küçük veri eğitimde Good Veri ne denir gerçekleştirmenize yardımcı olacağını? dünyada eğitim sistemleri gibi standart testler gibi büyük verileri kullanmak, okul denetimleri ve öğrenme çıktılarını ölçmek için anketler. Pasi Sahlberg iyi eğitim nicel ve nitel hem de içerir delil çeşitli değerlendirilmesi gerektiğine inanmaktadır. O amacıyla okullar ne durumda olduğunu iyi anlamak için savunuyor, biz de toplamak gerekir “küçük veri” öğretmenler kullanarak’ ve öğrenciler’ “gözlemler, değerlendirmeler ve yansımalar” sınıflarında öğretme ve öğrenme süreçlerinin.
Küçük veri elbette yeni bir fikir değil. Yeni olan artık bu tür bir analiz destekleyebilir teknoloji. standardize olanlardan daha iyi okul temelli biçimlendirici değerlendirmeler vardır? okullarda etkin olarak nasıl kullanıldığını küçük veri bazı büyük örnekler nelerdir? Küçük veri öğretmenler daha fazla güven gerektirir’ ve okullar’ yargılar, bu yüzden eğitimde bu güven inşa nasıl? Beni katılmak Eğitim Global Arama veri hakkında konuşmak için Fin eğitimci Pasi Sahlberg olduğunu, yazarı Fin Dersler: Dünya Finlandiya'da Eğitim Değişim ne öğrenin Can. Pasi aldı 2012 Finlandiya Eğitim Ödülü, the 2013 Amerika Birleşik Devletleri Grawemeyer İlanı, ve Finlandiya Beyaz Rose First Class Şövalye 2013.
Sonra, Eğer büyük veri ve küçük veriler arasındaki fark hakkında konuşabilirsiniz?
Büyük veri, büyük veri düşündüğümüz şeklinizi değiştirecek çoğunlukla bir etiket ile birlikte geliyor, günlük söylemde yaygın olarak kullanılan bir terimdir, iş, ve yaşa. Birçoğumuz için, Bu iyimser bir sözdür, diğerleri için yarattığı ise kaygı ve endişe kontrol ve gizlilik konusunda. Genel anlamda, Büyük veri ölçüde çok büyük boyutta veri anlamına gelir onun manipülasyon ve yönetim mevcut önemli bir pratik zorluklar.
Eğitimde büyük ve küçük veri arasındaki temel fark, elbette, veri boyutu ve nasıl bu veriler toplanır ve kullanılır. Eğitimde büyük verilerin her zaman gürültülü büyük miktarda veri toplamak için özel cihazlar gerektirir, Böyle özel donanım ve öğrencileri yakalamak için yazılım olarak’ Yüz ifadeleri, sınıfta hareketler, görev sırasında göz hareketleri, postürler, sınıf tartışma, ve diğerleri ile etkileşim. Küçük veri insan tarafından yapılan gözlemler ve kayıtlar öncelikle dayanıyor. Eğitimde, bu öğrencilerin dahil’ öz-değerlendirmeler, öğretmenler’ öğrenme sürecine katılımcı notlar, Dış okul anketleri, ve gözlemler öğretme ve öğrenme durumları yapılmış.
Nasıl şu anda büyük verileri kullanmak ve güçlü ve sakıncaları nelerdir do?
Biz eğitimde dijital teknoloji aracılı öğrenme ortamlarının döneme giriyoruz. Büyük veri daha güçlü kişiselleştirilmiş öğrenme yol açacağı bu devrim devlet ile gelen Sözler, Aktif öğrenci merkezli pedagoji, duyarlı biçimlendirici değerlendirmeler, ve eğitimde genel verimliliği artmış. Bu, sözü geçen, Eğitimde büyük verileri dijital aracılı eğitim ortamlarında analiz verilerin çeşitliliği ve büyük miktarlarda sağlar aktivite ve etkileşimleri bir amaca veya arızi kayıt olarak görülebilir. Bu 'Veri becerileri' yeni formlar gerektirir, İki yeni alanların ortaya çıkmasına yol açmıştır, özellikle sentezleri ve sunumlar: Eğitim veri madenciliği ve öğrenme analitik.
