Làm thế nào để dạy và làm cha mẹ tốt hơn trong thời đại dữ liệu lớn Tổng kết một học sinh về số lượng. Chatchai Kritsetsakul / shutstock.com

Trong hội nghị phụ huynh-giáo viên, tôi ngồi đối diện bàn từ giáo viên của học sinh lớp một của tôi trên chiếc ghế dành cho một đứa trẻ 6. Giáo viên chỉ vào tỷ lệ nguệch ngoạc bằng mực đỏ. Tôi nhìn và lắng nghe.

Số này, cô ấy nói, số điểm là số điểm của anh ấy. Cô ấy tiếp tục di chuyển ngón tay trỏ qua một cái bàn được tạo bởi Siêu dữ liệu. Đây là phạm vi bình thường cho tuổi của mình. Vì vậy, bạn muốn cho anh ấy đọc sách ở cấp độ này.

Báo cáo về hiệu suất toán học của cô đã tiến hành theo cùng một cách: nhiều tỷ lệ phần trăm, phạm vi và mức độ, đôi khi được tính toán từ các biện pháp có bản quyền khác nhau.

Đến thời điểm này, tôi đã gặp khó khăn trong việc theo dõi. Tôi âm thầm tự hỏi: Tôi có bằng tiến sĩ. trong dạy và họcvà tôi không hiểu những dữ liệu này nói gì về con tôi. Các phụ huynh khác nhận được gì từ các cuộc họp này?


đồ họa đăng ký nội tâm


Khi giáo viên dừng lại để thở, tôi lùi lại càng xa cái ghế nhỏ sẽ cho phép. Cô ấy nhìn lên từ hàng loạt bảng tính, thu hút ánh nhìn của tôi. Tôi nắm bắt khoảnh khắc. Bạn có bao giờ nói chuyện với Mac không? Ý tôi là, bạn có biết anh ấy thích gì, thích gì không? Đó là một cách tốt để chọn sách cho anh ấy, dựa trên sở thích của anh ấy. Meta MetaMetrics không biết điều gì khiến Mac (không phải tên thật của anh ấy) hào hứng với việc học. Cô cũng mỉm cười và thư giãn trở lại ghế của mình.

Nó không đủ để thu thập dữ liệu về một sinh viên. Tôi tin rằng dữ liệu không thể thay thế cho việc xây dựng mối quan hệ với những người trẻ tuổi. Chưa hết, các giáo viên tiểu học đến trung học làm việc tốt với dữ liệu, những người biết cách đo lường và nói từ tỷ lệ phần trăm, đang thực hiện công việc ngay. Đây là cách dạy trong thời đại dữ liệu lớn.

Trường học giàu dữ liệu

Áp lực trách nhiệm gần đây đối với các trường học, do không có đứa trẻ nào bị bỏ lại phía sau, có nghĩa là giáo viên ngày càng sử dụng dữ liệu của học sinh để thông báo cả hướng dẫn trong lớp học và cải thiện toàn trường.

Chỉ cần đọc đoạn đầu tiên của một 2009 Tóm tắt từ Bộ Giáo dục cho ý thức về tầm quan trọng của dữ liệu trong trường học:

Việc thu thập, phân tích và sử dụng dữ liệu giáo dục là trọng tâm để cải thiện kết quả của học sinh được hình dung bởi Không có đứa trẻ nào bị bỏ lại phía sau (NCLB). Việc sử dụng dữ liệu trong việc ra quyết định giáo dục dự kiến ​​sẽ trải rộng trên tất cả các lớp của hệ thống giáo dục, từ cấp liên bang đến cấp tiểu bang, quận, trường và lớp học.

Trong một khảo sát 2007 thuộc các khu học chánh 1,039 trên cả nước, Bộ Giáo dục nhận thấy rằng 100% duy trì một hệ thống thông tin học sinh với các điểm dữ liệu như điểm kiểm tra trong các đánh giá, nhân khẩu học, điểm danh và hành vi trên toàn tiểu bang.

Với các chương trình như PowerSchool, Cơ sở vô hạnLên trời - mỗi lần tính phí hơn US $ 5 mỗi trẻ em mỗi tháng - Các hệ thống thông tin học sinh này hứa hẹn một cửa hàng duy nhất để theo dõi tất cả các khía cạnh của dữ liệu học sinh và trường học của học khu.

Lý tưởng nhất, các hệ thống này giúp giáo viên xem dữ liệu của học sinh trong các nhóm, với các giáo viên và lãnh đạo trường khác. Nhưng làm thế nào giáo viên trên các quận khác nhau thường giải thích, sử dụng hoặc bỏ qua dữ liệu vẫn là một câu hỏi mở.

