將小型數據幫助實現什麼是所謂的教育良好的數據? 世界各地的教育系統使用大數據，如標準化考試, 校視察和調查來衡量學習成果. PASI SAHLBERG認為良好教育必須從各種的證據包括定量和定性評估. 他認為，為了了解如何以及學校都在做, 我們還需要收集 “小資料” 教師使用’ 和學生’ “觀察, 評估和反思” 在課堂教學和學習過程.
小數據當然不是一個新的想法. 什麼是新的是，現在可以支持這種分析技術. 比標準的要好校本形成性評價? 什麼是被學校有效地使用多麼小數據的一些很好的例子? 小數據需要教師更多的信任’ 和學校’ 判斷, 那麼，我們如何建立教育的信任? 加入我 全球搜索教育 談數據是芬蘭教育家帕思SAHLBERG, 作者 芬蘭教訓: 什麼世界了解從教育變革芬蘭. 帕西收到 2012 教育獎芬蘭, 該 2013 Grawemeyer獎美國, 而頭等艙騎士白玫瑰芬蘭的 2013.
後, 你可以談論大數據和小型數據之間的差異?
大數據是在日常話語中一個常用的術語，往往帶有一個標籤，大數據將改變我們的思維方式, 工作, 和生活. 對於我們許多人, 這是一個樂觀的承諾, 而對於其他它創建憂慮和關切有關控制和隱私. 籠統, 大數據意味著非常大的大小的數據的範圍內，它的操作和管理目前顯著實際挑戰.
在教育大和小的數據之間的主要差別是, 當然, 數據的大小和這些數據如何收集和使用. 在教育大數據總是需要專用設備，用於收集嘈雜的海量數據, 如特定的硬件和軟件來捕獲學生’ 面部表情, 類運動, 而在任務眼球運動, 身體姿勢, 教室談話, 並與他人互動. 小數據主要依賴於人類所提出的意見和錄音. 在教育, 其中包括學生’ 自我評估, 教師’ 在學習過程中參與票據, 外部學校調查, 和意見中提出的教學和學習情況.
如何我們目前使用的大數據，什麼是它的優點和缺點?
我們正在進入教育數字技術媒介的學習環境的時代. 承諾來與這場革命狀態大數據將帶來更強大的個性化學習, 積極的以學生為中心的教學法, 反應形成性評價, 並加大對教育的整體效率. 這說, 在教育大數據可以被看作是活性和相互作用的有目的的或附帶的記錄，提供了在數字介導的教育環境分析的數據的種類和大量. 這就要求“數據技能”的新形式, 特別是合成和演示文稿已導致兩個新領域的出現: 教育數據挖掘和學習分析.
教育數據挖掘 專注於從大量的噪音和非結構化數據對證據的解釋, 例如, 學生的行為和學習之間的相關性. 它回答這樣的問題, “什麼序列的研究是最有效的對一個特定的學生?” 和 “這行動表明學生的參與度和滿意度?” 學習分析 更關心的是在教育環境中應用規模較大的工具和技術, 回答這樣的問題 “如果是一個學生在失敗過程中的風險?” 和 “什麼等級可能獲得不干預的學生?”
根據定義, 大數據提供了有關教學和學習的情況下，可用於剪裁，讓學生更加個性化的學習方案更靈活的信息. 在教育大數據打開了新的大門也給研究人員. 也許它的最大價值, 比爾柯普和瑪麗Kalantzis在文章中得出結論：, 大數據談到學校, 是 “在任何特定的情況下，可能採用各種方法來分析各種數據類型的, 在一個更有力的整體交叉驗證這些互相反對, 循證研究的實踐劇目。” 同時, 但, 我們必須銘記大數據的潛在弊端, 特別是有關數據隱私和科研倫理. 當大數據來確定孩子的教育途徑，因此他們的未來, 或影響教師’ 教育事業, 我們已經越過的適當使用在教育大數據線.
在教育一個新興的大數據系統的另一個例子是經合組織 教育GPS 承載來自世界各地的教育系統中的數據的巨量. 經合組織的數據, 其中包括來自PISA, 所使用的政策制定者來決定什麼，似乎在其他國家已先後在根據自己的教育體系的方向. 再次, 一家獨大數據分析不小的數據可能會導致在實踐中意外結果.
什麼是使用小數據，你在學校看到了一些具體的例子?
我最喜歡的例子是從我自己的時間是在赫爾辛基數學和科學教師. 由於這麼多同事, 我很快意識到，有很多學生，誰不喜歡這些科目. 他們認為，數學和科學是太難學習和生活上經常遙遠. 其中的第一件事我在教室裡學到的是，很多學生, 可能大部分人, 有科學的自我創造的概念和數學圖像. 學生’ 內心世界是非常困難的，幫助他們努力思考自己的頭腦以任何其他方式來捕捉比，並嘗試把這些想法遂成有形的交涉, 如故事和圖畫.
我花了很多時間收集，然後小數據, 進出我的課堂, 了解學生’ 對數學和科學的世界自己的想法. 只有知道當他們認為什麼數學家做什麼學生想像後 (其中大部分是根本沒有正面形象) 我開始尋找更好的方法來使數學獲得和理解學生的世界. 小數據可以幫助教師理解為什麼有些學生不好好學習，以及他們可以在學校比大數據好最經常告訴學生是否學習或沒有他們應該學習什麼.
什麼樣的數據都是我們目前正在分析? 什麼樣的數據，我們應該以更密切關注和原因?
