فدک - آموزش مجازی - تکنولوژی تجزیه و تحلیل داده‎های آموزشی
آخرین تغییرات : 2017-07-31تعداد بازدید : 249

تکنولوژی تجزیه و تحلیل داده‎های آموزشی



آیا تا به حال به این موضوع فکر کرده اید که داده کاوی یا همان «Data Mining» در چه مواردی کاربرد دارد؟ آیا می‌توان تفاوتی بین داده کاوی و علم آمار قائل شد؟ چرا در مدارس استفاده از این روش را راهی برای بهبود نیازها می‌دانند؟ با ما همراه باشید تا بتوانید به پاسخ پرسش‎های فوق دست یابید.

همان طور که از اسم داده کاوی مشخص است، وظیفه آن کاویدن و جستجو اطلاعات در بین پایگاه‎های داده بزرگ است تا بتوان از آن‎ها به عنوان سرمایه‎ای گرانبها در جهت یافتن مشکلات و پیدا کردن راه حل‎هایی به منظور رفع آن‎ها استفاده کرد. در حقیقت داده کاوی " استخراج اطلاعات و یا الگوها در حجم زیادی از داده‌ها در یک یا چند بانک اطلاعاتی بزرگ" است. داده کاوی این امکان را فراهم می‌آورد تا بتوانید رفتارها در حوزه کاری مرتبط با خود را شناسایی کرده و براساس آن آینده را با درصد بالایی از اطمینان پیش بینی کنید. این که شما بتوانید با استفاده از تجزیه و تحلیل داده‎ها به شناسایی نیازهای خاص در آینده بپردازید شما را قادر می‌سازد تا هر چه بیشتر پیشرفت داشته باشید.
حمایت از تصمیم گیری بر مبنای ساخت داده با استفاده از تکنولوژی‎های تجزیه و تحلیل داده‎ها

امروزه در سطح جهان، تصمیم گیری بر اساس اطلاعات در مدارس به عنوان یک روند با هدف حمایت از استقلال مدارس، رو به رشد است چرا که با به کارگیری این روش قصد شده تا به مدارس این اجازه را بدهند که علاوه بر داشتن توانایی در جهت پاسخگویی به استانداردهای نظارتی کشورها، بتوانند به صورت داخلی و مستمر به ارزیابی و بهبود نیازهای خود بپردازند.

داده کاوی " استخراج اطلاعات و یا الگوها در حجم زیادی از داده‌ها در یک یا چند بانک اطلاعاتی بزرگ" است.

داده کاوی این امکان را فراهم می‌آورد تا بتوانید رفتارها در حوزه کاری مرتبط با خود را شناسایی کرده و براساس آن آینده را با درصد بالایی از اطمینان پیش بینی کنید.

 

برای پرداختن به این موضوع می‌بایست زاویه‎های مختلفی را مورد بررسی قرار داد که یکی از جنبه‎های حیاتی آن آشنایی معلمان با ادبیات داده و استخراج محتوا از داده است. اساس این امر بهره مند بودن معلمان از میزان تحصیلات کافی است به گونه‎ای که آنها این قدرت را داشته باشند که از داده‎های در اختیار خود در فرایند تصمیم گیری استفاده کنند. موضوع مطرح شده آنقدرها هم که تصور می‌کنید کار آسانی نیست، اگر از تکنولوژی‎های دیجیتالی در آن استفاده نشود.

در این نوشتار قصد داریم به بحث در مورد تکنولوژی‎های تجزیه و تحلیل داده‎های آموزشی بپردازیم تا بتوانیم از آن‎ها در مدارس برای تصمیم گیری بر اساس ترافیک داده استفاده کنیم. سیستم تجزیه و تحلیل داده همان داده کاوی است و در واقع یک سری اطلاعات از یادگیرندگان جمع آوری کرده و با استفاده از نرم افزارهای مختلف و کاربردی مانند (Rapid Miner) به بررسی و تجزیه و تحلیل آن‎ها می‌پردازید. با این روش به نتایجی دست خواهید یافت که با صرف دیدن و یا دقت در آن داده‎ها به این نتایج نمی‎رسیدیم.

