Cara Mengajar dan Orang Tua Lebih Baik Dalam Zaman Data Besar

Cara Mengajar Dan Orang Tua Lebih Baik Dalam Zaman Data Besar Nyatakan jumlah pelajar. Chatchai Kritsetsakul / shutterstock.com

Di persidangan ibu bapa-guru, saya duduk di meja dari guru kelas pertama saya di kerusi yang dibuat untuk anak berusia 6 tahun. Guru menunjuk kepada peratusan yang ditulis dalam dakwat merah. Saya melihat dan mendengar.

"Nombor ini," katanya, "adalah skor Lexile beliau." Dia meneruskan, menggerakkan jari indeksnya di meja yang dicipta MetaMetrics. "Inilah julat normal untuk usianya. Jadi, anda mahu dia membaca buku di peringkat ini. "

Laporannya tentang prestasi matematiknya berjalan dengan cara yang sama: lebih banyak peratusan, julat dan "peringkat," kadang-kadang dikira dari langkah-langkah yang dilindungi hak cipta yang berlainan.

Pada ketika ini, saya mengalami masalah berikut. Saya diam-diam bertanya-tanya: Saya mempunyai Ph.D. dalam Pengajaran dan Pembelajaran, dan saya tidak faham apa kata data ini mengenai anak saya. Apakah ibu bapa yang lain keluar dari mesyuarat ini?

Apabila guru berhenti sejenak, saya bersandar sejauh mana kerusi kecil akan dibenarkan. Dia memandang dari lekapan lembaran kerja, menangkap pandangan saya. Saya merampas masa ini. "Adakah anda pernah bercakap dengan Mac?" Saya bertanya. "Maksud saya, adakah anda tahu apa yang dia suka, apa yang dia minat? Itulah cara yang baik untuk memilih buku untuknya, berdasarkan kepentingannya. "MetaMetrics tidak tahu apa yang mendapat Mac (bukan nama sebenarnya) yang teruja tentang pembelajaran. Dia tersenyum dan berehat kembali ke kerusinya.

Ia tidak mencukupi untuk mengumpul data tentang pelajar. Saya percaya bahawa data tidak boleh menggantikan hubungan dengan orang muda. Walau bagaimanapun, guru rendah sekolah menengah yang bekerja dengan baik dengan data, mereka yang tahu bagaimana untuk mengukur dan bercakap dari peratusan, melakukan pekerjaan dengan betul. Ini mengajar di zaman "data besar".

Sekolah yang kaya dengan data

Tekanan akauntabiliti baru-baru ini di sekolah, kerana Tiada Kanak-kanak Left Behind, bermakna guru semakin menggunakan data pelajar untuk memaklumkan kedua-dua arahan bilik darjah dan peningkatan sekolah.

Cuma baca perenggan pertama a Ringkasan 2009 Eksekutif dari Jabatan Pendidikan untuk memahami pentingnya data di sekolah:

Pengumpulan, analisis, dan penggunaan data pendidikan adalah penting untuk peningkatan hasil pelajar yang dibayangkan oleh No Child Left Behind (NCLB). Penggunaan data dalam pembuatan keputusan pendidikan dijangka merangkumi semua lapisan sistem pendidikan - dari peringkat persekutuan ke peringkat negeri, daerah, sekolah dan kelas.

Dalam kaji selidik 2007 daripada sekolah-sekolah sekolah 1,039 di seluruh negara, Jabatan Pendidikan mendapati bahawa 100% mengekalkan sistem maklumat pelajar dengan mata data seperti skor ujian pada penilaian seluruh negara, demografi, kehadiran dan tingkah laku.

Dengan program seperti PowerSchool, Kampus Infinite dan Menuju ke angkasa - setiap caj lebih daripada AS $ 5 setiap anak sebulan - sistem maklumat pelajar ini menjanjikan kedai sehenti untuk menjejaki semua aspek data pelajar dan sekolah di daerah.

Sebaik-baiknya, sistem ini membantu guru untuk melihat data pelajar dalam pasukan, dengan guru dan pemimpin sekolah yang lain. Tetapi bagaimana guru-guru di pelbagai daerah biasanya menafsirkan, menggunakan atau mengabaikan data masih menjadi persoalan terbuka.

Di beberapa daerah, guru perlu latihan literasi data yang menunjukkan kepada mereka bagaimana untuk mentafsirkan data pelajar dan menyesuaikan arahan mereka dengan sewajarnya. Di daerah lain tanpa latihan, guru tidak mempunyai rancangan yang padu untuk apa yang perlu dilakukan dengan semua data ini, menjadikan usaha data besar kelihatan tidak berguna.

