प्रति टेरी हिक
कुछ सरल डेटा-संचालित शिक्षण चुनौतियाँ क्या हैं? दो आसान हैं शिक्षकों के पास मूल्यांकन बनाने और उन आकलनों द्वारा उत्पन्न डेटा का उपयोग करने के लिए नियोजन समय की कमी, और यह वास्तविकता कि कई आकलन शिक्षकों या छात्रों के लिए डिज़ाइन नहीं किए गए हैं। अर्थात्, वे शिक्षण और सीखने की प्रक्रिया के लिए वास्तविक मूल्य का कुछ उत्पादन करते हैं।
नोट: यदि आपके पास आकलन करने से पहले डेटा के लिए कोई योजना नहीं है, तो आप पहले ही देर कर चुके हैं। मूल्यांकन की चुनौतियों के बीच, यह अवधारणा – जैसा कि अकादमिक मानकों की महारत को बढ़ावा देने के लिए डिज़ाइन की गई औपचारिक शैक्षणिक कक्षाओं पर लागू होती है – शीर्ष के निकट रैंक करती है।
एक गतिशील पाठ्यचर्या मानचित्र में शामिल आपके निर्देशात्मक डिजाइन में सीधे इनपुट के बिना, एक मूल्यांकन छात्र के लिए सिर्फ एक बाधा है – एक जिसे वे दूर कर सकते हैं या एक जो रास्ते में आ सकता है – और आपके लिए और अधिक काम करता है।
और आइए बात करें कि हम (शिक्षक के रूप में) दूसरों के लिए बाधाओं पर कूदने में कितना आनंद लेते हैं।
इतने हफ़्तों में यह तीसरी बार है जब मैंने मूल्यांकन के बारे में लिखा है, जिसका आम तौर पर मतलब होता है कि कोई चीज़ मुझे परेशान कर रही है और मैं समझ नहीं पा रहा हूँ कि क्या। में जैसा हमने योजना बनाई थी वैसा ही विकसित हो रहा हैविवादित रूप से ‘ड्राइव’ और ‘सबक’ को बाधाओं के रूप में बताया व्यक्तिगत शिक्षा.
सीधे शब्दों में कहें, अधिकांश विद्यालयों में अधिकांश शिक्षकों द्वारा उपयोग किए जाने वाले अधिकांश नियोजन मॉडल डेटा को आसानी से अवशोषित करने की अनुमति नहीं देते हैं। वे छात्रों के लिए डिज़ाइन नहीं किए गए हैं, वे पाठ्यक्रम के लिए डिज़ाइन किए गए हैं। आपके दर्शक छात्र या समुदाय नहीं हैं, बल्कि व्यवस्थापक और सहकर्मी हैं।
ये औद्योगिक दस्तावेज हैं।
आपके द्वारा पढ़ाए जाने वाले शिक्षा और सामग्री क्षेत्र के स्तर और आपके पाठ्यक्रम को कैसे डिज़ाइन किया गया है, इस पर निर्भर करते हुए कि आपको डेटा के साथ क्या करना चाहिए और क्या करने में यथोचित रूप से सक्षम हैं, भिन्न हो सकते हैं। लेकिन दो टूक बोलते हुए, शिक्षक क्विज़ और परीक्षा देते हैं, और ‘पुनः पढ़ाने’ के लिए अपनी पूरी कोशिश करते हैं। यहां तक कि उच्च प्रदर्शन वाले पेशेवर शिक्षण समुदायों में, शिक्षक पहली परीक्षा देने से पहले ही पिछड़ जाते हैं।
उनका शिक्षण डेटा के लिए बिल्कुल तैयार नहीं है।
आकलन ‘करने’ के लिए क्या माना जाता है?
