الدليل حسب التصميم: جعل تكنولوجيا التعليم جاهزة لاختبار DfE-EEF EdTech

ما سبق: الدليل التجريبي وتقرير النطاق ولوحة الأدلة

قارن تقرير النطاق التجريبي الخاص بـ DfE، الذي أعده فريق الابتكار المفتوح وتم نشره في ديسمبر 2025، أربعة نماذج اختبارية من مراجعة Nesta لعام 2019 (التصميم المشترك، والاختبار والتعلم، ومركز الأدلة، وشبكة تكنولوجيا التعليم) ووجد أن لا شيء يلبي كل هدف على حدة. ونظرًا لأن فترة الاختبار التي تتراوح من 6 إلى 12 أسبوعًا أقصر من أن تتمكن من قياس التحصيل أو الإدماج بشكل موثوق، فقد أوصت بالبدء بعبء العمل، وخاصة أدوات وضع العلامات والملاحظات.[6]

خياراتها تنذر بالمرحلتين. يقوم التقييم التجريبي، الذي يتم عادةً بمشاركة حوالي 25 مدرسة أو كلية وبدون مجموعة مراقبة، باختبار الجدوى والوعد المبكر خلال فصل دراسي واحد، مقابل معايير النجاح المحددة مسبقًا، مثل الحد الأدنى من عتبات الاستخدام. يحتاج تقييم الأثر إلى تجربة معشاة ذات شواهد أو تصميم مقارنة مطابق؛ بالنسبة للتجارب المعشاة ذات الشواهد، كانت القاعدة الأساسية هي إجراء 50 إلى 70 مدرسة وكلية لكل ذراع، لذلك يمكن لنحو مليون جنيه إسترليني اختبار أداة واحدة فقط. وحذر التقرير أيضًا من أن تكنولوجيا التعليم، وخاصة الذكاء الاصطناعي، تتغير بشكل أسرع من دورات البحث.[6]

قام البرنامج التجريبي لـ EdTech Evidence Board الخاص بـ DfE، والذي قدمته كلية التدريس المعتمدة، باختبار المراجعة المستقلة لأدلة المنتج. ووجد تقريرها الصادر في سبتمبر 2026 أن المعايير قابلة للتطبيق، لكن عددًا قليلًا نسبيًا من المحافظ قدم تفسيرًا متماسكًا يربط بين الاحتياجات التعليمية والتصميم والتنفيذ والنتائج؛ غالبًا ما كانت الأدلة مجزأة أو غير متطابقة بشكل جيد مع الادعاءات المقدمة. تباينت وثائق إمكانية الوصول وحماية البيانات والأمن السيبراني والسلامة وقابلية التشغيل البيني بشكل كبير، ولم يتم تقديم أي جوائز. ونصح التقرير مقدمي الخدمات بجعل النموذج المنطقي هو العمود الفقري لاستراتيجية الأدلة الخاصة بهم، واقترح بناء عملية جمع البيانات للتقييم في المنتج.[7]

أحصى تقييم السوق الذي أجرته DfE في يونيو 2026 1,123 شركة تكنولوجيا تعليمية في المملكة المتحدة. ووجدت أدلة موثوقة حول كيفية استخدام تكنولوجيا التعليم في المدارس لا تزال محدودة، حيث تفتقر المدارس إلى أطر التقييم وبيانات الاستخدام المتسقة من الموردين، وغالباً ما تعتمد القرارات على الكلام الشفهي.[8] يحكم EEF على فعالية تدخلات تكنولوجيا التعليم بشكل مختلط، وأصغر وأقل يقينًا بالنسبة للتلاميذ المحرومين.[4]

كيف يحكم EEF على الأدلة

تم إنشاء تقييمات EEF لتكون قابلة للمقارنة. يجمع معظمهم بين تجربة معشاة ذات شواهد وتقييم التنفيذ والعملية (IPE) وتقييم التكلفة، ويتبعون التسلسل أدناه، وينشرون كل ما يجدونه.[9][10]

