La instrucción basada en datos es un enfoque educativo que se basa en la información para informar la enseñanza y el aprendizaje. La idea se refiere a un método que usan los maestros para mejorar la instrucción al observar la información que tienen sobre sus estudiantes. Tiene lugar dentro del aula, en comparación con la toma de decisiones basada en datos . La instrucción basada en datos funciona en dos niveles. Uno, les brinda a los maestros la capacidad de responder mejor a las necesidades de los estudiantes, y dos, les permite a los estudiantes estar a cargo de su propio aprendizaje. La instrucción basada en datos puede entenderse mediante el examen de su historia, cómo se usa en el aula, sus atributos y ejemplos de los maestros que utilizan este proceso.
Historia
Antes del énfasis actual en los datos y la rendición de cuentas en las escuelas, algunos líderes escolares e investigadores en educación se enfocaron en la reforma basada en estándares en la educación. De la idea de crear estándares surge la responsabilidad, la idea de que las escuelas deben informar sobre su capacidad para cumplir con los estándares designados. [1] A fines del siglo pasado y principios de la década de 2000, un mayor énfasis en la rendición de cuentas en las organizaciones públicas se abrió paso en el ámbito de la educación. Con la aprobación de la Ley Que Ningún Niño Se Quede Atrás (NCLB) en 2001, surgieron leyes que requieren que las escuelas brinden información al público sobre la calidad de la educación brindada a los estudiantes. Para poder proporcionar tales datos, los estados tenían el mandato de crear medidas de responsabilidad y evaluaciones anuales para medir la efectividad de las escuelas en el cumplimiento de esas medidas. [2] [3] Después de NCLB, la legislación más reciente bajo la Ley Race to the Top impulsó a los estados a utilizar la recopilación de datos y la presentación de informes para demostrar la capacidad de la escuela para satisfacer las demandas del público. Incrustado tanto en NCLB como en Race to the Top Act hay una suposición de que la recopilación y el uso de datos pueden conducir a un mayor rendimiento de los estudiantes. [4]
Atributos
Los datos en el aula son cualquier información que sea visible durante la instrucción que podría usarse para informar la enseñanza y el aprendizaje. Los tipos de datos incluyen datos cuantitativos y cualitativos, aunque los datos cuantitativos se utilizan con mayor frecuencia para la instrucción basada en datos. Los ejemplos de datos cuantitativos incluyen puntajes de exámenes, resultados de un cuestionario y niveles de desempeño en una evaluación periódica. [5] Los ejemplos de datos cualitativos incluyen notas de campo, trabajos / artefactos de los estudiantes, entrevistas, grupos focales, fotografías digitales, videos, diarios reflexivos. [6]
Los datos cuantitativos y cualitativos generalmente se capturan a través de dos formas de evaluación: formativa y sumativa. La evaluación formativa es la información que se revela y se comparte durante la instrucción y es procesable por el maestro o el estudiante. [7] Paul Black y Dylan Wiliam ofrecen ejemplos de evaluación en el aula que es de naturaleza formativa, incluidas las observaciones y discusiones de los estudiantes, comprender las necesidades y desafíos de los estudiantes y observar el trabajo de los estudiantes. [7] Por el contrario, las evaluaciones sumativas están diseñadas para determinar si un estudiante puede transferir su aprendizaje a nuevos contextos, así como para fines de responsabilidad. [7] La evaluación formativa es el uso de información que se hace evidente durante la instrucción para mejorar el progreso y el desempeño del estudiante. Las evaluaciones sumativas ocurren después de que ocurrieron la enseñanza y el aprendizaje.
