چالش‌های پیاده‌سازی سیاست‌های یادگیری مبتنی بر داده

نویسندگان

    مهتاب قنبری * گروه تکنولوژی آموزشی، دانشگاه فردوسی مشهد، مشهد، ایران ghanbari27.mahtab@yahoo.com

کلمات کلیدی:

یادگیری مبتنی بر داده, سیاست‌گذاری آموزشی, سواد داده‌ای, چالش‌های سازمانی, زیرساخت فناوری, بومی‌سازی

چکیده

هدف این پژوهش بررسی نظام‌مند چالش‌های اصلی پیاده‌سازی سیاست‌های یادگیری مبتنی بر داده در نظام‌های آموزشی و تبیین عوامل فنی، انسانی و سیاستی مؤثر بر موفقیت یا ناکامی این رویکرد است. این پژوهش از نوع مروری کیفی و با رویکرد تحلیل محتوای استقرایی انجام شده است. داده‌های پژوهش از طریق مرور نظام‌مند منابع علمی و انتخاب هدفمند ۱۲ مقاله معتبر از پایگاه‌های Scopus، ScienceDirect، Springer و Emerald گردآوری شد. تحلیل داده‌ها با استفاده از نرم‌افزار NVivo نسخه 14 صورت گرفت. در فرایند کدگذاری، کدهای اولیه از متون استخراج و در قالب مضامین و زیرمضامین طبقه‌بندی شدند. با تکرار مضامین و رسیدن به اشباع نظری، سه مضمون اصلی شامل چالش‌های فنی و زیرساختی، چالش‌های انسانی و سازمانی و چالش‌های سیاستی و راهبردی شناسایی گردید. نتایج نشان داد که مهم‌ترین چالش‌های اجرای سیاست‌های یادگیری داده‌محور، به سه سطح اصلی تقسیم می‌شوند. در سطح فنی، کمبود زیرساخت دیجیتال، ضعف امنیت داده و نبود استانداردهای داده‌ای از موانع اصلی بودند. در سطح انسانی، پایین بودن سواد داده‌ای، مقاومت در برابر تغییر، کمبود رهبران داده‌محور و ضعف فرهنگ سازمانی بیشترین تکرار را داشتند. در سطح سیاستی، نبود راهبرد ملی، کمبود حمایت مالی، ضعف در قوانین داده و چالش‌های بومی‌سازی از مهم‌ترین موانع گزارش‌شده بودند. یافته‌ها نشان دادند که تعامل ناکافی میان سطوح فنی، انسانی و نهادی موجب می‌شود یادگیری مبتنی بر داده در حد پروژه‌های کوتاه‌مدت باقی بماند. یادگیری مبتنی بر داده صرفاً یک تحول فناورانه نیست، بلکه تغییری بنیادین در نگرش به سیاست‌گذاری آموزشی است. موفقیت این رویکرد مستلزم ایجاد زیرساخت‌های امن، پرورش رهبری داده‌محور، توسعه سواد داده‌ای و طراحی سیاست‌های هماهنگ و بومی‌سازی‌شده است. نتایج این پژوهش می‌تواند به سیاست‌گذاران آموزشی در طراحی چارچوب‌های مؤثر برای توسعه یادگیری داده‌محور کمک کند.

دانلودها

دسترسی به دانلود اطلاعات مقدور نیست.

مراجع

Elias, T. (2019). Learning analytics: Definitions, processes, and potential. Learning and Teaching in Higher Education, 1(1), 25–40.

Ferguson, R., Clow, D., Macfadyen, L., Tynan, B., Alexander, S., & Dawson, S. (2018). Setting learning analytics in context: Overcoming the barriers to large-scale adoption. Journal of Learning Analytics, 5(1), 35–51.

Ifenthaler, D. (2022). Data-informed learning design: A new paradigm of educational research and practice. Computers in Human Behavior, 134, 107301.

Ifenthaler, D., & Yau, J. Y. K. (2020). Utilising learning analytics to support study success in higher education: A systematic review. Educational Technology Research and Development, 68(4), 1961–1999.

Jarke, J., & Breiter, A. (2019). Governing through data in education: A European perspective. European Educational Research Journal, 18(6), 731–742.

Kuhl, P. K., Lim, S. S., Guerriero, S., & van Damme, D. (2020). The culture of learning and the challenges of digital transformation. OECD Education Working Papers, No. 238.

Larrabee Sønderlund, A., Hughes, E., & Smith, J. (2019). The effectiveness of learning analytics interventions in higher education: A systematic review. British Journal of Educational Technology, 50(5), 2594–2618.

Lodge, J. M., & Corrin, L. (2019). What data and analytics can and do say about effective learning. NPJ Science of Learning, 4(1), 1–7.

Mandinach, E. B., & Gummer, E. S. (2016). Data literacy for educators: Making it count in teacher preparation and practice. Teachers College Record, 118(11), 1–28.

Marsh, J. A., Farrell, C. C., & Bertrand, M. (2018). Trickle-down accountability: How middle school teachers engage students in data use. Educational Policy, 32(5), 731–762.

Papamitsiou, Z., & Economides, A. A. (2019). Learning analytics and educational data mining in practice: A systematic literature review. Educational Technology & Society, 17(4), 49–64.

Piety, P. J., Hickey, D. T., & Bishop, M. J. (2019). Educational data sciences: Framing emergent practices for analytics of learning, organizations, and systems. Frontiers in Education, 4, 134.

Poortman, C. L., Schildkamp, K., & Lai, M. K. (2017). Effective data teams: A systematic review. Studies in Educational Evaluation, 58, 31–45.

Prinsloo, P., & Slade, S. (2016). Student privacy self-management: Implications for learning analytics. Proceedings of the Sixth International Conference on Learning Analytics & Knowledge, 89–98.

دانلود

چاپ شده

۱۴۰۴/۰۱/۱۷

ارسال

۱۴۰۳/۱۱/۱۳

بازنگری

۱۴۰۳/۱۲/۲۱

پذیرش

۱۴۰۳/۱۲/۲۷

شماره

نوع مقاله

مقالات

ارجاع به مقاله

قنبری م. (1404). چالش‌های پیاده‌سازی سیاست‌های یادگیری مبتنی بر داده. یادگیری هوشمند و تحول مدیریت، 3(1)، 1-13. https://jilmt.com/index.php/jilmt/article/view/40

مقالات مشابه

1-10 از 47

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.