Инструкции на основе данных

Для проверки этой статьи нужны дополнительные цитаты . Помогите улучшить эту статью , добавив ссылки на надежные источники . Материалы без ссылок могут быть оспорены и удалены. Найти источники:  «Data-driven instructions» – новости  · газеты  · книги  · ученый  · JSTOR ( май 2017 г. ) ( Узнайте, как и когда удалять это сообщение )

This article is written like a research paper or scientific journal. Please help improve the article by rewriting it in encyclopedic style and simplify overly technical phrases. (February 2017) (Learn how and when to remove this message)

Обучение на основе данных — это образовательный подход, который опирается на информацию для информирования преподавания и обучения. Идея относится к методу, который учителя используют для улучшения обучения, изучая имеющуюся у них информацию о своих учениках. Это происходит в классе, в отличие от принятия решений на основе данных . Обучение на основе данных работает на двух уровнях. Во-первых, оно дает учителям возможность более чутко реагировать на потребности учеников, а во-вторых, оно позволяет ученикам самостоятельно отвечать за свое обучение. Обучение на основе данных можно понять, изучив его историю, то, как оно используется в классе, его атрибуты и примеры учителей, использующих этот процесс.

До того, как в школах стали уделять особое внимание данным и подотчетности, некоторые руководители школ и исследователи в области образования сосредоточились на реформе образования на основе стандартов . Из идеи создания стандартов возникла подотчетность, идея о том, что школы должны отчитываться о своей способности соответствовать установленным стандартам. ^[1] В конце прошлого века и в начале 2000-х годов повышенное внимание к подотчетности в государственных организациях проникло в сферу образования. С принятием Закона «Ни один ребенок не останется без внимания» (NCLB) в 2001 году появились законы, требующие от школ предоставлять общественности информацию о качестве образования, предоставляемого учащимся. Чтобы иметь возможность предоставлять такие данные, штатам было поручено разработать меры подотчетности и ежегодные оценки для оценки эффективности школ в выполнении этих мер. ^{[2] [3]} После NCLB более позднее законодательство в рамках Закона о гонке за вершину еще больше подтолкнуло штаты к использованию сбора данных и отчетности для демонстрации способности школ удовлетворять потребности общественности. В NCLB и Законе о гонке за вершину заложено предположение, что сбор и использование данных может привести к повышению успеваемости учащихся. ^[4]

Данные в классе — это любая информация, которая видна во время обучения, которая может быть использована для информирования преподавания и обучения. Типы данных включают количественные и качественные данные, хотя количественные данные чаще всего используются для обучения на основе данных. Примерами количественных данных являются результаты тестов, результаты викторины и уровни производительности на периодической оценке. ^[5] Примерами качественных данных являются полевые заметки, студенческие работы/артефакты, интервью, фокус-группы, цифровые фотографии, видео, рефлексивные журналы. ^[6]

Количественные и качественные данные обычно собираются с помощью двух форм оценок: формирующей и суммирующей. Формативная оценка — это информация, которая раскрывается и распространяется во время обучения и может быть использована учителем или учеником. ^[7] Пол Блэк и Дилан Уильям предлагают примеры оценки в классе, которая является формирующей по своей природе, включая наблюдения и обсуждения учеников, понимание потребностей и проблем учеников и рассмотрение работы учеников. ^[7] И наоборот, суммирующие оценки предназначены для определения того, может ли ученик переносить свои знания в новые контексты, а также для целей подотчетности. ^[7] Формативная оценка — это использование информации, полученной во время обучения, для улучшения прогресса и успеваемости учеников. Суммативные оценки проводятся после того, как преподавание и обучение завершены.

Понимание различий между количественными и качественными данными , а также между формирующей оценкой и суммарной оценкой , которые выявляют эти данные, можно определить как грамотность в оценке. ^[5] Формирование грамотности в оценке также включает в себя знание того, когда использовать какой тип оценки и какие полученные данные использовать для информирования об обучении. Цель обучения на основе данных — использовать информацию для руководства преподаванием и обучением. Дилан Уильям предлагает примеры обучения на основе данных с использованием формирующей оценки:

• Разъяснение, обмен и понимание учебных намерений и критериев
• Выявление доказательств достижений учащихся
• Предоставление обратной связи, которая продвигает обучение вперед
• Активизация студентов в качестве учебных ресурсов друг для друга
• Активизация студентов как хозяев собственного обучения ^[8]

