Page 62 - Šolsko polje, XXVIII, 2017, no. 5-6: Znanje, motivacija in pogoji učenja v luči mednarodnih primerjav TIMSS in PISA, ur. Barbara Japelj Pavešić in Klaudija Šterman Ivančič
P. 62
šolsko polje, letnik xxviii, številka 5–6
so primerljive med seboj. Zato vrednosti stališč morda ne odražajo op-
timalno obteženih posameznih elementov stališča v posamezni drža-
vi. Čeprav nekateri elementi posamičnih stališč izstopajo (npr. razlaga
učitelja v zavzetosti poučevanja), pa je analiza zanesljivosti potrdila zelo
visoko ujemanje lestvic stališč z odgovori slovenskih učencev (priloga D1
in D2).
V prvem delu raziskovanja smo se osredotočili na povezave med
različnimi meritvami znanja, TIMSS, NPZ in šolskimi ocenami.
Korelacijski analizi dosežkov, tudi ločeni po spolu učencev, je sledilo
modeliranje dosežkov hkrati z izmerjenimi stališči učencev v drugem
delu študije. Preveriti smo želeli, ali se povezanost stališč učencev do ma-
tematike in naravoslovnih predmetov z znanjem razlikuje med posame-
znimi šolami. S pomočjo hierarhičnih linearnih modelov, ki upošteva-
jo dve ravni dejavnikov, učenčevo in šolsko, smo izračunali, v kolikšni
meri je mogoče pojasniti razlike v znanju matematike in naravoslov-
ja v osnovni šoli z dejavniki motivacije, in sicer z učenčevim zaznava-
njem zavzetosti poučevanja njegovega učitelja, z učenčevo lastno samo-
zavestjo, naklonjenostjo do učenja in cenjenjem znanja, ter porazdelitev
variance med dosežki na raven učencev in šole brez in z upoštevanjem
stališč. Dvostopenjski hierarhični regresijski model je mogoče določiti
za raven učencev in šole, ki so vzorčne enote v raziskavi TIMSS, med-
tem ko razred ali učitelj nista. V modele je bilo vključenih 4257 učen-
cev ter 148 šol, oboji z ustreznimi utežmi in z vsemi petimi verjetnostni-
mi vrednostmi, ki poročajo dosežke učencev. Za izračun smo uporabili
programska paketa SPSS z vmesnikom IDB Analyzer in R s knjižnico
Bifie. Omogočili so izračune korelacij in hierarhičnih modelov z upo-
števanjem ustreznih uteži in verjetnostnih vrednosti, kot zahteva narava
podatkov v mednarodnih raziskavah znanja.
Najprej smo določili osnovne dvostopenjske modele za dosežke brez
vključenih stališč učencev, da smo izračunali deleže variance, ki odpade
na razlike med šolami. Nato smo v model za napoved matematičnih do-
sežkov vključili napovednike: spol, naklonjenost do učenja matematike,
samozavest v matematiki, zaznavo zavzetosti učiteljevega poučevanja in
vrednotenje matematike. Za naravoslovje smo razpolagali z naklonjeno-
stjo do učenja in samozavestjo pri posameznem predmetu, biologiji, ke-
miji in fiziki, vrednotenjem naravoslovja, skupnimi dosežki iz naravoslov-
ja ter posameznimi iz biologije, fizike in kemije. Izračunali smo osnovne
modele za vse štiri različne dosežke ter tri modele s stališči do posameznih
predmetov za napoved ustreznih dosežkov. Spremenljivki, ki sta vsebovali
podatke, koliko cenijo naravoslovje in o spolu učencev, smo vključili v vse
tri posamične modele.
60
so primerljive med seboj. Zato vrednosti stališč morda ne odražajo op-
timalno obteženih posameznih elementov stališča v posamezni drža-
vi. Čeprav nekateri elementi posamičnih stališč izstopajo (npr. razlaga
učitelja v zavzetosti poučevanja), pa je analiza zanesljivosti potrdila zelo
visoko ujemanje lestvic stališč z odgovori slovenskih učencev (priloga D1
in D2).
V prvem delu raziskovanja smo se osredotočili na povezave med
različnimi meritvami znanja, TIMSS, NPZ in šolskimi ocenami.
Korelacijski analizi dosežkov, tudi ločeni po spolu učencev, je sledilo
modeliranje dosežkov hkrati z izmerjenimi stališči učencev v drugem
delu študije. Preveriti smo želeli, ali se povezanost stališč učencev do ma-
tematike in naravoslovnih predmetov z znanjem razlikuje med posame-
znimi šolami. S pomočjo hierarhičnih linearnih modelov, ki upošteva-
jo dve ravni dejavnikov, učenčevo in šolsko, smo izračunali, v kolikšni
meri je mogoče pojasniti razlike v znanju matematike in naravoslov-
ja v osnovni šoli z dejavniki motivacije, in sicer z učenčevim zaznava-
njem zavzetosti poučevanja njegovega učitelja, z učenčevo lastno samo-
zavestjo, naklonjenostjo do učenja in cenjenjem znanja, ter porazdelitev
variance med dosežki na raven učencev in šole brez in z upoštevanjem
stališč. Dvostopenjski hierarhični regresijski model je mogoče določiti
za raven učencev in šole, ki so vzorčne enote v raziskavi TIMSS, med-
tem ko razred ali učitelj nista. V modele je bilo vključenih 4257 učen-
cev ter 148 šol, oboji z ustreznimi utežmi in z vsemi petimi verjetnostni-
mi vrednostmi, ki poročajo dosežke učencev. Za izračun smo uporabili
programska paketa SPSS z vmesnikom IDB Analyzer in R s knjižnico
Bifie. Omogočili so izračune korelacij in hierarhičnih modelov z upo-
števanjem ustreznih uteži in verjetnostnih vrednosti, kot zahteva narava
podatkov v mednarodnih raziskavah znanja.
Najprej smo določili osnovne dvostopenjske modele za dosežke brez
vključenih stališč učencev, da smo izračunali deleže variance, ki odpade
na razlike med šolami. Nato smo v model za napoved matematičnih do-
sežkov vključili napovednike: spol, naklonjenost do učenja matematike,
samozavest v matematiki, zaznavo zavzetosti učiteljevega poučevanja in
vrednotenje matematike. Za naravoslovje smo razpolagali z naklonjeno-
stjo do učenja in samozavestjo pri posameznem predmetu, biologiji, ke-
miji in fiziki, vrednotenjem naravoslovja, skupnimi dosežki iz naravoslov-
ja ter posameznimi iz biologije, fizike in kemije. Izračunali smo osnovne
modele za vse štiri različne dosežke ter tri modele s stališči do posameznih
predmetov za napoved ustreznih dosežkov. Spremenljivki, ki sta vsebovali
podatke, koliko cenijo naravoslovje in o spolu učencev, smo vključili v vse
tri posamične modele.
60
