SlideShare a Scribd company logo
1 of 20
Download to read offline
Van intuïtie naar geïnformeerd
beslissingen nemen
Factoren die het functioneren van
een datateam® in het hbo
bevorderen en hinderen
Erik Bolhuis, Windesheim University of Applied Sciences, The Netherlands Email: e.d.bolhuis@utwente.nl.
Kim Schildkamp,, University of Twente, The Netherlands. Email: k.schildkamp@utwente.nl
Joke Voogt, University of Amsterdam & Windesheim University of Applied Sciecnes, The Netherlands. Email: j.m.voogt@uva.nl
Contact details: drs. E.D. Bolhuis, postbus 217, 7500 AE Enschede, The Netherlands. email: e.d.bolhuis@utwente.nl.
Presentatie ord 12 juni 2014
Geïnformeerd beslissingen nemen
• Gebruik van data om het onderwijs te verbeteren
• Gezamenlijk systematisch werken (protocol-based
conversations: Earl & Katz, 2004; Schildkamp,
Poortman & Handelzalts, 2014)
• Analyseren en interpreteren
• Komen tot informatie voor het nemen van een
beslissing
• Onderwijsverbetering (Bernhardt, 2004; 2005;
Carlson, Borman & Robinson, 2011)
Gebruikte data
• Toetsresultaten;
• Vragenlijsten;
• Evaluaties;
• Observaties;
• Gegevens studentenadministratie;
• Intake-gegevens;
• Etc.
Waarom?
• Bereiken we onze doelen?
• In plaats van intuïtie en ‘gut feelings’ naar op
basis van informatie een besluit nemen
• Kan leiden tot schoolverbetering
• Veel data aanwezig, maar weinig gebruikt
Opbrengstgericht werken via de Datateam methode
• Teams van 6-8 personen
• Acht stappenplan volgens
DATATEAM® methode
• Van probleemdefinitie (bv.
doorstroom, examencijfers
Engels) naar mogelijke
oorzaken, data-analyse en
het nemen én evalueren
van maatregelen
• Doel: professionalisering
en schoolverbetering
Datateams
• 6 personen en de manager van het
propedeuseteam
• Een probleem in het onderwijs wat opgelost
moet worden: omlaag brengen van uitval
eerste jaar
• Gebruik van de 8-stappen procedure
Onderzoeksvragen
• Welke factoren bevorderen en hinderen het
functioneren van een datateam in het hoger
onderwijs?
– Welke factoren m.b.t. data en data-informatiesystemen
beïnvloeden functioneren datateam?
– Welke factoren m.b.t. de gebruiker beïnvloeden
functioneren datateam?
– Welke factoren m.b.t. de organisatie beïnvloeden
functioneren datateam?
Theoretisch kader
Hoofdfactoren Subfactoren
Data en data-
informatiesystemen
Opslag in één of meerdere systemen
•Toegankelijkheid
•Gebruikersvriendelijkheid
•Analysemogelijkheden
Kwaliteit van de data
Tijdige data
Accurate data
Betrouwbare en valide data
Tegemoet komend aan behoeften
Theoretisch kader
Hoofdfactoren Subfactoren
Gebruiker Individueel niveau
•Data- literacy
•Attitude m.b.t. data
•Locus of control
•Eigenaarschap
Teamniveau:
•Samenwerking
•Samenstelling
•Omgaan met conflicten
•Structuur in gesprekken
•Onderhouden contacten
Organisatie Leiderschap
Visie, normen en doelen
Tijd om aan data te werken
Ondersteuning en support
Casus
• Uitval propedeuse HBO, waarbij de studie-eisen die gesteld
worden steeds hoger worden
• Is dit gerelateerd aan vooropleiding? Geslacht? (sfeer in de)
klas?
• Uiteindelijk: curriculum met veel hindernissen en onvoldoende
match tussen noodzakelijke studievaardigheden en de getoonde
studievaardigheden
• Maatregelen: Studeerbaarheid curriculum verbeteren,
studenten studievaardigheden aanleren
Methode
•Een single-case study: micro-process studie
•De data team procedure: 19 bijeenkomsten over 2 jaar
•Respondenten: Het data team, het management
•Instrumenten: observaties van de bijeenkomsten (op audio
vastgelegd, verbatim transcript), verschillende vragenlijsten,
interviews, artefacts en reflectie notities van de onderzoeker
