What Really Drives Teachers to Learn? Insights from an Explainable Machine Learning Approach
Deze studie maakt gebruik van uitlegbare machine learning (XGBoost) op enquêtegegevens van 472 Chinese leraren om te onthullen dat schoolleiderschap en leerconcepties de primaire drijfveren zijn van de motivatie voor professionele ontwikkeling, terwijl ook wordt ontdekt hoe factoren zoals onderwijservaring en werkdruk deze drijfveren verschillend beïnvloeden over subgroepen heen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Scholen zijn complexe ecosystemen waar de kwaliteit van het onderwijs de belangrijkste factor is voor hoe goed leerlingen leren. Om een school te verbeteren, moeten leraren zelf ook blijven leren, maar dit proces stagneert vaak. Veel pedagogen beschouwen professionele training als een bureaucratische vinklijst in plaats van een oprechte kans op groei, gedreven door externe regels in plaats van persoonlijke nieuwsgierigheid. Om te begrijpen wat de drang om te leren werkelijk aanwakkert, hebben onderzoekers lang vertrouwd op een raamwerk genaamd de zelfdeterminatietheorie. Dit concept suggereert dat mensen het meest gemotiveerd zijn wanneer zij een gevoel van controle over hun acties ervaren, geloven dat ze in staat zijn om succesvol te zijn en zich verbonden voelen met anderen. Hoewel we weten dat deze gevoelens ertoe doen, is de relatie tussen de omgeving van een leraar en hun innerlijke drive zelden een rechte lijn; het is een verstrengeld web van invloeden dat traditionele methoden vaak moeite hebben om te ontrafelen.
Een team van onderzoekers van de Zhejiang University of Finance and Economics besloot dit probleem vanuit een andere invalshoek te bekijken, met behulp van een krachtig type computeranalyse dat bekend staat als uitlegbare machine learning. In plaats van ervan uit te gaan dat factoren zoals leiderschap of werkdruk iedereen op dezelfde eenvoudige manier beïnvloeden, voedden zij een algoritme met enquêtegegevens van 472 leraren in China dat in staat is om verborgen, niet-lineaire patronen te detecteren. Het doel was niet om een oorzaak-gevolgrelatie te bewijzen, maar om in kaart te brengen welke factoren de sterkste voorspellers waren van de bereidheid van een leraar om op eigen voorwaarden deel te nemen aan professionele leerprocessen. Het computermodel dat zij kozen, dat uitblinkt in het vinden van complexe verbanden in data, identificeerde twee hoofddrijvers die boven alle anderen uitstaken: de stijl van leiderschap op de school en de eigen overtuigingen van de leraar over hoe leren werkt.
De analyse onthulde dat de benadering van de directeur de meest invloedrijke factor in het gehele model was. Wanneer leraren hun leiders als ondersteunend en visionair ervoeren, nam hun motivatie om te leren aanzienlijk toe. Deze bevinding komt overeen met het idee dat een leider die een collaboratieve cultuur bevordert, leraren helpt om een gevoel van eigenaarschap en verbondenheid te ervaren. De studie benadrukte echter ook dat de interne mindset van een leraar even cruciaal was. Specifiek waren leraren die leren zagen als een dynamisch groeiproces, in plaats van enkel het memoriseren van feiten om aan een standaard te voldoen, veel eerder geneigd tot zelfgestuurd leren. De onderzoekers ontdekten dat deze twee elementen — de externe omgeving gecreëerd door leiderschap en het interne overtuigingssysteem van de leraar — samenwerkten om te voorspellen wie zich diepgaand zou verdiepen in de eigen ontwikkeling.
Wat deze studie bijzonder inzichtelijk maakt, is hoe het aantoonde dat deze drijfveren veranderen afhankelijk van de situatie. De onderzoekers splitsten de data om te zien of de regels anders waren voor leraren in verschillende contexten. Ze ontdekten dat in scholen met sterk, transformationeel leiderschap, de jaren aan ervaring van een leraar minder belangrijk waren voor hun motivatie. In deze ondersteunende omgevingen leken zowel nieuwe als ervaren leraren even enthousiast om te leren, wat suggereert dat goed leiderschap het speelveld kan egaliseren. Daartegenover stond dat in scholen met meer conservatief leiderschap, ervaring een grotere rol speelde bij het voorspellen van motivatie, wellicht omdat ervaren leraren meer moesten vertrouwen op hun eigen opgebouwde middelen om betrokken te blijven.
De studie bracht ook een opvallende verschuiving aan het licht in wat het belangrijkst was wanneer leraren te maken kregen met een hoge werkdruk. Wanneer de werkdruk zwaar was, werden de gebruikelijke sociale steunfactoren, zoals aanmoediging van een directeur of hulp van collega's, minder voorspellend voor de motivatie van een leraar. In deze stressvolle momenten toonde het computermodel aan dat het eigen gevoel van autonomie en het vertrouwen in het vermogen om leerlingen te managen de dominante factoren werden. Dit suggereert dat wanneer de druk hoog is, leraren minder kunnen vertrouwen op externe validatie en meer op hun eigen gevoel van controle en competentie om door te gaan. De onderzoekers waarschuwen dat dit patronen zijn die in de data zijn waargenomen, en geen bewijs dat het ene het andere veroorzaakt, maar ze bieden een duidelijke kaart van waar men moet kijken.
Uiteindelijk suggereert de studie dat om leraren werkelijk te stimuleren om te leren, scholen niet simpelweg meer trainingen kunnen verplichten. De bevindingen wijzen naar een tweeledige aanpak: het cultiveren van leiderschap dat autonomie en verbondenheid ondersteunt, en tegelijkertijd leraren helpen om hun eigen overtuigingen over de betekenis van leren te herformuleren. De gegevens geven aan dat wanneer leraren controle ervaren over hun werk en geloven in de waarde van hun groei, zij veel eerder geneigd zijn dit uit eigen beweging te volgen. Dit is geen magische oplossing, maar een voorspellend patroon dat een nieuwe manier biedt om de complexe machinerie van schoolverbetering te begrijpen, waarbij wordt getoond dat de krachtigste instrumenten voor verandering vaak te vinden zijn in de stille wisselwerking tussen een ondersteunende omgeving en de eigen mindset van de leraar.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.