demografiske modeller. Unntaket er inn-
vandring, som kan involvere raske og store endringer som kan være vanskeligere å fo-
rutse. 	 	
b. Opplæringsloven m/ forskrift	, som definerer hvilke grupper som har hvilke rettigheter. 	
Disse rettighetene vil normalt være knyttet til alders	-/eller tidsbegrensninger og tidli-	
gere bruk av rettigheter.	 	
Det andre settet av faktorer handler om 	preferanser	 og 	adferd	: Hva er sannsynligheten for at et 	
medlem av en av de relevante gruppene velger å bruke rettigheten sin, og dermed etterspørre et 
utdanningstilbud? Disse adferdsparameterene vil normalt være påvirket av en rekke forhold, og 
kan derfor være vanskelig å mode	llere eller estimere. For en modell av denne typen vil de kunne 	
baseres på:	 	
a. Erfaringsdata	, f.eks. tidligere studier, historiske data eller data fra sammenlignbare si-	
tuasjoner, eller	 	
b. Kunnskapsbaserte antagelser	 	
For noen av sammenhengene i den nye modellen vi man kunne basere seg på erfaringer fra de 
siste årene, basert på en antagelse om at elevgruppens adferd ikke vil endre seg over tid. For 
andre sammenhenger, hvor det er snakk om helt nye rettigheter som tidli	gere ikke har eksistert, 	
f.eks. retten til yrkesfaglig rekvalifisering, vil det ikke finnes erfaringsdata å bygge på. Her må det 
derfor gjøres mer usikre antagelser om adferd, eventuelt la brukeren av modellen velge mellom 
ulike verdier på disse adferdspar	ameterene. I mange tilfeller er det den siste løsningen vi har 	
benyttet oss av i modelleringsarbeidet.	 	
Med dette utgangspunktet, kan vi si at modellene er utviklet i tre logiske steg.

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	12	 	
 	
 	
I første steg tar vi utgangspunkt i data som beskriver størrelsen på den demografiske gruppen 
som har en rettighet, og hvordan man forventer at størrelsen på denne gruppen vil utvikle seg 
over tid. Framskrivning av målgruppenes størrelse vil normalt basere	s på befolkningsprognoser 	
utarbeidet i modellverktøyet KOMPAS. Informasjon om gruppens størrelse vil deretter kobles 
med informasjon om rettighetene som denne gruppen har i opplæringsloven og annet relevant 
lovverk. 	 	
Resultatet av steg en er dermed et estimat på hvor mange personer som rett til en bestemt type 
opplæring.	 	
 	
I steg 2 kombineres utregningene fra steg en med data om målgruppens adferd, dvs. data	 som 	
viser hvor stor andel av målgruppen fra steg en som man forventer skal benyttes seg av rettighe-
ten og etterspørre en elevplass. Som nevnt over kan disse adferdsparameterene bygge på erfa-
ringsdata fra tidligere år, eller eventuelt på andre antagelser om	 målgruppens adferd.	 	
Resultatet fra steg to er dermed et estimat på hvor mange personer som vil etterspørre en be-
stemt type opplæring.	 	
 	
For enkelte målgrupper og rettigheter kan det også være aktuelt å legge til et tredje steg i utreg-
ningen hvor informasjon om 	opplæringsløp og organisering bringes inn i ligningen. Dette er rele-	
vant i sitasjoner der måten opplæringen er organisert på kan ha betydning for kapasitetsbehovet, 
f.eks. om opplæringen foregår på kveldstid, i bedrift eller lignende. Vi har bare unntaksvi	s bygget 	
denne typen beregninger inn i modellen. På en del områder, kan det derfor være aktuelt å be-
handle de tallene som modellen produserer videre, basert på kunnskap om hvordan den faktiske 
opplæringen vil bli organisert i årene framover.

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	13	 	
 	
3	 	D	e enkelte modulene	 	
Den samlede framskrivingsmodellen består av flere ulike delmodeller eller moduler. I dette ka-
pittelet går vi nærmer inn på hver av disse delmodellene. Vi ser først på de konseptuelle skissene 
som er utgangspunktet for hver delmodell, deretter på hvordan di	sse er implementert i Excel og 	
hvilke data de bygger på.	 	
Modellen beregner behovet for skoleplasser i videregående opplæring i Oslo kommune	. 	
1. Utgangspunkt er forventet befolkningsutvikling i Oslo i perioden 2023	-2050 for ulike demo-	
grafiske grupper. Befolkningsframskrivinger, kombinert med opplæringslovens bestemmel-
ser om rettigheter, gir dermed det maksimale antallet elever som har rett til ulik	e former for 	
videregående opplæring.	 	
2. Med utgangspunkt i antallet som har rett på opplæring	, og antakelser om adferd og prefe-	
ranser knyttet til etterspørsel etter opplæring	, beregner vi et anslag for antallet som benyt-	
ter seg av denne retten, dvs. anslaget for søkere til videregåend	e opplæring. 	 	
3. Til slutt fordeler vi potensielle elever på de ulike studieretningene og opplæringsløpene. 
Dette 	estimerer	 kapasitetsbehovet i de ulike studieretningene.	 	
 	
Modellen gir framskrivinger 20 år framover, 2024	-2044.	 	
 
Den samlede framskrivingsmodellen består av følgende moduler	 (se	 Figur 	3.1): 	
• 	Modul	 1: For beregning av kapasitetsbehov basert på unges rett til videregående opplæring	 	
• 	Modul 	2: For beregning av kapasitetsbehov basert på voksnes rett til videregående 	opplæ-	
ring	 	
• 	Modul	 2-b: For beregning av kapasitetsbehov basert på voksnes rett til yrkesfaglig rekvalifi-	
sering	 	
• 	Modul	 3: For beregning av kapasitetsbehov i opplæringstilbud til minoritetsspråklig ungdom 	
(16	-19) med kort botid	 	
• 	Modul	 4: For beregning av kapasitetsbehov til norsk og samfunnskunnskap og forberedende 	
opplæring for voksne (FOV)	 	
Figur 	3.1 	Konseptuell modell for kapasitetsbehov i videregående opplæring

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	14	 	
 
De ulike modulene vil kunne brukes hver for seg med utgangspunkt i de implementasjonene som 
er gjort i Excel. Alternativt kan resultater fra flere moduler beregnes og visualiseres ved hjelp av 
en PowerBI	-løsning. Dette er en grafisk overbygning som sammenf	atter resultater fra flere mo-	
duler og som lar brukeren gjøre ulike valg for de framskrivningene som beregnes (se kapittel 	4). 	
 