Ejemplos de
La comprensión de las diferencias entre cuantitativos de datos vs. cualitativos de datos, así como la evaluación formativa vs evaluación sumativa que desentrañar estos datos se puede definir como la alfabetización evaluación. [5] Desarrollar la competencia en evaluaciones también incluye saber cuándo usar qué tipo de evaluación y los datos resultantes que se deben usar para informar la instrucción. El propósito de la instrucción basada en datos es utilizar información para guiar la enseñanza y el aprendizaje. Dylan Wiliam ofrece ejemplos de instrucción basada en datos utilizando evaluación formativa:
- Aclarar, compartir y comprender las intenciones y los criterios de aprendizaje
- Obtener evidencia de los logros de los alumnos
- Proporcionar comentarios que hagan avanzar el aprendizaje
- Activar a los estudiantes como recursos educativos entre sí
- Activar a los estudiantes como dueños de su propio aprendizaje [8]
Debido a la falta de retroalimentación oportuna con respecto a los resultados más la incapacidad de personalizar el enfoque, las evaluaciones sumativas no se utilizan fácilmente para la instrucción basada en datos en el aula. En cambio, se debe utilizar una variedad de información obtenida de diferentes formas de evaluaciones para tomar decisiones sobre el progreso y el desempeño de los estudiantes dentro de la instrucción basada en datos. El uso de múltiples medidas de diferentes formas y en diferentes momentos para tomar decisiones de instrucción se conoce como triangulación . [5]
Sistemas de instrucción basados en datos
Antecedentes y orígenes
Los sistemas de instrucción basados en datos se refieren a un sistema integral de estructuras que los líderes escolares y los maestros diseñan para incorporar los datos en sus instrucciones. [9] Basándose en la literatura sobre cambio organizacional y escolar, Richard Halverson, Jeffrey Grigg, Reid Prichett y Chris Thomas desarrollaron un marco DDIS en un intento de describir cómo los actores relevantes manejan la responsabilidad interna a nivel escolar con la responsabilidad externa. [9] Específicamente, se implementaron políticas de responsabilidad externa de gran importancia, como la Ley Que Ningún Niño se Quede Atrás (NCLB) para que las escuelas sean responsables de las métricas de evaluación sumativas estandarizadas informadas. Sin embargo, las escuelas ya tenían sistemas activos de responsabilidad interna que ponen un gran énfasis en un ciclo continuo de mejoramiento de la instrucción basado en el uso de datos, incluidos los resultados de la evaluación formativa y la información de comportamiento. Por lo tanto, cuando se implementó la responsabilidad de alto riesgo, las escuelas naturalmente pasan por un proceso de alineación entre diferentes tipos de datos, diferentes propósitos y la tensión correspondiente. Richard Halverson y sus colegas, empleando enfoques de estudios de caso, exploran el esfuerzo de los líderes de proceso de coordinación y alineación que ocurre entre las "prácticas centrales y culturas de las escuelas" existentes y la "nueva presión de responsabilidad" en la búsqueda de mejorar el puntaje de rendimiento estudiantil. [9]
Conceptos clave
En su artículo, Richard Halverson, Jeffrey Grigg, Reid Prichett y Chris Thomas sugieren que el marco DDIS se compone de seis funciones organizativas: adquisición de datos; reflexión de datos; alineación del programa; diseño de programa; retroalimentación formativa; examen de preparación. [9]
Adquisición de datos
La adquisición de datos incluye las funciones de recopilación de datos, almacenamiento de datos e informes de datos. “Datos” en el modelo DDIS se conceptualiza ampliamente como cualquier tipo de información que oriente la enseñanza y el aprendizaje. En la práctica, las escuelas recopilan datos académicos, puntajes de pruebas de evaluación estandarizada, así como datos no académicos como información demográfica de los estudiantes, datos de encuestas comunitarias, planes de estudio, capacidad tecnológica y registros de comportamiento. Para almacenar estos datos, algunas escuelas desarrollan sus propias estrategias de recopilación local utilizando impresos y cuadernos de baja tecnología, mientras que otras escuelas confían en sistemas de almacenamiento de distrito de alta tecnología, que proporcionan una gran cantidad de informes. Los líderes escolares tienen discusiones sobre qué datos deben reportarse y cómo reportar los datos de una manera que puedan usar para guiar las prácticas de enseñanza.
Reflexión de datos
En el modelo DDIS, la reflexión de datos se refiere a dar sentido colectivamente a los datos reportados. [9] Los retiros de datos a nivel de distrito brindan oportunidades clave para que las escuelas dentro de los distritos identifiquen las fortalezas y debilidades a nivel escolar en términos de datos de rendimiento. Los retiros ayudan a los distritos a desarrollar visiones de instrucción a nivel de distrito. En contraste, a través de reuniones de reflexión de datos locales, los maestros tienen conversaciones enfocadas en el progreso de los estudiantes individuales al examinar el desempeño de cada estudiante en los estándares evaluados.
