Datagestuurde beslissingen worden steeds meer erkend als een cruciaal onderdeel van het basis- en voortgezet onderwijs, waardoor gepersonaliseerd leren wordt bevorderd, beoordeling en feedback worden verbeterd, de toewijzing van middelen wordt geoptimaliseerd en vroegtijdige interventie wordt bevorderd. Deze beslissingen worden onderbouwd door het analyseren van verschillende soorten gegevens, zoals academische prestaties, niet-academische factoren, programma- en systeemgegevens en perceptiegegevens. Deze analyse helpt docenten op hun beurt weloverwogen keuzes te maken die rechtstreeks van invloed zijn op het leren van leerlingen en de effectiviteit van de school.

Ondanks de voordelen brengt het implementeren van datagestuurde besluitvorming in het onderwijs uitdagingen met zich mee. Schoolleiders en leraren hebben mogelijk meer tijd, hulpmiddelen, expertise en professionele ontwikkeling nodig om gegevens effectief te verzamelen, analyseren en interpreteren. Bovendien is er een onderscheid tussen zijn datarijk en Gegevensgestuurde. Het verzamelen van gegevens is essentieel, maar het kan de druk op docenten vergroten, die mogelijk al overbelast zijn met verantwoordelijkheden. Hoogwaardige datamanagementsystemen die de verzamel- en analyseprocessen automatiseren zijn van cruciaal belang voor instellingen die willen overstappen naar een datagestuurd model.

Onlangs sprak EdSurge met Becky Mathison, Assistent-hoofdinspecteur Innovatie, Onderwijs en Leren bij Winnetka openbare scholen, Illinois, over hoe haar district docenten ondersteunt bij effectieve en efficiënte data-analyse en -gebruik. Met meer dan 10 jaar ervaring in administratieve functies op districtsniveau, waarbij de nadruk ligt op leerplan, instructie en beoordeling, heeft ze uitgebreide expertise in het bouwen en verfijnen van database-besluitvormingssystemen. Vóór haar administratieve functie was Mathison wetenschapsleraar op een middelbare school, waarbij ze leiding gaf aan teams op niveau en op de wetenschappelijke afdeling. Gedurende deze tijd kwam haar interesse in de relatie tussen de leerresultaten van studenten en datagestuurde inzichten voor het eerst naar voren, wat haar benadering leidde om de voortgang van studenten te begrijpen en toekomstige onderwijsstrategieën te informeren.

EdSurge: Waarom is datagestuurde besluitvorming belangrijk in het basis- en voortgezet onderwijs op klas- en districtsniveau?

Mathison: Gegevens kunnen een bijdrage leveren aan veel instructiestrategieën, wat vooral belangrijk is in de huidige tijd waarin van scholen steeds meer wordt gevraagd. De balans tussen kwantitatieve en kwalitatieve gegevens is essentieel. In termen van kwantitatieve gegevens is het hebben van iets dat genormeerd is van onschatbare waarde. Het maakt het mogelijk om de groei van een student in de loop van de tijd te vergelijken en ook zijn prestaties ten opzichte van benchmarks te noteren. Dat is één manier om erachter te komen waar we ons licht moeten laten schijnen.

Een andere benadering omvat het analyseren van voorbeelden van studentenwerk en feedback van docenten, waardoor een meer holistisch beeld van de behoeften van studenten wordt geboden. Voorheen lag de nadruk als docent primair op het leveren van inhoud. Tegenwoordig is er echter een groeiend besef van het belang van het besteden van meer tijd tijdens de schooldag aan sociaal-emotioneel leren en lichamelijke activiteit en het geven van meer autonomie aan leerlingen bij het leren. Kwalitatieve gegevens hebben in dit opzicht nog steeds een even grote impact.

Vanuit een systeem- of districtsperspectief is het waarborgen van consistentie tussen en tussen leerjaren erg belangrijk. Overeengekomen datasets – of het nu gaat om universele screeners, gemeenschappelijke formatieve beoordelingen met een rubriek of projecten waar studenten aan werken – bieden ons een manier om het hele systeem te kalibreren, zodat we kunnen uitzoeken waar we mogelijk aanpassingen moeten aanbrengen in het curriculum of dingen anders doen met personeel vanwege de behoeften van studenten.

Hoe verbetert de dynamiek van kwantitatieve en kwalitatieve gegevens de efficiëntie en effectiviteit van besluitvormingsprocessen in het onderwijs?

Het direct beschikbaar hebben van kwantitatieve gegevens verhoogt de efficiëntie van het samenkomen van professionele leergemeenschappen (PLC's). Als je leerlingen snel kunt groeperen op basis van gegevens, kan dat veel tijd besparen, zodat docenten rond de tafel hun denkkracht kunnen gebruiken om te analyseren wat de gegevens betekenen, inconsistenties vast te stellen, te identificeren wanneer meer informatie nodig is en te bespreken met leerlingen die hier baat bij kunnen hebben. van studentenvoorzieningen of zelfs versnelling op niveau.

Zodra die programmatische matching op hoog niveau is gemaakt, komen de kwalitatieve gegevens in beeld. In de PLC kunnen leraren naar deze groepen leerlingen kijken vanuit het perspectief van het hele kind. Ze kunnen voorbeelden van leerlingenwerk bekijken en sterke punten of vaardigheden identificeren die verbetering behoeven, wat ons helpt bij het bepalen van de juiste ondersteuning die voor elke leerling nodig is.

