På föräldramötet, Jag satt mitt emot bordet från min förstaklassares lärare i en stol gjord för en 6-åring. Läraren pekade på procentsatser klottrade med rött bläck. Jag tittade och lyssnade.

"Detta nummer, " Hon sa, "är hans Lexile-poäng." Hon fortsatte, flyttar hennes pekfinger över ett bord skapat av MetaMetrics. "Här är intervallet för normala för hans ålder. Så, du vill att han ska läsa böcker på den här nivån."

Hennes rapport om hans matteprestationer fortsatte på ungefär samma sätt:fler procentsatser, intervall och "nivåer, " ibland beräknat utifrån olika upphovsrättsskyddade åtgärder.

Vid det här laget, Jag hade svårt att följa. Jag undrade tyst:Jag har en Ph.D. i undervisning och lärande, och jag förstår inte vad dessa uppgifter säger om mitt barn. Vad får andra föräldrar ut av dessa möten?

När läraren tog ett andetag, Jag lutade mig så långt bak som den lilla stolen tillät. Hon såg upp från kaskaden av arbetsblad, fångar min blick. Jag grep ögonblicket. "Får du någonsin prata med Mac?" Jag frågade. "Jag menar, vet du vad han gillar, vad är han intresserad av? Det är ett bra sätt att välja böcker åt honom, baserat på hans intressen." MetaMetrics vet inte vad som gör Mac (inte hans riktiga namn) upphetsad över att lära sig. Hon log och slappnade av tillbaka i sin stol, för.

Det räcker inte att samla in data om en elev. Jag tror att data inte är något substitut för att bygga relationer med unga människor. Och ändå, grundskole- till gymnasielärare som arbetar bra med data, de som vet hur man mäter och talar från procent, gör jobbet rätt. Detta är undervisning i en tid av "big data".

Datarika skolor

Den senaste tidens ansvarspress på skolor, på grund av inget barn kvar, innebär att lärare i allt högre grad använder elevdata för att informera både klassrumsundervisning och skolomfattande förbättringar.

Läs bara första stycket i en sammanfattning från 2009 från Department of Education för en känsla av vikten av data i skolor:"Insamlingen, analys, och användningen av utbildningsdata är centrala för förbättringen av elevresultat som No Child Left Behind (NCLB) föreställer sig. Användningen av data i utbildningsbeslutsfattande förväntas sträcka sig över alla skikt av utbildningssystemet - från det federala till det statliga, distrikt, skol- och klassrumsnivå."

I en undersökning från 2007 av 1, 039 skoldistrikt över hela landet, Utbildningsdepartementet fann att 100 % upprätthöll ett studentinformationssystem med datapunkter som testresultat på statliga bedömningar, demografi, närvaro och beteende.

Med program som PowerSchool, Infinite Campus och Skyward – var och en tar mer än 5 USD per barn och månad – dessa studentinformationssystem lovar en one-stop-shop för att spåra alla aspekter av ett distrikts elev- och skoldata.

Helst dessa system hjälper lärare att titta på elevdata i team, med andra lärare och skolledare. Men hur lärare i olika distrikt vanligtvis tolkar, använda eller ignorera data är fortfarande en öppen fråga.

I vissa distrikt, lärare har krävt utbildningar i datakompetens som visar dem hur man tolkar elevdata och anpassar sin undervisning därefter. I andra distrikt utan utbildning, lärare har ingen sammanhållen plan för vad de ska göra med all denna data, få big data-strävan att verka meningslös.

Fånga en elevs behov

Som Toni Morrison sa en gång, "Visdom utan data är bara en aning." Att bara ha uppgifter om barn är inte detsamma som att de lever bra, eller ha hoppfull framtid.

Ofta, raka motsatsen är sant. Elever blir uteslutna från möjligheter eftersom de uppfattas som "lågpresterande" baserat på begränsade datapunkter. Det ligger på eleven att förbättra snarare än att fråga hur systemet sviker barnet.

Jag tror att skolor bör fokusera på att utveckla mer datavisdom – med tanke på kraften i data för att bygga vägar till bättre framtid. Att göra det innebär att alla lärare, oavsett om det är föräldrar eller lärare, använd data klokt:med tanke på vad den gör och inte visar, med tanke på att data i det större sociala sammanhanget, och titta på tidigare erfarenheter och trender i ett barns liv för att eftertänksamt planera för framtiden.

Alltmer, utbildningsforskning uppmuntrar lärare att utöka sina definitioner av data till att inkludera källor utöver obligatoriska bedömningar:klassrumsobservationsdata, spelade in en-mot-en-konversationer med en elev, och videor om hur elever pratar och gester medan de arbetar med ett matematiskt problem.

Används tillsammans, dessa former av data målar upp en mer nyanserad bild av ett barn, fånga aspekter som inte mäts av ett statligt mandat test.

Föräldrar och lärare skulle kunna tänka sig ännu fler datapunkter som börjar peka på större sociala, kulturell och ekonomisk dynamik i spel i ett barns dag.

Macs Lexile-poäng förklarar inte hans ointresse av att läsa om hundar i Arktis under två veckor. Men data om vad Mac gillar att göra hemma skulle ge kompletterande information om potentiella bokämnen. MetaMetrics visste inte att mamma glömde att skicka hans lunch till skolan och han vägrar äta i cafeterian; Mac var hungrig när han gjorde de där matematikkalkylbladen. En snabb bedömning av Macs socioemotionella tillstånd innan han tar itu med matematikarbete kan förklara att han tappade ångan halvvägs genom testet.

Och Mac är en privilegierad vit man som inte axlar några stressfaktorer av rasism, sexism eller ekonomisk instabilitet, dagliga realiteter för många elever som raderas helt av ett enda mått. Snabba bedömningar av mobbning och ångest, till exempel, på ett meningsfullt sätt utarbeta en MetaMetrics-tabell för lärare och föräldrar.

Därifrån, vuxna, förhoppningsvis med studenter, kunde tänka igenom dessa kompletterande datapunkter för att skapa en plan, ta upp de olika anledningarna till att läsning och matematik inte går så bra som alla hoppas.

Att använda datavisdom som vägledande princip är vad seriös utbildning handlar om.

Denna artikel publiceras från The Conversation under en Creative Commons -licens. Läs originalartikeln.