Big data a jejich role v zefektivnění vzdělávacího procesu
Jedním z nejčastěji řešených témat v oblasti vzdělávacího procesu je snaha o jeho zefektivnění. Současně se jedná o téma, které je s problematikou vzdělávání spojené prakticky od jeho vzniku a je velice nepravděpodobné, že bude někdy definitivně uzavřeno. S neustálým vývojem společnosti se totiž také mění představy o ideálním vzdělávacím systému, ve kterém tak dochází k častým změnám. Může se jednat o změny kosmetické, ale i zcela zásadní, mezi které patří například zavedení povinné školní docházky Marií Terezií nebo přechod na novou ideologii vzdělávání po politických změnách v roce 1948. Často jsou snahy o zefektivnění výuky spojeny s nástupem nových technologií, jako například osobních počítačů nebo internetu. Vývoj informačních a komunikačních technologií, a jejich zavedení do výuky, má hned několik pozitivních dopadů na proces vzdělávání. Nejenže přináší řadu nových možností v oblasti výukových metod, zjednodušuje komunikaci mezi učiteli a žáky nebo zpřehledňuje administrativní stránku vzdělávání, ale současně také umožňuje efektivnější možnosti ke sběru různých dat a k jejich následnému vyhodnocování. A právě využití dat (konkrétně v takovém objemu, že spadají do kategorie big data) k zefektivnění vzdělávacího procesu je obsahem tohoto článku.
Big data ve školství
Data ve školství vznikala vždy. Ať už se jednalo o známky, docházku nebo úspěšnost u přijímacích zkoušek. Co se ale postupně měnilo, tak možnosti, jak tato data shromažďovat, evidovat, vyhodnocovat a dále s nimi pracovat. Popisování historie metod zpracovávání dat vzniklých ve školství by vydalo na samostatný článek, proto se dále zaměříme na současné možnosti v této oblasti.
Charakteristickým znakem pro dnešní dobu je přesycenost informacemi, a tedy i daty. Díky ICT jich vznikají dříve nepředstavitelné objemy, které jsou v mnoha případech nezpracovatelné tradičními nástroji nebo aplikacemi. V takových případech se setkáváme s pojmem big data. Jednotná definice tohoto termínu neexistuje, stejně jako se nedá určit žádná konkrétní hranice objemu dat, od které už by se o big datech dalo hovořit. V článku Vizualizace informací v kontextu big data Michal Černý uvádí čtyři základní segmenty, pod kterými lze tento termín chápat. Jedná se o objem, kdy je dat takové množství, že je nelze zpracovat běžnými nástroji, rychlost, kdy je potřebné data zpracovat často v reálném čase, nestrukturovanost, kdy data nemají přesně definovanou strukturu a špatně se tak s nimi pracuje, čtvrtým segmentem je pak nehomogenita a nekonzistence, kdy se například setkáváme s daty v různých formátech.
Získávání a využití big dat
Jakým způsobem se big data v oblasti vzdělávání dají získat? Možností je více, ale pro účely tohoto článku se zaměříme na LMS (learning management system), tedy informační systém, který slouží k plánování a řízení výuky. Konkrétní možnosti se liší podle jednotlivých LMS, ale k základním prvkům patří evidence žáků, správa kurzů, různé komunikační nástroje nebo databáze studijních materiálů. Pro získávání dat k analýze jsou klíčové funkce testování schopností a znalostí žáků a jejich následné vyhodnocování. Otázkou jaká data lze z LMS získat a jak je následně využít se zabývá článek 5 Types Of Big Data To Extract From Your LMS And How To Use It. Základem je samozřejmě úspěšnost žáků v jednotlivých kurzech. Takto získaná data umožňují vyučujícímu získat přehled o schopnostech žáků, ukáží oblasti, které jim dělají největší problémy a na základě toho může vyučující poskytovat dobře cílenou zpětnou vazbu nebo přímo personalizovat výukový plán. Data se však dají získávat i z průzkumů mezi žáky, z jejich vzájemných interakcí v rámci diskusních fór implementovaných v LMS nebo ze vzájemného hodnocení. V těchto případech je však analyzování dat náročnější. Obecně se ale dá říct, že je velice důležité data vyhodnocovat průběžně a operativně reagovat úpravou kurzů, aby byly co nejefektivnější.
