Kan standardiseret test fange læringspotentiale?

Hvor meget de end er frygtede og beklagede, standardiserede test er fortsat en stor del af uddannelseslandskabet. Og for alle berørte – testdeltagere, undervisere og endda nationens arbejdsgivere - det er både velsignelse og bane.

"Standardiserede test er faktisk blevet ret gode til at teste viden, " siger University of Denver assisterende professor Denis Dumas, en pædagogisk psykolog og statistiker i afdelingen for forskningsmetoder og informationsvidenskab på Morgridge College of Education.

Men hvor gavnligt det end kan være at teste viden, tilføjer han, "viden og potentiale er ikke det samme."

Faktisk, en enkelt test taget på en given dag fanger kun, hvad testpersonen ved på det tidspunkt. Og den information giver måske ikke en retfærdig skildring af, hvad Dumas kalder "indlæringskapacitet."

Sammen med medforsker Daniel McNeish, en psykologiprofessor ved Arizona State University, Dumas sigter mod at gøre bedre brug af testresultater. Samarbejde med et lille team af andre dataentusiaster, de to udvikler sig – og ja, test - en statistisk model, der fanger potentialet til at erhverve, mestre og implementere viden. Med andre ord, modellen giver indsigt i testpersonens læringskurve.

"Vi studerer formen af ​​læringskurver, Dumas forklarer, bemærker, at dette giver indsigt i de presserende spørgsmål, som pædagoger aldrig holder op med at overveje. "Hvordan lærer folk? Og hvornår lærer de hurtigere?"

At finde ud af, Dumas og McNeish har udviklet, hvad de kalder en "dynamisk målemodel" - såkaldt, fordi den ikke er afhængig af en enkelt high-stakes test, men i stedet høster og analyserer års undersøgelsesdata på individer. Heldigvis, landets offentlige skoler har længe administreret standardiserede test til børn fra folkeskolen til gymnasiet, giver Dumas og McNeish masser af data at arbejde med. Det enorme lager af information, de siger, gør modellen "tre gange mere prædiktiv end en enkelt standardiseret vurdering."

Deres påstande om modellens effektivitet er blevet understøttet i en serie på 11 artikler publiceret over de sidste fem år, med det seneste stykke, der vises i et nyligt nummer af Multivariate Behavioural Research. Og uddannelsessamfundet begynder at lægge mærke til det.

"Dette arbejde er centralt for at forstå vækst og forandring, " siger Karen Riley, dekan for Morgridge College. "Resultatmål og deres begrænsninger har længe været udfordringen for præcist at vurdere effektiviteten af ​​alle typer interventioner. At tackle disse udfordringer åbner døren til transformationsændringer i læring."

Ved at udvikle deres model, Dumas siger, forskerne fokuserede på et nøglespørgsmål:"Hvordan tager vi de data, som eleverne giver os på tests, og får den mest meningsfulde information?"

De begyndte arbejdet ved at trække på datasæt fra University of California, Berkeley's Institute of Human Development. Blandt denne rige mængde information var testresultater og karriererapporter fra deltagere, som var blevet sporet i fire til fem årtier, fra folkeskolen til de var i 50'erne, 60'erne og endda 70'erne. Nogle af de pågældende tests var blevet administreret i 1920'erne og 1930'erne til deltagere, der var så unge som 3 år gamle, giver forskerne mulighed for at forbinde tidlige resultater med efterfølgende resultater og endda livslange karrierevalg og præstationer. Ved at bruge disse data, Dumas og McNeish, sammen med medforfatter Kevin Grimm, også af Arizona State, var i stand til at studere indlæringskurver, udlede potentiale og derefter korrelere disse resultater med akademiske og professionelle resultater.

Hvor godt faldt deres models forudsigelser sammen med de faktiske resultater? Meget af tiden, Dumas siger, "Vi var meget tæt på."

Tæt nok på, at Dumas begynder at tænke over, hvor og hvornår modellen bedst kan bruges. Det gælder for enhver organisation, såsom militæret, der skal kanalisere arbejdskraft og talent ind på erhvervs- og karriereveje, han siger. Uddannelsessamfundet ville utvivlsomt hilse en "dataanalyse", der redegør for læringskapaciteten, velkommen. Og studerende og potentielle medarbejdere kan også juble over denne innovation, hvis det kun er fordi det reducerer indsatsen for en hvilken som helst test - for eksempel SAT eller GRE.

Indtil videre, Dumas siger, metoden er stadig under udvikling. "Problemet er, at det er langt mere kompliceret end tidligere metoder, " forklarer han. F.eks. at fremskynde beregningerne kræver teknologi - tænk supercomputere - sjældent rettet mod den pædagogiske arena. Og dynamisk måling kræver også masser af data, mens den er teknisk tilgængelig, er ikke altid tilgængelig. Stater ønsker ikke altid at frigive eller dele deres data, Dumas forklarer.

Dette er ikke det eneste vurderingsprojekt, der optager Dumas' tid. Sammen med en anden Morgridge College professor, Peter Organisciak, han har været med til at lancere en gratis hjemmeside til at score kreativitetsvurderinger. Det kan ikke kun ændre, hvordan skolepsykologer griber sådanne tests an, men det skulle gøre det lettere for skoledistrikter med begrænsede ressourcer at tilbyde denne mulighed til deres elever.

Ligesom med det projekt, den dynamiske målemodel fokuserer på at adressere uligheder i uddannelse og på at undgå det, Dumas kalder "fælden" af standardiseret test, som den eksisterer i øjeblikket.

"Denne model er beregnet til at få os ud af den fælde, " siger han. "Vi ønsker at skabe en model, der kvantificerer ikke bare viden, men hvor meget potentiale nogen har til at vokse."