•Analyse: codering volgens codeboek, analyse in TamsAnalyzer,
analyse door pattern matching strategy (Yin, 1984)
•Validity and reliability
Diepgang (Henry, 2012)
Mate van diepgang Beschrijving van de code
Geen diepgang Organisatie van de bijeenkomst. Eén lid is aan het woord; Geen
gezamenlijke expliciete kennis op.
Enig diepgang Meerdere betrokken, Accent op uitwisseling van informatie,
ervaringen en bronnen, leidt niet tot ontstaan van gezamenlijke kennis
en/of aannames.
Gedeeltelijke
diepgang
Iedereen betrokken, actief nieuwe kennis, niet op basis van
data/onderzoek.
Veel diepgang Uitwisseling leidt tot gezamenlijke kennis die geëxpliciteerd wordt.
Kenmerkend is dat in het gespreksgedeelte gebaseerd wordt op
concreet onderzoek en/of data.
Ged.diepgang
Enig diepgang
Factoren m.b.t. data en data-informatie systemen
• Data-informatie systemen:
- Opslag van data in één of meerdere plaatsen
- De toegang tot de data
- De gebruikersvriendelijkheid
- De analyse mogelijkheden
• Kwaliteit van de data:
- Tijdige data
- Accurate data
- Betrouwbare en valide data
- Data die tegemoet komen aan de behoeften van de
gebruiker
-
-
-
-
-
-
+
-
Schildkamp & Kuiper, 2010; Lai & Schildkamp, 2013)
Factoren op individueel en teamniveau
• Factoren op individueel niveau:
- Data literacy
- Attitude
- Locus of control
- Eigenaarschap
• Factoren op teamniveau:
- Samenwerking
- Samenstelling
- Omgaan met conflicten*
- Structuur*
- Onderhouden van contacten
+/-
+
+/-
+
+/-
+/-
-/+
+/-
+/-
* Relateren aan diepgang
* Relateren aan diepgang
Factoren in de organisatie
• Leiderschap:
- Distributed leadership
- Model staan
• Druk en betrokkenheid
• Visie, normen en doelen
• Besluitvorming*
• Tijd om aan data te werken
- Gefaciliteerde tijd om te werken aan data
- Tijd om samen te werken aan data*
• Ondersteuning om met data te werken*
- Toegang tot data
- Bevorderen van data literacy
- Structuur
-
-
+
-
-
+
-
+/-
+/-
+
Conclusies
• Data: Een pre-conditie. Er is genoeg, maar kun
je er bij en zijn de data accuraat en tijdig?
• Gebruiker: data-literacy en locus of control.
Op teamniveau omgaan met conflicten en
structuur
• Organisatie: leiderschap en visie, normen en
doelen. Ondersteuning en tijd om samen te
werken
Discussie
• Data en data-informatiesystemen een pre-
conditie, maar ook visie, normen en doelen
een pre-conditie?
• Aandacht in team voor omgaan met conflicten
• Coaching niet alleen t.b.v. voortgang
datateam, maar ook voor het toepassen in
eigen instructiepraktijk?
Literatuur
Bernhardt, V.L. (2004). Continuous improvement: It takes more than test scores. Leadership Magazine,
34(2), 16-19.
Bernhardt, V.L. (2005). Data tools for school improvement. Educational Leadership, 62(5), 66-69.
Carlson, D., Borman, G. D., & Robinson, M. (2011). A multistate district-level cluster randomized trial of
the impact of data-driven reform on reading and mathematics achievement. Educational Evaluation and
Policy Analysis, 33(3), 378-398.
Earl, L., & Katz, S. (2006). Leading schools in a data-rich world: harnassing data for schoolimprovement.
Thousands Oaks, CA: Corwin Press.
Henry, S. F. (2012). Instructional Conversations : A Qualitative Exploration of Differences in Elementary 
Teachers’ Team Discussions. Dissertation at Harvard University.
Lai, M.K., & Schildkamp, K. (2012). Data-based decision making: An overview. In: Schildkamp, K., Lai, M.K.,
& Earl, L. (Eds.), Data-based decision making in education: Challenges and opportunities. London: Springer.
Schildkamp, K., & Kuiper, W. (2010). Data-informed curriculum reform: Which data, what purposes, and
promoting and hindering factors. Teaching and Teacher Education, 26(3), 482–496.

