Как использовать анализ данных о добавленной стоимости для улучшения обучения школьников: руководство для школ и лидеров школьных округов - Кейт Кеннеди, Майк Томас, Мэри Питерс (2012)

Окружная рабочая группа должна изучить и дезагрегированные данные – т. е. информацию по подгруппам, чтобы найти закономерности другого рода. Например, нередко хороший учебный план оказывается эффективным не для всех учеников, а неудачный учебный план, напротив, некоторым ученикам помогает достичь хороших результатов. Единственный способ увидеть это состоит в изучении дезагрегированной информации о прогрессе, которая покажет паттерны прогресса для различных подгрупп учащихся. На рис. 4.3 вы видите графическую составляющую подборки диагностических отчетов, связанных с удручающими результатами по математике, наблюдаемыми в нашем примере. Графические данные сопровождаются числовой информацией, но нам для выявления важных закономерностей достаточно графиков.

Отчеты, представленные на рис. 4.3, сформированы компанией SAS, округа получают доступ к таким отчетам через систему услуг EVAAS института SAS Institute, Inc.

В нашем примере темно-серые столбики на графиках, показанных на рис. 4.3, представляют недавние подгруппы учеников округа. В каждом отчете-графике темный столбик с левого края соответствует ученикам, по уровню успеваемости попадающим в 20 % учеников штата с самой низкой успеваемостью. Аналогично темный столбик с правого края соответствует ученикам округа, по уровню успеваемости попадающим в 20 % учеников штата с самой высокой успеваемостью.

Три остальных столбца представляют учеников трех остальных подгрупп-квинтилей. Светло-серые столбики представляют ту же информацию, но в отношении предыдущих групп учеников. Толстая горизонтальная линия на каждом графике соответствует уровню ожидаемого прогресса для каждой подгруппы учеников. Темные и светлые столбики, идущие вниз от этой линии, представляют подгруппы учеников, чей уровень прогресса оказался ниже ожидаемого, а те, что находятся над этой линией, соответствуют подгруппам учащихся, добившихся превышающего ожидания прироста. В каждом случае высота столбца соответствует величине отличия полученного прогресса от ожидаемого уровня.

Когда окружная рабочая группа изучает результаты по математике в разных классах (рис. 4.3), ее участники ищут в данных любые постоянные паттерны. Есть ли у каких-либо подгрупп значительные сильные стороны, которые можно распространить на остальные подгруппы по всему округу? Есть ли заслуживающие внимания уязвимые места, проблемы в которых нужно решать на уровне округа? Такого рода находки чрезвычайно важны в процессе анализа данных, описанного в этой главе. Там, где удалось обнаружить постоянно встречающиеся случаи недостатков одного рода, следует предпринять масштабные действия. Если в масштабе округа не обнаружены явные закономерности, то сильными и слабыми сторонами следует заниматься на том уровне, на котором они проявляются.

Рис. 4.3. Диагностические отчеты округа N за 2010 г. (математика, классы с 4-го по 8-й)

Источник: SAS® EVAAS® for K-12 content Copyright ©2011, SAS institute Inc., Cary, NC USA. Все права защищены. Публикуется с согласия SAS.

Рис. 4.4. Диагностические отчеты округа N за 2010 г. (4-й класс)

Источник: SAS® EVAAS® for K-12 content Copyright ©2011, SAS Institute Inc., Cary, NC USA. Все права защищены. Публикуется с согласия SAS.