データ駆動型の指導

データ駆動型指導とは、情報に基づいて指導と学習を行う教育アプローチです。この考え方は、教師が生徒に関する情報を見て指導を改善する方法を指します。データ駆動型意思決定とは異なり、これは教室内で行われます。データ駆動型指導は 2 つのレベルで機能します。1 つは、教師が生徒のニーズにもっと応えられるようにすること、もう 1 つは生徒が自分の学習を管理できるようにすることです。データ駆動型指導は、その歴史、教室での使用方法、その特性、およびこのプロセスを使用している教師の例を調べることで理解できます。

学校でデータと説明責任が現在重視されるようになる前は、一部の学校長や教育研究者は、教育における基準に基づく改革に焦点を当てていました。基準を作成するという考えから説明責任が生まれ、学校は指定された基準を満たす能力について報告すべきであるという考えが生まれました。^[1]前世紀後半から 2000 年代初頭にかけて、公的機関の説明責任に対する重点が教育の領域にまで広がりました。2001年に落ちこぼれゼロ法 (NCLB)が可決され、学校が学生に提供する教育の質に関する情報を一般に提供することを義務付ける法律が制定されました。そのようなデータを提供できるように、州は説明責任の尺度と、それらの尺度を満たす学校の有効性を測定するための年次評価を作成することが義務付けられました。^{[2] [3] NCLB に続いて、}競争へのトップ法に基づく最近の法律により、州はデータ収集と報告を使用して学校が一般の人々の要求を満たす能力を示すことがさらに求められました。 NCLB法と競争法の両方に、データの収集と使用が生徒の成績向上につながるという前提が組み込まれています。^[4]

教室のデータとは、授業中に目にすることができ、指導や学習に役立つあらゆる情報のことです。データの種類には定量的データと定性データがありますが、定量的データはデータ駆動型の指導に最もよく使用されます。定量的データの例としては、テストのスコア、小テストの結果、定期評価のパフォーマンスレベルなどがあります。^[5]定性データの例としては、フィールドノート、生徒の作品/成果物、インタビュー、フォーカスグループ、デジタル写真、ビデオ、反省日誌などがあります。^[6]

量的および質的データは、一般的に形成的評価と総括的評価という2種類の評価形式を通じて取得されます。形成的評価は、指導中に明らかにされ共有される情報であり、教師または生徒が実行可能です。^[7] Paul Black と Dylan Wiliam は、生徒の観察と議論、生徒のニーズと課題の理解、生徒の作業の観察など、本質的に形成的な教室評価の例を示しています。^[7]逆に、総括的評価は、生徒が学習内容を新しい状況に移行できるかどうかを判断するため、および説明責任を目的として設計されています。^[7]形成的評価は、生徒の進歩とパフォーマンスを向上させるために、指導中に明らかにされた情報を使用することです。総括的評価は、指導と学習が行われた後に行われます。

定量的データと定性的データの違い、また、このデータを引き出す形成的評価と総括的評価の違いを理解することは、評価リテラシーと定義できます。^[5]評価リテラシーの構築には、どのタイプの評価をいつ使用するか、および結果データを指導に役立てる方法を知ることも含まれます。データ駆動型指導の目的は、情報を使用して指導と学習を導くことです。Dylan Wiliam は、形成的評価を使用したデータ駆動型指導の例を示しています。

• 学習の意図と基準を明確にし、共有し、理解する
• 学習者の達成度の証拠を引き出す
• 学習を前進させるフィードバックを提供する
• 学生同士を教育資源として活性化する
• 学生を自らの学習のオーナーとして活性化させる^[8]

結果に関するタイムリーなフィードバックが不足し、アプローチを個人に合わせて調整できないため、総括的評価は教室でのデータ駆動型指導にはあまり使用されません。代わりに、さまざまな形式の評価から収集されたさまざまな情報を使用して、データ駆動型指導における生徒の進歩とパフォーマンスに関する決定を下す必要があります。指導上の決定を下すために、さまざまな形式とさまざまなタイミングで複数の尺度を使用することは、三角測量と呼ばれます。^[5]

