«Большие данные» – в помощь малообеспеченным учащимся
«Большие данные» – в помощь малообеспеченным учащимся
Страны нуждаются в умелых и талантливых людях для генерирования инноваций, составляющих основу долгосрочного экономического роста. Это столь же верно для развитых стран, как и для развивающихся. Но этого не будет без вложений в образование и обучение. Если мы хотим покончить с бедностью, сократить безработицу и сдержать усиливающееся экономическое неравенство, нам нужно найти новые, лучшие и более дешевые способы обучения — и в огромных масштабах.
Эта цель может показаться не по силам даже самым богатым странам; но продуманный сбор, анализ и использование образовательной информации может очень сильно изменить положение. И, к счастью, мы живем в эпоху, когда информационные технологии дают нам подходящие инструменты для расширения доступа к высококачественному недорогому образованию. Так называемые «Большие данные» — массивы данных большого объема, сложно организованные, которые в бизнесе используют для анализа и предсказания поведения потребителей — могут предоставить преподавателям и компаниям беспрецедентное количество информации о том, каким образом учащиеся усваивают информацию, что помогло бы учебным заведениям во все большей степени использовать в преподавании индивидуальный подход.
Группа Всемирного банка и ее подразделение, занимающееся кредитованием частного сектора, Международная финансовая корпорация (МФК), стремятся использовать этот потенциал, чтобы поддержать национальные системы образования. Недавняя инициатива под названием «Системный подход для лучших результатов в образовании» заключается в сборе и распространении сравнительной информации по образовательной политике и учреждениям образования в странах мира.
В частном секторе способность собирать информацию о взаимодействии учащийся-преподаватель, а также взаимодействии между учащимися и системами усвоения знаний может оказать значительное влияние. В Кении, например, сеть частных школ Bridge International Academies использует адаптивное обучение в широких масштабах. Эта сеть, основанная тремя американскими предпринимателями, является клиентом МФК, и в нее входят 259 детских садов и начальных школ, стоимость месячного обучения в которых составляет в среднем 6 долларов. Это массовая учебная лаборатория, как для учеников, так и для учителей.
Сеть Bridge испытывает различные подходы для обучения стандартным навыкам и понятиям, проводя одновременно один и тот же урок в двух вариантах в большом количестве классов. Учителя проводят уроки по стандартизированным, заранее заготовленным планам, посредством планшетов, которые также позволяют отслеживать, сколько времени учителя тратят на каждый урок. Результаты экзаменов фиксируются на планшете учителя, причем каждый 21 день в базу вносится более 250 тысяч оценок. На основании этих данных команда оценщиков Bridge решает, какой из уроков наиболее эффективен, и распространяет его учебный план по всей остальной образовательной сети.
Мы знаем, что снижение учебных результатов может быть вызвано целым рядом причин: к примеру, летней жарой в классах при отсутствии кондиционера, проблемами в семье или плохим качеством работы учителя. Но когда результаты собираются в большом масштабе, случайные колебания усредняются и проявляются значимые различия. Вот в чем огромное значение «Больших данных».
Другой пример — система школ SABIS, предоставляющая полное среднее образование в США, Европе, Азии, на Ближнем Востоке и в Северной Африке. SABIS перерабатывает большие массивы данных для обеспечения высоких стандартов и улучшения учебных результатов более чем для 63 тысяч учеников. Постоянное отслеживание годовых результатов учеников дает более 14 миллионов единичных данных, которые используются для корректировки работы учителя, достижения учебных целей и обеспечения соблюдения стандартов во всей сети школ компании, расположенных в 15 странах.
Еще одна компания, находящаяся на переднем крае революции в работе с данными — Knewton, разработчик адаптивной обучающей платформы, позволяющей индивидуализировать виртуальные курсы с помощью предсказательной аналитики. С помощью специально подобранного содержания и методики обучения даже заведения, не располагающие такими ресурсами, как частные школы, могут предоставлять индивидуальное обучение. В результате учителя тратят свое время самым эффективным из возможных способов: разрешая проблемы, возникающие у учеников, вместо того чтобы проводить унифицированные уроки.
Эти преимущества сопряжены и с некоторым риском. Мы только делаем первые шаги по пути использования огромного образовательного потенциала «Больших данных», не забывая при этом о защите личной информации учеников. В некоторых случаях технология сбора данных опережает нашу способность решить, как именно их следует собирать, хранить и распространять. Как бы строго данные ни охранялись, все равно необходимо иметь прозрачную лицензирующую структуру для их использования. Во многих развивающихся странах защита личных данных вообще никак не обеспечена законодательно.
Взаимодействие данных и образования обещает создание новых видов образовательной продукции для улучшения обучения, имеющих большие потенциальные преимущества, особенно для малообеспеченных слоев населения. Для реализации этих преимуществ — и чтобы подойти к этому ответственно — мы должны гарантировать, что данные не будут собираться в излишнем количестве или использоваться не по назначению и что это пойдет на пользу обучению. Частный сектор, правительства и такие институты, как группа Всемирного банка, должны сформулировать правила сбора, распространения и использования важной информации об успеваемости учащихся. Родителям и ученикам не стоит соглашаться на меньшее.