Sarebbero piccole dati aiutare a realizzare quello che viene chiamato buoni dati in materia di istruzione? I sistemi di istruzione in tutto il mondo utilizzano dati di grandi dimensioni come i test standardizzati, ispezioni scolastiche e indagini per misurare i risultati dell'apprendimento. Pasi Sahlberg ritiene che buona educazione deve essere valutato da una varietà di elementi di prova che comprende sia il quantitativo e qualitativo. Egli sostiene che, al fine di capire quanto bene le scuole stanno facendo, abbiamo anche bisogno di raccogliere “piccola dati” utilizzando docenti’ e gli studenti’ “osservazioni, valutazioni e riflessioni” dei processi di insegnamento e apprendimento nelle aule.
Piccolo dati non è una nuova idea, naturalmente,. Ciò che è nuovo è la tecnologia che può ora sostenere questo tipo di analisi. Sono la scuola basata su valutazioni formative meglio di quelli standardizzati? Quali sono alcuni ottimi esempi di come piccolo di dati viene utilizzato in modo efficace nelle scuole? Piccolo dati richiede più fiducia negli insegnanti’ e scuole’ sentenze, Quindi, come possiamo costruire la fiducia per l'istruzione? unirsi a me in Il Global Ricerca per l'Educazione per parlare dei dati è educatore finlandese Pasi Sahlberg, autore di Lezioni finlandesi: Cosa può fare il mondo Impara da Change Formazione in Finlandia. Pasi ha ricevuto il 2012 Education Award in Finlandia, il 2013 Grawemeyer Award negli Stati Uniti, e la First Class Cavaliere della Rosa Bianca di Finlandia a 2013.
Dopo Il, si può parlare della differenza tra i dati di grandi e piccole dei dati?
Big Data è un termine comunemente usato nel discorso quotidiano che viene spesso con una etichetta che i grandi dati trasformare il nostro modo di pensare, lavoro, e vive. Per molti di noi, si tratta di una promessa ottimistica, mentre per altri crea ansia e preoccupazione per quanto riguarda il controllo e la privacy. In termini generali, Big Data: i dati di dimensioni molto grandi nella misura in cui la sua manipolazione e la gestione presenti significative sfide pratiche.
La principale differenza tra grandi e piccole dei dati in materia di istruzione è, naturalmente, la dimensione dei dati e come tali dati sono raccolti e utilizzati. Grandi i dati in materia di istruzione richiede sempre dispositivi dedicati per la raccolta di grandi quantità di dati rumorosi, quali specifiche hardware e software per catturare gli studenti’ espressioni facciali, movimenti in classe, i movimenti degli occhi mentre sul compito, posture del corpo, aula parlare, e l'interazione con gli altri. Piccolo dati si basa principalmente su osservazioni e le registrazioni fatte da esseri umani. In materia di istruzione, questi includono gli studenti’ autovalutazioni, insegnanti’ titoli di partecipazione sul processo di apprendimento, indagini condotte nelle scuole esterne, e le osservazioni fatte di situazioni di insegnamento e apprendimento.
Come utilizziamo grandi dati attualmente e quali sono i suoi punti di forza e svantaggi?
Stiamo entrando nell'era della tecnologia mediata ambienti di apprendimento digitali in materia di istruzione. Promesse che vengono con questo stato la rivoluzione che i grandi dati saranno portare ad apprendimento personalizzato più potente, pedagogie centrato sullo studente attivi, valutazioni formative reattivi, e una maggiore efficienza complessiva in materia di istruzione. Detto questo, big data in materia di istruzione può essere visto come una registrazione mirata o incidentali di attività e interazioni che offre varietà e grandi quantità di dati analizzabili in ambienti educativi mediati digitale. Ciò richiede nuove forme di 'competenze di dati', specialmente sintesi e presentazioni che hanno portato alla nascita di due nuovi campi: educativo data mining e analisi di apprendimento.
Dati educativi mineraria si concentra su dell'interpretazione di prove da grandi quantità di dati rumorosi e non strutturati, per esempio, correlazioni tra il comportamento degli studenti e l'apprendimento. Esso risponde a domande come, “Nei sequenza di studio è il più efficace per uno studente specifico?” e “Quali azioni indicano il coinvolgimento degli studenti e la soddisfazione?” analisi Learning è più preoccupato per l'applicazione di strumenti e tecniche di larga scala in contesti educativi, rispondere a domande come “Quando si è uno studente a rischio di fallire il corso?” e “Che grado è uno studente di probabilità di ricevere senza l'intervento?”
