Vajon kevés adatot segít elérni az úgynevezett jó adatok az oktatásban? Oktatási rendszerek szerte a világon használják nagy adatokat, mint a standardizált tesztek, iskolai vizsgálatokat és felméréseket a tanulási eredmények mérését. Pasi Sahlberg úgy véli, hogy jó nevelést kell értékelni a különböző bizonyítékokat, amely magában foglalja mind a mennyiségi és minőségi. Azt állítja, hogy annak érdekében, hogy megértsük, hogyan is iskolák csinálnak, azt is meg kell gyűjteni “kis adat” segítségével a tanárok’ és a diákok’ “megfigyelések, értékeléseket és reflexiók” A tanítási és tanulási folyamatok osztálytermekben.
Kis adatok nem új ötlet természetesen. Ami új, az a technológia, amely már támogatja az ilyen jellegű elemzésben. Az iskolai fejlesztõ értékelés jobb, mint a szabványos is? Melyek nagy példa, hogy milyen kicsi az adatokat hatékonyan használják az iskolákban? Kis adatokat igényel nagyobb bizalom a tanárok’ és az iskolák’ értékelések, így hogyan építünk, hogy a bizalom az oktatásban? Összefogás nekem A Global Search for Education beszélni adatok finn pedagógus Pasi Sahlberg, szerzője Finn Lessons: Mit tehet a világ Tanulj Oktatási változása Finnországban. Pasi kapott 2012 Oktatási Díj Finnországban, a 2013 Grawemeyer Award az Egyesült Államokban, és a First Class Knight a Fehér Rózsa Finnország 2013.
Után, meg tudja beszélni a különbség a nagy és a kis adat adat?
Big adatok egy általánosan használt kifejezés a mindennapi diskurzus gyakran jön egy címke, amely nagy adat átalakítják a gondolkodásmódunkat, munka, és az élő. Sokunk, ez egy optimista ígéret, míg mások számára teremt szorongást és aggodalmat szabályozás és adatvédelem. Általában véve, nagy adatok olyan adatok, nagyon nagy méretű olyan mértékben, hogy a manipuláció és a menedzsment jelenlegi jelentős gyakorlati kihívások.
A fő különbség a nagy és a kis adat az oktatásban, persze, a mérete az adatok és az ezeket az adatokat gyűjtik és használják. Big adatok az oktatásban mindig szükség dedikált eszközök összegyűjtésére hatalmas mennyiségű adat zajos, például speciális hardver és szoftver, hogy elfog a diákok’ arckifejezések, mozgások osztályban, szemmozgás közben feladat, testtartások, osztályban beszélgetés, és a másokkal. Kis adatok sősorban megfigyelések és felvételeket készített az emberi lények. Az oktatásban, Ide tartoznak a diákok’ önértékelések, tanárok’ részvételi jegyzetek tanulási folyamat, külső iskolai felmérések, és tett észrevételek tanítási és tanulási helyzetekben.
Hogyan használjuk fel a nagy adat jelenleg, és mik az erősségei és hátrányai?
Mi belépő a digitális technológia korában közvetített tanulási környezetek az oktatásban. Ígéri, hogy jön ez a forradalom azt állítják, hogy a nagy adat vezet erősebb a személyre szabott tanulás, aktív tanuló-központú pedagógiák, reagáló fejlesztõ értékelés, és megnövekedett hatékonyság javítása az oktatásban. Ezt mondta, nagy adatok az oktatás lehet tekinteni, mint egy céltudatos vagy véletlen felvétel a tevékenység és a kölcsönhatások, amely változatos és nagy mennyiségű elemezhető adatokat digitálisan közvetített oktatási környezetekben. Ehhez új formái "adatok készségek", különösen szintézisek és előadások, amelyek miatt a megjelenése két új mezőt: oktatási adatbányászat és tanulási analitika.
Oktatási adatbányászat összpontosít értelmezése bizonyítékok nagy mennyiségű zajos és strukturálatlan adatok, például, közötti összefüggések tanulói magatartás és a tanulás. Ez választ olyan kérdésekre, mint, “Mi szekvenciája tanulmány a leghatékonyabb egy adott tanuló?” és “Mely műveletek jelzik hallgató elkötelezettség és elégedettség?” Learning analitika jobban aggódnak alkalmazó eszközök és technikák a nagyobb léptékű oktatási intézményekben, kérdések megválaszolása, mint “Ha egy diák a veszély, hogy nem a tanfolyam?” és “Milyen minőségű egy diák valószínűleg megkapja beavatkozás nélkül?”
