Θα μικρό δεδομένα βοηθήσει ολοκληρώσει αυτό που ονομάζεται Καλή δεδομένων στον τομέα της εκπαίδευσης? Τα εκπαιδευτικά συστήματα σε όλο τον κόσμο χρησιμοποιούν μεγάλα δεδομένα, όπως τυποποιημένες δοκιμές, σχολείο επιθεωρήσεις και έρευνες για τη μέτρηση των μαθησιακών αποτελεσμάτων. Pasi Sahlberg πιστεύει ότι η καλή εκπαίδευση πρέπει να αξιολογηθούν από μια ποικιλία από στοιχεία που περιλαμβάνει τόσο την ποσοτική και την ποιοτική. Ο ίδιος υποστηρίζει ότι για να καταλάβουμε πόσο καλά τα σχολεία κάνουν, πρέπει επίσης να συλλέγουν “μικρό δεδομένων” χρησιμοποιώντας τους εκπαιδευτικούς’ και μαθητές’ “παρατηρήσεις, εκτιμήσεις και τις αντανακλάσεις” των διαδικασιών διδασκαλίας και μάθησης στις τάξεις.
Μικρές δεδομένα δεν είναι μια νέα ιδέα, φυσικά,. Τι είναι νέο είναι η τεχνολογία που μπορεί πλέον να υποστηρίξει αυτό το είδος της ανάλυσης. Είναι το σχολείο που βασίζεται διαμορφωτική αξιολόγηση καλύτερα από τυποποιημένα αυτά? Ποια είναι μερικά μεγάλα παραδείγματα του πόσο μικρό δεδομένα χρησιμοποιούνται αποτελεσματικά στα σχολεία? Μικρές δεδομένων απαιτεί περισσότερη εμπιστοσύνη σε εκπαιδευτικούς’ και σχολεία’ αποφάσεις, Επομένως, πώς θα οικοδομήσουμε την εμπιστοσύνη στην εκπαίδευση? Ενώνουμε μου Η Σφαιρική Αναζήτηση για Εκπαίδευση για να μιλήσουμε για τα δεδομένα είναι φινλανδικό εκπαιδευτικό Pasi Sahlberg, συγγραφέας Φινλανδικά Μαθήματα: Τι μπορεί να το Παγκόσμιο Μάθετε από εκπαιδευτικής αλλαγής στη Φινλανδία. Πασί έλαβε η 2012 Βραβείο Εκπαίδευση στη Φινλανδία, ο 2013 Grawemeyer βραβείο στις Ηνωμένες Πολιτείες, και η First Class Ιππότης του Λευκού Ρόδου της Φινλανδίας 2013.
Μετά Την, μπορείς να μιλάς για τη διαφορά μεταξύ των μεγάλων δεδομένων και των μικρών δεδομένων?
Big Data είναι ένας συνήθης όρος που χρησιμοποιείται στην καθημερινή ομιλία, που συχνά έρχεται με μια ετικέτα που μαζικών δεδομένων θα μεταμορφώσει τον τρόπο που σκεφτόμαστε, δουλειά, και να ζήσουν. Για πολλούς από εμάς, Αυτή είναι μια αισιόδοξη υπόσχεση, ενώ για άλλους δημιουργεί άγχος και ανησυχία όσον αφορά τον έλεγχο και την προστασία της ιδιωτικής ζωής. Σε γενικές γραμμές, μεγάλο δεδομένων σημαίνει ότι τα δεδομένα του πολύ μεγάλου μεγέθους, στο βαθμό που χειραγώγηση και διαχείριση παρουσιάζουν σημαντικές πρακτικές προκλήσεις της.
