Würde kleine Daten helfen erreichen, was gute Daten in den Bereichen Bildung genannt wird? Die Bildungssysteme auf der ganzen Welt verwenden große Daten wie standardisierte Tests, Schulinspektionen und Umfragen Lernergebnisse zu messen. Pasi Sahlberg glaubt, dass eine gute Ausbildung muss aus einer Vielzahl von Beweismitteln ausgewertet werden, die sowohl die quantitative umfasst und die qualitative. Er argumentiert, dass, um zu verstehen, wie gut Schulen tun, müssen wir auch sammeln “kleine Daten” mit Lehrern’ und Studenten’ “Beobachtungen, Einschätzungen und Reflexionen” der Lehr- und Lernprozesse im Unterricht.
Kleine Daten ist keine neue Idee, natürlich. Was neu ist, ist die Technologie, die jetzt diese Art von Analyse unterstützen. Sind schulischer prägenden Einschätzungen besser als standardisierte diejenigen? Was sind einige gute Beispiele dafür, wie kleine Daten effektiv in Schulen verwendet wird? Kleine Daten erfordert mehr Vertrauen in Lehrer’ und Schulen’ Urteile, so wie wir bauen, dass das Vertrauen in die Bildung? Verbinden Sie mich in Die globale Suche nach Bildung über Daten finnische Erzieher Pasi Sahlberg zu sprechen, Autor Finnisch-Lektionen: Was kann die Welt Lernen Sie von Bildungs Veränderung in Finnland. Pasi erhielt die 2012 Bildungspreis in Finnland, die 2013 Grawemeyer Award in den USA, und der First Class Ritter der Weißen Rose von Finnland in 2013.
Nach Der, können Sie über den Unterschied zwischen großen Daten und kleine Daten sprechen?
Big Data ist ein häufig verwendeter Begriff im täglichen Diskurs, der oft mit einem Etikett kommt, die große Datenmengen die Art und Weise verändern wird wir denken, Arbeit, und lebe. Für viele von uns, dies ist eine optimistische Versprechen, während es für andere Angst und Besorgnis in Bezug auf schafft Kontrolle und Privatsphäre. Allgemein gesagt, Big Data: Daten von sehr großen Größe in dem Ausmaß, dass seine Manipulation und Verwaltung vorhanden erhebliche praktische Herausforderungen.
Der wesentliche Unterschied zwischen großen und kleinen Daten in der Bildung ist, Natürlich, die Größe der Daten und wie diese Daten gesammelt und verwendet,. Große Daten in den Bereichen Bildung erfordert immer spezielle Geräte für das Sammeln großer Mengen von verrauschten Daten, wie spezifische Hardware- und Software-Studenten zu erfassen’ Gesichtsausdrücke, Bewegungen in der Klasse, Augenbewegungen während auf Aufgabe, Körperhaltungen, Klassenzimmer Vortrag, und Interaktion mit anderen. Kleine Daten beruht in erster Linie auf Beobachtungen und Aufnahmen von Menschen gemacht. In Ausbildung, Dazu gehören Studenten’ Selbsteinschätzung, Lehrer’ Genussscheine auf Lernprozess, externe Schulumfragen, und Beobachtungen von Lehr- und Lernsituationen gemacht.
Wie verwenden wir große Datenmengen zur Zeit und was sind ihre Stärken und Nachteile?
Wir sind in die Ära der digitalen Technologie vermittelten Lernumgebungen in der Bildung. Versprechungen, die mit dieser Revolution Zustand kommen, dass große Datenmengen zu leistungsfähigeren personalisiertes Lernen führen, aktiv studierendenzentrierten Pädagogiken, reaktions prägenden Einschätzungen, und die Gesamteffizienz in den Bereichen Bildung erhöht. Das sagte, große Datenmengen in der Bildung kann als gezielte oder zufällige Aufnahme von Aktivität und Wechselwirkungen zu erkennen, dass Vielfalt und große Mengen an auswertbaren Daten in digital vermittelten Lernumgebung bietet. Dies erfordert neue Formen der "Daten Fähigkeiten ', insbesondere Synthesen und Präsentationen, die zur Entstehung von zwei neuen Feldern geführt haben: Bildungs Data Mining und Learning Analytics.
