C. PHÂN TÍCH TÌNH HUỐNG
C.1 Tình huống 1: Phần tương tác: Con ngườ
Trường học đổi mới hướng dữ liệu(data-driven schools)
Nhiều báo cáo chỉ ra rằng trẻ em ở Mĩ đang bị tụt lại phía sau so với các nước khác, vì vậy, việc cải thiện trường học trở thành nhiệm vụ cấp bách đối với quốc gia. Thực tế đó là 1 nhiệm vụ khó khăn. Lối tiếp cận xưa nay là sử dụng hệ thống thông tin để đo lường chât lượng giáo dục và nhận diện vấn đề tại cấp cá nhân và khu vực trường học yêu cầu cần thêm các nguồn lực và và sự can thiệp.
Hệ thống trường công thuộc hạt Montgomery gồm 139,000 học sinh ở Rockville, Maryland, là bước đệm tiên phong cho hệ thống trợ giúp quyết định DSS data-driven ở trường học. 40 nhân viên tại khu vực trường học của Văn Phòng Chia Sẻ Trách Nhiệm đưa ra báo cáo bao nhiêu học sinh tham dự môn đại số cấp trung học hoặc hiện tượng ngồi nhầm lớp. Hệ thống M-Stat và Edline của trường cảnh báo cho các hiệu trưởng đến các cá nhân về tình trạng sa sút của sinh viên để từ đó đưa ra những giải pháp phụ đạo, họp môn học, và họp phụ huynh.
Đầu thập kỉ này, 1 giám thị trường công của Montgomery - Jerry Weast dự đoán sự phân tầng giữa các học sinh mà ông gọi là “tầng xanh” (bao gồm những học sinh khá giả và tri thức) và “tầng đỏ” (gồm những học sinh nghèo và dân tộc thiểu số) nhìn chung sẽ làm giảm chất lượng các khu vực truờng học. Kiệt sức bởi các sự lựa chọn, các nhà quản trị bắt đầu kế hoạch sáng tạo ra hệ thống thu thập dữ liệu điểm số các bài kiểm tra, lớp học, và những dữ liệu có ích khác dùng cho việc nhận biết học sinh gặp phải vấn đề gì và can thiệp nhanh chóng nhằm cải thiện sức học của chúng.
nhu cầu đòi hỏi được hướng dẫn và giúp đỡ của học sinh trước khi chúng bị tut lại phía sau. Điểm kiểm tra, lớp học, và các dữ liệu khác đưa vào hệ thống trong thời gian thực tế, và có thể được truy cập trong thời gian thực tế. Trước đây, dữ liệu trường học thường không được tổ chức bài bản, do đó xu hướng đặc tính của cá nhân học sinh xũng như đặc tính ngoại hình rất khó để chẩn đoán.
Các giáo viên mẫu giáo giờ đây có thể giám sát học sinh đọc hiểu từ, ghi chú lại những từ học sinh cảm thấy khó khăn bằng thiết bị cầm tay Palm. Thiết bị này tính toán độ chính xác học sinh nào đọc mỗi đoạn văn và, qua thời gian, cung cấp thông tin về nguyên do vấn đề học sinh mắc phải là gì. Cũng như vậy, khi học sinh bắt đầu chệch hướng với khung học tập thông thường, liên tục bị điểm kém, thì hệ thống sẽ gửi cảnh báo đến phụ huynh và ban quản trị trường. Trong nhiều trường hợp, cảnh báo nhanh chóng này đủ để giúp học sinh khắc phục trược khi tụt lại phía sau.
Nhiều phụ huynh ở County Montgomery bày tỏ mối quan tâm liệu những hệ thống mới có phải là phí tổn thừa và không cần thiết.3 Trong ngắn hạn, kế hoạch khuyến khích của Tổng thống Obama cung cấp kinh phí cho các trường học trong vòng 2 năm nữa. Những dự án như vậy có khả năng trở nên phổ biến hơn bởi rõ ràng rằng lối tiếp cận bằng data-driven sinh ra những kết quả có thể đo lường được. Nhưng chúng có thể trở thành tiêu chuẩn trong các trường học ở Mỹ? Sự bám trụ của những hệ thống này vẫn chưa có câu trả lời.
Ở Montgomery, một trong những mục tiêu cơ bản của việc thi hành hệ thống data-driven là để lấp lỗ hổng giữa các học sinh nghèo và giàu ở các lớp thấp. Giáo viên và quản lí trường sẽ sử dụng nhiều loại thông tin khác nhau được tổ chứ bởi DSS phát hiện sớm những học sinh tài năng và đưa chúng vào những lớp học nâng cao. Dữ liệu được thu thập trên mỗi trẻ sẽ đưa cho giáo viên những cái nhìn bên trong phương pháp nào sẽ tốt nhất cho mỗi cá nhân.