Η κύρια διαφορά μεταξύ των μεγάλων και των μικρών δεδομένων στον τομέα της εκπαίδευσης είναι, φυσικά, το μέγεθος των δεδομένων και πώς αυτά τα δεδομένα συλλέγονται και χρησιμοποιούνται. Big δεδομένων στον τομέα της εκπαίδευσης απαιτεί πάντα αφιερωμένη συσκευές για τη συλλογή τεράστιες ποσότητες θορυβώδη δεδομένα, όπως συγκεκριμένο υλικό και λογισμικό για να συλλάβει τους φοιτητές’ εκφράσεις του προσώπου, κινήσεις στην τάξη, κινήσεις των ματιών, ενώ στο καθήκον, στάσεις του σώματος, συζήτηση στην τάξη, και την αλληλεπίδραση με άλλους. Μικρές δεδομένων βασίζεται κυρίως στις παρατηρήσεις και καταγραφές γίνονται από τον άνθρωπο. Στην ΕΚΠΑΙΔΕΥΣΗ, αυτές περιλαμβάνουν τους φοιτητές’ αυτο-αξιολογήσεις, δάσκαλοι’ συμμετοχική σημειώσεις σχετικά με διαδικασία μάθησης, εξωτερικές έρευνες σχολείο, και τις παρατηρήσεις της διδασκαλίας και της μάθησης καταστάσεις.
Πώς χρησιμοποιούμε τα μεγάλα δεδομένα σήμερα και ποια είναι τα δυνατά και τα μειονεκτήματά του?
Μπαίνουμε στην εποχή της τεχνολογίας με τη μεσολάβηση περιβάλλοντα ψηφιακής μάθησης στην εκπαίδευση. Υποσχέσεις που έρχονται με αυτή την κατάσταση επανάσταση ότι οι μεγάλες δεδομένα θα οδηγήσει σε πιο ισχυρό εξατομικευμένη μάθηση, ενεργό παιδαγωγικές μαθητοκεντρική, ανταποκρίνεται διαμορφωτική αξιολόγηση, και την αύξηση της συνολικής απόδοσης στον τομέα της εκπαίδευσης. Αυτό δήλωσε, μεγάλο δεδομένα στον τομέα της εκπαίδευσης μπορεί να θεωρηθεί ως σκόπιμη ή παρεπόμενες καταγραφή της δραστηριότητας και τις αλληλεπιδράσεις που παρέχει ποικιλία και μεγάλες ποσότητες να αναλυθούν τα δεδομένα σε ψηφιακά μεσολάβηση εκπαιδευτικά περιβάλλοντα. Αυτό απαιτεί νέες μορφές «δεξιότητες δεδομένων», ιδιαίτερα συνθέσεις και παρουσιάσεις που οδήγησαν στην εμφάνιση των δύο νέων πεδίων: εκπαιδευτικό εξόρυξης δεδομένων και τη μάθηση analytics.
Εκπαιδευτικό εξόρυξη δεδομένων επικεντρώνεται στην ερμηνεία των αποδεικτικών στοιχείων από μεγάλες ποσότητες θορυβώδη και αδόμητων δεδομένων, για παράδειγμα, συσχετίσεις μεταξύ της συμπεριφοράς και μάθησης των μαθητών. Απαντά σε ερωτήματα όπως, “Τι ακολουθία μελέτης είναι η πιο αποτελεσματική για ένα συγκεκριμένο μαθητή?” και “Ποιες ενέργειες δείχνουν την εμπλοκή και την ικανοποίηση των φοιτητών?” analytics μάθησης ανησυχεί περισσότερο για την εφαρμογή εργαλείων και τεχνικών της μεγαλύτερης κλίμακας σε εκπαιδευτικά περιβάλλοντα, απαντώντας σε ερωτήσεις όπως “Όταν είναι φοιτητής σε κίνδυνο της αποτυχίας το μάθημα?” και “Τι βαθμός είναι ένας φοιτητής πιθανό να λάβουν, χωρίς την παρέμβαση?”