データ駆動型指導システムとは、学校のリーダーや教師がデータを指導に取り入れるために設計する包括的な構造のシステムを指します。^[9]組織と学校の変化に関する文献を基に、リチャード・ハルバーソン、ジェフリー・グリッグ、リード・プリチェット、クリス・トーマスは、関係者が学校レベルの内部説明責任を外部説明責任に対してどのように管理するかを説明するために、DDISフレームワークを策定しました。^{[9]具体的には、}落ちこぼれゼロ法（NCLB）などの重要な外部説明責任ポリシーは、報告された標準化された総括的評価指標に対して学校に説明責任を負わせるために実施されました。しかし、学校にはすでに、形成的評価結果や行動情報などのデータの使用に基づく継続的な指導改善サイクルを重視するアクティブな内部説明責任システムがありました。したがって、重要な説明責任が実施されると、学校は自然に、異なる種類のデータ、異なる目的、および対応する緊張の間の調整プロセスを経ることになります。リチャード・ハルバーソンと彼の同僚は、ケーススタディのアプローチを採用して、生徒の成績向上を追求する中で、既存の「学校の中心的な慣行と文化」と「新しい説明責任の圧力」の間で生じる調整と調整のプロセスにおけるリーダーの努力を調査しています。^[9]

リチャード・ハルバーソン、ジェフリー・グリッグ、リード・プリチェット、クリス・トーマスは論文の中で、DDISフレームワークは、データ収集、データ反映、プログラム調整、プログラム設計、形成的フィードバック、テスト準備という6つの組織機能で構成されていると示唆している。^{[9] [10]}

データ取得には、データ収集、データ保存、およびデータ報告機能が含まれます。DDIS モデルにおける「データ」は、教育と学習を導くあらゆる種類の情報として広く概念化されています。実際には、学校は、標準化された評価テストのスコアなどの学術データだけでなく、学生の人口統計情報、コミュニティ調査データ、カリキュラム、技術的能力、行動記録などの非学術データも収集します。このようなデータを保存するために、一部の学校はローテクのプリントアウトとノートブックを使用して独自のローカル収集戦略を開発しますが、他の学校は膨大な量のレポートを提供するハイテクの地区ストレージシステムに依存しています。学校のリーダーは、どのデータを報告する必要があるか、および指導の実践を導くために使用できる方法でデータを報告する方法について議論しています。

DDISモデルでは、データの反映とは、報告されたデータを集合的に理解することを意味します。^[9]地区レベルのデータリトリートは、地区内の学校が達成データに関して学校レベルの強みと弱みを特定するための重要な機会を提供します。リトリートは、地区が指導に関する地区レベルのビジョンを策定するのに役立ちます。対照的に、地域のデータ反映会議を通じて、教師は評価基準における各生徒のパフォーマンスを調べることで、個々の生徒の進歩に焦点を当てた会話を行います。

リチャード・ハルバーソンと彼の同僚は、プログラムの整合機能とは「関連する内容とパフォーマンス基準を教室で実際に教えられている内容と結び付ける」ことを指すと述べています。^[9]たとえば、ベンチマーク評価の結果は「問題発見ツール」として、教育者が現在の指導プログラムと十分に整合していないカリキュラム基準を特定するのに役立ちます。

学生の学習ニーズと学校の目標に関連する主な領域を特定した後、指導者と教師は、教員ベースのプログラム、カリキュラムベースのプログラム、および学生ベースのプログラムという介入を設計します。教員のデータ リテラシーを向上させるために、教育者にはさまざまな専門能力開発の機会と、専門的な交流に重点を置いたコーチングが提供されます (教員ベースのプログラム)。さらに、教育者は、クラス全体のアプローチとしてカリキュラムを修正したり (カリキュラムベースのプログラム)、個々の学生のニーズを考慮してカスタマイズされた指導計画を作成したりします (学生ベースのプログラム)。

教育者は、教室やプログラム全体で実施されたローカル介入に関する形成的フィードバックを中心に相互に交流します。形成的フィードバック システムは、介入、評価、実行という 3 つの主要コンポーネントで構成されます。ここでの介入成果物には、教科書や実験などのカリキュラム教材、または個別教育プログラムなどのプログラムが含まれます (介入)。これらの介入成果物の効果は、教育と学習に意図された変化をもたらしたという観点から、市販または独自に作成された形成的評価を通じて評価できます (評価)。実行の領域では、教育者は介入の当初の目標に関連して評価結果を解釈し、新しい介入の基礎を築く測定ツールとして指導の提供または評価を変更する方法について話し合います (実行)。

