Bořivoj Brdička: Co je datafikace?

Popis inovativních postupů zpracování velkých dat s příklady a vazbami na školství inspirovaný novou knihou profesora Oxford Internet Institute Viktora Mayera-Schönbergera.


Nových do češtiny obtížně přeložitelných termínů, bez nichž se ale v praxi vzdělávacích technologií neobejdeme, je poměrně dost. Potíže nám dělá třeba disrupce (Disrupce vzdělávacího systému podle Siemense a Karnjanaprakorna), masivnost MOOC kurzů (Velký MOOC boom pokračuje), nevhodná konotace kolaborace (Kolaborace nebo kooperace?) – a teď je tu datafikace (orig. datafication). Obávám se, že se dalšímu nařčení z prznění našeho krásného jazyka nevyhnu. Jenže ono se to prostě jednoduše přeložit nedá. Navíc je to slovo velmi podobně vytvořené, jako již zcela běžná digitalizace nebo elektrifikace, které jsme snad již plně akceptovali.

Jedná se o pojem, který ve své nejnovější knize Big Data: A Revolution That Will Transform How We Live, Work, and Think zavádí nám již známý profesor Oxford Internet Institute Viktor Mayer-Schönberger (viz Nezapomínejme zapomínat). Spoluautorem této knihy je editor The Economist Kenneth Cukier.

Ve skutečnosti nebude pochopení významu tohoto slova nijak zvlášť těžké. Ti z vás, kteří Spomocníka sledují dlouhodobě, jistě četli seriál článků o vizi daty řízeného školství, která naznačuje, že nás v souvislosti s novými schopnostmi technologií ukládat téměř vše, co každý z nás na počítači (což je dnes i mobil) dělá, čekají revoluční změny (též viz Komu patří velká data ve školství?). Profesor Schönberger tvrdí, že nejvíce dotčeno bude právě školství a zdravotnictví. Zdravotnictví proto, že napříště bude možné plně individualizovat péči o pacienta díky okamžitému přístupu ke všem jeho osobním datům ze strany lékařů, což nakonec povede až k přizpůsobení léčby a specificky na míru upraveným lékům.

Školství je v tomto směru dost podobné. Ideálním cílem je neučit každého to samé, a v rámci třídy navíc najednou, ale přizpůsobit výukovou terapii individuálním potřebám každého žáka. Bez technologií bylo něco takového dříve nemyslitelné. Učitel mohl v intervalu mezi písemkami a zkoušením jen hádat, zda žáci něco dělají. Při využití technologií ve formě 1:1 (Nástup tabletů je definitivním vítězstvím 1:1), práci v internetových mracích (Rozvažte ICT koordinátorům ruce aneb cloud computing) a při aplikaci převrácené třídy (Má převrácená třída smysl?) je to najednou jinak. Učitel může sledovat výukové výsledky svých žáků vlastně doslova v reálném čase, a to nezávisle na tom, kde se tito zrovna nacházejí.

Potíž je samozřejmě v tom, zda má vhodná data k dispozici a umí-li je správně vyhodnotit. Jedna věc je všechny informace o tom, co žák na počítači dělá, ukládat a úplně jiná z nich dokázat vyčíst, zda došlo ke splnění dílčích výukových cílů a na základě toho rozhodnout, kam dál individuální výuku nasměrovat. Schönberger dokonce navrhuje, aby byl zřízen nový specializovaný studijní obor a aby se interpretací podobných velkých dat obecně zabývali pouze certifikovaní specialisté. K tomu, aby něco takového mohl dělat i obyčejný učitel, máme zatím asi hodně daleko. Jde totiž nejen o to, ověřit, zda daný žák zvládl malou násobilku, ale též o to, jak si vede v dosahování takových kompetencí, které lze tradičními postupy (testy) ověřovat jen velmi obtížně (ve standardech typicky označované jako netestovatelné).

Zde se možná může i ve školství projevit jedna velmi zajímavá, dosud značně nezvyklá vlastnost velkých dat. V rámci jejich nasazení dochází k zásadní proměně pohledu na statistiku využívající vědecké metody zkoumání příčin určitých jevů. Dozvíme-li se úplně přesně, které postupy vedou k lepším výsledkům, přestává být prioritou znalost příčin k tomuto výsledku vedoucích. Jinými slovy, bude-li některý výukový program úspěšnější než jiný, není třeba se ptát, jaké didaktické teorie v něm byly aplikovány (Jaká je budoucnost pedagogického výzkumu?). Klíčová je ale naše schopnost správně stanovit výukové cíle (standardy) a dosažení těchto cílů vyhodnotit (Nový pohled na schopnost technologií ověřovat výukové výsledky).

V případě nepříliš komplikovaných výukových cílů, jaké stojí v pozadí třeba výcviku vojáků, existuje již dnes snaha vyvinout umělou inteligencí disponujícího počítačového agenta, který by mohl nad online přípravou převzít kontrolu (Inteligentní agent ve výukových aplikacích). Může se nám to líbit nebo nemusí, ale je jisté, že vývoj v tomto směru bude pokračovat (např. Je současná umělá inteligence schopna hodnotit tvořený text?). Něco na ten způsob s podporou armády Spojených států pod názvem Personal Assistant for Learning v rámci projektu Advanced Distributed Learning vyvíjí v současné době třeba Team Orlando na Floridě.

Celý článek na spomocnik.rvp.cz