Hvordan man lærer og forældre bedre i big data-tiden

På forældremødet, Jeg sad over for bordet fra min første klasses lærer i en stol lavet til en 6-årig. Læreren pegede på procenter skrevet med rødt blæk. Jeg kiggede og lyttede.

"Dette nummer, " hun sagde, "er hans Lexile-score." Hun fortsatte, bevæger sin pegefinger hen over et bord skabt af MetaMetrics. "Her er normalområdet for hans alder. Så, du vil have ham til at læse bøger på dette niveau."

Hendes rapport om hans matematiske præstationer foregik på nogenlunde samme måde:flere procenter, intervaller og "niveauer, " nogle gange beregnet ud fra forskellige ophavsretligt beskyttede foranstaltninger.

På dette tidspunkt, Jeg havde svært ved at følge med. Jeg undrede mig stille:Jeg har en ph.d. i undervisning og læring, og jeg forstår ikke, hvad disse data siger om mit barn. Hvad får andre forældre ud af disse møder?

Da læreren holdt en pause for at trække vejret, Jeg lænede mig så langt tilbage, som den lille stol tillod. Hun så op fra kaskaden af ​​arbejdsark, fanger mit blik. Jeg greb øjeblikket. "Kommer du nogensinde til at tale med Mac?" Jeg spurgte. "Jeg mener, ved du hvad han kan lide, hvad er han interesseret i? Det er en god måde at vælge bøger til ham på, baseret på hans interesser." MetaMetrics ved ikke, hvad der får Mac (ikke hans rigtige navn) begejstret for at lære. Hun smilede og slappede af tilbage i sin stol, også.

Det er ikke nok at indsamle data om en elev. Jeg mener, at data ikke er en erstatning for at skabe relationer til unge mennesker. Og stadigvæk, grundskole- og gymnasielærere, der arbejder godt med data, dem, der ved, hvordan man måler og taler ud fra procenter, gør arbejdet rigtigt. Dette er undervisning i en tidsalder med "big data".

Datarige skoler

Det seneste ansvarspres på skolerne, på grund af intet barn efterladt, betyder, at lærere i stigende grad bruger elevdata til at informere både klasseværelsesundervisning og forbedringer på hele skolen.

Læs blot det første afsnit af et resumé fra 2009 fra Department of Education for at få en fornemmelse af vigtigheden af ​​data i skolerne:"Indsamlingen, analyse, og brug af uddannelsesdata er centrale for forbedringen af ​​elevernes resultater, som No Child Left Behind (NCLB) forestiller sig. Brugen af ​​data i uddannelsesbeslutninger forventes at spænde over alle lag af uddannelsessystemet - fra det føderale til staten, distrikt, skole- og klasseværelsesniveauer."

I en undersøgelse fra 2007 af 1, 039 skoledistrikter over hele landet, Undervisningsministeriet fandt, at 100 % vedligeholdt et elevinformationssystem med datapunkter som testresultater på statsdækkende vurderinger, demografi, fremmøde og adfærd.

Med programmer som PowerSchool, Infinite Campus og Skyward – hver opkræver mere end US$5 per barn per måned – disse elevinformationssystemer lover en one-stop-shop til sporing af alle aspekter af et distrikts elev- og skoledata.

Ideelt set, disse systemer hjælper lærere med at se på elevdata i teams, med andre lærere og skoleledere. Men hvordan lærere på tværs af forskellige distrikter typisk tolker, brug eller ignorer data er stadig et åbent spørgsmål.

I nogle distrikter, lærere har krævet undervisning i datafærdigheder, der viser dem, hvordan de skal fortolke elevdata og tilpasse deres undervisning i overensstemmelse hermed. I andre distrikter uden uddannelse, lærere har ingen sammenhængende plan for, hvad de skal gøre med alle disse data, få big data-indsatsen til at virke meningsløs.

At fange en elevs behov

Som Toni Morrison engang sagde, "Visdom uden data er bare en anelse." Bare det at have data om børn svarer ikke til, at de lever godt, eller have en håbefuld fremtid.

Tit, det stik modsatte er sandt. Studerende bliver udelukket fra muligheder, fordi de opfattes som "lavt ydende" baseret på begrænsede datapunkter. Byrden påhviler den studerende at forbedre sig frem for at spørge, hvordan systemet svigter barnet.

Jeg mener, at skoler bør fokusere på at udvikle mere datavisdom – i betragtning af dataens kraft til at bygge veje til en bedre fremtid. Det betyder, at alle undervisere, det være sig forældre eller lærere, brug data fornuftigt:overvejer, hvad de gør og ikke viser, i betragtning af disse data i den større sociale sammenhæng, og ser på tidligere oplevelser og tendenser i et barns liv for at planlægge eftertænksomt for fremtiden.

I stigende grad, uddannelsesforskning tilskynder lærere til at udvide deres definitioner af data til at omfatte kilder ud over obligatoriske vurderinger:klasseværelsesobservationsdata, optagede en-til-en samtaler med en elev, og videoer af, hvordan elever taler og gestikulerer, mens de arbejder med en matematikopgave.

Brugt sammen, disse former for data tegner et mere nuanceret billede af et barn, indfange aspekter, der ikke måles af en statsmandat test.

Forældre og lærere kunne tænke på endnu flere datapunkter, der begynder at pege på større sociale, kulturelle og økonomiske dynamikker i spil i et barns hverdag.

Macs Lexile-score forklarer ikke hans uinteresse i at læse om hunde i Arktis i to uger. Men data om, hvad Mac kan lide at lave derhjemme, ville give supplerende oplysninger om potentielle bogemner. MetaMetrics vidste ikke, at mor glemte at sende hans frokost i skole, og han nægter at spise i cafeteriet; Mac var udsultet, da han lavede de regneark. En hurtig vurdering af Macs socio-emotionelle tilstand, før han går i gang med matematikarbejde, kunne forklare, at han løb tør for damp halvvejs gennem testen.

Og Mac er en privilegeret hvid mand, der ikke bærer nogen stressfaktorer af racisme, sexisme eller økonomisk ustabilitet, daglige realiteter for mange studerende, der er fuldstændig slettet af en enkelt metrisk. Hurtige vurderinger af mobning og angst, for eksempel, kunne meningsfuldt udarbejde en MetaMetrics-tabel til lærere og forældre.

Derfra, voksne, forhåbentlig med studerende, kunne gennemtænke disse komplementære datapunkter for at skabe en plan, om de forskellige årsager til, at læsning og matematik ikke går så godt, som alle håber.

At bruge datavisdom som et ledende princip er, hvad seriøs uddannelse handler om.

Denne artikel er genudgivet fra The Conversation under en Creative Commons -licens. Læs den originale artikel.