📄 social_science

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

本研究验证了亚齐省的质量数据驱动型领导力（QDDL）模型，揭示了深度教学实践在领导力与深度学习实施之间的关系中起到了完全中介作用，这意味着领导力必须首先强化教学实践，才能成功推动教育变革。

原作者： Nasir Usman, Amiruddin Amiruddin, Murniati AR, Ulfah Irani Z, Niswanto Niswanto, Hendra Darmawan

发布于 2026-06-24

📖 1 分钟阅读☕ 轻松阅读

原作者： Nasir Usman, Amiruddin Amiruddin, Murniati AR, Ulfah Irani Z, Niswanto Niswanto, Hendra Darmawan

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

大局观：打造更佳学习体验的“食谱”

想象一下，印度尼西亚亚齐省（Aceh）的一所学校正试图升级其“烹饪水平”。目标不仅仅是提供填饱肚子的食物（死记硬背事实）；目标是提供一份能教导学生如何烹饪、思考并进行自主创作的“美食”（深度学习）。

研究人员想要知道：我们如何从校长办公室走向学生的餐盘？

他们测试了一个包含三个主要原料的特定“食谱”：

主厨（数据驱动的质量领导力）： 校长利用数据做出明智的决策。
烹饪技巧（深度教学实践）： 教师在课堂上实际的教学方式。
佳肴（深度学习的实施）： 学生真正理解并应用所学知识。

核心发现：“中间人”至关重要

这项研究中最令人惊讶的发现是，主厨（校长）无法直接烹饪出这道菜。

可以这样理解：校长可以购买最好的食材（数据），编写最好的食谱（战略计划），并聘请最优秀的员工。但如果厨房里的厨师（教师）不知道如何切菜、煸炒和调味（深度教学），这道菜的味道依然会很糟糕。

研究发现，深度教学实践起到了“完全中介”的作用。

这意味着： 校长的数据驱动型领导力只有在首先改变了教师的教学方式时，才会发挥作用。
类比： 想象校长是一个 GPS 系统。GPS 可以为你提供完美的路线（数据和策略），但 GPS 不能开车。教师才是驾驶员。如果驾驶员没有实际转动方向盘和控制方向（深度教学），那么无论 GPS 多么出色，车子也无法前进。

结果详解

1. 校长的角色（数据驱动型领导力）

论文内容： 利用数据（如查看考试成绩、学生反馈和课堂观察）来做决策的校长，非常擅长改进教师的教学方式。
结果： 这里存在着强烈的正相关关系。当校长使用数据时，教师在“深度教学”方面会变得更好。
陷阱： 研究发现，校长的数据 并不能 直接让学生学得更好。除非教师参与其中，否则校长与学生学习之间的联系是断裂的。

2. 教师的角色（深度教学）

论文内容： 这是最强大的原料。当教师使用特定的方法——例如提出深度问题、开展项目式学习以及给予建设性反馈时——学生的学习会更加深入。
结果： 这是整个研究中最强的关联。优秀的教学实践是驱动学生学习的直接引擎。

3. 学生的成果（深度学习）

论文内容： 学生正在学习批判性思考、解决现实世界的问题并深入理解概念。
结果： 这几乎完全归功于教师的方法。校长的影响之所以能被感受到，仅仅是因为他们帮助教师提升了工作能力。

简单解释“完全中介”

在统计学中，研究人员发现校长的直接效应对学生学习的影响基本上为零（在统计学上并不显著）。然而，其间接效应却非常巨大。

隐喻： 想象一个水管。
- 校长是水源（水龙头）。
- 教师是水管。
- 学生是花园。
- 如果你打开了水龙头（校长使用数据），但水管被折弯或损坏了（教师没有进行深度教学），花园依然会干涸。
- 研究证明，水必须流经水管才能到达花园。你无法不通过水管直接从水龙头给花园浇水。

研究对象是谁？

研究人员调查了来自亚齐省五所高中的 175 人。

对象： 包括校长、教师以及主要是学生（因为学生是学习的体验者）。
数据： 他们使用了问卷调查的方式，询问这些人关于领导力、教学方法和学习成果的感受。他们使用了一种复杂的计算机程序（类似于高科技计算器）来绘制出这些关系图。

总结

如果你想转型一所学校，让学生实现深度学习和批判性思考：

不要只关注校长： 拥有精通数据的校长固然很好，但仅靠这一点是不够的。
关注教师： 校长的职责是利用数据来支持并改进教师的课堂技巧。
连锁反应： 良好的数据领导力 $\rightarrow$ 更好的教学方法 $\rightarrow$ 深度的学生学习。

