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)

Следующим шагом для школьной работы должно стать изучение дезагрегированных данных, чтобы выявить закономерности иного рода. Вернемся к средней школе Ханны Эштон, в которой директор Тина Томас-Мэннинг выявила несоответствие между данными прогресса и успеваемости по математике и литературе. Ее ученики в 5-м классе демонстрировали высокую успеваемость и низкий уровень прогресса по математике. Так что данные о добавленной стоимости за 5-й класс говорили одно, а данные об успеваемости – другое. Тогда Тина начала задавать следующие вопросы.

• Каковы образцы прогресса для разных групп учеников?

• Есть ли свои образцы внутри уровней обучения между различными предметными областями?

• Есть ли свои образцы внутри предметных областей между разными уровнями обучения?

Вместе со своей рабочей группой Тина обратилась к дезагрегированной информации, представленной в ее отчетах по добавленной стоимости. На рис. 5.4 вы видите диагностические отчеты для 5-х классов, которые помогли Тине обнаружить в своих результатах важные моменты. Отчеты, представленные на рис. 5.5, сформированы SAS и доступны представителям школ посредством сервиса EVAAS SAS Institute, Inc.

Чтобы понять эту диагностическую информацию, вам, возможно, стоит вернуться к главе 4 и перечитать раздел, касающийся диагностических отчетов.

Помните, что темно-серые столбики двух графических представлений соответствуют последним по времени подгруппам пятиклассников школы Тины. В каждом отчете крайний слева темный столбик соответствует тем ученикам ее школы, чей уровень успеваемости попадает в нижние 20 % результатов всего штата. Аналогично крайний справа темный столбик представляет тех учеников школы, чей уровень успеваемости соответствует верхним 20 % результатам учеников всего штата. Остальные три темно-серых столбика показывают учеников, распределившихся по промежуточным квинтилям. Светло-серые столбики каждого графика представляют предыдущие поколения учеников в тех же категориях. Толстая горизонтальная линия на каждом графике соответствует ожидаемому уровню прогресса для каждой подгруппы учеников. Темные и светлые столбики, находящиеся ниже толстой линии, соответствуют подгруппам учеников, которые в среднем продемонстрировали прогресс ниже ожидаемого уровня. Темные и светлые столбики выше толстой линии соответствуют подгруппам учеников, в среднем превысившим ожидания по прогрессу. Во всех случаях чем длиннее столбик, тем более выражено различие между ожидаемым и достигнутым уровнем прогресса.

Рис. 5.4. Диагностические отчеты средней школы Ханны Эштон (5-й класс)

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

Аналитическая команда под руководством Тины изучила отчеты и быстро выявила содержащиеся в них паттерны. Что касается прогресса в литературе, было очевидно, что общий размер прогресса среди всех групп учеников был меньше, чем в предыдущих поколениях. Кроме того, подгруппы с высшей и низшей успеваемостью демонстрировали прогресс гораздо ниже ожидаемого. Только ученики из средних подгрупп достигли ожидаемых уровней прогресса. Это были тревожные новости, но при этом у рабочей группы появилось ценное понимание того, на чем учителя 5-х классов должны сконцентрировать свое внимание, чтобы улучшить результаты учеников по литературе.

По математике картина была совершенно иной. В каждой из подгрупп учеников достигался прогресс, равный или превышающий ожидаемый. Члены команды пришли к выводу, что предпринимаемые ими оперативные меры приносят свои плоды.

Независимо от того, какие механизмы отчетности доступны вам, дезагрегированная информация уровня школы – это ключевой инструмент, который поможет вам понять, что происходит и по каким причинам. Эта информация повышает вашу способность в дальнейшем использовать обнаруженные успешные практики, а также выявлять и решать обнаруженные проблемы.