Under ett halvsekel har vi haft fyra olika betygssystem som har utformats, presenterats och implementerats i olika opinionslägen. Men i själva verket är det en megatrend som gäller: tilltagande förvirring.

Få frågor har debatterats med sådan frenesi som skolbetyg. Ska de bort eller finnas kvar? Hur ska de utformas: få skalsteg eller många? Hur tidigt får de ges? Och så vidare.

Resultatet har blivit fyra betygsystem på ett halvsekel, med de evaluerings­svårigheter som det medför. Men det underliggande problemet är om betygen beskriver verkligheten eller något helt annat. Låt oss se på verkligheten först och verklighetsbilden sedan!

De flesta mänskliga egenskaper är normalfördelade. De finns få extremt långa människor och lika få extremt korta. De flesta samlas i mitten kring ett medeltal. Okontroversiellt när det gäller kroppslängd, men samma normalfördelning gäller för musikalitet, intelligens, bollsinne – och skolresultat. Det finns få extremt obegåvade elever, och lika få extremt begåvade. De flesta ligger kring medeltalet. Om betyg tappar samband med den grundlag som normalfördelningen utgör tappar de både relevans och trovärdighet.

Tuffa matematiker och historiker slår till mot latmaskarna, och de fega svensk- och idrottslärarna har minimal spridning, men de låter de tre högsta betygen bli de vanligaste.

De gamla bokstavsbetygen som användes fram till 1962 byggde helt på professionell tradition, även om staten hjälpte till med censorer och studentskrivningar. I praktiken var betygen väl normalfördelade: mycket få C och A, och Ba som det breda medelbetyget. Här fanns en skön samklang mellan professionell praxis och verklighet. Men sedan?

Den femgradiga skalan som användes åren 1962–94 byggde helt på normalfördelning. En professionell tradition var knappast önskvärd i det skinande nya skolsystemet. Krav och kriterier var otydliga, men standardprov skulle ge lärarna en hint om nivån för varje klass. Det viktiga var att betygen över riket var normalfördelade: 7 procent av eleverna skulle få betyget 1 och 5, 24 procent skulle få betyget 2 och 4. Betyget 3 var ett brett medelbetyg som gick till resterande 38 procent.

Detta system vilade på både teoretisk och empirisk berggrund men uppfattades som stelbent och hanterades valhänt. Många menade att betygen hade lågt informationsvärde, och vissa lärare använde statistiken för att försvara låga betyg. ”Femmorna tog slut” var en vanlig förklaring vid kvartssamtal.

Sifferbetygen medförde tvång på verklighetsanpassning, men de hade ingen förankring i den professionella traditionen.

Denna impopulära skala ersattes av de nya bokstavsbetygen (IG, G, VG och MVG) under perioden 1994–2011. De skulle vara målrelaterade, och mycken möda lades på betygskriterier. Med den inriktningen var det omöjligt att kräva att betygen också skulle vara normalfördelade. Snarare tänkte man sig att betygen automatiskt skulle fördelas så att G var normalbetyg för de flesta, och att usla och goda resultat skulle markeras med de övriga skalstegen. Så fungerade det en tid, men eftersom systemet tillät betygsinflation, så blev det så. Verkligheten och betygens verklighetsbild gled ifrån varandra.

Detta bekräftas av en studie publicerad på sajten Ekonomistas i vilken professor Jonas Vlachos visar att slutbetygen från gymnasiet 1998 hade en hygglig normalfördelning medan de tio år senare gav en annan bild: normalkurvan var så deformerad att höga betyg var vanligare än låga. Betygsinflationen bevisad!

Hur är det i dag med den sexgradiga skalan och de mycket sofistikerade betygskriterierna? Det är inte så lätt att få ett helhetsgrepp om gymnasiet med dess myller av program, men för grundskolans årskurs 9 har vi den här bilden (källa: Skolverket) där medeltalet av den procentuella fördelningen av alla betyg (28 ämnen) för cirka 110 000 elever redovisas:

Vad vi ser är en halv normalfördelningskurva. Till vänster en snygg fördelning av de låga , men till höger är allt hoptryckt. Toppen borde ligga på D och C men i stället blir de högsta betygen B och A de vanligaste. Detta är alltså en sammanvägning, och enskilda ämnen kan ha annan profil. Matematik till exempel är hyggligt normalfördelat.

En betygsfördelning som inte är normalfördelad kan inte vara både relevant och trovärdig. Så antingen mäter de nya sofistikerade betygskriterierna något annat än relevanta elevprestationer, eller är de inflaterade betygen mindre trovärdiga. Både betygskriterierna och betygsinflationen har kritiserats – tydligen med rätta.

Mycket ont har sagts om de nu gällande betygskriterierna, men det är uteslutet att de skulle vara så lågt ställda att en tredjedel av eleverna får de högsta betygen. Begrunda till exempel att den som ska få högsta betyg i svenska ska skriva så att ”språket är träffsäkert, klart och varierat och genomgående välformulerat”. Få på Skolverket och Utbildningsdepartementet skriver så.

Det går heller inte att problematisera normalfördelningen. Visserligen förekommer störningar i systemet, till exempel nyanlända invandrare, men sådant tunnas ut när vi studerar ett material på över 100 000 elever. Man kan inte heller hävda att betyg är så sammansatt (intelligens + perceptivtet + motivation + grit + ??) att det skulle behövas flera normalfördelningar för att fånga den rätta bilden. Nej, det är fullskalebevisat fel. Tusentals standardprov som gavs under sifferbetygens trettioårig historia visade poängmässiga normalfördelningar.

Dagens grundskolebetyg är värre än de gymnasiebetyg som Vlachos analyserade. Å andra sidan förefaller gymnasiebetygen ha tagit en annan, helt oväntad väg. Eller snarare två förvirrande vägar. Betrakta grafen som visar fördelningen av betygen i fyra ämnen nedan.

Idrott och engelska respektive matematik och historia har så gott som samma kurva. Idrott och engelska har någon likhet med normalfördelning men till höger finns många höga betyg. Matematik och historia har en puckel för det näst lägsta betyget men måttliga glädjebetyg. Till den första gruppen ansluter sig ämnen som svenska, och till den andra till exempel naturkunskap.

Tydligen har gymnasielärare – till skillnad från kollegorna på grundskolan – tagit till sig debatten om betygsinflation, men strategierna är olika: tuffa matematiker och historiker slår till mot latmaskarna, och de fega svensk- och idrottslärarna har minimal spridning, men de låter de tre högsta betygen bli de vanligaste. I båda fallen minskar man provocerande höga medeltal men skapar helt olika verklighetsbilder.

Betygen är knappast trovärdiga. På grundskolan galopperar inflationen, och på gymnasiet kan exakt samma 80 000 elever fördelas efter två mycket olika mallar. Och där ute någonstans finns verkligheten. Att hitta tillbaka dit är ingen quick fix, för det som behövs är knappast en femte betygsskala utan en ny professionell tradition och lärare med modet att stå emot påverkan.