Fallgropar
Det finns så klart en del fallgropar att undvika och risker med ett datadrivet arbete. Här listar vi några av dem.
- Att sikta för högt och stort när ni börjar.
Det är lätt hänt att önska många, för många, mätpunkter som det dels blir svårt att sammanställa, följa upp och dels visa sig inte blir en relevant väg till framgång. Våga börja smått.
- Ovetskap om funktioner och data som finns
Att inte veta vilka funktioner och vilka data era befintliga tjänster har som kan användas och ge underlag till beslut. Glöm inte att inventera de digitala tjänster ni har, för dialog med era leverantörer.
- Manuellt handhavande
Funktionalitet i tjänster som saknar möjligheter att skapa data på ett korrekt och enhetligt sätt, t.ex. att manuellt skriva in namn istället för att välja i rullist.
- Felaktig inmatning
Data matas in på felaktig sätt i tjänsterna som används. Utbilda och informera i hur data ska matas in, ha automatiserade flöden där så är tillämpbart.
- Kompetens och incitament
Användarnas kompetens och incitament att använda olika tjänster och beslutssystem.
- Bias – partiskhet
Data kan ha bias, det vill säga vara partisk, vilket leder till felaktiga beslut. Var uppmärksam på data som automatgenereras.
Mer hjälp på vägen
Letar ni efter leverantörer som kan hjälpa er i arbetet? Kika på Edtechkartan utifrån målgrupp (Högre Utbildning/YH, Skola eller Företag) och t.ex. områden som Analysera verksamhetsdata, Kartläggning och analys, Utvärdering och analys beroende på vad det är ni är ute efter. För också dialog med era befintliga leverantörer om hur de kan hjälpa till, vilken data som hanteras i systemen och vilken funktionalitet de erbjuder för ett datadrivet arbetssätt.
Läs mer
- Digg: Information– och dataperspektivet
- Ifous rapport: Datadriven skolförbättring
- SKR: Agile EDU – ansvarsfull användning av data för skolutveckling
- Vinnovarapport: Standarder för datadrivna processer i skolan
Synpunkter
Har du frågor eller funderingar gällande materialet?
Hör gärna av dig till oss på Swedish Edtech!