この機能は、教師が「テストに合わせて教える」ためのものではありません。むしろ、カリキュラムに組み込まれた活動、テストの練習、環境デザイン、コミュニティへの働きかけなどの活動を指します。教師は、標準化された評価の内容を日常の指導に組み込み（カリキュラムに組み込まれた活動）、生徒が同様のタイプのテストでテストを受ける練習や慣れをできるように支援し（テストの練習）、好ましいテスト環境を整えます（環境デザイン）。さらに、教師は、テストの実施からテスト結果の解釈に至るまでのさまざまなトピックについて、保護者やコミュニティのメンバーとコミュニケーションをとります（コミュニティへの働きかけ）。

学区にとっての主な意味は、高品質で関連性のあるデータが収集され、利用可能であることを保証することです。データを収集して共有するためのシステムを構築するだけでなく、学区は、データの専門家や専門能力開発リソースへのアクセスという形で専門知識を提供し、校舎のリーダーがデータにアクセスして使用できるようにする必要があります。^[11]

学区の責任のもう 1 つの重要な要素は、指導方法を改善するために生徒の成績に関する情報の利用を広めるためのリーダーシップとビジョンを提供することです。Zavadsky 氏と Dolejs 氏は、学区が検討すべき 2 つの領域を提案しています。

「第一に、データ収集と分析です。学区と学校は、どのようなデータを収集する必要があるかを慎重に検討し、データを収集するための手段を開発し、できるだけ早くデータを利用できるようにする必要があります。第二の要素はデータの使用です。校長と学区のリーダーは、教師がデータを理解し、データが明らかにしたことにどのように対応するかを学ぶのに十分な時間とトレーニングを与える必要があります。」^[12]

文献では、データに基づく指導の土台を築く上で学区の役割が極めて重要であることが示されていますが、生徒の成績と教室での実践を結び付ける作業の多くは、学校と教室のレベルで行われています。

学校は、データ駆動型指導が繁栄するための条件を確立する上で大きな役割を担っています。ヘッペンらは、データの使用に明確かつ一貫して焦点を当てることと、データに富んだ環境が、教師がデータを使用して指導を推進する取り組みを支援する必要があることを指摘しています。指導部がコラボレーションを促進し、生徒の学習を改善する緊急性を明確に伝える環境を作り、維持すると、教師はデータの使用に取り組むための支援を受けていると感じます。学校レベルでデータの使用をモデル化するという追加の足場により、教師のデータ使用に関する専門知識が向上します。^[13]

データ駆動型の指導法は、教室で作成され、実施されます。教師は、生徒のパフォーマンスと教室での実践を最も直接的に結び付けています。データを使用することで、教師は、授業時間の使い方、基準を満たしていない生徒への介入、リアルタイムの情報に基づいた授業のカスタマイズ、生徒のニーズに合わせた指導方法の調整、ペース、範囲、順序の変更など、何をどのように教えるかについて決定を下すことができます。^[14]

データ駆動型の指導を行うには、教師はまず必要な知識、スキル、態度を身に付ける必要があります。データ駆動型の指導が評価され、支持される学校文化と環境で働くことで、教師は生徒の成績を向上させ、学力格差を縮小する能力を持つことができます。さらに、教師は、生徒に関する情報を入手、分析、使用して指導上の決定を下すために必要な教育的枠組みと技術的スキルを理解するのに役立つ学習機会や専門能力開発にアクセスできなければなりません。^[15]

データ駆動型指導における新たな重要な進歩は、生徒が自分の進歩に関するデータを使用して授業を形作ることです。成績やその他の評価について自己報告できる若い学習者は、指導の中で高いレベルの達成度と進歩を経験できます。^[16]生徒によるデータ分析を教室の実践に組み込むには、時間、トレーニング、行動が必要です。^[17]生徒が自分の学習を評価するために使用する戦略の有効性はさまざまです。メタ分析では、Dunlosky、Rawson、Marsh、Nathan、Willingham は、それぞれが達成度に与えると予想される影響に基づいて 10 の学習戦略をランク付けしました。