 
استقلال مدارس

استقلال مدارس به عنوان یک روند سیاستی به منظور به دست آوردن خروجی‎های تحصیلی بهتر برای یادگیرندگان بوده و عملکرد تاثیرگذارتر مدارس را در پی دارد. این موضوع در کانون توجه اصلاحات نظام آموزش و پرورش دنیا قرار گرفته و به عنوان نمونه در کشورهایی همچون ایتالیا، استرالیا، اروپا و به طور کلی در سطح جهانی مطرح شده است. در این زمینه مدارس این اجازه را دارند که آزادانه تر تصمیم گیری کنند چه برای طراحی دروس و واحدهای آن و چه برای نحوه ارائه دروس. همچنین در زمینه مدیریت منابع انسانی، تعمیر و نگهداری زیر ساخت‎ها و تدارکات و ... نیز می‌توانند مستقل تر عمل کنند. اگرچه برای این افزایش سطح استقلال می‌بایست شواهدی قوی داشته باشند تا با ارائه این شواهد عنوان کنند که نیازمند این افزایش استقلال هستند.

 
تجزیه و تحلیل

در کنار شواهد ذکر شده مدارس می‌بایست به رعایت دو مورد الزامی بپردازند که عبارتند از:

یک سری جلسات برگزار شود که در آن بتوانند نسبت به استانداردهای آموزش و پرورش پاسخگو بوده و قابلیت تطابق با استانداردهای خارجی را داشته باشند، مقررات ملی را رعایت کرده و در عین حال استقلال داشته باشند.

نهاد آموزشی مورد نظر می‌بایست به صورت مستمر به ارزیابی خود پرداخته و در پیشرفت خود نقش به سزایی داشته باشد.

اگر موارد عنوان شده در کنار یکدیگر قرار گیرند می‌توان به جمع آوری و تجزیه و تحلیل داده‎های آموزشی پرداخت و داده‎های تولید شده در این راه را مورد بررسی قرار داد و بر همین اساس تصمیم گیری‎های مورد نظر را انجام داد.

 
داده‎های آموزشی و تصمیم گیری مبتنی بر داده

تصمیم گیری‎های اطلاعات محور در مدارس تحت این عنوان تعریف می‌شود: "مجموعه‎ای سیستماتیک، تجزیه و تحلیل، بررسی، تفسیر داده‎ها به منظور سیاست گذاری مجموعه‎های آموزشی"

 
تکنولوژی تجزیه و تحلیل داده‎های آموزشی (به منظور تصمیم گیری‎های داده محور در مدارس 2)

 

هدف از این مدل تصمیم گیری چیست؟ چرا به جمع آوری و بررسی برخی از اطلاعات می‌پردازیم تا براساس آن‎ها تصمیم گیری کنیم؟ هدف از تصمیم گیری‎های مبتنی بر داده، ارائه گزارشی است به منظور ارزیابی و بهبود فرایند که در نهایت به خروجی‎های موفقیت آمیز منتهی می‌شود.

 
تکنولوژی تجزیه و تحلیل داده‎های آموزشی (به منظور تصمیم گیری‎های داده محور در مدارس 2)

 

 

داده‎های آموزشی توسط منابع مختلفی تولید می‌شوند که هم می‌توانند داخلی و هم خارجی باشند. به طور مثال شما می‌توانید یک سری اطلاعات جمع آوری کرده و براساس ارزیابی آن‎ها به این نتیجه برسید که با انجام چه موارد و فعالیت‎هایی می‌توان روند رو به رشدی را برای دانشجویان فراهم نمود.

حال اطلاعات جمع آوری شده می‌تواند اطلاعات شخصی دانشجو مانند اطلاعات جمعیت شناختی، سن، زمان و مکان تولد یا عملکرد تحصیلی سال‎های قبل وی و ... باشد.

