Luonnollisen kielen käsittely voi tarjota uuden näkökulman tehokkaaseen opetukseen

Luokkahuonehavaintoja käytetään alueilla eri puolilla maata sen arvioimiseksi, esittelevätkö opettajat opetuskäytäntöjä, joiden tiedetään tukevan oppilaiden sitoutumista ja oppimista, ja missä määrin. Luokkahuoneen havainnoista saatu data antaa myös opettajille arvokasta palautetta ja tukee heidän taitojen kehittymistä. Joissakin yhteyksissä, kuten Washington, D.C., julkiset koulut Tällaista tietoa käytetään myös merkittävissä henkilöstöpäätöksissä, mukaan lukien opettajan pitäminen.

Opetuskäytäntöjen mittaamisen haasteet

Hyvän opetuksen mittaaminen johdonmukaisella ja oikeudenmukaisella tavalla ei kuitenkaan ole helppoa. Yksi syy on se, että opetus ei ole staattista. Se, miten opettaja opettaa, vaihtelee opetussisällön ja oppitunnin tavoitteen mukaan. Haluamme esimerkiksi nähdä laajennettua keskustelua opiskelijoiden kesken joillakin tunneilla ja opettajakeskeisempää opetusta uuden sisällön esittelyssä. Myös oppilaiden ja opettajien välinen vuorovaikutus kehittyy lukuvuoden aikana. Silti useimpia opettajia tarkkaillaan vain kerran tai kaksi kertaa vuodessa. Opetuksen dynaaminen luonne tekee opetuksen luonnehtimisesta vain muutaman oppitunnin perusteella haastavaa. Vaikka näillä havaituilla tunneilla voidaan kuvata tyypillistä tai keskimääräistä opetusta, tällaiseen tietoon perustuva palaute ei välttämättä ole kovin hyödyllistä, sillä se, mitä opettaja tarvitsee tukeakseen opiskelijoita marraskuussa, voi hyvinkin erota saman opettajan tarpeesta toukokuussa.

Tyypillisissä havainnointipolitiikoissa on lisäksi se, että kaikki hyvät opetuskäytännöt eivät ole näkyvissä. Ihmistarkkailijoiden voi olla haastavaa seurata ja arvioida kaikkia tärkeitä opetusvuorovaikutuksia kiireisissä luokkahuoneissa. Jopa asiantuntevat, korkeasti koulutetut tutkimusprojektien arvioijat kamppailevat pysyäkseen kirjaa useista opetuskäyttäytymistavoista samaan aikaan, ja lopulta priorisoivat vain helposti havaittavia opetuksen näkökohtia, jotka eivät ehkä ole kaikkein tärkeimpiä oppilaiden oppimisen tukemisessa. Käytännössä piirit luottavat pääasiassa vähemmän koulutettuihin, enemmän aikaa vieviin rehtoreihin suorittamaan luokkahuoneen havaintoja tai esittelyjä. Aika- ja resurssirajoituksia pahentaa se, että rehtorit käyttävät yleensä pientä pistemäärää ja ovat haluttomia arvioimaan opettajia huonosti suoriutuneiksi, mikä tekee opetuksen laadun objektiivisesta arvioinnista tyypillisten havainnointikäytäntöjen ja -käytäntöjen perusteella vielä vaikeampaa.



Uudet analyysimenetelmät voivat tarjota uudenlaisen näkökulman tehokkaaseen opetukseen

Viimeaikaiset tekniset edistysaskeleet tarjoavat potentiaalisesti korvaamattoman täydennyksen luonnostaan ​​rajoitettuihin ihmisiin perustuviin luokkahuonehavaintoihin. Äskettäin julkaistussamme paperi Koulutuksen arvioinnissa ja politiikan analyysissä päätimme testata tätä mahdollisuutta. Ideamme on yksinkertainen: Koska kieli on monien opetusvuorovaikutusten ytimessä, voimme ehkä hyödyntää tietokoneiden tehoa analysoidaksemme luokkahuoneen keskustelun kielellisiä piirteitä ja johtaa suoraan opetuskäytäntöjen mittareita. Jos tällaisilla automatisoiduilla mittareilla osoitetaan olevan samat tai jopa paremmat mittausominaisuudet kuin tavanomaisilla luokkahuonehavainnoilla, voisi olla mahdollista tarjota opettajille paljon johdonmukaisempaa ja jatkuvampaa tietoa heidän käytännöstään kuin ihmisarviointiin perustuva järjestelmä koskaan pystyisi pienemmillä kustannuksilla. ja suurempi mittakaavapotentiaali.