Definíció szerint, nagy adatok nyújt sokoldalú információt tanítási és tanulási helyzetekben lehet használni szabás több személyre szabott tanulási megoldások a diákok. Big adatok az oktatásban új ajtókat nyit meg is kutatók. Talán a legnagyobb értéke, hogy, Bill Cope és Mary Kalantzis kötni a cikk, Nagy mennyiségű adatot Jön az iskolák, az “lehetőségét az adott esetben, hogy elemezzék a különböző adattípusok segítségével a különböző módszerek, határokon érvényesítése ezek egymás ellen egy erőteljesebben holisztikus, tényeken alapuló repertoárját kutatási gyakorlatok.” Egy időben, azonban, mi kell venniük esetleges hátrányait nagy adat, különösen azokat, amelyek az adatvédelem és a kutatás etikai. Amikor nagy adatok meghatározására használják gyermekek oktatási utak és ezáltal a jövőbeli, vagy befolyásolják a tanárok’ pályára az oktatásban, már átlépte a vonalat a megfelelő használata nagy adat az oktatásban.
Egy másik példa a feltörekvő nagy adat rendszer az oktatásban az OECD Oktatási GPS ad otthont hatalmas mennyiségű adat oktatási rendszerek szerte a világon. Az OECD adatai, beleértve a PISA, által használt politikai döntéshozók dönteni az irányok a saját oktatási rendszer alapján, amit úgy tűnik, hogy dolgozott más országokban. Újra, nagy adatok elemzése nélkül, egyedül kevés adatot valószínűleg vezetni szándékolt eredmények a gyakorlatban.
Milyen konkrét példák az alkalmazott kis adat, hogy láttad az iskolákban?
Kedvenc példám a saját egyelőre a matematika és a természettudományok tanára Helsinki. Mint oly sok kollégám, Hamar rájöttem, hogy sokan vannak a diákok, akik nem szeretik ezeket a témákat. Úgy gondolták, hogy a matematika és a tudományok túl nehéz megtanulni, és gyakran távol a mindennapi életüket. Az egyik első dolog, amit megtanultam az én tantermek az volt, hogy sok diák, Valószínűleg a legtöbb, Van saját készítésű elképzelések a tudomány és a képek a matematika. Diákok’ belső világok nagyon nehéz megragadni bármilyen más módon, mint segíti őket gondolkodni nehéz a saját fejében, és elcsavarja ezeket a gondolatokat, akkor kézzelfogható reprezentációk, például történetek és rajzok.
Töltöttem sok időt, akkor gyűjt kis adat, és ki az osztályomban, megérteni a diákok’ saját elképzelések a matematikai és tudományos világban. Csak miután tudta, hogy a tanulók elképzelni, amikor azt hiszik, hogy mi a matematikusok csinálni (a legtöbb ezek nem pozitív képek egyáltalán) Elkezdtem találni, hogyan lehet jobban, hogy a világ a matematika hozzáférhető és érthető, hogy a diákok. Kis adatok segíthetnek a tanárokat, hogy megértsük, miért néhány diák nem tanul, valamint tudtak iskolákban jobb, mint a nagy adat, hogy a leggyakrabban mutatják, hogy a diákok megtanulják, vagy sem, mit kéne tanulni.
Milyen adatok jelenleg elemzése? Milyen adatokat kellene keresni közelebbről, és miért?
Láttam egy jelentős elmozdulás az elmúlt évtized során, vagy ha a tanár-bizonyítékokat gyűjtött a tantermi értékelést mutatott a digitális technológia által közvetített adatok. Egy időben, standardizált tesztek váltak központi eszköz ezen adatok gyűjtése. Az iskolák a világ most tegye a diákok’ vizsgálati eredmények az iskolában. A tanárok több időt töltenek elemzése ezeket az adatokat, és próbálja megérteni, hogy mi az eredmény azt jelenti, hogy saját munkáját a diákok. Nem azt mondom, hogy ez feltétlenül rossz dolog. De, ha a tanárok által irányított külső adatok szabványosított tudást tesztek és vizsgálati jelentések, aláássa a bonyolult tanítás és tanulás az iskolákban.
Vannak oktatási rendszer, ahol sokkal szélesebb információkészletek elemezzük és felhasználjuk irányítja a munkát az iskola. Finnországban, központi eleme minden iskola egy “diákjóléti csapat” hogy készül a tanárok, jó közérzet szakemberek, tanácsadók, és az iskolai vezetők. Ezeken a kis első kézből adatok, a korai beavatkozás, hogy a tanulók a veszélyeztetett ezután kiválasztotta és az iskolákban. Ez a csapat rendszeresen találkozik, a legtöbb iskolában hetente, megvitatása és feldolgozni az információt hozott be pedagógusok a diákok’ jólét, viselkedés, és a tanulás az iskolákban.
Hiszel abban, hogy az iskolai fejlesztõ értékelés jobbak, mint azok, szabványosított?
Az iskolai fejlesztõ értékelés és népszámlálási alapú standardizált értékelés különböző célokat szolgálnak. Úgy gondolom, hogy szükségünk van mind a kettőt. Azonban, sok országban, rendszer-szintű standardizált tesztek, amelyek mérésére a diákok minden alkalommal lehetett helyébe fokozatosan a magasabb minőségű minta-alapú értékelések. Tanár által vezetett fejlesztõ értékelés gazdagíthatják a bizonyíték arra, hogy az iskolák használni a javítási célú. Oly módon, Ez ésszerű kombinációja nagy adat és kevés adatot valósítani, amit néha jó adatok az oktatásban.