همچنین اطلاعات مورد نظر می‌تواند شامل مواردی باشد که از سمت معلمان جمع آوری می‌شوند. به طور مثال می‌توان در خصوص میزان شایستگی و تجربه‎های حرفه‎ای دانشجو یا دانش آموز پرس و جو کرد و یا می‌توانند آن دسته از داده‎هایی باشند که در طی فرایند آموزش، تدریس، یادگیری و ارزیابی تکالیف تولید شده و به دست آمده اند. تمامی این موارد می‌تواند مرتبط با کلاس‎های داخلی و یا خارج از مدرسه و موسسه آموزشی گردآوری شود.

همچنین می‌توانید علاوه بر توجه به عملکرد حضوری فرد در مدرسه یا موسسه، به ارزیابی وی براساس تکالیف محول شده که خارج از محیط آموزشی انجام شده است، بپردازید.

 
تکنولوژی تجزیه و تحلیل داده‎های آموزشی (به منظور تصمیم گیری‎های داده محور در مدارس 2)

 

موارد دیگری نیز وجود دارد که می‌تواند علاوه بر عملکرد یادگیرنده، در میزان پیشرفت کار شخص نیز تاثیرگذار باشد. به طور مثال به غیر از مواردی که مربوط به سن، تجربه و ... بود موارد دیگری نیز وجود دارد که از آن‎ها می‌توان به عنوان اطلاعات استفاده کرد حتی این اطلاعات می‌تواند شامل اطلاعات غیر آموزشی نیز باشد به عنوان مثال برنامه ریزی‎ها در خصوص مسائل مالی تا چه اندازه صورت گرفته و تا چه حد مورد توجه است؟ زیر ساخت‎هایی که بتوان آن‎ها را مورد استفاده قرار داد تا چه میزان در مدارس وجود دارد؟ به لحاظ تامین تجهیزات نرم افزاری و سخت افزاری چه بودجه‎ای در نظر گرفته شده است؟ همین موارد نیز می‌توانند به عنوان اطلاعات محور، مورد بررسی قرار گیرند.

 

 

داده‎های آموزشی توسط منابع مختلفی تولید می‌شوند که هم می‌توانند داخلی و هم خارجی باشند. اطلاعات جمع آوری شده می‌تواند اطلاعات شخصی دانشجو مانند اطلاعات جمعیت شناختی، سن، زمان و مکان تولد یا عملکرد تحصیلی سال‎های قبل باشد همچنین می‌تواند طی فرایند آموزش، تدریس، یادگیری و ارزیابی تکالیف تولید شده و به دست آمده باشند، همین طور ارزیابی وی می‌تواند براساس تکالیف محول شده که خارج از محیط آموزشی انجام شده است، انجام پذیرد.

اگر ما بتوانیم کامپیوترهایی را در اختیار مخاطبان قرار دهیم که به لحاظ سخت افزاری و نرم افزاری قابل قبول باشند، در کسب خروجی‎های به دست آمده تاثیر گذار خواهد بود.

همچنین توجه به سلامت و تندرستی افراد می‌تواند از دیگر موارد باشد. این که فرد تا چه اندازه اجتماعی بوده، میزان رشد عاطفی او چقدر بوده و تا چه اندازه از او پشتیبانی می‌شود. افراد مختلف نیازهای ویژه و متنوعی دارند حال برای آن که بتوانیم خروجی بهتری در این راه کسب کنیم می‌توانیم به تک تک آن‎ها توجه کرده و به بررسی هر فرد به طور مجزا بپردازیم.

