Artificiell intelligens, debatten om skolans digitalisering och utvecklingen av digital kompetens
Jalal Nouri & Staffan Selander
Den digitala tekniken har under de senaste decennierna omskapat väldigt många aspekter av såväl vardagsliv som arbetsliv. Stora förändringar har skett med avseende på hur vi människor studerar, arbetar, umgås och roar oss. Digitala system har blivit så nödvändiga, och har fått så genomgripande konsekvenser, att vi inte längre kan tänka oss ett samhälle utan denna teknik. Det samhälle som nu växer fram är en ny typ av hybridsamhälle, där materiella och digitala systemen alltmer vävs samman.
Vi kan se att gamla institutioner förändras, men också att nya, mer globalt inriktade, verksamheter växer fram. Inte minst utbildningssystemet påverkas. Kravet på ett nytänkande vad gäller hur detta ska organiseras och hur undervisning ska genomföras blir alltmer aktuella, till exempel i form av delstudsstudier eller distansstudier i samverkan med skolor och högre utbildning i andra länder. Även innehållsliga frågor berörs, till exempel vad gäller kunskaper och kompetenser för ett hållbart samhälle (UNESCO, 2019). Vi ser också att de stora EdTech-företagen nu förbereder utbildningspaket som kan komma att påverka både skolor, lärarutbildning och annan högre utbildning. Och om detta genomförs i stor skala, vilken blir då den framtida lärarrollen, och vilka handlingsutrymmen erbjuds de studerande? Och vilka kompetenser behöver lärare och annan skolpersonal utveckla för att kunna vara med och styra denna utveckling?
Nya utmaningar för undervisning
Skolan står inför stora utmaningar – både med avseende på kunskapsuppdraget och värdegrundsuppdraget. Förändringarna kan även beröra vilka undervisningsformer och lärresurser som kan användas och vilka betygskriterier som ska gälla: ska undervisningen ske i form av stora grupper, klassrum eller mindre grupper och i form av enskilda studier? Kommer det fysiska ”klassrummet” att ens behövas i framtidens skola?
Det behövs därför, menar vi, en breddad och fördjupad förståelse för hur den digitala tekniken påverkar oss, dess fördelar och nackdelar. Och även om till exempel programmering har skrivits fram i läroplanen tycks frågan i hela sin vidd inte riktigt tas på allvar i skolans värld, och framförallt inte i debatten om skolan. Som vi ser finns det ett akut, påträngande och avgörande behov av kunskap vad gäller digital kompetens. Digital kompetens handlar både om en uppdatering av en allmän, medborgerlig digital kompetens, och om en mer specifik (lärar- och studerande-) kompetens vad gäller digitala tekniker i undervisningen och lärandet. Frågan berör såväl lärarutbildning som lärarfortbildning, och behovet är akut. Idag är många skolor längre framme i teknikanvändning än vad lärarutbildningarna förbereder för.
Debatt på villovägar
Hybridsamhället är redan här, och digitala tekniker används överallt. Vi kan se många slags utvecklingsprojekt och nytänkande, såväl på olika arbetsplatser som i olika skolor. Men vi ser sällan detta återspeglas i tidningsdebatter. I stället för att tänka kritiskt och kreativt kring dessa frågor, till exempel hur vi kan utveckla nya demokratiska och rättvisa strukturer och bejaka nya kulturella uttryck, tycks många debatter fastna i ett gnäll-kritiskt tänkande. Frågan om ”skärmtid” tycks dessutom ha blivit en nyckelfråga i en debatt som förbigår alla de möjliga, inlärningsstimulerande samtal som kan skapas genom gemensamma problemlösningssituationer eller informationssökningar (”Allt fler unga självkritiska till sin egen skärmtid”, DN 2019; ”Målet för digitaliseringen av skolan är inte ökad skärmtid”, DN 2019; ”Så har skärmarna charmat skolan”, DN 2020).
Vi kan se otaliga exempel på debatter och diskussioner där det verkar som om den digitala infrastrukturen ”egentligen” inte berör oss. Ta till exempel tidningsrubriker som ”Farlig övertro på AI som ännu är alltför ointelligent” (DN, 2018) eller ”Professor varnar för ett kunskapsras i den digitala skolan” (DN, 2019). Vi ser också artiklar som ”Psykolog. Vi vet för litet om hur barn påverkas” respektive ”Sociala medier är inte så sociala” (båda artiklarna publicerades i DN, 2019). Betyder detta att vi borde vänta eller avvakta ”rätt” tillfälle att engagera oss i dessa frågor? Å andra sidan ser vi också rubriker som ”Samhället måste satsa på AI för att möta medborgarnas förväntningar” (Annons från företaget avanade i DN:s Tema-bilaga om innovation, 2019). Det tycks här finnas en polarisering mellan mänskliga värden och ekonomiska värden, vilket kanske delvis kan förklara den digitala trögheten i utbildningssfären.
