Hver vurdering du gir representerer en verdifull mulighet til å samle inn data. Hvor gjorde elevene det bra? Hva gjorde de feil? Har klassen gjort fremskritt over tid? Denne informasjonen kan hjelpe deg med å forme læreplanen, undervisningsmetodene og elevstøtten til det bedre.
Det finnes imidlertid betydelige hindringer som kan hindre deg i å samle inn nyttige data: mangel på spesialisert opplæring for lærere, tidskostnader og det begrensede utvalget og dybden av vurderingsmålinger som er tilgjengelige fra tradisjonell testing, for eksempel. For ikke å nevne utfordringen med å presentere data i et klart og nyttig format som muliggjør meningsfull handling.
Datamaskinbasert vurdering gir imidlertid åpenbare fordeler ved å samle inn og analysere data på nye og mer effektive måter. I denne artikkelen skal vi forklare hvordan du kan utnytte disse fordelene for å gjøre en forskjell.
Viktige konklusjoner
- Å samle inn og analysere data fra vurderinger er en viktig del av utdanningssyklusen, slik at du kan planlegge nyttige neste steg .
- Tradisjonell datainnsamling kan være tidkrevende og kan føre til menneskelige feil .
- Datamaskinbasert vurdering lar deg samle inn og eksportere data på et øyeblikk .
- Nettbaserte vurderinger gir også rikere data som kan utgjøre en reell forskjell i klasserommet.
- Å jobbe med riktig plattform kan hjelpe deg med å håndtere eventuelle teknologiske mangler for å sikre at tester leveres problemfritt i stor skala .
Kraften i data
Som lærere vet vi hvor viktig det er å vurdere elevenes fremgang. Dette kan skje i løpet av et studieløp for å sjekke om og hvordan elevene lærer, eller på slutten av en enhet for å bedømme den generelle prestasjonen.
Å forstå om elevene har husket kunnskap eller forstått viktig informasjon kan bidra til å forme de neste stegene for lærere. Enkelte temaer må kanskje tas opp igjen i klasserommet, eller undervisningsstiler må justeres. Det kan også være viktig å forstå hvordan elever med spesielle behov og funksjonsnedsettelser (SEND) takler det, og om de kanskje trenger flere tilpasninger for tilgjengelighet.
I tillegg til å måle kunnskap, kan noen vurderinger også hjelpe deg med å forstå hvilke ferdigheter elevene dine har. Dette kan være en viktig del av å sørge for at de er forberedt på fremtiden – enten det er videre studier eller arbeidslivet. Vurderinger må utformes nøye for dette formålet.
Data fra vurderinger kan også være nyttige på institusjonsnivå, eller høyere, for å forstå hvor vellykkede politiske beslutninger er og hvor det kan være behov for ytterligere opplæring for ansatte.
Muligheter innen databasert vurdering
Datamaskinbasert testing gir åpenbare fordeler gjennom bruk av ny teknologi:
Øyeblikkelig datainnsamling
Det reduserer tiden det tar å samle data, og erstatter behovet for å legge inn karakterer eller skanne karakterutskrifter manuelt. Med den rette teknologiplattformen i ryggen kan du samle inn og eksportere store datamengder nesten umiddelbart.
Dette åpner opp for potensialet for datadrevet utdanning ved å fjerne byrden på personalet, som har nok å holde på med. Den tiden kan deretter brukes mer verdifullt til å forbedre elevenes læringsopplevelse i lys av dataene. Intervensjoner kan også være mer tidsriktige, med endringer som iverksettes i klasserommet nesten umiddelbart om nødvendig.
Mer detaljert informasjon
Tradisjonelle tester (som flervalgs- eller essayspørsmål) gir et begrenset datasett – noen ganger bare en enkel summativ karakter. Datamaskinbaserte tester, derimot, kan gi deg muligheten til å gå i detalj om elevenes prestasjoner. Dette kan inkludere nyttig informasjon som:
- Hvor lang tid studentene brukte på å fullføre hele testen og de individuelle spørsmålene.
