Jak rozwijać rozumowanie? (u przedszkolaków)

Co to jest rozumowanie naukowe i dlaczego jest ważne?

 

W edukacji na całym świecie zwraca się dużą uwagę na matematykę i przedmioty przyrodnicze. Raporty z międzynarodowych badań na dużą skalę, takie jak TIMSS i PISA, nieustannie plasują studentów w USA za wieloma innymi krajami. W rezultacie USA położyły większy nacisk na wdrożenie szerszego programu nauczania K-12 w naukach ścisłych, technologii, inżynierii i matematyce (STEM). Reformy edukacyjne podkreślają potrzebę przygotowania przyszłych pracowników w XXI wieku, co przekłada się na to, że uczniowie uczą się nie tylko treści naukowych, ale także nabywają zaawansowane umiejętności wnioskowania (Bybee i Fuchs, 2006). Rozwój tych umiejętności pozwoli uczniom lepiej radzić sobie z problemami otwartymi i projektować własne badania w celu rozwiązania problemów naukowych, inżynieryjnych i społecznych w realnym świecie (Bao i in., 2009; Iyengar i in., 2008; Bloom, 1956; NRC 1996, 2002, 2005).

 

Ważnym elementem tych umiejętności jest szeroko rozumiane rozumowanie naukowe, które obejmuje umiejętności myślenia i rozumowania związane z badaniami, eksperymentami, oceną dowodów, wnioskowania i argumentacji, które wspierają tworzenie i modyfikację pojęć i teorii dotyczących świata naturalnego i społecznego (Zimmerman , 2007). Rozumowanie naukowe to ogólna umiejętność i metodologia, która ma kluczowe znaczenie dla skutecznego zarządzania sytuacjami w świecie rzeczywistym w zawodach poza klasą.

 

W edukacji K-12 wykazano, że rozwój umiejętności rozumowania naukowego ma długofalowy wpływ na osiągnięcia akademickie studentów (Adey i Shayer, 1994). Donoszono o pozytywnych korelacjach między zdolnościami naukowego rozumowania naukowego a miarami osiągnięć uczniów w zakresie uczenia się treści naukowych (Coletta i Phillips, 2005). Odkrycia te potwierdzają konsensus społeczności zajmującej się edukacją naukową co do potrzeby, by studenci K-12 rozwijali odpowiedni poziom naukowego rozumowania oraz solidne podstawy wiedzy merytorycznej.

 

Tradycyjnie często oczekuje się, że rygorystyczne uczenie się treści w nauce i matematyce pomoże rozwinąć umiejętności rozumowania naukowego uczniów; jednak ostatnie badania wykazały, że tradycyjny styl edukacji STEM ma niewielki wpływ na rozwój umiejętności rozumowania naukowego uczniów (Bao i in., 2009). Nie to, czego uczymy, ale sposób, w jaki uczymy, ma znaczenie w uczeniu się przez uczniów umiejętności wyższego rzędu, takich jak rozumowanie naukowe.

 

Opracowując naukowe rozumowanie, badania wykazały, że nauka oparta na dociekaniu może promować naukowe zdolności rozumowania (Adey i Shayer, 1990; Lawson, 1995; Marek i Cavallo, 1997; Benford i Lawson, 2001; Gerber, Cavallo i Marek, 2001). Kontrolowane badania wykazały, że uczniowie mieli większe korzyści z naukowych zdolności rozumowania w salach lekcyjnych niż w salach lekcyjnych (Bao i in., 2009). Z drugiej strony poziom umiejętności rozumowania uczniów i instruktorów może znacząco wpłynąć na skuteczność stosowania metod zapytań w nauczaniu i uczeniu przedmiotów ścisłych (Kuhn i in. 2000; Benford i Lawson, 2001). Dlatego, aby skutecznie wdrożyć programy nauczania oparte na dociekaniu, należy zdecydowanie kłaść nacisk na poprawę umiejętności rozumowania naukowego zarówno wśród uczniów, jak i nauczycieli.