Hoe ondersteun je docenten en personeel bij het effectief verzamelen, analyseren en gebruiken van leerlinggegevens om hun onderwijspraktijken te informeren?

We koesteren een positieve datacultuur en ontwikkelen datageletterdheid in het hele district. Als districtsbestuurder laat ik docenten weten dat ik de gegevens als startpunt beschouw om vragen te stellen om beter te begrijpen wat werkt en wat niet, om uiteindelijk te werken aan een optimale leerlingervaring.

Het ontwikkelen van datageletterdheid betekent niet alleen bespreken waarom we data gebruiken, maar ook hoe we screeningtools kunnen gebruiken en wat de data precies betekenen. Wij benaderen dit met een combinatie van professionele ontwikkeling en voortdurende, op de baan ingebedde ondersteuning. Het onderdeel professionele ontwikkeling is het overbrengen van berichten: dit is de reden waarom we als district deze kant op gaan, dit zijn de verschillende instrumenten en ondersteuningen die we u gaan bieden en dit is de waarde van data. Vervolgens hebben we een team van coaches die samenwerken met gebouwbeheerders om docenten te ondersteunen bij het gebruik van de tools, het verzamelen van gegevens en het begrijpen van wat dit in hun context betekent.

Ons district gebruikt twee datatools: één om gegevens lokaal te analyseren en de andere om de gegevens binnen handbereik van de docenten te brengen. Te vaak moeten docenten op verschillende platforms zoeken om leerlinggegevens te verzamelen. Ze kunnen drie verschillende platforms gebruiken voor universele screening, een ander voor aanwezigheid en nog een ander om meer te weten te komen over incidentrapporten. Otus heeft ons in staat gesteld die gegevens samen te voegen, zodat een docent naar het rapportgedeelte van een studentenprofiel kan gaan en toegang tot al die informatie op één plek. Momenteel hebben we voornamelijk kwantitatieve gegevens in het systeem. We voegen echter meer kwalitatieve gegevens toe met verschillende documentuploads. We zijn bijvoorbeeld bezig met de afronding van een evaluatie van het leerplan voor geletterdheid op niveau één. We hebben plannen om de resultaten van veelgebruikte formatieve beoordelingen in het systeem te uploaden en mogelijk zelfs de daadwerkelijke beoordelingen te uploaden.

Ik wil ook het belang vermelden van gemeenschapsonderwijs rond datageletterdheid, zodat ouders begrijpen dat wanneer ze beoordelingsinformatie ontvangen, dit slechts een momentopname is. Wij streven ernaar om samen te werken met gezinnen in onze aanpak van datageletterdheid. Een van onze doelen dit jaar was om de communicatie tussen ouders over het leren van leerlingen te verbeteren. We hebben al onze beoordelingsrapporten naar huis gestuurd. Het was waardevol omdat het ouders hielp verschillende beoordelingen te begrijpen, maar elk rapport zag er anders uit en gebruikte verschillende rapportagemethoden, wat een ander niveau van datageletterdheid vereist.

Volgend jaar zijn we van plan Otus te gebruiken met ouders. Ze kunnen op één plek inloggen en gemakkelijker toegang krijgen tot de testresultaten. De verschillende gegevensresultaten zullen de betekenis van elk [testresultaat] uitsplitsen, terwijl de gegevens op een vergelijkbare manier visueel worden weergegeven.

Welke maatregelen neemt u om de effectiviteit van datagedreven werkwijzen continu te monitoren en te evalueren?

We hebben een gelaagd proces, beginnend op districtsniveau en doorlopend naar klaslokaalniveau. Drie keer per jaar, nadat we universele screeninggegevens hebben verzameld, is onze eerste stap een ontmoeting met districtsbeheerders en gebouwbeheerders, waar we de gegevens voor het systeem bekijken. Een deel van wat ik in die bijeenkomst bespreek, zijn verschillende activiteiten of aandachtsgebieden die de opdrachtgevers mogelijk in hun gebouwen willen aanpakken. Vervolgens is er de week daarop een bijeenkomst van het leiderschapsteam van het gebouw, waarbij de directeur en de lerarenleiders in het gebouw aanwezig zijn, waar ze de gegevens doornemen en aandachtspunten bepalen met betrekking tot hun schoolverbeteringsplan. Ten slotte komt elk van de teams op niveau bijeen om de gegevens door te nemen. Op deze teamvergaderingen zullen niet alleen klasleraren aanwezig zijn, maar ook interventionisten, leraren in het speciaal onderwijs en soms leraren in de kunstwetenschappen. Wij hebben het geluk dat we als district drie keer per jaar dit systeem hebben. Het doel is echter om in de tussentijd meer van deze gesprekken te voeren.

Datagestuurde besluitvorming is vergelijkbaar met andere op bewijs gebaseerde praktijken op scholen, zoals het hebben van een gegarandeerd en haalbaar leerplan of het gebruik van beoordelingen voor leerprocessen. Gegevens vertellen ons hoe we het beste kunnen reageren op de behoeften van studenten en hoe we kunnen werken aan de beste resultaten voor studenten. Door gegevens echt te analyseren, kunnen onze districts- en schoolleiders onze leraren ondersteunen, zodat zij op hun beurt elke leerling kunnen ondersteunen.

Klik hier om te leren hoe Otus schoolleiders ondersteunt om zelfverzekerde, weloverwogen beslissingen te nemen die de groei van leerlingen stimuleren.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://www.edsurge.com/news/2024-04-10-how-data-drives-strategies-for-improved-student-outcomes