Alineación del programa
Richard Halverson y sus colegas afirman que la función de alineación del programa se refiere a "vincular el contenido relevante y los estándares de desempeño con el contenido real que se enseña en el aula". [9] Por ejemplo, los resultados de la evaluación comparativa, como "herramientas para encontrar problemas", ayudan a los educadores a identificar los estándares curriculares que no están bien alineados con los programas educativos actuales.
Diseño de programa
Después de identificar las principales áreas en relación con las necesidades de aprendizaje de los estudiantes y las metas de la escuela, los líderes y maestros diseñan intervenciones: programas basados en la facultad; programas basados en el plan de estudios; y programas basados en estudiantes. En un esfuerzo por mejorar la alfabetización de datos de la facultad, los educadores reciben una variedad de oportunidades de desarrollo profesional y entrenamiento enfocado en la interacción profesional (programas basados en la facultad). Además, los educadores modifican su plan de estudios como un enfoque de aula completa (programas basados en el plan de estudios) o desarrollan planes de instrucción personalizados teniendo en cuenta las necesidades individuales de los estudiantes (programas basados en el estudiante).
Retroalimentación formativa
Los educadores interactúan entre sí en torno a la retroalimentación formativa sobre las intervenciones locales implementadas en las aulas y los programas. Los sistemas de retroalimentación formativa se componen de tres componentes principales: intervención, evaluación y actuación. Los artefactos de intervención aquí incluyen materiales curriculares como libros de texto y experimentos, o programas como programas de educación individualizada (Intervención). El efecto de estos artefactos de intervención se puede evaluar a través de evaluaciones formativas, ya sean comerciales o creadas por ellos mismos, desde la perspectiva de que habían traído los cambios previstos para la enseñanza y el aprendizaje (Evaluación). En el espacio de actuación, los educadores interpretan los resultados de la evaluación en relación con los objetivos iniciales de la intervención y discuten cómo modificar la entrega de instrucción o la evaluación como herramientas de medición, lo que sienta las bases para las nuevas intervenciones (Actuación).
Examen de preparación
Esta función no está destinada a que los profesores "enseñen para el examen". Más bien, apunta a las siguientes actividades: actividades integradas en el plan de estudios, práctica de pruebas, diseño ambiental y alcance comunitario. Los maestros incorporan el contenido de la evaluación estandarizada en sus instrucciones diarias (actividades integradas en el plan de estudios), ayudan a los estudiantes a practicar o acostumbrarse a tomar exámenes con tipos similares de exámenes (práctica de exámenes) y establecen una toma de exámenes favorable medio ambiente (diseño ambiental). Además, los maestros se comunican con los padres y los miembros de la comunidad sobre los temas que van desde la implementación de la prueba hasta la interpretación de los resultados de la prueba (alcance comunitario).
Trascendencia
Para distritos escolares
La principal implicación para los distritos escolares es garantizar que se recopilen y estén disponibles datos relevantes y de alta calidad. Más allá de crear sistemas para recopilar y compartir los datos, el distrito escolar debe proporcionar la experiencia, en forma de personal experto en datos y / o el acceso a recursos de desarrollo profesional para garantizar que los líderes de los edificios escolares puedan acceder y utilizar los datos. [10]
Otro componente crítico de la responsabilidad del distrito es proporcionar el liderazgo y la visión para promulgar el uso de información sobre el desempeño de los estudiantes para mejorar la práctica de la enseñanza. Zavadsky y Dolejs sugieren dos áreas para que los distritos escolares consideren:
“El primero es la recopilación y el análisis de datos. Los distritos y las escuelas deben considerar cuidadosamente qué datos necesitan recopilar, desarrollar instrumentos con los que recopilar los datos y hacer que los datos estén disponibles lo antes posible. El segundo componente es el uso de datos. Los directores y líderes del distrito deben darles a los maestros suficiente tiempo y capacitación para comprender los datos y aprender a responder a lo que revelan los datos ”. [11]
Si bien la literatura muestra la importancia vital del papel del distrito en preparar el escenario para la instrucción basada en datos, una mayor parte del trabajo de conectar el desempeño de los estudiantes con las prácticas en el aula ocurre a nivel de la escuela y del aula.