Itse asiassa monilla muilla tutkimusaloilla teksti tietona -menetelmiä tai luonnollisen kielen käsittelyä on käytetty laajasti keskusteluominaisuuksien, kuten jotka voivat parantaa työhaastattelujen menestystä , muuttaa jonkun mielipidettä muodostamalla vakuuttavia argumentteja , tai käsitellä mielenterveysongelmiin liittyviä kysymyksiä . Koulutuksessa tutkijat ovat myös menestyksekkäästi soveltaneet näitä menetelmiä tutkiessaan monenlaisia ​​aiheita, mukaan lukien tuottavien verkko-oppimisympäristöjen ominaisuudet , opettajien käsitykset oppilaiden saavutuseroista , ja strategioita, joita koulut omaksuvat uudistuspyrkimyksissä . Silti tällaisten menetelmien käyttö on paljon harvinaisempaa luonnollisissa luokkahuoneissa ja opettajien arvioinnissa ja parantamisessa.

Luokkahuoneen tekstikirjoituksista laadukkaan opetuksen merkkeihin

Palkkasimme tutkimuksessamme ammattilaisia ​​litteroimaan lähes 1 000 englanninkielistä taiteen luokkahuonevideota, jotka on kerätty Measures of Effective Teaching -projekti . Näillä tunneilla 258 opettajaa opetti 4thja 5thluokkia kuudessa koulupiirissä, jotka palvelevat pääasiassa vähemmistö- ja pienituloisia opiskelijoita. Näistä transkriptioista rakensimme kahden tyyppisiä opettajien käytäntöjen mittareita. Ensimmäinen toimenpidekokonaisuus keskittyy keskustelumalleihin, kuten siihen, kuinka usein opettaja ja oppilaat vuorottelevat keskusteluissaan ja kuinka usein opettaja käyttää analyyttistä kieltä (esim. sanoja, jotka heijastavat kognitiivisia mekanismeja, kuten syy, tietää ja siten). . Näiden mittareiden rakentamiseen käytämme ensisijaisesti tietoja kielilähteistä (esim. opettajat tai opiskelijat), aikaleimoja sekä tiettyyn kieliluokkaan liittyviä sanoja ja välimerkkejä. Toisessa kehittämässämme mittaussarjassa otetaan huomioon opetuksen oleelliset näkökohdat, kuten kuinka hyvin opettaja heijastaa oppilaidensa kieltä ja kuinka suuri osa luokkahuoneen keskustelusta keskittyy opetukseen liittyviin aiheisiin.

Tämän jälkeen tiivistimme nämä muuttujat muutamaksi ohjetekijäksi. Vaikka opettajat saattavat muuttaa tapaa opettaa oppitunnilta toiselle, teimme oppituntien keskiarvon, jotta opettaja saisi lähtökohtana kuvan tyypillisestä opetustyylistään. Esiin tulee kolme tekijää tai luokkahuoneen keskustelua: luokkahuoneen hallintamuoto, joka viittaa siihen, että opettaja käyttää paljon luokkahuoneaikaa rutiinien luomiseen ja oppilaiden käyttäytymisen hallitsemiseen; interaktiivinen opetusmuoto, joka sisältää monia avoimia opettajan kysymyksiä ja runsaasti edestakaisin vuorovaikutusta opettajan ja oppilaiden välillä; ja opettajakeskeinen opetusmuoto, jossa on paljon opettajan puhetta ja vähän oppilaiden osallistumista.