يتم تحليل كل فرد عشوائيًا في المجموعة المخصصة له (نية العلاج)؛ يتم التحكم في التحصيل المسبق؛ يتم وضع نماذج لتجمع التلاميذ في الفصول والمدارس؛ ويتم الإبلاغ عن التأثيرات على أنها Hedges' g، وهو حجم تأثير موحد، بفواصل ثقة 95% وبدون تسميات ذات دلالة إحصائية. يتم الإبلاغ عن الارتباطات داخل الفصل الدراسي (ICCs)، ويتم دائمًا تحليل التلاميذ المؤهلين للحصول على وجبات مدرسية مجانية (FSM) بشكل منفصل.[10] تصبح التأثيرات على التحصيل أشهرًا من التقدم الإضافي: من 0.05 إلى 0.09 شهر واحد، ومن 0.10 إلى 0.18 شهرين، ومن 0.19 إلى 0.26 ثلاثة، ومن -0.04 إلى 0.04 لا شيء.[15] يتم تصنيف النتيجة الأولية لكل تقييم تأثير من صفر إلى خمسة أقفال على ثلاثة معايير.[11]

يحدد المعيار الأضعف التصنيف الأولي، وقد تخفضه تهديدات مثل ضعف الالتزام بالتنفيذ أو البيانات المفقودة. ولا تُصنّف الدراسات التجريبية الأولية.[11] يشرح IPE النتائج: يسرد EEF اثني عشر بعدًا، بما في ذلك الإخلاص والتكيف والجرعة والوصول والاستجابة وتمايز البرامج، وتسجل كل تجربة الممارسة المعتادة في جميع الأسلحة قبل التسليم وبعده.[12] تبحث الدراسات التجريبية الأولية بدلًا من ذلك فيما إذا كان البرنامج قابلًا للتنفيذ وواعدًا وجاهزًا لتجربة، وفق مؤشرات متفق عليها مسبقًا، مثل حضور أكثر من 70% من التلاميذ جميع الجلسات.[13]

بالنسبة للتجربة، يريد EEF دليلًا مسبقًا على الوعد وبرنامجًا مطورًا بالكامل، تم تقديمه بالفعل في أكثر من 20 إعدادًا في إنجلترا وقادرًا على الوصول إلى 50 إعدادًا في العام. وتستغرق المحاكمات عادة سنتين إلى ثلاث سنوات.[9] يربط معظم التلاميذ بقاعدة بيانات التلاميذ الوطنية (NPD)، ويقوم EEF بأرشفة البيانات المرتبطة في مكتب خدمة الأبحاث الآمنة للإحصائيات الوطنية (ONS SRS)، الذي تديره FFT Education، لتتبع التأثيرات طويلة المدى.[18]

ما أظهرته تجارب تكنولوجيا التعليم الأخيرة

ظهرت ثلاثة من هذه التقارير في الفترة ما بين يونيو وسبتمبر 2026. وكانت النتائج متواضعة، والأسباب تهم فرق المنتج.

قد لا يرقى الاستخدام إلى مستوى التصميم، ويمكن أن يؤدي الاستخدام الأثقل إلى مزيد من التقدم؛[21][22] تقارن التجربة المنتج بأي شيء تفعله المدارس الشاهدة فعليًا، والذي قد يكون تدخلاً آخر؛[23][25] ويقلل فقدان المشاركين من موثوقية تجربة قوية من جوانب أخرى.[24] الملاحظة المعملية 004 مراجعات الدليل الأوسع على اللعب وتعلم الأطفال.

اختيار التصميم: الوحدات والطاقة ومجموعات المقارنة

من أو ما هو العشوائي

يؤدي التوزيع العشوائي للفصول الدراسية أو المعلمين أو المجموعات الدراسية داخل المدارس إلى خطر الانتشار، حيث يتشارك الموظفون والتلاميذ ما يتعلمونه؛ إن التوزيع العشوائي للمدارس بأكملها يقلل من هذا الخطر ولكنه يحتاج إلى عينة أكبر بكثير.[6] يتم قياس تكلفة التجميع بواسطة ICC، وهي حصة التباين في النتائج التي تقع بين المدارس أو الفصول الدراسية. في تجارب اللغة الإنجليزية المكتملة المكونة من ثلاثة مستويات والتي تمت مراجعتها من أجل EEF، تراوحت درجات التحصيل الدولية على مستوى المدرسة من 0.02 إلى 0.27، وكان التجميع على مستوى الفصل أقوى في الرياضيات الثانوية، حيث غالبًا ما يتم تحديد التلاميذ حسب التحصيل.[39] يؤدي الاختبار المسبق الجيد إلى تقليل العينة المطلوبة.[10][39]