Vi forklarer de ulike modulene nærmere nedenfor.	 	
3.1	 	Modul	 1: Kapasitetsbehov basert på unges rett til videregående 	
opplæring	 	
Målet med denne modulen er å beregne antallet plasser i videregående opplæring som trengs i 
årene fremover 	med utgangspunkt i unges (16	-24 år) rett til utdanning.	 Denne modulen er en 	
hovedmodul for hele modellen, i og med at den fanger opp brorparten av alle plassene som 
trengs.	 	
3.1.1	 	Modellens logikk og virkemåte	 	
Figur 	3.2 viser 	den konseptuelle modellen som er utgangspunkt for beregninger av kapasitetsbe-	
hov utløst av ungdoms rett til å fullføre videregående 	opplæring	. 	
Ungdomsretten er aldersbestemt til unge mellom 16 og 24 år. Utgangspunktet for modellen er 
derfor størrelsen på disse ettårige alderskohortene framskrevet for hvert år over de kommende 
20 årene (kolonnen lengst til venstre i modellen).	 	
I den andre kolonnen viser de blå boksene de ulike standardløpene som disse ungdommene kan 
velge mellom. Dette er utdanningsløp av en viss lengde, og hvor enkelte av løpene også inkluderer 
læretid i bedrift uten behov for fysisk plass i en skolebygning. 	 	
I den tredje kolonnen inkluderes ulike komponenter som representerer tillegg i kapasitetsbehov 
til disse standardløpene.	 Dette handler om tillegg utløst av nye rettigheter, som retten til mer-	
opplæring og den utvidede retten til omvalg, og tillegg som også har eksistert i tidligere lovgivning, 
det vil si retten til påbygg og vg3 i skole for elever som ikke får læreplass. Kolo	nnen inkluderer 	
også frafall, som representerer et fratrekk fra kapasitetsbehovet som standardløpene krever.	 	
Stiene mellom kolonnene (og de nummererte oransje sirklene) viser de mange adferdsparame-
terene som modellen bygger på, dvs data om sannsynligheter for at en bestemt gruppe velger et 
bestemt løp. I denne modellen er flertallet av adferdsparameterene alderss	pesifikke, det vil si at 	
de angir sannsynligheter for hver alderskohort.	1 	
I den konkrete implementasjonen av modellen benyttes erfaringsdata fra de 3 siste årene. Mo-
dellen bygger derfor på en forutsetning om konstant adferd, for eksempel når det gjelder mål-
gruppens tilbøyelighet til å velge studieforberedende versus yrkesfaglige	 studieløp. Men vi har 	
også bygget inn et scenario som estimerer kapasitetsbehov i en situasjon hvor Oslo kommunes 
politiske mål om at en tredjedel av elevene skal velge yrkesfag, blir nådd.	 	
 	
1 Hver sti består derfor normalt av en vektor av aldersspesifikke parametere.

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	15	 	
 
Estimatene for kapasitetsbehov generert av retten til meropplæring og omvalg er høyst usikker, 
og vil først bli sikrere når erfaringsdata fra årene etter lovendringen blir lagt inn i modellen.	 	
Figur 	3.2 	Konseptuell oversikt over modul 1: videregående opplæring for ungdom	 	
 	
3.1.2	 	Implementering og datagrunnlag	 	
Hovedmodellen beregner antallet plasser i videregående opplæring som trengs i årene fremover 
fordi ungdom i alderen 16	-24 år har rett på videregående opplæring. Demografi er den viktigste 	
driveren her: 	flertallet av ungdommene i målgruppen benytter seg av rettighetene som er gitt 	
opplæringsloven	. I første omgang beregner vi hvor mange personer som vil etterspørre videre-	
gående opplæring, før vi beregner hvilke linjer/utdanningsløp de vil gå på.	 	
I tillegg beregner vi antallet elever som vil benytte seg av skoleplassen utløst av nye rettigheter 
for meropplæring og omvalg.	 	
Vi har også tilrettelagt for å undersøke hva økt søkning til yrkesfag vil bety for behovet for kapa-
sitet i de ulike 	løpene	. 	
Hvordan vi modellerer dette er utdypet nedenfor.	 	
Felles for beregningene er at vi benytter erfaringsdata fra de 3 siste årene der det foreligger. 
Modellen bygger derfor på en forutsetning om 	konstant adferd	, for eksempel når det gjelder mål-	
gruppens tilbøyelighet til å velge studieforberedende versus yrkesfaglige studieløp. Andre data 
finnes ikke (f.eks. etterspørsel etter meropplæring). I slike tilfeller har vi benyttet oss av antakel-
ser, som bør oppdateres 	når det foreligger erfaringsdata.	 	
3.1.2.1	 	Demografi	 	
Vi tar utgangspunkt i 16	-24 år gamle innbyggere i Oslo. Helt konkret er det lagt inn befolknings-	
framskrivinger fra Oslo kommunes statistikkbank: ettårige alderskohorter framskrevet for hvert

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	16	 	
 
år over de kommende 20 årene.	2 Alternativt kan man bruke SSBs befolkningsframskrivinger.	3 Ut-	
viklingen er vist i 	Figur 	3.3. 	
Figur 	3.3 	Befolkningen i alderen 	16	-24 år i Oslo, 2023	–2050	 	
 
Kilde: 	 	Befolkningsframskrivinger for Oslo kommune, 	https://statistikkbanken.oslo.kommune.no/stat-	
bank/pxweb/no/db1/db1__Befolkning__Befolkningsframskrivinger/OK	-BEF033.px/	 	
3.1.2.2	 	Justeringer: fra befolkning til antall elever	 	
Hele befolkningen i den relevante alderen vil likevel ikke delta i opplæringstilbud i regi av Oslo 
kommune. Noen ungdommer vil gå på privatskoler, noen vil gå på skole utenfor Oslo. Tilsvarende 
vil noen ungdommer fra andre fylker gå på skole i Oslo. Det er	 også noe frafall, dvs. ungdommer 	
som ikke deltar i opplæringstilbud i det hele tatt	 eller dropper ut underveis i opplæringsløpet	. 	
Denne andelen varierer naturligvis mellom ulike aldersgruppene: det vil være større sannsynlig-
het for at en person i alderen 	16	-19 år går på videregående skole enn at en person 	i alderen	 23	-	
24 år gjør det.	 	
Det neste skrittet er dermed å beregne hvor stor andel av innbyggerne i denne aldersgruppen 
(16	-24 år) som vil etterspørre opplæring i regi av Oslo kommune, dvs. hvor mange elever Oslo 	
kommune må finne skoleplass til.	 	
Tabell 3.1 viser 	denne justeringer. Datagrunnlaget er historiske data, bl.a. fra komponentmodel-	
len til Oslo kommune. Vi har ikke historiske tall for frafall mm. Dette er beregnet på grunnlag av 
faktiske elevtall i Oslo kommune, dvs. differansen mellom befolkningen og antal	l elever.	 	
Den siste kolonnen 	tabellen 	angir andel av befolkningen i den relevante 	aldersgruppen som etter-	
spør videregående opplæring i Oslo	-skolen	. Det er disse andelene som brukes til å beregne antal-	
let elever i framtidige år, fram til 2044. Vi antar med andre ord konstante andeler for de ulike 
aldersgruppene framover.	 	
 	
2	 https://statistikkbanken.oslo.kommune.no/statbank/pxweb/no/db1/db1__Befolkning__Befolkningsframskri-	
vinger/OK	-BEF033.px/	 	
3 https://www.ssb.no/statbank/table/13600/

