📄 social_science

The Mediating Effect of Deep Teaching Practices on Data Driven Quality Leadership and Deep Learning

Diese Studie validiert ein Modell der qualitätsdatengetriebenen Führung (Quality Data-Driven Leadership, QDDL) in der Provinz Aceh und zeigt auf, dass tiefgreifende Unterrichtspraktiken die Beziehung zwischen Führung und der Implementierung von Deep Learning vollständig mediieren, was bedeutet, dass Führung zunächst die Unterrichtspraktiken stärken muss, um eine bildungspolitische Transformation erfolgreich voranzutreiben.

Ursprüngliche Autoren: Nasir Usman, Amiruddin Amiruddin, Murniati AR, Ulfah Irani Z, Niswanto Niswanto, Hendra Darmawan

Veröffentlicht 2026-06-24

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Nasir Usman, Amiruddin Amiruddin, Murniati AR, Ulfah Irani Z, Niswanto Niswanto, Hendra Darmawan

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Das große Ganze: Ein Rezept für besseres Lernen

Stellen Sie sich vor, eine Schule in Aceh, Indonesien, versucht ihr Kochen aufzuwerten. Das Ziel ist nicht nur, Essen zu servieren, das den Magen füllt (Auswendiglernen von Fakten); das Ziel ist es, ein Gourmet-Menü zu servieren, das den Schülern beibringt, selbst zu kochen, zu denken und zu kreieren (Deep Learning / Tiefenlernen).

Die Forscher wollten wissen: Wie kommen wir vom Büro des Schulleiters bis zum Teller des Schülers?

Sie testeten ein spezielles „Rezept“ mit drei Hauptzutaten:

Der Chefkoch (Datengesteuerte Qualitätsführung): Der Schulleiter, der Daten nutzt, um kluge Entscheidungen zu treffen.
Die Kochtechnik (Deep Teaching Praktiken): Die eigentliche Art und Weise, wie Lehrer im Klassenzimmer unterrichten.
Das Mahl (Implementierung von Deep Learning): Die Schüler, die tatsächlich verstehen und das Gelernte anwenden.

Die wichtigste Entdeckung: Der „Mittelsmann“ ist alles

Die überraschendste Erkenntnis dieser Studie ist, dass der Chefkoch (der Schulleiter) das Mahl nicht direkt kochen kann.

Denken Sie an Folgendes: Ein Schulleiter kann die besten Zutaten kaufen (Daten), das beste Rezeptbuch schreiben (strategische Pläne) und das beste Personal einstellen. Aber wenn der Koch in der Küche (der Lehrer) nicht weiß, wie man schneidet, anbrät und abschmeckt (Deep Teaching), wird das Essen trotzdem nicht schmecken.

Die Studie ergab, dass Deep Teaching Praktiken als „vollständiger Mediator“ fungieren.

Was das bedeutet: Die datengesteuerte Führung des Schulleiters funktioniert nur, wenn sie zuerst die Art und Weise verändert, wie die Lehrer unterrichten.
Die Analogie: Stellen Sie sich vor, der Schulleiter ist ein GPS-System. Das GPS kann Ihnen die perfekte Route geben (Daten und Strategie), aber das GPS kann nicht das Auto fahren. Der Lehrer ist der Fahrer. Wenn der Fahrer nicht tatsächlich das Lenkrad bewegt und lenkt (Deep Teaching), kommt das Auto nirgendwo an, egal wie gut das GPS ist.

Die Ergebnisse im Detail

1. Die Rolle des Schulleiters (Datengesteuerte Führung)

Was das Paper sagt: Schulleiter, die Daten nutzen, um Entscheidungen zu treffen (wie z. B. Testergebnisse, Schülerfeedback und Unterrichtsbeobachtungen), sind sehr gut darin, die Unterrichtsmethoden der Lehrer zu verbessern.
Das Ergebnis: Es gibt hier einen starken, positiven Zusammenhang. Wenn Schulleiter Daten nutzen, werden Lehrer besser im „Deep Teaching“.
Der Haken: Die Studie fand heraus, dass die Daten des Schulleiters das Lernen der Schüler nicht direkt verbessern. Die Verbindung zwischen dem Schulleiter und dem Lernen des Schülers ist unterbrochen, außer der Lehrer ist involviert.

2. Die Rolle des Lehrers (Deep Teaching)

Was das Paper sagt: Dies ist die kraftvollste Zutat. Wenn Lehrer spezifische Methoden anwenden – wie etwa tiefgründige Fragen stellen, Projekte durchführen und hilfreiches Feedback geben – lernen Schüler viel tiefer.
Das Ergebnis: Dies ist die stärkste Verbindung in der gesamten Studie. Gute Unterrichtspraktiken sind der direkte Motor, der das Lernen der Schüler antreibt.

3. Das Ergebnis der Schüler (Deep Learning)

Was das Paper sagt: Die Schüler lernen, kritisch zu denken, reale Probleme zu lösen und Konzepte tiefgreifend zu verstehen.
Das Ergebnis: Dies geschieht fast ausschließlich durch die Methoden der Lehrer. Der Einfluss des Schulleiters wird nur deshalb spürbar, weil er den Lehrern geholfen hat, ihren Job besser zu machen.

„Vollständige Mediation“ einfach erklärt

In der Statistik fanden die Forscher heraus, dass der direkte Effekt des Schulleiters auf das Lernen der Schüler im Wesentlichen bei Null lag (er war statistisch nicht signifikant). Der indirekte Effekt war jedoch riesig.

Die Metapher: Denken Sie an einen Wasserschlauch.
- Der Schulleiter ist die Wasserquelle (der Wasserhahn).
- Der Lehrer ist der Schlauch.
- Der Schüler ist der Garten.
- Wenn Sie den Wasserhahn aufdrehen (der Schulleiter nutzt Daten), aber der Schlauch geknickt oder kaputt ist (der Lehrer nutzt kein Deep Teaching), bleibt der Garten trocken.
- Die Studie beweist, dass das Wasser durch den Schlauch fließen muss, um den Garten zu erreichen. Sie können den Garten nicht direkt vom Wasserhahn aus bewässern, ohne den Schlauch zu benutzen.

Wer wurde untersucht?

Die Forscher untersuchten 175 Personen aus fünf High Schools in der Provinz Aceh.

Wer: Eine Mischung aus Schulleitern, Lehrern und hauptsächlich Schülern (da diese diejenigen sind, die das Lernen erleben).
Die Daten: Sie verwendeten Umfragen (Fragebögen), um diese Menschen zu fragen, wie sie über Führung, Unterrichtsmethoden und Lernergebnisse denken. Sie nutzten ein hochentwickeltes Computerprogramm (wie einen hochtechnisierten Taschenrechner), um diese Beziehungen abzubilden.

Das Fazit

Wenn Sie eine Schule transformieren wollen, damit Schüler tiefgründig lernen und kritisch denken:

Konzentrieren Sie sich nicht nur auf den Schulleiter: Einen datenaffinen Schulleiter zu haben ist großartig, aber allein reicht es nicht aus.
Konzentrieren Sie sich auf die Lehrer: Die Aufgabe des Schulleiters ist es, Daten zu nutzen, um die Unterrichtstechniken der Lehrer zu unterstützen und zu verbessern.
Die Kettenreaktion: Gute datengesteuerte Führung $\rightarrow$ Bessere Unterrichtsmethoden $\rightarrow$ Tiefgründiges Lernen der Schüler.

Das Paper kommt zu dem Schluss, dass der Weg zum Erfolg in den Schulen von Aceh klar ist: Führung muss die Lehre befeuern, und die Lehre muss das Lernen befeuern. Man kann den mittleren Schritt nicht überspringen.

Technische Zusammenfassung: Der mediierende Effekt von Deep-Teaching-Praktiken auf datengestützte Qualitätsführungsmodelle und Deep Learning

Problemstellung
Die Studie adressiert eine kritische Lücke bei der Umsetzung der indonesischen nationalen Lehrplanpolitik, die eine Transformation hin zu „Deep Learning“ (DL) vorschreibt, um die Kompetenzen des 21. Jahrhunderts (kritisches Denken, Kreativität, Kollaboration und Kommunikation) zu fördern. Während die Politik die Konstruktion tiefer Bedeutung und die Anwendung von Wissen betont, bleibt die systemische Implementierung in der Provinz Aceh eine Herausforderung. In der bestehenden Literatur werden datengestützte Führung und Deep Learning oft als getrennte Bereiche behandelt oder konzentrieren sich auf aggregierte akademische Leistungen statt auf pädagogische Veränderungen auf Klassenebene. Es mangelt an empirischen Modellen, die explizit die datengestützte Qualitätsführung (Data-Driven Quality Leadership, QDDL) mit der Implementierung von Deep Learning (DLI) durch den Mechanismus von Deep-Teaching-Praktiken (DTP) verknüpfen. Die Forschung untersucht, ob die Schulleitung die Ergebnisse des Deep Learning der Schüler direkt beeinflusst oder ob dieser Einfluss vollständig durch die Qualität der Unterrichtspraktiken mediiert wird.

Methodik
Die Forschung verwendet einen quantitativen Ansatz mit einem explorativen Survey-Design, um kausale Beziehungen zwischen latenten Variablen zu testen.

Modell: Ein Strukturgleichungsmodell (SEM) wurde entwickelt, bei dem QDDL die exogene Variable, DTP die mediierende Variable und DLI die endogene Variable darstellt.
Datenerhebung: Die Daten wurden mittels eines Likert-Skala-Fragebogens erhoben, der an 175 Befragte (Schulleiter, Lehrer und Schüler) in fünf Sekundarschulen in der Provinz Aceh verteilt wurde, die mittels geschichteter, gezielter Zufallsstichproben ausgewählt wurden.
Analysewerkzeug: Die Studie nutzte die Software SmartPLS 4 zur Durchführung einer Partial Least Squares-basierten Strukturgleichungsmodellierung (SEM-PLS).
Validierung: Das Messmodell wurde auf konvergente Validität (Outer Loading > 0,70, AVE > 0,50), diskriminante Validität (HTMT < 0,90, Fornell-Larcker-Kriterium) und Reliabilität (Cronbachs Alpha und Composite Reliability > 0,70) validiert. Multikollinearität wurde mittels des Variationsinflationsfaktors (VIF) bewertet, und die prädiktive Relevanz wurde anhand von Stone-Geisser's Q² und Fehlermetriken (RMSE, MAE) evaluiert.