Kết quả rất ấn tượng. Ở Montgomery, 90% trẻ em mẫu giáo có thể đọc được tới cấp độ tiêu chuẩn bài kiểm tra yêu cầu, sự khác nhau rất nhỏ giữa nhóm dân tộc và kinh tế xã hội. Con số này tăng đến 52% ở các nước châu Mỹ-châu Phi, 42% ở Latinos và 44% của các học sinh có thu nhập thấp chỉ cách đây 7 năm. Hệ thống cũng phát hiện hiệu quả những học sinh tài năng ở độ tuổi nhỏ. Số học sinh Mỹ Phi vượt qua ít nhất 1 bài kiểm tra nâng cao (Advance Placement) tại Montgomery tăng từ 199 học sinh ở đầu thập niên này lên đến 1152 năm này, ở Latinos con số này tăng từ 218 lên 1336 học sinh.
Một vài nhà phê bình cho rằng sự nhấn mạnh đến việc lấp lỗ hổng giữa các học sinh khác nhau đang rút ngắn thay đổi giữa các học sinh tài năng và các học sinh khuyết tật. Phụ huynh của tầng lớp “Green zone” đặt câu hỏi liệu con của họ có nhận được đầy đủ sự quan tâm và các nguồn lợi với quá nhiều sự chú trọng đến tầng lớp “red zone”. Các trường dành cho tầng lớp xanh ở Montgomery nhận 13000$ mỗi học sinh, so với 15000$ của tầng lớp đỏ. Tầng lớp đỏ chỉ có 15 trẻ lớp mẫu giáo và 17 học sinh cấp tiểu học và trung học, so với 15 và 26 ở tầng xanh. Các nhà quản lý trường học đáp trả rằng hệ thống không những đưa ra sự giúp đỡ thích hợp cho những học sinh yếu kém mà còn cung cấp những thách thức cần thiết cho sự phát triển của những đứa trẻ tài năng.
Các bằng chứng khác chỉ ra rằng những thành tựu đạt được trong việc lấp lỗ hổng ở thuở thiếu thiếu niên không còn tác dụng 1 khi chúng lớn lên. Trong số những học sinh khối lớp 8 ở hạt Montgomery, gần 90% những đứa trẻ da trắng và châu Á làm bài kiểm tra thành thạo và nâng cao ở môn Toán hơn so với chỉ 1 nửa trẻ gốc Mỹ Phi và Tây Ban Nha, Bồ Đào Nha. Điểm SAT của học sinh Mỹ Phi và Tây Ban Nha thâp hơn 300 so với học sinh da trắng và Châu Á. Dù vậy, các con số thống kê cho thấy việc thực thi data-driven đã đóng góp những cải thiện lớn. 1 vài trường học thuộc “tầng lớp đỏ” nhận thấy được những cải thiện rõ rệt trong điểm số và tỉ lệ tốt nghiệp.
Theo nhiều cách, hệ thống data-driven được xây dựng từ nguồn thông tin dồi dào được chuẩn hóa được tạo ra bởi hội “Hành động không trẻ em nào bị bỏ lại phía sau” (No Children Left Behind Act) được thông qua bởi Tổng thống Bush. Một số phụ huynh và các nhà giáo dục phàn nàn về số lượng và các bài kiểm tra quá thường xuyên, họ yêu cầu trẻ em nên trải nghiệm nhiều hơn vào những dự án và nhiệm vụ thực tế. Nhưng những chiến lược khác có thể đứng vững cho đến lúc thúc đẩy được sự thay đổi trong phạm vi trường học thì rất khó phát triển.
Không chỉ học sinh được tiếp cận phương pháp data-driven này. Những giáo viên ở hạt Montgomery được tiếp cận với chương trình tương tự giúp nhận diện những giào viên đang gặp khó khăn và cung cấp dữ liệu giúp họ cải thiện. Trong nhiều trường hợp, các hợp đồng và chức vụ đang nắm giữ khiến cho việc sa thải các giáo viên ít hiệu quả khó khăn hơn. Để giải quyết vấn đề này, công đoàn giáo viên và các nhà quản trị họp lại với nhau để phát triển chương trình ôn tập cùng địa vị, chương trình ghép các giáo viên yếu cho 1 vị cố vấn- ngươì sẽ hướng dẫn và hỗ trợ họ.
