V tomto příspěvku bych chtěla popsat pár zjištění, které jsem získala v průběhu vyučování předmětu zaměřeného na legal designu s názvem Moderní právníci.
Ačkoliv předmět zahrnoval celou řadu témat, jeho cíl byl jednoduchý: nastavit si to tak, aby bylo dosaženo stanoveného efektivního cíle, ale aby z toho zároveň studenti měli dobrý zážitek.
Co je tématem předmětu Moderní právníci?
Moderní právníci jsou o inovacích, technologiích a designu v kontextu práva v kombinaci s kreativním kritickým myšlením a multidisciplinárním přístupem, kde právo je nástrojem, nikoli odpovědí na všechny otázky.
Zabývali jsme se celou řadou témat souvisejících s legal tech a designem, včetně legal designu, UX metodologií, řízení právních projektů, legal operations, zakládání legal tech start-upů a rozvíjení zvědavosti a schopnosti jednat.
Studenti také sami za pomoci mentorů z praxe pracovali na svých vlastních projektech, jejichž výsledkem byly moci-upy (virtuální návrh výsledku bez funkcionalit) a prototypy.
Proč jsem předmět založila na datech?
Disclaimer: mě práce s daty moc baví, ale velmi často jsem narazila na to, jak moc se ještě musím v data science naučit.
Učení studentů i kolegů se věnuji už léta, takže samotné vyučování mi přišlo poměrně přirozené (mimo jiné proto, že je to, jako většina věcí v životě, hlavně otázkou praxe - tady například najdete, jak k tomu přistupuji v kontextu legal tech).
Ale tohle bylo jiné, protože mě čekala výzva navrhnout celý 11-ti týdenní kurz od nuly. Na téma, kterého se u nás předtím téměř nikdo ani nedotkl, a které je na právnické fakultě tak netradiční, jak to jen jde.
My standpoint from the beginning was that I don’t know anything and that I really care about my students having a great learning experience.
Takže jsem k designu předmětu přistupovala jako u každého jiného projektu: vytvořila jsem si předpoklady, ty jsem otestovala a prototypovala, za současného sběru hromady dat, abych si potvrdila, co funguje a mohla se příště rozhodovat informovaněji.
Různé zdroje dat
Protože jsem vycházela z předpokladu, že nemám představu o tom, co moji studenti chtějí a potřebují, začala jsem s prototypem založeným na zkušenostech z kratších projektů a zároveň jsem shromáždila spoustu kvalitativních i kvantitativních dat.
Vstupní a výstupní dotazníky
Studenti vyplňili dva vzájemně propojené dotazníky - jeden na začátku a jeden na konci předmětu.
Vstupní dotazník obsahoval tři typy otázek s následujícími cíli:
- Otázky pro ověření dosažení cíle kurzu – including self-reported perceived creativity levels and familiarity with technology and design
- Demografické – their work experience, comfort level with technology, and planned line of work
- Organizační – questions including logistics, if the classes can run over a bit, and the like
Výstupní dotazník pak reflektoval pokrok studentů a celkovou zpětnou vazbu.
Check-in a check-out
Na začátku každé hodiny studenti vyplnili krátký dotazník, který měl zjistit, jak na tom právě jsme. Na konci byl opět sladěný formulář pro zpětnou vazbu a zaznamenání změn.
Otázky se týkaly úrovně jejich energie (hodiny probíhaly později odpoledne), ochoty mluvit, zda četli zdroje, které jsem jim předem zaslala, atd.
Mým hlavním cílem bylo případně upravit aktivity na základě úrovně energie studentů a zajistit, aby nebyli příliš přehlcení nebo ospalí.
Secondly, it helped me to realise, if I am the one putting them to sleep. Turns out I wasn’t – students left the class on average 12% more energised, with the average moving from 1,82 (neutral, rather tired) to 2,06 (neutral, leaning to energised).
V neposlední řadě mi poskytly cennou a okamžitou zpětnou vazbu o konkrétních aktivitách nebo o tom, jak dobře hodiny rezonovaly, případně co by se mělo vylepšit.
Obrácený mentoring
In between semesters, we sat down with 6 students (roughly 30% of the students who passed the class), who volunteered their time and energy to “unpack” the class with me.
Prodiskutovali jsme do detailu všechna nejdůležitější koncepční a designová rozhodnutí. Zvláště jsem ocenila kritickou zpětnou vazbu na to, které části by se měly upravit a jak.
Podobné sezení jsme uskutečnili po první hodině dalšího semestru s některými studenty, kteří se rozhodli přijít a pozorovat předmět z jiné role v akci.
I couldn’t be more grateful for this incredible support (shoutout to my students, you are the best!)
ChatGPT
Provedla jsem také uživatelský rozhovor za pomoci ChatGPT abychom probrali vzdělávací koncepty související s legal tech a designem.
Bylo to v prosinci, takže jsme s výukou v podstatě měli v podstatě hotovo. Rozhodně jsme ale byli na stejné vlně. Zejména pokud jde o kombinaci zážitkového, sebeřízeného a vzájemného učení.
Později jsem se pak k ChatGPT vrátila, abych si udělala brainstorming dalších nápadů a zpětnou vazbu. Zvláště užitečné to bylo pro moje pochopení perspektivy Gen Z.
Co jsem se díky sběru dat naučila?
Below are just some of my learnings. In case that you would like to know more, please message me, I basically can’t talk about anything else lately.
Přidala jsem také několik tipů, které můžete snadno implementovat do praxe, pokud byste chtěli.
