Η σημερινή εποχή χαρακτηρίζεται από μια πρωτόγνωρη έκρηξη γνώσεων αλλά και από μια διαρκώς αυξανόμενη τεχνολογική εξέλιξη, με αποτέλεσμα να καλλιεργείται μια νέα και καινοτόμα τάση στην εκπαιδευτική πραγματικότητα. Αυτή σχετίζεται με την ενίσχυση της ηλεκτρονικής μάθησης, τον ψηφιακό μετασχηματισμό της εκπαίδευσης καθώς και με ποικίλα λογισμικά, εργαλεία και εφαρμογές που στοχεύουν στον εκσυγχρονισμό και την αναδιοργάνωση της εκπαίδευσης. Επίκεντρο της οικείας τάσης είναι τα Data Analytics τα οποία αποτελούν, σύμφωνα με τους υποστηρικτές αυτής της νέας τάσης, αναπόσπαστο κομμάτι τόσο της υλοποίησης της εκπαιδευτικής πολιτικής όσο του συνόλου των εκπαιδευτικών διαδικασιών και μεθόδων. Τα Data Analytics καθίστανται δύσκολο να οριστούν μονομερώς. Ωστόσο, ως θεμελιώδης παράγοντας επιτυχούς εφαρμογής τους θεωρούνται οι ίδιοι οι εκπαιδευτικοί και το εκπαιδευτικό προσωπικό εν γένει. Αυτό συμβαίνει, γιατί τα Data Analytics συμβάλλουν αφενός στην επαγγελματική ανάπτυξη, εξέλιξη και επιμόρφωσή τους και αφετέρου επιδρούν θετικά στην αξιολόγηση των μαθησιακών αποτελεσμάτων και στην ολική διαχείριση της σχολικής ζωής και της σχολικής τάξης.
Ουσιαστικά τα Data Analytics θεωρούνται όλα εκείνα τα εργαλεία και οι μέθοδοι που δύνανται να χρησιμοποιηθούν στα πλαίσια της εκπαιδευτικής πράξης ή πολιτικής, για να αναλυθούν τα δεδομένα (από ένα ευρύ φάσμα πηγών), ώστε να υποστηρίξουν και να βελτιώσουν τους τρόπους που λαμβάνονται οι αποφάσεις ή εφαρμόζονται οι πρακτικές στο περιβάλλον των εκπαιδευτικών μονάδων και οργανισμών. Θεμελιώδεις προϋποθέσεις για τη δόκιμη υιοθέτηση και χρήση των Data Analytics στην εκπαίδευση είναι: α) ο σχετικός γραμματισμός των εκπαιδευτικών και β) η υπερνίκηση των εμποδίων που απορρέουν. Όσον αφορά την πρώτη προϋπόθεση, ως γραμματισμός των εκπαιδευτικών λογίζεται το σύνολο των ικανοτήτων (γνώσεις, δεξιότητες και στάσεις) που απαιτούνται για την εύρεση, την συλλογή, την επεξεργασία, την ανάλυση και την ερμηνεία ποικίλων εκπαιδευτικών δεδομένων. Για το δεύτερο άξονα, βασικά εμπόδια που παρακωλύουν τη χρήση των Data Analytics είναι η απουσία πρόσβασης σε εκπαιδευτικά δεδομένα, η μη έγκαιρη συλλογή των δεδομένων, η απουσία τεχνογνωσίας, τα μη αξιόπιστα-έγκυρα δεδομένα, συνεπικουρούμενα και από άλλους ανασταλτικούς παράγοντες (πχ. έλλειψη χρόνου, υποδομών, μέσων κ.τ.λ).
Όμως τα Data Analytics δεν αφορούν μόνο τους εκπαιδευτικούς και το διδακτικό τους έργο. Παρουσιάζουν μεγάλη χρησιμότητα για τα εκπαιδευτικά στελέχη και τους διευθυντές των εκπαιδευτικών μονάδων. Πιο συγκεκριμένα, προσφέρουν λύσεις και υποστήριξη στους τομείς της σχολικής αυτονομίας (υψηλά στη μεταρρυθμιστική ατζέντα) και της λογοδοσίας των εκπαιδευτικών μονάδων. Τα Data Analytics προκύπτουν από πολλές και ετερόκλητες πηγές (δημογραφικά στοιχεία μαθητών και εκπαιδευτικών, σχέδια διδασκαλίας, βαθμολογίες, αναφορές, ποσοτικά-ποιοτικά στοιχεία ανθρώπινου δυναμικού μονάδας, αξιολογικές διαδικασίες, χρηματοοικονομικά δεδομένα μονάδας, πληρότητα υποδομλων, ποιοτικοί ή ποσοτικοί δείκτες ευημερίας και δράσης συμμετεχόντων κ.τ.λ) που δίνουν μια συνολική και σαφή εικόνα για τον εκπαιδευτικό οργανισμό. Για παράδειγμα, μέσω των Data Analytics αξιολογούνται στοιχεία ή λαμβάνονται αποφάσεις σχετικές με το σχεδιασμό των Αναλυτικών Προγραμμάτων, τη διαχείριση του Ανθρώπινου Δυναμικού, τον προϋπολογισμό της μονάδας αλλά και τη βελτίωση του εξοπλισμού και την συντήρηση των εγκαταστάσεων. Επιπρόσθετα, υποβοηθούν από τη μια την εξωτερική αξιολόγηση (αν υπάρχει) ή την προσαρμογή στις επιταγές και τα κανονιστικά πλαίσια του Υπουργείου Παιδείας. Από την άλλη συμβάλλουν στην εσωτερική αξιολόγηση της ίδιας της μονάδας με στόχο τη μεταρρύθμιση και βελτίωσή της.