More Related Content

Similar to Presentatie ord 12 juni 2014

VOR presentatie onderzoek Erik Bolhuis Datateam
VOR presentatie onderzoek Erik Bolhuis DatateamVOR presentatie onderzoek Erik Bolhuis Datateam
VOR presentatie onderzoek Erik Bolhuis DatateamErik Bolhuis
 
170306 presentatie velon
170306 presentatie velon170306 presentatie velon
170306 presentatie velonErik Bolhuis
 
Presentatie Datamanagement - SURF, Oktober 2013
Presentatie Datamanagement - SURF, Oktober 2013Presentatie Datamanagement - SURF, Oktober 2013
Presentatie Datamanagement - SURF, Oktober 2013JoeriNortier
 
'Onderwijs verbeteren met learning analytics: resultaten van het STELA-projec...
'Onderwijs verbeteren met learning analytics: resultaten van het STELA-projec...'Onderwijs verbeteren met learning analytics: resultaten van het STELA-projec...
'Onderwijs verbeteren met learning analytics: resultaten van het STELA-projec...SURF Events
 
20130523 hugo besemer_dday
20130523 hugo besemer_dday20130523 hugo besemer_dday
20130523 hugo besemer_ddayHugo Besemer
 
Cindy poortman: Opbrengstgericht werken door datateams
Cindy poortman: Opbrengstgericht werken door datateamsCindy poortman: Opbrengstgericht werken door datateams
Cindy poortman: Opbrengstgericht werken door datateamsKennisnet
 
Data Ethics - The Intellerts appraoch
Data Ethics - The Intellerts appraochData Ethics - The Intellerts appraoch
Data Ethics - The Intellerts appraochNiels van Rees
 
OOADA Trends en Innovaties 2 september
OOADA Trends en Innovaties 2 septemberOOADA Trends en Innovaties 2 september
OOADA Trends en Innovaties 2 septemberKennisnet
 
Digitaal toetsen in de versnelling
Digitaal toetsen in de versnellingDigitaal toetsen in de versnelling
Digitaal toetsen in de versnellingSURF Events
 
Essenties uit het programma big data
Essenties uit het programma big dataEssenties uit het programma big data
Essenties uit het programma big dataKennisnet
 
Masterclass verbeter het onderwijs met Learning Analytics
Masterclass verbeter het onderwijs met Learning AnalyticsMasterclass verbeter het onderwijs met Learning Analytics
Masterclass verbeter het onderwijs met Learning AnalyticsSURF Events
 
Presentatie Trends, Innovaties & Analytics Noordhoff
Presentatie Trends, Innovaties & Analytics NoordhoffPresentatie Trends, Innovaties & Analytics Noordhoff
Presentatie Trends, Innovaties & Analytics Noordhofferikwoning
 
Gegevenskwaliteit – een raamwerk vanuit NORA
Gegevenskwaliteit – een raamwerk vanuit NORAGegevenskwaliteit – een raamwerk vanuit NORA
Gegevenskwaliteit – een raamwerk vanuit NORADanny Greefhorst
 
Visie op DLWO: de burchtmetafoor als model - Danny Greefhorst - OWD13
Visie op DLWO: de burchtmetafoor als model - Danny Greefhorst - OWD13Visie op DLWO: de burchtmetafoor als model - Danny Greefhorst - OWD13
Visie op DLWO: de burchtmetafoor als model - Danny Greefhorst - OWD13SURF Events
 
Online strategie voor intranet en digital workplace bij onderwijsorganisaties
Online strategie voor intranet en digital workplace bij onderwijsorganisatiesOnline strategie voor intranet en digital workplace bij onderwijsorganisaties
Online strategie voor intranet en digital workplace bij onderwijsorganisatiesChristiaan Lustig
 
