• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Институт образования

Содействовать доказательному улучшению сферы образования и человеческого развития

Аналитике в образовании не хватает ума: больших данных всё больше, но часто управленцы «не умеют их готовить»

Количество детей, которые занимаются в технических кружках, плавно растет в течение нескольких лет — такие данные показал в отчете один из районов. Значит, «верным путем идете, товарищи», — примерно такой вывод делали чиновники. Но если взглянуть на контекст, то окажется, что в это же время в районе закрывались кружки другой направленности, дети просто перетекали, и то не целиком, общая динамика внешкольных занятий — отрицательная. И, по уму, управленческие шаги должны быть совсем другими. Такой пример приводят Сергей Заир-Бек и Татьяна Мерцалова из Центра общего и дополнительного образования им. А.А. Пинского, когда разбирают типичные проблемы работы управленцев с большими данными.

Аналитике в образовании не хватает ума: больших данных всё больше, но часто управленцы «не умеют их готовить»

© AI

Цифр и показателей в сфере образования собирают всё больше, умеют ли с ними работать — большой вопрос. Чаще всего они просто копятся и не становятся основой для управленческих шагов. Система мониторингов неповоротлива (например, ничего внятного не смогла подсказать школе, когда начался форс-мажор с ковидом), а у тех, кто принимает решения, часто не хватает компетенций работы с данными. К тому же, «голый» математический подход без экспертных интерпретаций нередко приводит к ошибкам — когда не проверяют, как цифры связаны с реальностью (как в примере с кружками), или не могут правильно интерпретировать для выводов.

Авторы поясняют, почему в образовании важно не отвлекаться на посторонние данные, их очень много: для чего-то важны результаты ЕГЭ, а для чего-то показатели нагрузки учителей, иначе можно, например, решить строить новую школу, а работать в ней окажется некому. Часто за одними и теми же цифрами может стоять разная реальность: где-то высокий уровень инклюзии может означать, что всё замечательно, а где-то — что не хватает специализированных школ или классов.

В главе  разбирают, как прогнозировать на основе целевого ориентира, с кем можно сопоставлять свою организацию — с «лучшими», «средними» или «похожими» (а как выбрать похожую организацию или район?). Как устроено прогнозирование исходя из потребностей (сколько нужно?) или возможностей (сколько можем?), как оценивать контекстные условия и барьеры.

Глава «Принципы использования больших данных в управлении» опубликована в книге «Большие данные в образовании», выпущенной издательством «Наука», прочитать ее можно здесь