Educational Data Mining konzentriert sich auf die Beweise von großen Mengen an laut und unstrukturierten Daten zu interpretieren, beispielsweise, Korrelationen zwischen Schülerverhalten und Lernen. Es beantwortet Fragen wie, “Welche Reihenfolge der Studie ist die effektivste für einen bestimmten Studenten?” und “Welche Aktionen zeigen Student Engagement und Zufriedenheit?” Learning analytics ist besorgt über Werkzeuge und Techniken der größeren Maßstab in Ausbildung Anwendung, Beantwortung von Fragen wie “Wann ist ein Student an der Gefahr, den Kurs zu scheitern?” und “In welcher Klasse ist ein Student wahrscheinlich ohne Intervention zu erhalten?”
Per Definition, Big Data bietet vielseitigere Informationen über Lehr- und Lernsituationen, die für die Schneiderei mehr personalisierte Lernlösungen für Studenten verwendet werden können,. Große Daten in den Bereichen Bildung öffnet neue Türen auch für Forscher. Vielleicht der größte Wert der IT, wie Bill Cope und Mary Kalantzis in dem Artikel schließen, Big Data Kommt Schulen, ist “die Möglichkeit, in einem bestimmten Fall eine Vielzahl von Datentypen unter Verwendung einer Vielzahl von Methoden zu analysieren, diese gegeneinander in einer stärker ganzheitlichen Kreuzvalidierung, evidenzbasierte Repertoire von Forschungspraxis.” Gleichzeitig, jedoch, wir müssen von potentiellen Nachteile der großen Daten bewusst sein,, insbesondere im Zusammenhang mit Datenschutz und Forschungsethik. Wenn große Daten können verwendet werden Kinderbildungswege und damit ihre Zukunft zu bestimmen, oder Lehrer beeinflussen’ Karriere in der Bildung, wir haben die Linie der angemessenen Gebrauch von großen Daten in den Bereichen Bildung gekreuzt.
Ein weiteres Beispiel einer sich abzeichnenden großen Datensystem in der Bildung ist OECD Bildung GPS dass beherbergt enorme Menge an Daten von Bildungssystemen auf der ganzen Welt. Die OECD-Daten, einschließlich der aus PISA, wird von der Politik benutzt, um die Richtungen in ihren eigenen Bildungssysteme zu entscheiden, auf das, was in anderen Ländern gearbeitet zu haben scheint. Wieder, große Datenanalyse allein ohne kleine Daten werden wahrscheinlich zu unbeabsichtigten Folgen in der Praxis führen.
Was sind einige konkrete Beispiele für die Verwendung von kleinen Daten, die in Schulen gesehen?
Mein Lieblingsbeispiel ist aus meiner eigenen Zeit ist ein Mathematik und Wissenschaft Lehrer in Helsinki. Wie so viele meiner Kollegen, Ich merkte bald, dass es viele Studenten, die nicht diese Themen mögen. Sie dachten, dass Mathematik und Naturwissenschaften zu schwer zu lernen und oft weit entfernt von ihrem täglichen Leben. Eines der ersten Dinge, die ich in meinem Klassenzimmer gelernt habe, war, dass viele Studenten, die meisten von ihnen wahrscheinlich, haben Vorstellungen von Wissenschaft und Bilder der Mathematik selbst erstellte. Studenten’ Innenwelten sind sehr schwierig, als in irgendeiner anderen Weise zu erfassen, indem sie ernsthaft darüber nachdenken, ihre eigene Meinung zu helfen und versuchen, diese Gedanken dann in greifbare Darstellungen zu drehen, wie Geschichten und Zeichnungen.
Ich verbrachte viel Zeit dann kleine Datenerfassung, in und aus meinem Klassenzimmer, zu verstehen, Studenten’ eigene Vorstellungen über die mathematischen und wissenschaftlichen Welten. Erst nachdem man weiß, was die Schüler vorstellen, wenn sie darüber nachdenken, was Mathematiker tun (die meisten von denen sind nicht positive Bilder überhaupt) Ich begann, bessere Wege zu finden, die Welt der Mathematik zugänglich und verständlich für Studenten zu machen. Kleine Daten können Lehrer helfen zu verstehen, warum manche Schüler lernen, nicht so gut, wie sie in den Schulen könnte besser als große Datenmengen, die am häufigsten zeigen, ob Schüler lernen oder nicht, was sie sollen lernen.
