Developing 5E-based CT-STEM Pedagogical Framework for Secondary Students’ Domain-general Computational Thinking (CT): A Fuzzy Delphi Method
Deze studie ontwikkelt en valideert een op de 5E-cyclus gebaseerd pedagogisch kader voor het integreren van domein-generiek computationeel denken in het voortgezet STEM-onderwijs met behulp van de Fuzzy Delphi-methode en feedback van docenten, waarbij de haalbaarheid wordt bevestigd terwijl implementatieproblemen en de noodzaak voor contextuele adaptatie worden benadrukt.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In een tijdperk waarin kunstmatige intelligentie alles vormgeeft, van verkeerslichten tot medische diagnoses, is het vermogen om als een computerwetenschapper te denken een essentiële levensvaardigheid geworden. Deze vaardigheid, bekend als computationeel denken, gaat niet enkel over het schrijven van code of het bouwen van software. In plaats daarvan is het een universele methode voor het oplossen van complexe problemen door ze op te delen in beheersbare onderdelen, patronen in gegevens te herkennen en stapsgewijze oplossingen te ontwerpen. Ho hoewel deze manier van denken vaak wordt onderwezen in informaticaklassen, geloven onderwijzers steeds vaker dat het verweven moet worden in de studie van wetenschap, technologie, techniek en wiskunde, gezamenlijk bekend als STEM. Het doel is om studenten te helpen deze logische instrumenten te gebruiken om reële uitdagingen aan te pakken, van het ontwerpen van een duurzame stad tot het begrijpen van klimaatverandering. Het onderwijzen van deze combinatie van vaardigheden is echter moeilijk. Docenten missen vaak een duidelijke routekaart voor hoe ze deze abstracte denkprocessen kunnen combineren met standaard wetenschaps- en wiskundelessen, waardoor ze onzeker zijn over waar ze moeten beginnen of hoe ze hun studenten effectief kunnen begeleiden.
Om dit gat te dichten, heeft een team van onderzoekers zich gericht op het ontwerpen en testen van een nieuw onderwijskader dat specifiek bedoeld is voor middelbare scholieren. Hun aanpak centreert zich rond een bewezen instructiemodel genaamd de 5E-methode, die leren structureert in vijf afzonderlijke fasen: het betrekken van studenten bij een probleem, het de gelegenheid geven om het te verkennen, het uitleggen van de concepten, het uitwerken van de ideeën door middel van toepassing, en het evalueren van de resultaten. De onderzoekers wilden specifieke computationele denkpraktijken op deze vijf fasen mappen om een samenhangende gids te creëren. Ze begonnen met het samenstellen van een panel van twintig experts, waaronder ervaren docenten en curriculumspecialisten uit diverse wetenschappelijke velden. Met behulp van een gespecialiseerde methode die deze experts in staat stelde om tot een consensus te komen zonder eindeloze rondes van debat, verfijnde het team een lijst van veertien kernpraktijken van het denken. De experts waren het erover eens dat het meest cruciale startpunt voor elke les het helpen van studenten is om een groot, verwarrend probleem op te splitsen in kleinere, oplosbare stukken. Ze stelden ook vast dat het proces van het testen en verfijnen van een oplossing moet plaatsvinden terwijl de studenten aan hun projecten bouwen, in plaats van te wachten tot het allerlaatste moment.
Het resulterende kader suggereert een vloeiend, niet-lineair pad voor leren. In de initiële betrokkenheidsfase definiëren studenten een reëel vraagstuk en strippen ze onnodige details weg om zich te concentreren op de kernuitdaging. Terwijl ze overgaan naar de verkeningsfase, verzamelen ze gegevens en organiseren deze in visuele vormen zoals grafieken of kaarten. Tijdens de uitlegifase zoeken ze naar patronen binnen die gegevens om de onderliggende regels te begrijpen. De uitwerkingsfase is waar het werk echt tot leven komt; studenten gebruiken digitale hulpmiddelen om modellen te bouwen, simulaties uit te voeren en taken te automatiseren, terwijl ze voortdurend hun ontwerpen testen en verbeteren op basis van wat wel en niet werkt. Ten slotte, in de evaluatiefase, reflecteren zowel docenten als studenten op het gehele proces, waarbij ze overwegen hoe de gebruikte strategieën van toepassing kunnen zijn op andere situaties. Deze structuur was niet alleen een theoretische oefening; de onderzoekers ontwikkelden een specifieke lesopzet over het ontwerpen van een slimme campuspoort met behulp van computer vision om te demonstreren hoe het kader in de praktijk werkt.
Om te zien of dit kader daadwerkelijk zou werken in een klaslokaal, interviewden de onderzoekers acht actieve docenten met ervaring in geïntegreerde STEM-projecten. Deze onderwijzers boden een realistisch beeld van de potentiële voordelen en de hindernissen die zij zouden kunnen tegenkomen. De docenten geloofden dat het kader studenten zou helpen niet alleen technische vaardigheden te ontwikkelen, maar ook een dieper begrip van wetenschap en wiskunde, naast verbeterde probleemoplossende vermogens en meer zelfvertrouwen in hun eigen werk. Ze zagen de gestructureerde aanpak als een manier om complexe onderzoeksvragen toegankelijker en minder overweldigend te maken voor leerlingen. De docenten identificeerden echter ook aanzienlijke uitdagingen die succes in de weg kunnen staan. Ze maakten zich zorgen over het vinden van voldoende tijd om alle noodzakelijke stappen te doorlopen, de moeilijkheid van het begeleiden van studenten tijdens samenwerkend groepswerk, en het gebrek aan betrouwbare apparatuur en software op hun scholen. Bovendien merkten ze op dat de nieuwe methoden soms botsten met bestaande curriculumvereisten en examendruk, wat het moeilijk maakte om de tijd die aan open eind projecten wordt besteed te rechtvaardigen.
De studie concludeert dat hoewel het kader een veelbelovend en door experts gevalideerd pad biedt voor het onderwijzen van computationeel denken, het succes ervan sterk afhangt van het ondersteuningssysteem dat de docent omringt. De onderzoekers vonden dat de uitdagingen geen geïsoleerde problemen zijn, maar diep met elkaar verbonden zijn; bijvoorbeeld kan een gebrek aan tijd het onmogelijk maken om de noodzakelijke begeleiding te bieden, wat op zijn beurt weer invloed heeft op hoe goed studenten leren. Het kader zelf is robuust en flexibel, ontworpen om zich aan te passen aan verschillende behoeften in het klaslokaal, maar het vereist dat scholen adequate training, middelen en curriculumflexibiliteit bieden zodat docenten het effectief kunnen gebruiken. Door een heldere instructiestructuur te combineren met een focus op reële probleemoplossing, beoogt deze aanpak studenten uit te rusten met de mentale instrumenten die ze nodig hebben om te navigeren in een steeds complexere, door technologie gedreven wereld, mits de onderwijsomgeving bereid is de docenten die hen begeleiden te ondersteunen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.