DDMA 3 maart 2009 Pieter Vijn over Data Governance
DDMA 3 maart 2009 Pieter Vijn over Data GovernanceDDMA 3 maart 2009 Pieter Vijn over Data Governance
DDMA 3 maart 2009 Pieter Vijn over Data GovernanceDDMA
 
Presentatie Learning Analytics - wat werkt wel en niet? - LACE / Kennisnet - ...
Presentatie Learning Analytics - wat werkt wel en niet? - LACE / Kennisnet - ...Presentatie Learning Analytics - wat werkt wel en niet? - LACE / Kennisnet - ...
Presentatie Learning Analytics - wat werkt wel en niet? - LACE / Kennisnet - ...Wietse van Bruggen
 
Onderzoek een MOOC - Thieme Hennis - OWD14
Onderzoek een MOOC - Thieme Hennis - OWD14Onderzoek een MOOC - Thieme Hennis - OWD14
Onderzoek een MOOC - Thieme Hennis - OWD14SURF Events
 
Software for big data - setting the scene
Software for big data -   setting the sceneSoftware for big data -   setting the scene
Software for big data - setting the sceneJurjen Helmus
 
210604 (wr) v1 presentatie formatief evalueren
210604 (wr) v1 presentatie formatief evalueren210604 (wr) v1 presentatie formatief evalueren
210604 (wr) v1 presentatie formatief evaluerenWilfredRubens.com
 

Similar to Presentatie ord 12 juni 2014 (20)

VOR presentatie onderzoek Erik Bolhuis Datateam
VOR presentatie onderzoek Erik Bolhuis DatateamVOR presentatie onderzoek Erik Bolhuis Datateam
VOR presentatie onderzoek Erik Bolhuis Datateam
 
170306 presentatie velon
170306 presentatie velon170306 presentatie velon
170306 presentatie velon
 
Presentatie Datamanagement - SURF, Oktober 2013
Presentatie Datamanagement - SURF, Oktober 2013Presentatie Datamanagement - SURF, Oktober 2013
Presentatie Datamanagement - SURF, Oktober 2013
 
'Onderwijs verbeteren met learning analytics: resultaten van het STELA-projec...
'Onderwijs verbeteren met learning analytics: resultaten van het STELA-projec...'Onderwijs verbeteren met learning analytics: resultaten van het STELA-projec...
'Onderwijs verbeteren met learning analytics: resultaten van het STELA-projec...
 
20130523 hugo besemer_dday
20130523 hugo besemer_dday20130523 hugo besemer_dday
20130523 hugo besemer_dday
 
Cindy poortman: Opbrengstgericht werken door datateams
Cindy poortman: Opbrengstgericht werken door datateamsCindy poortman: Opbrengstgericht werken door datateams
Cindy poortman: Opbrengstgericht werken door datateams
 
Data Ethics - The Intellerts appraoch
Data Ethics - The Intellerts appraochData Ethics - The Intellerts appraoch
Data Ethics - The Intellerts appraoch
 
OOADA Trends en Innovaties 2 september
OOADA Trends en Innovaties 2 septemberOOADA Trends en Innovaties 2 september
OOADA Trends en Innovaties 2 september
 
Digitaal toetsen in de versnelling
Digitaal toetsen in de versnellingDigitaal toetsen in de versnelling
Digitaal toetsen in de versnelling
 
Essenties uit het programma big data
Essenties uit het programma big dataEssenties uit het programma big data
Essenties uit het programma big data
 
Masterclass verbeter het onderwijs met Learning Analytics
Masterclass verbeter het onderwijs met Learning AnalyticsMasterclass verbeter het onderwijs met Learning Analytics
Masterclass verbeter het onderwijs met Learning Analytics
 
Presentatie Trends, Innovaties & Analytics Noordhoff
Presentatie Trends, Innovaties & Analytics NoordhoffPresentatie Trends, Innovaties & Analytics Noordhoff
Presentatie Trends, Innovaties & Analytics Noordhoff
 
Gegevenskwaliteit – een raamwerk vanuit NORA
Gegevenskwaliteit – een raamwerk vanuit NORAGegevenskwaliteit – een raamwerk vanuit NORA
Gegevenskwaliteit – een raamwerk vanuit NORA
 