القوة وأصغر تأثير يستحق الكشف

يتم تحديد حجم التجارب بحيث يتم اكتشاف أصغر تأثير يستحق الاكتشاف، وهو الحد الأدنى لحجم التأثير القابل للاكتشاف، باحتمال (قوة) 80% عند مستوى أهمية 5%، باستخدام ICCs المفترضة وارتباطات ما قبل الاختبار،[14] ويتوقع EEF أن يكتشف معظمهم تأثيرًا قدره 0.2 أو أي شيء قد يكون فعالاً من حيث التكلفة.[11] غالبًا ما تكون التأثيرات الحقيقية أصغر: عبر 141 تجربة كبيرة بتكليف من EEF والمركز الوطني الأمريكي للتقييم التربوي والمساعدة الإقليمية، كان متوسط ​​التأثير 0.06 انحرافات معيارية، مع فواصل ثقة يبلغ متوسطها 0.30، لذلك كانت العديد من النتائج غير مفيدة.[38] خطط لتأثير متواضع، ولا تعد أبدًا بتأثير كبير.

الاستنزاف والتلوث والعمل كالمعتاد

يتم حساب الاستنزاف على مستوى التلميذ من التوزيع العشوائي إلى التحليل،[11] ومدارس السيطرة هي الأصعب في الحفاظ عليها.[17] يؤدي التلوث، عندما تتلقى مجموعة المراقبة بعضًا من التدخل، إلى تخفيف التأثير المقاس؛ حسب تورجيرسون أن تخصيص مجموعات كاملة يقلل فقط من إجمالي العينة المطلوبة عندما يتجاوز التلوث حوالي 30%.[40] يكون الخطر حادًا بالنسبة لأدوات الذكاء الاصطناعي للمستهلك التي يمكن للمعلمين التحكم في استخدامها ببساطة.[6] طلبت تجربة Aila الخاصة بـ EEF من كلا الذراعين تجنب الموقع الإلكتروني الرئيسي لأكاديمية Oak الوطنية وذراع التحكم لتجنب Aila،[27] وكل تجربة EEF تقيس العمل كالمعتاد بدلاً من افتراضه.[12]

قوائم الانتظار وتصميمات المجموعة السنوية

تقديم المنتج لمدارس المراقبة بعد ذلك يمكن أن يسهل عملية التوظيف،[6] ويسرد قالب بروتوكول EEF عناصر التحكم في قائمة الانتظار.[14] تقوم تجربة Lightning Squad بتوزيع عشوائي لكل مدرسة لتقديم البرنامج في السنة الثالثة أو السنة الرابعة، بحيث تقوم كل مدرسة بتنفيذه.[28]

اختبارات A/B داخل المنتج

توفر التجارب المضمنة في منصة التعلم أسسًا قوية للادعاءات السببية،[42] لكن التعليم يضيف قيودًا: قد يحتاج الفصل إلى شرط واحد، والمتعلم إلى نسخة متسقة. تقوم منصة UpGrade مفتوحة المصدر بتعيين الشروط حسب الفصل أو المدرسة أو المنطقة وتحل النزاعات بين تناسق المجموعة والفرد.[45] يُظهر اختبار A/B الإصدار الذي يعمل بشكل أفضل، وليس ما إذا كان المنتج يتفوق على العمل كالمعتاد، وهو سؤال المرحلة الثانية.

التصاميم شبه التجريبية

يقارن تصميم المقارنة المطابق المستخدمين مع المدارس المماثلة المستمدة من البيانات الإدارية لـ DfE، ولكن لا يمكنه استبعاد الاختلافات غير الملحوظة ويقتصر على النتائج في تلك البيانات.[6] يمكن أن يصل انقطاع الانحدار، الذي يقارن تلك الموجودة على جانبي قطع الأهلية، والاختلافات في الاختلافات، التي تقارن التغييرات بمرور الوقت، إلى أربعة أقفال؛ مطابقة يمكن أن تصل إلى ثلاثة.[11] تقارن السلاسل الزمنية المتقطعة النتائج قبل وبعد الإطلاق؛ يحتاج إلى نموذج تأثير تم إعداده مسبقًا ويجب أن يتعامل مع الارتباط التلقائي والأنماط الموسمية،[41] والتي تتبع في المدارس العام الدراسي.

