Keynote vid Voksenpædagogisk Forum 2017

1. Data om praksis, data for
praksis eller data som
praksis
Maja Plum, Københavns Universitet.
Voksenpædagogisk netværk. 9. Maj, 2017

2. I dag
1. Et eksempel
2. Learning analytics
3. Datainformeret og dataunderstøttet læring
4. Datafødekæden – når data bliver praksis

4. Data OM og FOR praksis
• Idealet om at rykke tæt på læringen
• Det handler ikke om data omkring bygninger, elevtal mv.
Det er læringen og læringsprogressionen, der er det
væsentlige. Dvs. data OM praksis.
• Idealet om at gøre viden anvendeligt
• Data skal ikke gå ind i rapporter, der stilles på en reol langt
væk, og det skal ikke alene bruges af politikere. Data skal
omsættes til et oplyst grundlag for den lærende og for
fagprofessionel handling. Dvs. data FOR praksis.

5. Forestillinger om viden

6. Data SOM praksis
0
2
4
6

7. Learning analytics
• Learning analytics som
international bølge,
særligt fremherskende i
USA.
• Big data er til rådighed
og teknologi kan
bearbejde mængde af
data.
• E-læring og adaptiv
læring.
“Learning analytics
indebærer indhentning,
måling, analysering og
rapportering af data om
de lærende og deres
kontekst, med det formål
at forstå og optimere
læring og det miljø,
hvorunder det
fremkommer.” (Learning
Analytics: the emergence of a
discipline. 2013, s. 1382, min
oversættelse)

8. Digitale spor – profil og
tilpasning

9. Datainformeret og
dataunderstøttet læring
• I DK længe været fokus på mål, dokumentation og
evaluering som grundlag for styring.
• Evidens og synlig læring.
• Producere data (trivselsmålinger, test, materiale
produceret af eleven, observationer, interview etc.).
• Gøre data til grundlag for faglig refleksion og didaktisk
planlægning og justering.

10. Datainformerede beslutninger
Overordnede
målsætninger
Dataindsamling
Analyse af data
Forskningsbaserede
beslutninger
På baggrund af: Det ved vi om
datainformeret
forbedringsarbejde i skolen.
2015, figur 1.1.

11. Datafødekæden
Overordnede
målsætninger
Dataindsamling
Analyse af data
Forskningsbaserede
beslutninger
Hvilken
læringsforståelse
ligger der i
konkretisering af
mål og valg af
kategorier?
Hvilke antagelser
ligger i den brugte
algoritme?
Hvad bliver
den
lærendes
(digitale)
adfærd?
Hvad er
forskellen
på om noget
virker og har
virkninger?
Bliver algoritmen
en selvopfyldende
profeti?

12. “..modeller er, på trods af deres rygte
for upartiskhed, udtryk for mål og
ideologier….Modeller er meninger
indlejret i matematik.”
(Weapons of Math Destruction, 2016, s. 21. Min oversættelse)

13. Tak for
opmærksomheden!
Maja Plum:
mplum@hum.ku.dk
http://www.mef.ku.dk/