Jak zlepšit výuku? Také plošným shromažďováním dat.

Použití moderních technologií ve školním vzdělávání by se mělo mnohem více zaměřovat například na plošné shromažďování dat – Big Data – a jejich efektivní využití. Ta především umožňují přizpůsobení učebního plánu jednotlivým žákům.

Viktor Mayer-Schönberger, Kenneth Cukier, Learning with Big Data: The Future of... | na serveru Lidovky.cz | aktuální zprávy Viktor Mayer-Schönberger, Kenneth Cukier, Learning with Big Data: The Future of... | foto: Montáž Richard CortésČeská pozice
Viktor Mayer-Schönberger, Kenneth Cukier, Learning with Big Data: The Future of... | na serveru Lidovky.cz | aktuální zprávy

Existuje-li skutečně globální téma, pak je to školství. Ať sedíte v Thajsku na terase baru u moře nebo v berlínské hospodě na rušné ulici, začnete-li hovořit s nějakým rodičem, téměř okamžitě prohlásí, že místní školství je mizerné – a že takové sice bylo vždy, ale v poslední době se jeho stav rychle zhoršuje například kvůli hloupým žákům, nedostatku peněz, učitelům bez náležité kvalifikace, zastaralým učebnicím, přeplněným třídám nebo nevyhovujícímu školského systému.

Nové digitální technologie se nevyhnuly ani školství, ale zatím to většinou byly počítače. Z těch se však zanedlouho stává elektronický odpad, a proto se musejí odborně inovovat. Použití moderních technologií ve výuce by se však nemělo omezovat pouze na technická zařízení, ale mnohem více se zaměřovat například na plošné shromažďování dat – Big Data – a jejich efektivní využití.

Big Data totiž umožňují zahrnout do výuky i informace, které zatím nejsou běžně dostupné. Tato změna ve způsobu vyučování není technická, přestože ji přináší technika. Její podstata spočívá ve výběru shromažďovaných dat a v jejich zpracování pro výuku a získávání vědomostí. To je základní sdělení knihy Learning with Big Data: The Future of Education (Vyučování s Big Data. Budoucnost vzdělávání) Viktora Mayera-Schönbergera a Kennetha Cukiera, jejichž předchozí kniha Big Data. Revoluce, která změní způsob, jak žijeme, pracujeme a myslíme vyšla loni česky.

Cílem je průměr

Průběh školního dne ani roku neodpovídá potřebám současné společnosti. Vyučování je rozděleno do hodin, jež odděluje zvonění stejně jako pracovní směny v továrnách. Žáci jsou ve třídách podle data narození a každý rok postupují do vyššího ročníku. Demokratizace společnosti v 19. a 20. století vedla k uniformitě školství, což byla cena za všeobecný přístup ke vzdělání – žáci mají stejné podmínky, učebnice i domácí úkoly.

Dnešní výuka se zaměřuje na průměr a nezohledňuje individuální vlastnosti a schopnosti žáků

Dnešní výuka se zaměřuje na průměr a nezohledňuje individuální vlastnosti a schopnosti žáků. Všichni žáci se učí stejným tempem, ve stejný čas a tutéž látku. To sice vyhovuje vyučujícím a školskému systému, nikoli však jednotlivým žákům. Ideálem je průměrné dítě, které se učí pomaleji než nadprůměrní žáci v první, ale rychleji než nejhorší v poslední řadě.

Big Data by mohla pomoci tento školský systém změnit a přizpůsobit schopnostem jednotlivých žáků. Podle Mayera-Schönbergera a Cukiera lze plošným shromažďováním dat zlepšit zpětnou vazbu, individuální schopnosti a předpovědi související s vyučováním žáků.

Zpětná vazba

Žák dostává známky za splnění úkolů, aktivitu při vyučování, písemné práce nebo za zkoušení. Občas dokonce stačí, když nedělá problémy, a pak je ohodnocen pouze za účast. Zpětná vazba je tedy pouze jednosměrná – od učitelů a školy k žákům a jejich rodičům. To je, jako by výrobce hodnotil své zákazníky, a nikoli oni kvalitu jeho produktu a spokojenost s ním.

Ve školském systému zatím odráží zpětná vazba pouze výsledky, a nikoliv proces učení, protože bylo obtížné o něm získat data

Ve školském systému zatím odráží zpětná vazba pouze výsledky, a nikoliv proces učení, protože bylo obtížné o něm získat data. Například pokud nějaký žák četl zadaný text několikrát, nešlo zjistit, zda proto, že mu nerozuměl, nebo proto, že se mu líbil. Díky učebnicím na tabletech nebo počítačích ale bude možné takové údaje získat a využít jako zpětnou vazbu pro všechny, kdo se procesu učení účastní – od žáků přes školu až po nakladatelství.