论文的结论是，在亚齐的学校里，成功的路径非常清晰：领导力必须为教学赋能，而教学必须为学习赋能。 你不能跳过中间步骤。

技术摘要：深度教学实践在数据驱动质量领导力与深度学习之间的中介效应

问题陈述
本研究旨在解决印尼国家课程政策实施中的一个关键差距。该政策要求向“深度学习”（DL）转型，以培养21世纪的核心素养（批判性思维、创造力、协作与沟通）。尽管政策强调深层意义构建和知识应用，但在亚齐省（Aceh Province）的系统性实施仍面临挑战。现有文献通常将数据驱动型领导力和深度学习视为两个独立的领域，或者侧重于整体学术成就，而非课堂层面的教学法转变。目前缺乏明确将**数据驱动质量领导力（QDDL）通过深度教学实践（DTP）这一机制与深度学习实施（DLI）**联系起来的实证模型。本研究旨在确定学校领导力是直接影响学生深度学习结果，还是其影响完全由教学实践的质量所中介。

研究方法
本研究采用定量研究方法，采用解释性调查设计来测试潜在变量之间的因果关系。

模型： 开发了一个结构方程模型（SEM），其中 QDDL 是外生变量，DTP 是中介变量，DLI 是内生变量。
数据收集： 通过李克特量表问卷收集数据，受访者为来自亚齐省五个高中（通过分层定额随机抽样选定）的 175 名人员（包括校长、教师和学生）。
分析工具： 研究利用 SmartPLS 4 软件进行基于偏最小二乘结构方程模型（SEM-PLS）的分析。
验证： 测量模型通过了收敛效度（外负荷 > 0.70，AVE > 0.50）、判别效度（HTMT < 0.90，Fornell-Larcker 准则）以及信度（Cronbach's Alpha 和组合信度 > 0.70）的验证。通过方差膨胀因子（VIF）评估了多重共线性，并通过 Stone-Geisser's Q² 和误差指标（RMSE, MAE）评估了预测相关性。

核心结果
SEM-PLS 分析得出了以下路径系数和统计结果：

QDDL → DTP： 数据驱动质量领导力对深度教学实践具有显著的正向影响 ( $\beta$ = 0.542, $p$ < 0.05)。这支持了假设 1 (H1)。
DTP → DLI： 深度教学实践对深度学习实施具有强烈的、显著的正向影响 ( $\beta$ = 0.722, $p$ < 0.05)。这支持了假设 2 (H2)。
QDDL → DLI (直接路径)： 数据驱动质量领导力对深度学习实施的直接影响在统计上是不显著的，且呈轻微负相关 ( $\beta$ = -0.073, $p$ = 0.229)。因此，假设 3 (H3) 被拒绝。
中介效应 (H4)： QDDL 通过 DTP 对 DLI 的间接影响是显著的 ( $\beta$ = 0.391)。由于直接效应不显著而间接效应显著，深度教学实践起到了完全中介的作用。
模型拟合度与预测能力：
- 模型解释了 DTP 29.4% 的方差 ( $R^2$ ) 以及 DLI 46.9% 的方差 ( $R^2$ )。
- 所有指标的预测相关性 ( $Q^2$ ) 均为正值，证实了模型对样本外数据的预测能力。
- PLS-SEM 模型表现出优于线性回归基准模型的预测准确性（较低的 RMSE 和 MAE）。
- DTP 对 DLI 的效应量 ( $f^2$ ) 较强 (0.692)，而 QDDL 对 DLI 的直接效应微乎其微 (0.007)。

核心贡献

理论层面： 本研究验证了一个将深度教学实践定位为领导力与学习成果之间必要桥梁的概念框架。它挑战了“领导力直接影响学生学习”的假设，证明领导力必须首先转化教学实践才能影响深度学习。
实证层面： 在印尼亚齐省背景下提供了首个实证证据，证实了如果没有深度教学实践的强化，数据驱动质量领导力无法直接转化为深度学习的实施。
方法论层面： 研究展示了 SEM-PLS 在分析具有潜在变量的复杂教育模型中的效用，特别是用于验证直接路径不显著的完全中介情景。

意义与主张
本文主张，亚齐省高中向深度学习转型的成功高度依赖于深度教学实践。研究结论认为，学校领导力（QDDL）的角色至关重要，但其主要功能是作为前驱因素；其核心任务是促进、监督并强化教学实践，而非直接影响学生的学习结果。

作者断言，为了实现印尼国家课程的使命，校长必须利用数据，不仅是为了行政报告，而是为了驱动特定的教学法转变。研究结果表明，只有当数据被用于赋能教师采取深度教学策略（如苏格拉底式提问、项目式学习和建设性反馈）时，对学校数据系统的投入才会影响学习质量。研究强调，领导力创造了必要的系统条件和专业文化，使教师能够采纳这些实践，而这些实践才是学生深度学习的近端驱动力。

大局观：打造更佳学习体验的“食谱”

核心发现：“中间人”至关重要

结果详解

简单解释“完全中介”

研究对象是谁？

总结

类似论文