Konceptuálny rámec pre DDDM
Zdravotníctvo, priemysel či vedu môžeme použiť ako príklady oblasti, kde dochádza k optimalizácií kľúčových procesov vďaka sústavnej analýze dát a následnej implementácií vhodných riešení problémov. Do tejto skupiny môžeme zaradiť tiež oblasť vzdelávania, kde systematický prístup práce s dátami reprezentuje metóda „data-driven decision makingu“ (DDDM či D3M). Data-driven decesion making si môžeme definovať ako „systematický zber, analýzu a aplikáciu mnohých typov dát z nespočetných zdrojov, a to za účelom zlepšenia študentovej výkonnosti pomocou zacielenia na jeho vzdelávacie potreby.“ Či už hovoríme o učiteľoch, riaditeľoch škôl alebo im nadriadených orgánoch, všetci títo stakeholderi môžu pomocou metódy DDDM lepšie prispôsobiť vzdelávací proces študentov ich aktuálnym potrebám. Zatiaľ čo na úrovni vyučovacích tried je možné využiť DDDM k pozdvihnutiu výkonnosti konkrétnych študentov, kedy učiteľ pomocou tejto metódy dokáže odhaliť ich slabé stránky a následne podľa potreby modifikovať obsah či formu výuky, tak ministerstvo školstva zase môže vďaka analýze obrovských dátových setov získať podnety pre zavedenie systémových zmien vo formálnom vzdelávaní.
My sa v tomto príspevku podrobnejšie zameriame na konceptuálny rámec pre DDDM, ktorý v roku 2006 predstavili Mandinach, Honey a Light. Tento teoretický model slúži k znázorneniu procesu decision-makingu vo vzdelávaní na úrovni tried, škôl a okresov, v rámci ktorého sú surové dáta postupne transformované do podoby riešení, ktoré je následne možné implementovať vo výuke za účelom zlepšenia výkonnosti študentov. Základ modelu tvorí šesť na seba nadväzujúcich kognitívnych schopností, ktoré sú rozdelené po dvojiciach do trochu úrovní — dátovej, informačnej a znalostnej.
Dátová úroveň
Zhromažďovanie: Na začiatku šesť-fázového procesu musí stakeholder určiť, aké množstvo a typ dát o študentoch bude zhromažďovať. Zatiaľ čo učitelia môžu získať potrebné dáta zadaním úlohy či testu na hodine, tak riaditelia škôl skôr pracujú s už vytvorenými dátovými setmi, ku ktorým majú prístup prostredníctvom školskej dátovej infraštruktúry.
Organizácia: Ďalším krokom je systematická organizácia dát. Stakeholder zhromaždil dáta o študentoch v takej podobe, kedy im ešte nie je schopný prisúdiť konkrétny význam. Až vďaka organizácií surových dát do zmysluplných skupín môže dojsť k ich transformácií na informácie.
Informačná úroveň
Analýza: Pri analýze stakeholder pracuje s dátami, ktorým už dokáže prisúdiť konkrétny význam. V tomto momente už je schopný rozlíšiť, ktoré dáta sú pre neho relevantné — teda také, ktoré poukazujú na slabé či silné stránky jeho študentov.
Sumarizácia: Na informačnej úrovni sú následne vytvorené „stručné a cielené súhrny informácií, ktoré je potom možné transformovať na aplikovateľné znalosti.“
Znalostná úroveň
Syntéza a prioritizácia: Na záver šesť-fázového procesu je potrebné zhrnúť všetky relevantné informácie do jedného celku a stanoviť si priority, čo znamená, že stakeholder sa zameria na riešenie v danom momente najakútnejšieho problému. Pre učiteľa nie je dôležité reagovať hneď na výsledky úlohy, ktorú úspešne zvládlo 80% študentov — najmä ak vidí, že iná úloha im robila ešte väčšie starosti.
Výsledkom šesť-fázového procesu je voľba najvhodnejšieho riešenia problému, ktoré je následne implementované do výuky. Či je riešenie naozaj vhodné, sa ukáže až pri vyhodnocovaní impaktu implementácie — pokiaľ sa výkonnosť študentov v danej oblasti vôbec nezlepší, tak je jasné, že stakeholder zvolil neadekvátne riešenie problému. V takomto prípade môže znova vstúpiť do šesť-fázového procesu a pokúsiť sa o výber iného riešenia.
Zdroje:
MANDINACH, Ellen, Margaret HONEY a Daniel LIGHT. A theoretical framework for datadriven decision making [online]. 2006. Dostupné z: https://www.researchgate.net/publication/252996939_A_Theoretical_Framework_for_Data-Driven_Decision_Making
SCHIFTER, Catherine a kol. Data-Driven Decision-Making: Facilitating Teacher Use of Student Data to Inform Classroom Instruction. Contemporary Issues in Technology and Teacher Education [online]. 2014, roč. 14, č. 4, s. 419–432. Dostupné z: http://ezproxy.muni.cz/login?url=https://search.ebscohost.com/login.aspx?direct=true&AuthType=ip,cookie,uid&db=eric&AN=EJ1058372&lang=cs&site=eds-live&scope=site