 

Badania dotyczące oceny rozumowania naukowego

 

Istnieje wiele badań dotyczących wieloaspektowych aspektów rozumowania naukowego. Zimmerman (2007) dokonał kompleksowego przeglądu powiązanych prac, wykorzystując model Klahr's (2000, 2005) Scientific Discovery as Dual Search (SDDS) jako ogólne ramy organizujące główne ustalenia empiryczne w trzech obszarach, w tym umiejętności doświadczalne, umiejętności oceny dowodów, oraz zintegrowane podejścia w eksperymentach z samokierowaniem (Klahr, 2000, 2005; Zimmerman, 2007). Kuhn (2002) argumentował, że cechą charakterystyczną myślenia naukowego jest zestaw umiejętności zaangażowanych w różnicowanie i koordynowanie teorii i dowodów (Kuhn, 1989, 2002). Specyficzny zestaw umiejętności rozumowania naukowego obejmował izolowanie i kontrolę zmiennych, wytwarzanie pełnego zestawu kombinacji czynnikowych w zadaniach wielowymiarowych, wybór odpowiedniego projektu lub rozstrzygającego testu, generowanie projektów eksperymentalnych lub rozstrzygających testów, prowadzenie dokumentacji, powiązane umiejętności indukcyjne w generowaniu teorii uwzględniającej wzorzec dowodów oraz ogólne umiejętności wnioskowania związane z pogodzeniem istniejących przekonań z nowymi dowodami, które albo potwierdzają, albo odrzucają te przekonania (Zimmerman, 2007). Elementy dotyczące mechanizmów swobodnych (Kosłowski, 1996) i zrozumienia epistemologicznego (Chinn i Malhotra, 2002) również zostały dokładnie zbadane i omówione.

 

W naszych bieżących badaniach dotyczących oceny rozumowania naukowego skupiamy się na zestawie podstawowych umiejętności rozumowania, które są powszechnie potrzebne uczniom do systematycznego przeprowadzania badań naukowych, co obejmuje badanie problemu, formułowanie i testowanie hipotez, manipulowanie i izolowanie zmiennych oraz obserwowanie i ocena konsekwencji. Test rozumowania naukowego Lawsona (LTSR) stanowi solidny punkt wyjścia do oceny umiejętności rozumowania naukowego (Lawson, 1978, 2000). Test ma na celu zbadanie małego zestawu wymiarów, w tym (1) zachowanie materii i objętości, (2) wnioskowanie proporcjonalne, (3) kontrola zmiennych, (4) rozumowanie prawdopodobieństwa, (5) rozumowanie korelacji oraz (6) rozumowanie hipotetyczno-dedukcyjne. Umiejętności te są ważnymi konkretnymi elementami szeroko rozumianej naukowej zdolności rozumowania.

 

Aby w pełni ocenić umiejętności uczniów i zapewnić precyzyjne wskazówki dla nauczycieli, pracowaliśmy nad rozszerzeniem możliwości pomiaru znormalizowanej oceny na podstawie rozumowania naukowego poprzez włączenie podkategorii do istniejących wymiarów umiejętności i nowych wymiarów, które nie są uwzględnione w teście Lawsona . Na przykład opracowaliśmy pytania dotyczące prawdopodobieństwa warunkowego i statystyki bayesowskiej w ramach ogólnej kategorii rozumowania prawdopodobieństwa, a także pytania dotyczące rozszerzonej listy dodatkowych wymiarów umiejętności, takich jak kategoryzacja, kombinacje, rozumowanie logiczne, rozumowanie przyczynowe oraz zaawansowane formułowanie i testowanie hipotez . Ponadto, dla każdego wymiaru umiejętności, opracowywanych jest wiele pytań z wykorzystaniem różnorodnych kontekstów naukowych i społecznych oraz o różnych poziomach złożoności, dzięki czemu możemy mierzyć uczniów o różnym pochodzeniu i mocnych stronach, od wieku szkolnego do poziomu szkoły wyższej. Te nowe wymiary i projekty poprawią możliwości pomiaru w celu dotarcia do uczniów w szerszym zakresie klas i środowisk, a także dostarczą bardziej szczegółowych informacji dla badaczy i nauczycieli, aby zająć się rozwojem umiejętności rozumowania naukowego i interakcji tych umiejętności z innymi aspektami uczenia się jest edukacja STEM.

