Aufgrund neuer technologischer Entwicklungen und tiefgreifender gesellschaftlicher Veränderungen, insbesondere im Zusammenhang mit Covid-19, haben Schulen auf der ganzen Welt begonnen, ihren Unterricht und ihr Management umzugestalten. Sie reagieren mit neuen Ansätzen für adaptiven Unterricht, personalisiertes Lernen, Schulmanagement und den Einsatz von EdTech auf die zunehmende Heterogenität in den Klassenzimmern. Die Schulen haben vielversprechende und effektive Herangehensweisen entwickelt, um Schülerinnen und Schülern jene Fertigkeiten mitzugeben, die diese für eine immer stärker automatisierte, digitalisierte und komplexe Zukunft im 21. Jahrhundert benötigen.
Unser School Knowledge and Innovation Learning Lab (SKILL) will diese vielversprechenden Ansätze aus der Praxis sichtbar machen, sie verstärken, systematisieren und den Nachweis ihrer Wirksamkeit erbringen.
Das SKILL-Programm zielt darauf ab, evidenzbasierte Schulinnovationen zu identifizieren, zu kodifizieren und zu verbreiten – insbesondere bezogen auf adaptiven Unterricht, den effektiven Einsatz von digitalen Medien und datengestützte Schulleitung. Um möglichst wirkungsvoll zu sein, werden wir hierbei mit Schul-Aggregatoren zusammenarbeiten. Diese Aggregatoren sind Institutionen, die global und innerhalb eines nationalen Bildungssystems Schulen aufgrund bestimmter Merkmale zusammenfassen, um Wissens- und Praxisgemeinschaften unter den Schulen zu bilden.
Für jeden Schulaggregator soll ein massgeschneidertes Lernlabor eingerichtet werden, das einzelne Schulen oder Gruppen von Schulen dabei unterstützt, ihre Erkenntnisse und Wirksamkeit durch wiederholte, datengesteuerte und strukturierte Experimente zu verbessern. Zudem soll der Austausch mit Partnerschulen im Rahmen thematischer oder regionaler Wissensgemeinschaften ausgebaut werden. Wo immer möglich, sollen die Lernlabs der verschiedenen Aggregatoren zusammenarbeiten und sich gegenseitig inspirieren.
Ausgewählte Best Practices des Programms SKILL werden wir in unser Forschungsformat SEAL (School Evidence for Adaptive Learning) überführen, damit sie dort getestet und skaliert werden können.
