Почему учителю не нужны Big Data

Большие данные обещают полную осведомлённость учителя о действиях своих учеников. Пора разобраться, что на самом деле дают нам Big Data.

Время чтения: 12 минут
Почему учителю не нужны Big Data

Благодаря Big Data учителя знают, кто, когда и над чем работал; кто и сколько занятий посещал; какие вопросы тестов вызывают наибольшие затруднения, и как отвечал каждый ученик на каждый из вопросов.

Вот они, прекрасные Big Data. Источник: Medium.com

А перед нами это ставит ещё один вопрос, ответ на который, возможно, вызовет затруднения, и мы не получим высокую оценку за ответ на него. Итак, вопрос: а нужны ли все эти данные учителям? В идеальном мире технологии сбора и обработки больших данных позволят учителям предоставлять именно те знания, которые нужны каждому конкретному учащемуся. В неидеальном мире большие данные отнимают большое количество вычислительных ресурсов и времени преподавателей. Большие данные — не насущная необходимость. К примеру, сайт правительства Великобритании может предоставить подробную информацию о количестве заключённых в Соединённом королевстве; а сервис Геологического общества Соединённых Штатов Америки с удовольствием делится данными о растительном покрове на различных континентах.

Графики выглядят замечательно, и, наверное, эта информация точно кому-то будет полезна — криминалистам, например. Новые статистические данные всегда приводят в лёгкое состояние эйфории и создают ощущение объёмной героически проделанной работы.

Что хочется сказать: роль учителя заключается вовсе не в составлении статистики. Учитель работает с людьми, а не с данными. Образованию важны люди — юные и впечатлительные, те, от кого зависит наше будущее. Статистика даёт лишь общее представление; источником вдохновения может послужить лишь индивидуальный подход.

Озарение: книга о подсознательности принимаемых решений

Blink («Озарение. Сила мгновенных решений») — это книга канадского журналиста и социолога Малкольма Гладуэлла, которая если не откроет глаза на мир и не сделает вас когнитивным психологом, то хотя бы позволит придать смысла вещам, кажущимися ранее бессмысленными.

В конце своего произведения Гладуэлл как раз касается использования правильных данных и тех мест, откуда они берутся. Один из его аргументов: мы настолько доверяем нашему подсознанию, что оно способно самостоятельно извлекать данные из определённых сценариев и действовать на их основе. Обратную сторону этой медали легко угадать: если мы извлекли неверные данные, мы непременно попадём в переделку.

Сами данные — также весьма противоречивое явление. Человек вполне способен не одобрить какую-либо идею только потому, что она ему незнакома, а не потому, что она недостаточно хороша. Решение не задавать себе вопросы о собственных решениях критически опасно. Учитель, не размышляющий о том, почему он занимается той или иной деятельностью, ведёт за собой и своих учеников в пропасть неведения.

Читайте также нашу рецензию на книгу об анализе больших объёмов данных «О чём говорят цифры».

Образование обезличивает не сбор и обработка данных. Пожалуй, лучших педагогических успехов добиваются именно неутомимые экспериментаторы и исследователи — те, кто не хочет видеть своих учеников застрявшими в системе. Педагогическая практика, стимулируемая собранной и проанализированной информацией — крайне мощная идея, возникшая благодаря развитию технологий XXI века.

Книга Гладуэлла не о том, что сбор данных в большинстве случаев бесполезен. Она о том, что любое обобщение и абстракции плохи в контексте оценки деятельности. А насколько плохо их влияние в контексте обучения?

Виды учебной деятельности

Конечной целью учебной деятельности является полное понимание предмета учащимися. В случае автора поста — химии. Найти тонкую границу между сложными абстрактными научными процессами и человеческим поведением — крайне интересная тема для исследования.

Источник: volna.org

На картинке выше — небезызвестная многим таксономия Блума (классификация педагогических целей). Здесь не так важны детали самой таксономии, главное здесь — идея о том, что некоторые виды учебной деятельности более ценны, чем другие; при этом именно они являются более сложными.

Для различных видов учебной деятельности нужны различные виды данных. Это можно объяснить на примере трёх типов обучения: механического заучивания, концептуального обучения и оценочного обучения.

