Ar labiem nodomiem vien nepietiek jeb datu nozīme attīstības plānošanā izglītības jomā
Oriģināli publicēts Ir.lv - https://ir.lv/2022/03/24/ar-labiem-nodomiem-vien-nepietiek-jeb-datu-nozime-attistibas-planosana-izglitibas-joma/
Latvijas nozīmīgākais resurss ir tās cilvēki. Ieguldot cilvēkos, tiek veicināta valsts attīstība. Efektīvākais veids, kā ieguldīt cilvēkos, ir kvalitatīva izglītība.
Pētījumi rāda, ka publiskie ieguldījumi izglītībā sniedz ļoti lielu atdevi (virs 10% katru gadu par katru ieguldīto eiro). Jāatzīst gan, ka vienmēr ir iespējams ieguldīt efektīvāk, mērķētāk un kvalitatīvāk. Mūsdienās aizvien vairāk ir pieejami lielie dati, kas dod iespēju līdz šim nebijušā precizitātes līmenī pētīt un pilnveidot mūsu izglītības sistēmu, lai sasniegtu jaunus kvalitātes augstumus, tomēr daudzas organizācijas un arī valsts pārvalde šīs iespējas izmanto samērā fragmentāri.
Jāatzīst, datu analīze pirms lēmumu pieņemšanas ir liels izaicinājums ne tikai organizācijām un uzņēmumiem, bet arī valsts pārvaldei, – ne vienmēr lēmumi tiek pieņemti, balstoties uz datos balstītām prognozēm, bieži vien tas notiek, domājot par lēmumu šķietamo ietekmi uz to pieņēmējiem īstermiņā. Šādi izaicinājumi ir novērojami arī izglītības jomā, kur nereti trūkst datos balstīta pamatojuma reformām gan valstiskā, gan institucionālā līmenī.
“Pieņemam datos balstītus lēmumus!”
Bieži organizācijas publiski paziņo – mēs strādājam ar datiem un pieņemam datos balstītus lēmumus. Ko tas patiesībā nozīmē? Iespējams, organizācijas izmanto apjomīgus iekšējos un ārējos datu masīvus, lai analizētu savu darbību, salīdzinātu to ar līdzīgām organizācijām un izvēlētos labāko prognozēs balstīto attīstības scenāriju. Tomēr ļoti bieži tas ir vienkārši skaļš sauklis, jo tādu mūsdienās pieprasa atbildīgas organizācijas standarti, un tie tiek lietoti atbilstoši auditorijai, kura attiecīgajā brīdī tiek uzrunāta un uz kuru nepieciešams atstāt iespaidu.
Lai jēgpilni strādātu ar datiem, nepieciešami trīs priekšnosacījumi. Pirmkārt, paši dati. Tiem jābūt uzticamiem un pieejamiem nepieciešamajā apjomā. Otrkārt, cilvēki, kuri prot datus analizēt un interpretēt, izmantojot atbilstošās datu analīzes metodes. Treškārt un laikam jau visbūtiskāk, – jābūt izpratnei par datu nozīmību un vēlmei saņemtos datus un to analīzi izmantot lēmumu pieņemšanā.
Gan Latvijā, gan arī ārvalstīs iespējams redzēt daudzus labus piemērus, kas rāda, kā datu izmantošana, to analīze un prognozēšana palīdz organizācijām attīstīties, ar lielu ticamības pakāpi novērtēt esošo situāciju un izdarīt secinājumus. Viens no visizplatītākajiem risinājumiem izglītībā ir mācīšanās analītika – tehnoloģijās bāzēta sistēma, sekojot līdzi studējošo gaitām un studiju sniegumam, lai paredzētu rezultātu nākotnē. Situācijā, kad Latvijas augstākajā izglītībā ir būtisks studentu atbirums, mācīšanās analītika palīdz identificēt studējošos, kuri ir pakļauti lielākam atbiruma riskam, un sniegt viņiem nepieciešamo atbalstu. Šī pieeja ir izmantota arī Rīgas Tehniskajā universitātē (RTU), kura ir izveidojusi savu, vēsturiskajos datos balstītu, mācīšanās analītikas risinājumu, kas ļauj laikus identificēt studentus, kuriem paredzamas grūtības studijās, un sniegt viņiem nepieciešamo atbalstu.
