Artırılmış Analitiklerin Eğitimde Kullanımı

Öğretmenler var olduğu sürece, veri analizi yaptılar. Bir öğretmenin rolü onu talep eder. İlk öğretmenler, derslerinin doğru bir şekilde iletildiğini görmek için öğrencilerinden sorular sordular. Testler, öğrencilerin derslerinde ne derece ustalaştığını daha iyi anlayabilmek için kullanılmıştır. 20’deinci yüzyılda, öğrencilerin ülke genelinde akranları arasında nerede yer aldıklarını belirlemek için standart testler analiz edilmiştir. Bununla birlikte, eğitimciler ve okul yöneticilerinin her zamankinden daha fazla, veri analizlerinin kendilerine haftalar arası öğrenci değerlendirmeleri sırasında kendilerine nasıl yardımcı olabileceğini anlamaları gerekir.

Veri analitiğine genel bakış

Öncelikle, tam olarak veri analizinin ne olduğunu anlamak önemlidir. Veri analizi, bir duruma veya olguya ilişkin içgörü oluşturmak için ham verileri kullanmak için tasarlanmış bir bilimdir. Başka bir deyişle, mevcut verilerin bilimsel bir incelemesi yapıldığında bir durumu anlamak daha kolaydır. Veri analizi, ham verilerdeki eğilimleri görmek için kullanılır ve genellikle bir bilgisayar algoritması kullanılarak gerçekleştirilir. Verilerdeki eğilimleri belirledikten sonra, kuruluşlar performanslarını artıracak stratejiler geliştirmek için daha donanımlıdır.

Hemen hemen her türlü bilgi veri analizi sürecinden geçebilir. Yıllar boyunca veri analizi, işletmeler tarafından performanslarındaki eğilimleri görmelerine ve bu performansı iyileştirmenin yollarını geliştirmelerine yardımcı olmak için kullanılmıştır. Örneğin, işletmeler, belirli makinelerin nasıl performans gösterdiğini veya işyerindeki durumlar nedeniyle ne kadar aksama süresi yaşadıklarını görebilirler. Bu bilgi, veri analitiği, iş akışındaki belirli noktalarda yavaşlama gösteren verilerdeki eğilimleri ortaya çıkardığında ortaya çıkar. Veri analitiği, bazı ürünlerin nasıl performans gösterdiğini görmek ve tüketicileri bu ürünlerle meşgul tutmak için de kullanılabilir.

Çeşitli kuruluşlar tarafından kullanılan dört tür veri analizi vardır.

  • Açıklayıcı analiz, bir kurumun belirli bir süre içindeki performansını anlatır. Bu analitik formu bir kuruluşun amaçlarına ulaşıp ulaşmadığını gösterir.
  • Teşhis analitik verileri alır ve ne olduğunu bulmaya çalışır. Örneğin, benzersiz koşulların yılın belirli bir döneminde performansı etkilemesi olasıdır.
  • Tahmine dayalı analitik gelecek olacağını tahmin etmeye çalışıyorum. Önceki performanslara dayanarak, bir analitik bu formu eğilimlerin gelecekte nasıl gelişeceğini makul bir şekilde tahmin etme girişimidir.
  • Reçeteli analitik, mevcut durumların açıklamalarını, neden böyle olduklarının nedenlerini teşhis eder ve mevcut sorunları çözmenin bir yolunu yazmanın geleceğini tahmin eder.

Analitiklerin işletmelerde ve çeşitli endüstrilerde uzun süredir kullanıldığı doğru olsa da, eğitim araştırmacıları, analitiği eğitim alanına uygulamanın birçok yararına dikkat çekmeye başlamışlardır.

Veri Türleri

Okullarda, iki farklı amaç için kullanılan iki veri formu vardır. İlk veri formu davranışsal, başarı ve demografik verileri içeren idari veridir. Bu veriler sadece okullardan değil aynı zamanda devlet kurumlarından ve bu verilerin toplanmasına dahil olan diğer kuruluşlardan da toplanmaktadır.

İdari veriler uzun süreler boyunca toplanır ve mümkün olan en büyük veri kümelerinden bazılarını içerir. Veriler çok fazla insanı içerdiği ve bu kadar uzun süreler boyunca toplandığı için, genellikle yıllık bir raporda sunulmaktadır. Bu rapora dahil edilen verilere örnekler, nüfus sayımı verilerinden standartlaştırılmış test puanlarına kadar değişmektedir.

