Okul Yöneticileri Veri Temelli Karar Verme Yeterlikleri Ölçeğinin Geliştirilmesi: Bir Geçerlilik ve Güvenirlik Çalışması

Abstract

Bu araştırmanın amacı, okul yöneticilerinin veri temelli karar verme yeterliklerini belirlemeye yönelik geçerli ve güvenilir bir ölçme aracı geliştirmektir. Nicel araştırma deseninde yürütülen çalışmanın örneklemini, 2024–2025 eğitim-öğretim yılı bahar yarıyılında Zonguldak ilinde Millî Eğitim Bakanlığı’na bağlı kamu okullarında görev yapan 242 okul yöneticisi oluşturmaktadır. Ölçek geliştirme sürecinde kapsamlı bir alanyazın taraması yapılarak başlangıçta 30 maddelik bir madde havuzu oluşturulmuş, kapsam geçerliğini sağlamak amacıyla alan uzmanlarının görüşlerine başvurulmuş ve pilot uygulama sonrasında gerekli düzenlemeler yapılmıştır. Yapı geçerliğini incelemek amacıyla açımlayıcı ve doğrulayıcı faktör analizleri uygulanmıştır. Açımlayıcı faktör analizi sonucunda, üç faktörlü bir yapı ortaya çıkmış ve binişiklik ile düşük madde-toplam korelasyonları nedeniyle bazı maddeler ölçekten çıkarılarak ölçek 17 maddelik bir yapıya indirgenmiştir. Elde edilen faktör yapısı, doğrulayıcı faktör analizi ile test edilmiş; uyum iyiliği indekslerinin kabul edilebilir düzeylerde olduğu belirlenmiştir. DFA sürecinde düşük faktör yüklerine sahip bazı maddelerin çıkarılmasıyla ölçek 14 maddeden oluşan nihai yapısına ulaşmıştır. Ölçeğin güvenirliği Cronbach Alfa iç tutarlılık katsayısı ile incelenmiş; ölçek genelinde α = .934, alt boyutlarda ise .756 ile .920 arasında değişen yüksek güvenirlik değerleri elde edilmiştir. Ayrıca alt-üst grup karşılaştırmaları sonucunda ölçeğin ve alt boyutlarının ayırt edici güce sahip olduğu belirlenmiştir. Sonuç olarak, geliştirilen “Okul Yöneticileri Veri Temelli Karar Verme Yeterlikleri Ölçeği”nin okul yöneticilerinin veri temelli karar verme yeterliklerini ölçmede geçerli, güvenilir ve psikometrik açıdan güçlü bir ölçme aracı olduğu söylenebilir.

Keywords

• Veri Temelli Karar Verme
• Okul Yöneticileri
• Ölçek Geliştirme
• Geçerlik ve Güvenirlik
• Faktör Analizi

Supporting Institution

Zonguldak Bülent Ecevit Üniversitesi Sosyal Bilimler Enstitüsü

Ethical Statement

Bu araştırma için Zonguldak Bülent Ecevit Üniversitesi Sosyal Bilimler Enstitüsü’nün 2014/08-13 sayılı 412 numaralı kararı ile etik izin alınmıştır.

Development of the School Administrators’ Data-Driven Decision-Making Competency Scale: A Validity and Reliability Study

Abstract

The purpose of this study is to develop a valid and reliable measurement instrument to assess school administrators’ data-driven decision-making competencies. The sample of this quantitative research consists of 242 school administrators working in public schools affiliated with the Ministry of National Education in the province of Zonguldak during the spring semester of the 2024–2025 academic year. In the scale development process, an extensive review of the literature was conducted, and an initial item pool consisting of 30 items was generated. To ensure content validity, expert opinions were sought, and necessary revisions were made following a pilot implementation. Exploratory and confirmatory factor analyses were conducted to examine construct validity. As a result of the exploratory factor analysis, a three-factor structure emerged, and due to cross-loadings and low item–total correlations, some items were removed, reducing the scale to 17 items. The resulting factor structure was tested through confirmatory factor analysis, and the goodness-of-fit indices were found to be at acceptable levels. During the CFA process, additional items with low factor loadings were excluded, yielding a final scale consisting of 14 items. The reliability of the scale was examined using the Cronbach’s alpha internal consistency coefficient; high reliability values were obtained, with α = .934 for the overall scale and coefficients ranging from .756 to .920 across the subdimensions. Furthermore, upper–lower group comparisons indicated that both the scale and its subdimensions possess adequate discriminative power. In conclusion, the developed School Administrators’ Data-Driven Decision-Making Competency Scale can be considered a valid, reliable, and psychometrically robust measurement instrument for assessing school administrators’ data-driven decision-making competencies.

Keywords

• Data-Driven Decision Making
• School Administrators
• Scale Development
• Validity and Reliability
• Factor Analysis

Supporting Institution

Zonguldak Bülent Ecevit University, Institute of Social Sciences

Ethical Statement

Ethical approval for this research was obtained from the Zonguldak Bülent Ecevit University Institute of Social Sciences via decision number 412 (reference 2014/08-13).

References

1. Alpsülün, M. & Balıkçı, H. C. (2024). Okul yöneticilerinin yaşam boyu öğrenme eğilimleri ile dijital okuryazarlık düzeylerinin incelenmesi. Eğitim ve İnsani Bilimler Dergisi: Teori ve Uygulama, 15(29), 131-154.
2. Boateng, G. O., Neilands, T. B., Frongillo, E. A., Melgar-Quiñonez, H. R. & Young, S. L. (2018). Best practices for developing and validating scales for health, social, and behavioral research: a primer. Frontiers in Public Health, 6, 149.
3. Brown, T. A. (2015). Confirmatory factor analysis for applied research. Guilford Publications.
4. Bryk, A. S., Gomez, L. M. & Grunow, A. (2015). Learning to improve: How America’s schools can get better at getting better. Harvard Education Press.
5. Büyüköztürk, Ş. (2017). Sosyal bilimler için veri analizi el kitabı: İstatistik, araştırma deseni, SPSS uygulamaları ve yorum, (23. Baskı). Pegem Akademi.
6. Büyüköztürk, Ş., Kılıç Çakmak, E., Akgün, Ö. E., Karadeniz, Ş. & Demirel, F. (2017). Bilimsel araştırma yöntemleri, (23. Baskı). Pegem Akademi.
7. Byrne, B. M. (2010). Structural equation modeling with AMOS: Basic concepts, applications, and programming, (2nd Ed.). Routledge.
8. Costello, A. B. & Osborne, J. W. (2005). Best practices in exploratory factor analysis: Four recommendations for getting the most from your analysis. Practical Assessment, Research & Evaluation, 10(7), 1–9.

