Ogres Kalna pamatskolas matemātikas skolotāja un pamatskolas matemātikas mācību jomas koordinatore, ONIP matemātikas metodiķe Santa Prancāne dalās pieredzē, kā viņa mācību gada laikā seko konkrētu skolēnu prasmju attīstībai matemātikā, vācot un salīdzinot snieguma datus starp pārbaudes darbiem un izmantojot šos datus lēmumu pieņemšanā.
Izglītības procesā ir būtiski ne tikai novērtēt skolēnu zināšanas, bet arī sekot līdzi viņu prasmju attīstībai. Šī dinamiskā analīze ļauj skolotājiem identificēt skolēnu stiprās un vājās puses, pielāgot mācību procesu un nodrošināt individuālu atbalstu.
Viens no svarīgākajiem aspektiem ir izsekot tām prasmēm, kas ir būtiskas mācību priekšmetā un kas vijas cauri vairākiem tematiem. Piemēram, es sestajā klasē gada sākumā konstatēju, ka daudzi skolēni nesaprot taisnstūra laukuma aprēķināšanas konceptu. Lai risinātu šo problēmu, es integrēju laukuma aprēķināšanu dažādos tematos, piemēram, mācot parasto daļu reizināšanu un decimāldaļu reizināšanu.
Lai atvieglotu datu analīzi, es visus e-klases datus dublēju vienā failā, kur katrai kolonnai piešķīru konkrētas prasmes nosaukumu. Tas ļāva viegli salīdzināt prasmju attīstību starp dažādiem tematiem un iegūt visaptverošu priekšstatu par skolēnu attīstības dinamiku mācību semestra garumā (1. pārbaudes septembrī, 2. Pārbaudes darbs oktobrī, 3.pārbaudes darbs novembrī).
1. tabula. 6. klases skolēnu matemātikā rezultāti pa uzdevumiem trīs pārbaudes darbos.
1. tabulā ir redzami 6. klases vērtējumi pa uzdevumiem trīs pārbaudes darbos. Mēs varam salīdzināt, kā veicies ar laukuma aprēķināšanu visos trīs pārbaudes darbos. Ar laukuma aprēķināšanu saistītie uzdevumi iezīmēti gaiši zilā krāsā. Šeit ir jāņem vērā, ka uzdevumi nav bijuši precīzi tādi paši visos pārbaudes darbos, tāpēc jāpievērš uzmanība SOLO līmenim. Rezultātu ietekmē arī tas, kā attiecīgais skolēns prot darbības ar attiecīgajām parastajām daļām vai decimāldaļām.
Kopējie rezultāti rāda, ka 2. pārbaudes darbā skolēni ar laukuma uzdevumu tikuši galā sliktāk nekā 1. pārbaudes darbā. Ņemot vērā, ka, savukārt, ar decimāldaļu reizināšanu ir veicies labāk nekā ar parastu daļu reizināšanu, es cenošas saprast, kāds tam ir iemesls. Vai bija sarežgītāka situācija? Varbūt es daļu uzdevumu, ļoti līdzīgu, rādīju uz tāfeles, tāpēc rezultāts bija labāks? Kādi punkti ir katram skolēnam individuāli? Varbūt kādi skolēni bieži nebija klasē? Varbūt es 1. tematā vairāk koncentrējos uz laukuma aprēķināšanu vingrinoties?
Varu parādīt abus uzdevumus uz tāfeles un pajautāt skolēniem, kurš uzdevums vieglāks/grūtāks, kāpēc. Šī datu analīze man palīdz saprast, kuras metodes tieši šiem skolēniem ir efektīvākas, lai labāk iemācītos. Nākamreiz es izvēlēšos, cita starpā, iekļaut arī salīdzināmākus uzdevumus, lai vieglāk var redzēt izaugsmes dinamiku.
Tabulā var redzēt arī kopējos datus diagnosticējošā darbā, kad pēc pāris mēnešiem visas prasmes jādemonstrē vienkopus, var redzēt līdz pat 25 procentu punktu kritumu. Tas nozīmē, ka daļai klases būs jāsāk mācīt no jauna, daļai klases jāiemācas atpazīt, kurš ir kurš uzdevums un kā galvā sasaistīt, ka ar šādiem skaitļiem jārīkojas šādi, daļa klases visu ir iemācījušies un viņiem būs viegli apgūt šīs darbības arī ar negatīviem skaitļiem. Es ik pa brīdim visas četras darbības ar visiem skaitļiem atkārtoju, bet acīmredzot man jāpadomā, kā nākošajā gadā samazināt kritumu būtiskajās prasmēs starp pārbaudes darbu un diagnostikas darbu.
Datu vākšanas metodes
Datus par skolēnu sniegumu var iegūt dažādos veidos. Viens no izplatītākajiem ir novērošana klasē. Es varu ievākt datus, vērojot, kā skolēni atbild uz jautājumiem, ko viņi pieraksta burtnīcās un kā viņi ilustrē mācību vielu. Piemēram, ja skolēniem tiek lūgts uzzīmēt paralēlskaldņa izklājumu, es apstaigāju klasi un redzu, vai skolēni ir uzzīmējuši to pareizi.
Šī novērošanas metode var būt gan neformāla, gan formāla. Neformālā novērošanā es vienkārši iegūstu vispārēju ieskatu par skolēnu sniegumu, savukārt formālā novērošanā es sistemātiki reģistrēju un analizēju datus. Piemēram, es varu atzīmēt, cik skolēni ir uzzīmējuši izklājumu precīzi, cik daļēji precīzi un cik skolēniem tas nav izdevies. Pēc tam šos datus var analizēt un pieņemt lēmumus par tālāko mācību procesu.
Datu analīzes rīki
Visvienkāršāk ir datus uzreiz vākt elektroniskā veidā, kas ļauj tos viegli pārvērst grafikos vai skaitliskās tabulās. Šīs tabulas var izmantot, lai sistemātiski analizētu rezultātus. Šeit var izmantot visas elektroniskās platformas un testus.
E-klase ir noderīgs rīks, kas atvieglo datu vākšanu un analīzi. E-klasē var ievadīt punktus par dažādām prasmēm, un sistēma automātiski ģenerē rezultātus. Tomēr e-klases piedāvātās iespējas dažkārt var būt ierobežotas, un var būt nepieciešams veikt padziļinātu datu analīzi vai salīdzināšanu. Šādos gadījumos var izmantot Excel tabulas, kas piedāvā plašākas datu apstrādes iespējas. Es variēju starp e-klasi un Excel tabulām, jo, piemēram, Google Classroom dati man jau uzreiz ir Excel formātā un tad es tos kopēju uz e-klasi, citus datus ievadu e-klasē un tad izgūstu, lai pievienotu kopējam failam, kur es tad varu vienkāršāk paskatīties, kādu tieši prasmi man vajag. Turklāt es tur varu sašķirot, atlasīt, iekrāsot un veikt visādas citas darbības, kas man palīdz domāt, kā skolēnus pārgrupēt, kādus uzdevumus viņiem dot, kā viņiem ar šo veicās iepriekš un kā tagad, vai tagad es varu teikt, ka šo viņi ir apguvuši.
Raksta titulattēla avots: www.freepik.com