Sau 2 năm, những giáo viên ko thể đạt kết quả đứng trước toàn thể giáo viên và ban hiệu trưởng quyết định xem xét sự hoàn thành tiềm năng của họ hoặc gia hạn thêm 1 vài năm ôn tập nữa. Nhưng những giáo viên hiếm khi kết thúc trong chương trình, thay vào đó họ đưa ra những bằng chứng hữu hình về những thứ họ đã làm tốt thế nào và những thứ học có thể cải thiện dựa trên dữ liệu đã được thu thập từ việc giảng dạy của họ, tỉ lệ học sinh giỏi, và nhiều sự đo đạc khác.
Không phải tất cả giáo viên đểu đi theo phương pháp data-driven. Tổ Chức Giáo Dục Montgomery, công đoàn của các giáo viên chính ở hạt, ước lượng việc “ghi chép sổ sách” kết quả học sinh ở các bài đọc và các bài kiểm tra khác mất thêm 3-4 giờ lao động hằng tuần của giáo viên. Theo Raymond Myrtle, Hiệu trưởng trường Tiểu học Highland ở Silver Spring, “Đây là 1 công việc khó khăn. Rất nhiều giáo viên không muốn làm nó. Đối với những người không thích nó chúng tôi để nghị họ làm thứ gì đó
khác.” Cho đến nay, 11 đến 33 giáo viên ở Highland đã bỏ trưởng để giảng dạy tại những ngôi trường khác ở Montgomery.
Câu hỏi:
1. Nhận diện và mô tả vấn đề được thảo luận trong bài.
2. Làm thế nào hệ thống trợ giúp ra quyết định DSS data-driven cung cấp giải pháp cho vấn đề này? Đâu là đầu vào và đầu ra của hệ thống?
3. Vấn đề nào của cá nhân, tổ chức, và công nghệ phải áp dụng giải pháp này?
4. Giải pháp này thành công như thế nào? Giải thích.
5. Có phải tất cả trường học nên sử dụng phương pháp như data-driven cho giáo dục? Tại sao?
Khám phá Website hạt Montgomery, Trường Maryland và trả lời những câu hỏi sau:
1. Chọn 1 trường Tiểu học, Trung học hoặc phổ thông và mô tả dữ liệu có sẵn của trường đó. Những dữ liệu này hỗ trợ loại quyết định nào? Những dữ liệu này giúp các trường học cải thiện chương trình giảng dạy thế nào?
2. Click vào tab Schools, rồi Click đường link School Survey Results, chọn 1 trong số các trường học trong khu vực, và đọc kết quả khảo sát. Những khảo sát này giúp những người ra quyết định cải thiện chất lượng giáo dục thế nào?
Bài làm:
1. Nhận diện và mô tả vấn đề được thảo luận trong bài
Hệ thống data-driven bên cạnh mang lại nhiều thuận lợi cho việc giảng dạy tại các trường học như: kịp thời phát hiện học sinh yếu, đưa những học sinh giỏi vào lớp đào tạo nâng cao, lấp khoảng cách giàu-nghèo thì vẫn còn nhiều luồng ý kiến khi bậc phụ huynh phàn nàn số lượng bài kiểm tra quá thường xuyên và yêu cầu các bài tập thực tiễn từ nhà trường dành cho con cái họ, và một vài bằng chứng khác chỉ ra rằng
dụng 1 khi chúng lớn lên. Hơn nữa, việc dáp dụng DSS đối với giáo viên khiến nhiều giáo viên không đồng tình và rời trường.
2. Làm thế nào hệ thống trợ giúp ra quyết định DSS data-driven cung cấp giải pháp cho vấn đề này? Đâu là đầu vào và đầu ra của hệ thống?
DSS là hệ thống phần mềm tương tác làm việc thu thập mọi thông tin liên quan từ nhiều nguồn như vận hành, thị trường, thu nhập, chi phí, xu hướng, và mô hình doanh nghiệp. Những dữ liệu này được lưu trong các cơ sở dữ liệu nơi phần mềm khai phá dữ liệu có thể duyệt tìm thông tin liên quan và tổ chức chúng thành các báo cáo cho người quản lí. Thay vì chỉ một báo cáo đi qua nhiều mức quản lí, nó có thể sinh ra các báo cáo khác nhau cho từng mức để cho họ có thể ra quyết định thích hợp tại mức riêng của họ. Mục đích chính của DSS là cải thiện qui trình ra quyết định để kiểm soát tốt hơn doanh nghiệp.
Đầu vào: điểm số qua các bài kiểm tra của học sinh.
