Finding Root Causes Effectively a Powerful Way to Improve Schools.
Notice bibliographique
Résumé
Most School Improvement Plans (SIPs) in education do not guide staff efforts to tackle the root causes that prevent significant performance improvement. It is unlikely student achievement will improve should these root causes remain. As a result, NCLB mandated consequences will eventually be imposed. These consequences increase pressure to address the root causes, but do not, in themselves, help schools determine or remove the root causes. SIPs generally reflect surface level discussions about the root causes of school performance issues. This then leads to plans that address symptoms rather than causes. By improving SIP quality through better determinations of the root causes of school performance issues, staff and administrative efforts will be more focused and directed in ways that have a higher likelihood of improving results. A review of education research and literature found that educators are urged to create cultures of inquiry and to determine root causes of problems to improve student achievement; however, almost no guidance actually exists that provides a school team a detailed methodology for finding these root causes. Using experience gained by facilitating the determination of root causes in schools and in industrial settings, as well as lessons from research and literature both within and outside of education, this paper provides a recommend process, and detailed protocols and tools for defining problems to be investigated and determining their root causes. The process differentiates the facilitation, protocols and tools to be employed based on the school‘s existing organizational culture and its past performance results. These recommendations also support the development of a collaborative, inquiry based culture. Additional proposals are then provided for the entire SIP process, as well as for school district central office support, based on the lessons learned from developing the recommended process, protocols and tools.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,014 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».