Εξ ορισμού, μεγάλο δεδομένων προσφέρει πιο ευέλικτο πληροφορίες σχετικά με τη διδασκαλία και τη μάθηση καταστάσεις που μπορεί να χρησιμοποιηθεί για το ράψιμο πιο εξατομικευμένες λύσεις μάθησης για τους μαθητές. Big δεδομένα στην εκπαίδευση ανοίγει νέες πόρτες και για τους ερευνητές. Ίσως η μεγαλύτερη αξία του, όπως ο Bill Cope και η Μαρία Καλαντζή συνάψει στο άρθρο, Big Data Έρχεται στα Σχολεία, είναι “η δυνατότητα, σε κάθε συγκεκριμένη περίπτωση να αναλύσει μια ποικιλία τύπων δεδομένων χρησιμοποιώντας μια ποικιλία μεθόδων, cross-επικύρωση αυτά εναντίον του άλλου σε μια πιο δυναμικά ολιστική, τεκμηριωμένης ρεπερτόριο ερευνητικές πρακτικές.” Την ίδια στιγμή, ωστόσο, πρέπει να είμαστε προσεκτικοί για δυνητικά μειονεκτήματα των μεγάλων δεδομένων, ιδιαίτερα εκείνων που σχετίζονται με την προστασία της ιδιωτικής ζωής των δεδομένων και τη δεοντολογία της έρευνας. Όταν χρησιμοποιείται μεγάλη δεδομένα για τον προσδιορισμό των εκπαιδευτικών μονοπάτια των παιδιών και έτσι το μέλλον τους, ή να επηρεάσουν τους εκπαιδευτικούς’ σταδιοδρομίες στον τομέα της εκπαίδευσης, έχουμε περάσει την γραμμή της κατάλληλης χρήσης των μεγάλων δεδομένων στον τομέα της εκπαίδευσης.
Ένα άλλο παράδειγμα μιας αναδυόμενης μεγάλο σύστημα δεδομένων στην εκπαίδευση είναι ΟΟΣΑ εκπαίδευση GPS που φιλοξενεί τεράστιο όγκο των δεδομένων από τα εκπαιδευτικά συστήματα σε όλο τον κόσμο. τα στοιχεία του ΟΟΣΑ, συμπεριλαμβανομένων και εκείνων που προέρχονται από PISA, χρησιμοποιείται από τους φορείς χάραξης πολιτικής να αποφασίσουν τις κατευθύνσεις στα δικά τους εκπαιδευτικά συστήματα που βασίζονται σε αυτό που φαίνεται να έχουν εργαστεί σε άλλες χώρες. Πάλι, μεγάλη ανάλυση των δεδομένων και μόνο, χωρίς μικρά δεδομένων θα οδηγήσει κατά πάσα πιθανότητα σε ανεπιθύμητες εκβάσεις στην πράξη.
Ποια είναι μερικά συγκεκριμένα παραδείγματα της χρήσης των μικρών δεδομένα που έχετε δει στα σχολεία?
Το αγαπημένο μου παράδειγμα είναι από τη δική μου στιγμή είναι ένα μαθηματικά και την επιστήμη των εκπαιδευτικών στο Ελσίνκι. Όπως τόσοι πολλοί από τους συναδέλφους μου, Σύντομα συνειδητοποίησα ότι υπάρχουν πολλοί φοιτητές που δεν τους αρέσει αυτά τα θέματα. Νόμιζαν ότι τα μαθηματικά και τις επιστήμες είναι πάρα πολύ δύσκολο να μάθουν και συχνά μακρινό από την καθημερινή τους ζωή. Ένα από τα πρώτα πράγματα που έμαθα στην τάξη μου ήταν ότι πολλοί μαθητές, ίσως οι περισσότεροι από αυτούς, έχουν αυτο-δημιουργήθηκε αντιλήψεις της επιστήμης και των εικόνων των μαθηματικών. Φοιτητές’ εσωτερικούς κόσμους είναι πολύ δύσκολο να συλλάβει με οποιονδήποτε άλλο τρόπο από ό, τι με τη βοήθεια τους να σκεφτούν σκληρά για το δικό τους μυαλό και να προσπαθήσει να μετατρέψει αυτές τις σκέψεις, στη συνέχεια, σε απτές αναπαραστάσεις, όπως ιστορίες και σχέδια.