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	17	 	
 
Tabell 	3.1 	Fra befolkningsframskrivinger til etterspørsel etter skoleplasser, 2023	 	
Alder:	 	Befolkning 
(antall)	 	
Elever i 
Oslo	-skolen 	
(antall)	 	
Oslo	-elever i 	
privatskoler 	
01.10	 	
Oslo	-elever i 	
andre fyl-
ker, ev. 
andre juste-	
ringer	 	
Ikke i Oslo	-	
skolen av 
andre grun-	
ner*	 	
Andel av be-
folkningen 
som går på 
skole i Oslo	 	
16	 	6 909	 	5 684	 	10 %	 	2 %	 	6,0 %	 	82 %	 	
17	 	6 752	 	5 408	 	10 %	 	2 %	 	8,1 %	 	80 %	 	
18	 	6 704	 	4 823	 	10 %	 	2 %	 	16,3 %	 	72 %	 	
19	 	7 043	 	493	 	0 %	 	0 %	 	93,0 	% 	7 %	 	
20	 	7 566	 	272	 	0 %	 	0 %	 	96,4 %	 	4 %	 	
21	 	8 302	 	157	 	0 %	 	0 %	 	98,1 %	 	2 %	 	
22	 	9 448	 	107	 	0 %	 	0 %	 	98,9 %	 	1 %	 	
23	 	10 288	 	71	 	0 %	 	0 %	 	99,3 %	 	1 %	 	
24	 	11 262	 	43	 	0 %	 	0 %	 	99,6 %	 	0 %	 	
Kilde: 	 	Oslo	-elever i privatskoler og i andre fylker er basert på komponentmodellen. Merk at disse tallene er ikke 	
fordelt 	på alder, men totalt for 16	-18-åringer. Elever i Oslo	-skolen kommer fra UDE. Befolkning er fra be-	
folkningsframskrivinger.	 	
Merknad: 	 Andel av ungdommer som ikke går på skole av andre grunner (frafall mm.) er beregnet som residual.	 	
3.1.2.3	 	Elever fordeles på utdanningsprogram	 	
Videre fordeler vi det totale antallet elever på ulike opplæringsprogram	 og løp	: studiespesialiser-	
ende, yrkesfag (både ordinær 2+2 og 0+4), yrkes	- og studiekompetanse (4 år) og praksisrettet 	
studiekompetanse (3 år).	 	
Denne fordelingen skjer på bakgrunn av 	en 	sannsynlighetsmatrise. Også disse sannsynlighetene 	
er aldersspesifikke. For eksempel er 76 % av 16	-åringer i studieforberedende vg1, 19 % av 16	-	
åringer i vg1 i ordinært yrkesfagsløp, mens over 3 % er i vg1 i praksisrettet studiekompetanseløp. 
Noen få 16	-åringer er allerede i vg2. Tilsvarende er det flest 17	-åringer (74 %) i vg2 studieforbe-	
redende og 16 % i vg2 yrkesfaglig retning. 	Den fullstendige fordelingen er vist i tabell 3.2.	 	
Andelene	 i Tabell 	3.2 er basert på historiske data (	fra 	de siste tre skoleårene). 100 % i	 tabell 3.2 	
referer til antallet elever i Oslo	-skolen (altså 5 684 16	-åringer i 2023, jf.	 tabell 3.1	). 	
Basert på det totale antallet elever 	(fra tabell 3.1)	 og andelene på hvert utdanningsløp 	(jfr. tabell 	
3.2)	 beregnes antallet elever på hvert utdanningsløp. Dette er modellens hovedresultat.

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	18	 	
 
Tabell 	3.2 	Andelen av elever alderen 16	-24 år som deltar i et gitt utdanningsløp	 	
Alder
 	Studie	- 	
forberedende 	 	
 	
Yrkesfag ordinær 	
(2+2	 år) 	
 	
Yrkesfag + 	 	
studiekomp	etanse	 	
 (4 år)	 	
Praksisrettet 	 	
studiekompetanse 	 	
 	
 Totalt
 	
 	
Vg1
 	
Vg2
 	
Vg3
 	
Vg1
 	
Vg2
 	
Vg3
 	
Vg1
 	
Vg2
 	
Vg3
 	
4. år
 	
Vg1
 	
Vg2
 	
Vg3
 	
4. år
 	
Vg3 i skole
 	
Totalt
 	
16	 	76 %	 1 %	 	0 %	 19 %	 %	 	0 %	 	0 %	 	0 %	 	0 %	 	0 %	 	3 %	 	0 %	 	0 %	 %	 	0 %	 100 %	 	
17	 	2 %	 74 %	 1 %	 	3 %	 16 %	 %	 	0 %	 	0 %	 	0 %	 	0 %	 	0 %	 	3 %	 	0 %	 %	 	0 %	 100 %	 	
18	 	1 %	 	3 %	 81 %	 2 %	 	4 %	 	2 %	 	0 %	 	0 %	 	0 %	 	0 %	 	0 %	 	0 %	 	3 %	 3 %	 	1 %	 100 %	 	
19	 	3 %	 	7 %	 30 %	 11 %	 17 %	 3 %	 	0 % 	0 %	 	0 %	 	5 %	 	0 %	 	0 %	 	1 %	 20 %	 2 %	 100 %	 	
20	 	4 %	 	6 %	 11 %	 17 %	 19 %	 4 %	 	0 %	 	0 %	 	0 %	 	0 %	 	0 %	 	0 %	 	1 %	 36 %	 1 %	 100 %	 	
21	 	5 %	 	5 %	 10 %	 17 %	 21 %	 3 %	 	0 %	 	0 %	 	0 %	 	0 %	 	0 %	 	0 %	 	0 %	 35 %	 2 %	 100 %	 	
22	 	5 %	 	6 %	 	5 %	 19 %	 24 %	 3 %	 	0 %	 	0 %	 	0 %	 	0 %	 	0 %	 	0 %	 	1 %	 33 %	 3 %	 100 %	 	
23	 	1 %	 	5 %	 	7 %	 23 %	 22 %	 4 %	 	0 %	 	0 %	 	0 %	 	0 %	 	0 %	 	0 %	 	0 %	 33 %	 4 %	 100 %	 	
24	 	4 %	 	2 %	 	5 %	 20 %	 24 %	 2 %	 	0 %	 	0 %	 	0 %	 	0 %	 	0 %	 	1 %	 	0 %	 38 %	 5 %	 100 %	 	
Kilde:	 	UDE i Oslo kommune	 	
3.1.2.4	 	Scenario: økt søkning til yrkesfag	 	
I tillegg til standardversjonen basert på historiske data, som 	er 	omtalt ovenfor, er modellen tilret-	
telagt for å undersøke behovet for skoleplasser i de ulike utdanningsløpene hvis flere velger å ta 
yrkesfag.	 	
Dette gir mulighet til å undersøke virkninger av den politiske målsetningen om at en tredjedel av 
elevene skal velge yrkesfag. Konkret er det lagt inn 33 % i vg1 yrkesfag i dette scenarier istedenfor 
19 % (	jfr.	Tabell 	3.2).4 I neste omgang vil økt andel 16	-åringer som tar yrkesfag i vg1 påvirke hvor 	
mange 17	-åringer tar yrkesfag i vg2 og 18	-åringer i vg3.	 	
Vi antar at disse nye elevene på yrkesfag kommer fra studieforeberedende. Andelen av elever i 
relevante trinn i studieforberedende vil endres tilsvarende (vg1, vg2 og vg3). Endringen får ingen 
konsekvenser for eldre aldersgrupper eller for andre studieløp.	 	
3.1.2.5	 	Meropplæring	 	
Utover elevene som deltar i opplæringstilbud via standardløp, må vi også ta høyde for ulike til-
leggsløp og 	-muligheter som Fullføringsreformen 	har åpnet opp for.	 En slik mulighet er retten til 	
meropplæring	. 	
Siden 	dette	 er nye rettigheter, finnes det ingen statistikk eller historiske erfaringstall om om-	
fanget av dette. Vi har tilrettelagt modellen til noen alternative scenarier.	 	
• 	For det første må vi anta noe om potensialet for etterspørselen etter meropplæring. Vi tar 
utgangpunkt i 	analyser gjennomført av Oslo kommune over 	hvor mange elever som har fått 	
‘ikke godkjent’ på de ulike trinnene (studieforberedende vg1, vg2, vg3 og yrkesfag vg1, vg2). 	
 	