Visie op DLWO: de burchtmetafoor als model - Danny Greefhorst - OWD13
Visie op DLWO: de burchtmetafoor als model - Danny Greefhorst - OWD13Visie op DLWO: de burchtmetafoor als model - Danny Greefhorst - OWD13
Visie op DLWO: de burchtmetafoor als model - Danny Greefhorst - OWD13
 
Online strategie voor intranet en digital workplace bij onderwijsorganisaties
Online strategie voor intranet en digital workplace bij onderwijsorganisatiesOnline strategie voor intranet en digital workplace bij onderwijsorganisaties
Online strategie voor intranet en digital workplace bij onderwijsorganisaties
 
DDMA 3 maart 2009 Pieter Vijn over Data Governance
DDMA 3 maart 2009 Pieter Vijn over Data GovernanceDDMA 3 maart 2009 Pieter Vijn over Data Governance
DDMA 3 maart 2009 Pieter Vijn over Data Governance
 
Presentatie Learning Analytics - wat werkt wel en niet? - LACE / Kennisnet - ...
Presentatie Learning Analytics - wat werkt wel en niet? - LACE / Kennisnet - ...Presentatie Learning Analytics - wat werkt wel en niet? - LACE / Kennisnet - ...
Presentatie Learning Analytics - wat werkt wel en niet? - LACE / Kennisnet - ...
 
Onderzoek een MOOC - Thieme Hennis - OWD14
Onderzoek een MOOC - Thieme Hennis - OWD14Onderzoek een MOOC - Thieme Hennis - OWD14
Onderzoek een MOOC - Thieme Hennis - OWD14
 
Software for big data - setting the scene
Software for big data -   setting the sceneSoftware for big data -   setting the scene
Software for big data - setting the scene
 
210604 (wr) v1 presentatie formatief evalueren
210604 (wr) v1 presentatie formatief evalueren210604 (wr) v1 presentatie formatief evalueren
210604 (wr) v1 presentatie formatief evalueren
 

More from Erik Bolhuis

150127 minoren kwaliteit windesheim
150127 minoren kwaliteit windesheim150127 minoren kwaliteit windesheim
150127 minoren kwaliteit windesheimErik Bolhuis
 
141119 ien i presentatie
141119 ien i presentatie141119 ien i presentatie
141119 ien i presentatieErik Bolhuis
 
130303 promotieonderzoek velon1
130303 promotieonderzoek velon1130303 promotieonderzoek velon1
130303 promotieonderzoek velon1Erik Bolhuis
 
Brein leren en ict no films
Brein leren en ict no filmsBrein leren en ict no films
Brein leren en ict no filmsErik Bolhuis
 
121109 velon pimp my lesson
121109 velon pimp my lesson121109 velon pimp my lesson
121109 velon pimp my lessonErik Bolhuis
 
121102 presentatie master nederlands hu
121102 presentatie master nederlands hu121102 presentatie master nederlands hu
121102 presentatie master nederlands huErik Bolhuis
 
121102 presentatie master nederlands hu
121102 presentatie master nederlands hu121102 presentatie master nederlands hu
121102 presentatie master nederlands huErik Bolhuis
 

More from Erik Bolhuis (9)

Earli 2015 dli
Earli 2015 dliEarli 2015 dli
Earli 2015 dli
 
150127 minoren kwaliteit windesheim
150127 minoren kwaliteit windesheim150127 minoren kwaliteit windesheim
150127 minoren kwaliteit windesheim
 
141119 ien i presentatie
141119 ien i presentatie141119 ien i presentatie
141119 ien i presentatie
 
130417 nhl
130417 nhl130417 nhl
130417 nhl
 
130303 promotieonderzoek velon1
130303 promotieonderzoek velon1130303 promotieonderzoek velon1
130303 promotieonderzoek velon1
 
Brein leren en ict no films
Brein leren en ict no filmsBrein leren en ict no films
Brein leren en ict no films
 
121109 velon pimp my lesson
121109 velon pimp my lesson121109 velon pimp my lesson
121109 velon pimp my lesson
 
121102 presentatie master nederlands hu
121102 presentatie master nederlands hu121102 presentatie master nederlands hu
121102 presentatie master nederlands hu
 