 

Nowy instrument oceny rozumowania naukowego nazywa się Inventory for Scientific Thinking and Reasoning (iSTAR - www.iSTARAssessment.org *), który obejmuje około 150 pytań obejmujących tuzin wymiarów SR. Rozwój i walidacja instrumentu są wspierane przez granty NIH i NSF, a do końca 2011 roku spodziewamy się dostarczyć ostateczną wersję instrumentu, która zawiera około 300 pytań, które są skalowane i zrównane w oparciu o metodę IRT do użycia z studenci od trzeciej klasy do wyższych poziomów uczelni. Przykłady nowych pytań zostaną wkrótce opublikowane.

 

Przegląd rozumowania naukowego

 

Ogólnie, rozumowanie naukowe definiujemy jako ogólne umiejętności domenowe w kilku wymiarach umiejętności. Rozwijana lista takich wymiarów umiejętności obejmuje:


-     zachowanie niezmienników (materii i objętości),

-     rozumowanie proporcjonalne,

-     kontrolę zmiennych,

-     rozumowanie probabilistyczne,

-     rozumowanie korelacyjne,

-     rozumowanie hipotetyczno-dedukcyjne.


Te zdolności są ważnymi i konkretnymi częściami szeroko definiowanych umiejętności rozumowania naukowego.


Tekst oryginalny (http://www.istarassessment.org/)


Introduction

 

What is Scientific Reasoning and Why is it Important?

Science and mathematics education is emphasized worldwide. Reports from large-scale international studies such as TIMSS and PISA continually rank U.S. students behind many other nations. As a result, the U.S. has increased its emphasis on the implementation of a more extensive curriculum in K-12 education in science, technology, engineering, and mathematics (STEM). Educational reforms stress the need for a prepared 21st century workforce, which translates into students learning not only science content, but also acquiring advanced transferable reasoning skills (Bybee & Fuchs, 2006). The development of these skills will better enable students to handle open-ended novel situations and design their own investigations to solve scientific, engineering, and social problems in real world (Bao et al., 2009; Iyengar et al., 2008; Bloom, 1956; NRC 1996, 2002, 2005).

An important component of these abilities is scientific reasoning, which broadly defined, includes the thinking and reasoning skills involved in inquiry, experimentation, evidence evaluation, inference and argumentation that support the formation and modification of concepts and theories about the natural and social world (Zimmerman, 2007). Scientific reasoning is a general ability and methodology that is critical in enabling the successful management of real-world situations in professions beyond the classroom.

In K-12 education, the development of scientific reasoning skills has been shown to have a long-term impact on student academic achievement (Adey & Shayer, 1994). Positive correlations between student scientific reasoning abilities and measures of students’ gains in learning science content have been reported (Coletta & Phillips, 2005). These findings support the consensus of the science education community on the need for K-12 students to develop an adequate level of scientific reasoning skills along with a solid foundation of content knowledge.

Traditionally, it is often expected that rigorous content learning in science and mathematics will help develop students’ scientific reasoning abilities; however, recent studies have shown that the traditional style of STEM education has little impact on the development of students’ scientific reasoning abilities (Bao et al., 2009). It is not what we teach but rather how we teach that makes a difference in student learning of higher order abilities such as scientific reasoning.

On developing scientific reasoning, research has shown that inquiry based science instruction can promote scientific reasoning abilities (Adey & Shayer, 1990; Lawson, 1995; Marek & Cavallo, 1997; Benford & Lawson, 2001; Gerber, Cavallo & Marek, 2001). Controlled studies have shown that students had higher gains on scientific reasoning abilities in inquiry classrooms over non-inquiry classrooms (Bao et al., 2009). On the other hand, students’ and instructors’  levels of reasoning skills can significantly impact the effectiveness of using inquiry methods in teaching and learning science courses (Kuhn et al. 2000; Benford & Lawson, 2001). Therefore, in order to effectively implement inquiry based curricula, improving scientific reasoning abilities need to be highly emphasized K-12 education for both students and teachers.

