Profiles

La pandémie a aggravé une crise de l'apprentissage et mis en péril les objectifs mondiaux. Et pourtant, même dans les contextes éducatifs les plus difficiles, certaines écoles obtiennent de meilleurs résultats que d'autres, situées dans des contextes similaires et avec un niveau de ressources équivalent. Pourquoi ces écoles exceptionnelles, connues sous le nom d'écoles "modèles positives", obtiennent-elles de meilleurs résultats en matière d'apprentissage, de rétention, d'équité et d'égalité des sexes ? Data Must Speak (DMS) - une initiative mondiale mise en œuvre depuis 2014 - vise à combler les lacunes en matière de preuves tangibles pour atténuer la crise de l'apprentissage en utilisant les données existantes. Le volet recherche de DMS est cocréé avec les ministères de l'éducation. Il s'appuie sur des méthodes mixtes pour générer des connaissances, parallèlement à des enseignements pratiques sur ce qui fonctionne, pourquoi et comment mettre à l'échelle des solutions de terrain pour les décideurs politiques nationaux et la communauté internationale dans le domaine de l'éducation. La recherche utilise des approches innovantes et complémentaires telles que l’approche modèle positive, des sciences comportementales, de la recherche sur la mise en œuvre et de la science de la mise à l'échelle pour identifier et mettre à l'échelle les comportements et les pratiques des écoles "modèles positives". Cette revue méthodologique présente les définitions, concepts et méthodologies clés de ces approches afin de guider et d'informer le développement et la mise en œuvre de la recherche DMS au niveau national. En s'appuyant sur des exemples existants tirés de la recherche sur l'éducation et d'autres domaines, cet revue propose également les meilleures pratiques et les leçons tirées de ces approches qui peuvent être utilisées comme référence commune et langage standard pour leurs applications futures.

The pandemic has aggravated a learning crisis and put global goals in jeopardy. And yet, even in the most challenging educational contexts, some schools outperform others located in similar contexts and with an equivalent level of resources. Why do these exceptional schools, known as ‘positive deviant’ schools, achieve improved outcomes in learning, retention, equity and gender equality? Data Must Speak (DMS) – a global initiative implemented since 2014 – aims to address the evidence gaps to mitigate the learning crisis using existing data. DMS’s research component is co-created with ministries of education. It relies on mixed methods to generate knowledge, alongside practical lessons about ‘what works’, ‘why’ and ‘how to’ scale grassroots solutions for national policymakers and the broader international community of education stakeholders. The research utilizes innovative and complementary approaches of positive deviance, behavioural sciences, implementation research and scaling science to identify and scale up behaviours and practices of ‘positive deviant’ schools. This methodological review presents key definitions, concepts and methodologies of those approaches to guide and inform the development and implementation of the DMS research at country level. By drawing on existing examples from research on education and other fields, this review also offers best practices and lessons learned from those approaches that can be used as a common reference and standard language for future application.