如果阅读科学邀请我参加晚宴，我可以告诉你还有谁会在那里：基于数据的决策。这是因为阅读和基于数据的决策科学是善良的。

阅读科学是关于重要的东西的融合证据，以及在帮助学生阅读理解方面有效的。关键是基于数据的决策。我们可以决定以良好的证据基础来实施实践，但是接下来我们需要进行持续的数据周期，以确保我们正在做的事情真正与特定的学习者合作。

问题与决策

我们中的许多人都提出了问题，例如“我的大多数学生在哪里成长最不好？”但是，一旦我们在数据中找到答案，我们就无法止步于此。这就像打印一张大红色海报，上面写着“收集数据并继续执行”，这是一个可怕的新事物英国模因。查看数据然后照常进行：这不是解决问题。那只是欣赏它。

相反，让我们使用数据为真实决策提供了信息。一个真正的决定涉及决定要采取的行动，取决于数据告诉我们的内容。在实施阅读科学时，我们做出了不同的决定。我们就资源分配，即时教学计划以及计划改进做出决定。让我们对每一个都有更多的思考。

资源分配决策

在一个更美好的世界中，我们将能够为每个学生提供额外的强度或特殊编程。但是资源是有限的，而且仍然是美国的大多数烘焙销售。这就是为什么我们确定有资格获得额外支持的学生子集：标题1服务，第2级干预，暑期学校，辅导，甚至一些人才丰富计划。

阅读科学需要我们的艺术教学。数据只能通知我们的决定，而不是做出决定。

我们正在决定这一点：谁会分配并非每个人都能得到的东西？

筛选器是帮助我们决定谁可能需要干预资源的关键。我们确定一个确定学生证明阅读效果不佳的风险，我们考虑将干预资源分配给下面的人。在Map®ReadingFlumenty™，这种风险清楚地表明了筛选器结果报告。

资源分配的一个重要部分是弄清楚谁得到了哪些：当学生被标记为表现出一定风险时，是时候询问在哪里重点进行干预工作。并非每个学生都应该接受语音干预；对于某些学生而言，可以指出对词汇和口服语言发展的关注。在地图上阅读流利的筛选结果报告中，比较了最低区域的标记学生的基础技能域分数，这使得找到干预措施变得很简单。

教学计划决策

虽然我们的标准和课程指导我们的指导，但我们知道根据学生学习进行调整是关键。这涉及检查整个班级是否准备继续前进，但这也涉及决定在何处教授技能和脚手架，以响应个人的学生需求。

归结为一个问题，我们正在决定这一点：我应该在短期内调整指导？

在决定哪些技能和概念时，我们需要差异化以及向谁进行教学，评估每个学生以技能的发展是关键。在地图上阅读流利教学计划报告，每个学生的表现都与近端开发区（ZPD）例如，语音中的水平，显示哪些学生正在使用单词中的基本字母声音进行努力，哪些是为具有多种语音模式的多音节单词准备的。使用灵活且以技能为重点的小组可以有助于明确支持下一步的孩子。（查看我的朋友Lynne Kulich的帖子使用链接资源根据教学计划报告的想法！）

在脚手架方面，我们知道所有学生都有教学级别内容的权利；例如，我们不会放弃我们的期望，而只是将它们暴露于低于等级的文本中。

尽管有些学生可以在阅读我们要讨论的丰富成绩文本时表现出更大的独立性，但其他学生则需要更重要的脚手架。借助地图阅读流利性，将学生的Lexile口头阅读评分与典型的级文本要求进行了比较，从而明确了哪些学生将从更重要的脚手架中受益。尝试词汇预览，在分析文本结构之前重复读取流利度，甚至读取支持，以确保所有学生都可以访问那些复杂的成绩文本。如果我们在乎我们的识字指导中的公平，将脚手架到等级的内容对于我们的教学法至关重要。

计划改进决策

因此，我们正在使用基于证据的实践进行教学，我们已经建立了干预措施，并且已经找到了区分和脚手架的方法。那对我们有什么工作？我不是在做Phil -Style博士的声明；这确实是我们的数据可以帮助我们回答的事情。不过，我们不想只做基于数据的问题索问题；我们希望遵循真正的决策，在此过程中，我们的数据取决于我们发现的不同行动。

我们需要进行持续的数据周期，以确保我们正在做的事情真正有效。

这种类型的决策回答以下答案：我们需要在哪里改进，在哪里可以复制什么运行良好？

基于标准的级别期望的绩效是尤其是成功仪领域的一种方式，而改进领域。随着地图读取流利，可以将学生的表现与季节性级别的期望进行比较通过绩效级别：下面，接近，满足和超越各自的颜色显示。如果大多数学生未能满足我学校对语音的期望，那么该在第1级教学中加强该区域了。

增长分析是评估运作良好且不佳的另一种关键方法。和raybet二维码，RIT分数的变化可以指向指令或多或少成功地取得收益的地方。在地图读取流利度中，与RIT分数的对应率处于较细粒的水平：我们可以在语音中查看缩放域分数的变化，例如，与语音意识域的变化分开的单词识别。我们可以发现，Friends Elementary的一年级教室的语音增长要比学者小学更大，我们可以找到复制朋友成功的方法。在这个汇总级别的决策可能涉及传播良好的专业学习或补充或更改课程。

个人层面的增长分析也至关重要。当学生接受干预措施时，我们可以进步监视器，以观察学生如何随着增长的响应。如果这种响应没有达到我们目标的正确轨迹，那么我们会被数据发出信号以加强和改善干预措施。

科学，艺术和数据信息决策

我一直在推动这样的想法，即基于阅读和数据的决策的科学永远是最好的朋友：SOR + DBDM = BFF。对重要的是和什么有效涉及对证据的持续承诺，因此这两个是高度含糊的。

但是，是的，这是一个不好的隐喻。我们都知道最好的BFF是人类，最好的晚宴涉及真正的人。（我的意思是，SOR或DBDM甚至可以制作开胃菜吗？）

在真实的关于真实孩子的真实决定中，事实证明人类最重要。就像我们为教学带来创造力和同情心一样，我们也会为决策过程带来深厚的关怀，背景和社区。阅读科学需要我们的艺术教学。数据只能通知我们的决定，而不是做出决定。

让我们在那里互相支持，人类团队：我们是我们学生最需要的。