Eğitim veri madenciliği Gürültülü ve yapılandırılmamış büyük miktarlarda veri kanıt yorumlamak odaklanır, Örneğin, Öğrenci davranışları ve öğrenme arasındaki ilişki. Bu gibi sorulara cevaplar, “Belirli bir öğrenci için en etkili çalışmanın ne dizisi?” ve “Hangi eylemler öğrenci katılımını ve memnuniyetini göstermek?” Öğrenme analitiği eğitim ortamlarında büyük ölçekli araçlar ve teknikler uygulama hakkında daha fazla endişe, gibi sorulara cevap “Ne zaman dersi başarısız riski taşıyan bir öğrenci?” ve “Ne dereceli müdahalesi olmadan alma olasılığı bir öğrenci?”
Tanım olarak, Büyük veri öğrenciler için daha kişiselleştirilmiş öğrenme çözümleri terzilik için kullanılabilir öğretme ve öğrenme durumları hakkında daha çok yönlü bilgiler sunar. Eğitimde büyük veri araştırmacılar da yeni kapılar açıyor. Bunun belki de en büyük değeri, Bill Cope ve Mary Kalantzis makalesinde sonuçlandırmak, Büyük Veri Okulları Comes, olduğunu “herhangi bir durumda olasılık çeşitli yöntemler kullanarak veri türleri çeşitli analiz etmek, Bir daha güçlü bütünsel birbirlerine karşı bu çapraz doğrulama, kanıta dayalı araştırma uygulamalarının repertuarı.” Aynı zamanda, ancak, Biz büyük veri potansiyel sakıncaları dikkatli olmalı, Özellikle bu veri gizliliği ve araştırma etiği ile ilgili. Büyük veri böylece onların geleceklerini çocukların eğitim yollarını belirlemek ve kullanıldığı zaman, veya öğretmenleri etkilemek’ Eğitimde kariyer, Biz eğitimde büyük verilerin uygun kullanım çizgiyi geçti.
eğitimde yükselen bir büyük veri sisteminin bir başka örneği OECD'nin olduğunu Eğitim GPS Bu dünyadaki eğitim sistemlerinin veri büyük miktarda barındıran. OECD verileri, PISA de dahil olmak üzere, diğer ülkelerde çalışmış görünüyor ne dayanarak kendi eğitim sistemlerinde yön karar politika yapıcılar tarafından kullanılan. Tekrar, küçük veri olmadan tek başına büyük veri analizi muhtemelen uygulamada istenmeyen sonuçlara yol açacaktır.
Okullarda gördük küçük veri kullanımı bazı somut örnekler nelerdir?
Benim favori örnek Helsinki'de bir matematik ve fen bilgisi öğretmeni olmak benim kendi zaman olduğu. arkadaşlarıma çok itibariyle, Yakında bu konularda sevmiyorum çok sayıda öğrenci olduğunu fark. Onlar matematik ve bilimi günlük yaşamlarında öğrenmek için çok zor ve çoğu zaman uzak olduğu düşünülmektedir. Benim sınıflarında öğrendim ilk şeylerden biri, çok sayıda öğrenci oldu, Bunlardan belki de en, kendi yarattığı bilimin kavramlarını ve matematik görüntüler var. Öğrenciler’ iç dünyaları, kendi kafasında hakkında sert düşünmek için onlara yardımcı ziyade başka bir şekilde yakalamak ve somut temsilleri içine daha sonra bu düşünceleri açmak için denemek için çok zordur, Bu tür hikayeler ve çizimler gibi.