تطرح المرحلتان أسئلة مختلفة، ويجب أن يخدم المنتج كليهما.[6][9][10][11][13][14]

سوف تتعرف فرق الجامعة على السلم: معايير الأدلة الخاصة بمكتب الطلاب (OfS)، المستخدمة من قبل مركز تحويل الوصول ونتائج الطلاب في التعليم العالي (TASO)، والأدلة السردية والتجريبية والسببية المنفصلة كأنواع من 1 إلى 3.[20]

النماذج المنطقية والإخلاص والجرعة

تختبر التجربة نظرية التغيير: كيف تؤدي المدخلات والأنشطة إلى مخرجات ونتائج. يصمم EEF التقييمات حول النموذج المنطقي بحيث يمكن إرجاع النتيجة الفارغة، حيثما أمكن، إلى فشل النظرية أو التنفيذ أو المنهجية. تستخدم إرشادات يناير 2026 وصف PLANIT (الغرض والمتعلمين والجهات الفاعلة والطبيعة والتدخل والخياطة) الذي يسجل التعديلات.[16] يوصي قالب التقرير الخاص به بقائمة مراجعة TIDieR المكونة من 12 عنصرًا، والتي تغطي ماذا ومن وكيف وأين ومتى وكم، والخياطة والتعديلات ومدى جودة ذلك.[15][44]

التوافق يحول النموذج المنطقي إلى أرقام. يتفق المطور والمقيم مسبقًا على المدخلات التي تجعل التلميذ أو الفصل أو المدرسة متوافقة؛ حيث يجمع البرنامج بين تدريب المعلمين والبرمجيات، وكلاهما مهم. يمكن أن يكون الامتثال ثنائيًا أو مستمرًا مع الحدود، ويغذي تقدير متوسط ​​التأثير السببي (CACE) جنبًا إلى جنب مع النتيجة الرئيسية.[10] الدقة أوسع، وتغطي الجودة والجرعة والتكيف.[12] بالنسبة للبرامج، تأتي هذه القياسات غالبًا من بيانات المنتج، والتي يجب أن تكون موثوقة وقابلة للتدقيق.

بلغ متوسط ​​تلاميذ Maths-Whizz 32 دقيقة في الأسبوع مقابل 45 إلى 60 الموصى بها، والتي يعتبرها EEF مجالًا لمزيد من التأثير؛[22] يميل تلاميذ ليكسيا الذين تجاوزوا الحد الأدنى الموصى به إلى التقدم أكثر، وهي نتيجة تعتمد على أرقام أصغر.[21] لا يمكن تحقيق أي استنتاج بدون بيانات استخدام جديرة بالثقة.

هندسة منتج للتقييم

يعني الدليل حسب التصميم اتخاذ قرار قبل التجربة بما يسجله المنتج، وكيفية تطبيق الأذرع، والإصدار الذي سيتم تقييمه، وكيفية وصول البيانات إلى المُقيم. تشرح مذكرة المختبر 001 ما يخسره الباحثون عندما تصبح التحليلات فكرة لاحقة; يحول هذا القسم ذلك إلى مواصفات.

مخطط حدث يمكن للمقيم استخدامه

الحد الأدنى الموصى به من الحقول أدناه. المتطلبات الكامنة وراءها تأتي من تحليل EEF وإرشادات الأرشفة، ومن إرشادات الأسماء المستعارة من قبل ICO، الجهة المنظمة لحماية البيانات في المملكة المتحدة.[10][18][33]

وقت الجلسة، من تسجيل الدخول إلى تسجيل الخروج، يحسب علامات التبويب المفتوحة. يحسب الوقت النشط فترات التفاعل فقط أثناء ظهور الصفحة، والتي تبلغ عنها المتصفحات، مع تحديد الفجوات الخاملة.[48] الاختيار مهم: في مجموعتي بيانات تحليلات التعلم، أدت التقديرات المختلفة للوقت المستغرق في المهمة إلى تغيير النتائج، ونادرا ما يتم الإبلاغ عن الطريقة.[43] قم بتسجيل الطوابع الزمنية الأولية، وحدد قاعدة الوقت النشط في SAP واسمح للمقيم بإعادة حسابها.

الأسلحة التجريبية والنسخة المستقرة

قم بتطبيق أذرع ذات أعلام الميزات على الوحدة التي قام المقيم باختيارها بشكل عشوائي. تقوم العديد من أدوات العلامة بتقسيم المتغيرات حسب مفتاح الاستهداف، والذي تحدده مواصفات OpenFeature كموضوع لتقييم العلامة.[47] في تجربة عشوائية على مستوى المدرسة، يجب أن يكون هذا المفتاح هو المدرسة، وإلا سيقوم المنتج بتوزيع التلاميذ بشكل عشوائي داخل المدارس بهدوء. تم تصميم تجارب EEF وتعيينها بشكل عشوائي من قبل المقيم المستقل،[9][14] لذا قم باستيراد هذا التخصيص بدلاً من إنشاء تخصيص خاص بك، وقرر ما سيحدث بعد ذلك: يتيح UpGrade للباحثين الاحتفاظ بالشروط أو إعادتها أو تبديلها عند انتهاء التجربة.[45]