Jak tedy můžou big data přispět k větší efektivitě vzdělávacího procesu? Článek 4 ways big data is transforming the education sector uvádí čtyři hlavní oblasti, ve kterých se jejich využití pozitivně odrazí na úrovni vzdělávání:
1. Zlepšení studijních výsledků — žáci při průchodu online kurzů vytvářejí digitální stopu, ze které je možné vysledovat charakteristické znaky jejich chování a na základě toho optimalizovat vzdělávací prostředí pro zvýšení efektivity výuky.
2. Přizpůsobování programů — analýza big dat umožňuje vytvářet individuální vzdělávací plány bez ohledu na množství žáků ve třídách. K tomu může pomoci i využití metody Blended learning, kdy má žák možnost konzultovat případné nejasnosti, na které narazí během online studia, při osobních setkáních s učitelem.
3. Redukce počtu studentů, kteří předčasně ukončují studium — díky využití prediktivní analýzy dat je možné vzdělávací kurzy upravit ještě před jejich implementací do výuky tak, aby neobsahovaly špatně srozumitelné části, které mohou zhoršovat studijní výsledky. Současně může být takový druh analýzy využitelný při výběru vhodné školy nebo jednotlivých kurzů.
4. Lepší zacílení při výběru školy — big data umožní získat detailnější informace o vzdělávacích institucích po celém světě a pro žáky tak bude snazší vybrat ideální školu podle svých představ a požadavků.
Rizika při využití big dat
Big data jsou zdrojem spousty užitečných a pro zefektivnění vzdělávání významných informací, obsahují však i řadu osobních údajů, které mohou přinášet riziko ohrožení soukromí žáků. Největší rizika při využití big dat shrnuje Bořivoj Brdička ve svém článku Jsou velká data velkým potenciálem nebo velkou chybou? Na prvním místě je již zmiňované soukromí. Jakékoli působení jedince v online prostředí vytváří digitální stopu, která je často nějakým způsobem zneužitelná. Proto je velice důležité kvalitní zabezpečení údajů o žácích, aby nedošlo k jejich zneužití. Rizikem může být i zkreslení získaných dat, způsobené nezahrnutím všech vlivů působících na žáka v průběhu vzdělávacího procesu. S tím souvisí i dehumanizace, tedy odosobnění žáka, protože do jeho analýzy nevstupuje osobní pohled učitele, ale je tvořena pouze technologiemi. Dalším z možných rizik jsou nesprávná data. Pod tímto pojmem si můžeme představit data zmanipulovaná za účelem vytvoření lepšího obrazu o zkoumaném cíli, například škole nebo žákovi. Rizikové je také možné špatné provázání získaných dat, tedy jejich korelace. Autor ji vysvětluje na známém příkladu, kdy se stoupajícím množstvím prodané zmrzliny roste i počet utonutí. Zatímco zde není těžké si domyslet, že propojení těchto dvou zjištění souvisí s nárůstem teploty, u práce s big daty je nutné řádné ověřování získaných výsledků. Někdy se také může stát, že závěry neodpovídají datům. Ta jsou sice správná, ale porovnávána s neadekvátními hodnotami.
Závěr
Big data přinášejí do oblasti vzdělávání velké možnosti, ale nesou s sebou i řadu rizik. Jedním ze základních zdrojů big dat jsou informační systémy vzdělávacích institucí, zvláště pak LMS, které v sobě integrují pokročilé nástroje na testování žáků a vyhodnocování jejich úspěšnosti a pokroku v rámci výuky. Správné analyzování takto získaných dat může nesporně zvýšit efektivitu vzdělávacího procesu, ať už individualizací výukových plánů na základě výsledků kurzů nebo třeba prostřednictvím dobře cílené a prakticky okamžité zpětné vazby.
Mezi rizika naopak patří zejména ohrožení soukromí žáků, neboť systém za účelem analýzy výsledků shromažďuje celou řadu citlivých údajů, které mohou být různými způsoby zneužity. Zde by mohlo situaci zlepšit plánované aplikování nařízení o ochraně osobních údajů GDPR, které vstoupí v platnost 25. května 2018. Dalšími riziky při analýze big dat jsou špatně vyhodnocená nebo nevhodně interpretovaná data.
Podle mého názoru má využití big dat v oblasti školství velkou perspektivu a výhody, kterými může zefektivnit vzdělávací proces převažují nad možnými riziky. Ta se však nesmí brát na lehkou váhu a je nutné je v co nejvyšší míře eliminovat.