4 Dette tallet (33 %) kan endres av ekspertbrukeren av modellen i Excel.

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	19	 	
 	
Dette danner utgangspunktet for hvor mange som kan tenkes å benytte seg av rettigheten, 
dvs. det maksimale antallet elever som kan etterspørre meropplæring. Basert på data fra 
Oslo kommune var det 1625 elever, noe som tilsvarer 2,2 % av alle 16	-24	-åringer 	i Oslo. 	
Merk at grunnlaget her er alle 16	-24	-åringer i Oslo kommune, siden også de som er utenfor 	
skolesystemet i dag vil kunne benytte seg av muligheten	. 	
• 	Dernest gjør vi noen forutsetninger om hvor mange av dem vil benytte seg av denne rettig-
heten. Vi har tilrettelagt for tre scenarier:	 	
– 	‘Lav etterspørsel etter meropplæring’: en tredjedel av de som ikke får godkjent søker 
meropplæring. Dette innebærer at 0,7	 % av alle 16	-24	-åringer søker meropplæring (33 	
% av 2,2 %).	 	
– 	‘Moderat etterspørsel etter meropplæring’ innebærer at halvparten av de som ikke får 
godkjent søker meropplæring. Dette tilsvarer at 1,1 % av alle 16	-24	-åringer søker 	mer-	
opplæring (50 % av 2,2 %).	 	
– 	‘Høy etterspørsel etter meropplæring’ innebærer at to tredjedeler av elevene som ikke 
har fått godkjent 	søker 	meropplæring. Dette innebærer at 1,5% av alle 16	-24	-åringer sø-	
ker meropplæring.	 	
• 	Til slutt fordeles elevene på de 	ulike løpene og trinnene (studieforberedende vg1, vg2, vg3 	
og yrkesfag vg1, vg2).	 	
Tabell 3.3 viser tankegangen	 og dataene i beregningen av meropplæring, og resultatene.	 	
Tabell 	3.3 	Etterspørsel etter meropplæring i ulike scenarier, 2023	 	
 	Studieforberedende 	 	Yrkesfag	 	 	 	
Vg1	 	Vg2	 	Vg3	 	Vg1 	 	Vg2	 	Vg3	 	Totalt 	 	
Antall ‘ikke godkjent’:	 	 	 	 	 	 	 	 	
Minimum 	 	100	 	100	 	700	 	190	 	300	 	0 	1390	 	
Maksimum 	 	150	 	150	 	900	 	260	 	400	 	0 	1860	 	
Gjennomsnitt	 	125	 	125	 	800	 	225	 	350	 	0 	1625	 	
Gjennomsnitt	 (andel)	 	8 %	 	8 %	 	49 %	 	14 %	 	22 %	 	0 %	 	100 %	 	
Scenarier: 	 	
 	 	 	 	 	 	 	
Lav	 (33 %)	 	42	 	42	 	267	 	75	 	117	 	0 	542	 	
Moderat	 (50 %)	 	63	 	63	 	400	 	113	 	175	 	0 	813	 	
Høy	 (66 %)	 	83	 	83	 	533	 	150	 	233	 	0 	1 083	 	
Kilde: 	 	Vedlegg 9 Estimat visualisering.ppt 	(presentasjon utarbeidet av Kristian Vestli, Osloskolen)	 	
Vi vil understreke at retten til meropplæring og omvalg er ny, og anslagene som er benyttet i 
beregninger dermed er høyst usikre. Tallene bør oppdateres når det foreligger erfaringsdata fra 
årene etter lovendringen.	 	
3.1.2.6	 	Dynamiske justeringsfaktorer	 	
Det er også lagt til rette for scenarier for å undersøke ulike forløp hvis antallet elever som tar 
praksisrettet studiekompetanse over 4 år og som tar vg3 i skole endres. Dette er justeringer som 
kan gjøres av ekspertbrukeren av modellen i Excel.

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	20	 	
 	
3.1.2.7	 	Datakilder	 	
Datakilder har vært nevnt ovenfor. De viktigste datakildene er:	 	
• 	Befolkningsframskrivninger, som kan baseres på framskrivinger for Oslo kommune, tilgjeng-
elig i Oslo kommun	en	s Statistikkbank. Alternativt kan man bruke befolkningsframskrivninger 	
til SSB (	https://www.ssb.no/statbank/table/13600/	). 	
• 	Sannsynlighetfordelingene og antakelser for 	meropplæring er basert på data vi har mottatt 	
fra Oslo kommune.	 	
3.1.2.8	 	Tilpasningsmuligheter	 	
Ekspertbrukeren av modellen kan endre enkelte forutsetninger i Excel:	 	
• 	Scenario for yrkesfag 	– erstatte 33 % med et annet tall.	 	
• 	Scenarier for hvor mange av de som får 'ikke godkjent' etterspør meropplæring 	– erstatte 	
33%, 50% eller 66% med et annet tall.	 	
3.2	 	M	odul 2	: Kapasitetsbehov basert på 	voksnes	 rett til videregå-	
ende opplæring	 	
Denne modulen beregner antall plasser som trengs i videregående opplæring i årene fremover 
som følge av voksnes (over 25 år) rett på videregående opplæring, den såkalte voksenretten. 	 	
3.2.1.1	 	Modellens logikk og virkemåte	 	
Den logiske modellen for beregning av kapasitetsbehov med utgangspunkt i voksnes rett til vide-
regående opplæring, har mange 	likhetspunkter med den tilsvarende modellen for unge i alderen 	
16	-24 år.	 	
Utgangspunktet er personer over 24 år uten godkjent videregående opplæring. Merk at yrkesfag-
lig rekvalifisering, som etter fullføringsreformen er tilgjengelig for voksne med godkjent videre-
gående opplæring, er skilt ut som en egen modell (2	-b). Modellen be	nytter også bredere alders-	
kohorter enn modellen for ungdomsretten.	 	
Kolonnen for standardløp angir de alternativene som per i dag er tilgjengelig for voksne i Oslo.

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	21	 	
 
Figur 	3.4 	Konseptuell oversikt over modul 2a: voksnes rett til videregående opplæring	 	
 	
3.2.2	 	Implementering og datagrunnlag	 	
3.2.2.1	 	Demografi	 	
Vi tar utgangspunkt i innbyggere i alderen 25	-66 år i Oslo. Helt konkret er det lagt inn befolknings-	
framskrivinger fra Oslo kommunes statistikkbank, for hvert år over de kommende 20 årene.	 5 Al-	
ternativt kan man bruke SSBs befolkningsframskrivinger.	 6 	
Vi har gruppert befolkninger i følgende aldersgrupper: 25	-29 år, 30	-39 år, 40	-49 år, 50	-66 år. Disse 	
kohortene har 	blant annet 	ulike utdanningsnivå og dermed ulik sannsynlighet til å etterspørre 	
utdanning.	 	
3.2.2.2	 	Justeringer: fra befolkning til gruppen som kan og vil bruke voksenretten	 	
Bortsett fra muligheten for yrkesfaglig rekvalifisering, som behandles i en separat modul, gjelder 
voksenretten bare voksne som tidligere ikke har godkjent videregående utdanning.	 Basert på sta-	
tistikken over hvor mange i de relevante aldersgruppene som har grunnskole som høyeste utdan-
ning	, har vi 	derfor 	beregnet hvor mange 	som maksimalt kan bruke voksenretten	. 7 Tabell 3.4 v	iser 	
andelene for de ulike aldersgruppene. Det er altså 14,4 % av 25	-29	-åringer som har grunnskole 	
som sin høyeste utdanning, og som dermed kan bruke voksenretten. Dette tilsvarer 10 821 per-
soner i 2024.	 	
Heller ikke i denne gruppen vil alle benytte seg av voksenretten. Basert på deltakere i voksenopp-
læringen i 2021	-2023 har vi beregnet hvor mange som kan tenkes å bruke denne rettigheten, og 	
hvilke 	utdanningsløp de vil velge	. Dette er vist i de siste to linjene 	i tabell 3.4	. 	
 	
