Ny trend:
Skolutveckling med egna frågor
och dataanalys
Hur kan skolans personal själv använda
data på ett strukturerat sätt för att
åstadkomma skolutveckling? Det är en
trend som är i stark tillväxt. Men kan
denna trend inrymmas inom modetermen
Learning Analytics, eller är den
lärardrivna analysen något annat?
Nacka och Stockholm har utforskat
en metod för datastödd skolutveckling.
Det har skett i ett tvåårigt EUstött
projekt tillsammans med nederländska
forskare, som DIU berättat
om i nr 7, 2013.
Modellen har två grundpelare.
Den första är att man tar sin utgångspunkt
i personalens egna frågor eller
det man upplever som problem och
att det är personalen själv som står för
analysen. Den andra är att analysen
ska bygga på fakta i form av data eller
systematiskt insamlad information.
Man samlas i grupper om sex till åtta
personer runt ett gemensamt problem
och undersöker först om den gemensamma
problembeskrivningen har
en grund i verkligheten eller om den
är en missuppfattning. Ofta kan man
använda redan existerande data för att
komma vidare men ibland behöver ny
information samlas in. Metoden innebär
att man går systematiskt till väga
och lägger stor vikt vid att utforma
hypotesen eller den gemensamma
problemformuleringen, vanligen tillsammans
med en extern coach. Nacka
har funnit metoden så användbar att
man nu går vidare på egen hand, efter
det att EU-projektet är avslutat.
Exemplet från Stockholm och
Nacka kan ses som en jordnära och
konkret tillämpning av begreppet
Learning Analytics, vilket förekommer
allt oftare. Det finns ännu inget
bra svenskt namn på den företeelse
som norrmännen kallar læringsanalyse.
Ett sätt att snabbt förklara vad
det handlar om är att det handlar om
att använda data inom skolområdet
för att analysera och utveckla undervisning
och lärande. Vissa förknippar
Learning Analytics enbart med Big
Data det vill säga extremt stora datamängder
där man med hjälp av avancerad
programvara söker mönster
som inte är skönjbara för blotta ögat.
Fenomen på frammarsch
Oavsett benämning så räknar många
experter med att fenomenet snart
kommer att prägla utbildningsväsendet.
Som beskrevs i en artikel i DIU
nr 4, 2013 så räknar den amerikanska
framtidsspanarrapporten Horizon
med att Learning Analytics ska slå
igenom stort inom två-tre år. Den
europeiska motsvarigheten, kallad
Innovating Pedagogy 2013, som ges ut
av Open University i Storbritannien
tror att det tar något längre tid innan
fenomenet slår igenom i Europa.
Engelsmännen är inte lika övertygade
om att det kommer att få en så
stor påverkan på utbildningssektorn
som den amerikanska Horizon-rapporten
antar. Norska experter menar
i sin version av Horizon-rapporten
att Learning Analytics finns på bred
front i Norge om fyra till fem år.
Men oavsett när Learning Analytics
slår igenom så kan företeelsen verka
väldigt teknisk och kanske till och
med avskräckande. För den som känner
så kan det möjligen vara en tröst
att känna till att det pågår mycket
datainsamling och analysarbete redan
idag, så situationen kanske inte blir så
dramatiskt annorlunda.
Exempel på existerande
dataanvändning
Redan idag samlas väldigt mycket
data in, data som till viss del skulle
kunna användas bättre. Och redan
idag förekommer en hel del dataanvändning,
även om vi inte alltid tänker
på det som Learning Analytics.
Data kan samlas in och analyseras
på olika nivåer som på individnivån,
skolnivån, kommunnivån och den nationella
nivån. I denna artikel ska jag
ge exempel på några användningsområden
från svensk skola på samtliga
dessa nivåer.
Individnivån
Många kommuner och regioner
har system för central antagning till
gymnasiet. I dessa system samlas en
mängd data som skulle kunna användas
till exempel för att göra prognoser
över elever som är i farozonen för att
hoppa av studierna. Därmed skulle
stödåtgärder kunna sättas in tidigare.
