Datová analýza wellbeingu v anglickém projektu

Anglické ministerstvo školství iniciovalo projekt, jehož cílem bylo zjistit, jak moc lze data získaná činností studentů použít k identifikaci úrovně jejich wellbeingu, nebo k intervenci v případě zjištěné potřeby. Hlavním řešitelem byla Northumbria University, partnerem zapojeným do zpracování dat byla nám již známá asociace JISC zabývající se technologickou podporou škol. Výsledky nejsou překvapivé, ale nemůže být na škodu se s nimi alespoň rámcově seznámit [1].

Hlavní závěry jsou tyto [2]:

1. Projekt úspěšně prokázal, že je možné předpovídat úroveň wellbeingu studenta se značnou přesností a ukázal účinnost modelů intervence na podporu studentů.
2. Specializovaná analýza wellbeingu lépe identifikuje potřebu podpory, než jakou odhalí samotná analýza výukových výsledků.
3. Díky datové analýze wellbeingu stoupá počet studentů, kteří jsou potenciálními příjemci podpory.
4. Analýza wellbeingu neodstraňuje potřebu zapojení specializovaných odborníků při rozhodování o intervencích, ale může zlepšit efektivitu této týmové činnosti.
5. Vstupní data musí být čistá, přesná a dostupná. Je třeba plošně zlepšit jejich kvalitu.
6. K plošnému nasazení výsledků a zajištění vhodné, všem (možná dokonce povinně) dostupné služby bude zapotřebí realizovat další výzkum.

Zastavme se nejprve u bodu č. 5. Northumbria University patří v Anglii k těm univerzitám, které v posledních letech investovaly nemalé částky do získávání relevantních dat o studentech. Díky tomu měli řešitelé k dispozici na 800 různých indikátorů, s nimiž pracovali. Zpráva zmiňuje, že zavedení opravdu kvalitního ekosystému podporujícího chod školy je záležitost poměrně nákladná, a to může být překážkou většího využití v tomto projektu experimentálně ověřovaných postupů. Zvláště když vezmeme v úvahu, že analýzou odhalená potřeba intervencí se většinou zvyšuje a jejich řešení zůstává v kompetenci specializovaného týmu odborníků. Spustit intervenci automaticky pouze na základě indikátorů zjištěných analýzou bez posouzení odborníky nelze. To znamená, že se bez větších investic nelze obejít.

Projekt vyvinul model analýzy, který dobrovolně zapojené studenty (bylo jich přes 2 tisíce) rozdělil podle úrovně wellbeingu do tří skupin – vysoce rizikoví, středně rizikoví a málo rizikoví. Nejvíce rizikoví studenti získali osobní podporu v podobě individuálního sezení, ti středně rizikoví byli zařazení do skupiny realizující specializovaný program s online podporou za účelem zlepšení wellbeingu. Pro ostatní byl organizován za stejným účelem workshop. Je důležité připomenout, že je vždy lepší, když dojde k nesprávné identifikaci ohrožení studenta, než když takový není vůbec odhalen.

Projekty, jako je tento, jsou užitečné, ale spíše rozšiřují, než nahrazují potřebu lidského prvku podpory, což je vždy ta obtížnější (a dražší) součást podobných, dnes tolik potřebných aktivit. Snad je zřejmé, že v okamžiku, kdy budeme mít k dispozici dost kvalitních dat i o žácích ZŠ a SŠ, bude možné nasadit analýzu welbeingu i zde. K tomu je ale třeba, aby se technologiemi podporované výukové aktivity staly nedílnou součástí vzdělávacího prostředí žáků. Zatím je sledování wellbeingu ve škole a včasné rozpoznání potřeby intervence na učitelích.

Student Life and Wellbeing

Literatura a použité zdroje

KERNOHAN, David. Data can help predict where students are struggling with wellbeing [online]. 2024. [cit. 2024-11-01]. Dostupné z: https://wonkhe.com/blogs/data-can-help-predict-where-students-are-struggling-will-wellbeing/.

KEANE, Jim. The Office for Students (OfS) mental health analytics project [online]. 2024. [cit. 2024-11-01]. Dostupné z: https://repository.jisc.ac.uk/9700/1/ofs-mental-health-analytics-project-report.pdf.