数据驱动的决策

  • 数据驱动的决策

    频繁的数据收集为教学决策和分组提供信息。

    课堂目标:(从出现到持续顺序)

    • 各种各样的材料反映了不同学生的需求和当前的能力水平
    • 分组基于定量或定性数据(数字内容、会议记录、退场票、基准、兴趣、SEL目标、需求等)。
    • 经常更新的学生进度可视化跟踪(数据墙,个别学生跟踪器)
    • 形成性评估贯穿于整堂课
    • 教师使用“现在就做”和“离开”卡片来衡量学生对技能/知识的掌握程度
    • 对学生评估、互动或工作成果的个性化反馈的证据
    • 教师和学生共同审查数据以确定需求的证据

    上下文

    教师定期与学生单独开会,讨论学术数据并设定目标。教师回顾数据点和单元测试,引导学生了解自己的优势和成长领域。在此基础上,教师和学生确定具体的短期和长期目标以及实现这些目标的策略。这些目标通常是SMART目标(具体的,可测量的,可分配的,现实的,与时间相关的)。

    在数据会议期间,教师帮助引导学生确保他们理解自己的学习数据。在与学生讨论数据时,老师可能会关注的一些领域是:

    • 确保他们理解数字的含义(百分比、分数等)。
    • 向他们展示他们的分数与全国或班级平均水平的比较。
    • 帮助他们识别自己表现出色的领域。
    • 帮助他们找出需要改进的地方。
    • 确定他们准备好接受新内容的领域(通过显示对先决条件内容的掌握)。

    这些数据会议通过提高学生对数据的理解来激励他们。这有助于学生在日常工作和学习数据之间建立联系(“我想提高X的分数,所以我需要花更多的时间做Y和Z”)。

    学生做

    • 与老师讨论数据,并设定短期和长期目标。

    老师

    • 指导学生理解数据和设定目标。

    技术是

    • 存储每个学生的评估数据。