Ett ganska tydligt exempel på negativ retorik är artikeln ”Vad gör vi när ingen längre kan någonting?” (DN 9 sept. 2019). Artikeln är skriven av Ulf Danielsson, professor i teoretisk fysik. Låt oss lyfta några funderingar med anledning av denna artikel. Ulf Danielsson är professor i teoretisk fysik, inte i pedagogik, datavetenskap, sociologi eller historia. Att låna auktoritet från ett område (i detta fall från fysik) för att uttala sig om ett helt annat område (här: samhälleliga konsekvenser av en viss företeelse) kallas inom filosofin för genetisk argumentation, det vill säga idén om att trovärdigheten av en tes avgörs av vem som argumenterar för eller emot denna. Men vad händer om vi stället tar utgångspunkt i sakfrågan – argumentum ad rem?
Redan i rubriken – ”Vad gör vi när ingen längre kan någonting?” – finns ett antal frågetecken: Vem är ”vi”? Vad betyder det att ”ingen” inte längre kan något? Och: Vad innebär det ”att kunna” något? Artikeln ställer den retoriska frågan: ”Vad är det för nytta med kunskap som hänger i luften?”. Men, kan vi fråga oss, kan kunskap hänga i luften? Är det då ”kunskap” vi talar om? Är inte kunskap förknippat med att någon kan något och att hen kan använda denna kunskap på ett relevant sätt. Idén om att ”kunskap” kan hänga i luften blir en lös metafor som inte grundas i något. Kanske menar författaren i stället att det finns en massa information i olika databaser som ingen längre vet hur den ska kunna nyttjas? Men i så fall är det en helt annan fråga. Och det är tveksamt om detta verkligen skulle gälla ”alla” (artikelns ”vi”).
Artikeln fortsätter: ” Vad skulle just du kunna berätta för stenåldersmänniskor, antikens greker eller någon från medeltiden som var av verklig betydelse?”. En första fråga som dyker upp är – skulle ”jag” över huvud taget kunna tala med dessa personer? Vilket språk skulle jag i så fall använda? Den andra frågan som pockar på är: Hur kan ”jag” berätta något av värde för någon (från en annan historisk period) som inte delar mina sociala, kulturella eller vetenskapliga erfarenheter? På vilket sätt kan jag i så fall berätta om det jag kan. Den tredje frågan är: På vilka grunder kan vi anta att dagens människor skulle vara sämre rustade för ett sådant (tänkt) uppdrag än man var på 1860-talet, då det ännu inte ens fanns någon reguljär skolgång för alla barn, eller på 1920-talet då fortfarande en ytterst liten del av befolkningen gick vidare till högre utbildning? På vilket vis skulle alla de ungdomar som tidigare lämnade skolan efter sju år, alltså 13–14 år gamla för att börja arbeta, vara mer kvalificerade än dagens ungdomar, varav de alla flesta gått 12 år i skolan? Och den fjärde frågan blir förstås: Vad tjänar exemplet för (retoriskt) syfte, då det i praktiken (i alla fall än så länge) är omöjligt att tala med någon som är avliden?
Om vi i stället vidgar tanken från kunskap till bildning, skulle kanske Ulf Danielssons argument kunna få en större kraft. Sverker Sörlin skriver i sin bok Till bildningens försvar (2019) att ”folk vet mer nu än i det förflutna. Men ändå tycker jag att det är något viktigt som håller på att gå förlorat, eller åtminstone tunnas ut […] Det är något med vår förmåga att komma överens om vad som är viktigt. Vilka värderingar som är överordnade. Vi glider alltmer isär.” (a.a., s.25). Sörlin diskuterar vidare kring bildning som något annat än kunskap eller förmågan att använda kunskapen. Snarare ser han bildning som något gemensamt formande, som utvecklar ”en övervägande, samtalande medborgare, en engagerad och ansvarstagande människa” (a.a., s.19). Sörlin skiljer mellan å ena sidan ett bredare bildningsbegrepp och å andra sidan ett snävare, skolmässigt eller professionsinriktat kunskaps- och färdighetsbegrepp.
