Prognosmodeller som verktyg för bedömning : Ett arbete om att nyttja elevdata i gymnasieskolan för att stödja betygsättning

Detta är en Master-uppsats från KTH/Skolan för industriell teknik och management (ITM)

Sammanfattning: De Förenta Nationernas Agenda 2030 fastställer som ett delmål att säkerställa utbildning av hög kvalitet och främja livslångt lärande för alla som en del av arbetet för ett mer hållbart samhälle. Vikten av detta delmål blir särskilt tydlig i och med det observerbara sambandet mellan en fullständig gymnasieexamen och allmän hälsa i Sverige; gymnasiestudenter som går ut med en gymnasieexamen tenderar att erhålla bättre allmän hälsa. Learning Analytics är ett relativt nytt område inom utbildningsvetenskaplig forskning som syftar till att förbättra utbildning med hjälp av elevdata. Detta arbete undersökte vilken möjlig påverkan och begränsningar som förekommer vid implementering av en multipel linjär regressionsmodell utvecklad för en matematikkurs i en gymnasieskola. Vid utvecklingen av denna modell fastställdes tre signifikanta indikatorer för att förutsäga elevernas slutbetyg; Diagnos resultat,resultat på nationella proven och frånvaro. Prognosmodellen har utvärderats statistiskt varpå den visade sig vara tillförlitlig i 90% av bedömningarna, vilket inte är tillräckligt säkert för att användas i verkliga bedömningstillfällen eftersom lärare kräver att resultaten är obestridliga. Genom en fokusgruppsintervju med lärare granskas dessa resultat och deltagarna uttrycker sitt intresse för prognosmodeller tillsammans med en reflektion över elevers potentiella negativa reaktioner på en ogynnsam prognos. Utvärdering av modellen visar att den i dagsläget har en rimlig förmåga att förutsäga elevers slutbetyg men att det finns ett starkt behov av insamling av mer nyanserade data för att öka möjligheten till innovation i framtida arbeten

  HÄR KAN DU HÄMTA UPPSATSEN I FULLTEXT. (följ länken till nästa sida)