İkinci büyük veri formu öğrenme süreci verilerini içerir. Bu tür veriler aynı zamanda birçok katılımcıyı da içerir. Okullar için bu, birçok öğrenciden veri alınması anlamına gelir. Ancak, bireysel öğrenciler hakkında da toplanan çok sayıda veri vardır. Bu veriler öğrencinin nasıl uygulandığı ve kodlandığı ile ilgili birçok gözlemden elde edilmiştir, böylece eğilimler verilerde daha kolay bir şekilde tanımlanabilir. Öğrenme süreci verileri, online değerlendirmeler ve hem ilköğretim hem de ortaöğretimde giderek daha popüler olan etkileşimli teknolojiler gibi yaygın olarak kullanılan teknolojiler kullanılarak toplanabilir.

Bu ayrı veri kümeleri, araştırmacıların ve eğitimcilerin farklı eğilimleri tanımlamasını sağlar. İdari veriler, okulların, ilçelerin ve hatta tüm eğitim sisteminin nasıl bir performans gösterdiğini göstermek için çok uygundur. Beklendiği gibi, idari veriler, bireysel okul seviyesinden yöneticiler için eğitim sisteminin gözetimi ile ilgili hükümet yetkilileri aracılığıyla daha faydalıdır. Süreç verilerinin öğrenilmesi öğretmenler için çok yararlıdır, çünkü bir sınıfın nasıl bir performans gösterdiğine dair bazı görüşler sağlayabilir.

Varsayım Sınıfı

Eğitim Haftası raporunda Benjamin Hold, eğitim ve öğrenci öğreniminde ne kadar büyük veri ve analitiklerin uygulanacağını ayrıntılı olarak açıkladı. Hold, makalesinde öğrencinin gününün tüm yönlerinin izlendiği bir dersi tasvir etmiştir. Bir sınıfın bu aşırı sürümünde, bir öğrencinin dokunduğu her şeyi belgeleyen kızılötesi kameralar, yüz özelliklerini ve kıpırdatma kayıtlarını yapan kameralar ve öğrenci kalp atışlarını ve diğer fizyolojik sinyalleri izleyen giyilebilir cihazlar bulunur.

Bunun gelecekteki olması muhtemel değil. Çoğu öğretmen ve öğrenci derhal böyle bir sınıfın sorunlu olabileceği çeşitli yollar görecektir. Gizliliğin işgalinden sürekli izlendiği hissine kadar, böyle bir sınıf, öğrenme sürecini engelleyebilecek bir dizi olumsuz niteliği beraberinde getirebilir. Tabii ki, ebeveynler de sınıfta yaratılan bir sürveyans ortamı olarak karşımıza çıkanların üzülme olasılığı yüksektir. Tüm bu nedenlerden dolayı, Amerikan eğitim sisteminde bu veri analitiği sürümünün şimdiye kadar büyük ölçüde uygulanacağı muhtemel değildir.

Ancak, geleceğin bu aşırı sürümünden alınacak bir ders var. Bir noktada, büyük veri öğrenme süreci için çok önemli hale gelecektir. Büyük veri, eğilimleri ve ilişkileri tanımlamaya yardımcı olabilecek büyük veri kümelerini ifade eder. Daha fazla veri kaynağı olduğunda veri analizinin daha iyi sonuç verdiğini göz önünde bulundurarak, büyük veri ve veri analitiği el ele gider. Hold’un tartıştığı varsayımsal sınıfta, büyük veri kümeleri yalnızca öğrenci performansından değil kişisel alışkanlıklarından, fizyolojisinden, çeşitli davranışlarından ve daha fazlasından üretilir.

Gerçekte, eğitimciler için üretilen veriler büyük olasılıkla ileriye doğru daha az invaziv olacaktır. Bununla birlikte, üretilen verilerin anlaşılmasında yardımcı olması için yine de bilgisayar yardımı gerekecektir.

Güncel Büyük Veri ve Veri Analitiği

Bir süredir devlet okulları geçmişte imkansız olacak seviyelerde veri üretiyorlardı. Öğrenme yazılımı, bir öğrencinin performansını izlemeyi ve bir öğrencinin çalışmaları ile mücadele etmeye başladığı darboğazları belirlemeyi mümkün kılmıştır. Bu tür veriler, öğretmenlerin, öğrencinin nerede zorluk yaşadığını öğrendikten sonra öğrencilere yeni öğretim müdahalelerini uyarlamalarını sağlar.