Para escuelas
Las escuelas tienen un papel importante en el establecimiento de las condiciones para que prospere la instrucción basada en datos. Heppen y col. indican la necesidad de un enfoque claro y coherente en el uso de datos y un entorno rico en datos para apoyar los esfuerzos de los maestros para usar los datos para impulsar la instrucción. Cuando el liderazgo crea y mantiene un entorno que promueve la colaboración y comunica claramente la urgencia de mejorar el aprendizaje de los estudiantes, los maestros se sienten apoyados para participar en el uso de datos. El andamio adicional de modelar el uso de datos a nivel escolar aumenta la experiencia de los maestros en el uso de datos. [12]
Para profesores
La instrucción basada en datos se crea e implementa en el aula. Los maestros tienen el vínculo más directo entre el desempeño de los estudiantes y las prácticas en el aula. Mediante el uso de datos, los maestros pueden tomar decisiones sobre qué y cómo enseñar, incluido cómo usar el tiempo en clase, intervenciones para estudiantes que no cumplen con los estándares, personalización de lecciones basadas en información en tiempo real, adaptando la práctica docente para alinearla con las necesidades de los estudiantes. y realizar cambios en el ritmo, el alcance y la secuencia. [13]
Para poder participar en la instrucción basada en datos, los maestros primero deben desarrollar el conocimiento, las habilidades y las disposiciones necesarias. Trabajando en una cultura y un clima escolar en el que se valora y apoya la instrucción basada en datos, los maestros tienen la capacidad de aumentar el rendimiento de los estudiantes y potencialmente reducir la brecha de rendimiento. Además, los maestros deben tener acceso a oportunidades de aprendizaje o desarrollo profesional que les ayuden a comprender el marco pedagógico y las habilidades técnicas necesarias para obtener, analizar y utilizar información sobre los estudiantes para tomar decisiones sobre la instrucción. [14]
Para estudiantes
Un nuevo crecimiento significativo en la instrucción basada en datos consiste en que los estudiantes den forma a sus lecciones utilizando datos sobre su propio progreso. Los estudiantes más jóvenes que pueden autoinformarse sobre las calificaciones y otras evaluaciones pueden experimentar altos niveles de logro y progreso dentro de la instrucción. [15] Para integrar el análisis de datos de los estudiantes en las prácticas del aula, se requiere tiempo, capacitación y acción. [16] Las estrategias que usan los estudiantes para evaluar su propio aprendizaje varían en efectividad. En un metanálisis, Dunlosky, Rawson, Marsh, Nathan & Willingham clasificaron diez estrategias de aprendizaje según el impacto proyectado que cada una tendría en el rendimiento:
Estrategias altamente efectivas:
- Prueba de práctica: autoevaluación, resolución de problemas de práctica
- Práctica distribuida: práctica repetitiva en intervalos de tiempo específicos
Estrategias moderadamente efectivas:
- Interrogación elaborativa: explicando el 'por qué'
- Autoexplicación: explicar cómo la nueva información se relaciona con lo que ya se sabe.
- Práctica intercalada: mezcla de diferentes tipos de problemas en una sesión de práctica
Estrategias menos efectivas:
- Resumen: redacción de resúmenes del material que se está aprendiendo.
- Resaltado: marcar partes del texto que son importantes
- Palabra clave mnemotécnica: varias técnicas mnemotécnicas
- Uso de imágenes para el aprendizaje de textos: intente formar imágenes mentales de las cosas que se leen.
- Releer - leer el material nuevamente después de la lectura inicial [17]
Vale la pena señalar que las estrategias menos efectivas pueden usarse más comúnmente en las aulas K-12 que las estrategias moderadamente efectivas y altamente efectivas. Los autores sugieren que se les debe enseñar a los estudiantes cómo usar técnicas más efectivas y cuándo son más útiles para guiar su aprendizaje. Cuando estas estrategias se internalicen, los estudiantes habrán desarrollado técnicas para aprender a aprender. Esto es fundamental a medida que avanzan al nivel secundario y se espera que sean más independientes en sus estudios.