Research on Assessment of Scientific Reasoning

There exists a large body of research on the multifaceted aspects of scientific reasoning. Zimmerman (2007) made a comprehensive review on the related work using the Klahr’s (2000, 2005) Scientific Discovery as Dual Search (SDDS) model as the general framework that organizes the main empirical findings in three areas including experiential skills, evidence evaluation skills, and integrated approaches in self-directed experimentation (Klahr, 2000, 2005; Zimmerman, 2007). Kuhn ( 2002) has argued that the defining feature of scientific thinking is the set of skills involved in differentiating and coordinating theory and evidence (Kuhn, 1989, 2002). The specific set of skills in scientific reasoning included the isolation and control of variables, producing the full set of factorial combinations in multivariable tasks, selecting an appropriate design or a conclusive test, generating experimental designs or conclusive tests, record keeping, the inductive skills implicated in generating a theory to account for a pattern of evidence, and general inference skills involved in reconciling existing beliefs with new evidence that either confirms or disconfirms those beliefs (Zimmerman, 2007). Elements concerning casual mechanisms (Koslowski, 1996) and epistemological understandings (Chinn & Malhotra, 2002) have also been carefully examined and debated.

In our current research on assessment of scientific reasoning, we focus on a set of basic reasoning skills that are commonly needed for students to systematically conduct scientific inquiry, which includes exploring a problem, formulating and testing hypotheses, manipulating and isolating variables, and observing and evaluating the consequences. The Lawson’s Test of Scientific Reasoning (LTSR) provides a solid starting point for assessing scientific reasoning skills (Lawson, 1978, 2000). The test is designed to examine a small set of dimensions including (1) conservation of matter and volume, (2) proportional reasoning, (3) control of variables, (4) probability reasoning, (5) correlation reasoning, and (6) hypothetical-deductive reasoning. These skills are important concrete components of the broadly defined scientific reasoning ability.

To fully assess students’ ability and provide fine tuned guidance for teachers, we have been working to expand the measurement capability of standardized assessment on scientific reasoning by incorporating sub-categories within the existing skill dimensions and new dimensions that are not included in the Lawson’s test. For example, we have developed questions on conditional probability and Bayesian statistics within the general category of probability reasoning as well as questions on an extended list of additional skill dimensions such as categorization, combinations, logical reasoning, causal reasoning, and advance hypothesis forming and testing. In addition, for each skill dimension, multiple questions are designed using a wide variety of scientific and social contexts and with different levels of complexity, so that we can measure students with different background and strengths from school age through college levels. These new dimensions and designs will improve the measurement capability to target students at a wider range of grade levels and backgrounds, and also provide more detailed information for researchers and teachers to address the development of scientific reasoning skills and the interactions of these skills with other aspects of learning is STEM education.  

The new assessment instrument on scientific reasoning is called Inventory for Scientific Thinking and Reasoning (iSTAR – www.iSTARAssessment.org*), which includes approximately 150 questions covering a dozen SR dimensions. The development and validation of the instrument are supported by NIH and NSF grants and we expect to deliver, by the end of 2011, the final version of the instrument, which contains about 300 questions that are scaled and equated based on IRT method for using with students from third grade through senior college levels. Examples of the new questions will be released shortly.  

 

Review of Scientific Reasoning

In general, we define scientific reasoning as domain general abilities along several skill dimensions. A developing list of such skill dimensions includes

  • Control of Variables
  • Proportions and Ratios
  • Probability
  • Correlational Reasoning
  • Basic Logical Reasoning
  • Inductive reasoning
  • Causal Reasoning
  • Hypothetical-Deductive Reasoning 

 

References

Adey, P. and M Shayer, Really Raising Standards: Cognitive Intervention and Academic Achievement (London: Routledge, 1994).

Adey, P. and M. Shayer. (1990). “Accelerating the development of formal thinking in middle and high school students,” Journal of Research in Science Teaching, 27, 267-285.

Bao, L., Cai, T., Koenig, K., Fang, K., Han, J., Wang, J., Liu, Q., Ding, L., Cui, L.,  Luo, Y., Wang,Y.,  Li, L., Wu, N. (2009). “Learning and Scientific Reasoning”, Science, Vol. 323. no. 5914, pp. 586 – 587.

