Data i folkeskolen https://padlet.com/rasmusuj1/temadag2018
Data i spil Øge læring og trivsel Generere data Kvalificere beslutninger Analysere og fortolke
Monitorerende og handleanvisende data Monitorerende data Handleanvisende data Pisa/PIRLS/TIMSS/TALIS Stat/UC Afgangskarakterer Overgang til ungdomsuddannelse Socioøkonomisk reference Trivselsmåling Nationale test Kommune Skoleledelse Lærer/team Elev Faglige test Normbaserede test Løbende evaluering af undervisningen Observationer og elevsamtaler Elevprodukter
Monitorerende og handleanvisende data Monitorerende data Handleanvisende data Pisa/PIRLS/TIMSS/TALIS Stat/UC Afgangskarakterer Overgang til ungdomsuddannelse Socioøkonomisk reference Trivselsmåling Nationale test Kommune Skoleledelse Lærer/team Elev Faglige test Normbaserede test Løbende evaluering af undervisningen Observationer og elevsamtaler Elevprodukter
Monitorerende og handleanvisende data Monitorerende data Handleanvisende data Pisa/PIRLS/TIMSS/TALIS Stat/UC Afgangskarakterer Overgang til ungdomsuddannelse Socioøkonomisk reference Trivselsmåling Nationale test Kommune Skoleledelse Lærer/team Elev Faglige test Normbaserede test Løbende evaluering af undervisningen Observationer og elevsamtaler Elevprodukter
Monitorerende og handleanvisende data Monitorerende data Handleanvisende data Pisa/PIRLS/TIMSS/TALIS Stat/UC Afgangskarakterer Overgang til ungdomsuddannelse Socioøkonomisk reference Trivselsmåling Nationale test Kommune Skoleledelse Lærer/team Elev Faglige test Normbaserede test Løbende evaluering af undervisningen Observationer og elevsamtaler Elevprodukter
Monitorerende og handleanvisende data Monitorerende data Handleanvisende data Pisa/PIRLS/TIMSS/TALIS Stat/UC Afgangskarakterer Overgang til ungdomsuddannelse Socioøkonomisk reference Trivselsmåling Nationale test Kommune Skoleledelse Lærer/team Elev Faglige test Normbaserede test Løbende evaluering af undervisningen Observationer og elevsamtaler Elevprodukter
Monitorerende og handleanvisende data Monitorerende data Handleanvisende data Pisa/PIRLS/TIMSS/TALIS Stat/UC Afgangskarakterer Overgang til ungdomsuddannelse Socioøkonomisk reference Trivselsmåling Nationale test Kommune Skoleledelse Lærer/team Elev Faglige test Normbaserede test Løbende evaluering af undervisningen Observationer og elevsamtaler Elevprodukter
Monitorerende og handleanvisende data Monitorerende data Handleanvisende data Pisa/PIRLS/TIMSS/TALIS Stat/UC Afgangskarakterer Overgang til ungdomsuddannelse Socioøkonomisk reference Trivselsmåling Nationale test Kommune Skoleledelse Lærer/team Elev Faglige test Normbaserede test Løbende evaluering af undervisningen Observationer og elevsamtaler Elevprodukter
Monitorerende og handleanvisende data Monitorerende data Handleanvisende data Pisa/PIRLS/TIMSS/TALIS Stat/UC Afgangskarakterer Overgang til ungdomsuddannelse Socioøkonomisk reference Trivselsmåling Nationale test Kommune Skoleledelse Lærer/team Elev Faglige test Normbaserede test Løbende evaluering af undervisningen Observationer og elevsamtaler Elevprodukter
Monitorerende og handleanvisende data Monitorerende data Handleanvisende data Pisa/PIRLS/TIMSS/TALIS Stat/UC Afgangskarakterer Overgang til ungdomsuddannelse Socioøkonomisk reference Trivselsmåling Nationale test Kommune Skoleledelse Lærer/team Elev Faglige test Normbaserede test Løbende evaluering af undervisningen Observationer og elevsamtaler Elevprodukter
Monitorerende og handleanvisende data Monitorerende data Handleanvisende data Pisa/PIRLS/TIMSS/TALIS Stat/UC Afgangskarakterer Overgang til ungdomsuddannelse Socioøkonomisk reference Trivselsmåling Nationale test Kommune Skoleledelse Lærer/team Elev Faglige test Normbaserede test Løbende evaluering af undervisningen Observationer og elevsamtaler Elevprodukter
Datasystemer Stat Elev og forældre Udvikling og styring Internationale data: Pisa, PIRLS, TIMMS Nationale data: Nationale test, trivselsmåling, LISdata Skole Skole Lokale data: Faglige test Kommunale test Observationer, samtaler og elevprodukter Pædagogisk fagpraksis Kommune Dataudfordring Lærer
NATIONALE TEST
Nationale test i Fælles Mål for matematik Nationale test tilbagemeldinger Adaptivt Lineært princip Nationale test Afgangsprøven og andre faglige test Mål for undervisningen
Eksempel i matematik
NT og afgangsprøver
Eksempel matematik 6. kl. (75 elever) Ca. 11 elever i de tre klasser der får 02 eller derunder
Er det denne forståelse af hvad de nationale test kan og ikke kan der er gældende i jeres kommuner/skoler? 1. MIN.
