📄 social_science

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

Deze studie valideert een Quality Data-Driven Leadership (QDDL)-model in de provincie Atjeh, waarbij wordt onthuld dat Deep Teaching Practices volledig mediëren in de relatie tussen leiderschap en de implementatie van Deep Learning, wat betekent dat leiderschap eerst de onderwijspraktijken moet versterken om educatieve transformatie succesvol te stimuleren.

Oorspronkelijke auteurs: Nasir Usman, Amiruddin Amiruddin, Murniati AR, Ulfah Irani Z, Niswanto Niswanto, Hendra Darmawan

Gepubliceerd 2026-06-24

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Nasir Usman, Amiruddin Amiruddin, Murniati AR, Ulfah Irani Z, Niswanto Niswanto, Hendra Darmawan

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

Het Grote Plaatje: Een Recept voor Beter Leren

Stel je een school in Atjeh, Indonesië voor die probeert haar kookkunsten te verbeteren. Het doel is niet alleen om voedsel te serveren dat de maag vult (het onthouden van feiten); het doel is om een gastronomisch diner te serveren dat leerlingen leert hoe ze zelf kunnen koken, denken en creëren (Diep Leren).

De onderzoekers wilden weten: Hoe komen we van de directiekamer van de school naar het bord van de leerling?

Ze testten een specifiek "recept" bestaande uit drie belangrijke ingrediënten:

De Hoofdkok (Data-gestuurde Kwaliteitsleiding): De directeur die data gebruikt om slimme beslissingen te nemen.
De Kooktechniek (Diepe Onderwijspraktijken): De werkelijke manier waarop leraren lesgeven in het klaslokaal.
De Maaltijd (Implementatie van Diep Leren): De leerlingen die daadwerkelijk begrijpen en toepassen wat ze leren.

De Belangrijkste Ontdekking: De "Tussenpersoon" is Alles

De meest verrassende bevinding van dit onderzoek is dat de Hoofdkok (de Directeur) niet direct de maaltijd kan bereiden.

Denk er zo over na: Een directeur kan de beste ingrediënten kopen (data), het beste receptenboek schrijven (strategische plannen) en het beste personeel aannemen. Maar als de chef in de keuken (de leraar) niet weet hoe hij moet snijden, sauteren en kruiden (Diep Onderwijs), zal de maaltijd nog steeds niet lekker smaken.

De studie vond dat Diepe Onderwijspraktijken fungeren als een "Volledige Mediator."

Wat dit betekent: De data-gestuurde leiding van de directeur werkt alleen als het eerst de manier waarop leraren lesgeven verandert.
De Analogie: Stel je voor dat de directeur een GPS-systeem is. De GPS kan je de perfecte route geven (data en strategie), maar de GPS kan de auto niet besturen. De leraar is de chauffeur. Als de chauffeur niet daadwerkelijk het stuur draait en stuurt (Diep Onderwijs), komt de auto nergens, ongeacht hoe goed de GPS ook is.

De Resultaten Uitgelegd

1. De Rol van de Directeur (Data-gestuurde Leiding)

Wat het paper zegt: Directeuren die data gebruiken om beslissingen te nemen (zoals het kijken naar toetsresultaten, feedback van leerlingen en observaties in de klas) zijn erg goed in het verbeteren van de manier waarop leraren lesgeven.
Het Resultaat: Er is hier een sterke, positieve link. Wanneer directeuren data gebruiken, worden leraren beter in "Diep Onderwijs."
De Kanttekening: De studie vond dat de data van de directeur de leerlingen niet direct beter laat leren. De link tussen de Directeur en het leerproces van de Leerling is verbroken tenzij de leraar betrokken is.

2. De Rol van de Leraar (Diep Onderwijs)

Wat het paper zegt: Dit is het krachtigste ingrediënt. Wanneer leraren specifieke methoden gebruiken—zoals diepgaande vragen stellen, projecten uitvoeren en nuttige feedback geven—leren leerlingen veel dieper.
Het Resultaat: Dit is de sterkste link in de hele studie. Goede onderwijspraktijken zijn de directe motor die het leren van de leerling aandrijft.