Utöver sådana möjligheter finns
det andra skäl att intressera sig närmare
för dessa system, vilken data
de samlar in och hur de i övrigt är
uppbyggda. En region har berättat att
det system man hade var specialbyggt
och kommunerna saknade tillgång till
den grundläggande datakoden. Det
innebar att ingen riktigt visste hur
systemet egentligen fungerade och om
urvalet gjordes på rätt grunder. Ytterst
blev detta en fråga om rättssäkerhet
för individen! Den person som är ansvarig
för den här typen av antagning
måste ställas sig frågan om han eller
hon kan garantera att deras databehandling
och antagning är rättssäker.
Klassnivån
Skolverket utvecklar ett verktyg där
lärare ska kunna använda data från
de nationella proven för att jämföra
sin egen, eller sina egna klasser mot
de nationella resultaten – inte bara
totalresultatet utan ner på delprov och
enskilda delar för att kunna se om de
egna eleverna genomgående är starkare
eller svagare än riksgenomsnittet
i de olika delarna av proven.
Om det till exempel visar sig att de
elever jag undervisar genomgående är
svagare i hörförståelse i engelska, så
kanske jag behöver fundera igenom
hur jag lägger upp min undervisning i
det avseendet.
Skolnivån
Många kommuner har påbörjat ett
arbete med att förse sina rektorer och
förvaltningar med mer data för att
möjliggöra systematisk uppföljning
och tidig återkoppling till skolor och
lärare om någon kurva pekar åt fel
håll. Umeå kommun är ett exempel
där man skapat ett system för beslutsstöd
bland annat till skolorna. Systemet
ska underlätta rapporteringen
och fungera som stöd i dialogen mellan
rektorer och förvaltning. Vidare
ska det minimera behovet av manuell
sammanställning av data – det vill
säga man ska inte behöva sitta och
själv sammanställa uppgifter för att
kunna jämföra dem utan systemet ska
enkelt generera detta. Dess tredje huvuduppgift
är att stödja uppföljningsoch
analysarbetet. I botten finns olika
typer av statistik och uppgifter som
kommunen samlar in eller som man
får från Skolverket, SCB eller liknande.
En grundtanke i Umeås system,
liksom i de flesta likartade beslutsstöd,
är att ge tydlig visuell återkoppling
genom färger (grön - förbättring,
gul – risk, röd – varning) och pilar
(uppåt – förbättring, horisontell –
ingen skillnad, nedåt – försämring)
och så vidare. Man ska snabbt och
tydligt kunna se om olika processer
eller verksamhetsgrenar befinner sig i
en fas av förbättring, stagnation eller
till och med försämring. Förhoppningen
är att med tydliga och snabba
indikationer får man snabbare och
bättre riktade åtgärder.
Kommunnivån
SKLs Öppna jämförelser är ett bra
exempel på jämförelser på kommuneller
skolhuvudmannanivå. I Öppna
jämförelser redovisas resultat och
resursindikatorer på kommunnivå.
Skolans resultat beskrivs utifrån slutbetyg,
ämnesprov och omvärldskunskap
och resurserna utifrån uppgifter
om kostnader och personal. SKL utgår
från statistik som Skolverket och
SCB samlar in och gör egna analyser
av materialet för att kunna jämföra
kommunerna i olika avseenden. Även
SKL använder sig av färger, kurvor
och pilar.
Skolverkets databaser SIRIS och
SALSA är andra exempel på jämförelser
både på skolnivå och huvudmannanivå.
Det är i första hand
kommunerna som ingår i databasen
men i vissa fall finns även fristående
skolor och skolhuvudmän med i
statistiken. Skolverket redovisar en
stor mängd statistik öppet, utöver de
redan nämnda SIRIS och SALSA har
man även webbplatser med uppgifter
om barn och grupper, skolenheter och
elever, personal och studieresultat.