PROGRESSION
Progression - Geometri i 3. kl. 2. kl. 3.kl 4.kl
Progression - Geometri i 3. kl. 2. kl. 3.kl 4.kl
Progression - Geometri 3. kl. På elevniveau vil usikkerheden på målingen som oftest være større end progressionen, især når der måles med kortere mellemrum end mellem de obligatoriske test. De kriteriebaserede tilbagemeldinger er konstrueret for at vise en progression mellem test. Det er den normbaserede skala ikke. 2. kl. 3.kl 4.kl
Større populationer 2. kl. 3.kl 4.kl
Andre faglige test tager samlet set længere tid end de nationale test. Derfor giver de ofte mere detaljeret information.
NYE VISNINGER OG FUNKTIONALITET I NATIONALE TEST
Test stoppet ved gul Test stoppet ved grøn
Visning af progression Man kan ikke bare omregne betydningen af 1 års læring, for det er ikke tilfældigt hvor de obligatoriske test er placeret. Det er fagligt afpasset med faserne i fælles mål. 3 6 8 3 6 8 3 6 Ministeriet giver adgang til de frivillige test, men det er kommunernes og skolernes vurdering og valg, hvordan og om de ønsker at anvende dem.
Forældrebreve
Bør dette have indflydelse på vores anvendelse af nationale test? 1. MIN.
Data tæt på undervisningen i matematik Om anvendelsen af data til kvalificering af lærerens didaktiske handling
Som del af undervisningen Indsamlingssituationen Proces Motivation Samarbejde Kompetencer Observationer Samtaler Elevprodukter Fremlæggelser Faglige test Nationale test Prøver Ved siden af undervisningen Faglige færdigheder (Kompetencer) Formelle færdigheder
3 datakilder Opgavebesvarelser: Afgangsprøve. Kvalitativ data Observation: Fastholdte undervisningsiagttagelser: Eksempel fra egen undervisning. Kvalitativ data Resultater fra standardiserede faglige test
3 datakilder Opgavebesvarelser: Afgangsprøve. Kvalitativ data Observation: Fastholdte undervisningsiagttagelser: Eksempel fra egen undervisning. Kvalitativ data Resultater fra standardiserede faglige test
Hvad er kvalitative data? Kvalitative data er ikke lærerens løbende oplevelse af og handlinger i undervisningssituationen der fastholdes alene i lærerens hukommelse. Kvalitative data er de data vi opsamler og fastholder systematisk i undervisningen via strukturerede processer. Det kan være samtale guides, observationsskemaer, rette vejledninger mm. Kendetegn de for de kvalitative data der indsamles er at: De er baseret på en fortolkning/vurdering/analyse af en fagprofessionel De er fastholdte i tid, så de kan genbesøges De har et klart defineret fokus
Generelle typer af elevbesvarelser (47 < starttal < 48,5) A)llan: Ingen besvarelse overhovedet. B)rian: Jeg indsatte 48 og fik (48+3)*2 = 102 som øverste tal og fik (48*2)+3 = 99 som nederste tal. Løsningen må derfor være 48. C)onnie: Det kan ikke lade sig gøre, at det ene tal er 3 større end 100 og det andet tal er mindre end 100. D)enise: Når jeg indsætter 46 får jeg 98 som øverste tal og 96 som nederste tal. Når jeg indsætter 50 får jeg 106 som øverste tal og 103 som nederste tal. Løsningen må være mellem 46 og 50.