Per definizione, Big Data offre informazioni più versatile su situazioni di insegnamento e di apprendimento che può essere utilizzato per la sartoria soluzioni di apprendimento più personalizzati per gli studenti. Grande dati in materia di istruzione apre nuove porte anche ai ricercatori. Forse il più grande valore di esso, come Bill Cope e Mary Kalantzis concludere in questo articolo, Big Data Comes to Schools, è “la possibilità in ogni caso particolare per analizzare una varietà di tipi di dati utilizzando una varietà di metodi, cross-convalida questi contro l'altro in un più potentemente olistica, evidence-based repertorio di pratiche di ricerca.” Contemporaneamente, tuttavia, dobbiamo essere consapevoli di potenziali svantaggi di Big Data, in particolare quelle relative alla riservatezza dei dati e l'etica della ricerca. Quando grande dati vengono usati per determinare i percorsi educativi per bambini e quindi il loro futuro, o influenzare gli insegnanti’ Opportunità di lavoro nel campo dell'istruzione, abbiamo attraversato la linea di uso appropriato dei grandi dati in materia di istruzione.
Un altro esempio di un sistema di dati grande emergente in materia di istruzione è dell'OCSE di GPS Istruzione che ospita massiccia quantità di dati provenienti da sistemi di istruzione in tutto il mondo. i dati dell'OCSE, compresi quelli da PISA, è usato dai responsabili politici di decidere le direzioni nei propri sistemi di istruzione sulla base di quello che sembra aver lavorato in altri paesi. Di nuovo, grande analisi dei dati da sola, senza piccoli dati sarà probabilmente portare a risultati non intenzionali nella pratica.
Quali sono alcuni esempi concreti di utilizzo di piccoli dati che avete visto nelle scuole?
Il mio esempio preferito è dalla mia volta di essere un insegnante di matematica e scienze a Helsinki. Come molti dei miei colleghi, Presto mi resi conto che ci sono molti studenti che non amano questi soggetti. Hanno pensato che la matematica e le scienze sono troppo difficili da imparare e spesso distanti dalla loro vita quotidiana. Una delle prime cose che ho imparato nei miei aule era che molti studenti, probabilmente la maggior parte di essi, hanno concezioni auto-creato della scienza e le immagini della matematica. Studenti’ mondi interiori sono molto difficili da catturare in qualsiasi altro modo se non aiutandoli a riflettere su loro stesse menti e cercare di trasformare questi pensieri poi in rappresentazioni tangibili, come ad esempio le storie e disegni.
Ho passato un sacco di tempo, allora la raccolta dei dati piccolo, dentro e fuori della mia classe, per capire gli studenti’ proprie idee circa il mondo matematiche e scientifiche. Solo dopo aver conosciuto quello che gli studenti immaginano quando pensano a quello che fanno i matematici (la maggior parte di questi sono immagini non positive a tutti) Ho iniziato a trovare modi migliori per rendere il mondo della matematica accessibili e comprensibili per gli studenti. Piccole dati possono aiutare gli insegnanti a capire il motivo per cui alcuni studenti non imparano così a più non posso in scuole migliori di grande dati che il più delle volte mostrano se gli studenti imparano o meno quello che si suppone di imparare.
Quali tipi di dati stiamo attualmente analizzando? Quali tipi di dati dovremmo essere guardando più da vicino e perché?
Ho visto un cambiamento notevole nel corso degli ultimi dieci anni o giù di lì da prove insegnante-raccolte attraverso valutazioni in aula nei confronti dei dati tecnologia digitale mediata. Contemporaneamente, test standardizzati sono diventati uno strumento centrale nella raccolta di tali dati. Le scuole di tutto il mondo ora inviare i loro studenti’ i risultati dei test a scuola. Gli insegnanti trascorrono più tempo ad analizzare questi dati e cercando di dare un senso a ciò che significano i risultati nel proprio lavoro con gli studenti. Non sto dicendo che questo è necessariamente una cosa negativa. Ma se gli insegnanti sono guidate dai dati esterni dei test di conoscenza standardizzati ei rapporti di ispezione, mina la complessità di insegnamento e di apprendimento nelle scuole.
Ci sono sistemi scolastici in cui gli insiemi molto più ampia di informazioni vengono analizzate e utilizzate per guidare il lavoro della scuola. In Finlandia, un elemento centrale di ogni scuola è un “squadra studente benessere” che è fatto di docenti, benessere specialisti, consiglieri, e dei dirigenti scolastici. Attraverso questi prima mano piccola dati, interventi precoci per aiutare gli studenti a rischio sono poi decise e realizzate nelle scuole. Questa squadra si riunisce regolarmente, nella maggior parte delle scuole settimanale, per discutere ed elaborare le informazioni portato da insegnanti riguardo ai loro studenti’ benessere, comportamento, e l'apprendimento nelle scuole.
Credi che le valutazioni formative nelle scuole sono migliori di quelli standardizzati?
valutazioni formative nelle scuole e valutazioni standardizzate censimento basato su scopi diversi. Penso che abbiamo bisogno di entrambi. Tuttavia, in molti paesi, a livello di sistema test che vengono utilizzati per misurare tutti gli studenti per tutto il tempo potrebbe essere gradualmente sostituito da valutazioni basate su campioni più alta qualità standardizzata. valutazioni formative insegnante-led dovrebbe arricchire l'evidenza che le scuole utilizzano per scopi di miglioramento. In un modo, Questa è una combinazione ragionevole di dati di grandi e piccoli di dati per realizzare ciò che è talvolta chiamato buoni dati in materia di istruzione.