Из-за отсутствия своевременной обратной связи относительно результатов, а также невозможности персонализировать подход, суммативные оценки нечасто используются для обучения на основе данных в классе. Вместо этого, для принятия решений о прогрессе и успеваемости учащихся в обучении на основе данных следует использовать разнообразную информацию, полученную из различных форм оценок. Использование нескольких мер разных форм и в разное время для принятия учебных решений называется триангуляцией . ^[5]

Системы обучения на основе данных относятся к комплексной системе структур, которые школьные руководители и учителя разрабатывают для включения данных в свои инструкции. ^[9] Ричард Халверсон, Джеффри Григг, Рид Причетт и Крис Томас, опираясь на литературу об организационных и школьных изменениях, разработали структуру DDIS в попытке описать, как соответствующие субъекты управляют внутренней подотчетностью на уровне школы по отношению к внешней подотчетности. ^[9] В частности, были внедрены политики внешней подотчетности с высокими ставками, такие как Закон «Ни один ребенок не останется без внимания » (NCLB), чтобы возложить на школы ответственность за сообщаемые стандартизированные, суммарные метрики оценки. Однако в школах уже были активные системы внутренней подотчетности, которые уделяли большое внимание непрерывному циклу улучшения обучения на основе использования данных, включая результаты формативной оценки и поведенческую информацию. Поэтому, когда была внедрена подотчетность с высокими ставками, школы естественным образом прошли процесс согласования между различными типами данных, различными целями и соответствующим напряжением. Ричард Халверсон и его коллеги, используя подходы к изучению конкретных случаев, изучают усилия лидеров по координации и процессу согласования, который происходит между существующими «центральными практиками и культурой школ» и «новым давлением ответственности» в стремлении улучшить результаты успеваемости учащихся. ^[9]

В своей статье Ричард Халверсон, Джеффри Григг, Рид Причетт и Крис Томас предполагают, что структура DDIS состоит из шести организационных функций: сбор данных; отражение данных; согласование программ; проектирование программ; формирующая обратная связь; подготовка тестов. ^{[9] [10]}

Сбор данных включает в себя функции сбора данных, хранения данных и предоставления отчетов. «Данные» в модели DDIS в широком смысле трактуются как любой тип информации, которая направляет преподавание и обучение. На практике школы собирают академические данные, результаты стандартизированных оценочных тестов, а также неакадемические данные, такие как демографическая информация учащихся, данные опросов сообщества, учебные программы, технологические возможности и записи поведения. Для хранения таких данных некоторые школы разрабатывают собственные локальные стратегии сбора, используя низкотехнологичные распечатки и блокноты, тогда как другие школы полагаются на высокотехнологичные районные системы хранения, которые предоставляют огромные объемы отчетов. Руководители школ обсуждают, какие данные необходимо сообщать и как сообщать данные таким образом, чтобы они могли использовать их для руководства практикой преподавания.

В модели DDIS отражение данных относится к коллективному осмыслению представленных данных. ^[9] Районные ретриты данных предоставляют школам в пределах округов ключевые возможности для определения сильных и слабых сторон на уровне школы с точки зрения данных об успеваемости. Ретриты помогают округам разрабатывать видения обучения на уровне округа. Напротив, посредством местных встреч по отражению данных учителя проводят беседы, сосредоточенные на прогрессе отдельных учеников, проверяя успеваемость каждого ученика по оцененным стандартам.

Ричард Халверсон и его коллеги утверждают, что функция согласования программы относится к «связыванию соответствующего содержания и стандартов производительности с фактическим содержанием, преподаваемым в классе». ^[9] Например, результаты сравнительной оценки, как «инструменты выявления проблем», помогают педагогам выявлять учебные стандарты, которые не совсем соответствуют текущим учебным программам.

После определения основных областей, связанных с потребностями учащихся в обучении и целями школы, руководители и учителя разрабатывают вмешательства: программы на основе факультета; программы на основе учебного плана; и программы на основе студентов. В целях повышения грамотности преподавателей в области данных преподавателям предоставляются различные возможности профессионального развития и коучинга, ориентированные на профессиональное взаимодействие (программы на основе факультета). Кроме того, преподаватели изменяют свою учебную программу в рамках подхода ко всему классу (программы на основе учебного плана) или разрабатывают индивидуальные учебные планы с учетом потребностей отдельных студентов (программы на основе студентов).