5	 https://statistikkbanken.oslo.kommune.no/statbank/pxweb/no/db1/db1__Befolkning__Befolkningsframskri-	
vinger/OK	-BEF033.px/	 	
6 https://www.ssb.no/statbank/table/14288 	 	
7	 https://statistikkbanken.oslo.kommune.no/statbank/pxweb/no/db1/db1__Barnehage,%20skole%20og%20utdan-
ning__Utdanningsnivå%20og%20ikke%20fullført%20VGS/OK	-UTD027.px/

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	22	 	
 
Tabell 	3.4 	Andel av befolkningen (25	-66 år) som har grunnskole som høyeste utdanning 	
og som tar voksenopplæring	 	
 	25	-29 år	 	30	-39 år	 	40	-49 år	 	50	-66 år	 	
Andel av 	befolkningen som har grunnskole som 	
høyeste utdanning (gjennomsnitt 2014 	– 2023)	 	
14,4 %	 	16,6 %	 	17,8 %	 	20,1 %	 	
Andel av befolkningen som tar voksenopplæring 
(gjennomsnitt 	2019	-2021)	: 	
 	 	 	 	
– Studiespesialiserende	 	1,3 %	 	1,1 %	 	0,6 %	 	0,1 %	 	
– Yrkesfag	 	2,5 %	 	2,7 %	 	1,6 %	 	0,2 %	 	
Kilde: 	https://statistikkbanken.oslo.kommune.no/statbank/pxweb/no/db1/db1__Barnehage,%20skole%20og%20ut-	
danning__Utdanningsnivå%20og%20ikke%20fullført%20VGS/OK	-UTD027.px/	, Oslo Voksenopplæring Ser-	
vicesenter	 	
Basert på det totale antallet personer uten videregående opplæring	, og forutsetninger for hvor 	
mange av 	disse som vil ta	 videregående opplæring (begge 	i tabell 3.4)	 beregnes antallet elever på 	
hvert utdanningsløp. Dette er hovedresultat for modell 2.	 	
Gitt at rettighetene i opplæringsloven er blitt utvidet, samt at tilgangen til modulstrukturerte løp 
vil kunne gjøre det mer attraktivt å ta videregående opplæring som voksen, bør sannsynlighetene 
justeres så snart det foreligger erfaringsdata fra årene et	ter lovjusteringen.	 	
3.2.2.3	 	Meropplæring	 	
I tillegg til hovedresultatet	, beregner vi etterspørselen etter meropplæring i disse aldersgrup-	
pene. Her bruker vi sammen forutsetninger for hvor mange som får ‘ikke godkjent’ og hvor mange 
av dem som etterspør meropplæring som i 	modul 1.	 	
3.2.2.4	 	Datakilder	 	
Datakildene har vært nevnt ovenfor. De viktigste datakildene er:	 	
• 	Befolkningsframskrivinger, som kan baseres på framskrivinger for Oslo kommune, tilgjenge-
lig i Oslo kommunes Statistikkbank. Alternativt kan man bruke befolkningsframskrivinger til 
SSB (	https://www.ssb.no/statbank/table/14288	). 	
• 	Hvor stor andel av befolkningen som har grunnskole som sin høyest utdanning, og som der-
med har rett til 	videregående opplæring som voksen	, er basert på statistikken fra Oslo kom-	
mune.	 	
• 	Antakelser om meropplæring er de samme som i modell 1, basert på dataene vi har mottatt 
fra Oslo kommune.	 	
3.3	 	Modul 2b: 	Kapasitetsbehov basert på 	voksnes rett til yrkesfaglig 	
rekvalifisering	 	
Utgangspunktet for denne 	modellen er voksne med et allerede godkjent fagbrev eller godkjent 	
studiekompetanse. Alle disse har rett til å ta et nytt fagbrev ifølge den nye opplæringsloven. I den 
konseptuelle modellen inkluderer vi de ulike veiene fram til fagbrev, inkludert rett til	 meropplæ-	
ring og vg3 i skole.

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	23	 	
 
Figur 	3.5 	Konseptuell oversikt over modul 2	b: voksnes rett til 	yrkesfaglig rekvalifisering	 	
 	
3.3.1	 	Implementering og datagrunnlag	 	
3.3.1.1	 	Demografi	 	
Også her tar vi utgangspunkt i innbyggere i alderen 25	-66 år i Oslo, dvs. de samme befolknings-	
framskrivingene for de samme aldersgruppene som i modell 2.	 8 Alternativt kan man bruke SSBs 	
befolkningsframskrivinger.	9 	
3.3.1.2	 	Justeringer: fra befolkning til gruppen som kan og vil ta yrkesfaglig 	rekvalifisering	 	
Også her må vi justere antallet fra befolkningsframskrivinger til antallet som har rett til yrkesfaglig 
rekvalifisering. Basert på statistikken over hvor mange i de relevante aldersgruppene som har 
fullført videregående skole	 (godkjent fagbrev eller studiekompetanse)	, har vi beregnet hvor 	
mange som maksimalt kan bruke voksenretten.	 10 	
Tabell 3.5 v	iser andelene for de ulike aldersgruppene	 som har fullført videregående skole	. For 	
eksempel er det 85,6 % av 25	-29	-åringer som har fullført videregående skole, og som dermed 	
kvalifiserer til yrkesfaglig rekvalifisering. Dette tilsvarer 64 171 personer i 2024 (av totalt 74 992 
personer i denne aldersgruppen).	 	
Heller ikke i denne gruppen vil alle benytte seg av rettigheten. Men i dette tilfelle har vi ingen 
statistikk eller erfaringsdata å bygge på. Vi har lagt inn en antakelse om at 0,1 % av de som har 
rettigheten til å ta yrkesfaglig rekvalifisering, vil gjøre	 det. Dette er kun en antakelse som bør 	
endres når erfaringstall foreligger. Ekspertbrukeren kan også endre dette i modellen i Excel, for å 
undersøke virkningen av ulike antakelser.	 	
 	
8	 https://statistikkbanken.oslo.kommune.no/statbank/pxweb/no/db1/db1__Befolkning__Befolkningsframskri-	
vinger/OK	-BEF033.px/	 	
9 https://www.ssb.no/statbank/table/14288	 	
10	 https://statistikkbanken.oslo.kommune.no/statbank/pxweb/no/db1/db1__Barnehage,%20skole%20og%20utdan-
ning__Utdanningsnivå%20og%20ikke%20fullført%20VGS/OK	-UTD027.px/

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	24	 	
 
Tabell 	3.5 	Andel av befolkningen (25	-66 år) som har grunnskole som høyeste utdanning 	
og som tar voksenopplæring	 	
 	25	-29 år	 	30	-39 år	 	40	-49 år	 	50	-66 år	 	
Andel av befolkningen som har fullført videregå-
ende skole (gjennomsnitt 2014 	– 2023)	 	
85,6 %	 	83,4 %	 	82,2 %	 	79,9 %	 	
Andel (av de med rettighet) som tar yrkesfaglig 
rekvalifisering	 	
0,1 %	 	0,1 %	 	0,1 %	 	0,1 %	 	
Kilde: 	https://statistikkbanken.oslo.kommune.no/statbank/pxweb/no/db1/db1__Barnehage,%20skole%20og%20ut-	
danning__Utdanningsnivå%20og%20ikke%20fullført%20VGS/OK	-UTD027.px/	 	
Basert på det totale antallet personer som har fullført videregående opplæring og 	forutsetninger 	
for hvor mange av dem vil ta yrkesfaglig rekvalifisering (begge vist	 t tabell 3.5)	 beregnes antallet 	
elever på hvert utdanningsløp. Dette er hovedresultat for modell 2b.	 	
3.3.1.3	 	Scenarier	 	
Hvor mange som kan tenkes å ta yrkesfaglig rekvalifisering avhenger av flere faktorer, deriblant 
arbeidsledighet. 	Det er naturlig å forvente at tilbøyeligheten til å benytte seg av retten til yrkes-	
faglig rekvalifisering vil gå opp i perioder hvor arbeidsledigheten er høy. 	Vi har ikke lagt til rette 	
spesifikke scenarier for de	tte	. Men p	arameteren for andel som tar yrkesfaglig rekvalifisering in-	
neholder imidlertid også denne informasjonen. Denne parameteren er antatt til være 0,1 % nå, 
men kan økes til f.eks.	 0,2 % eller 0,5 %.	 11 	
Vi vil imidlertid understreke at både den verdien som 	er lagt til grunn nå, og ev	entuelle	 justeringer	 	
på grunnlag av endret arbeidsledighet	, er gjetninger uten grunnlag i faktiske erfaringstall. De kan 	
brukes til å undersøke ulike forløp for etterspørselen etter yrkesfaglig rekvalifisering, men bruke-
ren må være klar over usikkerheten.	 Vi anbefaler at parameteren justeres så snart det foreligger 	
erfaringsdata som kan gi mer sikker informasjon om hvordan målgruppen vil benytte seg av den 
nye rettigheten.	 	
3.3.2	 	Datakilder	 	
Datakildene er omtalt ovenfor.	 	
• 	Demografisk utvikling er basert på befolkningsframskrivinger.	 	
• 	Hvor stor andel av befolkningen som har fullført videregående skole og som dermed har ret-
ten til yrkesfaglig rekvalifisering er basert på statistikken fra Oslo kommune.	 	
• 	I implementasjonen av modellen har vi per i dag ingen data som kan angi sannsynligheter 
for at personer i målgruppen vil benytte seg av retten til yrkesfaglig rekvalifisering. Estima-
tene som er lagt inn i modellen, er derfor høyst usikkert. Disse bør endre	s så snart de fore-	
ligger erfaringsdata.	 	
 	