में सबसे महत्वपूर्ण सवाल जिसका हर मूल्यांकन को जवाब देना चाहिए, मैंने उन कई महान विचारों में से एक का वर्णन किया जो परीक्षण, क्विज़ और अन्य बोध-सूचना स्नैपशॉट के इर्द-गिर्द घूमते हैं। संक्षेप में (आकलन के रूप, उद्देश्य, संदर्भ, प्रकार आदि के आधार पर), एक गतिशील अधिगम वातावरण में मूल्यांकन का प्राथमिक कार्य है नियोजित निर्देश को संशोधित करने के लिए डेटा प्रदान करें. यह आपको बताता है कि आगे कहां जाना है।
दुर्भाग्य से, वे हमेशा इस तरह से उपयोग नहीं किए जाते हैं, तब भी जब वे होते हैं। इसके बजाय, वे एक बड़ा ड्रामा हैं जिसमें छात्र या तो ‘पास’ या ‘फेल’ होते हैं। ये ‘डेटा टीमों’ के लिए पेशेवर शिक्षण समुदायों और कलाकृतियों के मुद्दे हैं। वे के लिए डिज़ाइन किए गए हैं समारोह लेकिन इसके बजाय वे सिर्फ परेड करते हैं और खुद का तमाशा बनाते हैं।
पीएलसी और डेटा टीमों के भीतर, शिक्षण और सीखने में धीरे-धीरे सुधार के लिए एक मानकीकृत प्रक्रिया स्थापित करने का लक्ष्य है, लेकिन इन शिक्षण सुधार उपकरणों के भीतर सूक्ष्मता और प्रक्रियाएं उस काम पर ध्यान केंद्रित कर सकती हैं जो उन्हें करना चाहिए। हम पीएलसी और डेटा टीमों में ‘कुशल’ बनना उसी तरह सीखते हैं जैसे छात्र परीक्षा देने में ‘कुशल’ बनते हैं। क्या पागल है और देर हो चुकी है और कोई आश्चर्य नहीं कि शिक्षा नवाचार से नफरत करती है।
एक छात्र को पढ़ाने के लिए, आपको यह जानना होगा कि वह क्या करता है और क्या नहीं जानता। वे क्या कर सकते हैं और क्या नहीं। ‘वे’ भी कक्षा को नहीं, बल्कि छात्र को संदर्भित करता है। वह छात्र- वे क्या जानते प्रतीत होते हैं? आपने कैसे माप लिया और आप उस माप में कितने आश्वस्त हैं? यह मौलिक है और, एक शैक्षणिक संस्थान में, कमोबेश ‘सत्य’ है।
हालाँकि, रचनावादी मॉडल कई मौजूदा शैक्षिक रूपों और संरचनाओं के अनुकूल नहीं है। रचनावाद, प्रतिबिंब और पुनरावृत्ति के माध्यम से समय के साथ छात्र के स्वयं के ज्ञान के निर्माण पर निर्भर करता है, मूल्यांकन के आधुनिक रूपों का विरोध करता है जो दिखाना चाहते हैं, एक तस्वीर लेते हैं और वापस आते हैं।
ये स्नैपशॉट पाठ या इकाई के भीतर उनके लिए प्रतीक्षा किए बिना ‘फ्रेम’ के बिना लिए गए हैं; यह सिर्फ ग्रेड और माप है, छात्रों को कैसे और कब क्या सीखना है, इसमें काफी हद तक बदलाव की बहुत कम उम्मीद है।
शिक्षण डिजाइनरों के रूप में शिक्षक
यहां परदे के पीछे काम करने वाले शिक्षण अभ्यास का मुद्दा है। शिक्षक क्या मानते हैं और कैसे वे विश्वास उनके अभ्यास को प्रभावित करते हैं, जिसमें मूल्यांकन डिजाइन और डेटा प्रबंधन शामिल है।
में कक्षा में मूल्यांकन अभ्यास और शिक्षकों के आत्म-कथित मूल्यांकन कौशल, झिचेंग झांग और जूडिथ ए. बरी-स्टॉक अलग-अलग “मूल्यांकन प्रथाओं और मूल्यांकन कौशल”, यह समझाते हुए कि वे “संबंधित हैं लेकिन अलग-अलग निर्माण हैं। जबकि पूर्व मूल्यांकन गतिविधियों को संदर्भित करता है, बाद वाला इन गतिविधियों को संचालित करने में कौशल के स्तर के बारे में एक व्यक्ति की धारणा को दर्शाता है। इससे समझा जा सकता है कि शिक्षकों ने अपने मूल्यांकन कौशल को अच्छा क्यों माना, भले ही वे कई क्षेत्रों में कक्षा आकलन करने के लिए तैयार नहीं थे।”
मूल्यांकन डिजाइन अनुदेशात्मक या पाठ्यचर्या डिजाइन से स्वतंत्र रूप से मौजूद नहीं हो सकता है।
आकलन के असुविधाजनक सत्य में मैंने कहा है कि “सटीक और वैयक्तिकृत आकलन डिजाइन करने के लिए यह एक असाधारण कार्य है। जो अलग-अलग छात्रों के लिए आगे के रास्तों को रोशन करता है—शायद एक शिक्षक के लिए सभी छात्रों के लिए लगातार ऐसा करने के लिए बहुत अधिक।” यह एक बड़ी चुनौती नहीं है क्योंकि सीखने को वैयक्तिकृत करना कठिन है, लेकिन जब आप पारंपरिक इकाइयों (जैसे, अंग्रेजी में लिंग-आधारित इकाइयाँ) और बुनियादी शिक्षण मॉडल (जैसे, प्रत्यक्ष निर्देश, बुनियादी समूहीकरण) का उपयोग करते हैं, तो सीखने को वैयक्तिकृत करना कठिन होता है। , शायद कुछ स्केलिंग , वगैरह।)
उपकरण बदलें और आप मशीन को बदल सकते हैं; मशीन बदलें, और आप उपकरण बदल सकते हैं। फिर सवाल पूछा जा सकता है: हम कालानुक्रमिक (समय) और वैचारिक (सामग्री) सीमाओं के पार सीखने को कैसे डिजाइन कर सकते हैं ताकि सीखने के लिए डेटा बनाने की आवश्यकता हो? कुछ #edtech उत्पादों में अनुकूली शिक्षण एल्गोरिदम को इन पंक्तियों के साथ कोडित किया गया है। तो हम यह आमने-सामने, नाक से किताब, हाथ में कलम कैसे करते हैं?