Can studenti’ la riflessione sul proprio apprendimento essere incorporato in nostri standard di realizzazione?
Buon apprendimento comprende studenti’ capacità di comprendere e regolare il proprio processo di apprendimento. Questo richiede, tuttavia, che gli studenti hanno invece sviluppato abitudini e abilità metacognitive per capire come si impara. Studenti’ la riflessione sul proprio apprendimento può essere incorporato in giudizio di rendimento degli studenti non appena esistono queste competenze ad un livello appropriato. Di nuovo, Credo che stiamo parlando delle condizioni di utilizzo di piccoli dati per la valutazione degli studenti qui.
Piccolo dati richiede più fiducia negli insegnanti’ e scuole’ giudizi su quello che fanno. Come poteva fidarsi di essere costruito in materia di istruzione?
La fiducia è forse l'ingrediente singolo più bisogno manca in molti sistemi di istruzione oggi. I politici non si fidano degli educatori. I ministri non possono contare su dirigenti scolastici. E, come conseguenza, vi è una mancanza di fiducia nei docenti che, a sua volta, non può fidarsi di studenti. L'esperienza suggerisce che la fiducia nelle persone e nelle istituzioni può essere costruita solo con i fatti veri che danno loro maggiori responsabilità e agenzia.
In Finlandia, fiducia nelle scuole e l'educazione in generale ha cominciato a fiorire subito dopo il governo ha permesso alle scuole di progettare i propri programmi (guidato dal curriculum quadro nazionale), per valutare l'efficacia del proprio lavoro, per controllare i loro bilanci, e di professionalizzare la leadership di livello medio. discorsi cerimoniali e appelli politici hanno avuto un impatto lineare a cambiare la cultura della formazione in questo senso. Quando le scuole hanno un reale titolarità e la responsabilità per le piccole dati, Credo professionalità nelle scuole sarà rafforzata. Questa è una delle condizioni prima di fiducia nei nostri docenti inizierà a crescere.
Unitevi a me e leader di pensiero di fama mondiale tra cui Sir Michael Barber (Regno Unito), Dr. Michael Block (Stati Uniti), Dr. Leon Botstein (Stati Uniti), Il professor Argilla Christensen (Stati Uniti), Dr. Linda di Darling-Hammond (Stati Uniti), Dr. MadhavChavan (India), Il professor Michael Fullan (Canada), Il professor Howard Gardner (Stati Uniti), Il professor Andy Hargreaves (Stati Uniti), Il professor Yvonne Hellman (Paesi Bassi), Il professor Kristin Helstad (Norvegia), Jean Hendrickson (Stati Uniti), Il professor Rose Hipkins (Nuova Zelanda), Il professor Cornelia Hoogland (Canada), Onorevole Jeff Johnson (Canada), Sig.ra. Chantal Kaufmann (Belgio), Dr. EijaKauppinen (Finlandia), Sottosegretario di Stato TapioKosunen (Finlandia), Il professor Dominique Lafontaine (Belgio), Il professor Hugh Lauder (Regno Unito), Signore Ken Macdonald (Regno Unito), Il professor Geoff Masters (Australia), Il professor Barry McGaw (Australia), Shiv Nadar (India), Il professor R. Natarajan (India), Dr. PAK NG (Singapore), Dr. Denise Papa (Stati Uniti), Sridhar Rajagopalan (India), Dr. Diane Ravitch (Stati Uniti), Richard Wilson Riley (Stati Uniti), Sir Ken Robinson (Regno Unito), Professor Pasi Sahlberg (Finlandia), Il professor Manabu Sato (Giappone), Andreas Schleicher (PISA, OCSE), Dr. Anthony Seldon (Regno Unito), Dr. David Shaffer (Stati Uniti), Dr. Kirsten Immersive Are (Norvegia), Cancelliere Stephen Spahn (Stati Uniti), Yves Theze (LyceeFrancais Stati Uniti), Il professor Charles Ungerleider (Canada), Il professor Tony Wagner (Stati Uniti), Sir David Watson (Regno Unito), Professor Dylan Wiliam (Regno Unito), Dr. Mark Wormald (Regno Unito), Il professor Theo Wubbels (Paesi Bassi), Il professor Michael Young (Regno Unito), e il professor Zhang Minxuan (Porcellana) mentre esplorano le grandi questioni educative immagine che tutte le nazioni devono affrontare oggi.
Il Global Ricerca per l'Educazione della Comunità Pagina
C. M. Rubin è l'autore di due ampiamente lettura serie on-line per il quale ha ricevuto una 2011 Premio Upton Sinclair, “Il Global Ricerca per l'Educazione” e “Come faremo a Leggere?” Lei è anche l'autore di tre libri bestseller, Compreso The Real Alice in Wonderland, è l'editore di CMRubinWorld, ed è un disgregatore Foundation Fellow.
Segui C. M. Rubin su Twitter: www.twitter.com/@cmrubinworld
Commenti recenti