130303 promotieonderzoek velon1

1* 1

Data-geïnformeerd onderwijs veranderenOpleiders op de Pabo geschooldPromotieonderzoek naar de werking van een datateam in het hogeronderwijs

drs. E.D. Bolhuis

Promotor: Prof. Dr. J.M. Pieters

Co-promotoren: Dr. J.M. Voogt & Dr. K.

Schildkamp

2(Her)ontwerp van afstandsonderwijs m.b.v. TPACK

Data wordt in het HO gebruikt ter verantwoording. Voor accreditatie, rendementscijfers, etc.

Datateams in het hogeronderwijs

Naast het verantwoorden, kun je met data:•beslissingen nemen, •professionaliseren •en/of om leren

Promotieonderzoek naar de werking van datateams in het HO.

3

AanleidingOproep in American Journal of Education: Little (2012)112, p. 114: ‘ microprocess studies stand to make a much-needed contribution to a program of research on data use and schoolimprovement.. (these) studies expose aspects of practice that otherwise remain opaque, and further, that these dynamics of practice are likely to prove salient in accounting for the evolving nature and consequences of “data use” in schools and districts’ .


4

Onderzoeksvraag

Hoe functioneert een datateam in het

hoger onderwijs?


5

Deelvragen

1.Welke activiteiten voert een datateam uit?

2.Wat is de relevantie van de gesprekken van het datateam?

3.Wat is diepgang van de gesprekken in het datateam?

4.Welke activiteiten onderneemt een data-coach om het

datateam te ondersteunen in haar functioneren?


6

Theoretisch model

Datateams, Schildkamp

Diepgang / relevantie: Henry

Rol datacoach: Lachat et al, Fieldman


7

Datateams: activiteiten


P

H

D

KA

I&C

M

E

8

Diepgang / relevantie:

Een gesprek heeft depth of inquiry als de gesprekken een

proces weerspiegelen van onderzoek gericht op het

nemen van actie waarbij elke stap kritisch wordt doorlopen

(Inquiry habit of mind; Henry, 2012, p. 83).

Een gesprek is relevant als het gaat over het onderwerp

(Henry, 2012, p. 87).


9

Rol datacoach

Een datacoach:

•Externe coach: cyclisch werken

•Ondersteuning datateam (o.m. in het werken met data)

•Probleem oplossen

•Verantwoordelijk voor het leerklimaat


10

Rol datacoach

Datacoach heeft twee verschillende rollen (Lachat et al,

2005):

•Een faciliterende rol

•Een expertrol.


11

Mixed method research, singlecase

Deelvraag Observatie Interview datateam

Interview datacoach

Logboek Overige materialen

Welke activiteiten voert een datateam uit?

X X X X X

Wat is de relevantie van de gesprekken van het datateam?

X - X X X

Wat is diepgang van de gesprekken in het datateam?

X - X X X

En welke activiteiten onderneemt een data-coach om het datateam te ondersteunen in haar functioneren?

X X X X X


12

Datateam: uitvoering


•Binnen het propedeuseteam van de Pabo;•Gepland: 10 bijeenkomsten, uitvoering 11 bijeenkomsten• 6 teamleden, allen docenten. De manager van het propedeuseteam is af en toe aanwezig•Periode 12 december 2011 tot 3 juli 2012

13

Casus I


Uitval propedeuse 1e jr VT: 48% > terugdringen!Oorzaak uitval:•Vooropleiding•Gender•Reistijd•Binding met de klas en klasgenoten

Data verzamelen middels exit-enquête

14Promotieonderzoek naar de werking van datateams in het HO.

Uitval propedeuse 1e jr VT: 48% > terugdringen!Oorzaak uitval:•Geringe studievaardigheden•Geringe planningsvaardigheden•GAP-vooropleiding - HBO ondanks summercourse

Maatregel:•Studenten volgen en selecteren•Begeleiding studenten in P2

Data:•Studievoortgang•Bevragen SLB-ers

15

Welke activiteiten voert het datateam

uit?


16

Onderwerp bijeenkomsten


Gepland Onderwerp Daadwerkelijk onderwerp

1 Werkwijze datateam en probleemformulering Hypotheses opstellen

2 Probleemformulering en hypothese opstellen Hypothese opstellen

3 Data verzamelen Data verzamelen d.m.v. exit enquête

4 Verzamelde data bespreken Data verzamelen d.m.v. exit enquête

5 Data analyse Data verzamelen d.m.v. exit enquête

6 Interpretatie en conclusie Analyse

7 Maatregelen nemen Interpretatie & conclusie

8 Evaluatie Analyse

9 Reserve Interpretatie & conclusie10 Reserve Maatregelen & evaluatie11 Niet ingepland Maatregelen


Nr. Daadwerkelijk onderwerp Uitgevoerde activiteiten Aantal malen dat de activiteit is gecodeerd

1 Hypotheses opstellen Introductie op de werkwijze ProbleemdefinitieHypothese opstellenData verzamelen

1191

2 Hypothese opstellen ProbleemdefinitieHypothese Data verzamelen

1114

3 Data verzamelen d.m.v. exit enquête ProbleemdefinitieHypothese opstellenData verzamelenKwaliteit van de dataMaatregelen