Οι κύριες κατηγορίες των (Educational) Data Analytics είναι τα: α) Teaching Analytics, β) Learning Analytics και γ) Teaching and Learning Analytics. Τα Teaching Analytics αναφέρονται σε εργαλεία ή μεθόδους που χρησιμοποιούν οι εκπαιδευτικοί, για να αναλύσουν και να αξιολογήσουν εκ των προτέρων το σχεδιασμό ή το πλάνο τους. Ειδικότερα, τα Teaching Analytics ενισχύουν τον αυτοπροβληματισμό (διαμέσου της οπτικοποίησης των στοιχείων των σχεδίων μαθημάτων, της οπτικοποίησης της ευθυγράμμισης τους ή μη με τους διδακτικούς στόχους και διαμέσου της επανεξέτασης της αποτελεσματικότητας των στοιχείων αυτών). Ακόμη, τα Teaching Analytics σχετίζονται με την αλληλεπίδραση-διασύνδεση μεταξύ των εκπαιδευτικών (δίκτυα συνεργασίας) καθώς και με την συνεργασία των εκπαιδευτικών στην κατάρτιση projects και διδακτικών πλάνων (κοινότητες πρακτικής).
Τα Learning Analytics αναφέρονται σε εργαλεία και μεθόδους που χρησιμοποιούνται για την συλλογή, ανάλυση και ερμηνεία ποικίλων δεδομένων (στατιστικά και δυναμικά δεδομένα), ώστε να βελτιωθούν οι διδακτικές μέθοδοι και η απόδοση των μαθητών αλλά και ώστε το μαθησιακό περιβάλλον να ανταποκρίνεται στο μοναδικό μαθησιακό προφίλ του κάθε μαθητή. Τα Learning Analytics θεωρούνται σημαίνοντα, γιατί ανακαλύπτουν πιθανά μοτίβα ή τάσεις στη δράση και τη συμπεριφορά των μαθητών και συμπράττουν στην εκτίμηση της πορείας τους (πρόβλεψη απόδοσης). Επίσης, αποτυπώνουν τη δέσμευση-συμμετοχή των μαθητών στις μαθησιακές διαδικασίες, με την παράλληλη ενδυνάμωση τους και τέλος παρέχουν πλούσια ανατροφοδότηση στους εκπαιδευτικούς και τα εκπαιδευτικά στελέχη. Τα Teaching και Learning Analytics αποτελούν ένα συνδυασμό των δύο παραπάνω τύπων δεδομένων που αναφέρθηκαν και με τη σειρά τους υποστηρίζουν ολοκληρωμένα την εκπαιδευτική έρευνα, το διδακτικό και διοικητικό έργο, όπως και τον γόνιμο προβληματισμό της εκπαιδευτικής κοινότητας.
Εν κατακλείδι, τα (Educational) Data Analytics εν δυνάμει προσφέρουν πολλές δυνατότητες και για την αναδιοργάνωση, την εξέλιξη και αξιολόγηση των εκπαιδευτικών διαδικασιών, με την ταυτόχρονη παροχή ποιοτικότερων και πιο στοχευμένων μορφωτικών αγαθών στους μαθητές και τις οικογένειές τους. Είναι κρίσιμο να γίνει αντιληπτή η συγκεκριμένη τάση των εκπαιδευτικών δεδομένων ως μια συμφέρουσα προοπτική με θετικές συνέπειες για τη σύγχρονη εκπαιδευτική πραγματικότητα, δίχως όμως να υποβαθμίζονται ή να εξαλείφονται, βασικές Παιδαγωγικές αρχές και η μοναδική διαπροσωπική σχέση εκπαιδευτικού-μαθητή.
Πηγές:
Ellen B. Mandinach (2012): A Perfect Time for Data Use: Using Data-Driven Decision Making to Inform Practice, Educational Psychologist, 47:2, 71-85.
Sampson D (2016). Educational Data Analytics Technologies For Data-Driven Decision Making In Schools. E-learing industry. https://elearningindustry.com/educational-data-analytics-technologies
US Department of Education (2012). Enhancing Teaching and Learning Through Educational Data Mining and Learning Analytics: An Issue Brief.
Παναγιώτου Νίκος*
Απόφοιτος Παιδαγωγικού
Μεταπτυχιακός φοιτητής στο τμήμα της Ειδικής Αγωγής
Δείτε τις τελευταίες ειδήσεις στο Newsroom schooltime.gr – Βρείτε μας στο Google News