Datu izmantošana izglītības sistēmas pilnveidei
Ja datu analīzi izglītības sistēmā aplūkojam detalizētāk, piemēram, augstākās izglītības līmenī, tad varam secināt, ka patlaban situācija Latvijā ir krietni labāka nekā vēl pirms 5–10 gadiem, kad datu sistēmas lielākoties bija decentralizētas un pie tām varēja piekļūt tikai augstākās izglītības institūcijas. Protams, ar daļu datu jau apkopotā veidā bija iespējams iepazīties arī Izglītības un zinātnes ministrijas (IZM) publiskotajos ikgadējos pārskatos. Patlaban publiski ir dati arī par absolventu nodarbinātību. Tie ir ļāvuši IZM veidot secinājumus par absolventu nodarbinātību un dažādu izglītības līmeņu un dažādu studiju programmu absolventu ienākumiem. Šie ir dati, kas ļauj valstij potenciāli saskatīt atdevi no dažādām studiju programmām, tomēr arī tos nepieciešams vērtēt kritiski, jo nav iespējams visas studiju programmas salikt garā sarakstā un novilkt līniju, dažas atzīstot par neefektīvām. Studiju programmu efektivitāte skatāma, salīdzinot tās savā starpā noteiktu studiju virzienu griezumos.
Tas ir labs pamats datu analīzei par augstāko izglītību un tās iespējamo attīstību, tomēr joprojām liela daļu datu, piemēram, par absolventu – studiju kredīta ņēmēju statusu, nav pieejama vispār vai arī nav pieejama publiski. Piemēram, nesen ieviestā studiju kreditēšanas reforma ir būtiski palielinājusi kredītu un augstākās izglītības pieejamību. Tomēr arī to nākotnē iespējams uzlabot, bet nav pieejamu datu, tāpēc nav zināms, vai šie kredīti atmaksājas visiem studējošajiem, kuri tos ir ņēmuši. Jā, ir zināms, ka augstākā izglītība atmaksājas “vidējam” studējošajam, bet “vidējais” nav attiecināms uz visiem, kā arī noteikti varam apgalvot, ka “vidējais” studējošais neņem kredītu, jo 2019./2020. mācību gadā to izmantoja tikai 10%. Ja būtu iespējams iepazīties ar minēto datu analīzi, tad potenciālie kredīta ņēmēji varētu izvērtēt, vai kredīta ņemšana studijām ir tā vērta. Savukārt valsts varētu aplēst, kā veicināt studiju kredītu pievienotās vērtības pieaugumu valsts budžetam, ar pievienoto vērtību saprotot ne tikai kredīta atmaksu, bet arī nodokļu papildu ieņēmumus, kas rodas, jo kredīts ir ļāvis konkrētām personām iegūt augstāko izglītību un pelnīt vairāk.
Informētāka sabiedrība, informētāka valsts
Lai saprastu, kāpēc datiem būtu jābūt plašāk pieejamiem, ir vērts analizēt citu valstu labo praksi un piemērus. Datu pieejamība galvenokārt veicina to, ka sabiedrība kļūst informētāka un valstī ir iespējams realizēt informācijā un datos balstītu politiku un pētniecību. Protams, visi šie aspekti ir savstarpēji papildinoši – labs pētījums var nodrošināt pārdomātu un datos balstītu politikas veidošanu un arī sabiedrības informētību.
Viens no veiksmīgākajiem sabiedrības informēšanas projektiem ir ASV College Scorecard, kas ieviests prezidenta Baraka Obamas administrācijas laikā un ļauj ikvienam topošajam studentam un viņa vecākiem izpētīt dažādu iestāžu studiju maksas, piedāvātās programmas, darba tirgus rezultātus pēc programmu absolvēšanas, kā arī to, kāds ir studentu atbirums konkrētajā augstākās izglītības iestādē.
Skatoties tuvāk Latvijai, labs datos balstītas politikas piemērs ir Lietuva, kurā ir izveidots Pētniecības un augstākās izglītības analīzes centrs. Tas apkopo valsts rīcībā esošos datus un veic analīzi par zinātnes specializācijas iespējām. Savukārt Norvēģijas datu pieejamība zinātniekiem ir ļāvusi veikt pētījumus, kādu pievienoto vērtību no studiju jomām studenti gūst, salīdzinot identiskus studējošos dažādās studiju jomās.