Ở một số huyện, giáo viên phải có đào tạo kiến ​​thức dữ liệu điều đó chỉ cho họ cách diễn giải dữ liệu của sinh viên và điều chỉnh hướng dẫn của họ cho phù hợp. Ở các quận khác không có đào tạo, giáo viên không có kế hoạch gắn kết để làm gì với tất cả dữ liệu này, khiến nỗ lực dữ liệu lớn dường như trở nên vô nghĩa.

Làm thế nào để dạy và làm cha mẹ tốt hơn trong thời đại dữ liệu lớn Một số quận đào tạo giáo viên để đánh giá dữ liệu học sinh. AVAVA / màn trập.com

Nắm bắt nhu cầu của học sinh

Như Toni Morrison từng nói, Trí tuệ không có dữ liệu chỉ là linh cảm. Chỉ cần có dữ liệu về trẻ em không tương đương với chúng sống tốt, hoặc có tương lai đầy hy vọng.

Thông thường, điều ngược lại là đúng. Các sinh viên bị loại trừ khỏi các cơ hội vì họ được coi là những người có hiệu suất thấp dựa trên các điểm dữ liệu hạn chế. Gánh nặng là để học sinh cải thiện hơn là hỏi làm thế nào hệ thống bị lỗi.

Tôi tin rằng các trường nên tập trung phát triển trí tuệ dữ liệu nhiều hơn - xem xét sức mạnh của dữ liệu để xây dựng lộ trình để tương lai tốt hơn. Làm như vậy có nghĩa là tất cả các nhà giáo dục, có thể là cha mẹ hoặc giáo viên, sử dụng dữ liệu một cách khôn ngoan: xem xét những gì nó làm và không hiển thị, xem xét dữ liệu đó trong bối cảnh xã hội lớn hơn và xem xét các kinh nghiệm và xu hướng trong cuộc sống của trẻ em để lên kế hoạch chu đáo cho Tương lai.

Ngày càng, nghiên cứu giáo dục khuyến khích giáo viên để mở rộng định nghĩa dữ liệu của họ để bao gồm các nguồn ngoài các đánh giá bắt buộc: dữ liệu quan sát trong lớp, được ghi lại từng cái một cuộc trò chuyện với một sinh viênvà video về cách học sinh nói và cử chỉ trong khi làm việc thông qua một vấn đề toán học.

Được sử dụng cùng nhau, các dạng dữ liệu này vẽ nên một bức tranh đa sắc thái hơn của một đứa trẻ, ghi lại các khía cạnh không được đo bằng một bài kiểm tra bắt buộc của nhà nước.

Phụ huynh và giáo viên có thể nghĩ về nhiều điểm dữ liệu hơn bắt đầu chỉ vào các động lực xã hội, văn hóa và kinh tế lớn hơn đang diễn ra trong một ngày của trẻ.

Làm thế nào để dạy và làm cha mẹ tốt hơn trong thời đại dữ liệu lớn Học sinh đã sẵn sàng về thể chất và tinh thần để thành công trong lớp chưa? Sharomka / màn trập.com

Điểm số Lexile của Mac không giải thích cho việc anh ta không quan tâm đến việc đọc về những con chó ở Bắc Cực trong hai tuần. Nhưng dữ liệu về những gì Mac thích làm ở nhà sẽ cung cấp thông tin bổ sung về các chủ đề sách tiềm năng. MetaMetrics không biết rằng mẹ đã quên gửi bữa trưa đến trường và anh ấy không chịu ăn ở nhà ăn; Mac đã nổi tiếng khi ông làm những bài tập toán đó. Đánh giá nhanh về Mac trạng thái xã hội trước khi giải bài toán có thể giải thích việc anh hết hơi giữa chừng bài kiểm tra.

Và Mac là một người đàn ông da trắng đặc quyền không có bất kỳ yếu tố gây căng thẳng nào phân biệt chủng tộc, phân biệt giới tính hay kinh tế không ổn định, thực tế hàng ngày cho nhiều sinh viên bị xóa hoàn toàn bởi một số liệu duy nhất. Đánh giá nhanh về bắt nạt và lo lắng, chẳng hạn, có thể xây dựng một bảng MetaMetrics một cách có ý nghĩa cho giáo viên và phụ huynh.

Từ đó, người lớn, hy vọng với học sinh, có thể suy nghĩ thông qua các điểm dữ liệu bổ sung này để tạo ra một kế hoạch, giải quyết các lý do khác nhau tại sao việc đọc và toán không diễn ra tốt như mọi người hy vọng.

Sử dụng trí tuệ dữ liệu làm nguyên tắc chỉ đạo là những gì giáo dục nghiêm túc hướng tới.Conversation

Giới thiệu về Tác giả

Katie Headrick Taylor, Trợ lý Giáo sư Khoa học và Phát triển Con người, Đại học Washington

Bài viết này được tái bản từ Conversation theo giấy phép Creative Commons. Đọc ban đầu bài viết.

Sách liên quan

at Thị trường InnerSelf và Amazon