Vad?

Vi vill undersöka om vi kan använda innovativ datamodellering för att hitta rätt utvecklingsområden och åtgärder i förskoleverksamheten.

Varför?

Kraven på kvalitet och utveckling i förskolan är högt ställda och målet är varje barn får bästa möjliga förutsättningar för utveckling och lärande.

Med hjälp av maskininlärning kan olika typer av data föras ihop och analyseras. Organisatoriska data – som gruppstorlek och antal pedagoger per barn, bakgrundsdata på enhetsnivå samt barngruppernas kunskapsutveckling kan med hjälp av maskininlärning analyseras för att identifiera utvecklingsområden och mer träffsäkra åtgärder.

En del av den data som behövs för att genomföra analyserna finns redan insamlat, medan annan behöver samlas in. Eftersom kunskapsutvecklingen i förskolan inte bedöms på individnivå kan artificiell intelligens i form av maskininlärning användas för att få en indikation av barnens kunskapsutveckling på en enhetsnivå.

Vi kan till exempel analysera bilder av barnens arbeten för att identifiera en progression. Analys av svar på olika case där pedagoger gör en bedömning av barnens svar med hjälp av en digital lösning är en annan typ av data som kan analyseras med hjälp av ML.

Läroplansmålen gällande kvalitet och utveckling i förskolan kan alltså förverkligas med hjälp av mer diversifierat data som fångas upp och analyseras på ett mer effektivt och smidigt sätt.

Hur?

Metod

  • Använda innovativ datamodellering för att samla in och analysera barnens kunskapsutveckling på enhetsnivå.
  • Använda i analysen de indikatorer på kvalitetskriterier som Helsingborgs stads förskolor har identifierat.
  • Triangulera data med hjälp av maskininlärning för att skapa enhetsprofiler och identifiera utvecklingsområden.
  • Testa metoden i ett pilotprojekt där några enheter ingår.

Förskoleområdena som är med i pilotprojektet:

  • Olympia
  • Maria Park
  • Västra Ramlösa
  • Adolfsberg
  • Dalhem
  • Laröd
  • Ödåkra
  • Wieselgren

På H22 City Expo:

Resultat

Det finns nu en lösning i form av en webbapplikation vid namn Myran. Med hjälp av Myran spelar pedagogen upp olika scenarios och historier med på följande frågor som barnen får svara på. Historierna och frågorna är alla baserade på de 9 kriterier för lärandeidentitet som Helsingborgs stads skolor definierat och frågorna är framtagna av de förskolor som varit med i projektet.

Att analysera bildmaterial föll inte väl ut då fotografierna som togs inte fungerade för en dator att göra analys på – de var skurna på olika sätt och innehöll ofta mer än bara det som skulle analyseras. En webbapplikation med historier har fungerat mycket bättre.

Datan från svaren analyseras sedan på gruppnivå och utgör grund för diskussioner kring möjliga åtgärder för att ytterligare utveckla lärandeidentiteten hos gruppen. Datan samlas även in till projektet Datadriven skolanalys och kan där analyseras tillsammans med många fler datakällor.

Effektmål

Smidigare kvalitetsuppföljning med mer träffsäkra åtgärder i förskolan

Resultat

De förskolor som använder sig av Myran upplever att det gör att de kan få insikter som de inte fått innan och kan därmed sätta in andra typer av åtgärder.

Invånarinvolvering

Projektet genomförs tillsammans med rektorer, pedagoger och barn på de involverade förskolorna.

Kontakt

Namn: Andreia Balan
E-post: Andreia.balan@helsingborg.se