Sammanfattar en elev i siffror. Chatchai Kritsetsakul / shutterstock.com

På förälderlärarkonferensen satt jag över bordet från min första graders lärare i en stol gjord för en 6-årig. Läraren pekade på procentsatser som skrapar i rött bläck. Jag tittade och lyssnade.

"Det här numret", sa hon, "är hans Lexile-poäng." Hon fortsatte och flyttade sitt pekfinger över ett bord skapat av MetaMetrics. "Här är det normala utbudet för hans ålder. Så, du vill få honom att läsa böcker på den här nivån. "

Hennes rapport om hans matematiska prestanda fortsatte på ungefär samma sätt: fler procentandelar, intervaller och "nivåer", ibland beräknade från olika upphovsrättsskydda åtgärder.

Vid denna tid hade jag svårt att följa. Jag undrade tyst: Jag har en doktorsavhandling i undervisning och lärande, och jag förstår inte vad dessa uppgifter säger om mitt barn. Vad kommer andra föräldrar att komma ut ur dessa möten?

När läraren stannade för ett andetag lutade jag så långt tillbaka som den lilla stolen skulle tillåta. Hon tittade upp från kaskaden av kalkylblad och föll i min blick. Jag tog tillfället i akt. "Kommer du någonsin att prata med Mac?" Frågade jag. "Jag menar, vet du vad han gillar, vad han är intresserad av? Det är ett bra sätt att välja böcker för honom, baserat på hans intressen. "MetaMetrics vet inte vad som gör Mac (inte hans riktiga namn) upphetsad att lära sig. Hon log och slappna av i hennes stol också.

Det räcker inte att samla in data om en elev. Jag tror att data inte är ersättare för att bygga rapport med ungdomar. Och ändå gör elementär till gymnasieskolelärare som arbetar bra med data, de som vet hur man mäter och talar från procentandelar, gör jobbet rätt. Detta undervisar i åldern av "stora data".

Datarika skolor

Nya ansvarsförhållanden på skolor, på grund av att inget barn finns kvar bakom, betyder det att lärare i allt högre grad använder studentuppgifter för att informera både klassrumsinstruktion och förbättrad utbildning.

Läs bara första stycket a 2009 Executive Summary från utbildningsdepartementet för en känsla av betydelsen av data i skolan:

Samlingen, analysen och användningen av pedagogiska data är centrala för att förbättra studenternas resultat som förutspås av No Child Left Behind (NCLB). Användningen av data i utbildningsbeslutet förväntas omfatta alla lager i utbildningssystemet - från federala till delstat, distrikt, skolor och klassrumsnivåer.

I en 2007-undersökning av 1,039 skoldistrikt över hela landet fann utbildningsdepartementet att 100% behöll ett studentinformationssystem med datapunkter som testresultat på statewide-bedömningar, demografi, närvaro och beteende.

Med program som Power, Oändlig Campus och Skyward - Varje laddning mer än US $ 5 per barn per månad - dessa studentinformationssystem lovar en enstopsaffär för att spåra alla aspekter av distriktets elev- och skoldata.

Ideellt hjälper dessa system lärare att titta på studentuppgifter i team, med andra lärare och skolledare. Men hur lärare i olika distrikt normalt tolkar, använder eller ignorerar data är fortfarande en öppen fråga.

I vissa distrikt har lärare krävt datakompetensutbildning som visar dem hur man tolkar studentdata och justerar deras instruktioner i enlighet därmed. I andra distrikt utan träning har lärare ingen sammanhängande plan för vad man ska göra med all den här informationen, vilket gör det stora dataförfarandet verkar meningslöst.

Vissa distrikt utbildar lärare för att bedöma studentuppgifter. Avava / shutterstock.com

Fånga en studerandes behov

Som Toni Morrison sa en gång, "Visdom utan data är bara en hunch." Att bara ha data om barn motsvarar inte dem som lever bra eller har hoppfulla framtider.

Ofta är motsatsen sant. Eleverna utesluts från möjligheter eftersom de uppfattas som "lågpresterande" baserat på begränsade datapunkter. Belastningen är på eleven att förbättra snarare än frågar hur systemet misslyckas barnet.

Jag tror att skolor bör fokusera på att utveckla mer datahistoria - med tanke på kraften i data för att bygga vägar till bättre framtid. Att göra det innebär att alla lärare, vare sig de är föräldrar eller lärare, använder data klokt: överväger vad det gör och inte visar, med tanke på data i det större sociala sammanhanget, och tittar på tidigare erfarenheter och trender i ett barns liv att genomtänkt planera för framtida.

Alltmer, utbildningsforskning uppmuntrar lärare för att expandera sina definitioner av data för att inkludera källor som inte är obligatoriska bedömningar: klassrumsobservationsdata, inspelad en-mot-en samtal med en student, och videor av hur studenter pratar och gest medan du arbetar genom ett matematiskt problem.

Används tillsammans, dessa former av data målar en mer nyanserad bild av ett barn, fånga aspekter som inte mäts av ett statligt bemyndigat test.

Föräldrar och lärare kan tänka på ännu fler datapunkter som börjar peka på större social, kulturell och ekonomisk dynamik som spelar på ett barns dag.

Är studenten fysiskt och emotionellt redo att lyckas i klassen? Sharomka / shutterstock.com

Macs Lexile-poäng tar inte hänsyn till hans ointressen när han läser om hundar i Arktis i två veckor. Men data om vilken Mac tycker om att göra hemma skulle ge kompletterande information om potentiella bokämnen. MetaMetrics visste inte att mamma glömde att skicka lunchen till skolan och han vägrar att äta i cafeterian; Mac var famished när han gjorde dessa matte kalkylblad. En snabbbedömning på Mac: s socioemotionellt tillstånd innan man tar itu med matematikarbete kan man förklara att han har slutat ånga halvvägs genom testet.

Och Mac är en privilegierad vit man som inte tar emot några stressorer rasism, sexism eller ekonomisk instabilitet, dagliga realiteter för många studenter som helt raderas av en enda metrik. Snabba bedömningar på mobbning och ångest kan till exempel meningsfullt utarbeta ett MetaMetrics-bord för lärare och föräldrar.

Därifrån kan vuxna, förhoppningsvis med studenter, tänka igenom dessa kompletterande datapunkter för att skapa en plan och ta itu med de olika anledningarna till att läsning och matte inte går lika bra som alla hopp.

Att använda data visdom som en vägledande princip är vad seriös utbildning handlar om.

Om författaren

Katie Headrick Taylor, biträdande professor i lärvetenskap och mänsklig utveckling, University of Washington

Denna artikel publiceras från Avlyssningen under en Creative Commons licens. Läs ursprungliga artikeln.

relaterade böcker

at InnerSelf Market och Amazon