datageletterdheid

Data … of mensen?

Ze hebben een beetje vertraging, maar binnenkort krijgen scholen de resultaten van de centrale toetsen. Het debat laait dus ook al even op: zullen de centrale toetsen de onderwijskwaliteit verbeteren?

Bij Dagelijks Leren zijn we niet echt van plan er een definitief standpunt over in te nemen. Maar we geloven wel dat

  1. De centrale toetsen er nu zijn en we er maar beter mee leren werken.
  2. De centrale toetsen geen enkel effect zullen hebben op onderwijskwaliteit, als we er niets mee doen. 

Wij zijn in dit huis grote gelovers van het feit dat onderwijs op het einde van de rit mensenwerk is. Om die reden gaat onze ondersteuning altijd over mensen: over leraren die samen onderwijs maken, over het begeleiden van leerlingen in gesprekken, over onderwijskundig én menselijk leiderschap. In deze blog argumenteren we dat datageïnformeerd lesgeven eigenlijk ook mensenwerk is. En dat je dat samen aanpakt. Alleen lees je data snel, samen begrijp je ze beter. Zoiets. 

Focus op data

In de bedrijfswereld, zeker in Angelsaksische landen als de VS en Engeland, werkt men heel datagedreven. Bedrijven meten hun succes aan het wel of niet behalen van KPI’s, werknemers aan hun behaalde targets die managers nauw opvolgen via dashboards. Die aanpak lijkt me niet meteen aangewezen voor het onderwijs en om leerprocessen kwalitatief te maken. Australisch onderzoeker en zelfverklaard data storyteller Selena Fisk vertelt het verhaal van haar ervaringen in het Engelse onderwijssysteem, dat sterk leunt op de data van hun centrale toetsen. Het functioneren van elke leraar hangt af van één specifieke meetwaarde of metric, namelijk de slaagcijfers van hun leerlingen. Die manier van werken houdt helemaal geen rekening met contextgegevens van het onderwijs én de leerlingen. Bovendien werkt dit enorm demotiverend voor de leraren, omdat ze via micromanagement worden opgevolgd als hun score zwak was. Data als dwang, niet als drang om te leren en ontwikkelen, dus.

Ze vergelijkt deze datagedreven manier van werken met paarden die met oogkleppen racen, opdat ze alleen het doel kunnen zien en niet afgeleid worden door de andere paarden of de toeschouwers. Een ruiter draagt echter geen oogkleppen: die moet net wel de context in de gaten houden. Leraren die kinderen opleiden zouden ruiters moeten zijn, geen datagedreven paarden die enkel één doel zien, namelijk of hun leerlingen wel of niet slagen op een toets. 

Focus op mensen

Daar tegenover staat dat data ons wat structuur kunnen geven in de chaos van het onderwijs. Er gebeurt tijdens een schooldag zoveel tegelijk dat het moeilijk is om op basis van feiten te reflecteren. Hebben mijn leerlingen de uitleg begrepen? Wie bereikt de doelen, wie nog niet? Welke ondersteuning moet ik nog bieden? Om die vragen te beantwoorden is het nuttig om terug te vallen op data, waarmee ik bedoel: elke vorm van ‘informatie over de actie, het leren en het denken die in de klas of op school plaatsvindt, om het niet te verliezen in de chaos van het onderwijs’ (prof. Nancy Fichtman Dana). Je kijkt dus niet alleen terug naar toetsresultaten, maar ook naar werkstukken van leerlingen, observaties, notities die je zelf nam, gesprekken met ouders … 

Waarom? Omdat wij allemaal ook maar mensen zijn. De infographic hieronder geeft vrij duidelijk weer wat confirmation bias of een voorkeur voor bevestiging is. Wanneer we lesgeven, hebben we allemaal onze bewuste of onbewuste vooroordelen. Stel dat je als leraar gelooft dat anderstalige leerlingen nieuwe leerstof trager oppikken, dan is de kans groot dat je alleen het bewijs ziet dat je bias of vooroordeel bevestigt, namelijk de fouten die de leerling die maakt of de momenten waarop die trager werkte. Daarbij ben je soms blind voor de vorderingen die de leerling wel maakt of de achterstand van een Nederlandstalig kind dat echt wel ondersteuning kan gebruiken.

confirmation bias

Niet datagedreven, maar datageïnformeerd werken

Datageïnformeerd werken streeft ernaar die vooroordelen te verzachten met min of meer ‘objectieve’ gegevens. We moeten natuurlijk ook niet doen alsof scholen tot nu toe helemaal geen data inzette: al jaren nemen leraren taalscreenings af in het begin van het secundair onderwijs, nemen leerlingen op het einde van het zesde leerjaar toetsen af en verzamelen teams outputgegevens. De vraag is, hoe zet je die gegevens om naar goed onderwijs? En daar komt het mensenwerk weer kijken: door data slim in te zetten in heel menselijk beleid.

Eerst en vooral, drie tips voor iedere onderwijsprofessional die de eigen praktijk wil aanpassen en zich daarbij wil informeren met data. 

  1. Start vanuit een doel en verzamel daar data voor, in plaats van omgekeerd. Stel dat je wil nagaan of elke leerling een doel heeft bereikt, kan je de resultaten van testen of screenings raadplegen en dat aanvullen met observaties in de les, je snel bij elkaar gepende notities tijdens zelfstandig werk en kindgesprekken.
  2. Verzamel minstens drie bronnen van informatie. Vul de informatie uit toetsresultaten aan. Wees niet het paard met oogkleppen, maar de ruiter die de brede context van de leerling en het onderwijs meeneemt. Vul dus altijd aan met twee andere bronnen, zodat je kan trianguleren.
  3. Gebruik kwantitatieve data voor min of meer objectieve cijfergegevens (hoeveel fouten, hoeveel tijd, hoeveel procent van de groep …) met kwalitatieve data voor meer context. Het helpt je altijd begrijpen waarom een leerling zus of zo scoort.

Datageïnformeerd werken is een samenverhaal

De vakgroep rond EduBron aan de universiteit van Antwerpen boog zich over de vraag: hoe zet je data om in sterk beleid en krachtige praktijken? De conclusie? Door te overleggen, te brainstormen en samen te werken. Als team zet je verschillende stappen:

  • Data raadplegen, verkennen, overleggen en interpreteren. Als we willen dat elke leraar datageletterd is en gebruik kan maken van gegevens om het onderwijs te verbeteren, moeten we hen betrekken in het hele proces. Geen data- of ICT-coördinator meer die alle verantwoordelijkheid alleen draagt, dus. Zoek samen relevante data, doorploeter ze samen, analyseer grafieken en tabellen en deel je interpretatie. Kom samen tot een diagnose: wat ligt er aan de basis van deze gegevens?
  • Controleer de voorlopige diagnose. Klopt onze diagnose wel? Eerlijk gezegd kan de confirmation bias hier nog sterk aanwezig zijn. Waarom scoort deze leerling zwak? Omdat die anderstalig is? Hier is het moment om door te vragen en andere data te zoeken om die diagnose op buikgevoel te staven of te weerleggen. 
  • Plan samen acties, implementeer ze en evalueer het effect ervan op je leerders. 
  • Begin de cyclus opnieuw. 

Deze cyclus samen doorlopen is een krachtige manier om te professionaliseren, op een manier die niet gedreven is door één metriek waar we met oogkleppen naar racen, maar eentje waarin de context meegenomen kan worden. Samen gaat dat beter.

X Lisa

Meer lezen?

EduBron, UA. 

Selena Fisk, I’m not a numbers person en podcast Make data talk.

Deel dit bericht op: