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

तकनीकी सारांश: गहन शिक्षण प्रथाओं का डेटा-संचालित गुणवत्ता नेतृत्व और गहन शिक्षण पर मध्यस्थता प्रभाव

समस्या विवरण
यह अध्ययन इंडोनेशियाई राष्ट्रीय पाठ्यक्रम नीति के कार्यान्वयन में एक महत्वपूर्ण अंतराल को संबोधित करता है, जो 21वीं सदी की दक्षताओं (आलोचनात्मक सोच, रचनात्मकता, सहयोग और संचार) को बढ़ावा देने के लिए 'डीप लर्निंग' (गहन शिक्षण) की ओर परिवर्तन का आदेश देता है। जबकि नीति गहन अर्थ निर्माण और ज्ञान अनुप्रयोग पर जोर देती है, आचे प्रांत (Aceh Province) में प्रणालीगत कार्यान्वयन चुनौतीपूर्ण बना हुआ है। मौजूदा साहित्य अक्सर डेटा-संचालित नेतृत्व और गहन शिक्षण को अलग-अलग डोमेन के रूप में मानता है या कक्षा-स्तरीय शैक्षणिक बदलावों के बजाय समग्र शैक्षणिक उपलब्धि पर ध्यान केंद्रित करता है। ऐसे अनुभवजन्य मॉडलों का अभाव है जो स्पष्ट रूप से गहन शिक्षण प्रथाओं (Deep Teaching Practices - DTP) के तंत्र के माध्यम से डेटा-संचालित गुणवत्ता नेतृत्व (Data-Driven Quality Leadership - QDDL) को गहन शिक्षण कार्यान्वयन (Deep Learning Implementation - DLI) से जोड़ते हैं। यह शोध यह निर्धारित करने का प्रयास करता है कि क्या स्कूली नेतृत्व छात्र गहन शिक्षण परिणामों को सीधे प्रभावित करता है या यह प्रभाव पूरी तरह से शिक्षण प्रथाओं की गुणवत्ता द्वारा मध्यस्थ है।

कार्यप्रणाली
यह शोध एक व्याख्यात्मक सर्वेक्षण डिजाइन (explanatory survey design) के साथ एक मात्रात्मक दृष्टिकोण अपनाता है ताकि अव्यक्त चरों (latent variables) के बीच कारण संबंधों का परीक्षण किया जा सके।

• मॉडल: एक स्ट्रक्चरल इक्वेशन मॉडल (SEM) विकसित किया गया जहाँ QDDL एक बहिर्जात चर (exogenous variable) है, DTP एक मध्यस्थ चर (mediating variable) है, और DLI एक अंतर्जात चर (endogenous variable) है।
• डेटा संग्रह: डेटा एक लिकर्ट-स्केल प्रश्नावली के माध्यम से एकत्र किया गया था, जिसे आचे प्रांत के पांच वरिष्ठ उच्च विद्यालयों के 175 उत्तरदाताओं (प्रधानाचार्य, शिक्षक और छात्र) में स्ट्रैटिफाइड पर्पोसिव रैंडम सैंपलिंग के माध्यम से प्रशासित किया गया।
• विश्लेषण उपकरण: अध्ययन ने संरचनात्मक समीकरण मॉडलिंग (SEM-PLS) करने के लिए स्मार्ट-पीएलएस 4 (SmartPLS 4) सॉफ्टवेयर का उपयोग किया।
• सत्यापन: मापन मॉडल को अभिसरण वैधता (Convergent Validity: Outer Loading > 0.70, AVE > 0.50), विभेदक वैधता (Discriminant Validity: HTMT < 0.90, Fornell-Larcker criterion), और विश्वसनीयता (Cronbach's Alpha और Composite Reliability > 0.70) के लिए सत्यापित किया गया। बहु-सहसंबंध (Multicollinearity) का आकलन वेरिएंस इन्फ्लेशन फैक्टर (VIF) का उपयोग करके किया गया, और भविष्य कहनेवाला प्रासंगिकता (Predictive Relevance) का मूल्यांकन स्टोन-गीसर Q² और त्रुटि मेट्रिक्स (RMSE, MAE) का उपयोग करके किया गया।

मुख्य परिणाम
SEM-PLS विश्लेषण ने निम्नलिखित पथ गुणांक (path coefficients) और सांख्यिकीय निष्कर्ष प्रदान किए:

