Data is dom, hoe ga je er slim mee om?
•
0 likes•1,092 views
Deze presentatie hoort bij het webinar dat de Arteveldehogeschool op 7 juni 2022 organiseerde over datageletterdheid. Het webinar hoort bij het PWO-project dat de hogeschool samen doet met Smartschool. In de presentatie zit ook een link naar een eerste versie naar de scan die je kan uitproberen, zelf of met je team!
Recommended
More Related Content
Similar to Data is dom, hoe ga je er slim mee om?
Similar to Data is dom, hoe ga je er slim mee om? (20)
More from Pedro De Bruyckere
More from Pedro De Bruyckere (20)
Data is dom, hoe ga je er slim mee om?
- 1. Data is dom?
- 2. Zij zijn alvast slim:
- 4. Ook met steun van Smartschool & Eddy Willems
- 7. Data = “Information that is collected and organized to represent some aspects of school." Schildkamp, K., Lai, M. K., & Earl, L. (Eds.). (2012). Data- based decision making in education: Challenges and opportunities (Vol. 17). Springer Science & Business Media.
- 8. formeel informeel bonte mix aan bewijs voor leren Formele evaluatie Informele datapunten (Sluijsmans, 2020)
- 9. formeel informeel bonte mix aan bewijs voor leren Formele evaluatie Informele datapunten (Sluijsmans, 2020)
- 10. Data = “Information that is collected and organized to represent some aspects of school." Schildkamp, K., Lai, M. K., & Earl, L. (Eds.). (2012). Data- based decision making in education: Challenges and opportunities (Vol. 17). Springer Science & Business Media.
- 13. Data is vaak dom als je doelloos verzamelt.
- 14. Data is dom zonder context.
- 17. Gelukkig gebeurt het al soms goed!
- 18. Ontwikkelcyclus
- 22. Vaak ook gebruikt: CIPO
- 29. “Data literacy for teaching is - the ability to transform information into actionable instructional knowledge and practices - by collecting, analyzing and interpreting all types of data (assessment, school climate, behavioral, snapshot, longitudinal, moment-to-moment, etc.) - to help determine instructional steps." Mandinach & Gummer, 2016
- 30. “Data literacy for teaching is - the ability to transform information into actionable instructional knowledge and practices - by collecting, analyzing and interpreting all types of data (assessment, school climate, behavioral, snapshot, longitudinal, moment-to-moment, etc.) - to help determine instructional steps." Mandinach & Gummer, 2016
- 32. “Data literacy for teaching is - the ability to transform information into actionable instructional knowledge and practices - by collecting, analyzing and interpreting all types of data (assessment, school climate, behavioral, snapshot, longitudinal, moment-to-moment, etc.) - to help determine instructional steps." Mandinach & Gummer, 2016
- 33. formeel informeel bonte mix aan bewijs voor leren Formele evaluatie Informele datapunten (Sluijsmans, 2020)
- 34. “Data literacy for teaching is - the ability to transform information into actionable instructional knowledge and practices - by collecting, analyzing and interpreting all types of data (assessment, school climate, behavioral, snapshot, longitudinal, moment-to-moment, etc.) - to help determine instructional steps." Mandinach & Gummer, 2016
- 36. 1. Moeten we dit nu ook nog gaan doen?
- 37. “Data literacy for teaching is - the ability to transform information into actionable instructional knowledge and practices - by collecting, analyzing and interpreting all types of data (assessment, school climate, behavioral, snapshot, longitudinal, moment-to-moment, etc.) - to help determine instructional steps." Mandinach & Gummer, 2016
- 38. Dit doen jullie vaak al…
- 39. …maar kan misschien beter:
- 40. “We weten dat de meeste leerkrachten data niet op een goede manier gebruiken of gewoonweg geen data gebruiken. De meerderheid van de beslissingen die leerkrachten nemen zijn gebaseerd op intuïtie en op beperkte observaties.” (Kuiper & Schildkamp, 2010)
- 41. Tegelijk blijkt het dat… “leraren soms niet toekomen aan het benutten van data. Faciliteren hiervan en tijd inroosteren lijkt wenselijk.” Schenke, W. & Meijer, J. (2018).