3. De Uitkomst voor de Leerling (Diep Leren)

Wat het paper zegt: Leerlingen leren kritisch te denken, echte problemen op te lossen en concepten diepgaand te begrijpen.
Het Resultaat: Dit gebeurt bijna volledig dankzij de methoden van de leraren. De invloed van de directeur wordt alleen gevoeld omdat zij de leraren hebben geholpen beter te worden in hun werk.

"Volledige Mediatie" Simpel Uitgelegd

In de statistiek ontdekten de onderzoekers dat het directe effect van de directeur op het leren van de leerling essentieel nul was (het was niet statistisch significant). Echter, het indirecte effect was enorm.

De Metafoor: Denk aan een Tuinslang.
- De Directeur is de waterbron (de kraan).
- De Leraar is de slang.
- De Leerling is de tuin.
- Als je de kraan opendraait (Directeur gebruikt data), maar de slang is geknikt of kapot (Leraar gebruikt geen Diep Onderwijs), blijft de tuin droog.
- De studie bewijst dat het water moet stromen door de slang om de tuin te bereiken. Je kunt de tuin niet direct vanuit de kraan bewateren zonder de slang.

Wie Werd Er Bestudeerd?

De onderzoekers keken naar 175 mensen van vijf middelbare scholen in de provincie Atjeh.

Wie: Een mix van Directeuren, Leraren en voornamelijk Leerlingen (aangezien leerlingen degenen zijn die het leren ervaren).
De Data: Ze gebruikten enquêtes (vragenlijsten) om deze mensen te vragen hoe zij dachten over leiderschap, onderwijsmethoden en leerresultaten. Ze gebruikten een geavanceerd computerprogramma (zoals een high-tech rekenmachine) om deze relaties in kaart te brengen.

De Kernboodschap

Als je een school wilt transformeren zodat leerlingen diepgaand leren en kritisch denken:

Focus niet alleen op de Directeur: Een data-bewuste directeur is geweldig, maar op zichzelf is het niet genoeg.
Focus op de Leraren: De taak van de directeur is om data te gebruiken om de technieken van de leraren in de klas te ondersteunen en te verbeteren.
De Kettingreactie: Goede Data-gestuurde Leiding $\rightarrow$ Betere Onderwijsmethoden $\rightarrow$ Diep Leren van de Leerling.

Het paper concludeert dat in de scholen van Atjeh de weg naar succes duidelijk is: Leiderschap moet het Onderwijs voeden, en Onderwijs moet het Leren voeden. Je kunt de middelste stap niet overslaan.

Technische Samenvatting: Het Medierende Effect van Deep Teaching Practices op Data-Driven Quality Leadership en Deep Learning

Probleemstelling
De studie adresseert een kritieke kloof in de implementatie van het Indonesische nationale curriculumbeleid, dat een transformatie naar Deep Learning (DL) voorschrijft om 21e-eeuwse competenties (kritisch denken, creativiteit, samenwerking en communicatie) te bevorderen. Hoewel het beleid de nadruk legt op diepe betekenisconstructie en kennisapplicatie, blijft de systemische implementatie in de provincie Atjeh problematisch. Bestaande literatuur behandelt data-gestuurd leiderschap en deep learning vaak als afzonderlijke domeinen of richt zich op geaggregeerde academische prestaties in plaats van op pedagogische verschuivingen op klasniveau. Er is een gebrek aan empirische modellen die expliciet de link leggen tussen Data-Driven Quality Leadership (QDDL) en Deep Learning Implementation (DLI) via het mechanisme van Deep Teaching Practices (DTP). Het onderzoek beoogt te bepalen of schoolleiderschap de uitkomsten van student deep learning direct beïnvloedt, of dat deze invloed volledig wordt gemedieerd door de kwaliteit van de onderwijspraktijken.