1. QDDL → DTP: डेटा-संचालित गुणवत्ता नेतृत्व का गहन शिक्षण प्रथाओं पर महत्वपूर्ण सकारात्मक प्रभाव है ($\beta$ = 0.542, $p$ < 0.05)। यह परिकल्पना 1 (H1) का समर्थन करता है।
2. DTP → DLI: गहन शिक्षण प्रथाओं का गहन शिक्षण कार्यान्वयन पर मजबूत, महत्वपूर्ण सकारात्मक प्रभाव है ($\beta$ = 0.722, $p$ < 0.05)। यह परिकल्पना 2 (H2) का समर्थन करता है।
3. QDDL → DLI (प्रत्यक्ष): गहन शिक्षण कार्यान्वयन पर डेटा-संचालित गुणवत्ता नेतृत्व का प्रत्यक्ष प्रभाव सांख्यिकीय रूप से महत्वहीन और थोड़ा नकारात्मक है ($\beta$ = -0.073, $p$ = 0.229)। फलस्वरूप, परिकल्पना 3 (H3) को खारिज कर दिया गया है।
4. मध्यस्थता (H4): DTP के माध्यम से DLI पर QDDL का अप्रत्यक्ष प्रभाव महत्वपूर्ण है ($\beta$ = 0.391)। क्योंकि प्रत्यक्ष प्रभाव महत्वहीन है जबकि अप्रत्यक्ष प्रभाव महत्वपूर्ण है, इसलिए गहन शिक्षण प्रथाएं एक पूर्ण मध्यस्थ (full mediator) के रूप में कार्य करती हैं।
5. मॉडल फिट और भविष्य कहनेवाला शक्ति:
   • मॉडल DTP में भिन्नता का 29.4% ($R^2$) और DLI में भिन्नता का 46.9% ($R^2$) स्पष्ट करता है।
   • सभी संकेतकों के लिए भविष्य कहनेवाला प्रासंगिकता ($Q^2$) मान सकारात्मक थे, जो आउट-ऑफ-सैंपल डेटा की भविष्यवाणी करने की मॉडल की क्षमता की पुष्टि करते हैं।
   • PLS-SEM मॉडल ने एक रैखिक प्रतिगमन बेंचमार्क की तुलना में बेहतर भविष्य कहनेवाला सटीकता (कम RMSE और MAE) प्रदर्शित की।
   • DLI पर DTP का प्रभाव आकार ($f^2$) मजबूत (0.692) है, जबकि DLI पर QDDL का प्रत्यक्ष प्रभाव नगण्य (0.007) है।

मुख्य योगदान

• सैद्धांतिक: यह अध्ययन एक वैचारिक ढांचे को मान्य करता है जो गहन शिक्षण प्रथाओं को नेतृत्व और शिक्षण परिणामों के बीच एक आवश्यक सेतु के रूप में स्थापित करता है। यह इस धारणा को चुनौती देता है कि नेतृत्व सीधे छात्र शिक्षण को प्रभावित करता है, बल्कि यह प्रदर्शित करता है कि नेतृत्व को छात्र गहन शिक्षण को प्रभावित करने के लिए पहले शिक्षण प्रथाओं को बदलना होगा।
• अनुभवजन्य: यह आचे प्रांत, इंडोनेशिया के संदर्भ में पहला अनुभवजन्य प्रमाण प्रदान करता है, जो पुष्टि करता है कि गहन शिक्षण प्रथाओं के सुदृढ़ीकरण के बिना, डेटा-संचालित गुणवत्ता नेतृत्व सीधे गहन शिक्षण कार्यान्वयन में परिवर्तित नहीं होता है।
• कार्यप्रणाली संबंधी: यह शोध जटिल शैक्षिक मॉडलों के विश्लेषण के लिए, विशेष रूप से एक पूर्ण मध्यस्थ परिदृश्य को मान्य करने के लिए जहाँ प्रत्यक्ष पथ गैर-महत्वपूर्ण है, जटिल अव्यक्त चरों के साथ SEM-PLS की उपयोगिता को प्रदर्शित करता है।

महत्व और दावे
शोध का दावा है कि आचे के उच्च विद्यालयों में गहन शिक्षण की ओर शैक्षिक परिवर्तन की सफलता गहन शिक्षण प्रथाओं पर अत्यधिक निर्भर है। अध्ययन का निष्कर्ष है कि स्कूली नेतृत्व (QDDL) की भूमिका एक पूर्ववर्ती (precursor) के रूप में महत्वपूर्ण है; इसका प्राथमिक कार्य छात्र शिक्षण परिणामों को सीधे प्रभावित करने के बजाय शिक्षण प्रथाओं को सुगम बनाना, निगरानी करना और सुदृढ़ करना है।

लेखक तर्क देते हैं कि इंडोनेशियाई राष्ट्रीय पाठ्यक्रम के जनादेश को साकार करने के लिए, स्कूल प्रधानाचार्यों को डेटा का उपयोग केवल प्रशासनिक रिपोर्टिंग के लिए ही नहीं, बल्कि विशिष्ट शैक्षणिक बदलावों को चलाने के लिए करना चाहिए। निष्कर्ष बताते हैं कि स्कूल डेटा प्रणालियों में निवेश तभी शिक्षण गुणवत्ता को प्रभावित करेगा जब उस डेटा का उपयोग शिक्षकों को गहन शिक्षण रणनीतियों (जैसे सुकराती प्रश्न पूछना, परियोजना-आधारित शिक्षण और रचनात्मक फीडबैक) को अपनाने के लिए सशक्त बनाने हेतु किया जाएगा। अध्ययन इस बात पर जोर देता है कि नेतृत्व उन प्रणालीगत स्थितियों और व्यावसायिक संस्कृति का निर्माण करता है जो शिक्षकों को इन प्रथाओं को अपनाने के लिए आवश्यक है, जो बदले में छात्र गहन शिक्षण के निकटवर्ती चालक (proximal drivers) हैं।