एक छात्र को संख्या में समेटना। चचाई कृत्सेत्स्कुल / शटरस्टॉक.कॉम
अभिभावक-शिक्षक सम्मेलन में, मैं एक 6-वर्षीय के लिए बनाई गई कुर्सी पर अपने पहले ग्रेडर शिक्षक से मेज के पार बैठ गया। शिक्षक ने लाल स्याही में फंसे प्रतिशत को इंगित किया। मैंने देखा और सुना।
"यह संख्या," उसने कहा, "उसका लेक्साइल स्कोर है।" वह चली गई, उसके द्वारा बनाई गई तालिका में अपनी तर्जनी को आगे बढ़ाते हुए MetaMetrics। "यहाँ उसकी उम्र के लिए सामान्य की सीमा है। इसलिए, आप उसे इस स्तर पर किताबें पढ़ना चाहते हैं। ”
उनके गणित के प्रदर्शन की रिपोर्ट उसी तरह से आगे बढ़ी: अधिक प्रतिशत, रेंज और "स्तर", कभी-कभी विभिन्न कॉपीराइट उपायों से गणना की जाती है।
इस बिंदु तक, मुझे अनुसरण करने में कठिनाई हो रही थी। मैं चुपचाप सोचता रहा: मैंने पीएचडी की है। शिक्षण और शिक्षण में, और मुझे समझ में नहीं आता कि ये आंकड़े मेरे बच्चे के बारे में क्या कहते हैं। अन्य अभिभावक इन बैठकों से बाहर क्या कर रहे हैं?
जब शिक्षक एक सांस के लिए रुकता था, तो मैं पीछे की ओर झुक जाता था क्योंकि छोटी कुर्सी अनुमति देती थी। उसने मेरे टकटकी को पकड़ते हुए, वर्कशीट के झरने से देखा। मैंने उस क्षण को जब्त कर लिया। "क्या आप कभी मैक से बात करते हैं?" मैंने पूछा। "मेरा मतलब है, क्या आप जानते हैं कि वह क्या पसंद करता है, वह किस चीज में रुचि रखता है? यह उनके हितों के आधार पर उनके लिए पुस्तकों का चयन करने का एक अच्छा तरीका है। ”MetaMetrics को यह नहीं पता कि मैक (जो उसका वास्तविक नाम नहीं है) सीखने के बारे में उत्साहित है। वह मुस्कुराई और आराम से अपनी कुर्सी पर वापस आ गई।
किसी छात्र के बारे में डेटा एकत्र करना पर्याप्त नहीं है। मेरा मानना है कि युवा लोगों के साथ तालमेल बनाने के लिए डेटा कोई विकल्प नहीं है। और फिर भी, उच्च विद्यालय के शिक्षकों के लिए प्राथमिक जो डेटा के साथ अच्छी तरह से काम करते हैं, जो प्रतिशत से मापना और बोलना जानते हैं, वे काम सही कर रहे हैं। यह "बड़े डेटा" के युग में सिखा रहा है।
डेटा से भरपूर स्कूल
नो चाइल्ड लेफ्ट बिहाइंड के कारण स्कूलों पर हालिया जवाबदेही का दबाव है, जिसका अर्थ है कि शिक्षक तेजी से सूचित करने के लिए छात्र डेटा का उपयोग करते हैं कक्षा निर्देश और स्कूली सुधार दोनों.
बस पहले पैराग्राफ को पढ़ें a 2009 कार्यकारी सारांश स्कूलों में डेटा के महत्व की समझ के लिए शिक्षा विभाग से:
नो चाइल्ड लेफ्ट बिहाइंड (NCLP) द्वारा परिकल्पित छात्र परिणामों के सुधार के लिए शैक्षिक डेटा का संग्रह, विश्लेषण और उपयोग केंद्रीय हैं। शैक्षिक निर्णय लेने में डेटा के उपयोग से शिक्षा प्रणाली की सभी परतों का विस्तार होने की उम्मीद है- संघीय से लेकर राज्य, जिला, स्कूल और कक्षा स्तर तक।
एक 2007 सर्वेक्षण में देश भर के 1,039 स्कूल जिलों में, शिक्षा विभाग ने पाया कि 100% ने राज्यव्यापी आकलन, जनसांख्यिकी, उपस्थिति और व्यवहार पर परीक्षण स्कोर जैसे डेटा बिंदुओं के साथ एक छात्र सूचना प्रणाली बनाए रखी।
जैसे कार्यक्रमों के साथ PowerSchool, अनंत कैंपस और आकाश की ओर - प्रत्येक बच्चे से प्रति माह US $ 5 से अधिक का शुल्क लिया जाता है-ये छात्र सूचना प्रणाली जिले के छात्र और स्कूल डेटा के सभी पहलुओं पर नज़र रखने के लिए वन-स्टॉप शॉप का वादा करते हैं।
आदर्श रूप से, ये सिस्टम शिक्षकों को अन्य शिक्षकों और स्कूल नेताओं के साथ टीमों में छात्र डेटा को देखने में मदद करते हैं। लेकिन विभिन्न जिलों के शिक्षक आम तौर पर डेटा की व्याख्या, उपयोग या उपेक्षा कैसे करते हैं यह अभी भी एक खुला प्रश्न है।
कुछ जिलों में, शिक्षकों की आवश्यकता है डेटा साक्षरता प्रशिक्षण उन्हें छात्र डेटा की व्याख्या करने और उनके अनुसार अपने निर्देश को समायोजित करने का तरीका दिखाते हैं। बिना प्रशिक्षण के अन्य जिलों में, शिक्षकों के पास इस पूरे डेटा के साथ क्या करना है, इसके लिए कोई ठोस योजना नहीं है, जिससे बड़े डेटा प्रयास बेकार हो जाते हैं।
कुछ जिले शिक्षकों को छात्र डेटा का आकलन करने के लिए प्रशिक्षित करते हैं। AVAVA / shutterstock.com
एक छात्र की जरूरतों को पकड़ना
जैसा कि टोनी मॉरिसन ने एक बार कहा था, "डेटा के बिना बुद्धि सिर्फ एक कूबड़ है।" बस बच्चों के बारे में डेटा होना उनके लिए अच्छी तरह से रहने या आशातीत वायदा होने के बराबर नहीं है।
अक्सर, बहुत विपरीत सच है। छात्रों को अवसरों से बाहर रखा जाता है क्योंकि उन्हें सीमित डेटा बिंदुओं के आधार पर "कम प्रदर्शन" के रूप में माना जाता है। छात्र पर बोझ है बजाय सुधारने के यह पूछना कि सिस्टम बच्चे को कैसे विफल कर रहा है.