Tyvärr döljs Ulf Danielssons rimliga tvivel av en mängd ovidkommande och drastiska metaforer och brist på precision. Just för att ”vi” alla behöver ta mer ansvar och förstå mer av den digitala världens innebörd behöver ”vi” alla lära oss mer om hur denna värld fungerar. För oss är domedagsprofetior lika meningslösa som rosenskimrande beskrivningar av digitaliseringens välsignelser. Vad vi behöver är en nykter blick, större förståelse och djupare kunskaper, vilket dock inte alltid återspeglas i olika debatter.
Det diskuteras också att mobiltelefoner förbjudas i skolan, eftersom de stör elevernas uppmärksamhet. Det ligger naturligtvis mycket i detta argument om mobilen som en källa till distraktion, men samtidigt menar vi att detta är att rikta blicken åt fel håll. I stället kan man använda och anpassa den digitala tekniken för att fånga elevers intresse i relation till skolrelevanta uppgifter och frågor (Nouri, 2014). Vi kan också konstatera att regeringens direktiv i frågan inte följs: ”Tre av fyra skolor följer inte krav på att använda digitala verktyg (Ängmo & Gunnars, DN Debatt 24 oktober, 2019). I Nationell handlingsplan för digitalisering av skolväsendet (#skolDigiplan, SKL 2019) tar Sveriges kommuner och landsting också ta ett samlat grepp i kommunerna om digitaliseringen i skolan – men utan någon egentlig genomgripande idé om konsekvenserna för en framtida utbildning, menar vi.
Vår utgångspunkt är denna: vi kan inte vänta in ”rätt” tidpunkt för att förhålla oss till det digitala samhället. Det tåget har så att säga redan gått, den digitala världen är här och nu. Vi behöver däremot förstå mer av denna värld: vad den på gott och ont gör med/för oss människor och hur den digitala tekniken både är ett uttryck för och påverkar sociala villkor.
Nödvändigheten av relevanta tankeredskap för att förstå teknikutveckling
Det behövs alltså tankeredskap för att kunna reflektera över teknikens komplexitet och dess möjligheter och konsekvenser, liksom över olika bra eller dåliga sätt att använda samtida, digitala tekniker. Under historiens gång har det dykt upp tekniska förnyelser av de mest skilda slag. Konsten att göra upp eld påverkade mänskligheten i grunden, eftersom man nu fick ett redskap för att tillaga en mer allsidig och näringsrik kost (men elden kan förstås även användas av pyromaner); stigbygeln gjorde det möjligt att utrusta riddare med tunga rustningar (även om alla kanske inte tycker att just det var så bra); och boktryckarkonsten gjorde det möjligt att sprida tidningar och pamfletter (vilket samtidigt också bemöttes med censur). Tekniken att trycka och massproducera (bok-) texter gjorde det också möjligt att reproducera hierarkiska kunskapssystem, som Linnés sexualsystem eller Mendelejevs periodiska system (inom kemin), och därmed avlasta den mänskliga hjärnan vad gäller de ökande kraven på en både alltmer omfattande och samtidigt mer precist kollektivt minnande.
Lärmiljöer i förändring
Det förefaller uppenbart att vår lärmiljö håller på att förändras; från 1900-talets undervisning med läraren i centrum – där de tillgängliga redskapen främst har varit fysiska, tryckta texter – till 2000-talets undervisning med eleven i centrum, där de främsta redskapen är digitala och multimodala texter, spel och simuleringar (Arnseth m.fl., 2019; Collins & Halverson, 2009; Insulander m.fl., 2017; Laurillard, 2012; Selander, 2015, 2017). Vi vill här peka på några särskilda aspekter av denna genomgripande förändring. Denna förändring syns naturligtvis inte i sin helhet just idag eller i morgon, kanske inte ens fullt ut om tio-femton år. Men små, ackumulerande förändringar leder på sikt obönhörligen till tämligen kraftiga omvälvningar, även om det just nu är svårt att fullt förutse både hastigheten och innebörden av denna komplexa process.
Hur såg lärmiljön ut på exempelvis 1960- och 70-talet? Var letade man upp information för att lösa en hemuppgift från skolan? Ja, antingen kunde använda läroboken eller så kunde man slå upp det man sökte efter i något lexikon – som Nordisk Familjebok, Svensk Uppslagsbok eller Bra Böckers lexikon. Fanns inte dessa tillgängliga hemma så fick man ge sig iväg till biblioteket. Och om man inte kom från ett hem med någon annan bok än Bibeln, eller hade långt till ett bibliotek, så fick man kolla med en kompis eller fråga Fröken eller Läraren i skolan dagen efter.