ثم أمسك المنتج بثبات. يقوم EEF بتقييم البرامج التي لا تحتاج إلى مزيد من التطوير[9] ويتوقع تسجيل التعديلات.[16] بالنسبة للمنتج الذي يتم شحنه أسبوعيًا، فهذا يعني إصدارًا تجريبيًا: الميزات مجمدة، والإصلاحات مسجلة، وإصدار المحتوى، وبالنسبة للذكاء الاصطناعي التوليدي، يتم تثبيت إصدار النموذج وتسجيله، لأن أدوات الذكاء الاصطناعي تتغير بشكل أسرع من دورات البحث.[6]

الربط بالسجلات المدرسية

تأتي القوائم من نظام المعلومات الإدارية بالمدرسة (MIS). تتعامل DfE مع رقم التلميذ الفريد (UPN) كبيانات شخصية و"رقم أعمى" لا يمكن استخدامه لأغراض لا علاقة لها بالتعليم؛ يجوز لمورد بتكليف من المدرسة الاحتفاظ به كمعالج، ولا يجوز للباحثين الحصول عليه إلا للعمل الذي تبدأه مدرسة أو سلطة محلية أو DfE أو إدارة حكومية أخرى محددة.[36] لا تستخدمه أبدًا كمعرف منتج. بالنسبة لمطابقة NPD، يقوم المقيمون بجمع الأسماء وتواريخ الميلاد بالإضافة إلى UPN أو معرف المدرسة أو الرمز البريدي؛[10] يتم تحليل البيانات المطابقة وأرشفتها داخل ONS SRS،[18] والمخرجات من بيانات DfE تتركها، كقاعدة عامة، فقط إذا كانت الأعداد 10 أو أكثر.[37]

خط الأنابيب الذي يفصل بين الأبحاث

اسم مستعار عند التجميع. ينصح ICO بعدم التجزئة غير المفتاحية والخوارزميات القديمة مثل MD5 وSHA-1، ويصف التجزئة ذات المفاتيح والرموز العشوائية، ويتطلب الاحتفاظ بالمفتاح أو جدول التعيين بشكل منفصل؛ تظل البيانات ذات الأسماء المستعارة بيانات شخصية لمن يحمل هذا المفتاح.[33] احتفظ بمخزن البحث في اتجاه واحد: منذ 5 فبراير 2026، تحتاج معالجة البحث إلى ضمانات بما في ذلك تدابير تقليل البيانات مثل الأسماء المستعارة، وتفشل في استخدامها في التدابير أو القرارات المتعلقة بشخص معين، خارج البحث الطبي المعتمد.[29] قم بتطبيق اختزال الأرقام الصغيرة على كل لوحة معلومات، باستخدام الحد الأكثر صرامة بين المصادر المجمعة.[37]

حماية البيانات للمحاكمات

الأدوار تأتي أولاً. من المرجح أن يكون المورد الذي يتصرف فقط بناءً على تعليمات المدرسة هو المعالج لها؛ الشخص الذي يستخدم بيانات التلاميذ للبحث الذي لا يمثل الخدمة الأساسية التي اشترتها المدرسة، أو لتطوير المنتج الخاص بها، يعمل كمراقب ومن المرجح أن يقع ضمن قانون الأطفال، مهما كان نص العقد.[30] في تجارب EEF، يكون المقيِّمون هم المتحكمون، وتصبح فرق التسليم متحكمين مشتركين عندما يقررون مع المقيمين ما هي البيانات التي سيتم جمعها، ويكون EEF هو المتحكم في الأرشيف.[19] في يونيو 2026، أبلغ ICO عن عمليات تدقيق لـ 28 من موفري تكنولوجيا التعليم. وشملت المشكلات الشائعة إساءة مقدمي الخدمة الحكم على ما إذا كانوا مراقبين أم معالجين، خاصة عندما تغذي بيانات الأطفال تطوير المنتج أو التحليلات، إلى جانب العقود الهزيلة وخرائط تدفق البيانات غير المكتملة والفجوات في تقييمات تأثير حماية البيانات (DPIAs).[31]