Πέρασα πολύ χρόνο, στη συνέχεια, τη συλλογή μικρών δεδομένων, μέσα και έξω από την τάξη μου, να κατανοήσουν οι μαθητές’ τις δικές του ιδέες για τις μαθηματικές και επιστημονικές κόσμους. Μόνο μετά από να ξέρει τι οι μαθητές φανταστείτε όταν σκέφτονται για το τι κάνουν οι μαθηματικοί (οι περισσότεροι από αυτούς δεν είναι θετικές εικόνες σε όλα) Άρχισα να βρούμε καλύτερους τρόπους για να κάνουν τον κόσμο των μαθηματικών προσιτό και κατανοητό για τους φοιτητές. Μικρές δεδομένων μπορεί να βοηθήσει τους εκπαιδευτικούς να κατανοήσουν γιατί κάποιοι μαθητές δεν μαθαίνουν τόσο καλά όσο θα μπορούσε σε σχολεία καλύτερα από μεγάλες δεδομένα τα οποία τις περισσότερες φορές δείξει αν οι μαθητές μαθαίνουν ή όχι αυτό που υποτίθεται ότι πρέπει να μάθουν.
Τι είδους δεδομένων που αναλύει επί του παρόντος? Τι είδους δεδομένα θα πρέπει να εξετάσουμε πιο προσεκτικά και γιατί?
Έχω δει μια αξιοσημείωτη στροφή κατά την τελευταία δεκαετία ή έτσι από το δάσκαλο-συλλογή αποδείξεων μέσω αξιολογήσεων στην τάξη με βάση προς την ψηφιακή τεχνολογία με τη μεσολάβηση των δεδομένων. Την ίδια στιγμή, τυποποιημένες δοκιμές έχουν γίνει ένα κεντρικό εργαλείο για τη συλλογή των δεδομένων αυτών. Τα σχολεία σε όλο τον κόσμο δημοσιεύσετε τώρα τους μαθητές τους’ τα αποτελέσματα των δοκιμών στο σχολείο. Οι εκπαιδευτικοί δαπανούν περισσότερο χρόνο αναλύοντας τα δεδομένα αυτά και προσπαθούν να κάνουν αίσθηση του τι σημαίνουν τα αποτελέσματα στην εργασία τους με τους μαθητές. Δεν λέω ότι αυτό είναι απαραίτητα κάτι κακό. Αλλά αν οι εκπαιδευτικοί κατευθύνονται από εξωτερικά δεδομένα από τυποποιημένες δοκιμές γνώση και τις εκθέσεις επιθεώρησης, υπονομεύει τις πολυπλοκότητες της διδασκαλίας και της μάθησης στα σχολεία.
Υπάρχουν σχολικά συστήματα όπου οι πολύ ευρύτερο σύνολα πληροφοριών αναλύονται και χρησιμοποιούνται για να καθοδηγήσει το έργο του σχολείου. Στη Φινλανδία, ένα κεντρικό στοιχείο του κάθε σχολείου είναι “Η ομάδα φοιτητικής μέριμνας” ότι είναι κατασκευασμένο από καθηγητές, ευημερία τους ειδικούς, σύμβουλοι, και των διευθυντών σχολείων. Μέσα από αυτά από πρώτο χέρι μικρό δεδομένων, Οι έγκαιρες παρεμβάσεις για να βοηθήσει τους μαθητές σε κίνδυνο, στη συνέχεια, αποφάσισε και έκανε στα σχολεία. Αυτή η ομάδα συνεδριάζει τακτικά, στα περισσότερα σχολεία εβδομαδιαία, να συζητήσουν και να επεξεργάζεται τις πληροφορίες που προσφέρονται από τους δασκάλους σχετικά με τους μαθητές τους’ ευεξία, συμπεριφορά, και της μάθησης στα σχολεία.
Πιστεύετε ότι με βάση το σχολείο διαμορφωτική αξιολόγηση είναι καλύτερη από τυποποιημένα αυτά?