Çok daha büyük bir düzeyde, okul bölgeleri, tüm bu bireysel verileri büyük veri kümelerinde toplayarak, genel performanslarını ölçebiliyorlar. Okul bölgeleri tüm okul performansını ve devam oranlarını belirleyebilir. Bazı durumlarda, okul bölgeleri, diğer bölgelere kıyasla nasıl performans gösterdiklerini daha iyi anlamak için bu büyük veri kümelerini diğer kamu kurumlarıyla değiştirir. Bu veri alışverişi, okulların hangi öğrencilerin okulu bırakma ya da işlerine ilgi göstermeme riski altında olduğu konusunda tahminlerde bulunmalarını sağlar. Kimlerin risk altında olduğunu belirledikten sonra, okulda mücadele eden bu bireysel öğrencilerin ihtiyaçlarını karşılayacak müdahaleler getirilebilir.

Öğretmenler İçin Veri Analizi

Çoğu durumda, teknoloji bir okula tanıtıldığında, eğitimciler genellikle onu en temel düzeyde kullanmak için razı olurlar. Teknoloji genellikle temel öğretim gereksinimlerini karşılamak ve bir konunun temel gereklerini öğretmek için kullanılır. Ancak, teknolojiyi daha sofistike buzlu yollarla kullanma potansiyeli var. Veri analizi, öğrencilerin en zayıf olduğu yeri bularak ve bu eksiklikleri gidererek öğretmenlerin öğrencilerinin ihtiyaçlarını daha iyi karşılamasına yardımcı olabilir.

Büyük veriler, öğretmenlerin bir öğrencinin mücadelelerini ele almak için öğretilerini gerçek zamanlı olarak ayarlamasına yardımcı olabilir. Bir öğrencinin ürettiği veri setlerine analitik uygulayarak, öğretmenler bir öğrencinin materyalleri ile mücadele edip etmediğini tespit edebilirler. Eğer öyleyse, öğretmenler öğrenci performansını artırmak için öğretmenlik stillerini uyarlayabilirler. Öğretmenler çoğu zaman bilinçsiz önyargıları sınıfa getirmekte ve belli öğretim yöntemlerini tercih etmektedir, ancak veri analizi bu yöntemlerin düşündükleri kadar etkili olup olmadıklarını anlamalarına yardımcı olabilir.

Veri analizi, öğretmenlerin öğrencilere hangi materyalleri verdiklerini anlamalarına yardımcı olabilir. Örneğin, öğretmenler yeni bir materyal bölümüne geçtiklerinde, öğrenciler kendilerini anlamak için bazılarının daha iyi donanımlı olduğu yeni dersler öğrenirken bulurlar. Bazı öğrenciler önceki derste mücadele eder ve bu da yeni materyal öğrenmedeki zorluklarını birleştirir. Öğretmenler, öğrencileri zorlayan tezleri belirleyebilir ve kursun yeni bir bölümü başladığında onlara farklı başlangıç ​​materyalleri verebilir. Mücadele eden öğrenciler için, bu materyaller bir önceki derse daha çok odaklanabilir ve önceki materyallerin yeni materyallere nasıl bağlandığını daha net bir şekilde ana hatlarıyla belirtebilir. Bir önceki derste uzman olan öğrenciler, sınıfın yeni bölümüne daha ileri materyallerle başlayabilirler.

Bilgisayar Tabanlı Değerlendirmeler ve Analitik

Veri analitiğini kullanmanın yararları çok çeşitlidir, ancak veri analitiği okullar tarafından gerçekte nasıl gerçekleştirilir? En yaygın yöntemlerden biri bilgisayar değerlendirmesi kullanmaktır. Tarihsel olarak, geleneksel değerlendirme testler, sınavlar ve ev ödevleri kullanılarak öğrenci bilgisinin ölçülmesini içerir. Öğretmenler daha sonra bu değerlendirmeleri gözden geçirir ve geride kalan öğrencileri belirler.

Bununla birlikte, makine değerlendirmesi son yıllarda giderek yaygınlaşmaktadır. Özellikle, bilgisayar uyarlamalı test (CAT) okullarda çok yaygın hale gelmiştir. Araştırmacılar Bill Cope ve Mary Kalantzis, CAT’ın sadece öğrencilerin değil öğretmenlerin performansının iyileştirilmesinde ne kadar etkili olabileceğini açıkladı. CAT yaklaşımı, üzerinde işlem yapılabilecek kurs seviyesi verileri temsil eder.

