Tipy, jak používat data ve vzdělávání
Dnešní technologie výrazně zvýšily příležitosti pedagogů využívat data a analytiku ke zlepšení výuky. Učitelé nyní mohou používat nástroje, které sledují porozumění látky svými studenty v reálném čase, po celou dobu realizace výuky nebo jim poskytují výsledky přidělených domácích úkolů před plánováním další výuky [1].
Příkladem může být EdPuzzle, který umožňuje učitelům vytvářet nebo vybírat videa doprovázená otázkami, které mohou přiřadit k domácím úkolům. Datová analytická funkce sleduje, kteří studenti video sledovali a jaké byly jejich výsledky. To umožňuje učitelům přizpůsobit si výuku podle výsledků. Platforma jim také poskytuje užitečné údaje o tom, kdo by mohl potřebovat pomoc navíc a kteří studenti by mohli nejlépe vést třídní diskuse. Rozhodování ve školství založené na datech může proměnit učebny — dramaticky zlepšit schopnost učitelů reagovat na studenty, ušetřit učitelům čas a zajistit, aby výuka byla relevantní [1].
Školy využívají přístupů založených na spolupráci, aby data pracovala za ně. Administrátoři a učitelé mohou studovat standardizované výsledky testů, údaje o docházce a data o chování studentů, aby mohli rozhodovat za své školy. Podobné procesy mohou identifikovat mezery v pokrytí učebních osnov a lépe sladit osnovy napříč jednotlivými katedrami [1].
Tipy, jak používat data ve vzdělávání [1]:
· Pomocí dat zjistit, co se stalo v minulosti
Minulé údaje ukazují, jaké dovednosti se studenti naučili a v jakých oblastech k poruchám došlo. Tyto informace slouží jako důležitá cestovní mapa pro učitele, kteří plánují, jaké dovednosti budou učit dál a v jakých oblastech by studenti mohli potřebovat pomoc navíc.
· Použít mix kvantitativních a kvalitativních dat
· Pochopit, co vám data mohou a nemohou říct
Učitelé musí vyhodnotit, k čemu lze data využít. Určitá data mohou pomoci zodpovědět jednu otázku, ale jinou ne. Učitel může například zkoumat údaje, které odhalují, že určitá skupina studentů pochází ze znevýhodněného prostředí.
· Dávejte pozor na nečekané trendy
Do hry vstupuje mnoho faktorů mimo kontrolu učitele, které mohou studentský úspěch ovlivnit. Studenti mohou být například zodpovědní za to, že se jejich mladší sourozenci oblékají a odcházejí do školy, než se ukážou ve vlastní třídě.
· Použijte celou řadu datových nástrojů
Celá řada datových nástrojů, z nichž mnohé jsou zdarma, může nyní odhalit skryté vzorce a postřehy nebo jednoduše pomoci učitelům uspořádat data a udržet je přístupná pro analýzu.
· Vymyslete nové lekce založené na datech
· Objevte, jak využít data ke zlepšení výkonnosti studentů
Analýza správných údajů umožňuje učitelům identifikovat přispěvatele k úspěchu a neúspěchu studentů. Jakmile jsou tito přispěvatelé lokalizováni, mohou učitelé vymyslet řešení, jak je řešit. Například analýzou známek a výsledků testů problémového studenta, může učitel získat důležité poznatky o tom, kde existuje nedostatek porozumění nebo možná o tom, které formáty otázek představují problém.
· Obraťte se na více zdrojů dat
· Pochopte, kdy data nemusí být vhodná
Data mají limity. Učitelé musí mít na paměti, že ne všechny analýzy dat lze aplikovat stejným způsobem. I když se situace zdají podobné, faktory, které zpočátku nejsou zřejmé, mohou vést k odlišným výsledkům.
· Připravte vizualizace na základě dat
· Použijte data pro plánování do budoucna
Současné studie ukazují, že učitelé ve školách s programy zaměřenými na data si myslí, že používání dat výuku výrazně zlepšuje. Faktory, které mohou zpomalit zavádění výuky založené na datech jsou [2]:
· Někdy může být příliš mnoho dat zdrcující. Školy mohou mít tendenci shromažďovat více údajů, než potřebují a protichůdné výsledky mohou ztížit stanovení priorit informací.
· Sběr spolehlivých a přesných údajů vyžaduje disciplínu. Mnoha lidem není příjemné sledovat pokrok v čase. Lidé nejsou nastaveni tak, aby shromažďovali data bez úmyslného zaměření.
· Interpretace dat může být práce na plný úvazek. Dělat to akceschopným způsobem je časově náročné a vyžaduje pokročilé analytické dovednosti.
Literatura
[1] Data-Driven Decision Making in Education: 11 Tips for Teachers & Administration [online]. Washington: American University, 2019 [cit. 2022–04–28]. Dostupné z: https://soeonline.american.edu/blog/data-driven-decision-making-in-education
[2] HOLLEY, Mark. The Benefits of Data Driven Education [online]. California: Method Schools, 2017 [cit. 2022–04–28]. Dostupné z: https://www.methodschools.org/blog/the-benefits-of-data-driven-education