Με βάση το σχολείο διαμορφωτική αξιολόγηση και την απογραφή που βασίζονται σε τυποποιημένες αξιολογήσεις εξυπηρετούν διαφορετικούς σκοπούς. Νομίζω ότι και τα δύο χρειάζονται. Ωστόσο,, σε πολλές χώρες, σε επίπεδο συστήματος τυποποιημένες δοκιμές που χρησιμοποιούνται για τη μέτρηση όλους τους μαθητές όλη την ώρα θα μπορούσε να αντικατασταθεί σταδιακά από εκτιμήσεις του δείγματος με βάση την υψηλότερη ποιότητα. Δάσκαλος ηγεσία διαμορφωτική αξιολόγηση θα πρέπει να εμπλουτίσουν την απόδειξη ότι τα σχολεία χρησιμοποιούν για σκοπούς βελτίωσης. Κατά μια έννοια, αυτό είναι ένα λογικό συνδυασμό των μεγάλων δεδομένων και μικρά στοιχεία για να επιτύχει ό, τι είναι μερικές φορές ονομάζεται Καλή δεδομένων στον τομέα της εκπαίδευσης.
μπορούν οι μαθητές’ προβληματισμό σχετικά με τη μάθησή τους να ενσωματωθούν τα πρότυπα μας για την επίτευξη?
Καλή μάθηση περιλαμβάνει φοιτητές’ ικανότητα να κατανοούν και να ρυθμίζουν τη δική τους διαδικασία μάθησης. Αυτό απαιτεί, ωστόσο, ότι οι μαθητές έχουν μάλλον αναπτύχθηκε μεταγνωστικών συνήθειες και τις δεξιότητες για να κατανοήσουν πώς μαθαίνουν. Φοιτητές’ προβληματισμό σχετικά με τη δική τους μάθηση μπορεί να ενσωματωθεί σε απόφαση του φοιτητή επίτευξη, το συντομότερο υπάρχουν αυτές οι δεξιότητες στο κατάλληλο επίπεδο. Πάλι, Πιστεύω ότι μιλάμε για τους όρους χρήσης μικρών στοιχείων για την αξιολόγηση των φοιτητών εδώ.
Μικρές δεδομένων απαιτεί περισσότερη εμπιστοσύνη σε εκπαιδευτικούς’ και σχολεία’ κρίσεις για το τι κάνουν. Πώς θα μπορούσε να εμπιστεύονται να κατασκευαστεί στην εκπαίδευση?
Η εμπιστοσύνη είναι ίσως η πιο απαραίτητη μόνο συστατικό που λείπει σε πολλά εκπαιδευτικά συστήματα σήμερα. Οι πολιτικοί δεν εμπιστεύονται τους εκπαιδευτικούς. Οι υπουργοί δεν μπορούν να επικαλούνται τους διευθυντές των σχολείων. Και, ως συνέπεια, υπάρχει έλλειψη εμπιστοσύνης στην δάσκαλοι που, με τη σειρά του, Δεν μπορούμε να εμπιστευτούμε τους μαθητές. Η εμπειρία δείχνει ότι η εμπιστοσύνη στους ανθρώπους και σε ιδρύματα μπορεί να οικοδομηθεί μόνο με γνήσια έργα που τους δίνουν περισσότερες ευθύνες και γραφείο.
Στη Φινλανδία, εμπιστοσύνη στα σχολεία και την εκπαίδευση γενικότερα άρχισε να ανθίζει αμέσως μετά η κυβέρνηση επέτρεψε στα σχολεία να σχεδιάσουν τα δικά τους προγράμματα σπουδών (κατευθύνονται από εθνικό πρόγραμμα σπουδών πλαίσιο), να αξιολογήσει την αποτελεσματικότητα της εργασίας τους, να ελέγχουν τους προϋπολογισμούς τους, και να επαγγελματισμό την ηγεσία μεσαίο επίπεδο. Τελετουργική ομιλίες και πολιτικές εκκλήσεις είχαν φθίνουσα αντίκτυπο στην αλλαγή της κουλτούρας της εκπαίδευσης στον τομέα αυτό. Όταν τα σχολεία έχουν πραγματική ιδιοκτησία και την ευθύνη για τα μικρά στοιχεία, Πιστεύω επαγγελματισμού στα σχολεία θα ενισχυθεί. Αυτή είναι μία από τις προϋποθέσεις πριν από την εμπιστοσύνη σε καθηγητές μας θα αρχίσει να αυξάνεται.