यदि हम डेटा और शोध के आधार पर शिक्षा सुधार के मॉडल का उपयोग करने पर जोर देते हैं, तो यह महत्वपूर्ण है, है ना?
एक अलग तरह की रिवर्स प्लानिंग
आकलन डेटा निर्माण उपकरण हैं। यदि डेटा का उपयोग नहीं किया जा रहा है तो डेटा क्यों एकत्र करें? यह सब बहुत आसान है: जब तक डेटा वास्तव में *उस* छात्र के लिए भविष्य की शिक्षा को नहीं बदलता है, तब तक समीक्षा न करें।
सोचें कि आकलन क्या कर सकता है। छात्र को यह दिखाने का मौका दें कि वे क्या जानते हैं। आपके लिए एक सूक्ष्मदर्शी की तरह कार्य करें कि वे क्या समझते हैं यह जांचने के लिए। छात्र को अच्छा या बुरा महसूस कराएं। छात्र को प्रेरित या पदावनत करना। एक प्रामाणिक सीखने के अनुभव से अप्रामाणित।
इस बारे में सोचें कि आप एक शिक्षक के रूप में आंकलन डेटा के साथ क्या कर सकते हैं। इसकी सूचना दूसरों को दें। उम्मीद में एक मनमाना अल्फ़ान्यूमेरिक प्रतीक निर्दिष्ट करें कि यह छात्र की उपलब्धि का प्रतीक है, लेकिन क्या हम वास्तव में इस बात पर सहमत हो सकते हैं कि इसका क्या मतलब है? सहकर्मियों, माता-पिता या छात्रों के लिए स्पिन करें। उस पर अति प्रतिक्रिया करें। गलत। इसे नजरअंदाज करो। अपने स्वयं के शिक्षण के बारे में अच्छा या बुरा महसूस करने के लिए इसका उपयोग करें – जैसे कि आप ‘उच्च बार’ के साथ ‘छात्रों को जवाबदेह ठहरा रहे हैं’ या आप जो भी करते हैं वह अभी भी पर्याप्त नहीं है।
ग्रांट विगिन्स (जिनके काम की मैं हमेशा प्रशंसा करता हूं) और उनके सहयोगी जे मैकटीघे डिजाइन मॉडल द्वारा अपनी समझ के लिए जाने जाते हैं, एक ऐसा मॉडल जो रिवर्स डिजाइन के विचार पर निर्भर करता है। यानी, जब हम सीखने को डिजाइन करते हैं, अंत से शुरू करो मन में। ये ‘अंत’ आमतौर पर समझने के मुद्दे हैं – मैं चाहता हूं कि छात्र इसे जानें, इसे लिखने या हल करने में सक्षम हों, आदि।
क्या होगा, हालांकि, हम डेटा बिंदुओं से पीछे की ओर प्रोजेक्ट करते हैं? यहां, डेटा अनिवार्य रूप से ‘अंत’ नहीं होगा, लेकिन साधनों के करीब कुछ, अच्छे कारणों की सेवा करेगा। और बीच में, हम उस सूचना को स्वीकार करने और उस पर प्रतिक्रिया करने के लिए तंत्र का निर्माण करेंगे।
हमारे पास एक ऐसी प्रणाली होगी जो एक निश्चित मात्रा में ‘प्रवीणता’ और ‘गैर-प्रवीणता’ की अपेक्षा करती है। ‘यूनिट’ में दो सप्ताह (यदि हम इकाइयों का उपयोग करने पर जोर देते हैं), हम कई मूल्यांकनों की एक छोटी श्रृंखला से महत्वपूर्ण डेटा की प्रतीक्षा कर रहे हैं (शायद गैर-खतरनाक रेटिंग?) तो हम जानते हैं कि क्या करना है और आगे कहाँ जाना है। हमारे पास शुरू करने से पहले ही एक योजना है। हम डेटा का उपयोग करने के लिए तैयार हैं काफी हद तकहमने जो योजना बनाई थी, उसे सुरुचिपूर्ण ढंग से और मानवीय रूप से संशोधित किया। हम इस डेटा के बिना आगे नहीं बढ़ सकते, वरना हम हास्यास्पद हो रहे हैं।
हम कन्वेयर को चालू रखते हैं क्योंकि बोतलें हमारे आसपास के कन्वेयर से गिरती हैं।
अनुकूलित छवि एट्रिब्यूशन फ़्लिकर उपयोगकर्ता वैंकूवरफिल्मस्कूल