11 Ekspertbrukeren kan endre disse tallene i Excel.

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	25	 	
 	
3.4	 	Modul 3: 	Kapasitetsbehov i opplæringstilbud	 til minoritetsspråk-	
lig ungdom (16	-19) med kort botid	 	
Minoritetsspråklig ungdom med kort botid i Norge har egne rettigheter i opplæringsloven. De 
ulike tilbudene til denne gruppen i Oslo 	er representert i følgende modell:	 	
Figur 	3.6 	Konseptuell oversikt over modul 3: opplæringstilbud til minoritetsspråklig 
ungdom (16	-19 år) med kort botid	 	
 	
Framskrivingene er basert på befolkningsframskrivinger	 (inkludert innvandring)	, og tar dermed 	
ikke hensyn til de betydelige svingningene i innvandringstall som vi har sett mange eksempler på 
i de faktiske innvandringstallene 	de siste årene.	 12 	
Det er imidlertid lagt opp til en mulighet til å legge inn egne forutsetninger, som et scenario. 
Modellbrukeren kan med andre ord undersøke hva en gitt økning i innvandringen (f.eks. 500 per-
soner i den aktuelle aldersgruppen) vil bety for kapasitetsbehovet	. 	
Modellen tar heller ikke hensyn til at 	innvandrerungdommens forutsetninger og behov for utdan-	
ning varierer avhengig av hvilke land de kommer fra. Behovene vil dermed også variere over tid, 
avhengig av hvor innvandringen kommer fra.	 	
3.4.1	 	Implementering og datagrunnlag	 	
3.4.1.1	 	Demografi	 	
Utgangspunktet for denne modulen, som for de andre, er befolkningsframskrivinger. Men siden 
Oslo kommunes befolkningsframskrivinger ikke har ulike alternativer for innvandring, bruker vi 
SSBs befolkningsframskrivinger for Oslo kommune i denne modulen.	 13 SSB utarbeider 	
 	
12 For mer detaljer om metoden og forutsetninger bak 	disse 	befolkningsframskrivinger, se https://www.ssb.no/befolk-	
ning/befolkningsframskrivinger.	 	
13 https://www.ssb.no/statbank/table/14288/

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	26	 	
 
befolkningsframskrivinger for ulike scenarier, herunder innvandring. I tillegg til hovedalternativet 
(MMMM) er det framskrivinger med lav nettoinnvandring (MMML), høy nettoinnvandring 
(MMMH) og ingen nettoinnvandring (MMM0).	 	
Figur 	3.7 viser 	resultatet i de ulike alternativene, samt et egendefinert scenario/sensitivitet. For 	
eksempel vokser antallet personer i alderen 16	-19 år fra 4 107 personer i 2024 til 6 634 i 2044 i 	
Middelalternativet (MMMM), 	gir 	en økning på litt over 2 500 personer.	 	
Figur 	3.7 	Befolkningsframskrivinger: antall personer med innvandrerbakgrunn i Oslo 
(16	-19 år) 2024	-2050	 	
 	
Kilde: 	 	https://www.ssb.no/statbank/table/14288	 	
Hvor mange som kommer hvert år varierer, men i gjennomsnitt er det omtrent 130 nyankomne 
innvandrere	 i året i Middelalternativet, 	se figur 3.8	. (Merk at vi her beregner antallet som kommer 	
hvert år. Dette avviker fra den offisielle definisjonen av ‘nyankomne innvandrere’, som inkluderer 
de siste fire års ankomne.) De siste årene har innvandringen vært adskillig høyere pga. krigen i 
Ukraina.	 	
Det viser seg imidlertid at befolkningsframskrivinger gir negative tall for nettoinnvandring i en-
kelte år.	 Dette er lite realistiske bieffekter av hvordan disse framskrivningene er beregnet, og 	
betyr i praksis at modellen anslår at 	utvandringen fra Oslo er større enn innvandringen. Like fullt 	
kan det være vanskelig å planlegge for så store svingninger fra år til år. 	Vi har derfor	 justert fram-	
skrivingene ved å bruke glidende gjennomsnitt over tre år. Dette er vist for MMMM	-scenariet 	i 	
Figur 	3.8:

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	27	 	
 
Figur 	3.8 	Antall nyankomne* personer i alderen 16	-19 år: framskriving og glidende 	
gjennomsnitt for MMMM	-scenariet	 	
 	
Kilde: 	 	Vista Analyse, basert på 	https://www.ssb.no/statbank/table/14288	 	
Merknad: 	 Antall nyankomne er beregnet som antallet nye innvandrere hvert år, ikke de som har kommet i løpet av 
de siste fire årene (som er den offisielle definisjonen av «nyankomne innvandrere» i Norge).	 	
3.4.1.2	 	Fordeling av elever	 på utdanningsprogram	 	
I neste omgang fordeler vi de nyankomne 16	-19	-åringene på ulike opplæringsprogram som de 	
har rettigheter til: grunnskole, forberedende til vg1, studiespesialiserende vg1, vg2, vg3, eller 
komprimert studiespesialiserende.	 	
Her er utgangspunktet at alle 16	-19	-åringene har tilbud om opplæring, så 100 % tilsvarer alle 	
nyankomne i den relevante aldersgruppen.	 	
Sannsynligheten for hvilket studieløp de tar er beregnet ut fra faktiske tall for de siste tre årene 
(2022	–2024). De historiske tallene og den resulterende fordelingen på de ulike studieløpene er 	
vist	 i Tabell 	3.6. Merk at antallet nyankomne elever i de siste tre årene er høyere pga. krigen i 	
Ukraina enn anslag for hvor mange innvandrere som vil komme i framtiden (vist i	 Figur 	3.8). 	
Tabell 	3.6 	Antall minoritetsspråklige elever i de siste tre skoleårene	 	
Skoleår	 	Grunnskole	 	Forbere-
dende 
vg1	 	
Studiespesialiserende	 	Kompri-
mert 
stu-
diespes	. 	
Total	 	
 	
År 1	 	År 2	 	År 3	 	Vg1	 	Vg1	 	Vg2	 	Vg3	 	 	 	
2022	 	76	 	47	 	32	 	78	 	75	 	91	 	79	 	28	 	506	 	
2023	 	109	 	41	 	10	 	89	 	86	 	75	 	90	 	24	 	524	 	
2024	 	124	 	41	 	0 	135	 	109	 	84	 	73	 	68	 	634	 	
Gjennomsnitt	 	103 	 	43 	 	14 	 	101 	 	90 	 	83 	 	81 	 	40 	 	555 	 	
Andel (gj.snitt)	 	19 % 	8 %	 	3 %	 	18 %	 	16 %	 	15 %	 	15 %	 	7 %	 	100 %	 	
Kilde: 	 	Oslo kommune, UDE: Tabell Min.språk. Inntatte per ajourhold på min. Språktilbud, alle rettstyper	 	
Merknad: 	 Andelene summerer seg ikke nødvendigvis til 100 % i denne tabellen pga. avrunding.	 	
Basert på antallet nye innvandrere hvert år (som vist 	i figur 3.7)	 og andelene på hvert utdannings-	
løp (jr.	 tabell 3.6) 	beregnes antallet elever på hvert utdanningsløp og hvert scenario for befolk-	
ningsframskrivinger samt et egendefinert scenario.