Man länkar också vidare till databaserna
för de olika internationella
undersökningarna. Sammantaget
innebär Skolverkets öppna redovisning
mycket göda möjligheter för den
som vill använda uppgifterna för egna
analyser, så som till exempel SKLs
Öppna jämförelser.
Nationell nivå
De internationella kunskapsmätningarna
har blivit fler under senare år. De
kommer till oss som bokstavsförkortningar
som PISA, TIMSS, PIRLS och
PIAAC. Dessa redovisas vanligen som
jämförelser på nationell nivå där det
samlade svenska resultatet ställs mot
andra länders resultat. Men man kan
också följa det egna landets resultat
över tid – uppgifter som kanske är
mer värdefulla än de rankinglistor
som tidningarna vanligen publicerar.
Digitaliseringskommissionens
webbplats Digitala Sverige redovisar
också några indikatorer på nationell
nivå där den svenska digitala utvecklingen
jämförs med andra europeiska
länder. Här är den en europisk
undersökning av tillgång och användning
av datorer och annan utrustning,
kompetensutveckling, upplevd
kompetens med mera som ligger till
grund.
Skolverket deltar i EU-projekt om
Learning Analytics
Skolverket deltar sedan några månader
i ett EU-projekt kallat LACE
(Learning Analytics Community
Exchange) som syftar till att bredda
kunskapen om Learning Analytics
och hur man kan använda data på
olika nivåer i skolutvecklingsarbetet.
Projektet vill också fördjupa diskussionen
om både för- och nackdelar
med en ökad datainsamling.
Ytterligare en del är att förbättra
samordningen inom och mellan länder
så att de uppgifter som samlas in
kan användas optimalt och att man
därmed inte behöver öka mängden
data mer än nödvändigt. Peter Karlberg,
som är ansvarig för projektet på
Skolverket, hoppas att kunna bygga
båda nationella och internationella
nätverk runt dessa frågor under de
närmaste åren.
En fråga man kan ställa är – om
det nu pågår så många aktiviteter
inom detta område redan – vad blir
skillnaden om några år då Learning
Analytics slagit igenom på allvar? Är
det bara mera av samma sak, eller blir
det annorlunda i något avseende? Om
mans ska tro på framtidsbeskrivningarna
så blir det skillnad i två avseenden.
Det gäller insamlingen och
redovisningen av data.
Den uppgiftsinsamling som för
närvarande görs bygger till allra
största delen på en aktiv insamling
via personer som rapporterar in data,
enkäter med mera. För att uppgifterna
som samlas in ska vara värdefulla
ställs stora krav på att de är väldefinierade
– de som rapporterar in uppgifter
måste till exempel vara överens
om vad som räknas som ”ogiltig frånvaro”
eller ”avhopp”. Annars jämförs
äpplen med päron och statistiken håller
låg kvalitet.
Framtidsvisionen är att när allt fler
jobbar allt mer i digitala miljöer så
kommer mycket mer av datainsamlingen
att ske automatiskt. Det innebär
att programvaran som vi arbetar
med är programmerad att skicka uppgifter
vidare till en insamlingsenhet.
Sannolikt kommer detta att dramatiskt
öka mängden data som finns tillgänglig.
Men förhoppningen är också
att olika typer av visualiseringsmöjligheter
ska under lätta tolkningen av all
information.
Eftersom insamlingen sker automatiskt
minskar risken för att datakvaliteten
blir låg. Men å andra sidan
behöver man ha noggranna diskussioner
innan om vilka data man ska
samla in, dels för att kunna besvara de
frågor man vill ha svar på och dels för
att inte samla in för mycket information
så att man drunknar i siffror
eller samlar på sig integritetshotande
uppgifter.
Här finns med andra ord ett stort
behov för en ingående diskussion på
alla nivåer – mellan lärare och rektorer,
inom förvaltningar och på nationell
och internationell nivå. Det är
den diskussionen som EU-projektet
LACE vill introducera och underlätta.
JAN HYLÉN
Jan Hylén
Konsult, expert i Digitaliseringskommissionen, medarbetare i DIU.
E-Post:
jan@janhylen.se