Criticas
Una de las principales críticas a la instrucción basada en datos es que se centra demasiado en los resultados de las pruebas y que no se presta suficiente atención a los resultados de las evaluaciones en el aula. La instrucción basada en datos debe servir como una "hoja de ruta a través de la evaluación" que ayude a "los maestros a planificar la instrucción para satisfacer las necesidades de los estudiantes, lo que lleva a un mejor rendimiento". [18] Las evaluaciones sumativas no deben usarse para informar la enseñanza y el aprendizaje cotidianos que se apoyan en la instrucción basada en datos. Los problemas adicionales asociados con las percepciones de la instrucción impulsada por datos incluyen las limitaciones de los datos cuantitativos para representar el aprendizaje del estudiante, sin considerar las necesidades sociales y emocionales o el contexto de los datos al tomar decisiones de instrucción, y un hiperconcentrado en las áreas centrales de alfabetización y matemáticas mientras ignorando las áreas repetidas, tradicionalmente de alto interés, como las artes y las humanidades.
Citas
- ^ Elmore, Richard F. Construyendo una nueva estructura para el liderazgo escolar . Instituto Albert Shanker.
- ^ Moriarty, Tammy Wu (mayo de 2013). Toma de decisiones basada en datos: uso de datos por parte de los profesores en el aula (tesis). ProQuest 1432373944 .
- ^ Larocque, M (2007). "Cerrar la brecha de logros: la experiencia de una escuela secundaria". Cámara de compensación . 80 (4): 157-162. doi : 10.3200 / tchs.80.4.157-162 .
- ^ Kennedy, Brianna L .; Datnow, Amanda (diciembre de 2011). "Participación de los estudiantes y toma de decisiones basada en datos: desarrollo de una nueva tipología". Juventud y Sociedad . 43 (4): 1246-1271. doi : 10.1177 / 0044118X10388219 .
- ^ a b c Boudett, KP; Ciudad, EA; Murname, RJ (2013). Data Wise: Una guía paso a paso para usar los resultados de la evaluación para mejorar la enseñanza y el aprendizaje . Cambridge, MA: Harvard Education Press.
- ^ Dana, NF; Yendol-Hoppey, D. (2014). The Reflective Educator's Guide to Classroom Research: Learning to Teaching and Teaching to Learn Through Practitioner Inquiry (3ª ed.). Thousand Oaks, CA: Corwin.
- ^ a b c Negro, P; Wiliam, D. (1998). "Dentro de la caja negra: elevar los estándares a través de la evaluación en el aula". Phi Delta Kappan . 80 (2): 139-148.
- ^ Wiliam, Dylan (2011). Evaluación formativa incorporada . Bloomington, IN: Árbol de soluciones.
- ^ a b c d e f Halverson, Richard; Grigg, Jeffrey; Prichett, Reid; Thomas, Chris (marzo de 2007). "El nuevo liderazgo educativo: creación de sistemas educativos basados en datos en la escuela" (PDF) . Revista de liderazgo escolar . 17 (2): 159-194. doi : 10.1177/105268460701700202 . Archivado desde el original (PDF) el 2020-02-11.
- ^ Swan, G .; Mazur, J. (2011). "Examinar la toma de decisiones impulsada por datos a través de la evaluación formativa: una confluencia de tecnología, heurística de interpretación de datos y política curricular" . Problemas contemporáneos en tecnología y formación docente . 11 (2): 205.
- ^ Zavadsky, H .; Dolejs, A. (2006). "DATOS: No es una palabra más de cuatro letras". Liderazgo principal, nivel medio de educación . 7 (2): 32–36.
- ^ Heppen, Jessica; Faria, Ann-Marie; Thomsen, Kerri; Sawyer, Katherine; Townsend, Monika; Kutner, Melissa; Stachel, Suzanne; Lewis, Sharon; Casserly, Michael. Uso de datos para mejorar la instrucción en las grandes escuelas de la ciudad: dimensiones clave de la práctica. Estudio de datos urbanos . Consejo de las Grandes Escuelas de la Ciudad.