Sonra küçük veri toplama zaman bir sürü geçirdi, ve dışarı benim sınıfta, Öğrencilere anlamak için’ matematiksel ve bilimsel dünyalar hakkında kendi fikirleri. Sadece onlar matematikçilerin ne düşündüğünüz zaman öğrencilerin hayal bilerek sonra (Bunların çoğu hiç değil olumlu görüntüler) Ben erişilebilir ve öğrencilere anlaşılır matematik dünyasını yapmak için daha iyi yollar bulmaya başladı. Küçük veri çoğunlukla öğrencilerin öğrenme olsun veya öğrendikleri gerekiyordu değil göstermek büyük verilerden daha iyi okullarda yanı ellerinden geldiğince bazı öğrencilerin öğrenmek niye öğretmen anlamak için yardımcı olabilir.
Şu anda veri ne tür analiz ediyoruz? Verilerin ne tür biz daha yakından bakıyor olmalıdır ve neden?
Ben dijital teknoloji aracılı verilerin doğru sınıf-temelli değerlendirmeler aracılığıyla öğretmen toplanan kanıtlardan son on yıl ya da öylesine sırasında kayda değer bir değişime gördük. Aynı zamanda, standardize testler bu veri toplama merkezi bir aracı haline gelmiştir. dünyada Okullar artık öğrencilerini sonrası’ Okulda test sonuçları. Öğretmenler daha fazla zaman bu verileri analiz ve sonuçları öğrencilerle kendi çalışmalarında ne anlama geldiğini anlamaya çalışırken harcamak. Ben bu mutlaka kötü bir şey olduğunu söylemiyorum. Ancak öğretmenler standart bilgi testleri ve muayene raporları dış verilerle kumanda durumunda, o öğretim karmaşıklığını zayıflatmakta ve okullarda öğrenim.
bilgi çok daha geniş setleri analiz ve okul çalışmalarına rehberlik için kullanılan okul sistemleri vardır. Finlandiya'da, Her okulda bir merkezi bir unsurdur bir “Öğrenci refah ekibi” Bu öğretmenlerin yapılır, uzmanlar refah, danışmanlar, ve okul liderleri. Bu ilk elden küçük verilerle, risk altındaki öğrencilere yardımcı olmak için erken müdahalelerin ardından karar ve okullarda yapılır. Bu ekip düzenli olarak toplanır, birçok okulda haftalık, tartışmak ve süreç bilgi öğrencilerini ilgilendiren öğretmenler tarafından getirilen için’ refah, davranış, ve okullarda öğrenim.
Eğer okul tabanlı biçimlendirici değerlendirmeler standardize olanlardan daha iyi olduğuna inanıyor musunuz?
Okul tabanlı biçimlendirici değerlendirmeler ve sayım tabanlı standart değerlendirmeler farklı amaçlara hizmet. Ben ikisini de gerektiğini düşünüyorum. Ancak, bir çok ülkede, sistem düzeyinde giderek daha yüksek kalitede numune bazlı değerlendirmeler yerini olabilir, bütün öğrencilere her zaman ölçmek için kullanılan testler standardize. Öğretmen liderliğindeki biçimlendirici değerlendirmeler okullar iyileştirme amaçlı kullanmak dair kanıt zenginleştirmek gerekir. Bir bakıma, Bu bazen eğitimde Good Veri ne denir gerçekleştirmek için büyük veri ve küçük bir veri mantıklı kombinasyonu.
Can öğrenciler’ kendi öğrenme üzerindeki yansıması başarı bizim standartlarına dahil edilmesi?
Iyi bir öğrenme öğrencileri kapsar’ anlamak ve kendi öğrenme sürecini düzenleyen yeteneği. Bu gerektirir, ancak, oldukça üstbilişsel alışkanlıkları ve becerileri geliştirmiş öğrenciler öğrendikleri nasıl anlamak için. Öğrenciler’ kendi öğrenme yansıması uygun bir seviyede en kısa sürede bu becerileri var gibi öğrenci başarı yargı dahil edilebilir. Tekrar, Ben burada öğrenci değerlendirilmesi için küçük verileri kullanarak koşulları bahsediyoruz inanıyorum.
Küçük veri öğretmenler daha fazla güven gerektirir’ ve okullar’ ne hakkında hükümler. Eğitimde inşa edilecek güven nasıl?
