"Vi måler det, der er nemt at måle"

DuoLingo er et gratis, internetbaseret sproglæringsprogram. Ved at sammenholde data om brugernes adfærd med data fra blandt andet deres offentlige Facebook-profiler opdagede opfinderen af programmet, Luis von Ahn, at spansktalende personer over en vis alder i stor stil droppede at lære engelsk, når de blev introduceret til ordet 'it' (den/det) - sandsynligvis fordi intetkøn ikke eksisterer på spansk. Ved at vente et par uger med at introducere ordet, hvis en bruger passer til netop den profil, lykkes det nu at fastholde langt flere.

Den hyppigt voksende mængde data i verden er intet mindre end det hidtil mest afgørende skridt imod at opnå reel undervisningsdifferentiering - hvis man altså vel at mærke bruger dataen rigtigt, mener professor Viktor Mayer-Schönberger. Sammen med kollegaen Kenneth Cukier har han skrevet bogen 'Learning With Big Data: The Future Of Education', hvor DuoLingo-eksemplet stammer fra.

"Inden for uddannelse har vi det centrale problem, at vi skal træffe en række meget vigtige beslutninger vedrørende vores børns og samfunds fremtid. Men mange af disse beslutninger bliver ikke truffet på baggrund af empiri. De bliver truffet på baggrund af ideologi - eller, i fravær af ideolog, alene på baggrund af økonomi", slår professoren tonen an via en Skype-forbindelse fra kontoret på Oxford University.

Vi måler det nemme - ikke det nødvendige

Problemet er langt hen ad vejen, mener Viktor Mayer-Schönberger, et spørgsmål om mangel på data. Og i stedet for at måle det, man bør måle, måler man det, der er nemt at måle.

"Vidtgående testning af eleverne er en meget mærkelig måde at gå til problemet på. På den måde indsamler man ikke data om, hvor godt bestemte læremidler eller en bestemt pædagogik virker, og især hvordan de virker på en bestemt gruppe elever", siger han.

"Det er det, jeg kalder 'The Tyranny of Data' (datatyranniet, red.), når man tillægger data mere værdi end den egentlig har. I stedet for at være ofre for dette tyranni, bør vi samle den data, der betyder noget. Og vi skal se den som et redskab til forbedringer frem for et disciplineringsværktøj".

I stedet for at forlade sig på testscorer, der viser hvilke evner én elev har inden for én kompetence på ét givent tidspunkt bør dataindsamlingen - som i eksemplet, der indledte artiklen - koncentrere sig om at indsnævre hvordan pædagogikken kan forbedres, mener professoren.

"DuoLingo-eksemplet har intet med læreren at gøre og intet med eleven at gøre, men alt med tilegnelsen af et sprog at gøre. Det er den slags ting, vi har brug for at vide. Den slags data var engang meget vanskelig at indsamle, men med digitaliseringen af læremidlerne er det blevet meget lettere. Jeg var for eksempel overrasket over, at jeg med Amazons Kindle-app kan se, hvilke sætninger læserne oftest understreger i vores nye bog. Jeg ved også præcis hvor, et stort antal læsere faldt fra. Det betyder ikke, at jeg vil skrive min næste bog på en helt anden måde, men jeg ved nu, hvad der var let og svært for modtageren at forstå - og hvad de anså for mindeværdigt", siger Viktor Mayer-Schönberger.

Processen er vigtigere end resultatet

I Danmark udbydes nu flere løsninger, hvor en digital portal bliver det samlende punkt for undervisningen. Her logges ind med uni-login, og herfra er der ikke langt fra at sammenholde brugsdata fra undervisningen med læremidlerne med scorer i test, eksamensresultater, lektier, alder osv. og på den måde analysere sig frem til hvilken type undervisning og læremidler, der har bedst effekt på en specifik type elever.

Men der ligger en faldgrube lige for, påpeger professoren - nemlig den type datatyranni, der gør datagenererende undervisning til den foretrukne, simpelthen fordi man dermed kan dokumentere sin undervisning.

"Hvis vores og vores institutioners tænkning vedbliver at være en small data-tænkning, så er der en reel fare for, at data bruges til at konkludere, at den bedste lærer er den, der kan påvise, at hver eneste elev har haft hver eneste side i pensum åben i en e-bog", siger Viktor Mayer-Schönberger.

"Her er der igen tale om, at man måler det, der er let at måle - fremfor det, man bør måle".

Undgås faldgruberne er Viktor Mayer-Schönberger dog nærmest overstrømmende optimistisk i forhold til, hvad Big Data kan gøre for læring.

"Vi er nødt til at forstå de nuværende begrænsninger vi har i forhold til data vedrørende uddannelsessektoren. Vi er nødt til at forstå, hvad vi er nødt til at ændre, for at forbedre den situation. Vi skal forstå, at det er dataen vedrørende læreprocessen snarere end læringsresultatet, der er det rigtigt interessante", siger han.

"Big Data kan afsløre den bedste måde at formidle læring. Endelig tror jeg på, at de gode lærere med Big Data kan få den data, der beviser, at de rent faktisk er gode".