- Der studentene brukte tilgjengelighetshjelpemidler som transkripsjoner eller kontekstuelle ledetråder.
- Om elevene hoppet over eller satte spørsmål på pause, noe som kan tyde på at de ikke er engasjerte.
- En students vei gjennom vurderingen, hvis man bruker adaptiv testing (CAT). Dette tilpasser testen til hver student, der den adaptive teknologien velger spørsmål basert på hvor godt de har lykkes med tidligere spørsmål.
- Nøyaktig hvor elevene klikket på visuelle spørsmål som aktiveringspunkter eller glidebrytere, slik at du kan identifisere vanlige misoppfatninger på tvers av feil svar. Hvis du bruker bærbare, tilpassede interaksjoner (PCI-er), kan du sjekke omfattende loggdata for å forstå nøyaktig hvordan elevene samhandlet med dem på nettet.
- Hvilke spørsmålstyper tok elevene lengre tid og/eller produserte flest feil? Hvis du synes elevene sliter med tekstbaserte spørsmål, kan du gi mer støtte til leseferdigheter. Alternativt kan du bestemme at et visuelt spørsmål ville gi dem en bedre mulighet til å demonstrere sin forståelse.
- Hvordan de faktiske spørsmålene og testene presterer. Måler spørsmålene det som er tiltenkt? Dette kan bidra til å identifisere spørsmål som bør revideres eller formateres på nytt for mer nøyaktig måling.
Du kan kryssreferere disse dataene med elevdemografi for å få mer informasjon om prestasjonene til elever i ulike aldre, med ulik bakgrunn eller kjønn, for eksempel. Dette er et viktig skritt for å sikre at vurderingene er rettferdige. Det kan også belyse hvor elever med spesielle behov kan trenge ytterligere støtte, enten med justerte vurderinger eller ekstra undervisning.
Enklere rapportering
Å samle inn detaljerte data er et godt utgangspunkt, men det neste viktige steget er å presentere dem i et tydelig format. Dashboards og rapporter kan hjelpe individuelle lærere og beslutningstakere på høyere nivå (på institusjonsnivå eller høyere) med å ta bedre informerte beslutninger basert på datainnsikt.
Datamaskinbaserte vurderingsdata kan kobles til din foretrukne rapporteringsprogramvare, hvis de kommer i riktig format. For eksempel tilbyr TAO-plattformen et API som kobler deres sikre datalager til analyseprogramvaren din, slik at du kan opprette dashbord etter behov. Og som TAO Enterprise-bruker kan du generere tilpassede rapporter som du kan dele med teamet ditt og eksterne interessenter etter behov, og velge informasjonen som er viktigst for deg.
Tydelige, brukervennlige dashbord og rapporter kan gjøre det enklere for alle ansatte å bruke dataene, selv om de ikke har spesialisert dataopplæring. Derfor kan planlegging og policydiskusjoner bli mer produktive, og kolleger på alle nivåer (fra individuelle lærere til beslutningstakere på høyere nivå) blir bemyndiget til å iverksette meningsfulle datadrevne tiltak.
Utfordringer å se opp for – og hvordan du skal håndtere dem
Selv om overgangen til digital vurdering gir mange fordeler, er det fallgruver å være klar over, spesielt når man vurderer datainnsamling.
Skalerbarhet
Hvis du ønsker å samle inn meningsfulle data fra en stor kohort – for eksempel på tvers av et skoledistrikt, et stort universitet eller et utdanningskonsortium – trenger du en teknologisk løsning som kan skaleres. Den viktigste barrieren for dette kan være høy trafikk som forårsaker nedbremsinger og til og med krasj, noe som kan hindre elevene i å fullføre en prøve.