- ^ Hamilton y col. - 2009 - Uso de datos de rendimiento de los estudiantes para respaldar instruct.pdf. (Dakota del Norte). Obtenido de http://files.eric.ed.gov/fulltext/ED506645.pdf
- ^ Furlong-Gordon, Jean Marie (noviembre de 2009). Impulsar la instrucción en el aula con datos: del distrito a los profesores y al aula (Tesis) ProQuest 250914319 .
- ^ Hattie, J. (2012). Aprendizaje visible para profesores: maximizar el impacto en el aprendizaje . Nueva York: Routledge.
- ^ Depka, Eileen (29 de marzo de 2019). Dejar que los datos lideren: cómo diseñar, analizar y responder a la evaluación del aula . Bloomington, IN: Árbol de soluciones. pag. 106.
- ^ Dunlosky, J .; Rawson, KA; Marsh, EJ; Nathan, MJ; Willingham, DT (2013). "Mejorar el aprendizaje de los estudiantes con técnicas de aprendizaje efectivas que prometen orientaciones desde la psicología cognitiva y educativa". La ciencia psicológica de interés público . 14 (1): 4-58. doi : 10.1177 / 1529100612453266 . PMID 26173288 . S2CID 1621081 .
- ^ Neuman, Susan B. (noviembre de 2016). "Código rojo: el peligro de la instrucción basada en datos" . Liderazgo educativo . 74 (3): 24-29.
Referencias adicionales
- Black, P .; Wiliam, D. (1998). "Dentro de la caja negra: elevar los estándares a través de la evaluación en el aula". Phi Delta Kappan . 80 (2): 139-148.
- Boudett, KP, Ciudad, EA, Murname, RJ (2013). Data Wise: Una guía paso a paso para usar los resultados de la evaluación para mejorar la enseñanza y el aprendizaje. Cambridge, MA: Harvard Education Press.
- Dana, NF y Yendol-Hoppey, D. (2014). The Reflective Educator's Guide to Classroom Research: Learning to Teaching and Teaching to Learn Through Practitioner Inquiry (3ª Ed.). Thousand Oaks, CA: Corwin.
- Datnow, A. y Park, V. (2014). Liderazgo basado en datos. San Francisco, CA: Jossey-Bass.
- Dunlosky, J .; Rawson, KA; Marsh, EJ; Nathan, MJ; Willingham, DT (2013). "Mejorar el aprendizaje de los estudiantes con técnicas de aprendizaje efectivas que prometen orientaciones desde la psicología cognitiva y educativa". La ciencia psicológica de interés público . 14 (1): 4-58. doi : 10.1177 / 1529100612453266 . PMID 26173288 .
- Eagle, M., Corbett, A., Stamper, J., McLaren, BM, Baker, R., Wagner, A., ... Mitchell, A. (2016). Predicción de diferencias individuales para el modelado del alumno en tutores inteligentes a partir de actividades anteriores del alumno (págs. 55–63). Prensa ACM. doi : 10.1145 / 2930238.2930255
- Elmore, RF (2000). Construyendo una nueva estructura de liderazgo escolar. Instituto Albert Shanker. Obtenido de http://eric.ed.gov/?id=ED546618
- Gold, S (2005). "IMPULSADO POR DATOS". Tecnología y aprendizaje . 25 (11): 6, 8–9.
- Halverson, R., Grigg, J., Prichett, R. y Thomas, C. (2007). El nuevo liderazgo educativo: creación de sistemas educativos basados en datos en la escuela. Journal of School Leadership, 17 (marzo), 159-194.
- Hamilton y col. - 2009 - Uso de datos de rendimiento de los estudiantes para respaldar instruct.pdf. (Dakota del Norte). Obtenido de http://files.eric.ed.gov/fulltext/ED506645.pdf
- Hamilton, L., Halverson, R., Jackson, SS, Mandinach, E., Supovitz, JA, Wayman, JC, ... Steele, JL (2009). Usar datos de rendimiento estudiantil para apoyar la toma de decisiones educativas. Obtenido de http://repository.upenn.edu/gse_pubs/279/
- Hattie, J. (2012). Aprendizaje visible para profesores: maximizar el impacto en el aprendizaje. Nueva York: Routledge.
