Statistiek, Big Data en Socio-Scientific Issues in de Lerarenopleiding

07 July 2022

Educational project

Statistiek, Big Data en Socio-Scientific Issues in de Lerarenopleiding

Dit rapport doet verslag van onderzoek naar en verbetering van colleges in de lerarenopleiding die plaats vonden in april 2021. Doel van het onderzoek is om te kijken of en in hoeverre met het college studenten bewust kunnen worden van het belang van big data bij socio-scientific issues (SSI’s) en hoe ze daar in hun onderwijspraktijk aandacht aan kunnen besteden.

Introductie

Van leerlingen in het voortgezet onderwijs wordt verwacht dat ze statistiek leren door big data te verkennen. In ons onderwijs willen we het potentieel van dezelfde aanpak onderzoeken: student-docenten big data laten verkennen, om te doen alsof ze studenten zijn in hun klas. Op die manier ervaren en leren ze de uitdagingen van het lesgeven, hoe ze die kunnen overwinnen, en de relevantie van het begrijpen van statistiek voor de maatschappij.

De didactiek van het statistiekonderwijs op middelbare scholen is veranderd (Bruin-Muurling e.a., 2018). Leren begint tegenwoordig met het verkennen van grote datasets. Dit creëert didactische uitdagingen voor docenten met betrekking tot het organiseren van onderzoekend leren (IBL). Bovendien moeten studenten en toekomstige docenten in onze datagestuurde maatschappij worden voorbereid op het potentieel en de impact van data op ons leven (e.g. O’Neil, 2016). In onze cursus vakdidactiek voor toekomstige wiskundeleraren, willen we toekomstige leraren voorbereiden op deze praktijken.

Doel en onderzoeksvraag

In de activiteiten voor docenten in opleiding moeten we een evenwicht vinden tussen het gebruik van grote sets ruwe data sets en beschikbare sets die zijn opgeschoond en online beschikbaar zijn met visualisatietools. In het eerste geval zal het onderwijs heel wat begeleiding vergen, terwijl in het tweede geval de studenten de datasets snel zelf kunnen verkennen. Aandacht voor het vormgeving van die begeleiding is gebaseerd op benaderingen van onderzoekend leren (e.g. Gormally e.a., 2009). We zullen voorbeelden van beide soorten sets gebruiken in ons onderwijs met het doel te onderzoeken:

In hoeverre lukt het om studenten in de lerarenopleiding voor te bereiden op het gebruik van big data en socio-scientific issues bij statistiekonderwijs met gebruik van onderzoekend leren?

Set-up en methode

Studenten zullen kennis maken met de didactiek van het statistiekonderwijs door eerst zelf big data sets te verkennen. Ze zullen ook vertrouwd raken met socio-scientific issues in verband met big data in onze samenleving en leren hoe ze deze relevantie in de onderwijspraktijk kunnen aanpakken.

Daartoe ontwikkelen en implementeren we een interventie voor sessies in de cursus vakdidactiek, gebaseerd op ontwerpprincipes voor het implementeren van SSI’s (Knippels & Harskamp, 2018). Studenten krijgen bijvoorbeeld twee soorten datasets over hetzelfde onderwerp gepresenteerd en worden gevraagd om kenmerken van de gegevens in beide sets te vergelijken, verschillende manieren te vinden om deze gegevens met verschillende doelen samen te vatten en te visualiseren, en om conclusies te trekken op basis van de gegevens. Bij dit onderzoek is gebruik gemaakt van een focusgroep en een vragenlijst.

Resultaten

Met de vragen vooraf is geinventariseerd of en hoe bekend de studenten al waren met statistiek. Hieruit bleek dat ze zelf weinig statistiek hadden gehad en hebben allen nog geen ervaring met het werken met grote databestanden. Ze zijn bijna allemaal maar in beperkte mate bezig met statistiekonderwijs met hun eigen leerlingen.
Voor dit project werd een college gegeven om te kunnen reflecteren op het statistiekonderwijs. Er werd klassikaal besproken hoe de les was gegaan. Studenten benoemde bijvoorbeeld dat statistiek goed ingezet kan worden in de bovenbouw in een soort onderzoeksproject. Het past binnen de eerdergenoemde projecten op de stagescholen, waarbij de onderzoekscyclus wordt doorlopen.

