Trusting the data: an updated framework for teachers’ data-driven decision-making (DDDM) in higher education
Notice bibliographique
Résumé
Abstract This study presents an enhanced framework for Data-Driven Decision-Making (DDDM) in higher education, explicitly designed to address the complexities of contemporary teaching and learning environments. Expanding on Mandinach, Honey, and Light’s foundational 2006 framework, this study integrates pedagogical and contextual data with traditional technological inputs, creating a holistic approach to faculty decision-making. The study explores two primary questions: (1) How does the integration of pedagogical, contextual, and technological data sources influence iterative faculty decision-making over time, and (2) How do these integrated data sources guide faculty responses to real-time challenges such as COVID-19 and Generative Artificial Intelligence (GenAI)? Through a five-year longitudinal case study of an elective undergraduate course utilizing Wikipedia, Wikidata, Learning Management Systems (LMS), and real-time communication tools, this research illustrates how diverse data sources informed iterative decisions, course adaptations, and instructional strategies. Findings reveal that effective DDDM requires integrating quantitative technological data with qualitative pedagogical insights and contextual factors such as external disruptions. The proposed framework demonstrates adaptability, addressing emergent educational challenges including the COVID-19 pandemic and the integration of GenAI into teaching practices. This study uniquely contributes to the existing discourse by articulating how the updated DDDM framework builds upon and enhances Mandinach et al.‘s original model. The framework offers educators an empirically-informed model for integrating diverse data sources to enhance student engagement, course design, and learning outcomes. By bridging existing gaps, this updated framework significantly advances data-driven practices in higher education.
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 | 0,055 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,037 |
| Communication savante | 0,017 | 0,019 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».