- Heppen, J., Faria, A.-M., Thomsen, K., Sawyer, K., Townsend, M., Kutner, M., ... Casserly, M. (2010). Uso de datos para mejorar la instrucción en las grandes escuelas de la ciudad: dimensiones clave de la práctica. Estudio de datos urbanos. Consejo de las Grandes Escuelas de la Ciudad. Obtenido de http://eric.ed.gov/?id=ED536737
- Johnson, L. (2009). Randi Weingarten, Presidenta Antonia Cortese, Secretaria Tesorera. Obtenido de http://eric.ed.gov/?id=ED511575
- Jones, A (2005). "Los mitos de las escuelas basadas en datos. Liderazgo principal". Ed . De nivel medio 6 (2): 37–39.
- Kennedy, BL; Datnow, A. (2011). "Participación de los estudiantes y toma de decisiones basada en datos que desarrollan una nueva tipología". Juventud y Sociedad . 43 (4): 1246-1271. doi : 10.1177 / 0044118X10388219 .
- Larocque, M (2007). "Cerrar la brecha de logros: la experiencia de una escuela secundaria". Cámara de compensación . 80 (4): 157-162. doi : 10.3200 / tchs.80.4.157-162 .
- Melucci, L. (2013, agosto). PERCEPCIONES DEL PROFESOR Y USO DE INSTRUCCIONES BASADAS EN DATOS.pdf. Universidad Capella.
- Mokhtari, K .; Rosemary, CA; Edwards, PA (2007). "Toma de decisiones de instrucción basadas en datos: qué, cómo y por qué". Profesor de lectura . 61 (4): 354–359. doi : 10.1598 / rt.61.4.10 .
- Pella, S (2012). "¿Qué debe contarse como datos para la instrucción basada en datos? Hacia modelos de investigación de datos contextualizados para la formación docente y el desarrollo profesional". Revista de investigación de grados intermedios . 7 (1): 57–75.
- Rogers, LN y Tyndall, PD (2001). Perspectivas de los maestros: desarrollo del liderazgo educativo a través de la investigación en el aula. Obtenido de http://eric.ed.gov/?id=ED465596
- Schmidt, WH; Burroughs, NA; Zoido, P .; Houang, RT (2015). "El papel de la escolarización en la perpetuación de la desigualdad educativa una perspectiva internacional" (PDF) . Investigador educativo . 44 (7): 371–386. doi : 10.3102 / 0013189x15603982 . Archivado desde el original (PDF) el 19 de febrero de 2020.
- Schmoker, M. (1996). Resultados: la clave para la mejora escolar continua. Alexandria, VA: Asociación para la supervisión y el desarrollo curricular.
- Shanahan, T., Callison, K., Carriere, C., Duke, NK, Pearson, PD, Schatschneider, C. y Torgesen, J. (2010). Mejora de la comprensión lectora desde el jardín de infantes hasta el tercer grado: Guía práctica de IES. NCEE 2010-4038. Qué funciona Clearinghouse. Obtenido de http://eric.ed.gov/?id=ED512029
- Stamper, J., Ed, Pardos, Z., Ed, Mavrikis, M., Ed, McLaren, BM, Ed, y la Sociedad Internacional de Minería de Datos Educativos. (2014). Actas de la Séptima Conferencia Internacional sobre Minería de Datos Educativos (EDM) (7ª, Londres, Reino Unido, 4 al 7 de julio de 2014). Sociedad Internacional de Minería de Datos Educativos. http://www.educationaldatamining.org
- Swan, G .; Mazur, J. (2011). "Examinar la toma de decisiones impulsada por datos a través de la evaluación formativa: una confluencia de tecnología, heurística de interpretación de datos y política curricular" . Problemas contemporáneos en tecnología y formación docente . 11 (2): 205.
- Wiliam, D. (2011). Evaluación formativa incorporada. Bloomington, IN: Árbol de soluciones.
- Zavadsky, H. y Dolejs, A. (2006). DATOS: No es una palabra más de cuatro letras. Liderazgo principal, educación de nivel medio, 7 (2), 32–36.