- 42. 2. Data = testresultaten?
- 43. formeel informeel bonte mix aan bewijs voor leren Formele evaluatie Informele datapunten (Sluijsmans, 2020)
- 46. 3. Data = enkel over leerlingen?
- 47. 4. Datagebruik? Dat is alleen in functie van verantwoording.
- 48. 5. Vertrouw de technologie?
- 49. Technologie is handig, maar…
- 51. En dus ook: een ethisch luik waar ik nu nog niets over zei.
- 52. Top tips? Gebaseerd op Mandinach, & Schildkamp , 2021
- 53. Start niet met data, maar met een duidelijk doel.
- 54. Of beter:
- 55. Start niet met data, maar met duidelijke doelen.
- 56. Gebruik genoeg verschillende databronnen. (Triangulatie)
- 57. Check regelmatig welke data er is (en de kwaliteit!)
- 58. Probeer samen resultaten te interpreteren.
- 59. En vertrouw niet enkel op technologie…
- 61. Hoe datageletterd ben jij/is je school?
- 62. Een scan!
- 63. Opbouw scan: op basis van een aantal factoren in samenspel rondom datagebruik van leraren/ o School: (Overheidsbeleid: verantwoording naar ministerie en inspectie: werd in mindere mate meegenomen in de scan) bestuur en organisatie directie en teamleiders/schoolleiding o Leraren en hun datagebruik: eerdere ervaringen en opvattingen over data datageletterd zijn: professioneel handelen samenwerking met collega’s o Data: vindbaar, toegankelijk, beschikbaar betrouwbaar geschikt, leesbaar en bruikbaar
- 64. Een scan!
- 65. Die je nu ook kan uittesten!
Editor's Notes
- Data wordt in sommige scholen, zeker die met ‘high stakes testing’, wel ’s vernauwd tot ‘testdata’ (bv. van gestandaardiseerde testen): dat zou kunnen leiden tot voornamelijk focussen op assessments/toetsen/testen, teaching to the test, en zou kunnen leiden tot een curriculumvernauwing waarbij net op die testitems wordt gefocust. Die invulling van data geeft een te beperkt beeld om het leren van leerlingen te kunnen verbeteren: daarvoor is ook andere informatie nodig: data over het leren van studenten/leerlingen verzamelen en analyseren is uiteraard cruciaal voor een school, maar die data alleen zijn niet genoeg: daarom is de definitie zo breed.
- Opdat de schoolleiding/leerkrachten goede beslissingen kunnen nemen, zijn er meerdere bronnen van data nodig (Lai & Schildkamp, 2010). Althans in theorie hebben de schoolleiding en leerkrachten heel wat gegevensbronnen/data ter beschikking i.f.v. het vormgeven van het beleid en het lesgeven. (Van Gasse, R., Vanhoof, J., Mahieu, P., & Van Petegem, P. (2015). Informatiegebruik door schoolleiders en leerkrachten. Garant., p. 20) (Er wordt door verschillende bronnen verwezen naar het CIPO-kader, met contextinformatie, inputinformatie, procesinformatie en outputinformatie.) Voorbeeld uit Lai en Schildkamp 2010: Een lkt wil de jongens uit de klas meer aan het lezen krijgen, zijn/haar aanpak bijsturen en doet daarvoor een beroep op onderstaande informatie: Data ivm afwezigheden jongens (inputdata) Analyse van de resultaten op de leestest (outputinformatie) Klasgesprek met deze lln over wat goed gaat/waar ze sterk in zijn en wat nog niet zo goed gaat wat lezen betreft en hoe ze tegenover lezen staan (procesdata) Het curriculum van de school onder de loep nemen om na te gaan of de teksten die door die groep lln worden gelezen interessant voor hen zijn (contextdata). (voorbeeld uit Lai & Schildkamp, 2010, p. 12)
- Wansink
- Treintabel tussen Antwerpen centraal en Station van Mol Peter Van Peteghem en Jan Vanhoof