121102 presentatie master nederlands hu
121102 presentatie master nederlands hu121102 presentatie master nederlands hu
121102 presentatie master nederlands hu
 

Presentatie ord 12 juni 2014

  • 1. Van intuïtie naar geïnformeerd beslissingen nemen Factoren die het functioneren van een datateam® in het hbo bevorderen en hinderen Erik Bolhuis, Windesheim University of Applied Sciences, The Netherlands Email: e.d.bolhuis@utwente.nl. Kim Schildkamp,, University of Twente, The Netherlands. Email: k.schildkamp@utwente.nl Joke Voogt, University of Amsterdam & Windesheim University of Applied Sciecnes, The Netherlands. Email: j.m.voogt@uva.nl Contact details: drs. E.D. Bolhuis, postbus 217, 7500 AE Enschede, The Netherlands. email: e.d.bolhuis@utwente.nl.
  • 3. Geïnformeerd beslissingen nemen • Gebruik van data om het onderwijs te verbeteren • Gezamenlijk systematisch werken (protocol-based conversations: Earl & Katz, 2004; Schildkamp, Poortman & Handelzalts, 2014) • Analyseren en interpreteren • Komen tot informatie voor het nemen van een beslissing • Onderwijsverbetering (Bernhardt, 2004; 2005; Carlson, Borman & Robinson, 2011)
  • 4. Gebruikte data • Toetsresultaten; • Vragenlijsten; • Evaluaties; • Observaties; • Gegevens studentenadministratie; • Intake-gegevens; • Etc.
  • 5. Waarom? • Bereiken we onze doelen? • In plaats van intuïtie en ‘gut feelings’ naar op basis van informatie een besluit nemen • Kan leiden tot schoolverbetering • Veel data aanwezig, maar weinig gebruikt
  • 6. Opbrengstgericht werken via de Datateam methode • Teams van 6-8 personen • Acht stappenplan volgens DATATEAM® methode • Van probleemdefinitie (bv. doorstroom, examencijfers Engels) naar mogelijke oorzaken, data-analyse en het nemen én evalueren van maatregelen • Doel: professionalisering en schoolverbetering
  • 7. Datateams • 6 personen en de manager van het propedeuseteam • Een probleem in het onderwijs wat opgelost moet worden: omlaag brengen van uitval eerste jaar • Gebruik van de 8-stappen procedure
  • 8. Onderzoeksvragen • Welke factoren bevorderen en hinderen het functioneren van een datateam in het hoger onderwijs? – Welke factoren m.b.t. data en data-informatiesystemen beïnvloeden functioneren datateam? – Welke factoren m.b.t. de gebruiker beïnvloeden functioneren datateam? – Welke factoren m.b.t. de organisatie beïnvloeden functioneren datateam?
  • 9. Theoretisch kader Hoofdfactoren Subfactoren Data en data- informatiesystemen Opslag in één of meerdere systemen •Toegankelijkheid •Gebruikersvriendelijkheid •Analysemogelijkheden Kwaliteit van de data Tijdige data Accurate data Betrouwbare en valide data Tegemoet komend aan behoeften
  • 10. Theoretisch kader Hoofdfactoren Subfactoren Gebruiker Individueel niveau •Data- literacy •Attitude m.b.t. data •Locus of control •Eigenaarschap Teamniveau: •Samenwerking •Samenstelling •Omgaan met conflicten •Structuur in gesprekken •Onderhouden contacten Organisatie Leiderschap Visie, normen en doelen Tijd om aan data te werken Ondersteuning en support
  • 11. Casus • Uitval propedeuse HBO, waarbij de studie-eisen die gesteld worden steeds hoger worden • Is dit gerelateerd aan vooropleiding? Geslacht? (sfeer in de) klas? • Uiteindelijk: curriculum met veel hindernissen en onvoldoende match tussen noodzakelijke studievaardigheden en de getoonde studievaardigheden • Maatregelen: Studeerbaarheid curriculum verbeteren, studenten studievaardigheden aanleren
  • 12. Methode •Een single-case study: micro-process studie •De data team procedure: 19 bijeenkomsten over 2 jaar •Respondenten: Het data team, het management •Instrumenten: observaties van de bijeenkomsten (op audio vastgelegd, verbatim transcript), verschillende vragenlijsten, interviews, artefacts en reflectie notities van de onderzoeker •Analyse: codering volgens codeboek, analyse in TamsAnalyzer, analyse door pattern matching strategy (Yin, 1984) •Validity and reliability