Benford, R. & A. E. Lawson. (2001). “Relationships between Effective Inquiry Use and the Development of Scientific Reasoning Skills in College Biology Labs,” MS Thesis, Arizona State University. ERIC Accession Number: ED456157.

Bloom, B. S. (Ed.), Taxonomy of Educational Objectives: The Classification of Educational Goals, Handbook I: Cognitive Domain (David McKay, New York 1956).

Bybee, R., & B. Fuchs. (2006). Preparing the 21st century workforce: a new reform in science and technology education. Journal of Research in Science Teaching, 43(4), 349-352.

Chinn, C. A., & Malhotra, B. A. (2002). Epistemologically authentic inquiry in schools: A theoretical framework for evaluating inquiry tasks. Science Education, 86, 175-218.

Coletta, V. P. & J.A. Phillips. (2005). “Interpreting FCI scores: Normalized gain, reinstruction scores, and scientific reasoning ability,” Am. J. Phys., 73(12), 1172-1179.

Gerber, B.L., A.M. Cavallo, & E.A. Marek. (2001). “Relationships among informal learning environments, teaching procedures and scientific reasoning ability,” International Journal of Science Education, 23(5):535-549.

Iyengar, R. et al. (2008). “Inquiry Learning: Integrating Content Detail and Critical Reasoning by Peer Review”, Science 319, 1189.

Klahr, D. (2000). Exploring science: The cognition and development of discovery processes. Cambridge: MIT Press.

Klahr, D. (2005). A framework for cognitive studies of science and technology. In M. Gorman, R. D. Tweney, D.C. Gooding, & A. P. Kincannon (Eds.), ScientiWc and technological thinking (pp. 81-95). Mawah, NJ: Lawrence Erlbaum.

Koslowski, B. (1996). Theory and evidence: The development of scientific reasoning. Cambridge: MIT Press.

Kuhn, D. (1989). Children and adults as intuitive scientists. Psychological Review, 96, 674-689.

Kuhn, D. (2002). What is scientific thinking and how does it develop? In U. Goswami (Ed.), Blackwell handbook of childhood cognitive development (pp. 371-393). Oxford: Blackwell Publishing.

Kuhn, D., J. Black, A. Keselman, & D. Kaplan, (2000). “The Development of Cognitive Skills to Support Inquiry Learning,” Cognition and Instruction, 18 (4), 495-523.

Lawson, A. E. (1978). “The development and validation of a classroom test of formal reasoning,”  Journal of Research in Science Teaching, 15(1), 11-24. Test used in study: Classroom Test of Scientific Reasoning, revised ed. (2000).

Lawson, A. E. (1995). Science Teaching and the Development of Thinking, Belmont, CA: Wadsworth Publishing Company.

Marek, E. A. & A. M. L. Cavallo. (1997). The Learning Cycle and Elementary School Science, Portsmouth, NH: Heinemann.

National Research Council (NRC), National Science Education Standards ((National Academies Press, Washington, DC, 1996).

NRC, Learning and Understanding: Improving Advanced Study of Mathematics and Science in U.S. High Schools (National Academies Press, Washington, DC, 2002).

Singer, S. H., M. L. Hilton, H. A. Schweingruber, Eds., America’s Lab Report (National Academies Press, Washington, DC, 2005).

Zimmerman, C. (2007). The development of scientific thinking skills in elementary and middle school. Developmental Review, 27, 172-223.

