Opsummering af en studerende i antal. Chatchai Kritsetsakul / shutterstock.com

På forældre-lærerkonferencen sad jeg over bordet fra min første klassers lærer i en stol lavet til en 6-årig. Læreren pegede på procenter, der var skrabet med rødt blæk. Jeg kiggede og lyttede.

”Dette nummer,” sagde hun, “er hans Lexile-score.” Hun fortsatte og bevægede pegefingeren hen over et bord skabt af Metametri. ”Her er det normale interval for hans alder. Så du vil have ham til at læse bøger på dette niveau. ”

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

På dette tidspunkt havde jeg svært ved at følge. Jeg spekulerede 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 pausede et pust, lænede jeg mig så langt tilbage som den lille stol tillod. Hun så op fra kaskaden af ​​regneark og fangede mit blik. Jeg greb øjeblikket. "Får du nogensinde tale med Mac?" Jeg spurgte. ”Jeg mener, ved du hvad han kan lide, hvad han er interesseret i? Det er en god måde at vælge bøger til ham ud fra hans interesser. ” MetaMetrics ved ikke, hvad der får Mac (ikke hans rigtige navn) til at lære. Hun smilede og slappede også af i stolen igen.

Det er ikke nok at indsamle data om en studerende. Jeg mener, at data ikke er en erstatning for at opbygge rapport med unge mennesker. Og alligevel, grundskolelærere, der arbejder godt med data, de, der ved, hvordan man måler og taler i procent, gør jobbet rigtigt. Dette er undervisning i en tid med "big data".

Datarige skoler

Seneste ansvar for ansvarlighed på skoler på grund af intet barn efterladt betyder, at lærere i stigende grad bruger elevdata til at informere både undervisning i klasseværelset og forbedring i hele skolen.

Læs bare første afsnit i a 2009 Executive Summary fra Department of Education for en fornemmelse af vigtigheden af ​​data i skolerne:

Indsamling, analyse og brug af uddannelsesdata er centrale for forbedringen af ​​de studerendes resultater, som No Child Left Behind (NCLB) forestiller sig. Brug af data til uddannelsesbeslutning forventes at spænde over alle lag i uddannelsessystemet - fra føderalt til stats-, distrikts-, skole- og klasseværelsesniveau.

I en 2007-undersøgelse af 1,039 skolekvarterer over hele landet fandt Department of Education, at 100% opretholdt et elevinformationssystem med datapunkter som testresultater på statlige vurderinger, demografi, deltagelse og adfærd.

Med programmer som Powerskolen, Uendelig Campus , skyward - hver opkræver mere end US $ 5 pr. Barn pr. Måned - disse elevinformationssystemer lover en one-stop-shop til sporing af alle aspekter af et distrikts elev- og skoledata.

Ideelt set hjælper disse systemer lærere med at se på elevdata i hold sammen med andre lærere og skoleledere. Men hvordan lærere i forskellige distrikter typisk fortolker, bruger eller ignorerer data, er stadig et åbent spørgsmål.

I nogle distrikter har lærere krævet uddannelse i datakendskab der viser dem, hvordan de skal fortolke elevdata og justere deres instruktion i overensstemmelse hermed. I andre distrikter uden uddannelse har lærerne ingen sammenhængende plan for, hvad de skal gøre med alle disse data, hvilket gør big data-indsatsen til at synes meningsløs.

Nogle distrikter uddanner lærere til at vurdere elevdata. AVAVA / shutterstock.com

Fange en studerendes behov

Som Toni Morrison engang sagde, "Visdom uden data er bare en fornemmelse." Bare det at have data om børn svarer ikke til, at de lever godt eller har håbefulde fremtider.

Ofte er det modsatte tilfældet. Studerende bliver udelukket fra muligheder, fordi de opfattes som "dårligt udførte" baseret på begrænsede datapunkter. Byrden er på den studerende at forbedre sig i stedet for spørger, hvordan systemet svigter barnet.

Jeg mener, at skoler bør fokusere på at udvikle mere datavisdom - i betragtning af kraften i data til at bygge veje til bedre fremtid. At gøre det betyder, at alle undervisere, hvad enten det er forældre eller lærere, bruger data klogt: overvejer hvad det gør og ikke viser, i betragtning af disse data i en større social sammenhæng og ser på tidligere oplevelser og tendenser i et barns liv til omhyggeligt at planlægge for fremtid.

I stigende grad, uddannelsesforskning tilskynder lærere til at udvide deres definitioner af data til at omfatte kilder ud over obligatoriske vurderinger: klasseværelsesobservationsdata, registreret en-til-en samtaler med en studerendeog videoer af, hvordan elever snakker og gestus, mens du arbejder gennem et matematisk problem.

Brugt sammen tegner disse dataformer et mere nuanceret billede af et barn og fanger aspekter, der ikke måles ved en statsmandat test.

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

Er den studerende fysisk og følelsesmæssigt klar til at få succes i klassen? Sharomka / shutterstock.com

Macs Lexile-score forklarer ikke hans uinteresse med at læse om hunde i Arktis i to uger. Men data om, hvad Mac kan lide at lave derhjemme, vil give supplerende oplysninger om potentielle bogemner. MetaMetrics vidste ikke, at mor glemte at sende sin frokost til skolen, og han nægtede at spise i cafeteriet; Mac blev sulten, da han lavede de matematiske regneark. En hurtig vurdering af Mac'er socioemotional tilstand før tackling af matematik kunne arbejde med at forklare, at han løb tør for damp halvvejs gennem testen.

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

Derfra kunne voksne, forhåbentlig sammen med studerende, tænke igennem disse supplerende datapunkter for at oprette en plan, der adresserer de forskellige grunde til, at læsning og matematik ikke går så godt som alle håber.

Brug af datavisdom som et ledende princip er, hvad seriøs uddannelse handler om.

Om forfatteren

Katie Headrick Taylor, lektor i læringsvidenskab og menneskelig udvikling, University of Washington

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

Relaterede bøger

at InnerSelf Market og Amazon