Hoe te onderwijzen en ouder beter in het tijdperk van Big Data Een student in cijfers samenvatten. Chatchai Kritsetsakul / shutterstock.com

Op de ouder-leraarconferentie zat ik tegenover de leraar van mijn eerste klasleraar op een stoel gemaakt voor een 6-jarige. De leraar wees naar percentages die in rode inkt waren gekrabbeld. Ik keek en luisterde.

"Dit nummer," zei ze, "is zijn Lexile-score." Ze ging verder en bewoog haar wijsvinger over een tafel gecreëerd door MetaMetrics. "Hier is het bereik van normaal voor zijn leeftijd. Dus je wilt hem op dit niveau boeken laten lezen. '

Haar rapport van zijn wiskundeprestatie verliep op vrijwel dezelfde manier: meer percentages, bereiken en 'niveaus', soms berekend op basis van verschillende auteursrechtelijk beschermde maatregelen.

Op dit punt had ik moeite om te volgen. Ik vroeg me stilletjes af: Ik heb een Ph.D. in lesgeven en lerenen ik begrijp niet wat deze gegevens over mijn kind zeggen. Wat komen andere ouders uit deze vergaderingen?


innerlijk abonneren grafisch


Toen de leraar even ademhaalde, leunde ik zo ver naar achteren als de kleine stoel zou toestaan. Ze keek op van de waterval van werkbladen en keek me recht in de ogen. Ik greep het moment. "Kan je ooit met Mac praten?", Vroeg ik. "Ik bedoel, weet je wat hij wil, waar hij in geïnteresseerd is? Dat is een goede manier om boeken voor hem te selecteren, op basis van zijn interesses. "MetaMetrics weet niet wat Mac (niet zijn echte naam) enthousiast maakt voor leren. Ze glimlachte en leunde ook ontspannen terug in haar stoel.

Het is niet voldoende om gegevens over een student te verzamelen. Ik geloof dat gegevens geen vervanging zijn voor het opbouwen van een goede verstandhouding met jonge mensen. En toch doen elementaire leraren op de middelbare school die goed met gegevens werken, degenen die weten hoe ze moeten meten en uit percentages spreken, het werk goed. Dit is lesgeven in het tijdperk van 'big data'.

Data-rijke scholen

De recente druk op de verantwoordingsplicht op scholen, vanwege het achterblijven van geen enkel kind, betekent dat leraren steeds vaker gegevens van studenten gebruiken om te informeren zowel klassikale instructie als schoolbrede verbetering.

Lees de eerste alinea van a 2009 Samenvatting van het ministerie van Onderwijs voor een idee van het belang van gegevens op scholen:

Het verzamelen, analyseren en gebruiken van educatieve gegevens staat centraal bij het verbeteren van de resultaten van leerlingen die door No Child Left Behind (NCLB) worden beoogd. Verwacht wordt dat het gebruik van gegevens in onderwijsbeslissingen alle lagen van het onderwijssysteem zal beslaan - van federaal tot staats-, districts-, school- en klasniveau.

In een 2007-enquête van 1,039 schooldistricten in het hele land, vond het ministerie van Onderwijs dat 100% een studentinformatiesysteem onderhouden met gegevenspunten zoals testscores op statewide beoordelingen, demografie, aanwezigheid en gedrag.

Met programma's zoals PowerSchool, Oneindige Campus en hemelwaarts - elk opladen meer dan US $ 5 per kind per maand - deze studentinformatiesystemen beloven een one-stop-shop voor het volgen van alle aspecten van de student- en schoolgegevens van een district.

Idealiter helpen deze systemen leraren om te kijken naar studentgegevens in teams, samen met andere leraren en schoolleiders. Maar hoe leraren in verschillende districten gegevens doorgaans interpreteren, gebruiken of negeren is nog steeds een open vraag.