Nepieciešams stiprināt datu analīzes kapacitāti
Kā jau iepriekš konstatēts, nav tā, ka Latvijā valsts un institūciju līmenī nekas nenotiek. Jau vairākus gadus IZM veic datu analīzi un nāk klajā ar jau iepriekš minēto absolventu nodarbinātības statistiku un tās analīzi. Papildus IZM ir izmantojusi datos balstītu pieeju dažādu augstākās izglītības sistēmas pārmaiņu plānošanai. Piemēram, prognozējot augstskolu nākotnes attīstības tempus un iespējamo nākotnes sniegumu kontekstā ar 2025. gadā plānoto augstskolu institucionālo akreditāciju, ir identificētas augstskolas, kuras nespēs sasniegt minimālos Augstskolu likumā noteiktos kritērijus un kuru īstenotās studiju programmas un zinātnisko darbību iespējams stiprināt augstskolu konsolidācijas procesā.
Tomēr bieži vien izmantotie dati un analīze nav pieejami publiski, kā arī esošā ministrijas kapacitāte neļauj šādu procesu izmantot biežāk. Valstiskās pētnieciskās kapacitātes jautājuma risināšanai nozīmīgs atbalsts Latvijā varētu būt arī analogs savulaik Lietuvā izveidotajam Pētniecības un augstākās izglītības analīzes centram, kas darbojas ārpus ministrijas un ar datu analīzi sniedz nepieciešamo atbalstu politikas veidošanai. Tikai pastāvīga pētnieciskā vienība var uzturēt kompetenci un nodrošināt ilgtspējīgu analītiku izglītības jomā, kurā īpaši būtiski saturīgi un vēsturiskos datos balstīti pētījumi un pastāvīgs situācijas monitorings.
Latvijā arī vairākas augstskolas ir stiprinājušas savu iekšējo un ārējo datu analīzes kapacitāti, datus izmantojot attīstības plānošanai un lēmumu pieņemšanai. RTU ir izveidojusi Zināšanu vadības centru, kas bija aktīvi iesaistīts universitātes attīstības stratēģijas izveidē, ārējās un iekšējās vides izpētē, kā arī tās darbības rezultātu un datu analīzē nozīmīgu lēmumu pieņemšanā. Piemēram, universitāte ir pieņēmusi lēmumu par studentu uzņemšanas prasību paaugstināšanu, balstoties analīzē par to ietekmi uz universitātes darbību un absolventu skaitu nākotnē.
Ar skatu nākotnē
Datu analīzei un tās izmantošanai lēmumu pieņemšanā ir liela nozīme gan valsts, gan institucionālajā līmenī. Būtisks ir jautājums par datu analīzes kapacitātes un kvalitātes paaugstināšanu, tāpēc iespējamie risinājumi izglītības jomā būtu šādi:
- izveidot datu analītikas struktūru, kas strādā ar datiem un dara to plānveidīgi. Šādas struktūras vai centra izveide sniegtu atbalstu valsts izglītības politikas veidošanai, kā arī ļautu adekvāti izvērtēt esošo situāciju un piedāvātos rīcības modeļus pārdomātu stratēģisko lēmumu pieņemšanai;
- vadoties pēc pasaules labās prakses, izglītības iestādēm ieteicams savstarpēji sadarboties un stiprināt datu analīzes kapacitāti, lai nodrošinātu spēcīgu izglītības iestāžu veidošanos, kas ir pamatā attīstītai un sekmīgai izglītības sistēmai;
- nodrošināt plašāku pieejamību esošajiem valsts datiem par izglītību, kas izmantojami izglītības sistēmas, procesa un rezultātu analīzei, jo tikai tā iespējams pieņemt pārdomātus lēmumus un paaugstināt izglītības kvalitāti.
Autori ir Artūrs Zeps, RTU attīstības prorektors, Arkādijs Zvaigzne, Hārvarda Universitātes doktorants, augstākās izglītības pētnieks