Methodologie
Het onderzoek maakt gebruik van een kwantitatieve benadering met een verklarend survey-ontwerp om causale relaties tussen latente variabelen te testen.

Model: Een Structureel Vergelijkingsmodel (SEM) werd ontwikkeld waarbij QDDL de exogene variabele is, DTP de medierende variabele is en DLI de endogene variabele is.
Dataverzameling: Gegevens werden verzameld via een vragenlijst op Likert-schaal, afgenomen bij 175 respondenten (directeuren, leraren en studenten) verspreid over vijf middelbare scholen in de provincie Atje, geselecteerd via stratified purposive random sampling.
Analyse-instrument: De studie maakte gebruik van de software SmartPLS 4 om Partial Least Squares-gebaseerde Structurele Vergelijkingsmodellering (SEM-PLS) uit te voeren.
Validatie: Het meetmodel werd gevalideerd voor convergentievaliditeit (Outer Loading > 0,70, AVE > 0,50), discriminantievaliditeit (HTMT < 0,90, Fornell-Larcker criterium) en betrouwbaarheid (Cronbach's Alpha en Composite Reliability > 0,70). Multicollineariteit werd beoordeeld met de Variance Inflation Factor (VIF), en predictieve relevantie werd geëvalueerd met Stone-Geisser's Q² en foutmetrieken (RMSE, MAE).

Belangrijkste Resultaten
De SEM-PLS analyse leverde de volgende padcoëfficiënten en statistische bevindingen op:

QDDL → DTP: Data-Driven Quality Leadership heeft een significant positief effect op Deep Teaching Practices ( $\beta$ = 0,542, $p$ < 0,05). Dit ondersteunt Hypothese 1 (H1).
DTP → DLI: Deep Teaching Practices hebben een sterk, significant positief effect op de Implementatie van Deep Learning ( $\beta$ = 0,722, $p$ < 0,05). Dit ondersteunt Hypothese 2 (H2).
QDDL → DLI (Direct): Het directe effect van Data-Driven Quality Leadership op Deep Learning Implementation is statistisch insignificant en licht negatief ( $\beta$ = -0,073, $p$ = 0,229). Bijgevolg wordt Hypothese 3 (H3) verworpen.
Mediatie (H4): Het indirecte effect van QDDL op DLI via DTP is significant ( $\beta$ = 0,391). Omdat het directe effect insignificant is terwijl het indirecte effect significant is, fungeren Deep Teaching Practices als een volledige mediator.
Model Fit en Predictieve Kracht:
- Het model verklaart 29,4% van de variantie in DTP ( $R^2$ ) en 46,9% van de variantie in DLI ( $R^2$ ).
- De predictieve relevantie ( $Q^2$ ) waarden waren positief voor alle indicatoren, wat de bekwaamheid van het model bevestigt om out-of-sample data te voorspellen.
- Het PLS-SEM model vertoonde een superieure predictieve nauwkeurigheid (lagere RMSE en MAE) vergeleken met een lineaire regressie benchmark.
- De effectgrootte ( $f^2$ ) van DTP op DLI is sterk (0,692), terwijl het directe effect van QDDL op DLI verwaarloosbaar is (0,007).

Belangrijkste Bijdragen

Theoretisch: De studie valideert een conceptueel kader dat Deep Teaching Practices positioneert als de essentiële brug tussen leiderschap en leeruitkomsten. Het daagt de aanname uit dat leiderschap direct invloed heeft op het leren van studenten, door aan te tonen dat leiderschap eerst de pedagogische praktijken moet transformeren om deep learning te beïnvloeden.
Empirisch: Het levert het eerste empirische bewijs in de context van de provincie Atje, Indonesië, waarmee wordt bevestigd dat zonder de versterking van Deep Teaching Practices, Data-Driven Quality Leadership niet direct vertaalt naar Deep Learning Implementation.
Methodologisch: Het onderzoek demonstreert het nut van SEM-PLS bij het analyseren van complexe onderwijsmodellen met latente variabelen, specif