Źródło: http://www.istarassessment.org/


Rozumowanie. Rozumowanie naukowe w niniejszej dysertacji rozumiane jest jako pojęcie opracowane przez Piageta, Karplusa i Lawsona[1]. Wskazano także do porównania, jak opisane jest rozumowanie naukowe w badaniach PISA 2006. Rozumowanie naukowe w niniejszej rozprawie (ang. scientific reasoning) uwzględnia stawianie pytań badawczych, formułowanie hipotez oraz ich weryfikację. W literaturze dostępnych jest wiele definicji rozumowania naukowego[2],[3]. Umiejętności czytania, pisania i rozumowanie naukowe stanowią zdolności poznawcze potrzebne do zrozumienia i określenia informacji, co najczęściej wiąże się ze zrozumieniem i określeniem pytań badawczych, hipotez teoretycznych, statystycznych i przyczynowych. Szeroko definiowane rozumowanie naukowe[4] obejmuje umiejętności stawiania pytań badawczych, sformułowania hipotez wyjaśniających, konstrukcję eksperymentu badawczego, uporządkowanie danych badawczych w odpowiednio dobranej strukturze formalno-teoretycznej oraz wnioski, które tworzą system przekonań o naturalnym i społecznym świecie. Praktyczne rozwijanie rozumowania naukowego opiera się na kilkuetapowym działaniu uczniów polegającym na postawieniu przez nich pytania badawczego, sformułowaniu hipotezy, sprawdzeniu jej lub obaleniu, wysunięciu wniosków z przeprowadzonego doświadczenia oraz świadomym podaniu przez uczniów czego się konkretnie nauczyli. Propozycją na praktyczne rozwijanie rozumowania naukowego jest lekcyjne zadanie projektowe LZP opisane pod koniec rozdziału.

Główne wyniki badań empirycznych Piageta[5]. Początkowo w pracach nad formacją inteligencji i myślenia dzieci Piaget stosował metody werbalne. Badania te koncentrowały się na relacjach między myśleniem a językiem, nad rozumowaniem dziecka, przedstawieniem przez nie świata fizycznego, jego sądach moralnych, ideach na temat fizycznej przyczynowości. Te pięć tematów było badanych werbalnie – to znaczy zadawano dzieciom pytania, słuchano odpowiedzi, dzieci nie manipulowały w tym czasie konkretnymi przedmiotami. W konsekwencji wyniki tych badań były ograniczone i posłużyły raczej do postawienia problemów – nowatorskich w owych czasach: dziecko nie tyle wie mniej niż dorosły, ile rozumuje inaczej; rozwój myślenia formalnego dziecka przebiega etapami. Wszystkie dzieci przechodzą przez wszystkie etapy po kolei, aczkolwiek tempo przechodzenia może być różne. Etapy: etap sensomotoryczny (od urodzenia do średnio dwóch lat), etap myślenia przedoperacyjnego (średnio do sześciu lat), etap myślenia konkretnego (średnio do 12, 13 lat), etap formowania się myślenia formalnego. Kolejne etapy cechują się charakterystycznymi dla siebie strukturami operacyjnymi (chodzi o sposoby rozumowania). Przejście z etapu na etap nie oznacza ani utraty starych schematów, ani dołączania nowych. Następuje reorganizacja (Thomas Kuhn powiedziałby rewolucja). Przechodzenie z etapu na etap wiąże się z wysiłkiem. Rozwój myślenia formalnego nie może i nie powinien być istotnie przyspieszany. Rozwój ten ma swój biologiczny zegar, który bije pomimo wpływów mowy i oddziaływania otoczenia społecznego. Pojęcia fizyczne mogą się rozwijać, gdy jednostka staje wobec jakichś nowych dla siebie zjawisk i nie potrafi ich wytłumaczyć przy pomocy posiadanych struktur operacyjnych. Z przeprowadzonych przez J. Piageta badań wynika, że czynności („operacje”) praktyczne, rozpatrywane w toku rozwoju genetycznego dziecka, stanowiąc początkowo czynnik dominujący, ustępują powoli czynnościom zintegrowanym, myślowym. Znaczenie czynności myślowych wzrasta więc w miarę zdobywania doświadczenia i rozwoju procesu interioryzowania działań rzeczywistych, a więc w miarę zastępowania czynności praktycznych czynnościami tylko „pomyślanymi”. Bezpośrednia ruchowa działalność dziecka, w której Piaget dopatruje się praźródła późniejszych, nawet bardzo złożonych procesów myślowych, stanowi decydujący czynnik w życiu dziecka 8–10-letniego, tzn. dziecka znajdującego się w stadium myślenia praktycznego. Natomiast u dzieci 12–16-letnich zaczyna się już rozwijać właściwe myślenie logiczne, oderwane od konkretów, które u młodzieży w wieku 16–18 lat przechodzi już w stadium myślenia hipotetyczno-dedukcyjnego. Według Piageta czynności praktyczne mają duże znaczenie w działalności poznawczej dzieci młodszych, a więc 8–11-letnich, które – aczkolwiek zdolne są już do przeprowadzania pewnych operacji logicznych – muszą się jednak odwoływać jeszcze do własnych spostrzeżeń i bezpośredniej działalności ruchowej młodzieży 14–16-letniej, czyli będącej w wieku uczniów objętych eksperymentem[6].