Механическая коробка переключения передач. Источник: avtomobily.com

Механическое заучивание включает в себя простое запоминание информации. Этот вид обучения, лежащий в основе таксономии Блума, невероятно важен при изучении химии (и естественных наук в целом). Неважно, насколько сильно мы придерживаемся принципов глубокого понимания, учащиеся обязаны знать, что атом углерода способен образовывать 4 ковалентные связи, должны знать, что фтор электроотрицателен, и помнить, что в моле содержится ~6.023*10^23 атомов. Это не те понятия, которые ученик может откуда-то получить (вообще-то да, это возможно, но не для тех, кто только начинает изучение). Как только у учащихся набирается база таких фактов, которые они без труда могут вспомнить, это освобождает их рабочую память для более сложных процессов — тех, о которых мы поговорим далее.

Автоматическая коробка переключения передач. Источник: avtomotospec.ru

Концептуальное обучение основывается на понимании процессов. К примеру, отрицательно заряженные электроны в атоме А притягиваются к положительно заряженным протонам в ядре атома Б — это и образует химическую связь. Сюда же относится понимание того, что кислота — это вещество, отдающее протон (или принимающее пару электронов). Когда мы рассказываем ученикам об особенностях образования химических связей, мы не требуем знаний о поведении каждой возможной молекулы и помнить информацию о прочности связей или кислотности. Вместо этого мы учим их самой концепции и даём информацию, необходимую для получения ответа путём мыслительных операций. Покажите им любую карбоновую кислоту (например, уксусную), и они (в идеальном случае) расскажут о полярности двойной связи C=O и о том, как потеря H из O-H повлияет на стабильность связи.

Беспилотный автомобиль Google. Источник: nrc.nl

Оценочное обучение предполагает умение взглянуть на вещи со стороны. Умение оценить явления требует овладения предыдущими ступенями обучения. Пример результатов оценочного обучения — умение критически осмыслить научные аргументы, а также оценить собственные навыки и практический опыт. В изучении естественнонаучных дисциплин такие умения получить очень сложно, поскольку здесь акцент ставится на заучивании и понимании концепций. Примером такой учебной деятельности может стать проведение пробного экзамена с последующим анализом своих ответов студентами. Это требует от учащегося осмысления своих действий: предоставили ли они достаточно подробный ответ? Составили ли они план ответа или отвечали как придётся?

В оценочном (иначе его можно назвать «процедурным») обучении действует принцип: нет правильных и неправильных ответов. Да, за учителем остаётся право оценивать аргументы учеников, но при этом он должен сказать, почему тот или иной ответ оказывается лучше или хуже.

Главная задача — выбрать нужные данные

Итак, мы признали, что не все типы обучения одинаковы. Пора посмотреть, как виды обучения влияют на данные, которые мы собираем в учебном процессе.

Например, обычный приём для оценки понимания учащимися основных концепций — давать информацию в косвенном виде, где они должны перевести единицы измерения в другую форму (например, в Кельвины из Цельсия) или вывести значение на основе других переменных (скажем, вычислить давление на основе данных о площади и силе). Таким образом мы позволяем учащимся самостоятельно выбрать нужные для данной задачи данные и работать с ними.

Если мы позволяем делать это учащимся, то почему не делаем этого сами?

Сложность оценочного обучения состоит в процессе оценки размышлений студента. Диаграммы и графики могут произвести визуализацию некой структуры, но их функциональность ограничивает представление о деятельности учащихся. Превращать процесс мышления в прохождение теста с галочками около правильного ответа — полная противоположность тому, что мы ожидаем получить от оценочного обучения. Так как же, как же дать оценку оценочному обучению? Как объективно оценить критическую мысль учащегося? Как учащиеся могут объективно оценить свою мысль?

Автор поста тоже не имеет об этом ни малейшего представления.

Маленькие данные

Но, может быть, на помощь придёт кое-что неожиданное. И это... маленькие данные. Маленькие данные — это такие большие данные, но нарезанные на тонкие кусочки. Как только мы поймём суть процесса, осознаем конечную цель и шаги к ней, а также своё влияние на этот процесс, тогда можно говорить о полезном использовании данных.

Уильям Оккам, который поможет отсечь ненужные сущности. Источник: Wikipedia.org

Нарезание на кусочки подразумевает всего лишь выделение небольшой части объёмного процесса. В книге «Озарение» Гладуэлл упоминает несколько примеров, в которых люди смогли повлиять на крупное явление, используя небольшие порции информации.

Скажем, по нескольким минутам разговора супружеской пары вы сможете почти безошибочно угадать, счастливы они в браке или нет. Гладуэлл упоминает об эксперименте, в котором участникам предлагалось послушать несколько минут записей с убранными высокими частотами звука, — так, чтобы было невозможно разобрать слова, только интонации. Это были аудиозаписи разговора хирурга с пациентом после неудачно прошедшей операции. По этим аудиообразцам люди определяли, подаст ли пациент на доктора в суд или нет. И именно по тону разговора участники успешно угадывали исход беседы. Действительно, кто подаст в суд на вежливого и корректно ведущего себя доктора?