Problembehandlingskompetence Metode!? B)rian: Jeg indsatte 48 og fik (48+3)*2 = 102 som Karakteristisk øverste tal og fik (48*2)+3 = 99 som nederste tal. Løsningen må for færdigheder derfor være 48. Opgave Løsning D)enise: Når jeg Karakteristisk indsætter 46 får jeg 98 som øverste tal og 96 som nederste tal. Når jeg indsætter 50 får jeg 106 som øverste for tal og problemer 103 som nederste tal. Løsningen må være mellem 46 og 50.
3 datakilder Opgavebesvarelser: Afgangsprøve. Kvalitativ data Observation: Fastholdte undervisningsiagttagelser: Eksempel fra undervisning. Kvalitativ data Resultater fra standardiserede faglige test
Meningsfuld og anvendelig data Stor mænge kvalitativ data, der skal systematiseres Data skal handle om noget Data skal fastholdes, så de kan genbesøges Data skal analyseres for at blive til viden
Elev 1 Elev 2 Elev 3 Elev 4 Systematisering
Elev 1 Elev 2 Elev 3 Elev 4 Systematisering Mål: At eleverne har regnestrategier der kan understøtte metoder til multiplikation Tegn: Kendskab Tabellerne Kan benytte Automatisering Multiplikation som gentagende addition 3x9 = 9+9+9 Opdeling i flere gangestykker 27x3 = 20x3 + 7x3 Multiplikation med 10 Multiplikation med 20, 30 40. 16x20 = 16x2x10 Fordobling er at gange med 2 Fordobling af det dobbelte er at gange med 4
Elev 1 Elev 2 Elev 3 Elev 4 Systematisering Mål: At eleverne har regnestrategier der kan understøtte metoder til multiplikation Tegn: Kendskab X X X X Tabellerne Kan benytte X X X Automatisering X Multiplikation som gentagende addition 3x9 = 9+9+9 X X X Opdeling i flere gangestykker 27x3 = 20x3 + 7x3 X X Multiplikation med 10 X X X X Multiplikation med 20, 30 40. 16x20 = 16x2x10 Fordobling er at gange med 2 X X Fordobling af det dobbelte er at gange med 4 X X
Systematisering
Er det den forståelse vi har af kvalitative data?? Hvad skal der til for at vi kvalificerer arbejdet med kvalitative data? Hvad er første skridt? 1. MIN.
3 datakilder Opgavebesvarelser: Afgangsprøve. Kvalitativ data Observation: Fastholdte undervisningsiagttagelser: Eksempel fra undervisning. Kvalitativ data Resultater fra standardiserede faglige test
Opgavetyper
Datavisning
Henrik Henriksens faglige udvikling
Henrik Henriksens faglige udvikling
Henrik Henriksens faglige udvikling
LÆRERENS MAPPE - EKSEMPLER PÅ DATA
Test i trinforløb 2 matematik
EKSEMPLER PÅ ANALYSE AF DATA
Den dygtige elev
Turboforløb og (mis)forståelsen af elever som enten svage eller stærke fagligt Maja, Nirvana og Matthias
Maja, Nirvana og Matthias Også Mikkel og Edward Også Edward, Mikkel, Hjalte og Alberte Ikke Matthias Match mellem elev, fagligt indhold og undervisningsindsats
Valg af indsatsområder og lærerens didaktiske forståelse
9. klasse i nationale test
At møde klassen hvor den er Match mellem klasse, fagligt indhold og undervisningsindsats
Er det den forståelse vi har af kvantitative data?? Hvad skal der til for at vi kvalificerer arbejdet med kvantitative data? Hvad er første skridt? 1. MIN.
SYSTEMATIK
Eksempler på hvor data også kan anvendes Årsplan Særlige indsatsområder Overlevering Overgang til ny skole eller afdeling kan give mistet læring Møder med ledelse I samspil med f.eks. Nationale test Vejledere/PLC/Ressourcepersoner Organisatoriske udfordringer i den tre-delte skole Elev og forældresamtalen Målsætninger, fravalg og opfølgning Forældremødet Man møder et fagligt indhold, men også en særlig gruppe elever og forældre
Kl. 15.50 https://tinyurl.com/rebild2018
Hvorfor skal brevet ud til forældre/elev? Det etiske aspekt Ret til at have samme viden som læreren Risiko for at indbygge en konflikt Måder at overlevere resultaterne på Aldrig uden en lærer Som supplement til det øvrige Som en del af en målsætning og stilladsering af eleven