मेरा मानना है कि स्कूलों को बेहतर फ्यूचर के लिए पाथवे के निर्माण के लिए डेटा की शक्ति को देखते हुए अधिक डेटा ज्ञान विकसित करने पर ध्यान केंद्रित करना चाहिए। ऐसा करने का मतलब है कि सभी शिक्षक, वे माता-पिता या शिक्षक हों, डेटा का उपयोग बुद्धिमानी से करें: यह विचार करते हुए कि यह क्या करता है और क्या नहीं दिखाता है, उस डेटा को बड़े सामाजिक संदर्भ में देखते हुए, और बच्चे के जीवन में पिछले अनुभवों और रुझानों को देखते हुए सोच-समझकर योजना बनाएं। भविष्य।
तेजी से, शिक्षा अनुसंधान को प्रोत्साहित करती है शिक्षक अनिवार्य मूल्यांकन से परे स्रोतों को शामिल करने के लिए डेटा की अपनी परिभाषा का विस्तार करने के लिए: कक्षा अवलोकन डेटा, एक-एक दर्ज किया गया एक छात्र के साथ बातचीत, और वीडियो कैसे छात्रों से बात करते हैं और एक गणित समस्या के माध्यम से काम करते समय इशारा.
एक साथ उपयोग किए गए, डेटा के ये रूप एक बच्चे की अधिक बारीक तस्वीर को चित्रित करते हैं, उन पहलुओं को कैप्चर करते हैं जिन्हें राज्य-जनादेश परीक्षण द्वारा मापा नहीं जाता है।
माता-पिता और शिक्षक और भी अधिक डेटा बिंदुओं के बारे में सोच सकते हैं जो बाल दिवस में खेलने पर बड़े सामाजिक, सांस्कृतिक और आर्थिक गतिशीलता की ओर इशारा करते हैं।
क्या छात्र कक्षा में सफल होने के लिए शारीरिक और भावनात्मक रूप से तैयार है? Sharomka / shutterstock.com
मैक के लेक्साइल स्कोर आर्कटिक में कुत्तों के बारे में दो सप्ताह तक पढ़ने में उनकी उदासीनता का कोई हिसाब नहीं है। लेकिन मैक जो घर पर करना पसंद करता है उस पर डेटा संभावित पुस्तक विषयों पर पूरक जानकारी प्रदान करेगा। मेटामेट्रिक्स को यह नहीं पता था कि माँ स्कूल में अपना दोपहर का भोजन भेजना भूल गई और उसने कैफेटेरिया में खाने से इंकार कर दिया; जब वे उन गणित वर्कशीट करते थे, तो मैक अचंभित था। मैक पर एक त्वरित मूल्यांकन सामाजिक स्थिति गणित के काम से निपटने से पहले परीक्षण के माध्यम से भाप से बाहर चलने के बारे में बता सकते हैं।
और मैक एक विशेषाधिकार प्राप्त श्वेत पुरुष है जिसके किसी भी तनाव का सामना नहीं करना चाहिए जातिवाद, कामुकता या आर्थिक अस्थिरता, कई छात्रों के लिए दैनिक वास्तविकताएं जो पूरी तरह से एकल मीट्रिक द्वारा मिटा दी जाती हैं। पर त्वरित आकलन बदमाशी उदाहरण के लिए, चिंता और चिंता, शिक्षकों और अभिभावकों के लिए एक मेटामेट्रिक्स तालिका को विस्तार से बता सकती है।
वहां से, वयस्क, छात्रों के साथ उम्मीद करते हैं, इन पूरक डेटा बिंदुओं के माध्यम से एक योजना बनाने के लिए सोच सकते हैं, विभिन्न कारणों को संबोधित करते हुए कि पढ़ने और गणित सभी की उम्मीद के अनुसार नहीं जा रहे हैं।
मार्गदर्शक सिद्धांत के रूप में डेटा ज्ञान का उपयोग करना गंभीर शिक्षा के बारे में है।
के बारे में लेखक
केटी हेड्रिक टेलर, लर्निंग साइंसेज और मानव विकास के सहायक प्रोफेसर, वाशिंगटन विश्वविद्यालय
इस लेख से पुन: प्रकाशित किया गया है वार्तालाप क्रिएटिव कॉमन्स लाइसेंस के तहत। को पढ़िए मूल लेख.
संबंधित पुस्तकें
at इनरसेल्फ मार्केट और अमेज़न