Đầu ra: phân tích sự chuyển biến điểm số của học sinh (tiến bộ hay tụt lại)
3. Vấn đề nào của cá nhân, tổ chức, và công nghệ phải áp dụng giải pháp này?
• Đánh giá hiệu quả của quảng cáo và chiêu thị tác động lên doanh thu trong một ngành hàng hóa đóng gói
• Tạo báo cáo tài chính. Vd: FINEXPERT là một hệ thông minh được thiết kế để tạo ra những báo cáo và phân tích tài chính của các tập đoàn. Một hệ DSS được kết nối với một hệ kế toán chuẩn của công ty sẽ tạo ra tất cả báo cáo tài chính chuẩn và 50 đồ thị khác nhau.
4. Giải pháp này thành công như thế nào? Giải thích.
Áp dụng đối với học sinh:
• Thu thập dữ liệu điểm số các bài kiểm tra, lớp học, và những dữ liệu có ích khác dùng cho việc nhận biết vấn đề học sinh gặp phải và can thiệp nhanh chóng.
• Các hiệu trưởng tiếp cận và phân tích dữ liệu học sinh để ra các quyết định hướng dẫn kế hoạch học tập mỗi năm. Bằng cách này, giáo viên có thể đáp ứng nhu cầu đòi hỏi được hướng dẫn và giúp đỡ của học sinh trước khi chúng bị tut lại phía sau.
• Các giáo viên mẫu giáo có thể giám sát học sinh đọc hiểu từ, ghi chú lại những từ học sinh cảm thấy khó khăn bằng thiết bị cầm tay Palm. Thiết bị này tính toán độ chính xác học sinh nào đọc mỗi đoạn văn và, qua thời gian, cung cấp thông tin về nguyên do vấn đề học sinh mắc phải là gì. Khi học sinh bắt đầu chệch hướng với khung học tập thông thường, liên tục bị điểm kém, thì hệ thống sẽ gửi cảnh báo đến phụ huynh và ban quản trị trường.
• Lấp lỗ hổng giữa các học sinh nghèo và giàu ở các lớp thấp. Giáo viên và quản lí trường sẽ sử dụng nhiều loại thông tin khác nhau được tổ chứ bởi DSS phát hiện sớm những học sinh tài năng và đưa chúng vào những lớp học nâng cao. Dữ liệu được thu thập trên mỗi trẻ đưa cho giáo viên những cái nhìn bên trong phương pháp nào sẽ tốt nhất cho mỗi cá nhân.
Kết quả:
• Ở Montgomery, 90% trẻ em mẫu giáo có thể đọc được tới cấp độ tiêu chuẩn bài kiểm tra yêu cầu. Con số này tăng đến 52% ở các nước châu Mỹ-châu Phi, 42% ở Latinos và 44% của các học sinh có thu nhập thấp chỉ cách đây 7 năm. Hệ thống cũng phát hiện hiệu quả những học sinh tài năng ở độ tuổi nhỏ. Số học sinh Mỹ Phi vượt qua ít nhất 1 bài kiểm tra nâng cao (Advance Placement) tại Montgomery tăng từ 199 học sinh ở đầu thập niên này lên đến 1152 năm này, ở Latinos con số này tăng từ 218 lên 1336 học sinh.
Áp dụng đối với giáo viên
Phát hiện giáo viên gặp khó khăn, cung cấp dữ liệu và cố vấn hướng dẫn và hỗ trợ họ. tuy nhiên rất khó để sa thải một khi họ đang nắm giữ 1 số địa vị nhất định trong trường. Họ có thể chứng minh việc họ dạy tốt từ việc giảng dạy của họ, tỉ lệ học sinh
Kết quả là: Không phải tất cả giáo viên đểu đi theo phương pháp data-driven. Tổ Chức Giáo Dục Montgomery, công đoàn của các giáo viên chính ở hạt, ước lượng việc “ghi chép sổ sách” kết quả học sinh ở các bài đọc và các bài kiểm tra khác mất thêm 3-4 giờ lao động hằng tuần của giáo viên. Các giáo viên rời trường và đến giảng dạy ở mộ ngôi trường khác.
5. Có phải tất cả trường học nên sử dụng phương pháp như data-driven cho giáo dục? Tại sao?
Không. Vì chi phí cho hệ thống còn lớn. Hơn nữa, hệ thống không giúp cải thiện được sự phân tần giàu nghèo khi trẻ lớn lên dần, và việc áp dụng hệ thống này cho giáo viên vẫn còn nhiều trở ngại một khi họ đã nắm giữ 1 sớ chức vụ nhất định trong trường học.