Ein periodischer analytischer Prozess, der gesammelte Daten zur digitalen Kompetenz prüft, um Datenqualität zu bewerten, Trends zu interpretieren, Lücken zu identifizieren und Korrektur- oder Verbesserungsmaßnahmen zu empfehlen.

Prinzip

Regelmäßige, strukturierte Überprüfungen verwandeln Messungen durch Qualitätsprüfungen, Disaggregation, Triangulation und kontextuelle Interpretation in Erkenntnisse.

Demonstration

Vierteljährliche Sitzungen, in denen Lehrkräfte Verteilungen von Rasterbewertungen prüfen, Ergebnisse nach Untergruppen disaggregieren, Anomalien wie plötzliche Rückgänge bei Bewertungen zur digitalen Bürgerschaft untersuchen und gezielte Interventionen oder Fortbildungen planen.

Fehlanwendung

Überprüfungen durchführen, die sich nur auf aggregierte Mittelwerte ohne Disaggregation konzentrieren, oder Reviews als formales Ritual behandeln statt als Grundlage für Entscheidungen und Verbesserungen.

Konsequenz

Verbesserte Datenqualität, Identifikation von Ungleichheiten, gezielte Unterstützungsmaßnahmen für Lernende und Lehrende sowie evidenzbasierte Anpassungen von Curriculum und Ressourcen.

Umkehrung

Datenanhäufung ohne systematische Inspektion oder Maßnahmen, was zu ungenutzten, irreführenden oder verschlechterten Datenqualitäten führt.

Abgrenzung

Umfasst Verfahren zur Analyse von Monitorings- und Programmdaten im Zusammenhang mit digitaler Kompetenz; schließt primäre Datenerhebungsdesigns und formale externe Evaluationen aus, sofern sie nicht als Inputs in die Überprüfung eingehen.

Semantische Spannung

Unterscheidet sich vom Monitoring (kontinuierliche Sammlung) und von Evaluation (formale Wirkungsmessung); Datenüberprüfung ist die interpretative, routinemäßige Analysephase, die Monitoring-Ergebnisse mit Entscheidungen verbindet.

Synthese

Datenüberprüfung ist die disziplinierte Interpretationsstufe, die überwachte Indikatoren durch Qualitätsprüfung und Musterauswertung in umsetzbare Erkenntnisse und konkrete Empfehlungen verwandelt.