Welche Arten von Daten analysieren wir derzeit? Welche Arten von Daten sollten wir genauer suchen und warum?
Ich habe eine bemerkenswerte Verschiebung im letzten Jahrzehnt gesehen oder so von Lehrer-gesammelten Beweise durch Präsenz-Einschätzungen in Richtung digitaler Technik vermittelten Daten. Gleichzeitig, standardisierten Tests haben ein zentrales Instrument bei der Erhebung dieser Daten werden. Schulen auf der ganzen Welt schreiben jetzt ihre Schüler’ Testergebnisse in der Schule. Lehrer verbringen mehr Zeit, um diese Daten zu analysieren und zu versuchen, einen Sinn zu geben, was die Ergebnisse bedeuten, in ihrer eigenen Arbeit mit den Schülern. Ich sage nicht, dass dies unbedingt eine schlechte Sache. Aber wenn Lehrer werden durch externe Daten aus standardisierten Wissenstests und Inspektionsberichte gelenkt, es untergräbt die Komplexität des Lehrens und Lernens in den Schulen.
Es gibt Schulsysteme, bei denen viel breitere Sätze von Informationen werden analysiert und verwendet, um die Arbeit der Schule zu führen. In Finnland, ein zentrales Element jeder Schule ein “Student Wohlergehen Team” das ist der Lehrer gemacht, Wellness-Spezialisten, Ratgeber, und Schulleitern. Durch diese aus erster Hand kleine Daten, Frühinterventionen gefährdete Schüler zu helfen, werden dann beschlossen und in den Schulen gemacht. Das Team trifft sich regelmäßig, in den meisten Schulen wöchentlich, zu diskutieren und von den Lehrern Informationsprozess gebracht in Bezug auf ihre Schüler’ Wohlbefinden, Verhalten, und das Lernen in Schulen.
Glauben Sie, dass die schulische prägenden Einschätzungen besser sind als standardisierte diejenigen?
Schulbasierte prägenden Einschätzungen und Zählung-basierten standardisierten Einschätzungen dienen unterschiedlichen Zwecken. Ich denke, dass wir brauchen sie beide. Jedoch, in vielen Ländern, System-Level-Tests standardisiert, dass alle Schüler die ganze Zeit könnte durch eine höhere Qualität Probe basierte Bewertungen werden nach und nach ersetzt werden verwendet, um zu messen. Lehrer-geführten prägenden Einschätzungen sollte den Beweis bereichern, dass die Schulen zum Zwecke der Verbesserung nutzen. In einer Weise,, Dies ist eine sinnvolle Kombination von großen Datenmengen und kleinen Daten zu erreichen, was manchmal gute Daten in den Bereichen Bildung genannt wird.
können Studenten’ Reflexion über ihr eigenes Lernen in unsere Leistungsstandards einbezogen werden?
Gute Lern umfasst Studenten’ Fähigkeit, ihre eigenen Lernprozess zu verstehen und zu regulieren. Dies erfordert, jedoch, dass die Schüler haben eher metacognitive Gewohnheiten und Fähigkeiten entwickelt, um zu verstehen, wie sie lernen,. Studenten’ Reflexion über ihr eigenes Lernen kann in das Gericht von Schülerleistungen einbezogen werden, sobald diese Fähigkeiten auf einem angemessenen Niveau existieren. Wieder, Ich glaube, dass wir über die Bedingungen sprechen hier von mit kleinen Daten für Schüler Auswertung.
Kleine Daten erfordert mehr Vertrauen in Lehrer’ und Schulen’ Urteile über das, was sie tun. Wie könnte Vertrauen in die Bildung gebaut werden?