Έλα μαζί μου και παγκοσμίως γνωστή ηγέτες σκέψης συμπεριλαμβανομένου του Sir Michael Barber (Ηνωμένο Βασίλειο), Ο Δρ. Michael Block (ΗΠΑ), Ο Δρ. Leon Botstein (ΗΠΑ), Καθηγητής Clay Christensen (ΗΠΑ), Ο Δρ. Linda Ντάρλινγκ-Hammond (ΗΠΑ), Ο Δρ. MadhavChavan (Ινδία), Ο καθηγητής Michael Fullan (Καναδάς), Ο καθηγητής Howard Gardner (ΗΠΑ), Ο καθηγητής Andy Hargreaves (ΗΠΑ), Ο καθηγητής Yvonne Hellman (Η Ολλανδία), Ο καθηγητής Kristin Helstad (Νορβηγία), Jean Hendrickson (ΗΠΑ), Καθηγητής Rose Hipkins (Νέα Ζηλανδία), Καθηγητής Cornelia Hoogland (Καναδάς), Αξιότιμο Jeff Johnson (Καναδάς), Η κ. Chantal Kaufmann (Βέλγιο), Ο Δρ. EijaKauppinen (Φινλανδία), Υφυπουργός TapioKosunen (Φινλανδία), Ο καθηγητής Dominique Λαφοντέν (Βέλγιο), Ο καθηγητής Hugh Lauder (Ηνωμένο Βασίλειο), Lord Ken Macdonald (Ηνωμένο Βασίλειο), Ο καθηγητής Geoff Masters (Αυστραλία), Καθηγητής Barry McGaw (Αυστραλία), Shiv Nadar (Ινδία), Καθηγητής R. Natarajan (Ινδία), Ο Δρ. PAK NG (Σιγκαπούρη), Ο Δρ. Denise Πάπα (ΗΠΑ), Sridhar Rajagopalan (Ινδία), Ο Δρ. Diane Ravitch (ΗΠΑ), Richard Wilson Riley (ΗΠΑ), Sir Ken Robinson (Ηνωμένο Βασίλειο), Καθηγητής Pasi Sahlberg (Φινλανδία), Καθηγητής Manabu Sato (Ιαπωνία), Andreas Schleicher (PISA, ΟΟΣΑ), Ο Δρ. Anthony Seldon (Ηνωμένο Βασίλειο), Ο Δρ. David Shaffer (ΗΠΑ), Ο Δρ. Kirsten Μοναδική Are (Νορβηγία), Στήβεν Spahn (ΗΠΑ), Yves Theze (LyceeFrancais ΗΠΑ), Ο καθηγητής Charles Ungerleider (Καναδάς), Ο καθηγητής Tony Wagner (ΗΠΑ), Sir David Watson (Ηνωμένο Βασίλειο), Καθηγητής Dylan Γουίλιαμ (Ηνωμένο Βασίλειο), Ο Δρ. Mark Wormald (Ηνωμένο Βασίλειο), Ο καθηγητής Theo Wubbels (Η Ολλανδία), Ο καθηγητής Michael Young (Ηνωμένο Βασίλειο), και ο καθηγητής Minxuan Zhang (Κίνα) καθώς εξερευνούν τα μεγάλα ζητήματα της εκπαίδευσης εικόνα που όλα τα έθνη αντιμετωπίζουν σήμερα.
Η Παγκόσμια αναζήτηση για την Εκπαίδευση της Κοινότητας Σελίδα
C. M. Rubin είναι ο συγγραφέας των δύο πολυδιαβασμένα online σειρά για την οποία έλαβε ένα 2011 Βραβείο Upton Sinclair, “Η Σφαιρική Αναζήτηση για Εκπαίδευση” και “Πώς θα μας Διαβάστε?” Είναι επίσης ο συγγραφέας του μπεστ σέλερ τρία βιβλία, Συμπεριλαμβανομένων Η Ρεάλ Αλίκη στη Χώρα των Θαυμάτων, Είναι ο εκδότης του CMRubinWorld, και είναι ένα Ίδρυμα Fellow δι'υπερήχων.
Ακολουθήστε C. M. Rubin στο Twitter: www.twitter.com/@cmrubinworld
Πρόσφατα σχόλια