Can diákok’ reflexió a saját tanulási kell építeni a szabványok elérését?
Jó tanulást magában diákok’ megértése és saját szabályozásának tanulási folyamat. Ez megköveteli, azonban, hogy a diákok viszonylag fejlett metakognitív szokások és készségek megérteni, hogyan tanulnak. Diákok’ reflexió a saját tanulási lehet építeni ítéletének a tanulók teljesítménye, amint ezek a képességek léteznek megfelelő szinten. Újra, Hiszem beszélünk feltételeiről kisméretű adatok tanulói értékelés itt.
Kis adatokat igényel nagyobb bizalom a tanárok’ és az iskolák’ ítélni, hogy mit csinálnak. Hogyan lehetne bízni épül oktatás?
Trust talán a legnagyobb szükség egyetlen összetevőt hiányzik sok oktatási rendszerben ma. A politikusok nem bízik pedagógusok. A miniszterek nem hivatkozhat iskolaigazgatók. És, Ennek következtében, hiányzik a bizalom a tanárok, akik, viszont, Nem bízhatunk a diákok. A tapasztalat azt sugallja, hogy a bizalom az emberekben, és az intézmények csak akkor lehet megépíteni a valódi tettek, hogy nekik több felelősséget és iroda.
Finnországban, bizalom az iskolákban és az oktatás általános kezdett virágozni után hamarosan a kormány lehetővé tette az iskolák, hogy kialakítsák saját tanterv (irányítja nemzeti kerettanterv), hatékonyságának értékeléséhez saját munkájuk, hogy ellenőrizzék a költségvetésüket, és szakszerűbbé a középső szintű vezető. Ünnepi beszéd és politikai fellebbezések kellett csökkenő hatása a változó oktatási kultúrát ebben a tekintetben. Amikor az iskolák valódi tulajdonosi és kevés adatot, Úgy vélem, a professzionalizmus iskolákban fogja erősíteni. Ez az egyik feltétele előtt bizalmat a tanárok, akkor nőni kezd.
Csatlakozz hozzám és világszerte elismert szellemi vezetők többek között Sir Michael Barber (UK), DR. Michael blokk (Az US), DR. Leon Botstein (Az US), Professzor Clay Christensen (Az US), DR. Linda Darling-Hammond (Az US), DR. MadhavChavan (India), Professzor Michael Fullan (Kanada), Professzor Howard Gardner (Az US), Professzor Andy Hargreaves (Az US), Professzor Yvonne Hellman (Hollandiában), Professzor Kristin Helstad (Norvégia), Jean Hendrickson (Az US), Professzor Rose Hipkins (Új-Zéland), Professzor Cornelia Hoogland (Kanada), Tisztelt Jeff Johnson (Kanada), Mrs. Chantal Kaufmann (Belgium), DR. EijaKauppinen (Finnország), Államtitkár TapioKosunen (Finnország), Professzor Dominique Lafontaine (Belgium), Professor Hugh Lauder (UK), Lord Ken Macdonald (UK), Professor Geoff Masters (Ausztrália), Professzor Barry McGaw (Ausztrália), Shiv Nadar (India), Professzor R. Natarajan (India), DR. PAK NG (Szingapúr), DR. Denise Pope (US), Sridhar Rajagopalan (India), DR. Diane Ravitch (Az US), Richard Wilson Riley (Az US), Sir Ken Robinson (UK), Professzor Pasi Sahlberg (Finnország), Professzor Manabu Sato (Japán), Andreas Schleicher (PISA, OECD), DR. Anthony Seldon (UK), DR. David Shaffer (Az US), DR. Kirsten Magával ragadó Are (Norvégia), Chancellor Stephen Spahn (Az US), Yves Theze (LyceeFrancais számú amerikai egyesült államokbeli), Professor Charles Ungerleider (Kanada), Professzor Tony Wagner (Az US), Sir David Watson (UK), Professzor Dylan Wiliam (UK), DR. Mark Wormald (UK), Professzor Theo Wubbels (Hollandiában), Professzor Michael Young (UK), és professzor Minxuan Zhang (Kína) mivel azok feltárása a nagy kép oktatási kérdés, hogy minden nemzet ma szembesül.
A Global Search Oktatási közösségi oldal
C. M. Rubin a szerző két legolvasottabb internetes sorozat, amely megkapta a 2011 Upton Sinclair díjat, “A Global Search for Education” és “Hogyan fogjuk olvasása?” Ő a szerzője a három bestseller könyv, Beleértve The Real Alice Csodaországban, a kiadó CMRubinWorld, és egy Disruptor Alapítvány ösztöndíjasa.
Kövesse C. M. Rubin on Twitter: www.twitter.com/@cmrubinworld
Legutóbbi hozzászólások