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	28	 	
 	
3.4.1.3	 	Datakilder	 	
Datakildene har vært nevnt ovenfor. De viktigste datakildene er:	 	
• 	Befolkningsframskrivninger fra SSB med ulike antakelser om innvandring (MMML, MMMM, 
MMMH, MMM0) 	https://www.ssb.no/statbank/table/14288	 	
• 	Statistikk over antall minoritetsspråklige elever i Oslo	-skolen de siste tre skoleårene, fra UDE	 	
3.4.1.4	 	Tilpasningsmuligheter	 	
Som nevnt ovenfor	, er det et ganske stort avvik mellom anslaget for innvandring fra befolknings-	
framskrivingene og det faktiske antallet innvandrere de siste tre årene. For å muliggjøre analyser 
av ulike alternativ er det også lagt til rette for et egendefinert scenario for 	antallet nye innvand-	
rere i alderen 16	-19 år.	 	
I dette scenarioet er det per nå 	lagt inn 500 nye innvandrere i aldersgruppen 16	-19 år i 2024 og 	
2025, 400 i 2026 og 200 i hvert år fra og med 2027. Ekspertbrukeren av modellen kan endre disse 
forutsetningene i Excel.	 	
3.5	 	Mod	ul	 4: 	Kapasitetsbehov til norsk og samfunnskunnskap og for-	
beredende opplæring for voksne (FOV)	 	
I den siste modellen fokuseres det på tilbudet til innvandrere; norsk og samfunnskunnskap som 
reguleres av integreringsloven, og forberedende voksenopplæring FOV. 	 	
3.5.1	 	Modellens logikk og virkemåte	 	
Opplæring i norsk og samfunnskunnskap skal gis kort tid etter ankomst, og vil dermed drives av 
tallet på nyankomne. Retten til forberedende opplæring for voksne (FOV) gjelder uavhengig av 
botid og vil derfor drives av det generelle tallet på innvandrere.

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	29	 	
 
Figur 	3.9 	Konseptuell oversikt over modul 4: opplæringstilbud til voksne med kort bo-
tid	 	
 	
Som for modell 3, er framtidig innvandring vanskelig å estimere og løsningen er basert på SSBs 
framskrivingsalternativer med alle forbehold som dette medfører.	 	
3.5.2	 	Implementering og datagrunnlag	 	
3.5.2.1	 	Demografi	 	
På samme måte som i modul 3 tar også modul 4 utgangspunkt i SSBs befolkningsframskrivinger 
for Oslo kommune.	 14 SSB utarbeider befolkningsframskrivinger for ulike scenarier, herunder inn-	
vandring. I tillegg til hovedalternativet (MMMM) er det framskrivinger med lav nettoinnvandring 
(MMML), høy nettoinnvandring (MMMH) og ingen nettoinnvandring (MMM0).	 	
Figur 	3.10	 viser det totale antallet personer med innvandringsbakgrunn i alderen 20	-66 år i Oslo 	
i perioden fram til 2050, mens 	Figur 	3.11	 viser hvor mange nye innvandrere i denne aldersgrup-	
pen som kommer hvert år i de ulike 	alternativene	. I «scenario» er det lagt inn 1000 personer hvert 	
år.	 	
 	
14 https://www.ssb.no/statbank/table/14288/

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	30	 	
 
Figur 	3.10	 	Befolkningsframskrivinger: antall personer med innvandrerbakgrunn (20	-66 	
år) i Oslo 2024	-2050	 	
 	
Kilde: 	 	https://www.ssb.no/statbank/table/14288	 	
 
Figur 	3.11	 	Befolkningsframskrivinger: antall nye innvandrere (20	-66 år) i Oslo kommune 	
i hvert år fram til 	2050	 	
 	
Kilde	: 	https://www.ssb.no/statbank/table/14288	 	
3.5.2.2	 	Justeringer: fra befolkning til gruppen som kan og vil bruke voksenretten	 	
Det er imidlertid ikke alle innvandrere som vil benytte seg av opplæringstilbudet, men først og 
fremst innvandrere med ikke	-vestlig bakgrunn. I årene 2016	-2024 har ikke	-vestlige innvandrere 	
utgjort 64 % av alle innvandrere i Oslo	. 15 	
Hvor mange av de som har rett til disse utdanningstilbudene som faktisk vil bruke denne retten 
er høyst usikkert. 	Dette avhenger dels av integreringslovens bestemmelser om rett og plikt til 	
 	
Kilde: Oslo kommunes Statistikkbank, tabell BEF026. Vi har brukt følgende avgrensning her: Ikke	-vestlige innvandrere: 	
Asia, Afrika, 	Latin	-Amerika og Øst	-Europa utenfor EU; Vestlige innvandrere: Vest	-Europa, USA, Canada, Australia, 	
New Zealand, Øst	-europeiske EU	-land.	. 	https://statistikkbanken.oslo.kommune.no/stat-	
bank/pxweb/no/db1/db1__Befolkning__Innvandrere/OK	-BEF026.px/table/tableViewLayout2/	.

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	31	 	
 
norskopplæring, og dels	 av bakgrunnen og utdanningsnivået til innvandrer	ne. Vi har lagt til rette 	
for scenarier med utgangspunkt i følgende forutsetninger:	 	
• 	For norsk	- og samfunnskunnskap: 95 % av nye innvandrere hvert år vil bruke retten.	 	
• 	FOV: 0,5 % av hele den ikke	-vestlige innvandrerbefolkningen vil bruke retten. 	 	
Disse kan endres av ekspertbrukeren av modellen i Excel.	 	
Disse antakelsene oppsummerer mange forhold, så det er nødvendig å tenke gjennom helheten 
når man endrer tallene	. 	
3.5.2.3	 	Datakilder	 	
Datakildene har vært nevnt ovenfor. De viktigste datakildene er:	 	
• 	Befolkningsframskrivninger fra SSB med ulike antakelser om innvandring (MMML, MMMM, 
MMMH, MMM0) 	https://www.ssb.no/statbank/table/14288	 	
• 	Befolkningsstatistikk fra Oslo kommune for andelen av ikke	-vestlige innvandrere: 	
https://statistikkbanken.oslo.kommune.no/statbank/pxweb/no/db1/db1__Befolkning__Inn-
vandrere/OK	-BEF026.px/table/tableViewLayout2/	 	
3.5.2.4	 	Tilpasningsmuligheter	 	
Ekspertbrukeren av modellen kan endre:	 	
• 	Alternativer for 	antall innvandrere hvert år	 	
• 	Andelen ikke	-vestlige innvandrere	 	
• 	Andelen som deltar i norsk	- og samfunnskunnskap	 	
• 	Andelen som deltar i FOV