Öğretmenler için kursa özel veriler en değerlidir. Tüm okulları izleyen daha büyük veri kümeleri yöneticilere fayda sağlar, ancak öğretmenlerin öğrettikleri dersler hakkında zamanında veri alması gerekir. Nispeten hızlı bir zaman diliminde kullanılabilir bilgiye dönüştürülemezse, veriler kullanışsızdır. Bu nedenle, değerlendirme ve etkinliklerle ilgili öğrenci çıktılarının hızlı bir şekilde yorumlanması gerekir. Bu verilerin, öğretmenlerin sınıftaki eksiklikleri giderebilecekleri bir eylem planı planlayabilecekleri kadar somut olması gerekir.

CAT testi, öğrencilere bir konuda belirli bir bilgi seviyesi gösterdikleri için adapte olur. Öğrenci materyalleri boyunca ilerledikçe, bilgisayar belirli beklentileri yerine getiriyorsa, daha sert ve daha zor sorular vererek yanıt verir. Ancak, öğrenci zorlanıyorsa bilgisayar daha kolay sorular da sunabilir. Test uyarlanabilir olduğundan, hile potansiyeli önemli ölçüde azalır. Bu testler aynı zamanda öğretmenlerin bir öğrencinin belirli bir konuyu kavramasını daha doğru anlamalarına yardımcı olur.

CAT’ın veri analitiği kısmı, bir değerlendirmenin alt bölümlerinin incelemesi başladığında devreye girer. Bu bilgisayarlı testlerin farklı bölümleri kodlanmıştır. Bu nedenle, testler genel bir puan verirken, sınavın farklı bölümlerinde de alt puanlar üretir. Öğretmenler yalnızca bir öğrencinin mücadele ettiği alt bölümleri değil, tüm bir sınıfın zorluk yaşadığı alt bölümleri de belirleyebilir. Bir sınıfın deniz biyolojisi hakkında test yapmakta zorlandığını söylemek bir şeydir. Bununla birlikte, sınıfın deniz biyolojisinin hangi bölümleriyle uğraştığını tanımlayabilmek çok daha yararlıdır. Örneğin, örneğin, balina biyolojisi hakkında bilgi edinmek zor olabilir.

Kodlanmış test bölümleri, verilerdeki eğilimleri belirlemeye yardımcı olur ve tüm sınıfın nerede mücadele ettiğini ortaya çıkarır. Bu, sadece bir öğretmenin hangi materyali gözden geçirmesi gerektiğini belirlemesine yardımcı olmakla kalmaz, aynı zamanda gelecekte öğretmek isteyebilecekleri materyallerinin bölümlerini belirlemelerine yardımcı olur. Test bölümlerinin kodlanması elbette bilgisayar testi gerektirmez. Basitçe, bilgisayarların kodlama ve veri analitiğinin çok daha etkili bir şekilde yapılmasına izin vermesidir.

Bilgisayar tabanlı değerlendirme ise içerik bilgisini ölçmekten daha fazlasını yapar ve bu nedenle geleneksel analizlere göre avantajları vardır. Öğrenciler derslerini bir bilgisayar üzerinden aldıklarında, yazılım aynı zamanda o öğrencinin materyalden geçmesi ve ustalaşmasının ne kadar sürdüğünü de izleyebilir. Bu, öğretmenlere öğrencilerin nerede mücadele ettikleri konusunda değerli bilgiler sağlar. Bilgisayar tabanlı değerlendirmeleri kullanarak, öğretmenler yalnızca öğrencinin neyin yanlış gittiğini göremez, aynı zamanda işleri düzeltmenin ne kadar sürdüğünü görebilir. Ustalığa ulaşmak için gereken süreyi analiz etme yeteneği öğretmenler için önemlidir, çünkü bir kez daha, tüm sınıfın mücadele edip etmediğini veya sorunun yalnızca birkaç bireysel öğrenciyle sınırlı olup olmadığını görmelerini sağlar.

Sonuç

Veri analizinin eğitim alanına uygulanması henüz başlangıç ​​aşamasındadır. İşletmeler uzun zamandır performanslarını artırmak için veri analitiklerini kullanmış olsalar da, öğrencilere ders verirken böyle bir yaklaşımın nasıl kullanılacağına dair sorular hala var. Gizlilik ve istilacılıkla ilgili sorular boldur, ancak çok fazla veri ile çok az arasında bir denge vardır. Çeşitli kaynaklardan toplanan doğru miktarda veri ile veri analitiği, yalnızca öğrencilerin akademik performansını değil aynı zamanda eğitmenlerin öğretim yöntemlerini de geliştirme potansiyeline sahiptir.

Leave a Comment

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir