Page 79 - Puklek Levpušček, Melita, in Klaudija Šterman Ivančič, ur. Motivacijski dejavniki v izobraževanju mladine in odraslih. Ljubljana: Pedagoški inštitut, 2013. Digitalna knjižnica, Documenta 5
P. 79
Dijaki, ki dosegajo posamezne ravni bralne pismenosti (definirane na osnovi skupne-
ga dosežka na testu bralne pismenosti), se seveda razlikujejo tudi po povprečnih dosežkih
na posamezni vrsti bralnega procesa. Slika 2 prikazuje, kakšni so bili povprečni dosežki za
posamezni vidik bralnega procesa v skupinah dijakov na različnih ravneh bralne pismeno-
sti. Prikazane so povprečne vrednosti verjetnih vrednosti PV1READ1 (Iskanje in priklic
informacij, prva od petih verjetnih vrednosti), PV1READ2 (Povzemanje in interpretira-
nje besedila, prva od petih verjetnih vrednosti) in PV1READ3 (Razmišljanje o prebra-
nem in ovrednotenje prebranega, prva od petih verjetnih vrednosti). Pri analizi smo zdru-
žili dijake, ki dosegajo raven 1b, z dijaki, ki te ravni ne dosegajo.
Na Sliki 2 vidimo, da je bilo za dijake na vseh ravneh, razen na ravni 6, značilno, da so
imeli na področju razmišljanja o prebranem in ovrednotenja prebranega v povprečju niž-
ji dosežek kot na področjih iskanja in priklica informacij ter povzemanja in interpretira-
nja besedila.
Uporabljeni indeksi
Dijake smo združevali v skupine glede na njihove vrednosti na naslednjih spremen-
ljivkah:
- Metakognitivne strategije: strategije povzemanja besedila, strategije razume-
vanja in pomnjenja besedila
- Učne strategije: strategije elaboracije, kontrolne strategije, strategije pomnje-
nja (memoriranja)
- Motivacija (zavzetost) za branje: branje za zabavo, uživanje ob branju
- Raznolikost bralnega gradiva
- Branje na spletu
- Interpretacija literarnih tekstov
Vzorec in obdelava podatkov
Analize smo izvedli na vzorcu 5246 dijakov (obteženi N = 16626), ki so imeli podat-
ke na vseh zgoraj navedenih indeksih. Podatke smo združevali z dvostopenjsko klastrsko
analizo, ki je metoda, primerna za obdelavo večjih baz podatkov. Analiza neobtežene po-
datke preliminarno združi v skupini, izloči izstopajoče podatke in nato ponovno združu-
je v skupine. Spremenljivke smo v analizo vnesli kot zvezne spremenljivke, ki smo jih pred-
hodno standardizirali. Pregledali smo različne rešitve (od 2 do 6 skupin) in se nazadnje
odločili za rešitev s 5 skupinami, ker je bila najbolj interpretabilna. Rešitev je bila na meji
sprejemljivosti (mera kohezije in ločenosti skupin je bila cca. 0,15).
79
ga dosežka na testu bralne pismenosti), se seveda razlikujejo tudi po povprečnih dosežkih
na posamezni vrsti bralnega procesa. Slika 2 prikazuje, kakšni so bili povprečni dosežki za
posamezni vidik bralnega procesa v skupinah dijakov na različnih ravneh bralne pismeno-
sti. Prikazane so povprečne vrednosti verjetnih vrednosti PV1READ1 (Iskanje in priklic
informacij, prva od petih verjetnih vrednosti), PV1READ2 (Povzemanje in interpretira-
nje besedila, prva od petih verjetnih vrednosti) in PV1READ3 (Razmišljanje o prebra-
nem in ovrednotenje prebranega, prva od petih verjetnih vrednosti). Pri analizi smo zdru-
žili dijake, ki dosegajo raven 1b, z dijaki, ki te ravni ne dosegajo.
Na Sliki 2 vidimo, da je bilo za dijake na vseh ravneh, razen na ravni 6, značilno, da so
imeli na področju razmišljanja o prebranem in ovrednotenja prebranega v povprečju niž-
ji dosežek kot na področjih iskanja in priklica informacij ter povzemanja in interpretira-
nja besedila.
Uporabljeni indeksi
Dijake smo združevali v skupine glede na njihove vrednosti na naslednjih spremen-
ljivkah:
- Metakognitivne strategije: strategije povzemanja besedila, strategije razume-
vanja in pomnjenja besedila
- Učne strategije: strategije elaboracije, kontrolne strategije, strategije pomnje-
nja (memoriranja)
- Motivacija (zavzetost) za branje: branje za zabavo, uživanje ob branju
- Raznolikost bralnega gradiva
- Branje na spletu
- Interpretacija literarnih tekstov
Vzorec in obdelava podatkov
Analize smo izvedli na vzorcu 5246 dijakov (obteženi N = 16626), ki so imeli podat-
ke na vseh zgoraj navedenih indeksih. Podatke smo združevali z dvostopenjsko klastrsko
analizo, ki je metoda, primerna za obdelavo večjih baz podatkov. Analiza neobtežene po-
datke preliminarno združi v skupini, izloči izstopajoče podatke in nato ponovno združu-
je v skupine. Spremenljivke smo v analizo vnesli kot zvezne spremenljivke, ki smo jih pred-
hodno standardizirali. Pregledali smo različne rešitve (od 2 do 6 skupin) in se nazadnje
odločili za rešitev s 5 skupinami, ker je bila najbolj interpretabilna. Rešitev je bila na meji
sprejemljivosti (mera kohezije in ločenosti skupin je bila cca. 0,15).
79