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	32	 	
 	
4	 	Power	 BI	-visualisering 	 	
I dette kapittelet presenterer vi kort oppsett og bruk av den grafiske overbygningen til Excel	-	
modulene i Power BI.	 Vi viser først hvordan overbygningen er bygget opp og brukes. Deretter går 	
vi litt dypere inn i hvordan det hele fungerer fra et mer teknisk ståsted.	 	
4.1	 	Rapport	 	
Den grafiske overbygningen i Power BI er ment som et grensesnitt for å enkelt visualisere modu-
lenes beregninger. 	Hovedsiden 	av rapporten presenterer en oversikt over beregnet kapasitets-	
behov og 	-grunnlag for perioden 2025	-2044. Den har muligheter for å filtrere på utvalgte katego-	
rier av 	rettigheter og utdanningsløp	, og 	til å se på forskjellige tenkte scenarier. 	 	
Den grafiske overbygningen gir ingen muligheter for å endre datagrunnlaget eller beregningsmå-
tene i de enkelte Excel	-modulene.	 Ønsker man å endre selve datagrunnlaget, eller se på parame-	
tere som ikke inkluderes i overbygningen, må dette gjøres i 	den aktuelle 	Excel	-modul.	 	
Figur	 4.1 	Hovedsid	en	 til visualisering	en	 	
 	
Figur	 4.1 viser 	hovedsiden 	til rapporten slik den ser ut med alle standardvalg satt og ingen øvrig 	
filtrering	. Nedenfor gjennomgår vi de ulike elementene i denne 	hovedsiden	: 	
1. Grafikk:	 Her vises utdata fra modulene. 	 	
a. 	Kolonnene viser beregne	t antall elever 	per år for hver kategori.	 	
b. Den røde, stiplede linjen viser 	total kapasitet	 per år.	 	
2. Vis/skjul Kapasitet:	 En knapp for å skjule de røde kapasitetslinjene fra grafikken.	 	
3. Informasjonsboks:	 Hvis man beveger musepekeren over et datapunkt vises en informa-	
sjonsboks om punktet.

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	33	 	
 	
a. 	Her vises 	spesifikk kapasitet	 for hver kategori. 	 	
i. Merk: Rekvalifisering har ingen egne kapasitetstall, men antas å dele kapa-
sitet med yrkesfaglig opplæring for voksne.	 	
4. Filtreringsalternativer:	 Her kan man filtrere på hvilke 	kategorier	 (utdanningsprogram og ret-	
tigheter) 	av dataene man 	vil vise i rapporten. Bruk c	trl + venstreklikk for å velge flere alter-	
nativer om gangen.	 	
5. Scenarioalternativer:	 Tre sett med nedtrekksmenyer hvor man kan velge ulike 	scenarier	. 	
6. Nullstill:	 Tilbakestiller alle filtrerings	- og scenariovalg. Ctrl + venstreklikk for å trykke.	 	
4.2	 	Eksempler	 på bruk	 	
Under er et par eksempler på potensielle filtreringsinnstillinger. 	 	
Figur	 4.2 viser en rapport hvor brukeren har valgt å se på framskrivningen av behovet for elev-	
plasser på yrkesfag og studieforberedende for ungdom 16	-24 år, inkludert behov skapt av retten 	
til meropplæring.	 	
Figur	 4.2 	Eksempel 1	: Elevplasser for ungdom 16	-24 år, inkludert meropplæring	 	
 	
Figur	 4.3 viser framskrivninger for 	kapasitetsbehov skapt av 	rett	en	 til meropplæring (1)	 for både 	
ungdom og voksne	, i et scenario hvor det er høy etterspørsel etter meropplæring (2) og målet 	
om	 at en tredjedel av alle elever velger yrkesfag er nådd (3).

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	34	 	
 
Figur	 4.3 	Eksempel 2	: Meropplæring	 	
 	
4.3	 	Oppbygging	 	
Tabeller i rapporten	 	
I datarut	en	 i Power BI vises en rekke tabeller som enten 1) lastes inn fra eksterne filer eller 2) 	
konstrueres i Power BI (se	 Figur	 4.4). Alle tall og beregninger hentes inn fra de eksterne filene, 	
mens de konstruerte kun brukes til å sammenstille og støtte visualiseringsfunksjonalitet. Under 
presenteres en kort oversikt over hva de forskjellige tabellenes funksjon er.	 	
Figur	 4.4 	Datarute

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	35	 	
 
Data som lastes inn	: 	
• 	Modul 1 	– 4 – […]: 	Innlastede data fra de fem Excel	-modulene.	 	
• 	Kapasitet:	 Innlaste	de	 data fra kapasitetsfil.	 	
Data som konstrueres i Power BI	: 	
• 	Master Tabell: 	Hovedkilde til visualisering i rapport. Sammenstiller data fra de 	fem modu-	
lene og kapasitetstall.	 	
• 	Utdanningsprogram 	– Relasjon:	 Plasserer de forskjellige underkategoriene fra modulene til 	
overordnede kategorier for utdanningsprogram.	 	
• 	Utdanningsprogram 	– Master: 	Kilde til alternativer og rekkefølge i «Utdanningsprogram» i 	
rapport.	 	
• 	Utdanningsprogram 	– Forklaring: 	Omdøper de forskjellige underkategoriene fra modulene 	
til forkortede navn for forklaring av graf i rapport. Setter også visningsrekkefølge for disse.	 	
• 	Opplæringsrett 	– Relasjon: 	Plasserer de forskjellige underkategoriene fra modulene til over-	
ordnede kategorier for opplæringsrett.	 	
• 	Opplæringsrett 	– Master:	 Kilde til alternativer og rekkefølge i «Rett til opplæring» i rapport.	 	
• 	Etterspørsel Meropplæring 	– Relasjon:	 Kilde til alternativer i «Etterspørsel etter meropplæ-	
ring» i rapport. Håndterer tom data fra de modulene som ikke påvirkes av denne variabelen.	 	
• 	Yrkesfagsmål 	– Relasjon: 	Kilde til alternativer i «Fordeling mellom studieforberedende og 	
yrkesfaglig utdanningsprogram» i rapport. Håndterer tom	me felt	 fra de modulene som ikke 	
påvirkes av denne variabelen.	 	
• 	Nettoinnvandring 	– Relasjon: 	Kilde til alternativer i «Nettoinnvandring» i rapport. Håndterer 	
tom	me felt	 fra de modulene som ikke påvirkes av denne variabelen.	 	
• 	Kapasitetsknapp: 	«Tabell» som styrer visning av kapasitetsgrafikk i rapport.	 	
Laste inn ny data til rapporten	 	
I alle Excel	-modulene, samt i kapasitetsfilen, er det en egen «Power BI»	-fane som brukes til 	ber-	
gene de dataene som brukes av Power	-BI. 	
I Power	-BI 	rapporten er det en egen fane kalt «Info 	– Kilder» som både viser hvilke filer som 	
hentes inn, og beskriver fremgangsmåte for å endre filbaner (se	Figur 	4.5). Hvis modulene endres 	
internt, men ellers ligger på samme sted med samme navn, holder det å trykke på «Oppdater 
data»	-knappen i Power B	I. Hvis derimot navn eller filbane endres, må man endre filbaner etter 	
oppskrift nedenfor.	 	
Merk	 at d	et er antatt at alle filer ligger i samme mappe, men dette må ikke 	være samme mappe 	
som Power BI	-rapporten ligger i.

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	36	 	
 
Figur 	4.5 	Fane med oppskrift på hvordan endre kildebaner og oversikt over nåværende 
kildebaner

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	37

Framskrivingsmodell for videregående opplæring i Oslo	 	
 	
Vista Analyse	 | Rapport 2024/46	 	38	 	
 
 	
 
 
 
 	
Vista Analyse AS	 	
Meltzers gate 4	 	
0257 Oslo	 	
 
post@vista	-analyse.no	 	
vista	-analyse.no