Takto získané informace pak bude možné použít nejen ke zlepšení podkladů pro výuku, ale i pro přípravu nového materiálu přesně podle potřeb a znalostí žáka. Tento proces je označován jako adaptabilní výuka a představuje začátek nové éry individualizovaných učebních programů.

Individualizace

Před dvěma sty lety byly děti z vyšších společenských tříd vyučované na malých elitních internátech nebo pomocí domácích učitelů. Před začátkem masového vzdělání šlo o individuální přístup, jehož tempo určovaly schopnosti žáka osvojit si učební látku. Ve velkých třídách není individuální přístup možný, přičemž právě on je tou nejlepší formou výuky.

Díky Big Data bude možné analyzovat, co při výuce funguje, či nefunguje, a to nejen obecně, ale podle třídy nebo jednotlivého žáka

Big Data umožňují návrat k individualizovanému vyučování, protože díky nim lze přizpůsobit učební plán schopnostem jednotlivých žáků. Vyučovací software se neustále mění, a tím lépe se přizpůsobuje schopnostem žáka, čím více dat má k dispozici a může je využít ke zpětné vazbě. Žáci například dostanou obtížné úkoly až poté, co softwarový program vyhodnotí, že opravdu ovládají základní znalosti.

Díky Big Data bude možné analyzovat, co při výuce funguje, či nefunguje, a to nejen obecně, ale podle třídy nebo jednotlivého žáka. A také přizpůsobit učební plán a vyučovanou látku tak, aby odpovídaly jeho schopnostem.

Předpovědi

Big Data také umožní přesněji stanovit, čemu by se žák měl v budoucnu věnovat, čímž se zamezí plýtvání časem a zdroji. Analýza informací například doporučí účast ve dvoutýdenním semináři, jenž se věnuje kvadratickým rovnicím místo celých prázdnin strávených v doučovacím kurzu matematiky. Big Data představují především analýzu získaných dat, a nikoli konkurenci onlinovým vyučovacím kurzům na velkou vzdálenost nebo při zaměstnání.

Big Data také umožní přesněji stanovit, čemu by se žák měl v budoucnu věnovat, čímž se zamezí plýtvání časem a zdroji

V této souvislosti je možné uvést jako příklad internetovou obchodní společnost Amazon. Ta začala vážně ohrožovat kamenná knihkupectví až poté, co se rozhodla vyhodnocovat informace získané od svých zákazníků. Rozhodující nebyla internetová nabídka, ale data, jež umožňovala Amazonu doporučovat produkty podle zálib svých klientů. Kvalita informací totiž souvisí s jejich množstvím, a proto budou mít masové vzdělávací instituce výhodu před malými elitními školami nebo univerzitami, protože nebudou schopné generovat dostatečný počet dat.

Mayer-Schönberger a Cukier vedle přínosu Big Data pro školský systém uvádějí i zápory spojené se shromažďováním informací. Například je třeba vyřešit, kde budou tato data uložena, kdo k nim bude mít přístup a zda je bude možné vymazat. Co když bude i po mnoha letech možné dohledat, že na základní škole někdo navštěvoval doučování pro zaostávající, a tato informace se s ním dostane až na univerzitu?

Jeho hodnocení také může ovlivňovat počet zameškaných hodin, snížené známky z chování nebo návštěva školního psychologa, přestože bude mít „divoké období“ dávno za sebou. Big Data představují trvalou přítomnost minulosti pro každého, kdo bude rozhodovat o budoucnosti dotyčného.

Nejvážnější dopad

Dnes není problém vygooglovat informace o uchazeči o studium nebo pracovní místo, ale narůstá i zájem o jeho facebookový profil. Tím se otvírá přístup nejen k jeho názorům, zálibám a selfie, ale i ke komentářům jiných lidí o něm v průběhu třeba deseti let. V budoucnu budou personální rozhodnutí stále častěji prováděna pomocí algoritmů a jejich studenou logiku nenaruší ani osobní pohovor, ve kterém lze přesvědčit personalistu, že jste tím správným uchazečem.

Nejvážnějším dopadem Big Data ve vzdělávání může být individualizace potřeb a schopností lidí

Nejvážnějším dopadem Big Data ve vzdělávání ale může být individualizace potřeb a schopností lidí. Problémem však je fragmentarizace společnosti, kdy v důsledku výběru informací z internetu či kabelové televize podle vlastních zájmů nastává izolace od ostatních lidí a přestává být zřejmé, zda hodnoty a názory odpovídají většinovému názoru.

Podobně může speciální učební plán odloučit od skupinové zkušenosti ve školském systému a vést k individualizovanému vzdělávacímu produktu, který zamezí sdílet společné znalosti s ostatními a způsobí odtržení od společnosti.

Learning with Big Data: The Future of Education

Vyučování s Big Data. Budoucnost vzdělávání

AUTOŘI: Viktor Mayer-Schönberger, Kenneth Cukier

VYDAL: Houghton Mifflin Harcourt 2014

ROZSAH: 60 stran