Datainformerat beslutsfattande

Datainformerat beslutsfattande (DIDM) hänvisar till insamling och analys av data för att vägleda beslut som förbättrar framgången. En annan form av denna process kallas för datadrivet beslutsfattande, "vilket definieras på liknande sätt som att fatta beslut baserat på hårda data i motsats till intuition, observation eller gissningar." DIDM används i utbildningsgemenskaper (där data används med målet att hjälpa elever och förbättra läroplaner) och används även inom andra områden där data används för att informera beslut. Medan " databaserat beslutsfattande " är en vanligare term, är " datainformerat beslutsfattande" den föredragna termen, eftersom beslut inte bör baseras enbart på kvantitativa data . Datadrivet beslutsfattande ses oftast i samband med affärstillväxt och entreprenörskap. De flesta pedagoger har tillgång till ett datasystem i syfte att analysera elevdata. Dessa datasystem presenterar data för utbildare i ett över disk dataformat (inbäddning av etiketter, kompletterande dokumentation och ett hjälpsystem, som fattar viktiga paket-/visnings- och innehållsbeslut) för att förbättra framgången för utbildares datainformerade beslutsfattande . I näringslivet kan att främja och aktivt stödja DIDM i deras företag och bland deras kollegor vara ett av de centrala ansvarsområdena för CIO:er (Chief Information Officers) eller CDO:er (Chief Data Officers).

Bedömning i högre utbildning är en form av DIDM som syftar till att använda bevis på vad eleverna lär sig för att förbättra läroplanen, elevernas lärande och undervisning. Standardiserade prov, betyg och elevarbeten som bedöms utifrån rubriker är former av bedömning av elevers läranderesultat. Formativa bedömningar gör det möjligt för lärare att använda data från elevernas prestationer mer omedelbart för att modifiera undervisnings- och inlärningsstrategier. Det finns många organisationer som syftar till att främja bedömningen av studenternas lärande genom DIDM, inklusive National Institute for Learning Outcomes Assessment, Association for the Assessment of Student Learning in Higher Education och, i viss mån, Association of American Colleges and Universities .

  1. ^ a b U.S.A. utbildningsdepartementets kontor för planering, utvärdering och policyutveckling (2009). Implementera datainformerat beslutsfattande i skolor: Lärartillgång, stöd och användning. United States Department of Education (ERIC Document Reproduction Service nr. ED504191)
  2. ^ "Datadrivet beslutsfattande: 5 väsentligheter" . Ohio University . 2019-12-02 . Hämtad 2022-02-28 .
  3. ^ Knapp, MS, Swinnerton, JA, Copland, MA, & Monpas-Hubar, J. (2006). Datainformerat ledarskap inom utbildning. Seattle, WA: Center for the Study of Teaching and Policy.
  4. ^ "Datadrivet beslutsfattande: En primer för nybörjare" . Northeastern University Graduate Programs . 2019-08-22 . Hämtad 2022-02-28 .
  5. ^ "Tre exempel på hur företag fattar datadrivna beslut" . Utica universitet . 2019-11-25 . Hämtad 2022-02-28 .
  6. ^ Aarons, D. (2009). Rapporten finner tillstånd på kurs för att bygga elevdatasystem. Utbildningsveckan, 29 (13), 6.
  7. ^ Rankin, J. (2013, 28 mars). Hur datasystem och rapporter kan antingen bekämpa eller sprida dataanalysfelepidemin och hur pedagogledare kan hjälpa till. Arkiverad 2019-03-26 vid Wayback Machine Presentation genomförd från Technology Information Center for Administrative Leadership (TICAL) School Leadership Summit.
  8. ^ Delort P. 2012. ICCP Technology Foresight Forum - "Använda data som en ny källa till tillväxt: Stor dataanalys och policy". OECD, 2012
  9. ^ Flaherty, Colleen. "Storskalig bedömning utan standardiserade tester" . Inuti HigherEd . Hämtad 24 februari 2017 .