Een andere vraag tijdens de reflectie was hoe je leerlingen ‘open’ laat kijken naar een groot databestand. Alle studenten zijn het erover eens dat ze hun leerlingen niet een compleet stappenplan willen geven. Wel zouden ze de studenten bij aanvang van de opdracht iets van houvast willen geven. Dit kan bijvoorbeeld al door ‘wat valt je op’ te vervangen door ‘hier staat dit, waarom valt dat op?’. Een ander voorstel is om eerst een makkelijke vraag te stellen zodat de leerlingen met een succeservaring beginnen waarna ze misschien positiever staan tegenover een opdracht met minder sturing.

Na afloop van het college is er door de fysiek aanwezige studenten een evaluatieve vragenlijst ingevuld. Hieruit kwam naar voren dat studenten zichzelf in staat achten een passende inhoud en werkvormen te kiezen voor statistiekonderwijs en ze zagen ook het belang van het onderwerp van de les in.
Het statistiekonderwijs blijkt op de middelbare school nog vrij minimaal gegeven te worden. Sommige studenten zien het wel zitten om aandacht te gaan besteden aan grote databestanden, anderen zien nog niet in waarom dit nuttig zou zijn. Wat betreft ‘open’ vragen zeggen de studenten dat ze liever een meer gerichte vraag stellen aan hun leerlingen. Het onderwerp en de werkwijze van afwisselend luisteren en zelf aan de slag van de cursusbijeenkomst sprak de studenten aan, wel gaven ze aan dat het doel van het college niet helemaal duidelijk was.

De ervaringen van de studenten die bij dit project betrokken waren, hebben ook nog bijgedragen aan de ontwikkeling van nieuw scholingsmateriaal.

Conclusie

De studenten gaven aan dat de doelen van het college niet helemaal duidelijk waren. Voortaan moeten die explicieter gemaakt worden voor de studenten. We zullen nu verder kijken in hoeverre de doelen van het college zijn behaald. 

De studenten hebben een globaal overzicht over statistiek in het voortgezet onderwijs of weten waar ze dit overzicht kunnen vinden.

Studenten benoemen niet specifiek de rol van data als het gaat om duurzaamheidsvraagstukken. De studenten geven wel aan dat je met wiskunde een andere kant van een probleem kunt belichten.

De studenten hebben het vrijwel niet over het interpreteren en de manier van het representeren van data die je krijgt voorgelegd. Uit de interviews blijkt ook niet dat de studenten zich bewust zijn van de hoeveelheid keuzes die je moet maken voordat je big data visualiseert.

De studenten hebben dit zeker ontdekt, waarbij de conclusie voor velen is dat de eigen vaardigheid nog te wensen over laat.

De studenten hebben inspiratie opgedaan om een duurzaamheidsvraagstuk of ander actureel onderwerp bij statistieklessen in te zetten. De studenten zijn zich ervan bewust geworden dat er data voorhanden is die in een les kan worden gebruikt.

De studenten kunnen niet goed benoemen wat een open opdracht eigenlijk is of zou moeten zijn. De studenten zijn wel erg enthousiast om de leerlingen zelf te laten onderzoeken en geven ook aan graag te willen leren hoe ze dit kunnen doen.

Referenties

  • Bruin-Muurling, G., van Eerde, D., van Galen, F., Gravemeijer, K., & van Stiphout, I. (Eds.). (2018). Statistiekonderwijs voor Morgen [statistics education for tomorrow]. Utrecht: Wiskunde voor Morgen.
  • Gormally, C., Brickman, P., Hallar, B., & Armstrong, N. (2009). Effects of Inquiry-based Learning on Students’ Science Literacy Skills and Confidence. International Journal for the Scholarship of Teaching and Learning, 3(2). https://doi.org/10.20429/ijsotl.2009.030216
  • Knippels, M.C.P.J., Harskamp, van M. (2018). An educational sequence for implementing socio-scientific inquiry-based learning (SSIBL). Science and society 100(371).
  • O’Neil, C. (2016). Weapons of Math Destruction. How big data increases inequality and threatens democracy. New York: Crown Publishing Group.
Print

You are free to share and adapt, if you give appropriate credit and use it non-commercially. More on Creative Commons

 

Are you looking for funding to innovate your education? Check our funding calender!