- Voor kleuteronderwijs: voorbeeld van output van Koala-test (graag de data licht wijzigen en niet exact overnemen) Voor lager onderwijs: voorbeelden van data/informatie in het schoolrapport van de IDP-proeven (4de en 6de leerjaar, KOV). Data die je vindt in ‘mijn onderwijs’ of Dataloep SO: “op schoolniveau: schoolkeuzebevraging bij nieuwe leerlingen: uitgebreide vragen over de keuze voor, het imago van ... de school” SO: “We organiseerden een G500 waarbij over 10 schoolthema's (bijeengebracht door leerlingen van de zesdes) in groepjes van een 12- tal werd gedebatteerd (elk debat werd begeleid door een personeelslid en de verslaggeving ervan gebeurde op een uniforme wijze). De outcome wordt enerzijds aangewend voor quickwins en is anderzijds input voor een volgend mini-strategisch plan voor de school.” SO: "Er wordt een lijst gemaakt van leerlingen die tegen advies gekozen hebben. Ze moeten dan in het begin van het schooljaar invullen welke extra inspanningen ze gaan leveren om te slagen en of ze extra zorg van de school nodig hebben." LO: ouders uitnodigen voor oudercontacten: via google forms, of via Questi.., eens de ouders uitnodigen op verschillende manieren om eens uit te testen wat er efficiënt is… LO: Bezorgdheid van een school LO die overstapte van een klassensysteem naar een ‘pleinsysteem’ (=leerjaaroverschrijdend werken): “Zal ons llnvolgsysteem voldoende gestoffeerd zijn nu niet elke leerkracht ‘dag en nacht’ bij hetzelfde kind betrokken is”, want je kijkt niet meer als enige leerkacht naar een kind [gezien de specifieke werking in deze school, nl. leerjaaroverschrijdend]” SO: LVS (leerlingvolgsysteem) vind ik een grote meerwaarde om mee aan de slag te gaan. Al ligt het vaak dubbel. Wat je leest op het LVS over een leerling geeft vaak een momentopname vast en geen uitsluitend beeld over de leerling. Elke klassenraad wordt goed voorbereid door de klastitularis. Deze voorbereiding wordt digitaal in Smartschool ingegeven (overzicht resultaten van de leerling, studiehouding, gedrag, aantal afwezigheden, enz.). Op deze manier verlopen de klassenraden vlot en heeft iedereen een overzicht van de prestaties van een leerling per trimester. Op Smartschool bestaat er de map 'Coaching'. Hier wordt alle informatie verzameld over de opvolging van vakantietaken, waarschuwingen voor een bepaald vak, remediëring en studiebegeleiding.
- Opdat de schoolleiding/leerkrachten goede beslissingen kunnen nemen, zijn er meerdere bronnen van data nodig (Lai & Schildkamp, 2010). Althans in theorie hebben de schoolleiding en leerkrachten heel wat gegevensbronnen/data ter beschikking i.f.v. het vormgeven van het beleid en het lesgeven. (Van Gasse, R., Vanhoof, J., Mahieu, P., & Van Petegem, P. (2015). Informatiegebruik door schoolleiders en leerkrachten. Garant., p. 20) (Er wordt door verschillende bronnen verwezen naar het CIPO-kader, met contextinformatie, inputinformatie, procesinformatie en outputinformatie.) Voorbeeld uit Lai en Schildkamp 2010: Een lkt wil de jongens uit de klas meer aan het lezen krijgen, zijn/haar aanpak bijsturen en doet daarvoor een beroep op onderstaande informatie: Data ivm afwezigheden jongens (inputdata) Analyse van de resultaten op de leestest (outputinformatie) Klasgesprek met deze lln over wat goed gaat/waar ze sterk in zijn en wat nog niet zo goed gaat wat lezen betreft en hoe ze tegenover lezen staan (procesdata) Het curriculum van de school onder de loep nemen om na te gaan of de teksten die door die groep lln worden gelezen interessant voor hen zijn (contextdata). (voorbeeld uit Lai & Schildkamp, 2010, p. 12)