Маленькие данные как раз об этом. Маленькие данные — та переменная, которая отражает наше влияние на процесс. В случае с докторами переменной оказалась человеческая симпатия. И в любой ситуации нам необходимо понять суть, выделить цель, пути её достижения, наше влияние на события — и после этого мы можем использовать имеющиеся данные. Нам не нужны для этого большие данные. Нам нужно лишь понять, чего мы хотим.

Несколько примеров использования маленьких данных

Давайте рассмотрим применение маленьких данных на кроликах, а именно, при механическом, концептуальном и оценочном обучении.

Источник: pixabay.com

Маленькие данные при механическом заучивании

Допустим, мы обучаем студентов спряжению глагола Être («быть»). Спряжение подобных основных глаголов, использующихся и для образования других глагольных форм — как раз та стезя, которую нужно заложить в механическую память. Цель заучивания спряжений (Je suis, Tu es, Il est, nous sommes, vous êtes, ils sont) состоит в том, чтобы учащийся смог быстро вычленять этот глагол в письменной и устной речи, а также воспроизводить нужную форму при разговоре в зависимости от местоимения.

Какие данные нам не нужно отслеживать? Нам не нужно осознанное умение перевести на французский язык «Мы есть» — «Nous sommes». Нам не нужна информация о том, сколько предложений составили студенты с этими глаголами. Нам не нужна информация о времени суток, в которое они выполняли задания, их возраст, пол и уровень образования.

Какие данные нужно отслеживать? Что нам нужно — так это скорость, с которой учащиеся заполняют пробелы в упражнениях или ставят галочки в тестах с вариантами ответа. Нам нужны данные о скорости и точности, с которой учащиеся определяют правильность и неправильность используемых форм спряжения при чтении и письме. Нам нужно убедиться в том, что учащиеся одинаково точно спрягают все формы глагола.

Маленькие данные при концептуальном обучении

Предположим, что мы приступили к основам решения уравнений в простейшей алгебре: 2х = 10; х = 5. Очевидно, что в процессе обучения мы даём студентам разнообразные примеры с разными значениями х. Нам нужно, чтобы они применили знание основной концепции.

Какие данные нам не нужно отслеживать? Здесь нам неважно количество попыток решения каждого уравнения, день или время суток.

Какие данные нужно отслеживать? В этом случае важно понять, в каких случаях у студента возникают трудности. Может быть, когда x является отрицательным числом? Может быть, при операциях деления или умножения? Уже после этого можно оценить и другие результаты: может быть, студенты дают верные ответы, но это занимает много времени. Почему так происходит? Потому что им нужно больше практики или потому что они перепроверяют свои результаты?

Маленькие данные при оценочном обучении

Упс. Здесь слишком много факторов, и это требует значительного и глубокого исследования.

В качестве заключения

Превращайте собираемые большие данные в маленькие. Думайте о том, что вы делаете и зачем. Не бойтесь вводить новые переменные (Есть ли в этом предложении неправильный глагол? Нужно ли здесь применить деление? Требуется ли здесь перевод одной единицы измерения в другую?). Думайте, почему учащимся потребовалось больше времени для ответа на конкретный вопрос. Избегайте однозначных оценок («правильно/неправильно»). После выпускного ученикам придётся применять свои знания в совершенно новых для себя условиях, где будут абсолютно другие понятия о правильности и неправильности.

Большие данные в виде масштабных электронных таблиц с разными видами сортировки внутри столбцов никому не нужны. Они не несут смысла для учителя. Учитель обязан сам выбирать данные, важные для его предмета, его урока, его детей. Настоящий учитель ведёт своих учеников за границы механического запоминания, обучая их самостоятельному развитияю; так же он поступает и с самим собой, уходя от механического сбора аналитических данных.

Вы удивитесь, но этот великолепный пост был написан студентом химического факультета педагогического университета Саутгемптона Томом Вилсоном. И это, кажется, тот случай, когда голос молодых звучит звонко и свежо.

Нашли опечатку? Выделите фрагмент и нажмите Ctrl+Enter.
4 февраля 2015, 15:00

Оставайтесь в курсе


У вас есть интересная новость или материал из сферы образования или популярной науки?
Расскажите нам!
Присылайте материалы на hello@newtonew.com
--