Data pro digitální personalizované vzdělávání

Personalizace je v poslední době jedním z nejčastěji diskutovaných témat v souvislosti s využitím technologií ve vzdělávání. Její podstatnou součástí mající zásadní vliv na úspěch je zpracování dat stojících v pozadí procesu učení. Právě této problematice se věnuje nedávné vydání měsíčníku Perspective EUN [1]. Podívejme se, co pro nás zajímavého tam najdeme.

Nejasný dopad digitálního personalizovaného vzdělávání (DPV)
Nástrojem DPV může být jakákoli aplikace, která reaguje na aktivity spojené s učením žáků tak, že přizpůsobuje (individualizuje) výukový obsah, mění zadání či upravuje úrovně obtížnosti cvičení. DPV má sice značný potenciál podporovat učení žáků, ale jeho dopad dosud nebyl dostatečně specifikován. Existující výzkumné studie sice pozitivní dopad nalézají, jsou však většinou založeny na pokusech s malými, nepříliš reprezentativními vzorky často bez kontrolní skupiny. Nedávná britská zpráva Education Data Reality [2] založená na rozhovorech se zúčastněnými stranami navíc naznačuje, že si samotní učitelé nejsou vždy přínosy technologií jisti, i když je používají. Zpráva také zdůrazňuje skutečnost, že vývojáři digitálních nástrojů ne vždy využívají data žáků přínosným způsobem. Příčinou někdy může být jen neznalost toho, co zlepšuje učení.

V každém případě nelze technologiemi nahrazovat učitele, a to ani při využití umělé inteligence. Zpráva OECD Digital Education Outlook 2021 [3] konstatuje, že nikdy nedosáhneme plného nahrazení ani ve výuce fakt, natož při budování sociálně-emočních dovedností.

Inkluze a rovnost žáků
Nedávné národní a mezinárodní průzkumy odhalují digitální propast mezi žáky z různých socio-ekonomických prostředí. I tato problematika má přímou souvislost se zpracováním dat.

1. Data znevýhodněných skupin mohou být méně vypovídající a bezpečná. Většinou nemohou být využita v plném rozsahu k pomoci žákům.
2. Digitální nástroje bývají navrhovány s ohledem na průměrného žáka, a proto mohou být žáci se speciálními vzdělávacími potřebami (SVP) znevýhodněni. Podle zprávy UNICEF [4] nejsou v zemích s nízkými a středními příjmy specializované nástroje schopné detekovat specifické poruchy dostatečně využívány.
3. Existuje též problém s přizpůsobením digitálních nástrojů menšinám a různým regionálním etnikům, které jsou často socio-ekonomicky znevýhodněné. Zpráva UNICEF [4] zdůrazňuje doporučení vývojářům digitálních nástrojů přizpůsobovat aktivity menšinám. Některé studie (např. zde) ukazují, že DPV může být efektivní i v zemích s nízkými a středními příjmy. Manifest správy dat UNICEF [5] nicméně připomíná, že riziko prohloubení nerovností vůči různým demografickým skupinám při zavádění vzdělávacích technologií je nemalé.

Má-li být DPV úspěšně nasazeno, je třeba budovat schopnost samořízeného učení žáků, používat vhodné nástroje, a akceptovat odlišnosti ve schopnostech žáků DPV používat.

Ochrana osobních údajů
Praxe ukazuje, že je možné navrhnout takové digitální nástroje, které personalizují výuku a zároveň udrží data žáků v anonymní formě, nesdílejí je s třetími stranami a ponechávají plné vlastnictví dat škole. Aplikace podobných etických opatření je však značně nákladná, neobejde se bez vhodné legislativy a regulace ze strany státu.

Samostatnou otázkou je, jak regulovat využívání žákovských dat určených pro výzkum. Takové použití nemusí být vždy na první pohled jasné a anonymita nemusí být zaručena. Pokrok však není bez výzkumu možný. Je nezbytné o těchto souvislostech diskutovat a všem zúčastněným je správně vysvětlovat.

Perspective EUN na závěr uvádí tato doporučení pro nasměrování národních politik evropských zemí:

• Prostřednictvím národních certifikačních programů a reputačních systémů motivujte dodavatele k lepší spolupráci s učiteli a odborníky s cílem zlepšit etiku a inkluzi jejich služeb.
• Integrujte etické postupy používání dat a hodnocení dopadu služeb souvisejících s digitálními vzdělávacími nástroji do vnitrostátních předpisů a zákonů.
• Vytvořte expertní pracovní skupiny, které budou připravovat pokyny k regulaci používání žákovských dat určených pro výzkum a rozvoj produktů.
• Pomozte více zapojit školy, učitele a žáky do spolupráce s výzkumnými pracovišti, protože to může v konečném důsledku významně podpořit přínosné využití vzdělávacích technologií.

Literatura a použité zdroje

Data use for personalised learning: how can it benefit students and teachers? [online]. 2022. [cit. 2023-02-06]. Dostupné z: http://www.eun.org/documents/411753/9166376/Perspective-n10-November-2022.pdf/fdc4bb39-af23-4b83-b3da-ffdbd1ff47e9.

Education Data Reality [online]. 2022. [cit. 2023-02-06]. Dostupné z: https://digitalfuturescommission.org.uk/wp-content/uploads/2022/06/Education-data-reality-report.pdf.

OECD Digital Education Outlook 2021 [online]. 2021. [cit. 2023-02-06]. Dostupné z: https://www.oecd-ilibrary.org/education/oecd-digital-education-outlook-2021_589b283f-en.

Trends in digital personalized learning in low and middle-income countries [online]. 2022. [cit. 2023-02-06]. Dostupné z: https://www.unicef.org/globalinsight/media/2756/file/UNICEF-Global-Insight-Digital-PL-LMIC-executive-summary-2022.pdf.

UNICEF Global Insight Data Governance Manifesto [online]. 2021. [cit. 2023-02-06]. Dostupné z: https://www.unicef.org/globalinsight/media/1741/file/UNICEF%20Global%20Insight%20Data%20Governance%20Manifesto.pdf.