Idag är man emellertid varken hänvisad till en enbart svensk studiemiljö eller enbart till tillgången av tryckt alster som en bok eller ett häfte, utan man kan använda en uppsjö av digitala källor som Wikipedia, TED-föreläsningar eller föreläsningar från olika universitet, man kan hitta artiklar och böcker som är öppet tillgängliga på nätet, där det också finns möjligheter att via nätverkstjänster kommunicera med andra. Lärmiljön har alltså förändrats på ett vis som möjliggör att den studerande kan sättas i centrum på ett annat vis än tidigare. Också distansundervisning har förändrats – man kan i många utbildningar delta i distansundervisning i närmiljön (synkront eller asynkront) beroende på individuella förutsättningar för studier, bland annat beroende på vilken ort man bor på eller vilka arbets- eller familjeschema man har.
Digital kompetens
I ljuset av ovanstående utgör digital kompetens en delmängd av ett ganska vidsträckt kompetensbegrepp. Digital kompetens kan vi förstås som förmågan att navigera, anpassa sig till och utveckla hybrida verkligheter:
- Att som lärare och elev behöver ha en förståelse för hybridmaterialitetens villkor och möjligheter – att olika tekniska verktygs materialitet erbjuder olika möjligheter att nyttja dessa. Med sådan kunskap kan lärare bättre skapa transformativa lärandepraktiker med tekniken, istället för att bara replikera traditionella analoga praktiker på ett digitalt sätt utan att skapa mervärden.
- Att vi agerar inom hybrida verkligheter i skolan innebär att vi kan producera stora mängder data, vilka kan ge en bild av olika lärprocesser. Vi behöver utveckla en datalitteracitet, som omfattar insamling och analys av data, samt beslutstagande och agerande som är baserade på dataanalys men också testade i sitt sammanhang
- Att utveckla kompetens att hålla sig undan digitala eller hybrida verkligheter där de inte är ändamålsenliga och nyttiga.
Varför är AI så revolutionerande?
Mycket av den utveckling inom AI-området vi ser idag har att göra med de banbrytande utvecklingar av neurala nätverk, genetiska/evolutionära maskininlärningsalgoritmer, och djupinlärningsalgoritmer (”deep learning”) som tagits fram på senare tid. Dessa banbrytande algoritmiska innovationer är på matematisk grund skapade att efterlikna människans hjärna och evolutionära processer – men med vida överträffande bearbetningshastighet och förmåga att outtröttligt hantera och identifiera mönster i data – och fungerar förbluffande effektivt. Dessa algoritmer har också i kombination med tillgängligheten av stora mängder data (”big data”) samt hårdvaruutveckling som lett till att stora mängder data kan analyseras allt snabbare, också banat vägen för att det idag sker en intensiv och explosionsartad utveckling av nya maskininlärningsalgoritmer.
AI som stöd i elevers lärande
Låt oss nu återvända till den digitala teknikens möjligheter. Genom AI teknologi kan sådana lärverktyg erbjudas eleverna, vilka kraftfullt stödjer ett adaptivt och individualiserat lärande. Många experter menar att utbildningssektorn – med stöd av AI-teknologi – på sikt kommer att anpassa sig till elevers individuella profiler och målsättningar. Men redan idag finns sådan teknik, som på sina håll har börjat användas i skolans värld. Exempel på det är digitala AI-baserade lärplattformar, som anpassar och erbjuder lärresurser efter elevers individuella profiler och befintliga kunskapslägen. Vi ser också framväxten av sådana digitala verktyg som baserat på historiskt lärande av elevers individuella trajektorier, alltså deras livs- och lärandebanor, ger väl avvägda rekommendationer till eleven för hur hen exempelvis skulle kunna förbättra sin skrivteknik eller hantera aktuella matematiska problemställningar.
Det finns numera ganska många exempel på verktyg som kan ge en intelligent, formativ feedback så att elever kan förbättra sitt skrivande (till exempel Microsoft Word erbjuder detta). Vi ser också en framkomst av AI-baserade digitala assistenter och chatbotar som konverserar med elever och som bistår med stöd. Ett exempel är Question Bot, som utvecklats av David Kellerman i Australien, som automatiskt besvarar studenters frågor under och efter lektioner. Programmet möjliggör snabb respons till studenter och ser till att de mest optimala svaren alltid ges på ett likvärdigt sätt till alla studenter. På så sätt frigörs tid för lärare, som kan ägna mer tid åt djupgående diskussioner och förklaringar av mer komplexa sammanhang. Vi är emellertid enbart i början av utvecklingen av en AI-teknologi som stödjer elevers lärande, och mycket mer förväntas utvecklas redan de närmaste åren.
AI som stöd för undervisning och utbildningsadministration
Ser vi till den forskning som sker inom området AI i utbildning, såväl vad gäller de verktyg som redan satts i bruk och till de som håller på och utvecklas, kan vi notera att många av dessa verktyg fokuserar på att förenkla lärarens arbete eller förstärker lärarens kapacitet i det pedagogiska arbetet. Vi kan exempelvis se tillämpning av ansiktsigenkänningsteknologi som identifierar elevers emotioner eller deras engagemang och koncentration i klassrummet, eller för automatiserad närvarokontroll vilket används i flertalet länder idag. Redan idag finns det AI-verktyg som med hög precision hjälper till med att diagnostisera lärandesvårigheter och som förutsäger framtida prestation hos elever. I vår egna forskning vid Stockholms
Universitet har vi exempelvis under en längre tid utvecklat och tillämpat maskininlärningsalgoritmer som med hög precision förutsäger huruvida studenter på kurser kommer erhålla underkända betyg eller hoppa av kurser eller uppsatsskrivande (Nouri m.fl., 2019). Med stöd av dessa förutsägelser kan vi i ett tidigt skede intervenera och försöka rikta om studenter i riskzonen för avhopp eller låga betyg mot ett mer positivt framtidsscenario.
Kunskapsrepresentationer i digitala spel och simuleringar
Centralt i allt lärande handlar både om vad och hur man lär sig något. Lärande är beroende av såväl sammanhang och situation som intresse och engagemang. Innehållet – vad man lär sig – är inte heller frikopplat från hur information gestaltas eller representeras, vad som betraktas som givet respektive nytt, eller vilka exempel och typer av förklaringar som dominerar. Vad man lär sig genom att läsa en text skiljer sig till exempel från vad man lär sig genom att delta i praktiska övningar som laborationer eller simuleringar. Detta beror på att det vi kallar kunskap (i dess vidgade innebörd) omfattar många olika aspekter: såväl faktakunskaper och teorier som förmåga och omdöme att använda rätt kunskaper i handling i olika situationer. Det är också så att vi lär oss lättare om sådant vi är intresserade av än det som är oss likgiltigt.
Varje kunskapsrepresentation utgår från något som antas vara känt, till vilket det nya läggs. Varje kunskapsrepresentation placerar också något som centralt och annat som perifert. Inte minst i multimodala representationer är det viktigt att förstå hur olika resurser samspelar (Bandlien, 2019; Kress & van Leeuwen, 2006; Kvinge, 2019; Østern m.fl., 2019) och hur man som lärare kan ”orkestrera” olika lärsekvenser. Det kan också handla om på vilket sätt (och i vilken utsträckning) rubriker, spalter, text och bilder respektive bildtexter samverkar med – eller motverkar – varandra i tryckta texter; eller hur texter kombineras med rörliga bilder och ljud i digitala texter (Danielsson & Selander, 2014, 2016). I spel och simuleringar tillkommer en annan aspekt av lärande – då fokus är på görande, på det egna agerandet i relation till vad ett spel respektive ett simuleringsprogram erbjuder. Här visar man sitt kunnande i handlande, inte genom att exempelvis återge ur minnet eller genom att delge sina reflektioner. Spel och simuleringsprogram inbjuder till en annan typ av lärande än att lyssna och läsa, vilket också leder till nya krav på hur kunskap ska bedömas (Kress & Selander, 2012; Nouri m.fl., 2017).
Kompetens att använda digitala verktyg för datadriven skolförbättring
Datalitteracitet innebär också en förståelse för och en kompetens att använda digitala verktyg för att bedriva datadriven skolförbättring. Det finns idag flertalet digitala verktyg som kan användas för datadriven skolanalys eller analys av lärande, även om de primärt inte har utvecklats för detta syfte. Som exempel kan vi nämna Kahoot eller Mentimeter, två vanligt förekommande verktyg i skolans värld. Båda dessa verktyg är exempel på responssystem som möjliggör att quizzar och frågor besvaras av elever i realtid under en lektions gång. Verktyg av detta slag stödjer samtidigt en datadriven formativ bedömning av elevers kunskaper, vilken kan ligga till grund för individuella anpassningar av undervisning. Trots att verktygen inte är primärt utvecklade för datadriven analys i skolan, så tycks många lärare idag som använda dessa verktyg – vilket egentligen kräver en digital kompetens i form av datalitteracitet.
Det har emellertid också dykt upp nya verktyg och hjälpmedel som i grunden skapats just för datadriven skolförbättring, och i framtiden lär ännu fler dyka upp. Datalitteracitet i framtidens hybrida skola kommer förutsätta att lärare och skolpersonal kan arbeta med verktyg för att systematiskt kunna bedriva datadriven skolförbättring.