我已經看到在過去十年左右的時間內從以教師為收集到的證據通過基於課堂走向數字技術介導的數據評估，一個顯著的轉變. 同時, 標準化的測試已經在收集這些數據成為核心工具. 世界各地的學校後，現在他們的學生’ 測試結果在學校. 教師有更多的時間分析這些數據，並試圖讓什麼樣的結果，在自己與學生工作的意思感. 我不是說這是一定是壞事. 但如果教師從知識的標準化測試和檢查報告的外部數據操縱, 它破壞了教學的複雜性，在學校學習.
有些情況下更廣泛的信息集合進行分析並用於指導學校工作的學校系統. 芬蘭, 每所學校的核心元件是一個 “學生福利團隊” 這是由教師, 福利專家, 輔導員, 和學校領導. 通過這些第一手的數據小, 那麼早期干預，以幫助學生處於危險的決定，並在作出學校. 該小組定期召開會議, 大多數學校每週, 討論並通過有關學生的老師帶來了過程信息’ 福利, 行為, 並在學校學習.
你相信基於學校的形成性評價比標準化的要好?
校本形成性評價和基於普查標準化評估服務於不同目的. 我認為，我們需要他們兩個. 然而, 在許多國家, 系統級的標準化被用來衡量所有學生的所有時間可以通過更高質量的抽樣為基礎的評估來逐漸取代測試. 以教師為主導形成性評價應充實的證據表明，學校使用改進的目的. 在某種方式, 這是大數據和小型數據的合理組合來完成什麼有時被稱為良好的數據在教育.
學生能’ 對自己的學習思考納入我們的成就標準?
良好的學習包括學生’ 了解和調節自己的學習過程的能力. 這需要, 但, 學生有相當發達的元認知習慣和技能，了解他們是如何學習. 學生’ 對自己的學習反射可以在適當的水平，一旦這些技術存在被納入學生成績的判斷. 再次, 我相信我們是在談論使用小的數據，學生評價這裡的條件.
小數據需要教師更多的信任’ 和學校’ 對他們做什麼的判斷. 怎麼能信任建立在教育?
信託基金也許是最需要的單一成分當今許多教育體系缺失. 政治家不信任教育. 部長們不能靠學校校長. 和, 作為結果, 有教師缺乏信任誰, 反過來, 不能相信學生. 經驗表明，在人們和機構的信任只能通過真正的事蹟，讓他們更多的責任和機構建設.
芬蘭, 在學校和普通教育的信任開始不久後蓬勃發展，政府允許學校自行設計的課程 (通過國家框架指導課程), 評價自己的工作成效, 控制自己的預算, 和專業化中層領導. 禮儀演講和政治訴求已經對改變教育的文化在這方面的影響遞減. 當學校有小數據真實所有權和責任, 我相信專業精神的學校將得到加強. 這是其中的一個條件之前，我們的老師的信任將開始增長.
和我一樣，全球知名的思想領袖，包括邁克爾·巴伯爵士 (英國), 博士. 邁克爾座 (美國), 博士. 萊昂特司特因 (美國), 克萊克里斯坦森教授 (美國), 博士. 琳達·達林 - 哈蒙德 (美國), 博士. MadhavChavan (印度), 邁克爾·富蘭教授 (加拿大), 霍華德·加德納教授 (美國), 安迪·哈格里夫斯教授 (美國), 伊馮娜赫爾曼教授 (荷蘭), 克里斯汀Helstad教授 (挪威), 讓·亨德里克森 (美國), 玫瑰Hipkins教授 (新西蘭), 科妮莉亞Hoogland教授 (加拿大), 這位傑夫·約翰遜 (加拿大), 太太. 尚塔爾考夫曼 (比利時), 博士. EijaKauppinen (芬蘭), 國務秘書TapioKosunen (芬蘭), 多米尼克·拉方丹教授 (比利時), 休·勞德教授 (英國), 主肯麥克唐納 (英國), 傑夫大師教授 (澳大利亞), 巴里McGaw教授 (澳大利亞), 希夫納達爾 (印度), Ř教授. 納塔拉詹 (印度), 博士. 吳PAK (新加坡), 博士. 丹尼斯教皇 (美國), 斯瑞達拉賈戈帕蘭 (印度), 博士. 黛安·拉維奇 (美國), 理查德·威爾遜·賴利 (美國), 肯·羅賓遜爵士 (英國), 帕西SAHLBERG教授 (芬蘭), 押尾佐藤教授 (日本), 安德烈亞斯·施萊歇 (PISA, 經合組織), 博士. 安東尼·塞爾頓 (英國), 博士. 大衛·謝弗 (美國), 博士. 基爾斯滕都沉浸式 (挪威), 總理斯蒂芬·SPAHN (美國), 伊夫Theze (LyceeFrancais美國), 查爾斯Ungerleider教授 (加拿大), 托尼·瓦格納教授 (美國), 大衛·沃森爵士 (英國), 迪倫Wiliam教授 (英國), 博士. 馬克沃莫爾德 (英國), 西奧Wubbels教授 (荷蘭), 邁克爾·楊教授 (英國), 和張民選教授 (中國) 因為他們探索所有國家今天面臨的大畫面的教育問題.
全球搜索教育社區頁面
ç. M. 魯賓是兩個廣為傳誦的在線系列，她接受了筆者 2011 厄普頓·辛克萊獎, “全球搜索教育” 和 “我們將如何閱讀?” 她也是三本暢銷書, 其中 真正的愛麗絲夢遊仙境, 是的發行 CMRubinWorld, 而且是干擾物基金會研究員.
按照ç. M. 魯賓在Twitter: www.twitter.com/@cmrubinworld
最新評論