2023 Autor: Susan Erickson | [email protected]. Zuletzt bearbeitet: 2023-05-22 01:23
Bildungspolitik ist umstritten: Positionen zu Leistungslücken, Schulproblemen und Klassengröße sind emotional aufgeladen, Forschungsstudien kommen oft zu sehr unterschiedlichen Ergebnissen.
Aber was wäre, wenn es eine neue Herangehensweise an das Problem gäbe – eine Herangehensweise, die Bildung als komplexes System behandelt (unter Berücksichtigung aller Interaktionen) und Computermodellierung und Netzwerkanalyse nutzt, um einen umfassenden Blick auf die Ergebnisse zu werfen von politischen Entscheidungen?
Forscher der McCormick School of Engineering and Applied Science and School of Education and Social Policy der Northwestern University argumentieren in einem Artikel, der am 14. Oktober veröffentlicht wurde.1 in der Zeitschrift Science, dass ein solcher Ansatz dazu beitragen kann, Erkenntnisse zu integrieren und die Bildungspolitik besser zu informieren. Die Professoren Uri Wilensky und Luis Amaral haben Richtlinien in einfache Regeln zerlegt und diese unter verschiedenen Bedingungen rechnerisch modelliert.
Wilensky, Professor für Lernwissenschaften und Elektrotechnik und Informatik, und Amaral, Professor für Chemie- und Bioingenieurwesen, haben das Papier mit mehreren ihrer derzeitigen und ehemaligen Doktoranden und Kollegen verfasst. Der Artikel entstand aus einem dreijährigen, von der National Science Foundation unterstützten Projekt, das sie durchführten.
In dem Artikel argumentieren Wilensky und Amaral, dass die aktuelle bildungspolitische Forschung häufig in zwei Kategorien fällt: wirkungsbasierte Forschung, die sich auf die Quantifizierung dessen konzentriert, „was in der Bildung funktioniert“, und mechanismusbasierte Forschung, wie z. B. Ethnographien, Fall Studien und Laborexperimente, die sich auf Einzelpersonen und "wie es funktioniert" konzentrieren."
Aber um einen vollständigen Überblick über Bildung zu erh alten, müssen Forscher Methoden anwenden, die Erkenntnisse über Prozesse auf Mikroebene (der Schüler) mit Ergebnissen auf Makroebene (Schülerleistungen) integrieren. Dazu betrachten Wilensky und Amaral Bildung als ein komplexes System: ein System mit vielen interagierenden Teilen, das nur verstanden werden kann, indem man die Interaktionen der Teile und die sie verbindenden Netzwerke untersucht. Die Kenntnis der Teile allein führt nicht zum Verständnis des Gesamtsystems.
"In Anbetracht all der veröffentlichten Forschungsergebnisse ist es schwierig, Schlussfolgerungen zur Bildungspolitik zu ziehen", sagte Wilensky. "In dieser modellierten Welt können Sie alle Arten von alternativen Richtlinien und Bedingungen simulieren und dann ihre Auswirkungen besser verstehen."
Ingenieure und Wissenschaftler, die an komplexen Systemen forschen, verwenden sogenannte agentenbasierte Modellierung, um solche Systeme zu simulieren, zu erforschen und vorherzusagen. Sozialwissenschaftler entwickeln und simulieren seit kurzem bildungspolitische Szenarien. Auf diese Weise können sie sehen, wie sich Verh altensweisen auf Einzel- und Gruppenebene auf systemweite Ergebnisse beziehen.
In dem Artikel zitieren die Autoren mehrere andere Studien und ihre eigene Forschung als Beweis dafür, dass dieser Ansatz funktioniert. Wilensky und Amaral, zusammen mit Louis Gomez, früher bei Northwestern und jetzt Professor für Lernwissenschaften und Politik an der University of Pittsburgh, und Spiro Maroulis, Wilenskys ehemaliger Doktorand und jetzt Gastprofessor und Postdoktorand an der Kellogg School of Management von Northwestern verwendete einen Modellierungsansatz für ein heißes Bildungsthema: Schulwahl.
Sie verwenden die agentenbasierte Modellierungssoftware NetLogo von Wilensky zusammen mit Daten auf Schüler- und Schulebene von Chicago Public Schools, um die Sensitivität von Ergebnissen auf Bezirksebene besser zu verstehen, wie z. In einem Modellierungsszenario ermöglichten sie Schulen mit einer größeren Fähigkeit, die Testergebnisse der Schüler zu verbessern, den Eintritt in den Bezirk und stellten fest, dass, wenn Schüler die Testergebnisse einer Schule viel mehr schätzten als ihre geografische Nähe, dies die Verbesserung im Bezirk einschränken könnte. Das liegt daran, dass es für neue Schulen schwieriger wurde, zu überleben.
"Die Schulen, die anfangs sehr gut aussehen, werden überschwemmt, und sie werden überfordert und neigen dazu, zu schließen", sagte Wilensky. Eine solche Forschung könnte den Weg für neue Schulwahlprogramme ebnen.
In einer anderen Studie nutzten Wilensky, Amaral und ihre Schüler Umfragen, um Freundschaftsnetzwerke unter Highschool-Schülern zu untersuchen. „Wir waren in der Lage, von Amaral entwickelte Algorithmen zu verwenden, um Untergemeinschaften – die Freundschaftsgruppen – zu trennen und herauszufinden, wer die wichtigsten zentralen Akteure waren und wie sie die Gruppe beeinflussten“, sagte Wilensky.
Die Forscher untersuchten Gruppen, die sowohl aus leistungsstarken als auch aus leistungsschwachen Personen bestanden. Sie fanden heraus, dass in einer Gruppe, die hauptsächlich Leistungsstarke enthielt, die Leistungsschwächeren tendenziell besser wurden. In einer Gruppe mit überwiegend leistungsschwachen Personen schnitten die Leistungsträger tendenziell schlechter ab. Darüber hinaus verbesserten Schüler in den leistungsstärkeren Freundschaftsgruppen ihre Punktzahl stärker als Schüler in den leistungsschwachen Gruppen.
"Letztendlich bietet ein komplexer systembasierter Ansatz eine neue Sichtweise auf Bildungs- und Sozialpolitik und sollte in die Ausbildungsprogramme für Hochschulabsolventen integriert werden", sagte Wilensky.
"Es ist eine neue Form der Argumentation, die helfen wird, Meinungsverschiedenheiten zu lösen", sagte er. "Indem wir ein komplexes System aufschlüsseln und die Regeln herausfinden, die es erzeugen, können wir das System im Computer erweitern und Modelle erstellen, die uns zu Hebelpunkten führen können, die uns helfen, festzustellen, welche Richtlinien funktionieren."