Педагоги взаимодействуют друг с другом вокруг формирующей обратной связи по локальным вмешательствам, реализованным в классах и программах. Системы формирующей обратной связи состоят из трех основных компонентов: вмешательство, оценка и приведение в действие. Артефакты вмешательства здесь включают учебные материалы, такие как учебники и эксперименты, или программы, такие как индивидуальные образовательные программы (Вмешательство). Эффект этих артефактов вмешательства можно оценить с помощью формирующих оценок, как коммерческих, так и самостоятельно созданных, с точки зрения того, что они внесли предполагаемые изменения в преподавание и обучение (Оценка). В пространстве приведения в действие педагоги интерпретируют результаты оценки в отношении первоначальных целей вмешательства и обсуждают, как изменить подачу инструкций или оценку в качестве инструментов измерения, что закладывает основу для новых вмешательств (Приведение в действие).

Эта функция не предназначена для того, чтобы учителя «обучали тесту». Скорее, она указывает на следующие виды деятельности: виды деятельности, встроенные в учебную программу, практика тестирования, дизайн среды и работа с сообществом. Учителя включают содержание стандартизированной оценки в свои ежедневные инструкции (виды деятельности, встроенные в учебную программу), помогают ученикам практиковаться или привыкать к прохождению тестов с похожими типами тестов (практика тестирования) и создают благоприятную среду для прохождения теста (проектирование среды). Кроме того, учителя общаются с родителями и членами сообщества по темам, начиная от внедрения теста и заканчивая интерпретацией результатов теста (работа с сообществом).

Основным последствием для школьных округов является обеспечение сбора и доступности высококачественных и релевантных данных. Помимо создания систем для сбора и распространения данных, школьный округ должен предоставить экспертные знания в форме персонала, экспертного по данным, и/или доступ к ресурсам профессионального развития, чтобы гарантировать, что руководители школьных зданий смогут получить доступ к данным и использовать их. ^[11]

Другим важным компонентом ответственности округа является обеспечение руководства и видения для распространения информации об успеваемости учащихся для улучшения практики преподавания. Завадский и Долейс предлагают две области для рассмотрения школьными округами:

«Первый компонент — сбор и анализ данных. Районы и школы должны тщательно продумать, какие данные им нужно собирать, разработать инструменты для сбора данных и сделать данные доступными как можно скорее. Второй компонент — использование данных. Директора и руководители районов должны предоставить учителям достаточно времени и обучения, чтобы они понимали данные и учились реагировать на то, что показывают данные». ^[12]

Хотя в литературе показана важнейшая роль округа в создании условий для обучения на основе данных, большая часть работы по установлению связи между успеваемостью учащихся и практикой в ​​классе происходит на уровне школы и класса.

Школы играют важную роль в создании условий для процветания обучения на основе данных. Хеппен и др. указывают на необходимость четкого и последовательного фокусирования на использовании данных и богатой данными среде для поддержки усилий учителей по использованию данных для управления обучением. Когда руководство создает и поддерживает среду, которая способствует сотрудничеству и четко сообщает о срочности улучшения обучения учащихся, учителя чувствуют поддержку для участия в использовании данных. Дополнительный каркас моделирования использования данных на уровне школы повышает экспертность учителей в использовании данных. ^[13]

Инструкции, основанные на данных, создаются и внедряются в классе. Учителя имеют самую прямую связь между успеваемостью учащихся и практикой в ​​классе. Используя данные, учителя могут принимать решения о том, чему и как учить, включая то, как использовать время в классе, вмешательства для учащихся, которые не соответствуют стандартам, индивидуализацию уроков на основе информации в реальном времени, адаптацию практики преподавания для соответствия потребностям учащихся и внесение изменений в темп, объем и последовательность. ^[14]

Чтобы иметь возможность заниматься обучением на основе данных, учителя должны сначала развить необходимые знания, навыки и диспозиции. Работая в школьной культуре и климате, в которых обучение на основе данных ценится и поддерживается, учителя имеют возможность повышать успеваемость учащихся и потенциально сокращать разрыв в успеваемости. Кроме того, учителя должны иметь доступ к возможностям обучения или профессионального развития, что помогает им понимать педагогическую структуру и технические навыки, необходимые для получения, анализа и использования информации об учащихся для принятия учебных решений. ^[15]

Значительный новый рост в обучении на основе данных заключается в том, что учащиеся формируют свои уроки, используя данные об их собственном прогрессе. Учащиеся младшего возраста, которые могут самостоятельно сообщать об оценках и других оценках, могут достичь высокого уровня достижений и прогресса в обучении. ^[16] Чтобы внедрить анализ данных учащимися в практику работы в классе, требуется время, обучение и действия. ^[17] Стратегии, которые учащиеся используют для оценки собственного обучения, различаются по эффективности. В метаанализе Данлоски, Роусон, Марш, Натан и Уиллингем ранжировали десять стратегий обучения на основе прогнозируемого влияния каждой из них на успеваемость:

Высокоэффективные стратегии:

• Практическое тестирование - самотестирование, решение практических задач
• Распределенная практика — повторяющаяся практика через определенные промежутки времени.