- SO: Op basis van financiële data van Limburgse scholen de eigen afwijkende financiële kosten in kaart gebracht en beslissingen genomen. SO: Samen met de Stad Genk hebben we enkele wijken afgebakend om met leerlingen die met Kerstmis alarmerende resultaten hadden, samen aan de slag te gaan. In juni merkten we dat de leerlingen die ondersteuning kregen, significante betere resultaten hadden dan de referentiegroep. SO: Uit onderzoek bleek dat onze adviezen op het einde van het schooljaar weinig effect hadden. Dit konden we aantonen via een chi2 toetsing. We hebben ons beleid aangepast: concretere adviezen, betere opvolging, … SO: op schoolniveau: gegevens over de slaagpercentages voor de toelatingsproef arts (en koppeling met keuzeadvies klassenraad en resultaten bij voorbereidingstraject) SO: data over het welbevinden van de leerlingen en ouders tijdens de lockdown via bevraging 'oe ist' op geregelde tijdstippen om zo ons systeem van afstandsleren constant bij te sturen SO: “Na een bevraging bij leerlingen bleek het welbevinden niet erg hoog te zijn. Vooral in de hogere jaren was er een significant verschil t.o.v. de 2de graad (via Anova-toets). We hebben daarna samen met de lerarengroep acties bepaalt om hier aan tegemoet te komen. Na een half jaar hebben we dezelfde bevraging opnieuw gedaan met een duidelijke verbetering qua welbevinden van onze leerlingen.” SO: “als vakleerkracht: bij online oefeningen analyseren welke vragen het vaakst fout beantwoord vragen en de lessen daarop afstemmen”
- Data wordt in sommige scholen, zeker die met ‘high stakes testing’, wel ’s vernauwd tot ‘testdata’ (bv. van gestandaardiseerde testen): dat zou kunnen leiden tot voornamelijk focussen op assessments/toetsen/testen, teaching to the test, en zou kunnen leiden tot een curriculumvernauwing waarbij net op die testitems wordt gefocust. Die invulling van data geeft een te beperkt beeld om het leren van leerlingen te kunnen verbeteren: daarvoor is ook andere informatie nodig: data over het leren van studenten/leerlingen verzamelen en analyseren is uiteraard cruciaal voor een school, maar die data alleen zijn niet genoeg: daarom is de definitie zo breed.
- Vaak wordt er bij ‘data’ alleen/vooral gedacht aan toetsresultaten, in het bijzonder van summatieve toetsing. Data zouden echter heel divers moeten zijn, zowel kwantitatief als kwalitatief, en dus ook socio-emotionele data bevatte, attitude, gedrag, enz. “Educators need formal data, that is systematically collected data, but they also need informal data.” “Our perspective is that student performance data, form the central source of data for teachers, but now teachers need surrounding and contextual information from which to understand each student and to inform how they can design instructional steps to help that student”.
- Leraren beoordelen?
- Een context waarbij data voornamelijk gebruikt worden voor verantwoording, daarbij ligt de focus meer op resultaten dan op de leerling/student in zijn geheel (= dat bredere beeld dat je verkrijgt uit diverse databronnen), meer op resultaten dus dan op het leren zelf. daarbij hebben leerkrachten eerder de neiging om te focussen op de tekorten bij de leerling/student, dan op de troeven/talenten. komt soms voor in schoolculturen waarin leerkrachten geen veiligheid ervaren (cultuur van ‘shaming & blaming’). Kan ook leiden tot verkeerd gebruik van data of misbruik van data (bv. door alleen of voornamelijk te focussen op die studenten die de lat net nog niet haalden, maar met extra inspanningen misschien wel, louter omwille van het imago/de status van de school. Ook teaching to the test, of zwakkere lln uitsluiten van de test… Data gebruiken zowel voor verantwoording als voor schoolverbetering: beide zijn nodig.
- Én betere scores Én beter welbevinden…
- https://bit.ly/3GyDDvB