Datadriven skolförbättring bör ses som ett medel för att utveckla skola och undervisning på en vetenskaplig grund och som ett medel för organisatoriskt lärande. De metoder som används för datadriven skolförbättring hämtar nämligen stöd i de vetenskapliga ramverk som tagits fram för organisatorisk förbättring och organisatoriskt lärande, så som exempelvis PDCA som är en standard i industrin, eller det speciellt för skola utvecklade ramverket ”The continuous school improvement framework” av Victoria Bernhardt (2017). Båda dessa ramverk grundar sig i en mycket välanvänd vetenskaplig metod som inkluderar hypotesformulering, experiment och utvärdering. En skola som med kraft önskar införliva systematiskt arbete med datadriven skolförbättring bör således stärka kompetenser kring användning av metodologiska ramverk. Bernhardts ramverk för datadriven skolförbättring bygger på en cyklisk process med fyra faser, planering, implementation, utvärdering och förbättring, som i sin tur vägleds av fem enkla och logiska frågor:
- Var är vi idag?
- Hur kom vi hit?
- Var vill vi vara?
- Hur ska vi komma dit vi vill vara?
- Skapar våra ansträngningar någon skillnad?
En genomgång av dessa frågor och faser ger oss en mer detaljerad inblick i de nya digitala kompetenser som en datadriven skola behöver utveckla.
Var är vi idag?
Planeringsfasen kräver att vi har en förståelse för var vi är idag, vilket i sin tur kan brytas ned till en förståelse för vilka vi är som skola, vilken kultur och vilka värderingar vi har, hur våra elever utvecklas, och vilka processer och arbetssätt som finns på skolan. Tanken här att skolan redan i denna fas arbetar på ett datadrivet sätt för att besvara dessa frågor. För att förstå vilka vi är som skola så behöver vi använda data för att förstå skolans demografi: vilka elever finns på skolan, hur många är de, storlek på klasser, antal elever med special behov, som är nyanlända, flerspråkiga, som får ofullständiga betyg, antal lärare, antal behöriga/obehöriga, osv. För denna uppgift förutsätts en digital kompetens att navigera i befintliga digitala system för att hitta önskad information. Det behövs också kompetens kring att skapa datainsamlingsinstrument och utföra datainsamling ifall önskade data inte finns tillgängligt.
För att skapa en datadriven förståelse för var vi är idag som skola och organisation krävs således sammantaget en digital kompetens att navigera i befintliga digitala system för att hitta önskad information; en kompetens att integrera data som kommer från multipla datakällor (digitala likväl som analoga); samt kompetens att sammanställa stora mängder data. I många fall kan det också behövas kompetens kring att skapa datainsamlingsinstrument och utföra datainsamling när önskade data inte finns tillgängligt i organisationen.
Hur kom vi hit?
I denna fas påbörjas en första större analys av insamlat data från föregående steg. Här försöker vi förstå varför skolan är som den är, vilka styrkor och svagheter som skolan för närvarande har, och vad som fungerar och vad som inte gör det. Tanken är att det arbetslag som är ansvariga för det datadrivna utvecklingsarbetet utför analysen tillsammans, vilket förutsätter att de berörda utvecklar kompetenser kring att analysera men också kommunicera analyser med utgångspunkt i data och evidens.
Vad beträffar det analytiska arbetet så krävs i detta steg datagenomskärande analyser – dvs. att man gör analyser tvärs över de datapunkter som samlats in i föregående steg. Mer konkret så kan det handla om att man ställer frågor som kombinerar två eller flera aspekter så som demografisk data, lärare och elevers uppfattningar och attityder och skolans processer och arbetssätt. Exempel på sådana frågor är: Får elever som har högre närvaro bättre betyg? Presterar elever som har positivare attityder till skolan bättre, mätt i slutbetyg? Vilka didaktiska arbetssätt föredras av elever som har hög närvaro och hög prestation? Besvarandet av frågor av detta slag kan kräva visualiseringar i form av grafer eller korrelationsanalyser.
I detta steg kan också mer avancerade prediktiva analyser göras för att förutsäga vilka elever som riskerar att hoppa av utbildningen eller erhålla ofullständiga eller låga betyg, samt för att identifiera de faktorer som skolan preventivt behöver arbeta med för att minska risken för sådana utfall. Detta kan kräva mer avancerad statistikkompetens men idag finns det också mjukvaror som automatiserar och förenklar denna sorts analys (med stöd av maskininlärningsalgoritmer). En datadriven skola behöver således utveckla den digitala kompetens som krävs för att hantera programvara av ovannämnda slag.
Vart är vi på väg?