يحتاج كل مراقب إلى أساس قانوني. يعتبر ICO أن المهمة العامة من غير المرجح أن تناسب مزود تكنولوجيا التعليم الذي يعمل كمراقب،[30] ويعتمد أرشيف EEF على المصالح المشروعة، مع الحق في الانسحاب.[19] يتطلب ICO DPIA لمطابقة البيانات، وهو ما يعني ربط النتائج.[32] يتعامل EEF مع اتفاقية مشاركة البيانات بين وحدات التحكم على أنها ممارسة جيدة، واتفاقية معالجة البيانات كمتطلب قانوني حيث يعمل فريق التسليم كمعالج.[17][35]

غيّر قانون (الاستخدام والوصول) لعام 2025 قواعد البحث اعتبارًا من 5 فبراير 2026. يشمل البحث العلمي صراحةً البحث التجاري والتطوير التكنولوجي والأبحاث التطبيقية؛ يمكن أن تغطي الموافقة مجالًا بحثيًا؛ أن تكون المعالجة الإضافية للأبحاث بموجب الضمانات الجديدة متوافقة مع الغرض الأصلي ولكنها لا تزال بحاجة إلى أساس قانوني؛ وتحل المواد الجديدة من 84أ إلى 84د محل المادة 89 من اللائحة العامة لحماية البيانات في المملكة المتحدة (المملكة المتحدة).[29] لا تزال المستندات الأقدم، بما في ذلك بيان حماية البيانات الخاص بـ EEF، تستشهد بالمادة 89،[19] وتوجيهات ICO بشأن البحث، وتقييمات حماية البيانات، والأسماء المستعارة، ومشاركة البيانات قيد المراجعة.[32][33][34][35]

ما تحتويه حزمة الأدلة الجاهزة للتقييم

بالاعتماد على معايير مجلس الأدلة ومعايير جاهزية EEF والأقسام أعلاه، يجب أن تحتوي الحزمة التي يقدمها المورد للمقيم والمدرسة قبل التجربة على:[7][9][16]

أين يقف EdTechLab

لم نجري أو نشارك في تجربة EEF أو تقييم Testbed. ما تفعله منتجاتنا اليوم هو أضيق. تنتج EngagedLab تقارير أدلة لكل هدف، مع تقليل أرقام المجموعات إلى أقل من 5 متعلمين. إن حزم SCORM (النموذج المرجعي لكائن المحتوى القابل للمشاركة) الخاصة بها مستقلة بذاتها ولا تجري أي مكالمات خارجية، مع إمكانية إرجاع الأدلة باستخدام معرفات المتعلم لنظام إدارة التعلم المجزأ (LMS). يوفر intle مستوى الصعوبة لكل سؤال وتحليل التمييز للجلسات المستضافة، وفي خطط المستوى الأعلى، ولا ترسل حزمه المصدرة أي بيانات للمتعلم. واجهة برمجة تطبيقات الخبرة (xAPI) ليست ميزة مباشرة لمنتجاتنا.

في WorkReady Finance، الذي قمنا بتطويره لـ UWE Bristol Business School، UWE Bristol هو المتحكم في البيانات وEdTechLab هو المعالج. في مشروع العميل الذي يهدف إلى التقييم، سنبدأ من النموذج المنطقي وخطة تحليل المقيِّم، ونتفق على قاموس الحدث وتعريف الامتثال قبل الإطلاق، ونطبق تخصيص المقيِّم على الوحدة المناسبة، ونصلح إصدارًا تجريبيًا، ونستخدم اسمًا مستعارًا عند التجميع، ونسوي الأدوار، وقانون حماية البيانات (DPIA) والاتفاقيات قبل نقل أي بيانات للتلميذ. تشرح مذكرة المختبر 002 كيف يمكننا تقييم البنية التحتية الرقمية لأبحاث التعليم.

حدود هذا التقرير

• هذه معلومات عامة وليست نصيحة قانونية.
• تعكس تفاصيل البرنامج المنشورات بتاريخ 5 أكتوبر 2026؛ معايير الموردين، وأساليب المرحلة الأولى والتكاليف التي تتحملها المدارس لم يتم نشرها.
• تأتي نتائج التجربة من صفحات مشروع EEF؛ ولم نقم بإعادة تحليلها.
• تأتي أرقام ICC من عدد قليل من التجارب الإنجليزية وتختلف حسب المرحلة والموضوع.
• الاستشارة الهندسية لنا، وليست متطلبات EEF أو DfE.
• تشكل منصات الاختبار أيضًا ما يمكن اعتباره دليلاً، من خلال جعل ممارسة الفصل الدراسي مرئية وقابلة للتنفيذ بطرق معينة.[46]