数据破坏教学的10种方式
通过特里Heick
你如何在教学中使用数据?或评估?
在功能上,评估的目的是提供数据修改计划指导。在了解学生的理解情况后，可以根据这些结果——也就是所谓的“数据”——来制定走向精通的最佳路径。
虽然任何形式的评估都存在固有的(可能是严重的)缺陷(判断学生理解什么的最好方法是什么?)，评估设计是另一个话题。目前，它可以帮助人们更好地理解数据——它的好处，或许更重要的是，它的局限性。vwin.com德赢
像Rick Stiggins, Richard DuFour和Nancy Love这样的数据拥护者在数据和数据交换方面都做了出色的工作。爱的书利用数据改善所有人的学习对于任何想要更好地理解数据如何支持提高他们的技能的老师来说，这是一个写得很好的和彻底的起点。
但事情没那么简单。
在教学中使用数据
数据不仅成为学校改善的催化剂，而且成为教育改革的整体激励力量。
从“不让一个孩子掉队”，到数据团队和小型农村学区的专业学习社区，人们呼吁用数据为日益阴暗的学校改善之水带来科学和光明。在许多学校和地区，数据不只是一种工具，它是一个现实，每个人，每一个努力，都被评判。
被衡量的东西被珍视(反之亦然)，许多其他的可能性就消失了。
虽然这是有问题的——评估设计远远落后于可用的学习领域、空间和工具——但有一些方法可以将数据驱动的狂热所造成的损害最小化。关键不是不把数据作为一种有价值的教学工具，而是理解其在追求更好的评估设计和数据提取实践方面的局限性，特别是以数据友好型课程和教学设计的形式。
那么，数据(一个无可挑剔的概念)会以何种方式破坏你的教学呢?
在教学中使用数据?10种可能出错的方式
1.这些评估并不精确
测试，小测验，项目，和其他对程序知识要求高而对a要求低的评估发现学生对被评估内容和标准的理解程度的能力不仅没有帮助，他们对学生是有害的，并阻碍了学习。
当考试比学习者、内容或老师更重要时，有些事情就不正常了。
2.基于评估结果的推断是有限的或错误的
即使有一份写得很好的评估，在教学中使用数据的作用也仅限于教育工作者根据这些数据决定如何最好地修改计划好的教学。项目分析——让每个学生仔细检查每一个问题，然后推断出问题出在哪里——是一个非常痛苦的过程，最多也就是有经验的猜测。
如果做得拙劣，这将是一个灾难的配方——或者至少对学生来说是一个不平衡和令人沮丧的学习经历。
3.评估是罕见的
在持续评估的氛围中，每一个“测试”(小测验、退场纸条、概念图、绘图、对话、观察等)都提供了对学生所做事情的一个快照似乎理解(参见#1)。
但是，如果这种评估并不频繁，那么展示进步和精通的机会就很有限。学生们因为各种各样与考试内容无关的原因在考试中挣扎，从焦虑到仅仅是心情不好。
4.这种评估不合时宜
在错误的时间做出正确的评价就是错误的评价。在一个理想的环境中，每个学生都将得到一个完全个性化的评估路径——在正确的时间正确的内容，在正确的时间正确的评估。
对于公立学校来说，这是一个挑战，因为教育工作者可能面临着写作评估、规划教学、修改教学、项目分析、数据提取等繁重的工作。
即使是在“数据团队”的环境中，不管老师和学校的积极进取精神如何，这都可能是难以持续承担的。
5.d你正在用的ata已经约会过了
在正确的时间给出正确的评估，如果不立即使用，甚至导致正确的推论，都是毫无帮助的。理解是易逝的，随着经验和时间的增长和收缩。过时的数据是变质的牛奶。
6.”不考虑知识深度
大多数教育家都很清楚知识深度的重要性布鲁姆的分类为例。
但是，如果一场考试不是有意使用这些想法——从低水平的回忆到更高水平的“批判性思维”技能——数据就必须以同样有限的视角来考虑。
7.数据不是透明的，也不能被其他人访问
老师是贪吃惩罚的人，他们自己承担了整个学习过程。这不仅不现实，而且对学习者有害。毕竟，这需要一个村庄。其他内容领域的教师、管理人员、家长、家庭、导师甚至社区成员对学习者表现的了解越多，学生支持系统的包容性就越强。
8.数据源并不是多样化的
从出境单到考试，从项目到基于计算机的评估，从自我评估到同行评估，从地区评估到国家评估，从基于标准到参照标准，等等，数据来源越多样化，对宏观的理解就越完整。
9.抵制数据“吸收”的僵化课程
如果课程是照本编本的，节奏指导是残酷的，课程规划是死板的和静态的，评估是预先制定和打包的，这些因素都不利于吸收和使用数据，不能立即对学生的学习需求做出反应。
10.数据太多了
南希·洛夫在她的书中解释道:“仅仅拥有更多可用的数据是不够的。学校被数据淹没了。问题是(使用所有的)数据……”
数据太多比没有数据更糟糕。
图像属性flicker用户tulanepublicrelations