Güven belki bugün pek çok eğitim sistemlerinde eksik en çok ihtiyaç duyulan tek madde olduğunu. Politikacılar eğitimciler güvenmiyorum. Bakanlar okul müdürlerinin güvenemezsiniz. Ve, sonuç olarak, Öğretmenlerin güven eksikliği var kim, sırayla, Öğrencilere güvenemiyorum. Deneyim insanlar ve kurumlar güven sadece onlara daha fazla sorumluluk ve ajans vermek hakiki işler ile inşa edilebilir düşündürmektedir.
Finlandiya'da, devlet okulları kendi müfredatlarını tasarım gole okullarda ve genel eğitimde güven yakında gelişmeye başladı (ulusal çerçeve müfredat tarafından yönlendirilen), kendi çalışmalarının etkinliğini değerlendirmek, bütçelerini kontrol etmek, ve orta düzey liderlik profesyonelleştirmek için. Tören konuşmaları ve siyasi itirazlar bu konuda eğitim kültürünü değiştirmeyle ilgili azalan etkiye sahip. okullar küçük veriler için gerçek sahiplik ve sorumluluk varsa, Ben okullarda profesyonellik gelişmiş olacağına inanıyoruz. Bu koşullardan biri öğretmenlerimize güven büyümeye başlar öncedir.
Sir Michael Barber dahil bana katılın ve dünyaca ünlü düşünce liderleri (İngiltere), Dr. Michael Blok (ABD), Dr. Leon Botstein (ABD), Profesör Clay Christensen (ABD), Dr. Linda Darling-Hammond (ABD), Dr. MadhavChavan (Hindistan), Profesör Michael Fullan (Kanada), Profesör Howard Gardner (ABD), Profesör Andy Hargreaves (ABD), Profesör Yvonne Hellman (Hollanda), Profesör Kristin Helstad (Norveç), Jean Hendrickson (ABD), Profesör Rose Hipkins (Yeni Zelanda), Profesör Cornelia Hoogland (Kanada), Sayın Jeff Johnson (Kanada), Bayan. Chantal Kaufmann (Belçika), Dr. EijaKauppinen (Finlandiya), Devlet Bakanı TapioKosunen (Finlandiya), Profesör Dominique Lafontaine (Belçika), Profesör Hugh Lauder (İngiltere), Rab Ken Macdonald (İngiltere), Profesör Geoff Masters (Avustralya), Profesör Barry McGaw (Avustralya), Shiv Nadar (Hindistan), Profesör R. Natarajon (Hindistan), Dr. PAK NG (Singapur), Dr. Denise Pope (ABD), Sridhar Rajagopalan (Hindistan), Dr. Diane Ravitch (ABD), Richard Wilson Riley (ABD), Sir Ken Robinson (İngiltere), Profesör Pasi Sahlberg (Finlandiya), Profesör Manabu Sato (Japonya), Andreas Schleicher (PISA, OECD), Dr. Anthony Seldon (İngiltere), Dr. David Shaffer (ABD), Dr. Kirsten Sürükleyici Are (Norveç), Başbakan Stephen Spahn (ABD), Yves Theze (ABD LyceeFrancais), Profesör Charles Ungerleider (Kanada), Profesör Tony Wagner (ABD), Sir David Watson (İngiltere), Profesör Dylan Wiliam (İngiltere), Dr. Mark Wormald (İngiltere), Profesör Theo WUBBELS (Hollanda), Profesör Michael Young (İngiltere), ve Profesör Minxuan Zhang (Çin) Onlar bütün milletler bugün karşı karşıya büyük resmi eğitim soruları keşfetmek gibi.
Eğitim Toplum Page Global Arama
C. M. Rubin o aldığı için iki çok okunan çevrimiçi serisinin yazarı 2011 Upton Sinclair ödülü, “Eğitim Global Arama” ve “Nasıl Oku Will?” O da üç çok satan kitapların yazarı, Dahil Harikalar Gerçek Alice, yayıncısıdır CMRubinWorld, ve bir Disruptor Vakfı Fellow.
C izleyin. M. Twitter'da Rubin: www.twitter.com/@cmrubinworld
Son Yorumlar