In sommige districten zijn leraren verplicht geweest data geletterdheidstrainingen die laten zien hoe studentengegevens moeten worden geïnterpreteerd en hun instructies dienovereenkomstig kunnen worden aangepast. In andere districten zonder trainingen hebben leraren geen samenhangend plan voor wat ze met al deze gegevens moeten doen, waardoor de big data-inspanningen zinloos lijken.

Hoe te onderwijzen en ouder beter in het tijdperk van Big Data Sommige districten trainen leraren om de gegevens van studenten te beoordelen. Avava / shutterstock.com

De behoeften van een student vastleggen

Zoals Toni Morrison ooit zei"Wijsheid zonder gegevens is slechts een voorgevoel." Alleen al het hebben van gegevens over kinderen is niet hetzelfde als goed leven, of een hoopvolle toekomst hebben.

Vaak is het tegenovergestelde waar. Studenten worden uitgesloten van kansen omdat ze worden gezien als 'slecht presterende' op basis van beperkte gegevenspunten. Het is de taak van de student om te verbeteren in plaats van vragen hoe het systeem tekortschiet in het kind.

Ik vind dat scholen zich moeten concentreren op het ontwikkelen van meer datawijsheid - gezien de kracht van data voor het bouwen van paden naar betere toekomst. Dit betekent dat alle opvoeders, of ze nu ouders of leraren zijn, gegevens op een verstandige manier gebruiken: rekening houdend met wat het wel en niet laat zien, rekening houdend met gegevens in de grotere sociale context, en kijken naar ervaringen uit het verleden en trends in het leven van een kind om zorgvuldig te plannen voor de toekomst.

In toenemende mate, onderwijs onderzoek moedigt leerkrachten om hun definities van gegevens uit te breiden met bronnen die verder gaan dan verplichte beoordelingen: observatiegegevens van de klas, één op één vastgelegd gesprekken met een studenten video's van hoe studenten praten en gebaar tijdens het doornemen van een wiskundeprobleem.

Samen gebruikt, geven deze vormen van gegevens een genuanceerder beeld van een kind, waarbij aspecten worden vastgelegd die niet worden gemeten door een door de staat gemandateerde test.

Ouders en leerkrachten kunnen nog meer gegevenspunten bedenken die wijzen op grotere sociale, culturele en economische dynamiek die op het kind spelen.

Hoe te onderwijzen en ouder beter in het tijdperk van Big Data Is de student fysiek en emotioneel klaar om te slagen in de les? Sharomka / shutterstock.com

Mac's Lexile-score is geen verklaring voor zijn desinteresse om twee weken lang te lezen over honden in het Noordpoolgebied. Maar gegevens over wat Mac thuis graag zou doen, zouden aanvullende informatie bieden over mogelijke boekonderwerpen. MetaMetrics wist niet dat mam vergat zijn lunch naar school te sturen en hij weigert te eten in het cafetaria; Mac was uitgehongerd toen hij die wiskundige aantekenvellen deed. Een snelle beoordeling op Mac's sociaal emotionele toestand Voordat hij met wiskunde bezig was, kon hij halverwege de test zijn stoomtekort verklaren.

En Mac is een bevoorrechte blanke man zonder stressfactoren racisme, seksisme of economische instabiliteit, dagelijkse realiteit voor veel studenten die volledig zijn gewist door een enkele statistiek. Snelle beoordelingen op pesten en angst zou bijvoorbeeld een MetaMetrics-tabel voor leraren en ouders zinvol kunnen uitwerken.

Van daaruit kunnen volwassenen, hopelijk met studenten, door deze aanvullende gegevenspunten nadenken om een ​​plan te maken, waarin ze de verschillende redenen aanpakken waarom lezen en rekenen niet zo goed gaan als iedereen hoopt.

Data-wijsheid gebruiken als leidraad is waar serieus onderwijs over gaat.The Conversation

Over de auteur

Katie Headrick Taylor, universitair docent Learning Sciences and Human Development, Universiteit van Washington

Dit artikel is opnieuw gepubliceerd vanaf The Conversation onder een Creative Commons-licentie. Lees de originele artikel.

Verwante Boeken

at InnerSelf Market en Amazon