Sinds 2002 werd in Vlaanderen het Gelijke Onderwijskansen (GOK-)programma geïmplementeerd. Dit GOK-programma voorziet bijkomende lestijden (in het basisonderwijs) of uren-leraar (in het secundair onderwijs) voor scholen met een minimum aandeel leerlingen uit kansengroepen. Deze GOK-uren worden in principe toegekend in cycli van 3 jaar en dienen ingezet te worden op een vooraf bepaald thema.

In eerder onderzoek in de schoot van SONO toonden we aan dat de GOK-middelen geen effecten hadden op de geëvalueerde onderwijsuitkomsten noch op de efficiëntie van de scholen. Via innovatieve data-gedreven technieken die gebaseerd zijn op ‘Machine Learning’ gaan we in dit rapport dieper in op de heterogeniteit van de effecten, dit wil zeggen op het verschillend effect dat de GOK-middelen hebben voor verschillende subgroepen. We ontwikkelen hiervoor een innovatieve techniek die een oorzakelijke interpretatie van de resultaten toelaat, en die de effecten analyseert voor verschillende subpopulaties.