Wzorce rozumowania Karplusa. Początkowo prace Piageta z trudem przebijały się do Stanów Zjednoczonych. Praktyczni Amerykanie zaproponowali zamiast testów klinicznych, czyli czasochłonnych obserwacji dzieci i wywiadów z nimi, testy typu papier i ołówek. Znane były testy Lawsona, które w wielu przypadkach (równowaga dźwigni, zsuwanie się ciał po równi, proporcje) potwierdziły wyniki Piageta. Do opracowywania testów wykorzystano statystykę. Tego typu badania gubią jednak część informacji o rozumowaniu uczniów. Testy informują bowiem o końcowym wyniku rozumowania badanych. Karplus poszedł dalej w uproszczeniu opisu rozwoju myślenia formalnego. Zaproponował on opis rozwoju rozumowania logicznego poprzez śledzenie rozwoju tak zwanych wzorców rozumowania (reasoning patterns). W tych wzorcach rozróżnia się dwa etapy rozwojowe: rozumowanie na poziomie konkretnym i rozumowanie na poziomie formalnym. Poprzez badanie rozwiązań testów typu papier i ołówek nauczyciel może ocenić poziom rozumowania ucznia dla poszczególnych wzorców. Karplus wyodrębnił następujące wzorce opisane poniżej.

Klasyfikowanie. Na poziomie rozumowania konkretnego: podział zbioru na podzbiory lub wydzielenie ze zbioru podzbiorów, według obserwowalnej cechy (np. w zbiorze dzieci wyodrębnienie dziewczynek). Na poziomie myślenia formalnego: znalezienie w zbiorze struktury, na ogół hierarchicznej, kierując się kluczem (np. zrozumienie struktury administracyjnej państwa).

Zachowanie wielkości fizycznych. Na poziomie konkretnym: zauważenie, że przedmioty zachowują pewną cechę (np. ilość, objętość, ciężar), pomimo że są inaczej ułożone lub zdeformowane (woda przelana do innego naczynia zachowuje masę i objętość). Na poziomie formalnym: uświadomienie sobie, że wielkości fizyczne w pewnych warunkach są zachowywane (np. masa, energia, ładunek, kręt).

Myślenie proporcjonalne. Na poziomie konkretnym: wyliczenie wielkości w prostych konkretnych zadaniach, związanych z małymi liczbami (np. koszt zakupu). Na poziomie formalnym: rozwiązywanie problemów, niezależnie od kontekstu, z „trudnymi” liczbami.

Oddziaływanie, zauważenie relacji przyczynowej. Poziom konkretny: dostrzeżenie, że ciała mogą oddziaływać (np. magnes przyciąga gwóźdź, ciągnięta sprężyna wydłuża się).

Rozumowanie korelacyjne. Poziom formalny: rozpoznanie relacji pomiędzy zmiennymi (obserwablami) pomimo maskujących je fluktuacji i innych efektów (np. prowadzenie auta po pijanemu jest związane z większą liczbą wypadków, pomimo że trzeźwi kierowcy też powodują wypadki, w fizyce, np. umiejętność zaniedbywania tarcia).

Logiczne rozumowanie. Rozumienie implikacji. Rozróżnianie pomiędzy warunkiem koniecznym i dostatecznym. Na poziomie konkretnym: w konkretnych, znanych z poprzedniego doświadczenia sytuacjach. ,,Jeśli pogoda będzie dobra, to pójdziemy na plażę”, oznacza oczekiwanie pójścia na plażę w wypadku dobrej pogody. Na poziomie formalnym: wyciąganie prawidłowych wniosków, na podstawie reguł wnioskowania, bez znajomości konkretnej sytuacji.