Vertrauen ist vielleicht der am meisten benötigt einzige Zutat in vielen Bildungssystemen fehlt heute. Die Politiker haben kein Vertrauen Pädagogen. Die Minister können nicht auf Schulleiter verlassen. Und, als Konsequenz, gibt es einen Mangel an Vertrauen in die Lehrer, die, im Gegenzug, können die Schüler nicht vertrauen. Die Erfahrung zeigt, dass das Vertrauen in die Menschen und in Institutionen können nur durch echte Taten gebaut werden, dass sie mehr Verantwortung und Agentur geben.
In Finnland, Vertrauen in Schulen und Bildung im Allgemeinen begann bald zu blühen, nachdem die Regierung Schulen erlaubt, ihre eigenen Lehrpläne zu entwerfen (von den nationalen Rahmenlehrplan gelenkt), die Wirksamkeit der eigenen Arbeit zu bewerten, zu steuern, ihre Budgets, und die mittlere Ebene Führung zu professionalisieren. Feierliche Reden und politische Appelle auf die Veränderung der Kultur der Ausbildung in dieser Hinsicht vermindernden auswirkte. Wenn Schulen haben ein echtes Eigentumsrecht und die Verantwortung für kleine Daten, Ich glaube, Professionalität in den Schulen verbessert werden. Das ist eine der Bedingungen, bevor das Vertrauen in unsere Lehrer zu wachsen beginnen.
Begleiten Sie mich und weltweit renommierten Vordenkern wie Sir Michael Barber (Vereinigtes Königreich), DR. Michael Block (US-), DR. Leon Botstein (US-), Professor Ton Christensen (US-), DR. Linda Hammond-Liebling (US-), DR. MadhavChavan (Indien), Professor Michael Fullan (Kanada), Professor Howard Gardner (US-), Professor Andy Hargreaves (US-), Professor Yvonne Hellman (Niederlande), Professor Kristin Helstad (Norwegen), Jean Hendrickson (US-), Professor Rose Hipkins (Neuseeland), Professor Cornelia Hoogland (Kanada), Herr Jeff Johnson (Kanada), Frau. Chantal Kaufmann (Belgien), DR. EijaKauppinen (Finnland), Staatssekretär TapioKosunen (Finnland), Professor Dominique Lafontaine (Belgien), Professor Hugh Lauder (Vereinigtes Königreich), Herr Ken Macdonald (Vereinigtes Königreich), Professor Geoff Masters (Australien), Professor Barry McGaw (Australien), Shiv Nadar (Indien), Professor R. Natarajan (Indien), DR. PAK NG (Singapur), DR. Denise Papst (US), Sridhar Rajagopalan (Indien), DR. Diane Ravitch (US-), Richard Wilson Riley (US-), Sir Ken Robinson (Vereinigtes Königreich), Professor Pasi Sahlberg (Finnland), Professor Manabu Sato (Japan), Andreas Schleicher (PISA, OECD), DR. Anthony Seldon (Vereinigtes Königreich), DR. David Shaffer (US-), DR. Kirsten Sivesind (Norwegen), Kanzler Stephen Spahn (US-), Yves Theze (LyceeFrancais US-), Professor Charles Ungerleider (Kanada), Professor Tony Wagner (US-), Sir David Watson (Vereinigtes Königreich), Professor Dylan Wiliam (Vereinigtes Königreich), DR. Mark Wormald (Vereinigtes Königreich), Professor Theo Wubbels (Niederlande), Professor Michael Young (Vereinigtes Königreich), und Professor Zhang Minxuan (China) wie sie das große Bild Bildung Fragen, die alle Nationen heute konfrontiert erkunden.
Die Global Search for Education Community-Seite
C. M. Rubin ist der Autor von zwei weit Lese Online-Serie für den sie eine 2011 Upton Sinclair Auszeichnung, “Die globale Suche nach Bildung” und “Wie werden wir gelesen?” Sie ist auch der Autor von drei Bestseller-Bücher, Inklusive The Real Alice im Wunderland, ist der Herausgeber des CMRubinWorld, und ist ein Disruptor Foundation Fellow.
Folgen Sie C. M. Rubin auf Twitter: www.twitter.com/@cmrubinworld
Jüngste Kommentare