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

技術的要約：深い学習（ディープ・ラーニング）とデータ駆動型品質リーダーシップに対する深い教授実践の媒介効果

問題提起
本研究は、21世紀型コンピテンシー（批判的思考、創造性、協調性、コミュニケーション）を育成するために、ディープ・ラーニング（DL）への変革を義務付けているインドネシアの国家教育課程政策の実施における決定的なギャップに対処するものである。当該政策は、意味の深い構築と知識の応用を強調しているが、アチェ州におけるシステムとしての実装は依然として困難な状況にある。既存の文献では、データ駆動型リーダーシップとディープ・ラーニングを別個の領域として扱ったり、集団的な学力達成に焦点を当てたりすることが多く、教室レベルの教育学的転換に焦点を当てたものは少ない。**データ駆動型品質リーダーシップ（QDDL）**が、**深い教授実践（DTP）**というメカニズムを通じて、**ディープ・ラーニングの実装（DLI）**にどのように結びつくのかを明示的に示す実証的モデルが不足している。本研究は、学校のリーダーシップが学生のディープ・ラーニングの成果に直接影響を与えるのか、あるいはその影響がすべて教授実践の質によって媒介されるのかを明らかにすることを目的としている。

研究手法
本研究は、潜在変数間の因果関係を検証するために、説明的調査デザインを用いた定量的アプローチを採用している。

• モデル： QDDLを外生変数、DTPを媒介変数、DLIを内生変数とする構造方程式モデル（SEM）を構築した。
• データ収集： アチェ州の5つの高等学校から、層化単純無作為抽出法によって選出された175名の回答者（校長、教師、学生）に対し、リッカート尺度を用いたアンケートを実施した。
• 分析ツール： 部分最小二乗法に基づく構造方程式モデリング（SEM-PLS）を実行するため、SmartPLS 4ソフトウェアを使用した。
• 妥当性の検証： 測定モデルの妥当性は、収束妥当性（Outer Loading > 0.70, AVE > 0.50）、判別妥当性（HTMT < 0.90, Fornell-Larker基準）、および信頼性（クロンバックのα係数および合成信頼性 > 0.70）によって検証された。多重共線性については分散拡大係数（VIF）を用いて評価し、予測関連性はStone-GeisserのQ²および誤差指標（RMSE, MAE）を用いて評価した。

主な結果
SEM-PLS分析により、以下のパス係数および統計的知見が得られた：

1. QDDL → DTP： データ駆動型品質リーダーシップは、深い教授実践に対して有意な正の影響を与える（$\beta$ = 0.542, $p$ < 0.05）。これは仮説1（H1）を支持する。
2. DTP → DLI： 深い教授実践は、ディープ・ラーニングの実装に対して強力かつ有意な正の影響を与える（$\beta$ = 0.722, $p$ < 0.05）。これは仮説2（H2）を支持する。
3. QDDL → DLI（直接効果）： データ駆動型品質リーダーシップからディープ・ラーニングの実装への直接的な影響は、統計的に有意ではなく、わずかに負であった（$\beta$ = -0.073, $p$ = 0.229）。したがって、仮説3（H3）は棄却された。
4. 媒介効果（H4）： DTPを介したQDDLからDLIへの間接効果は有意である（$\beta$ = 0.391）。直接効果が有意ではなく、間接効果が有意であることから、深い教授実践は完全媒介変数として機能している。
5. モデル適合度および予測能：
   • モデルはDTPの分散の29.4%（$R^2$）、およびDLIの分散の46.9%（$R^2$）を説明している。
   • すべての指標において予測関連性（$Q^2$）が正の値を示し、サンプル外のデータを予測するモデルの能力が確認された。
   • PLS-SEMモデルは、線形回帰ベンチマークと比較して優れた予測精度（より低いRMSEおよびMAE）を示した。
   • DTPからDLIへの効果量（$f^2$）は強い（0.692）が、QDDLからDLIへの直接的な効果は無視できる程度である（0.007）。

主な貢献

• 理論的貢献： 本研究は、深い教授実践をリーダーシップと学習成果の間の不可欠な架け橋として位置づける概念的枠組みを検証した。これは、リーダーシップが学生の学習に直接影響を与えるという仮定に異を唱え、リーダーシップはまず教育学的実践を変容させなければディープ・ラーニングに影響を与えられないことを示している。
• 実証的貢献： アチェ州の文脈において、深い教授実践の強化なしには、データ駆動型品質リーダーシップがディープ・ラーニングの実装に直接的にはつながらないことを確認した、初の実証的エビデンスを提供する。
• 方法論的貢献： 複雑な教育モデルにおける潜在変数の分析において、直接的なパスが非有意となる完全媒介シナリオの検証におけるSEM-PLSの有用性を実証した。

意義と主張
本論文は、アチェ州の高等学校におけるディープ・ラーニングへの教育変革の成功は、深い教授実践に強く依存していると主張している。研究の結論として、学校のリーダーシップ（QDDL）の役割は極めて重要であるが、それは先行条件としての役割である。その主要な機能は、学生の学習成果に直接影響を与えることではなく、教授実践を促進、監視、および強化することにある。

著者らは、インドネシアの国家教育課程の要請を実現するためには、校長がデータを単なる行政報告用としてではなく、特定の教育学的転換を推進するために活用しなければならないと断言している。研究結果は、学校のデータシステムへの投資が学習の質に影響を与えるためには、そのデータが教師が深い教授戦略（例：ソクラテス式問答、プロジェクト型学習、建設的なフィードバック）を採用できるように支援するために使用される必要があることを示唆している。本研究は、リーダーシップが、教師がこれらの実践を採用するために必要なシステム的条件と専門的な文化を創出することを強調している。