Datová gramotnost vedení škol: AI proti dojmům

Na vysokých školách se rozhoduje o milionech korun, o kapacitách výuky i o tom, jaké dovednosti studenti získají. A přesto se překvapivě často rozhoduje „podle pocitu“ – protože data jsou roztříštěná, těžko dostupná, nebo jim lidé nahoře prostě nevěří. Největší problém? Nejsou to dashboardy ani nedostatek tabulek. Jsou to datové dovednosti a datová gramotnost rozhodovatelů.

EDUCAUSE zařadil „Decision-Maker Data Skills and Literacy“ mezi Top 10 témat pro rok 2026 – a dává to smysl i v českém kontextu. Školy dnes zároveň zavádějí nástroje pro umělou inteligenci ve vzdělávání, analytiku studijních výsledků a digitální platformy. Pokud vedení nerozumí datům a neumí klást správné otázky, AI jen urychlí chaos. Pokud naopak datovou gramotnost posílíme, AI se stane tichým pomocníkem, který zkracuje cestu od problému k rozhodnutí.

Datová gramotnost vedení: největší „skrytá“ kompetence

Datová gramotnost rozhodovatelů je schopnost porozumět datům, ptát se na ně správně a použít je při rozhodování – včetně rozpoznání, kdy data nestačí. Nejde o to umět programovat nebo stavět složité modely. Jde o praktickou dovednost: rozlišit signál od šumu.

V praxi se to pozná rychle. Datově gramotný děkan nebo ředitel:

• chce vidět definice (co přesně znamená „úspěšnost“, „obsazenost“, „rizikový student“),
• ptá se na kvalitu a úplnost (kolik záznamů chybí, jak čerstvá data jsou),
• umí pracovat s kontextem (co se změnilo v pravidlech, financování, skladbě studentů),
• a hlavně: umí převést otázku „máme problém“ na otázku „jaký ukazatel to prokáže a co bude náš další krok“.

Tahle kompetence je dnes klíčová i pro rozvoj dovedností studentů. Škola, která sama neumí rozhodovat na základě dat, jen těžko věrohodně učí kritické myšlení, analytiku a práci s informacemi.

Mýtus, který školám škodí: „Máme málo dat, tak s tím nic neuděláme“

Realita? Většina institucí nemá „málo dat“. Má moc zdrojů a málo propojení. Studijní systém, LMS, docházka, knihovna, IS/HR, ekonomika, helpdesk, rezervace učeben… Data existují, ale jsou v silech, bez jednotných definic a bez jasných vlastníků.

V takové situaci vedení sklouzává ke dvěma extrémům:

1. Intuice vítězí, protože získat odpověď z dat trvá týdny.
2. Dashboardy se ignorují, protože „ukazují něco jiného než realita“ (často proto, že realita je jen série silných anekdot).

Když anekdoty řídí campus: příklad, který je až bolestně známý

Na McGill University koloval „fakt“, že malé učebny nejsou k dispozici. Lidé si to předávali jako jistotu: malé místnosti jsou pořád obsazené, nejde je sehnat, je to dlouhodobý problém. Tým, který dal dohromady data o učebnách a vytvořil přehledné dashboardy, však zjistil opak: asi 50 % malých učeben bylo volných prakticky pořád. Problém nebyl nedostatek prostoru – problém byla neznalost, kde učebny jsou, jak je rezervovat a jak se v tom vyznat.

Tohle je ukázkový případ „datové gramotnosti v praxi“:

• Anekdota (silná, ale zkreslená) → dlouhodobě ovlivňuje rozhodování.
• Data (správně připravená a srozumitelná) → odhalí skutečnou příčinu.
• Akce (lepší proces rezervací, navigace, informace) → levnější a rychlejší než stavět nové učebny.

„Anekdotické informace se rozjely naplno – všichni si mysleli jednu věc, ale data ukázala něco úplně jiného.“

V českém prostředí si to dosaďte do jakéhokoli tématu: „studenti nechodí na cvičení“, „AI nástroje kazí výuku“, „kapacita počítačových učeben nestačí“, „helpdesk nestíhá“, „prvákům nejde matematika“. Bez dat a bez schopnosti s nimi pracovat se problémy často špatně pojmenují – a pak se ještě hůř řeší.

Jak AI zrychlí cestu k odpovědi (a kde si dát pozor)

AI není náhrada datové gramotnosti. Je to násobič. Když jsou otázky špatně, AI vám rychleji dodá špatné závěry. Když jsou otázky dobré a data aspoň základně v pořádku, AI umí dramaticky zkrátit čas od dotazu k rozhodnutí.

Co konkrétně může AI ve škole zlepšit

1. „Konverzační analytiku“ pro neanalytiky Vedení často nechce grafy. Chce odpověď typu: „Kde nám roste neúspěšnost a proč?“ AI může pomoci převést běžný jazyk do dotazů nad daty a vrátit výsledek s vysvětlením.

2. Shrnutí a komentáře k dashboardům Místo dvaceti metrik jedna věta: „Největší meziroční změna je v X, pravděpodobná příčina Y, doporučená kontrola Z.“ To je přesně styl informací, který rozhodovatelé používají.

1. Hledání anomálií a trendů AI dobře upozorňuje na „něco je divné“: propad průchodnosti u konkrétního předmětu, neobvyklý nárůst požadavků na podporu, změna chování v LMS.