Cara Mengajar Dan Orang Tua Lebih Baik Dalam Zaman Data Besar Sesetengah daerah melatih guru untuk menilai data pelajar. AVAVA / shutterstock.com

Menangkap keperluan pelajar

Seperti yang pernah dikatakan Toni Morrison, "Kebijaksanaan tanpa data hanyalah firasat." Hanya mempunyai data mengenai anak-anak tidak setara dengan mereka yang hidup dengan baik, atau memiliki masa depan yang diharapkan.

Seringkali, yang sangat bertentangan adalah benar. Pelajar dapat dikecualikan daripada peluang kerana dianggap sebagai "prestasi rendah" berdasarkan titik data yang terhad. Bebannya adalah pada pelajar untuk memperbaiki bukannya bertanya bagaimana sistem itu gagal kanak-kanak.

Saya percaya bahawa sekolah harus menumpukan perhatian untuk membangunkan lebih banyak kebijaksanaan data - memandangkan kuasa data bagi laluan pembinaan untuk masa depan yang lebih baik. Melakukannya bermakna semua pendidik, sama ada ibu bapa atau guru, menggunakan data dengan bijak: mempertimbangkan apa yang dilakukan dan tidak menunjukkan, memandangkan data dalam konteks sosial yang lebih besar, dan melihat pengalaman dan trend masa lalu dalam kehidupan kanak-kanak untuk merancang untuk masa depan.

Semakin banyak, penyelidikan pendidikan menggalakkan guru untuk mengembangkan definisi data mereka untuk memasukkan sumber-sumber di luar penilaian mandatori: data pemerhatian bilik darjah, mencatatkan satu-satu perbualan dengan pelajar, dan video mengenai bagaimana pelajar bercakap dan isyarat semasa bekerja melalui masalah matematik.

Digunakan bersama-sama, bentuk data ini melukis gambar yang lebih bernuansa seorang kanak-kanak, menangkap aspek yang tidak diukur oleh ujian mandat negara.

Ibu bapa dan guru boleh memikirkan lebih banyak titik data yang mula menunjuk pada dinamik sosial, budaya dan ekonomi yang lebih besar pada masa kanak-kanak.

Cara Mengajar Dan Orang Tua Lebih Baik Dalam Zaman Data Besar Adakah pelajar secara fizikal dan emosi bersedia untuk berjaya dalam kelas? Sharomka / shutterstock.com

Skor Mac Lexile tidak mengambil kira ketidakpuasannya dalam membaca tentang anjing di Artik selama dua minggu. Tetapi data tentang apa yang Mac suka lakukan di rumah akan memberikan maklumat pelengkap mengenai topik buku yang berpotensi. MetaMetrics tidak tahu bahawa Ibu terlupa menghantar makan tengah hari ke sekolah dan dia enggan makan di kafetaria; Mac sangat lapar apabila dia melakukan kerja matematik tersebut. Penilaian cepat pada Mac keadaan sosioemosi sebelum mengatasi masalah matematik boleh menjelaskan kehancurannya di tengah ujian.

Dan Mac adalah lelaki putih yang istimewa yang tidak menanggung sebarang tekanan perkauman, seksisme atau ketidakstabilan ekonomi, realiti harian untuk ramai pelajar yang benar-benar dipadamkan oleh satu metrik. Penilaian Pantas pada buli dan kebimbangan, misalnya, boleh menjelaskan meja MetaMetrics secara bermakna untuk guru dan ibu bapa.

Dari sana, orang dewasa, mudah-mudahan dengan pelajar, dapat berfikir melalui mata data pelengkap ini untuk membuat rancangan, menangani pelbagai sebab mengapa membaca dan matematik tidak akan serta semua orang berharap.

Menggunakan kebijaksanaan data sebagai prinsip panduan adalah pendidikan yang serius.Perbualan

Tentang Pengarang

Katie Headrick Taylor, Penolong Profesor Sains Pembelajaran dan Pembangunan Manusia, Universiti Washington

Artikel ini diterbitkan semula daripada Perbualan di bawah lesen Creative Commons. Membaca artikel asal.

Buku-buku yang berkaitan

{amazonWS: searchindex = Books; keywords = teaching children compassionately; maxresults = 3}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

ikuti InnerSelf pada

icon-facebooktwitter-iconrss-icon

Dapatkan Yang Terbaru Dengan E-mel

{Emailcloak = mati}