Efektívne vzdelávanie podporované dátami
Vzdelávanie založené na dátach je prístup, v ktorom dáta informujú o efektívnosti vzdelávania a umožňujú jeho zlepšenie. Sú nástrojom pre učiteľov, ktorí zlepšujú svoj proces učenia prostredníctvom informácií, ktoré majú o svojich študentoch. Je to prístup, ktorý nevníma školskú triedu ako homogénnu skupinu, ale ako skupinu jednotlivcov, ktorí majú individuálne vzdelávacie potreby a rozdielne prístupy k učeniu.
Vzdelávanie založené na dátach obsahuje 3 základné kroky[1]:
1.Zber dát: zhromaždenie dát o študentoch. Dáta pochádzajú napríklad z hodnotení triedy a výsledkov štandardizovaných testov, ale aj z pozorovaní učiteľa. Táto fáza slúži pre určenie momentálnej úrovne porozumenia študentov.
2.Analýza dát: výber dôležitých informácií a odôvodňovanie výsledkov. V druhej fáze je dôležitá identifikácia toho, čomu študenti nerozumejú, teda kde majú medzery v porozumení.
3.Akcia: vytvorenie plánu pre učenie. Zo získaných informácií učiteľ vytvorí plán a konkrétne kroky pre zlepšenie učenia a prekonanie medzier, buď zopakovaním predchádzajúceho učiva alebo posunutím sa na nové učivo.
Tieto 3 kroky tvoria cyklus, v ktorom neustále prebieha opis súčasného stavu, analýza problému a určenie krokov ku zlepšeniu. Jednoduchý príklad môže byť domáca úloha a z udeleného hodnotenia môže byť učiteľovi evidentné napríklad sklamanie žiakov. Môže to hovoriť o tom, že niečo nepochopili. To znamená, že je s tým potrebné niečo spraviť, napríklad požiadať žiakov o vysvetlenie čomu neporozumeli.
Pre efektívnu prácu s dátami je potrebný ich dennodenný zber. Pre dlhodobé napredovanie študentov sú dôležité správne dáta v správny čas. Pre zber dát v reálnom čase sa môže použiť zámerné a pravidelné formatívne hodnotenie . Môže to byť rýchla kontrola metódou palec hore/dole, vopred pripravený kvíz alebo nástroj pre online prieskumy ako Socrative. Zhromažďovanie údajov prostredníctvom digitálnej platformy poskytuje učiteľom záznamy o výsledkoch hodnotenia, umožňuje spolupracovať s kolegami a komunikovať výsledky s rodičmi. Pomocou výsledkov hodnotenia učiteľ identifikuje vzdelávacie medzery a poskytne študentovi výzvy pre ich vyplnenie.Študenti reagujú na základe spätnej väzby od učiteľa alebo spolužiakov. Spätná väzba im pomáha v hlbšom pochopení a učení. Pri aplikovaní tejto metódy sa učitelia stávajú citlivejší na individuálne potreby študentov a tí si viac uvedomujú svoju zodpovednosť za zúženie medzery medzi tým, čo vedia, a tým, čo potrebujú vedieť.[2]
Dôležité je uvedomovať si, že dáta sú nepotrebné, ak nie sú využité. Dáta môžu poskytnúť užitočné informácie pre učiteľov, študentov a rodičov o získaných vedomostiach a dosiahnutom pokroku. Môžu zvýrazniť silné a slabé stránky študentov, učiteľov, škôl. Dáta samotné však nemôžu vyriešiť objavené problémy, nemôžu spraviť študentov inteligentnejšími a učiteľov viac efektívnymi.[3] Ich účelom by malo pochopenie potrieb študentov a prispôsobenie učenia týmto zisteniam.
Vzdelávanie založené na dátach je analogické s metodikou Rapid iteration, pri ktorej sa vytvára prototyp produktu, užívatelia ho okamžite testujú a tým dávajú spätnú väzbu, ktorá slúži pre vylepšenie produktu. Kritika školského systému spočíva predovšetkým v tom, že nevzdeláva žiakov pre budúcnosť. Pri súčasnom rýchlo sa meniacom svete môže byť náročné odhadnúť, čo budú študenti potrebovať vedieť za 5 rokov. Zber dát pri učení umožňuje merať pokrok študentov, reagovať na ich aktuálne potreby a prispôsobovať im proces vzdelávania.
ZDROJE
[1] KAMPEN, Maria. Data Driven Instruction: Definition and 11 Strategies [online]. 2019 [cit. 2020–03–18]. Dostupné z: https://www.prodigygame.com/blog/data-driven-instruction/
[2] GOBLE, Trenton. How to Connect Data to Effect Meaningful Change [online]. [cit. 2020–03–18]. Dostupné z: https://www.edsurge.com/news/2016-07-03-how-to-connect-data-to-effect-meaningful-change
[3] MINKEL, Justin. Too Much of a Good Thing: Making Data Work for Schools [online]. [cit. 2020–03–18]. Dostupné z: https://www.edweek.org/tm/articles/2015/01/27/too-much-of-a-good-thing-making.html