Rozróżnianie warunku koniecznego od wystarczającego. W rozumowaniu formalnym u uczniów będących na różnych etapach rozwoju występują następujące różnice: uczeń rozumujący na poziomie konkretnym: potrzebuje odniesienia do działania, przedmiotów i sytuacji znanych, wymaga prowadzenia krok po kroku bez pośpiechu, nie jest świadomy własnego rozumowania, bywa niespójny, przeczy sobie, uczeń rozumujący na poziomie formalnym: uczeń nie potrzebuje odniesienia do konkretu, rozumuje używając pojęć abstrakcyjnych, twierdzeń, stosuje logikę i używa symboli opisu idei, sam może zaplanować dłuższą procedurę wymagającą wielu kroków, jest świadom swego rozumowania, jest krytyczny.

Cykl nauczania według Karplusa. Cykl ten opisany jest w książce Fullera[7] i składa się z pięciu zachodzących na siebie cykli:

-     zaangażowanie – uczeń „chwyta” temat, wykazuje zainteresowanie, na tym etapie ustala się przedmiot nauki;

-     badanie – uczeń buduje swoją wiedzę przez naprowadzające pytania i obserwacje;

-     wyjaśnianie – uczeń jest proszony o opis swoich badań i rozmyślań, nauczyciel poprzez dyskusję doprecyzowuje opis ucznia, rozjaśnia rozumienie;

-     rozszerzanie – uczeń proszony jest o zastosowanie nabytej wiedzy do wyjaśniania innych podobnych przypadków, dyskusja kierowana jest ku następnym problemom, np. uogólnianiu;

-     ocena – nauczyciel ocenia stopień rozumienia nowej wiedzy przez ucznia. Robi to w trakcie wszystkich faz cyklu.

Test na rozumowanie naukowe Lawsona. Testem na rozumowanie naukowe najbliższym prac Karplusa i Piageta jest praca Antona Lawsona z Uniwersytetu Stanowego w Arizonie, który wcześniej współpracował z Karplusem w Berkeley. Lawson opublikował ją w 1978 roku. Od tego czasu można znaleźć wiele publikacji Lawsona na temat rozumowania[8]. Test na rozumowanie naukowe Lawsona ocenia zdolności uczniów w sześciu wymiarach (poziomach):

-     zachowanie niezmienników (materii i objętości),

-     rozumowanie proporcjonalne,

-     kontrolę zmiennych,

-     rozumowanie probabilistyczne,

-     rozumowanie korelacyjne,

-     rozumowanie hipotetyczno-dedukcyjne.

Te zdolności są ważnymi i konkretnymi częściami szeroko definiowanych umiejętności rozumowania naukowego.



[1] C. Fuller, S. Dykstra Jr., College Teaching and Development of Reasoning, Information Age Publishing, Charlote, North Carolina, 2009.

[2] R.M. Hazen, J. Trefil, Science Matters: Achieving Scientific Literacy, Anchor Books, New York 1991.

[3] R.N. Giere, J. Bickle, R.F. Mauldin, Understanding Scientific Reasoning, 5th edition, Belmont, CA: Thomson/Wadsworth 2006.

[4] C. Zimmerman, The Development of Scientific Reasoning: What psychologists contribute to an Understanding of Elementary Science Learning. Paper commissioned by the National Academies of Science (National Research Council’s Board of Science Education, Consensus Study on Learning Science, Kindergarten through Eighth Grade) (2005). http://www7.nationalacademies.org/bose/Corinne_ Zimmerman_Final_Paper.pdf.

[5] Por.: Z. Gołąb-Meyer, Podstawy psychologiczne nauczania fizyki, Wykład fakultatywny.

[6] Por.: Cz. Kupisiewicz, O efektywności nauczania problemowego, PWN, Warszawa 1965.

[7] C. Fuller, S. Dykstra Jr., College Teaching and Development of Reasoning, Information Age Publishing, Charlote, North Carolina, 2009.

[8] Tamże.

Copyright © 2013-2020 by dr Rafal Jakubowski. All rights reserved. e-mail: rafal@jakubowski.edu.pl MULTICHILDS Rafał Jakubowski Kaliska 31 63-400 Ostrów Wielkopolski Tel. 667 77 66 16