Nämä opetustekijät näyttävät olevan intuitiivisia, mutta kuvaavatko ne todella opetuksen piirteitä, jotka ovat linjassa arvioijien havaintojen kanssa? Havaintomme on kyllä. Nämä kolme luokkahuonemuotoa osoittavat johdonmukaisesti linjaa monien monien suosittujen havainnointiprotokollien, mukaan lukien Classroom Assessment Scoring System (CLASS), Framework for Teaching (FFT) ja Protocol for Language Arts Teaching Observations (PLATO), tunnistamien alueiden ja ulottuvuuksien kanssa. Esimerkiksi luokkahuoneen johtamistekijällä on vahvimmat korrelaatiot käyttäytymisen hallinnan ulottuvuuksien kanssa sekä LUOKASSA että PLATOssa. Vuorovaikutteinen opetustekijä liittyy ensisijaisesti opetustuen CLASS-alueeseen, joka korostaa opettajien johdonmukaisen palautteen käyttöä ja keskittymistä korkeamman tason ajattelutaitoihin oppilaiden oppimisen tehostamiseksi. Opettajakeskeisellä opetustekijällä, joka edustaa vähemmän toivottavia opetuskäytäntöjä, on negatiivinen ja tilastollisesti merkitsevä korrelaatio opetusdialogin (LUOKKA), oppimiskulttuurin luomisen, opiskelijoiden oppimiseen sitoutumisen, kysymysten ja keskustelun (FFT) käytön sekä älyllisen haasteen kanssa ( PLATON). Selvyyden vuoksi emme kannata yhtä, optimaalista opetusajan jakamista tai yhtä keskustelutyyliä. Eri lähestymistavoilla on todennäköisesti erilainen hyöty oppitunnin tai kouluvuoden aikana. Nämä havainnot heijastavat keskimääräistä keskustelutyyliä opettajan tunneilla.

Sen lisäksi, että korreloimme koneella luotuja mittaamme luokkahuonehavaintojen kanssa, testasimme myös, ennustavatko nämä ohjaustekijät opettajan osuutta oppilaiden saavutuksiin. Erityisesti opettajakeskeinen opetustekijä ennustaa negatiivisesti opettajien lisäarvopisteitä, jotka on laskettu käyttämällä SAT-9-testiä, joka on suunniteltu mittaamaan korkeamman tason taitoja.

Uudet tekniikat voivat parantaa arviointia ja opetusta tuleville sukupolville

Vaikka havainnot osoittavat, että teksti-data-menetelmät ovat lupaava lähestymistapa opetuskäytäntöjen mittaamiseen, tutkimuksemme on vasta ensimmäinen askel kohti automatisoitua järjestelmää, jolla mitataan ja lopulta tuetaan laadukasta opetusta. Kehitämämme toimenpiteet ovat rajallisia ja niiden tarkkuutta on parannettava. Jopa kehittyneemmillä tietokonealgoritmeilla, äänentunnistustekniikoilla ja laajemmalla valikoimalla toimenpiteitä, piirien ja koulujen, jotka haluavat ottaa käyttöön tekstipohjaisen järjestelmän, on investoitava alkuperäiseen infrastruktuuriin, jonka avulla ne voivat tallentaa, litteroida ja analysoida luokkahuonetietoja samalla kielitietojen yksityisyyden säilyttäminen, ennen kuin ne voivat hyötyä ehdotetuista menetelmistä.

Lisää tutkimusta tarvitaan myös sen ymmärtämiseksi, kuinka rehtori ja opettajat näkevät automatisoidut toimenpiteet ja reagoivat tarjoamiinsa tietoihin. Työmme osoittaa kuitenkin, että on mahdollista täydentää tavanomaisia ​​luokkahuonehavaintoja käyttämällä teksti datana -lähestymistapaa.

Kun tällainen järjestelmä on käytössä, voimme hyvin kuvitella maailman, jossa automatisoituja opetuksen mittareita tuotetaan reaaliajassa ja rehtorit ja valmentajat keskittävät aikansa auttaakseen opettajia ymmärtämään annettuja tietoja ja tunnistamaan parannusstrategioita. Emme kannata sitä, että tällaisia ​​toimenpiteitä tulisi käyttää opettajien arviointiin. Kuitenkin enemmän ja parempaa palautetta opettajille heidän opetuksestaan ​​voi hyvinkin olla tärkeä merkitys sen varmistamisessa, että kaikilla opiskelijoilla on mahdollisuus saada johdonmukaista ja laadukasta opetusta.