13911

4 Data verzamelen d.m.v. exit enquête Data verzamelenKwaliteit dataMaatregelen

1051


5 Data verzamelen d.m.v. exit enquête Data verzamelenAnalyse

121

6 Analyse ProbleemdefinitieHypothese opstellenData verzamelenAnalyse Maatregelen

61381

7 Interpretatie & conclusie ProbleemdefinitieHypothese opstellenData verzamelenKwaliteit dataAnalyse Interpretatie & conclusie

112147

8 Analyse Hypothese opstellenData verzamelenAnalyse Interpretatie & conclusieMaatregelen

71924

9 Interpretatie & conclusie Interpretatie & conclusieMaatregelen

5410 Maatregelen & evaluatie Maatregelen

Evaluatie65

11 Maatregelen MaatregelenEvaluatie

61

Nr. Daadwerkelijk onderwerp Uitgevoerde activiteiten Aantal malen dat de activiteit is gecodeerd


P

H

D

K

AI&CM

E

R

R

R

20

R

21

Resultaten: planning


De activiteiten worden grosso modo uitgevoerd zoals in de cirkel beschreven wordt, echter er is:1.Minder aandacht: probleemdefinitie, kwaliteit van de data, analyse, interpretatie & conclusie en de evaluatie;2.Meer aandacht: hypothese, dataverzamelen en maatregelen3.Iteratieve karakter

22

Resultaten: overig


1. Attributie van de hypotheses: van extern naar interne attributie

2. Content knowledge (in dit geval knowledge over de organisatie van het curriculum) speelt een rol;

3. Content vision speelt een rol;4. Misconcepties rondom data.

23

Wat is de relevantie diepgang van de

gesprekken


24

Relevantie gesprekken


Alle gesprekken waren relevant: geen small talk

25

Diepgang


B1 B2 B3 B4 B5 B6 B7 B8 B9 B10 B11 T

Geen diepgang 0,32 0,25 0,15 0,17 0,17 0,17 0,11 0,02 0,02 0,04 0,03 0,12

Enigszins diepgang 0,24 0,38 0,58 0,33 0,2 0,47 0,14 0,18 0,15 0,1 0,03 0,24

Gedeeltelijk diepgang 0,38 0,28 0,18 0,5 0,63 0,28 0,08 0,62 0,43 0,86 0,94 0,49

Veel diepgang 0,06 0,09 0,09 0 0 0,08 0,67 0,18 0,4 0 0 0,15

26

Diepgang


27

Diepgang


B1 B2 B3 B4 B5 B6 B7 B8 B9 B10 B11 T

Geen diepgang 0,32 0,25 0,15 0,17 0,17 0,17 0,11 0,02 0,02 0,04 0,03 0,12

Enigszins diepgang 0,24 0,38 0,58 0,33 0,2 0,47 0,14 0,18 0,15 0,1 0,03 0,24

Gedeeltelijk diepgang 0,38 0,28 0,18 0,5 0,63 0,28 0,08 0,62 0,43 0,86 0,94 0,49

Veel diepgang 0,06 0,09 0,09 0 0 0,08 0,67 0,18 0,4 0 0 0,15

28

Diepgang


29

Verschillen in diepgang: welke activiteiten?


30

Conclusie


1. Een team moet leren diepgaand met elkaar te spreken: naar mate de bijeenkomsten vorderen, meer diepgang.

2. Activiteiten verschillen in diepgang3. Diepgang? Eerst data op tafel..4. Knip na bijeenkomst 3 en 7

31

B1 B2 B3 B4 B5 B6 B7 B8 B9 B10 B11

Expert .86 .47 .49 .61 .00 .29 .69 .52 .61 .04 .09 4.67

Coach .14 .53 .51 .39 1.00 .71 .31 .48 .39 .96 .91 6.33

1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00

Rol datacoach


32

Diepgang waardoor?


In bijeenkomst 1 en 2 (bijna geheel) door DC, bijeenkomst 7 en 8 geheel door DC en bijeenkomst 10 en 11 niets door DC

33

Conclusie


1. Datacoach is in begin vooral als expert aanwezig en genereerd diepgang

2. Op cruciale momenten als expert aanwezig3. In bijeenkomst 7 en 8 expertrol erg belangrijk:

verkeerde dataverzamelen, data-analyse

34

Meer diepgang door:


1. Een team moet leren diepgaand met elkaar te spreken: naar mate de bijeenkomsten vorderen, meer diepgang.

2. Activiteiten verschillen in diepgang3. Diepgang? Eerst data op tafel..4. Knip na bijeenkomst 3 en 7

35

Discussie


1. Zorg voor zo snel mogelijk data2. Externe geattribueerde hypotheses zijn een

noodzakelijke stap naar intern geattribueerde hypotheses

3. Meet de accuraatheid van data, zelfbevraging levert een vertekend beeld

4. Datacoach moet naast coach ook expert zijn

36

Vragen?


[email protected]@Ebolhuis

mailto:[email protected]

Documents

130303 promotieonderzoek velon1