Studenti potřebují jasně pochopit účel každé aktivity a projektu
Ve zpětné vazbě dopadly hůře ty aktivity, které neměly příliš silně zdůrazněné proč (i když jsem to třeba osobně považovala za jednoznačné).
Studenti sice rádi objevovali, učili se a chápali důležitost toho, že zadané úkoly ani nemají být vyloženě jednoduché. Na druhou stranu z toho měli ale nejlepší pocit, když měli dobře formulovaný cíl výuky.
Co s tím: zdůrazněte důvod pro každou aktivitu.
Studenti si cení toho, že jsou požádáni o zpětnou vazbu, pokud věří, že je jejich zpětná vazba brána vážně
Opravdu jsem se bála, že studenty bude štvát, když je budu nonstop otravovat s formuláři. A myslím, že se tak trochu stalo (zejména proto, že jsem vše dělala pomocí MS Forms, abych zautomatizovala 99 % sběru a čištění dat).
Ale zdálo se, že jim to nakonec tolik neva, protože viděli reálný dopad své zpětné vazby.
Jakmile si uvědomili, že zpětná vazba je v podstatě způsob, jak hlasovat o tom, co se bude dít, a že to myslím s nasloucháním vážně, šlo to hladce. (A míra předávání slovní zpětné vazby se neustále zvyšovala).
Myslím, že jsem dostala pár plus bodů za to, že jsem zohlednila i některé legrační žádosti.
Co s tím: zpětnou vazbu sbírejte jenom tehdy, pokud s ní něco opravdu chcete dělat.
Změny tempa fungují
Možná je to naší dopaminem řízenou společností, ale ty semináře, které zahrnovaly hodně novinek a různých aktivit, byly hodnoceny nejlépe.
Žádné dva semináře nebyly stejné a já jsem si dala mimořádně záležet na tom, aby zahrnovaly mnoho různých činností v mnoha různých kontextech.
Strávila jsem proto strašně moc času nad uspořádáním židlí a stolů, stejně jako laděním různého spektra hudby (hlavně chválím playlisty od Stanfordské d.school). Možnost procházet se, protahovat se a měnit prostředí opravdu pomohla přidat semináři daleko větší dynamiku.
Co s tím: vyhrajte se se svým prostředím.
Jsem na sebe příliš přísná
Tohle zjištění mi přišlo velmi zábavné, i když ne zas až tak strašně překvapivé.
Zjistila jsem, že dávám hodinám mnohem nižší hodnocení než moji studenti, co se týče dojmů. Může to být způsobeno tím, že mám mnohem větší přehled o tématu a o tom, co jsem chtěla pokrýt. Často se mi stávalo, že jsem musela upravit plán hodiny kvůli tomu, že věci trvaly déle, než jsem předpokládala.
The students didn’t seem to realise this, so I guess the conclusion can be that I am pretty good in improvising.
Co změním v příštím semestru?
I když na základě zpětné vazby vyměním některé aktivity a změním nastavení některých úkolů, níže jsou uvedeny některé zlepšováky co do sběru dat:
- Upravit měřítko (udělat ze všeho hodnocení 1 - 4)
- Zajistit, že studenti nelogují zpětnou vazbu pozdě (tím, že dám na projektor QR kód s dotazníkem po celou druhou polovinu hodiny pro případ, že by studenti potřebovali odejít dříve).
- Zaznamenávat přibližný procentuální poměr mezi tím, kdy mluvím já, a tím, kdy mluví studenti (můj osobní cíl je 30:70)
- Zaznamenat podrobnosti o činnostech (například zda jsou více úzce vymezené nebo spíše volné), abych našla tu perfektní rovnováhu mezi volností a omezeními
- Zaznamenávat, kolik času strávím přípravou (což je úžasná ironie po 5 letech stěžování si na timesheety)
- Zaznamenávat, jak moc mi dané téma vyhovuje, respektive jak moc se mi líbí (některá témata ve mě vyvolávají velké nadšení, jak jste si asi všimli při čtení tohoto blogu) a jak to ovlivňuje to, jak ho učím
- Naučit se více teorie data science, včetně toho jak pracovat s konfidenčními intervaly.
Závěrem
Odučit celý semestr bylo náročné, ale rozhodně bych neměnila.
Rozhodně to bylo stresující. Bojovala jsem se svým imposter syndromem jako nikdy dříve.
Ale vedle toho to byla jedna z nejpřínosnějších věcí, kterým jsem se věnovala za velmi dlouhou dobu. Mám dojem, že mi hrozně moc dalo nevnímat jiné pohledy na věc a zažít to, jak studenti přistupují k řešení problémů.
Předmět získal velmi dobrá hodnocení, jak v datech sbíraných mnou, tak i v institucionalizovaném univerzitním feedbacku (100% nejvyšších hodnocení při 66% hodnotících studentech).
Ale pro mě byly nejcennější osobní poznámky studentů, kteří říkali, že to opravdu změnilo jejich pohled na věc. Že nyní více přemýšlejí o tom, jak zlepšit svět kolem sebe. Že se nyní cítí více sebevědomí při rozhodování o své kariéře a chtějí zkusit nové věci.
A to mě opravdu, ale doopravdicky potěšilo.
Díky, že jste dočetli až sem!
Baru
Poznámka pro kolegy vyučující a jiné nadšence
Dobrý den! Pokud toto čtete a máte nějaké poznámky nebo třeba něco, co se vám osvědčilo, mohu vás poprosit, zda byste se mi mohli ozvat? Ráda bych si promluvila s někým, kdo prošel podobnou zkušeností, a poučila se. Můžete mě zastihnout na LinkedIn nebo na baru@attorneyatcode.com