非常に効果的な戦略:

• 練習テスト - 自己テスト、練習問題を解く
• 分散練習 - 特定の時間間隔で繰り返し練習する

中程度に効果的な戦略:

• 詳細な尋問- 「なぜ」を説明する
• 自己説明 - 新しい情報がすでに知られている情報とどのように関連しているかを説明する
• インターリーブ練習 - 練習セッションでさまざまな種類の問題を混ぜる

あまり効果的でない戦略:

• 要約 - 学習した内容の要約を書く
• ハイライト - テキストの重要な部分をマークする
• キーワード記憶術 - さまざまな記憶術
• テキスト学習のためのイメージの使用 - 読んでいるものの心のイメージを形成する試み
• 再読 - 最初に読んだ後に資料を再度読む^[18]

効果の低い戦略は、中程度に効果のある戦略や非常に効果のある戦略よりも、K-12 の教室でよく使用される可能性があることは注目に値します。著者は、生徒に、より効果的なテクニックの使い方と、それが学習のガイドとして最も役立つタイミングを教えるべきであると提案しています。これらの戦略が身に付くと、生徒は学習方法を学ぶためのテクニックを身に付けます。これは、中等教育レベルに進み、学習においてより自立することが期待されるため、非常に重要です。

データ駆動型指導に対する主な批判は、テストの点数に重点を置きすぎていて、教室での評価の結果に十分な注意が払われていないというものである。データ駆動型指導は、「評価を通じたロードマップ」として機能し、「教師が生徒のニーズに合った指導を計画し、より良い成績につながる」のに役立つべきである。^[19]総括的評価は、データ駆動型指導によってサポートされている日々の指導と学習に情報を提供するために使用されるべきではない。データ駆動型指導の認識に関連するその他の問題には、生徒の学習を表す定量的データの限界、指導上の決定を行う際に社会的および感情的なニーズやデータのコンテキストを考慮していないこと、リテラシーと数学のコア領域に過度に重点を置き、芸術や人文科学などの伝統的に関心の高いアンコール領域を無視していることなどがある。