Zentrale Ergebnisse
Die SEM-PLS-Analyse ergab die folgenden Pfadkoeffizienten und statistischen Befunde:

QDDL → DTP: Datengestützte Qualitätsführung hat einen signifikanten positiven Effekt auf Deep-Teaching-Praktiken ( $\beta$ = 0,542, $p$ < 0,05). Dies stützt Hypothese 1 (H1).
DTP → DLI: Deep-Teaching-Praktiken haben einen starken, signifikanten positiven Effekt auf die Implementierung von Deep Learning ( $\beta$ = 0,722, $p$ < 0,05). Dies stützt Hypothese 2 (H2).
QDDL → DLI (Direkt): Der direkte Effekt der datengestützten Qualitätsführung auf die Implementierung von Deep Learning ist statistisch insignifikant und leicht negativ ( $\beta$ = -0,073, $p$ = 0,229. Folglich wird Hypothese 3 (H3) abgelehnt.
Mediation (H4): Der indirekte Effekt von QDDL auf DLI über DTP ist signifikant ( $\beta$ = 0,391). Da der direkte Effekt insignifikant, während der indirekte Effekt signifikant ist, fungieren Deep-Teaching-Praktiken als vollständiger Mediator.
Modellgüte und Vorhersagekraft:
- Das Modell erklärt 29,4 % der Varianz in DTP ( $R^2$ ) und 46,9 % der Varianz in DLI ( $R^2$ ).
- Die Werte der prädiktiven Relevanz ( $Q^2$ ) sind für alle Indikatoren positiv, was die Fähigkeit des Modells bestätigt, Out-of-Sample-Daten vorherzusagen.
- Das PLS-SEM-Modell demonstrierte eine überlegene Vorhersagegenauigkeit (niedrigeres RMSE und MAE) im Vergleich zu einem linearen Regressions-Benchmark.
- Die Effektstärke ( $f^2$ ) von DTP auf DLI ist stark (0,692), während der direkte Effekt von QDDL auf DLI vernachlässigbar ist (0,007).

Zentrale Beiträge

Theoretisch: Die Studie validiert ein konzeptionelles Framework, das Deep-Teaching-Praktiken als die essenzielle Brücke zwischen Führung und Lernergebnissen positioniert. Sie stellt die Annahme in Frage, dass Führung die Schülerleistung direkt beeinflusst, und zeigt stattdessen auf, dass Führung zuerst die pädagogischen Praktiken transformieren muss, um Deep Learning zu beeinflussen.
Empirisch: Sie liefert den ersten empirischen Beleg im Kontext der Provinz Aceh, Indonesien, und bestätigt, dass ohne die Verstärkung von Deep-Teaching-Praktiken die datengestützte Qualitätsführung nicht direkt in eine Implementierung von Deep Learning umschlägt.
Methodisch: Die Forschung demonstriert den Nutzen von SEM-PLS bei der Analyse komplexer Bildungsmodelle mit latenten Variablen, insbesondere bei der Validierung eines Szenarios der vollständigen Mediation, in dem der direkte Pfad nicht signifikant ist.

Bedeutung und Behauptungen
Die Arbeit behauptet, dass der Erfolg der Bildungstransformation hin zu Deep Learning an den High Schools in Aceh hochgradig von Deep-Teaching-Praktiken abhängt. Die Studie kommt zu dem Schluss, dass die Rolle der Schulleitung (QDDL) entscheidend als Präkursor ist; ihre primäre Funktion besteht darin, die Unterrichtspraktiken zu erleichtern, zu überwachen und zu stärken, anstatt die Lernergebnisse der Schüler direkt zu beeinflussen.

Die Autoren behaupten, dass die Umsetzung des Mandats des indonesischen Nationalen Lehrplans nur dann realisiert werden kann, wenn Schulleiter Daten nicht bloß für die administrative Berichterstattung nutzen, sondern um spezifische pädagogische Veränderungen voranzutreiben. Die Ergebnisse legen nahe, dass Investitionen in Schuldatensysteme nur dann die Lernqualität beeinflussen, wenn diese Daten genutzt werden, um Lehrer zur Anwendung von Deep-Teaching-Strategien (z. B. sokratische Fragestellung, projektbasiertes Lernen und konstruktives Feedback) zu befähigen. Die Studie betont, dass die Führung die systemischen Bedingungen und die professionelle Kultur schafft, die notwendig sind, damit Lehrer diese Praktiken anwenden, welche wiederum die unmittelbaren Treiber des Deep Learning der Schüler sind.