9. Çelik, Z. & Gür, B. S. (2013). Turkey's education policy during the AK Party era (2002–2013). Insight Turkey, 15(4), 151–176.
10. Çokluk, Ö., Şekercioğlu, G. & Büyüköztürk, Ş. (2010). Sosyal bilimler için çok değişkenli istatistik: SPSS ve LISREL uygulamaları. Pegem Akademi.
11. Datnow, A. & Park, V. (2018). Data-driven leadership. Educational Management Administration & Leadership, 46(1), 5–24. https://doi.org/10.1177/1741143216675840
12. DeVellis, R. F. (2016). Scale development: Theory and applications, (4th Ed.). SAGE Publications.
13. Earl, L. & Katz, S. (2006). Leading schools in a data-rich world. Corwin Press.
14. Ebel, R. L. (1972). Essentials of educational measurement. Prentice-Hall.
15. Fabrigar, L. R., Wegener, D. T., MacCallum, R. C. & Strahan, E. J. (1999). Evaluating the use of exploratory factor analysis in psychological research. Psychological Methods, 4(3), 272–299.
16. Field, A. (2018). Discovering statistics using IBM SPSS statistics, (5th Ed.). SAGE Publications.
17. Fowler, F. J. (2013). Survey research methods, (5th Ed.). Sage Publications.
18. Fullan, M. (2007). Leading in a culture of change. Jossey-Bass.
19. Gür, H. & Özoğlu, M. (2015). Okul yöneticilerinin veri temelli karar verme yeterliklerinin incelenmesi. Kuram ve Uygulamada Eğitim Yönetimi, 21(3), 321–340.
20. Hair, J. F., Black, W. C., Babin, B. J. & Anderson, R. E. (2014). Multivariate data analysis, (7th Ed.). Pearson Education.
21. Haynes, S. N., Richard, D. C. S. & Kubany, E. S. (1995). Content validity in psychological assessment: A functional approach to concepts and methods. Psychological Assessment, 7(3), 238–247. https://doi.org/10.1037/1040-3590.7.3.238
22. Hu, L. T. & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1-55.
23. Joreskog, K. & Sorbom, D. (1993). Structural equation modelling: Guidelines for determining model fit. NY: University Press of America.
24. Kline, R. B. (2015). Principles and practice of structural equation modeling, (4th Ed.). Guilford Press.
25. Kline, R. B. (2023). Principles and practice of structural equation modeling. Guilford Publications.
26. Lai, M. K. & Schildkamp, K. (2012). Data-Based Decision Making: An Overview. K. Schildkamp, M. Lai, & L. Earl (Eds.). In Data-Based Decision Making in Education (pp. 9-21). Springer Netherlands. https://doi.org/10.1007/978-94-007-4816-3_2
27. Lawshe, C. H. (1975). A quantitative approach to content validity. Personnel Psychology, 28(4), 563–575.
28. Lomax, R. G. (2004). A beginner's guide to structural equation modeling. Psychology Press.
29. Lomax, R. G. (2004). A beginner's guide to structural equation modeling. Psychology Press.
30. MacCallum, R. C., Browne, M. W. & Sugawara, H. M. (1996). Power analysis and determination of sample size for covariance structure modeling. Psychological Methods, 1(2), 130-149.
31. Mandinach, E. B. & Gummer, E. S. (2016). What does it mean for teachers to be data literate? Teaching and Teacher Education, 0(60), 366–376.
32. Mandinach, E. B. & Honey, M. (2008). Data-driven school improvement: Linking data and learning. Teachers College Press.
33. Marsh, J. A. (2012). Interventions promoting educators’ use of data. Teachers College Record, 114(11), 1–48.
34. Maruyama, G. (1998). Basics of structural equation modeling. Sage Publications.
35. Means, B., Padilla, C. & Gallagher, L. (2010). Use of education data at the local level: From accountability to instructional improvement. U.S. Department of Education.
36. Nunnally, J. C. & Bernstein, I. H. (1994). Psychometric Theory, (3rd Ed.). McGraw-Hill.
37. Öznacar, B., Yücesoy, Y. & Demir, B. (2020). Okul yöneticilerinin bilgi, medya ve teknoloji becerilerinin değerlendirilmesi. Uluslararası Türk Kültür Coğrafyasında Sosyal Bilimler Dergisi, 5(2), 94-102.
38. Pallant, J. (2020). SPSS survival manual: A step by step guide to data analysis using IBM SPSS. Routledge.
39. Schermelleh-Engel, K., Moosbrugger, H. & Müller, H. (2003). Evaluating the fit of structural equation models: Tests of significance and descriptive goodness-of-fit measures. Methods of Psychological Research Online, 8(2), 23–74.
40. Schildkamp, K. (2019). Data-based decision-making for school improvement: Research insights and gaps. Educational Research, 61(3), 257-273.
41. Schildkamp, K. & Kuiper, W. (2010). Data-informed curriculum reform. Teaching and Teacher Education, 26(3), 482–496.
42. Schildkamp, K., Poortman, C. L. & Handelzalts, A. (2017). Data teams for school improvement. School Effectiveness and School Improvement, 28(2), 217–231.
43. Tabachnick, B. G., & Fidell, L. S. (2007). Using multivariate statistics, (5th Ed.). Pearson Education.
44. Tavşancıl, E. (2010). Tutumların ölçülmesi ve SPSS ile veri analizi, (4. Baskı). Nobel Yayın Dağıtım.
45. Tezbaşaran, A. A. (1997). Likert tipi ölçek geliştirme kılavuzu. Türk Psikologlar Derneği Yayınları.
46. Wayman, J. C. & Jimerson, J. B. (2014). Teacher needs for data-related professional learning. Studies in Educational Evaluation, 0(42), 25–34.
47. Worthington, R. L. & Whittaker, T. A. (2006). Scale development research: A content analysis and recommendations for best practices. The counseling psychologist, 34(6), 806-838.
48. Yıldırım, A. & Özkan, K. (2012). Eğitim yöneticilerinin veri temelli karar verme düzeylerinin incelenmesi. Eğitim ve Bilim, 37(164), 79–92.
49. Yurdugül, H. (2005). Ölçek geliştirme çalışmalarında kapsam geçerliği için kapsam geçerlik indekslerinin kullanılması. [Tam metin bildiri]. XIV. Ulusal Eğitim Bilimleri Kongresi Bildirileri İçinde (s. 1-6). Pamukkale Üniversitesi, Denizli.