Ein systematischer Prozess des Sammelns, Validierens, Analysierens und Interpretierens quantitativer und qualitativer Daten aus den Bereichen Naturwissenschaften, Technologie, Ingenieurwesen und Mathematik, um Unterrichtsentscheidungen, Ressourcenzuweisungen, Programmverbesserungen und Fragen der Chancengleichheit zu informieren.

Prinzip

Entscheidungen sollten evidenzbasiert, transparent, iterativ, an den lokalen Kontext angepasst und datenschutz- sowie ethikgerecht sein.

Demonstration

Ein Bezirksteam konsolidiert standardisierte Testergebnisse, formative Bewertungen aus dem Unterricht, Laborzugangsprotokolle, Anwesenheitsdaten und demografische Aufschlüsselungen, um eine wachsende Leistungslücke in den Ingenieurkursen der Mittelstufe zu identifizieren und gezieltes Coaching sowie Materialien für betroffene Schulen zu priorisieren.

Fehlanwendung

Sich ausschließlich auf ein einzelnes leistungsbasiertes Testergebnis verlassen, selektiv vorteilhafte Kennzahlen auswählen, den Kontext (z. B. Gerätezugang oder Sprachkenntnisse) ignorieren oder identifizierbare Schülerdaten ohne Zustimmung veröffentlichen.

Konsequenz

Richtig durchgeführt liefert die Überprüfung priorisierte, evidenzbasierte Interventionen, eine klarere Ressourcenverteilung, frühe Erkennung von Ungleichheiten und messbare Verbesserungen der Lernergebnisse.

Umkehrung

Das Fehlen einer systematischen Überprüfung — Entscheidungen auf Grundlage von Anekdoten oder Intuition — führt zu reaktiven, inkonsistenten Maßnahmen und verborgenen Ungleichheiten.

Abgrenzung

Bezieht sich auf datenbezogene Praktiken auf Programm- und Klassenebene für operative und instruktive Zwecke; sie schafft nicht automatisch forschungsreife Datensätze, ersetzt keine institutionelle Datensteuerung und umfasst keine nicht STEM-bezogenen Verwaltungsdaten, sofern diese die STEM-Ergebnisse nicht direkt beeinflussen.

Semantische Spannung

Unterscheidet sich von einem compliance-orientierten Daten-Audit (Prüfung rechtlicher/technischer Konformität) und von reiner Datenanalyse (statistisch-technisch) durch den Fokus auf handlungsorientierte Unterrichtsinterpretation und equity-orientierte Empfehlungen.

Synthese

Die STEM-Datenüberprüfung verbindet sorgfältige Datenpflege, kontextuelle Interpretation und stakeholdergerechte Berichterstattung, um vielfältige STEM-Indikatoren in klare, priorisierte Maßnahmen zur Verbesserung von Lehren und Lernen zu überführen.