Умеренно эффективные стратегии:

• Уточняющий допрос - объяснение «почему»
• Самообъяснение — объяснение того, как новая информация соотносится с тем, что уже известно.
• Попеременная практика — смешивание разных видов задач в ходе практического занятия.

Менее эффективные стратегии:

• Резюмирование — написание резюме изучаемого материала.
• Выделение — выделение важных частей текста.
• Мнемоника ключевых слов - различные мнемонические приемы
• Использование образов для изучения текста — попытка сформировать мысленные образы читаемого.
• Повторное чтение — повторное прочтение материала после первоначального прочтения ^[18]

Стоит отметить, что менее эффективные стратегии могут чаще использоваться в классах K-12, чем умеренно эффективные и высокоэффективные стратегии. Авторы предлагают учить учеников, как использовать более эффективные методы и когда они наиболее полезны для руководства их обучением. Когда эти стратегии станут внутренними, ученики разовьют методы, чтобы научиться учиться. Это имеет решающее значение, поскольку они переходят на уровень средней школы и, как ожидается, будут более независимыми в своих исследованиях.

Основная критика обучения на основе данных заключается в том, что оно слишком сильно фокусируется на результатах тестов и что недостаточно внимания уделяется результатам оценок в классе. Обучение на основе данных должно служить «дорожной картой через оценку», которая помогает «учителям планировать обучение для удовлетворения потребностей учащихся, что приводит к лучшим достижениям». ^[19] Суммативное оценивание не должно использоваться для информирования о повседневном преподавании и обучении, которое поддерживается обучением на основе данных. Дополнительные проблемы, связанные с восприятием обучения на основе данных, включают ограничения количественных данных для представления обучения учащихся, не учитывание социальных и эмоциональных потребностей или контекста данных при принятии учебных решений, а также гиперфокус на основных областях грамотности и математики при игнорировании дополнительных, традиционно высокоинтересных областей, таких как искусство и гуманитарные науки.