2. Podpora rozvoje dovedností V rámci série „Umělá inteligence ve vzdělávání a rozvoji dovedností“ je důležité dodat: jakmile škola umí měřit a interpretovat data, umí také lépe personalizovat podporu studentů (doučování, studijní poradenství, včasné intervence).

Tři „červené vlajky“, které se ve školách opakují

• Nejasné definice metrik: dvě oddělení měří „úspěšnost“ každé jinak.
• Záměna korelace za příčinu: AI i lidé umí snadno sklouznout k chybným závěrům.
• Nedůvěryhodná data: chybějící hodnoty, duplicity, ruční přepisování.

Datová gramotnost vedení znamená, že tyhle věci dokáže poznat a požadovat nápravu – bez toho, aby se z něj musel stát datový analytik.

Praktický plán: jak posílit datovou gramotnost rozhodovatelů za 90 dní

Rychlý posun je možný, když se přestane začínat nástroji a začne se otázkami. Níže je plán, který jsem viděl fungovat i v organizacích s malým týmem analytiků.

1) Změřte realitu: kde jste teď

Nejdřív zjistěte, jak se u vás s daty skutečně pracuje. Kombinujte:

• krátký dotazník datové gramotnosti pro vedení a střední management,
• rozhovory (30 minut) o tom, kdy naposledy data změnila rozhodnutí,
• analýzu využití reportů (co se otvírá vs. co se jen posílá e-mailem),
• mapu bariér: přístup, důvěra, čas, interpretace.

Výstup má být jednoduchý: 5–7 největších překážek, které brzdí rozhodování.

2) Trénink „pro lidi s kalendářem plným schůzek“

Datová gramotnost pro vedení musí být krátká, praktická a opakovaná. Funguje:

• 4× 60 minut během měsíce (online nebo hybridně),
• vždy jeden scénář ze školy (kapacity, studijní neúspěšnost, finance, kvalita výuky),
• důraz na slovník: metrika, definice, kontext, riziko zkreslení, rozhodnutí.

Doplňte to rolí datových šampionů v jednotlivých útvarech. Ne jako „policajty“, ale jako průvodce: pomohou formulovat dotazy a vysvětlí metriky v kontextu oddělení.

3) Zaveďte „rozhodovací hygienu“: jednoduchá pravidla

Tři pravidla, která mají okamžitý efekt:

1. Každé zásadní rozhodnutí musí mít jednu větu: „Rozhodujeme se podle X, protože Y.“
2. Každý dashboard musí odpovídat na konkrétní otázku, ne být vitrína metrik.
3. Každá metrika musí mít vlastníka a definici v běžném jazyce.

Tohle není byrokracie. To je prevence drahých omylů.

4) Udělejte data „na jedno kliknutí“ – a AI použijte jako asistenta

Vedení nebude čekat 14 dní na report. Pokud chcete, aby se rozhodovalo datově, musíte zkrátit cestu:

• jeden centrální katalog metrik,
• srozumitelné dashboardy s krátkým komentářem,
• jasně popsané „co mám udělat, když vidím X“.

AI se sem hodí jako vrstva vysvětlování: shrnutí trendů, upozornění na anomálie, generování krátkých komentářů pro porady. Ale jen tehdy, když máte základní datový pořádek a governance.

Nejčastější otázky z praxe (a přímé odpovědi)

„Potřebujeme nejdřív perfektní data?“

Ne. Potřebujete dostatečně dobrá data pro konkrétní rozhodnutí. Začněte jednou oblastí (např. využití učeben nebo průchodnost klíčových předmětů) a tam zaveďte jasné definice a vlastnictví.

„Co když máme malý tým a žádné datové specialisty?“

Pak je ještě důležitější mít společné definice a jednoduché nástroje. AI může pomoct se zpracováním dotazů a se shrnutím poznatků, ale nenahradí základní disciplínu v datech.

„Jak poznáme, že se datová gramotnost zlepšuje?“

Sledujte tři měřitelné signály:

• zkrácení času „otázka → odpověď“ (např. z 10 dnů na 2 dny),
• nárůst využití klíčových dashboardů (unikátní uživatelé, návraty),
• počet rozhodnutí, kde je doložený datový argument (třeba v zápisech z porad).

Co udělat ještě letos: malý krok, který má velký dopad

Prosinec je ideální na nastavení priorit na nový rok. Pokud si z tohoto článku odnesete jedinou věc, tak tuhle: datová gramotnost vedení je dnes stejně důležitá jako rozpočet nebo strategie. Bez ní AI nepomůže. S ní se z AI stane praktický nástroj pro lepší řízení školy i pro cílenější podporu studentů.

Chcete začít hned? Vyberte jedno rozhodnutí, které budete řešit v lednu (typicky kapacity výuky, průchodnost, studijní zátěž, vytíženost podpory). Sepište tři otázky, na které potřebujete odpověď, a u každé doplňte: jaká data to prokážou a kdo je vlastní. Už tohle nastaví úplně jiný tón.

A teď ta nepohodlná, ale užitečná otázka na závěr: které „jistoty“ na vaší škole jsou jen dobře vyprávěné anekdoty – a které z nich by AI a data dokázaly rozbít během jednoho týdne?