När skolan har en bra bild över var de är idag och vad som fungerar och inte fungerar är det dags att skapa en gemensam vision för vart man är på väg. En effektiv vision är baserat på en omfattande dataanalys av hur skolan skapar befintliga resultat för eleverna och är grundad i en identifikation av goda exempel (”best practices”) från den egna verksamheten, från andra skolors verksamhet, samt i forskning. En effektiv vision är därförutom också förankrad i gemensamma värderingar och uppfattningar och är specifik, detaljerad och tydlig. Framställandet av en sådan gemensam vision kräver systematiska och kollektiva procedurer. I denna fas krävs därför dels en kompetens att på ett data-informerat sätt framställa en gemensam vision och dels kompetens att organisera och inrätta systematiska procedurer och rutiner så att skolan på ett samlat och kollektivt sätt ska bidra till visionsformuleringen.
Hur ska vi komma dit vi vill vara?
När visionen klargjort vad vi ska undervisa, hur det ska undervisas och vilka värderingar och förhållningssätt som skolan bör ha, så blir det dags att kollektivt och systematiskt sätt formulera en handlingsplan för implementationen av den gemensamma visionen. Denna handlingsplan bör innehålla mål, strategier och aktiviteter, vem som tar ansvar för vad, hur utvärderingar och mätningar ska göras, utgifter och kostnader, samt en tidsplan för implementationen. För att på ett framgångsrikt sätt göra detta behöver skolorganisationer således utveckla kunskaper och kompetenser kring hur skolan bör organisera sig för formuleringen av handlingsplanen, och för planering av en datadriven utvärdering av dess implementation.
När handlingsplanen formulerats påbörjas implementationen som inkluderar datadrivna metoder för att förbättra undervisning och lärande. Vid det här laget har skolan en tydlig data-informerad bild över skolan, dess processer och praktiker, över det som fungerar väl och det som brister, samt en gemensam vision som ska implementeras med en stark handlingsplan av ett samlat kollegialt lag. I detta skede behöver det samarbetande laget samla in, analysera och använda sig av elev- och undervisningsdata för att förbättra undervisning och lärande i klassrummet. I detta arbete blir datadrivna formativa bedömningsmetoder centralt för att förstå effekten av implementerade handlingar och aktioner så att nödvändiga anpassningar kan göras, vilket förutsätter användning av formativa data i realtid likväl som för efteranalys (Bernhardt, 2017). Detta implicerar att en datadriven skola behöver utveckla kompetenser och färdigheter i att göra datadrivna formativa bedömningar i realtid likväl som för efter lektionsanalys och att använda digitala hjälpmedel för detta syfte.
Vad följer med efterdyningarna av Covid-19?
Debatten om skolans digitalisering har under lång tid först med kritiska förtecken, och det har till exempel hävdats att digitalisering gör att människor slutar samtala med varandra. I spåren av corona-pandemin ser vi intressant nog att det är just de digitala redskapen som upprätthåller kommunikation och undervisning. Utvecklingen har på några få veckor hämtat in år av försummelser, skulle man kunna säga. Vi ser nu många exempel på hur lärare experimenterar med nya undervisningsformer, både för att stärka och upprätthålla det sociala samtalet och för att utveckla nya arbets- och bedömningsformer. Därmed inte sagt att allt är gott med den digitala utvecklingen. Även kontroll och övervakning kan öka kraftigt. Men uppenbart är den digitala revolutionen nu på att genomföras i skolans värld. Det förefaller därför vara hög tid att utveckla också lärares professionellt baserade, digitala kompetens.
Referenser
Arnseth, H.C.; Hanghøj, T.; Henriksen, T.D.; Misfeldt, M.; Ramberg, R. & Selander, S(red.) (2019). Games and education. Designs in and for learning. Leiden/Boston: Brill Sense. [Med förord av James Paul Gee].
Bandlien, B-T. & Selander, S. (2019). Designing and composing music with iPads: a performative perspective. In Østern, A-L. & Knudsen K.N. (red.) Performative approaches in arts education. Artful teaching, learning and research (s. 81–96). London/New York: Routledge.
Bernhardt, V. (2017). Data analysis for continuous school improvement. 4th edition. London: Routledge.
Collins, A. & Halverson, R. (2009). Rethinking education in the age of technology. The digital revolution and schooling in America. New York & London: Teachers College Press.
Danielsson, K. & Selander, S. (2014). Se texten! Multimodala texter i ämnesdidaktiskt arbete. Malmö: Gleerups.
Hansen, P.; Shar, C. & Klas, C-P. (red.) (2015). Collaborative information seeking. Best practices, new domains and new thoughts. Cham/Heidelberg/New York/Dordrecht/London: Springer.
