Constructing Mathematical Meaning through Authentic Nutrition Problems in Higher Education

技術的要約：高等教育における真正な栄養学問題を通じた数学的意味構築

問題提起
本研究は、学際的なSTEM教育における根強い課題に対処している。すなわち、数学がコース内に存在していても、それが明示的な「意味形成（sense making）」の対象となっていないという現状である。栄養学教育において、数学的タスクはしばしば、数量を調整し、表現を解釈し、学術的な主張を正当化することを求めるものではなく、単なる手続き的な適用（例：公式への数値の代入）へと形骸化してしまう。本研究は、学部生の栄養学専攻の学生が、比例、パーセンテージ、関数、およびデータ解釈を含む真正な問題に取り組む際に、どのように数学的意味を構築するかを調査する。具体的には、総括的な評価スコアが数学的推論の質を捉えられるのか、あるいは手続き的な正確さと妥当な推論との間の決定的な乖離を覆い隠してしまうのかを検証する。

研究手法
本研究は、2026年度のパナマの公立大学における「栄養学のための数学（NCMA-0016）」コースにおける、質的に駆動された収束的混合証拠ケーススタディ・デザインを採用した。対象は60名の学生（女性46名、男性14名）である。

• データコーパス： 分析には以下の複数のエビデンス源を統合した：
  • 公式コース計画。
  • 栄養ラベル、人体計測指標、食事計画、および調査データ分析を扱う4つの異なるチームビデオのトランスクリプト（各約7〜12分）。
  • 調査計算とリフレクションを含む、あるチーム（チーム5）の連結されたポートフォリオ。
  • 比例測定、単位率、および線形モデリングを示すチーム5の4つの手書きアーティファクト。
  • 60名全員の匿名化された評価記録。
• 分析フレームワーク： 本研究では、以下の4つの視点を持つ理論的フレームワークを用いた：
  1. Schoenfeld： 問題解決におけるリソース、戦略、モニタリング、およびコントロールの分析。
  2. Silver： 問題提起、数学的生成、および柔軟性の検討。
  3. Li： 学際的なSTEM学習と転移の評価。
  4. Marzano-Kendall： 認知的要求と評価のエビデンス（自己システム、メタ認知、認知的プロセス、知識領域）の整理。
• 分析手順：
  • 質的分析： ビデオ・トランスクリプトとアーティファクトを「エピソード」に分割し、リソース、戦略、表現、モニタリング、問題定式化、および学際的統合の観点からコーディングを行った。分析では、高度な手続き的品質と構造的な破綻の両方の典型例としての「チーム5」のケースに焦点を当てた。
  • 量的分析： 評価記録の分析には、記述統計、ピアソン/スペアマン相関、および階層回帰を用いた。非冗長なコース信号（認知的基礎、分析/コミュニケーション、知識活用、およびエンゲージメントの機会）から構成される暫定的な形成的コンポジットであるMKACI-Pを構築した。これは、質的知見に対する限定的な補完物として機能するものであり、検証済みの潜在変数尺度ではない。

主な結果

1. 手続き的正確性と妥当な推論： 中心的な知見は、正しい数学的手続きと不適切な定量的推論の共存である。象徴的なチーム5のケースでは、学生は調査データ（回答者102名）から周辺的なパーセンテージを正しく計算したが、その後、重複する指標を平均化し、その平均値を結合頻度の証拠なしに個人レベルのカウントおよび比率へと変換した。その結果、「洗練された」プレゼンテーションの中に、根本的に不適切なモデルが含まれることとなった。
2. タスク依存的な能力： 数学的能力はタスクに依存することが判明した。同じチームが、他のアーティファクト（例：メニューコスト・モデリング、タンパク質摂取関数）においては、健全な比例推論、単位率の論理、および傾き/切片の正しい解釈を示したが、タスクが重複するカテゴリーの統計的集計を必要とする場合には、仮定のモニタリングに失敗した。
3. 総括的成績の限界： 評価記録は、高得点に集中した成績を持つ高成績のコホートを示した。MKACI-Pコンポジットはコース終了時の指標と相関していたが（$r = .762$）、順位相関は弱く（$\rho = .336$）、高いコンポジットスコアが真正なタスクにおける妥当なモデリングを保証するわけではなかった。総括的な成績は、ビデオおよびアーティファクト分析で見られた推論上の誤りを露呈させることができなかった。
4. モニタリングのエビデンス： 仮定に対する明示的な精査は稀であった。モニタリングとコントロールは、単位の誤りを診断したり、単一のスクリーニング指標（例：BMI）の十分性に疑問を呈したりする場合に最も顕著に見られたが、学生がデータの記述から学術的な主張へと移行する際には、これらの批判的なチェックはしばしば欠落していた。

主な貢献

• 経験的貢献： 本研究は、栄養学の学生が真正なタスクを通じて、比例、関数、グラフ、および推論の能力をどのように動員するかを記録しており、正しい計算が妥当な学術的モデリングと等価ではないことを明らかにしている。
• 理論的貢献： 手続きの実行、構造の理解、正当な推論の導出、および仮定の批判的検討を区別するために、4つの異なる理論的視点（Schoenfeld, Silver, Li, Marzano-Kendall）を統合している。
• 方法論的貢献： ビデオから得られたエピソードと学生のアーティファクトが説明的な物語を主導すべきであり、成績分析は限定的な三角測量の役割を果たすに過ぎないことを示している。また、グループの成果物（ビデオ）は、メタ認知的モニタリングに関する個人の数学的証拠の代わりにはなり得ないと論じている。

意義と主張
本論文は、効果的なSTEM学習における数学の習得は、単に正しい値を得ることではなく、数量、表現、仮定、および学術的な意味を調整できるようになった時に初めて可視化されると主張している。本研究は、以下の要素を含む意味形成評価サイクルを提案している：

1. 真正な問題提起。
2. 可視化された数学的生成。
3. 仮定とモデルの限界に対する教員の注視。
4. 認知的に差別化された評価（想起、分析、および活用の区別）。
5. 修正および転移タスク。

著者らは、数学を単なる装飾的なツールではなく、学術的な主張を検討し正当化するために不可見な統合的実践として位置づけている。結論として、真正な文脈と協調的な成果物は価値があるものの、それらは総括的なスコアや生産価値のみに頼るのではなく、推論と仮定を検査可能にする評価戦略と組み合わされる必要があると述べている。本研究は、その知見が、意味形成、モデリング、および批判的推論を中心に据えてSTEM学習を再定義することに寄与すると控えめに主張しつつ、単一コホートのデザインや、編集されたトランスクリプトから個人の交渉プロセスを再構築できないことなどの限界を認めている。