  • 13. Diepgang (Henry, 2012) Mate van diepgang Beschrijving van de code Geen diepgang Organisatie van de bijeenkomst. Eén lid is aan het woord; Geen gezamenlijke expliciete kennis op. Enig diepgang Meerdere betrokken, Accent op uitwisseling van informatie, ervaringen en bronnen, leidt niet tot ontstaan van gezamenlijke kennis en/of aannames. Gedeeltelijke diepgang Iedereen betrokken, actief nieuwe kennis, niet op basis van data/onderzoek. Veel diepgang Uitwisseling leidt tot gezamenlijke kennis die geëxpliciteerd wordt. Kenmerkend is dat in het gespreksgedeelte gebaseerd wordt op concreet onderzoek en/of data.
  • 15. Factoren m.b.t. data en data-informatie systemen • Data-informatie systemen: - Opslag van data in één of meerdere plaatsen - De toegang tot de data - De gebruikersvriendelijkheid - De analyse mogelijkheden • Kwaliteit van de data: - Tijdige data - Accurate data - Betrouwbare en valide data - Data die tegemoet komen aan de behoeften van de gebruiker - - - - - - + - Schildkamp & Kuiper, 2010; Lai & Schildkamp, 2013)
  • 16. Factoren op individueel en teamniveau • Factoren op individueel niveau: - Data literacy - Attitude - Locus of control - Eigenaarschap • Factoren op teamniveau: - Samenwerking - Samenstelling - Omgaan met conflicten* - Structuur* - Onderhouden van contacten +/- + +/- + +/- +/- -/+ +/- +/- * Relateren aan diepgang
  • 17. * Relateren aan diepgang Factoren in de organisatie • Leiderschap: - Distributed leadership - Model staan • Druk en betrokkenheid • Visie, normen en doelen • Besluitvorming* • Tijd om aan data te werken - Gefaciliteerde tijd om te werken aan data - Tijd om samen te werken aan data* • Ondersteuning om met data te werken* - Toegang tot data - Bevorderen van data literacy - Structuur - - + - - + - +/- +/- +
  • 18. Conclusies • Data: Een pre-conditie. Er is genoeg, maar kun je er bij en zijn de data accuraat en tijdig? • Gebruiker: data-literacy en locus of control. Op teamniveau omgaan met conflicten en structuur • Organisatie: leiderschap en visie, normen en doelen. Ondersteuning en tijd om samen te werken
  • 19. Discussie • Data en data-informatiesystemen een pre- conditie, maar ook visie, normen en doelen een pre-conditie? • Aandacht in team voor omgaan met conflicten • Coaching niet alleen t.b.v. voortgang datateam, maar ook voor het toepassen in eigen instructiepraktijk?
  • 20. Literatuur Bernhardt, V.L. (2004). Continuous improvement: It takes more than test scores. Leadership Magazine, 34(2), 16-19. Bernhardt, V.L. (2005). Data tools for school improvement. Educational Leadership, 62(5), 66-69. Carlson, D., Borman, G. D., & Robinson, M. (2011). A multistate district-level cluster randomized trial of the impact of data-driven reform on reading and mathematics achievement. Educational Evaluation and Policy Analysis, 33(3), 378-398. Earl, L., & Katz, S. (2006). Leading schools in a data-rich world: harnassing data for schoolimprovement. Thousands Oaks, CA: Corwin Press. Henry, S. F. (2012). Instructional Conversations : A Qualitative Exploration of Differences in Elementary  Teachers’ Team Discussions. Dissertation at Harvard University. Lai, M.K., & Schildkamp, K. (2012). Data-based decision making: An overview. In: Schildkamp, K., Lai, M.K., & Earl, L. (Eds.), Data-based decision making in education: Challenges and opportunities. London: Springer. Schildkamp, K., & Kuiper, W. (2010). Data-informed curriculum reform: Which data, what purposes, and promoting and hindering factors. Teaching and Teacher Education, 26(3), 482–496.