• Инструкции, основанные на фактических данных

• Блэк, П.; Уильям, Д. (1998). «Внутри черного ящика: повышение стандартов посредством оценки в классе». Phi Delta Kappan . 80 (2): 139–148 .
• Будетт, К. П., Сити, Э. А., Мурнам, Р. Дж. (2013). Data Wise: пошаговое руководство по использованию результатов оценки для улучшения преподавания и обучения. Кембридж, Массачусетс: Harvard Education Press.
• Дэна, Н. Ф. и Йендол-Хоппи, Д. (2014). Руководство рефлексивного педагога по исследованию в классе: обучение преподаванию и обучение обучению посредством практического исследования (3-е изд.). Таузенд-Оукс, Калифорния: Корвин.
• Датнов, А. и Парк, В. (2014). Лидерство, основанное на данных. Сан-Франциско, Калифорния: Jossey-Bass.
• Данлоски, Дж.; Роусон, КА; Марш, Э.Дж.; Натан, М.Дж.; Уиллингем, Д.Т. (2013). «Улучшение обучения студентов с помощью эффективных методов обучения — перспективные направления когнитивной и педагогической психологии». Психологическая наука в интересах общества . 14 (1): 4–58 . doi :10.1177/1529100612453266. PMID  26173288. S2CID  1621081.
• Eagle, M., Corbett, A., Stamper, J., McLaren, BM, Baker, R., Wagner, A., ... Mitchell, A. (2016). Прогнозирование индивидуальных различий для моделирования учащихся в интеллектуальных наставниках на основе предыдущей деятельности учащихся (стр. 55–63). ACM Press. doi : 10.1145/2930238.2930255
• Элмор, РФ (2000). Создание новой структуры для руководства школ. Институт Альберта Шанкера. Получено с http://eric.ed.gov/?id=ED546618
• Голд, С. (2005). «УПРАВЛЯЕМЫЙ ДАННЫМИ». Технологии и обучение . 25 (11): 6, 8–9 .
• Халверсон, Р., Григг, Дж., Причетт, Р. и Томас, К. (2007). Новое учебное руководство: создание систем обучения на основе данных в школе. Журнал школьного лидерства, 17 (март), 159–194.
• Гамильтон и др. - 2009 - Использование данных об успеваемости учащихся для поддержки instruct.pdf. (nd). Получено с http://files.eric.ed.gov/fulltext/ED506645.pdf
• Гамильтон, Л., Халверсон, Р., Джексон, С.С., Мандинах, Э., Суповиц, Дж.А., Уэйман, Дж.К., ... Стил, Дж.Л. (2009). Использование данных об успеваемости учащихся для поддержки принятия решений в обучении. Получено с http://repository.upenn.edu/gse_pubs/279/
• Хэтти, Дж. (2012). Видимое обучение для учителей: максимизация воздействия на обучение. Нью-Йорк: Routledge.
• Хеппен, Дж., Фариа, А.-М., Томсен, К., Сойер, К., Таунсенд, М., Катнер, М., ... Кассерли, М. (2010). Использование данных для улучшения обучения в школах большого города: ключевые аспекты практики. Исследование городских данных. Совет школ большого города. Получено с http://eric.ed.gov/?id=ED536737
• Джонсон, Л. (2009). Рэнди Вайнгартен, президент Антония Кортезе, секретарь-казначей. Получено с http://eric.ed.gov/?id=ED511575
• Джонс, А. (2005). «Мифы о школах, ориентированных на данные. Руководство директоров». Middle Level Ed . 6 (2): 37–39 .
• Кеннеди, Б. Л.; Датнов, А. (2011). «Участие студентов и принятие решений на основе данных. Разработка новой типологии». Молодежь и общество . 43 (4): 1246– 1271. doi : 10.1177/0044118X10388219. S2CID  145417758.
• Ларок, М (2007). «Устранение разрыва в успеваемости: опыт средней школы». Clearing House . 80 (4): 157– 162. doi :10.3200/tchs.80.4.157-162. S2CID  145741309.
• Мелуччи, Л. (2013, август). ВОСПРИЯТИЕ УЧИТЕЛЯМИ И ИСПОЛЬЗОВАНИЕ ОБУЧЕНИЯ НА ОСНОВЕ ДАННЫХ.pdf. Университет Капелла.
• Мохтари, К.; Розмари, Калифорния; Эдвардс, Пенсильвания (2007). «Принятие учебных решений на основе данных: что, как и почему». Учитель чтения . 61 (4): 354–359 . doi :10.1598/rt.61.4.10.
• Пелла, С. (2012). «Что следует считать данными для обучения на основе данных? К моделям контекстуализированных исследований данных для образования и профессионального развития учителей». Middle Grades Research Journal . 7 (1): 57–75 .
• Роджерс, Л. Н. и Тиндалл, П. Д. (2001). Перспективы учителей: развитие лидерства в обучении посредством исследования в классе. Получено с http://eric.ed.gov/?id=ED465596
• Schmidt, WH; Burroughs, NA; Zoido, P.; Houang, RT (2015). «Роль школьного образования в сохранении образовательного неравенства в международной перспективе» (PDF) . Educational Researcher . 44 (7): 371– 386. doi :10.3102/0013189x15603982. S2CID  96446917. Архивировано из оригинала (PDF) 2020-02-19.
• Шмокер, М. (1996). Результаты: ключ к непрерывному совершенствованию школы. Александрия, Вирджиния: Ассоциация по надзору и разработке учебных программ.
• Шанахан, Т., Каллисон, К., Карриер, К., Дьюк, Н.К., Пирсон, П.Д., Шатшнайдер, К. и Торгесен, Дж. (2010). Улучшение понимания прочитанного в детском саду по 3-й класс: практическое руководство IES. NCEE 2010-4038. What Works Clearinghouse. Получено с http://eric.ed.gov/?id=ED512029
• Stamper, J., Ed, Pardos, Z., Ed, Mavrikis, M., Ed, McLaren, BM, Ed, & International Educational Data Mining Society. (2014). Труды Седьмой международной конференции по интеллектуальному анализу образовательных данных (EDM) (7-я, Лондон, Соединенное Королевство, 4–7 июля 2014 г.). International Educational Data Mining Society. http://www.educationaldatamining.org
• Свон, Г.; Мазур, Дж. (2011). «Изучение принятия решений на основе данных с помощью формативной оценки: слияние технологий, эвристики интерпретации данных и учебной политики». Современные проблемы в области технологий и педагогического образования . 11 (2): 205.
• Уильям, Д. (2011). Встроенная формативная оценка. Блумингтон, Индиана: Дерево решений.
• Завадский, Х. и Долейс, А. (2006). ДАННЫЕ: Не просто еще одно слово из четырех букв. Руководство, средний уровень ред., 7(2), 32–36.