Tři otázky Douga Johnsona

Anotace

Doug Johnson je ředitelem odboru knihoven a technologií na školském úřadu obvodu Mankato v Minnesotě (USA). V roli lektora vysvětlujícího učitelům, jak používat technologie, napsal několik knih a provozuje Blue Skunk Blog. Právě zde mě zaujal jeho článek přinášející zajímavé souvislosti k právě velmi aktuálnímu tématu využití velkých dat ve školství - 3 questions about educational data [1].

Bezprostředním podnětem pro jeho napsání byl Dougovi jiný text, který několik dnů předtím vyšel na zpravodajském serveru Pando Daily - When your teacher is a robot [2]. Carmel Deamicis v něm zkoumá, jak daleko máme k tomu, že výuku našich dětí převezmou roboti. Vzpomíná na americký kreslený vědeckofantastický seriál pro děti z 60. let minulého století The Jetsons, jehož děj se odehrává v 60. letech století našeho. Vystupuje v něm celá řada robotů včetně robotické učitelky.

24. díl první série The Jetsons - Elroy's Mob

Konstatuje, že nám ještě drobný krůček chybí, ale jsme na nejlepší cestě fantastickou vizi seriálu naplnit (V Tokiu už učí robot). Dokládá to na příkladu firmy Desire2Learn zabývající se vývojem software na řízení výuky (LMS), která jen v loňském roce získala 80 mil. dolarů investic a pohltila, kromě jiného, nadějný startup Knowillage i s programem LeaP. Jedná se o modul, který bude mít v adaptivním systému řízení výuky na starosti návrh nejvhodnějších studijních postupů pro každého studenta. Výsledek má být závislý na komplexní analýze všech (velkých) dat generovaných z jeho předchozí činnosti. Při dostatečném dlouhodobém sledování každého studenta tak bude tento program schopen, protože „ví, co každý umí“, doporučit možná dokonce vhodnější studijní materiál než učitel, který si všechny tyto informace nemůže pamatovat (pokud není s žákem v každodenním kontaktu). K tomu, aby se výuky ujaly stroje, i když nebudou mít vnější podobu robota, zjevně už moc nechybí (Dohlížejí na vše stroje láskyplné milosti?).

Podle Douga se blíží doba, kdy individuální výukové postupy budou žákům dostupné ve většině případů jen prostřednictvím technologií. Vzpomněl si přitom na citát Toma Snydera, který se v roce 1990 objevil v časopise Technology & Learning v článku s názvem Zpět do budoucnosti (Back to the Future). Jedná se o přehled vývoje vzdělávacích technologií pro 90. léta psaný jako fikce [3]:

„V roce 1999 prezident (USA) zřídil komisi, jejímž úkolem bylo zkoumat zvětšující se rozdíly ve využívání počítačů ve výuce. Ukazuje se, že nejvíce jsou technologie zaváděny v chudých městských oblastech a ještě dále zhoršují znevýhodněné postavení tamních žáků. Možnost studovat na vysoké škole a nejlepší pracovní místa získávají ti uchazeči, jejichž příprava byla plně v rukou učitelů.“

Školství se pravděpodobně využití velkých dat nevyhne, a proto se Doug Johnson zamýšlí nad tím, jak to udělat, aby to bylo ku prospěchu všech žáků. Vznáší v té souvislosti 3 otázky:

1. Jsou technologie nástrojem diagnostickým nebo rozhodovacím? Kdo udělá lepší diagnózu – doktor nebo databáze? Kdo udělá lepší individuální studijní plán – učitel nebo počítač? Nedosáhne nakonec nejlepších výsledků doktor či učitel technologie využívající? (Poznámka: inteligentní agent může brzy překonat nedokonalého doktora i učitele.)
2. Proč jsme dosud neaplikovali princip zakázkové výroby do školství? Dříve bylo velmi drahé, nechat si něco udělat na zakázku (třeba šaty). Pak ale přišel chytrý podnikatel a dal zákazníkům možnost objednat si džíny libovolné velikosti s tím, že data jednotlivých zákazníků začal zadávat robotům zboží vyrábějícím ve velkém. Proč bychom něco podobného nemohli nasadit na naše současné systémy řízení výuky (jako je např. Moodle)?
3. Jestliže se snažíme na základě dat individualizovat výuku, jaké informace o žácích k tomu potřebujeme? Zatím se zájem zřizovatelů a řídících orgánů státu upínal spíše k tomu, jak hodnotit školy, učitele, případně celé specifické skupiny žáků. K dispozici máme výsledky testů, které byly realizovány typicky jen jednou za dlouhé období. Taková data jsou pro skutečnou individualizaci nedostatečná. Nebylo by lepší místo stávajících státních jednorázových testů uvažovat o možnosti zaznamenávat průběžné výsledky formativního hodnocení žáků spojeného s individuálními výukovými cíli? Analýza takových dat by umožňovala každodenní modifikaci výukových postupů.

Je zřejmé, že technologie budou v blízké budoucnosti hrát významnou roli při individualizaci výukového procesu. Přesto bychom se měli snažit zachovat lidský charakter vzdělávání. Nakonec Doug dodává: „Dávám přednost starostlivému učiteli, který moudře používá data a má rozhodující slovo v tom, jak budou má vnoučata hodnocena, co budou ve škole dělat a jaké zdroje k tomu budou používat. Spíše než individualizace bych se rád dočkal větší personalizace (Čtyři fáze personalizace výuky), a nemyslím si, že s roboty něčeho takového můžeme dosáhnout.“