Insulander, E.; Kjällander, S.; Lindstrand, F. & Åkerfeldt, A. (2017). Didaktik i omvandlingens tid. Text, representation, design. Stockholm: Liber.
Kress, G. & van Leeuwen, T. (2006, 2a uppl.). Reading images. The grammar of visual design. London: Routledge.
Kress, G. & Selander, S. (2012). Multimodal design, learning and cultures of recognition. The Internet and Higher Education, 12 dec. 2012. DOI: 10.1016/j.iheduc.2011.12.003
Kvinge, Ø.R. (2019). Presentation in teacher education. A study of student teachers’ transformation and representation of subject content using semiotic technology. Doktorsavhandling. Bergen: Universitetet i Bergen.
Laurillard, D. (2012). Teaching as a design science. Building pedagogical patterns for learning and technology. New York and London: Routledge.
Nouri, J. (2014). Orchestrating scaffolded outdoor mobile learning activities. Doktorsavhandling. Stockholm: Stockholms universitet, DSV Report Series No. 14-014.
Nouri, J.; Åkerfeldt, A.; Fors, U. & Selander, S. (2017). Assessing collaborative problem solving skills in Technology-Enhanced Learning environments – the PISA framework and modes of communication. Journal of Emerging Technologies in Learning, 12(04), 163–174.
Nouri, J.; Saqr, M.; Ebner, M. & Malmberg J. (2019). Efforts in Europe for Data-driven Improvement of Education – A Review of Learning Analytics Research in Six Countries. Article · July 2019. DOI: 10.3991/ijai.v1i1.11053; https://www.researchgate.net/publication/334726008.
Selander, S. (2015). Conceptualization of multimodal and distributed designs for learning. In Gros, B.; Kinshuk & Marcel M. (red.) The futures of ubiquitous learning: Learning designs for emerging pedagogies, Heidelberg, New York, Dordrecht & London: Springer. (s. 97-113).
Selander, S. (2017). Didaktiken efter Vygotskij. Design för lärande. Stockholm: Liber.
Selander, S. & Kress, G. (2010). Design för lärande – ett multimodalt perspektiv. Stockholm: Norstedts.
#skolDigiplan (2019). Nationell handlingsplan för digitalisering av skolväsendet. Stockholm: Sveriges kommuner och Landsting.
Sörlin, S. (2019): Till bildningens försvar. Den svåra konsten att veta tillsamman. Stockholm: Natur & Kultur.
UNESCO (2019). Futures of education. Learning. To become. A global initiative to reimagine how knowledge and learning can shape the future of the humanity and the planet. [ED/2019/ERF/1]
Østern, T.P.; Dahl, T..; Strømme, A.; Petersen, J.A.; Østern, A-L. & Selander, S. (red.) (2019). Dybde//læring – en flerfaglig, relasjonell og skapende tilnærming. Oslo: Universitetsforlaget.
Dagspress
”Allt fler unga självkritiska till sin egen skärmtid”. Hugo Lindkvist, Dagens Nyheter, Kultur/Nyheter, 11 september, 2019, s. 4–5.
”Farlig övertro på AI som ännu är alltför ointelligent”. DN–Debatt, Thomas Hellström, Dagens Nyheter, 7 oktober, 2018, s. 5.
”Målet för digitaliseringen av skolan är inte ökad skärmtid”. DN–Insidan, Thomas Lerner. Dagens Nyheter, 21 augusti 2019, s. 22f.
”Professor varnar för ett kunskapsras i den digitala skolan”. DN–Insidan, Thomas Lerner. Dagens Nyheter, 20 augusti, 2019, s. 26f.
”Psykolog. Vi vet för litet om hur barn påverkas.” Peter Letmark i Dagens Nyheter, 28 juni 2019, s. 6.
”Samhället måste satsa på AI för att möta medborgarnas förväntningar”. Annons från avanade i en tema-bilaga om innovation, Dagens Nyheter, 30 juni 2019, s. 7.
”Sociala medier är inte så sociala”. Thomas Lerner, DN Insidan, Dagens Nyheter, 14 januari 2019, s. 23.
”Så har skärmarna charmat skolan” (Katarina Bjärvall, Kultursöndag, Dagens Nyheter, 16 februari, 2020, s. 12–13).
”Tre av fyra skolor följer inte krav på att använda digitala verktyg. Helén Ängmo & Ylva Gunnars, Dagens Nyheter, 24 oktober, 2019, s. 5.
”Vad gör vi när ingen längre kan någonting?”. Ulf Danielsson, Idé & Kritik, Dagens Nyheter, 9 september 2019, s. 6.