 

مهم‌ترین عامل و در واقع هسته مرکزی این مقوله، شایستگی معلمان است که تا چه اندازه می‌توانند از اطلاعات و ارزیابی‎های به دست آمده استفاده کرده و به بهبود و رشد خود بپردازند. با توجه به این مطلب و مطلب قبل به نظر شما شایستگی معلمان در این زمینه تا چه میزان می‌تواند تاثیرگذار باشد؟

با توجه به نیازی که امروزه برای این نوع دریافت و تجزیه و تحلیل اطلاعات در دنیا احساس می‌شود و نیازمند تصمیم گیری بر مبنای این گونه اطلاعات هستیم می‌بایست به این نکته توجه داشته باشیم که مهم‌ترین عامل و در واقع هسته مرکزی این مقوله، شایستگی معلمان است که تا چه اندازه می‌توانند از اطلاعات و ارزیابی‎های به دست آمده استفاده کرده و به بهبود و رشد خود بپردازند. با توجه به این مطلب و مطلب قبل به نظر شما شایستگی معلمان در این زمینه تا چه میزان می‌تواند تاثیرگذار باشد؟ در قسمت بعدی نیز با ما همراه باشید.

 

عنوان کردیم که هسته و دلیل اصلی موفقیت در این فرایند سواد داده معلمان (Data literacy) است. اینکه معلمان چقدر می‌توانند با این داده‎ها کار کنند در این فرایند بسیار تاثیرگذار خواهد بود.

این تعریف شامل صلاحیت و شایستگی (دانش، مهارت و نگرش) است بدین منظور که بتوان داده‎ها را شناسایی کرده و به جمع آوری، تجزیه و تحلیل، تفسیر داده‎ها پرداخت تا بتوانند براساس داده‎های آموزشی که از منابع مختلف به دست آمده اند، عمل کنند.

معلمان باید بتوانند تدریس خود را بهبود ببخشند، یادگیری را افزایش داده و فرایند آموزش را تسهیل کنند. این گونه به نظر می‌رسد که قبل از شروع به کار معلمان، آموزشی تحت عنوان سواد داده می‌بایست برای آن‎ها در نظر گرفته شود تا بتوانند مجوزهای استاندارد را اخذ کرده و تحت یک استاندارد معتبر مثل CAEP آن را به دست آورده و تدریس کنند. این امر برای معلمان می‌بایست به عنوان یک مدل استانداردهای هسته‎ای تعریف شود تا نیاز به کسب مجوز از سوی بخش استانداردهای توسعه حرفه‎ای را احساس کنند.

علی رغم اینکه این موضوع بسیار حائز اهمیت است سطح استفاده معلمان از این داده‎های آموزشی بسیار محدود است که از جمله دلایل اصلی آن عبارتند از:

دسترسی محدود به داده‎های آموزشی

جمع آوری و تحلیل داده‎های آموزشی که مناسب نبوده و می‌توان گفت بی مورد با حوزه کاری هستند.

کیفیت پایین داده‎ها که حتی می‌توان آن‎ها را به صورت دستی نیز جمع آوری کرد.

کمبود زمان و پشتیبانی، چرا که داده‎ها می‌بایست در زمان مناسب جمع اوری شده و توسط یک گروه خبره مورد بررسی قرار گیرند.

برای پرداختن به موانع ذکر شده یک سری فناوری‎های دیجیتالی خاص پدید آمده که تحت عنوان تجزیه و تحلیل آموزشی مطرح شده‎اند و به موارد مورد نیاز اشاره دارد. تکنولوژی‎های تجزیه و تحلیل ترافیک داده امروزی، در حال حاضر به عنوان یک برنامه فناوری موفق مطرح شده که می‌تواند بر موانع عملی برای تصمیم گیری مبتنی بر داده‎های پایدار و موثر در آموزش غلبه کند. به طور کلی فناوری‎های اطلاعاتی را می‌توان در سه دسته اصلی طبقه بندی کرد:
تکنولوژی تجزیه و تحلیل داده‎های آموزشی (به منظور تصمیم گیری‎های داده محور در مدارس 3)

 

دسته اول: آن دسته از تکنولوژی‎هایی است که در مورد تجزیه و تحلیل متدها، روش‎ها و ابزارهای کار مورد استفاده قرار می‌گیرند که مرتبط با طراحان آموزشی بوده‎اند و به این معنا که معلمان یا طراحان این حوزه از آن‎ها استفاده می‌کنند. در واقع طرح‎ها و منابع درسی و یا ابزارهایی که مربیان با استفاده از آن به تدریس می‌پردازند را مورد تجزیه و تحلیل قرار داده تا بتوانند آن‎ها را بهبود بخشند و قبل از آن که به مخاطبان ارائه شود از آن بازخوردهای لازم را دریافت می‌کنند.

