Det talas ofta om datainformerat arbetssätt som om själva tillgången till data skulle göra utvecklingsarbetet mer träffsäkert. I praktiken är det sällan så enkelt. Det som gör skillnad är inte mängden underlag, utan hur väl verksamheten kan formulera frågor, tolka mönster och pröva förändringar nära undervisningen.

I arbetet med undervisningsutveckling blir detta särskilt tydligt. Lärare och skolledare möter redan många signaler: resultat, observationer, elevsamtal, bedömningar, frånvaro, klassrumsloggar, enkäter och professionella erfarenheter. Utmaningen är sällan total brist på data. Utmaningen är att avgöra vilket underlag som hjälper oss att förstå vad vi behöver pröva i undervisningen härnäst.

Datainformerat betyder inte datastyrt

Ett datainformerat arbetssätt skiljer sig från ett datastyrt arbetssätt. I ett datastyrt tänkande får siffrorna ofta rollen som facit. Om ett mått går ned vill man snabbt korrigera, och om det går upp tolkar man det som framgång. Ett datainformerat arbetssätt är mer återhållsamt. Där ses data som en källa till frågor, inte som hela svaret.

Det är viktigt i undervisningsutveckling, eftersom undervisning alltid är mer komplex än de mått vi använder för att beskriva den. Resultat på prov kan säga något, men inte allt, om hur undervisningen fungerar. Elevers upplevelser av studiero eller stöd är betydelsefulla, men behöver förstås i relation till gruppsammansättning, didaktiska val, innehåll och relationella villkor. Professionens tolkning behövs hela tiden.

Börja i en undervisningsnära fråga

Många utvecklingssatsningar blir för breda redan från start. Man vill förbättra motivation, studiero, måluppfyllelse och likvärdighet på en gång. Då blir både analysen och uppföljningen svag. Ett bättre sätt är att börja i en avgränsad undervisningsnära fråga. Det kan till exempel handla om hur eleverna kommer in i arbete i början av lektionen, hur tydliga modeller och exempel används i ett visst moment, eller hur återkoppling organiseras så att den leder till revidering och inte bara till information.

När frågan blir tillräckligt konkret blir det också möjligt att samla rätt typ av underlag. Då kanske inte nästa steg är ännu en generell enkät. Det kan lika gärna vara lektionsobservationer, elevexempel, strukturerade samtal, gemensam genomgång av elevarbeten eller en kort serie mätpunkter över några veckor.

Från mönster till hypotes

Det datainformerade arbetssättets styrka ligger i att det hjälper verksamheten att formulera hypoteser. Om många elever fastnar i en viss typ av uppgift kan hypotesen vara att instruktionerna är för implicita, att exempel saknas eller att momentet ställer höga successiva krav som inte synliggörs i undervisningen. Om elever beskriver låg delaktighet kan hypotesen vara att arbetsgången är för otydlig, att tempot skiftar kraftigt eller att återkopplingen kommer för sent.

En hypotes är användbar därför att den går att pröva. Den gör utvecklingsarbetet mindre abstrakt. Istället för att besluta att vi ska höja motivationen kan arbetslaget besluta att pröva en tydligare lektionsstart, bättre modellering eller en annan struktur för kamratrespons under en begränsad period och sedan följa vad som händer.

Små prövningar ger bättre lärande

I många skolor blir utvecklingsarbetet tungt för att varje förändring görs som om den redan vore färdig och permanent. Ett datainformerat arbetssätt gynnar istället mindre prövningar. Det betyder inte att ambitionen är låg, utan att man vill bygga kunskap under resans gång. Vad händer om vi ändrar denna del av undervisningen i fyra veckor? Vilka elevgrupper påverkas mest? Vilka tecken ska vi vara uppmärksamma på? Vilka kvalitativa och kvantitativa underlag behöver vi för att bedöma om prövningen bör justeras, skalas upp eller avslutas?

Denna logik liknar förbättringsarbete i andra kunskapsintensiva verksamheter. Man väntar inte på full säkerhet innan man agerar, men man agerar inte heller utan att bygga möjlighet till lärande. Det skapar en annan kultur än när utveckling förstås som kampanjer eller engångsinsatser.

Vad skolledningen behöver bidra med

För att undervisningsutveckling ska bli datainformerad behöver skolledningen skapa villkor. Det handlar om tid för gemensam analys, men också om att ställa frågor som leder närmare undervisningen. Om dialogerna bara kretsar kring resultatmått eller övergripande målbeskrivningar blir det svårt att se vilka didaktiska frågor som behöver prövas.

Skolledningen behöver också skydda utvecklingsarbetet från målträngsel. Om arbetslagen förväntas arbeta med för många utvecklingsområden samtidigt urholkas precisionen. Ett datainformerat arbetssätt blir som bäst när verksamheten vågar begränsa sig, följa få frågor noggrant och bygga lärande över tid.

Hur uppföljning kan bli mer användbar

En vanlig svaghet i skolutveckling är att uppföljningen kommer för sent eller blir för generell. Om man först i slutet av terminen försöker avgöra om en insats fungerat är det ofta svårt att veta vad som faktiskt påverkat utfallet. Det är bättre att följa några tydliga tecken under processen. Hur beskriver eleverna begriplighet och arbetsgång? Hur ser deltagandet ut i uppgifterna? Vilka skillnader ser lärarna i elevarbeten? Hur utvecklas ett fåtal relevanta indikatorer över tid?

När uppföljningen blir tätare och mer kopplad till den prövning som pågår ökar chansen att verksamheten lär sig något, även om den första lösningen inte visar sig vara den bästa. Det gör utvecklingsarbetet mer robust.

Tre frågor att ta med till nästa arbetslagsmöte

  • Vilken undervisningsnära fråga försöker vi faktiskt förstå eller förbättra just nu?
  • Vilken hypotes prövar vi, och hur märker vi om den verkar hålla?
  • Vilka få underlag behöver vi för att lära under vägen, istället för att vänta på en stor summering i efterhand?

Ett datainformerat arbetssätt i undervisningsutveckling handlar alltså inte om mer kontroll och inte om mer dokumentation. Det handlar om att göra utvecklingsarbetet skarpare, mer prövande och mer förankrat i det som verkligen sker i klassrummet.