Det er viktig å jobbe med riktig plattform, i tillegg til å få riktig støtte for implementering av teknologiske systemer. Et godt eksempel er hvordan TAO hjalp DEPP (Direction de l'évaluation, de la prospective et de la performance, en avdeling av det franske utdanningsdepartementet) med å forbedre implementeringen av nettbasert testing for Frankrikes 6.-klassinger ved hjelp av en ekstern hostingtjeneste. Som et resultat kunne DEPP kjøre 160 000 tester, med minimum 20 000 tilkoblinger per minutt.
Teknologisk kapasitet og støtte
Du må også ta tak i teknologitilførselen på alle områder. For eksempel, er institusjonene dine utstyrt med de riktige enhetene for at studentene skal kunne ta testene? Er forbindelsene solide og pålitelige på alle steder?
I samarbeid med DEPP forbedret TAO tilkoblingshastigheten med 40 % og reduserte båndbreddebehovet for å sikre at testene kunne leveres konsistent på tvers av de deltakende skolene.
Du kan også trenge spesialisert teknisk støtte for å sikre at testprosessen går knirkefritt og at dataene kommer frem uten feil. Igjen, det å jobbe med riktig plattform kan hjelpe deg med å få tilgang til eksperter når det trengs; TAO-testing tilbyr for eksempel dedikerte støttetjenester og tilpasset opplæring.
Sikre nøyaktige data
Rådata er én ting, men hvordan vet du at de er nøyaktige? Datamaskinbaserte tester hjelper deg med å redusere potensialet for menneskelige feil i datainnsamlingen, noe som kan gi et bedre datasett til å begynne med.
Å gjennomgå dataene dine og «beskjære» feil er også en viktig del av prosessen, for å sikre at datasettet er så fritt for skjevheter som mulig. For eksempel kan et dårlig formulert spørsmål føre til at et høyt antall elever presterer dårlig, noe som kan føre til en feil analyse av forståelsen deres eller kvaliteten på undervisningen. På samme måte kan en test stilt på feil ferdighetsnivå føre til at elevene ikke engasjerer seg, noe som igjen hindrer et klart bilde av deres evner.
Med digital teknologi kan du raskt oppdage eventuelle avvik, kanskje fjerne dem fra datasettet om nødvendig. For eksempel kan svartider hjelpe deg med å forstå hvor elever har svart unormalt raskt (noe som kan tyde på gjetting).
Konklusjon
Vurdering kan gi kraftige data, spesielt når man utnytter teknologiske innovasjoner for å samle mer detaljert informasjon om elevenes prestasjoner. Med databasert vurdering kan du raskt og enkelt samle inn og eksportere en rekke informasjoner som kan informere om viktige endringer i klasserommet og utover, uten å trenge et team av dataspesialister.
Men det finnes noen utfordringer, spesielt når det gjelder å sørge for at vurderingene dine er skalerbare i teknologisk forstand, slik at du kan samle inn mest mulig nøyaktige data i store mengder. Deretter må du finne måter å gi teamet ditt mulighet til å faktisk bruke dataene til å gjøre endringer på bakken.
Les mer om hvordan du kan bruke dataene du har samlet inn til å drive fremgang for elever, og om å tenke nytt om utdanning gjennom dataanalyse på TAO-bloggen.
Vanlige spørsmål
Hva er fordelen med å bruke datamaskiner til å gi poengsummer til vurderinger?
Bruk av datamaskiner til å gi poeng på vurderinger kan spare betydelig tid og krefter i vurderingen. I tillegg kan det redusere feil og skjevheter, noe som potensielt kan føre til mer nøyaktige datasett. Poengsummer trenger heller ikke lastes opp manuelt – noe som sparer deg enda mer tid.
Hvorfor er det viktig å analysere data fra databaserte vurderinger? Data fra databaserte vurderinger kan være svært nyttige for å foreslå de neste stegene for lærere. Å finne ut mer om hvor elevene presterte bra eller dårlig kan vise hvor de trenger mer støtte. Databaserte vurderinger kan også vise fine detaljer som hvor de stoppet opp på et spørsmål eller hvor de klikket på skjermen, noe som hjelper deg å forstå vanskelighetene deres bedre.