دسته دوم: آن‎هایی هستند که مربوط به تجزیه و تحلیل یادگیری است. یادگیری عبارت است از: "اندازه گیری، جمع آوری، تجزیه و تحلیل، گزارش دهی اطلاعات در مورد یادگیرندگان و زمینه‎های آنها به منظور درک و یادگیری بهینه و اینکه در چه محیطی رخ می‌دهد."

در نتیجه این حوزه مربوط به فناوری‎هایی است که به تجزیه و تحلیل یادگیری می‌پردازد. در حقیقت می‌بایست از آن دسته اطلاعاتی که یادگیرندگان می‌بایست کسب کنند، گزارش تهیه کرده و با توجه به زمینه فعالیت افراد بتوانند مطالب ارائه شده در جهت بهبود یادگیری افراد را در اختیارشان قرار دهند.
تکنولوژی تجزیه و تحلیل داده‎های آموزشی (به منظور تصمیم گیری‎های داده محور در مدارس 3)

 

دسته سوم: ترکیبی از تجزیه و تحلیل آموزش و یادگیری است. این دسته، از فرایند آموزش معلمان پشتیبانی می‌کند. به این معنا که درس طراحی و تدریس شده را با استفاده از برخی شواهد مانند اینکه افراد تا چه میزان یادگیری داشته‎اند مورد بررسی قرار داده تا بتوانند بازخوردهای مناسب را کسب کنند.

 
نتیجه گیری:

بعد از آن که روندی رو به رشد در سطح بین المللی برای استقلال مدارس اتفاق افتاد تا مدارس بتوانند با استفاده از داده‎های آموزشی به صورت مستقل به تصمیم گیری بپردازند و خروجی خود را بهینه کنند، داشتن دو مورد حیاتی است:

پاسخگو بودن مدارس

بهبود و ارزیابی مستمر

با این حال نمی‎توان از تمام ظرفیت سواد داده معلمان استفاده کرد و دلیل آن هم وجود یک سری موانع عملی است که در متن به آن‎ها اشاره شد اما فناوری‎های تجزیه و تحلیل داده‎ها که شامل سه دسته اصلی فناوری‎های تدریس، فناوری‎های یادگیری و فناوری ترکیبی این دو بود، می‌تواند موانع را برطرف کرده و تا حدودی به آینده این فرایند امیدوار بود.
تکنولوژی تجزیه و تحلیل داده‎های آموزشی (به منظور تصمیم گیری‎های داده محور در مدارس 3)

 

اگر شما علاقه مند به کسب اطلاعات بیشتر در این زمینه هستید می‌توانید به جامعه بزرگ معلمان نوآور در سراسر جهان بپیوندید. اما چگونه؟ جواب این سوال شرکت در دوره‎های MOOC است که توسط دانشگاه‎های معتبری همچون MIT یا‎هاروارد برگزار می‌شود. همچنین دوره‎های خوبی در این زمینه توسط شرکت EDX برگزار شده است. فراموش نکنید که این اولین مقاله ما با این دیدگاه بود بعد از این مقالات بیشتری در این زمینه ارائه خواهد شد تا درک بهتری نسبت به این موضوع پیدا کنید.

 

 


 
منابع :

Educational Data Analytics Technologies For Data-Driven Decision Making In Schools “DEMETRIOS G. SAMPSON”

www.elearningindustry.com

Analyze Your Lesson Plans To Improve Them
بخش آموزش الکترونیکی سایت تبیان، تهیه : سید خاموشی
تنظیم: زینب شاه مرادی


  

2000-2016 CMS Fadak. ||| Version : 4.2-b1 ||| This page was produced in : 0.001 Seconds