• 証拠に基づく指導

• ブラック、P.; ウィリアム、D. ( 1998)。「ブラックボックスの内側：教室での評価を通じて基準を上げる」。ファイ・デルタ・カッパン。80 (2): 139–148。
• Boudett, KP, City, EA, Murname, RJ (2013)。『データワイズ：評価結果を使用して指導と学習を改善するためのステップバイステップガイド』ケンブリッジ、マサチューセッツ州：ハーバード教育出版。
• Dana, NF & Yendol-Hoppey, D. (2014)。『反省的教育者のための教室研究ガイド：実践者の探究による教えることの学習と学ぶことの指導（第 3 版）』。サウザンドオークス、カリフォルニア州：コーウィン。
• Datnow, A., Park, V. (2014). データ駆動型リーダーシップ。サンフランシスコ、カリフォルニア州: Jossey-Bass。
• Dunlosky, J.; Rawson, KA; Marsh, EJ; Nathan, MJ; Willingham, DT (2013). 「認知心理学と教育心理学の有望な方向性に基づく効果的な学習テクニックによる学生の学習の向上」.公共の利益のための心理科学. 14 (1): 4–58. doi :10.1177/1529100612453266. PMID  26173288. S2CID  1621081.
• Eagle, M., Corbett, A., Stamper, J., McLaren, BM, Baker, R., Wagner, A., ... Mitchell, A. (2016). 過去の学習者の活動からインテリジェントチューターの学習者モデリングの個人差を予測する (pp. 55–63). ACM Press. doi :10.1145/2930238.2930255
• エルモア、RF (2000)。学校リーダーシップのための新しい構造の構築。アルバート・シャンカー研究所。http://eric.ed.gov/?id=ED546618 から取得
• Gold, S (2005). 「DRIVEN by DATA」テクノロジー＆ラーニング25 ( 11): 6, 8–9.
• Halverson, R., Grigg, J., Prichett, R., & Thomas, C. (2007). 「新しい指導リーダーシップ: 学校におけるデータ駆動型指導システムの創出」 Journal of School Leadership, 17(3月), 159–194.
• Hamilton et al. - 2009 - 学生の成績データを使用した指導のサポート.pdf。(nd)。http://files.eric.ed.gov/fulltext/ED506645.pdf から取得
• Hamilton, L.、Halverson, R.、Jackson, SS、Mandinach, E.、Supovitz, JA、Wayman, JC、... Steele, JL (2009)。学生の成績データを使用した指導上の意思決定のサポート。http://repository.upenn.edu/gse_pubs/279/ から取得
• Hattie, J. (2012)。『教師のための目に見える学習：学習への影響を最大化する』ニューヨーク：Routledge。
• Heppen, J.、Faria, A.-M.、Thomsen, K.、Sawyer, K.、Townsend, M.、Kutner, M.、... Casserly, M. (2010)。データを使用して大都市の学校での指導を改善する: 実践の重要な側面。都市データ調査。大都市学校協議会。http://eric.ed.gov/?id=ED536737 から取得
• ジョンソン、L. (2009)。ランディ・ウェインガルテン、学長、アントニア・コルテーゼ、財務長官。http://eric.ed.gov/?id=ED511575 より取得
• ジョーンズ、A（2005）。「データ駆動型学校の神話。校長のリーダーシップ」。中等教育6（2）：37-39。
• Kennedy, BL; Datnow, A. (2011). 「学生の関与とデータに基づく意思決定：新しい類型の開発」. Youth & Society . 43 (4): 1246–1271. doi :10.1177/0044118X10388219. S2CID  145417758.
• Larocque, M (2007). 「学力格差の解消：中学校の経験」Clearing House . 80 (4): 157–162. doi :10.3200/tchs.80.4.157-162. S2CID  145741309.
• Melucci, L. (2013 年 8 月)。教師の認識とデータ駆動型指導の活用.pdf。カペラ大学。
• Mokhtari, K.; Rosemary, CA; Edwards, PA (2007). 「データに基づいた指導上の決定: 何を、どのように、なぜ」。The Reading Teacher . 61 (4): 354–359. doi :10.1598/rt.61.4.10.
• Pella, S (2012)。「データ駆動型指導のためのデータとして何を考慮すべきか? 教師教育と専門能力開発のための文脈化されたデータ調査モデルに向けて」。Middle Grades Research Journal。7 ( 1): 57–75。
• Rogers, LN, Tyndall, PD (2001)。教師の視点: 教室での探究を通して指導リーダーシップを育成する。http://eric.ed.gov/?id=ED465596 から取得
• Schmidt, WH; Burroughs, NA; Zoido, P.; Houang, RT (2015). 「教育格差の永続化における学校教育の役割 国際的視点」(PDF) . Educational Researcher . 44 (7): 371–386. doi :10.3102/0013189x15603982. S2CID 96446917. 2020-02-19に オリジナル(PDF)からアーカイブ。
• Schmoker, M. (1996)。「結果：継続的な学校改善の鍵」バージニア州アレクサンドリア：監督およびカリキュラム開発協会。
• Shanahan, T.、Callison, K.、Carriere, C.、Duke, NK、Pearson, PD、Schatschneider, C.、Torgesen, J. (2010)。幼稚園から 3 年生までの読解力の向上: IES 実践ガイド。NCEE 2010-4038。What Works Clearinghouse。http://eric.ed.gov/?id=ED512029 から取得。
• Stamper, J., Ed、Pardos, Z., Ed、Mavrikis, M., Ed、McLaren, BM, Ed、および International Educational Data Mining Society。(2014) 第 7 回国際教育データマイニング会議 (EDM) の議事録 (第 7 回、ロンドン、イギリス、2014 年 7 月 4 ～ 7 日)。International Educational Data Mining Society。http://www.educationaldatamining.org
• Swan, G.; Mazur, J. (2011). 「形成的評価によるデータ駆動型意思決定の検討: テクノロジー、データ解釈ヒューリスティックス、カリキュラムポリシーの融合」。テクノロジーと教師教育における現代的課題。11 (2): 205。
• Wiliam, D. (2011)。埋め込み形成的評価。ブルーミントン、インディアナ州: ソリューションツリー。
• Zavadsky, H., & Dolejs, A. (2006). 「データ：単なる4文字の言葉ではない」 校長リーダーシップ、中等教育版、7(2), 32–36。