A Comparative Analysis of Teacher-Student Dialogue in Expert and Novice Teachers’ Smart Classrooms for Cultivating Higher-Order Thinking

Technische Samenvatting: Een Vergelijkende Analyse van Docent-Studentdialoog in Smart Classrooms van Expert- en Novice-docenten voor het Cultiveren van Hoger Denkniveau

Probleemstelling
Hoger denkniveau (Higher-Order Thinking, HOT) is een kernobjectief van 21e-eeuws onderwijs en een primair doel van de implementatie van smart classrooms. Hoewel docent-studentdialoog wordt erkend als het fundamentele pad voor het cultiveren van HOT, worstelen novice-docenten (beginnende docenten) vaak met hun professionele ontwikkeling op dit gebied. Voorgaand onderzoek heeft zich grotendeels gericht op de frequentie, duur en het percentage van de dialoog, waarbij onvoldoende aandacht is besteed aan de sequentiële kenmerken en ontwikkelingspaden van de dialoog binnen smart classrooms. Er is een behoefte aan begrip van de specifieke vormen en sequentiële patronen van dialoog die expert-docenten onderscheiden van novices in slimme omgevingen, om zo onderwijsmodellen te optimaliseren en het HOT van studenten te bevorderen.

Methodologie
Deze studie maakte gebruik van een mixed-methods benadering, waarbij literatuuranalyse, grounded theory en lag-sequentiële analyse (LSA) werden gecombineerd.

• Databron: Het onderzoek maakte gebruik van 20 video's van lessen in smart classrooms (10 van novice-docenten en 10 van expert-docenten) die willekeurig zijn geselecteerd uit het China Smart Education Resource Public Service Platform. De steekproef omvatte vakken zoals Chinees, Wiskunde en Natuurwetenschappen.
• Constructie van het Analytisch Kader:
  • Primaire Dimensies: Afgeleid van literatuur over dialoogpatronen, evaluatie-indices en smart inquiry-modellen, werden vijf primaire dimensies vastgesteld: Probleemidentificatie, Conceptie van Oplossingen, Besluitvorming en Evaluatie, Evaluatie en Revisie, en Samenvatting en Reflectie.
  • Secundaire Dimensies: Met behulp van grounded theory en drietrapscodering op de onderwijsvideo's werden 14 secundaire dimensies geïdentificeerd (bijv. Probleemanalyse, Rechtvaardiging van Problemen, Ontwerpen van Oplossingen, Verifiëren van Oplossingen).
  • Codingsysteem: Er werd een specifiek codingsysteem ontwikkeld waarbij gedragingen elke 8 seconden werden gecodeerd.
• Data-analyse: Twee onderzoekers codeerden de video's onafhankelijk van elkaar, waarbij een Cohen's Kappa-coëfficiënt > 0,75 werd bereikt. De gecodeerde sequenties werden verwerkt met de General Sequential Querier (GSEQ) software. Transitiefrequentietabellen werden gegenereerd en aangepaste residuen (Z-scores) werden berekend om statistisch significante dialoogsequenties te identificeren (Z > 1,96).

Belangrijkste Bijdragen

1. Ontwikkeling van een Codingskader: De studie heeft een uitgebreid analytisch kader geconstrueerd voor docent-studentdialoog in smart classrooms, bestaande uit vijf primaire dimensies en 14 secundaire dimensies, specifiek afgestemd op smart inquiry-gebaseerd leren.
2. Identificatie van Dialoogpatronen: Door middel van LSA is de studie verder gegaan dan eenvoudige frequentietellingen om de sequentiële logica van interacties in de klas in kaart te brengen, waarbij onderscheidende "dialoogpatronen" voor expert- versus novice-docenten werden onthuld.
3. Vergelijkende Analyse: Het onderzoek biedt een gedetailleerde vergelijking van hoe expert- en novice-docenten de dialoog structureren, waarbij de nadruk ligt op de specifieke sequenties die het cultiveren van hoger denkniveau ondersteunen of belemmeren.

Resultaten

• Dialoogfrequentie: Expert-docenten vertoonden hoge en evenwichtige frequenties over alle vijf de stadia van het smart inquiry-proces (van probleemidentificatie tot samenvatting). In tegen tegenstelling hiertoe was de dialoog van novice-docenten sterk scheefgetrokken naar "Probleemidentificatie", met ernstige tekortkomingen of het volledig ontbreken van stadia gerelateerd aan de conceptie van oplossingen, besluitvorming en revisie.
• Dialoogsequenties (Expert-docenten): Expert-docenten vertoonden gediversifieerde en cyclische patronen die een volledig smart inquiry-gebaseerd leerproces weerspiegelden. Belangrijke significante sequenties waren:
  • Iteratieve Probleemoplossing: A1 (Analyseren) → A3 (Rechtvaardigen) → C1 (Selecteren) → C2 (Verifiëren) → C3 (Evalueren) → A1, wat een spiraalvormige lus van analyse en verificatie vormt.
  • Innovatie en Revisie: A1 → A3 → D1/D2 (Evaluatie) → D3 (Revisie) → A2 (Nieuwe problemen stellen), wat een gesloten lus creëert die nieuw denken stimuleert.
  • Diepgaande Leercycli: Complexe sequenties met meerdere iteraties van oplossingontwerp (B1) en rechtvaardiging (B3) voordat men overgaat naar samenvatting (E1/E2), wat wijst op diepe betrokkenheid en continue optimalisatie.
• Dialoogsequenties (Novice-docenten): Novice-docenten vertoonden relatief enkelvoudige patronen, vaak beperkt tot specifieke stadia zonder systemische integratie. Veelvoorkomende sequenties waren:
  • Lineaire of Partiële Cycli: Patronen zoals E1 → E2 → E1 (alleen Samenvatting/Reflectie) of D1 → D2 → D3 (alleen Evaluatie).
  • Ontdekkingsgerichte Loops: A1 → A2 → A1 → A2, waarbij de focus zwaar ligt op probleemanalyse en het stellen van vragen, maar zonder de daaropvolgende diepe betrokkenheid bij de conceptie, verificatie en uitgebreide evaluatie van oplossingen die in expert-patronen wordt gevonden.
  • Gebrek aan Volledigheid: Novice-patronen misten vaak de volledigheid van "ontdekking-conceptie-besluitvorming-evaluatie-samenvatting" en verwaarloosden vaak de overgang van probleemidentificatie naar de conceptie en evaluatie van oplossingen.

Betekenis en Claims
De auteurs stellen dat dit onderzoek een referentie biedt voor docenten die dialoog voeren in smart classrooms en de optimalisatie van onderwijsmodellen in smart classrooms faciliteert. Door te onthullen dat expert-docenten gediversifieerde dialoogvormen en volledige inquiry-cycli gebruiken, terwijl novices vertrouwen op enkelvoudige, ontdekkingsgerichte vormen, suggereert de studie dat professionele ontwikkeling voor novice-docenten zich moet richten op het uitbreiden van hun dialoogrepertoire voorbij de probleemidentificatie. De bevindingen beogen bij te dragen aan de creatie van hoogwaardige, effectieve smart classrooms en de bevordering van de hogere denkniveaus van studenten. De studie stelt geen nieuwe experimentele toepassingen voor, maar biedt eerder een analytische basis voor het verbeteren van bestaande onderwijspraktijken door een beter begrip van dialoogsequenties.