MALLIT FYSIIKASSA JA OPPILAIDEN KÄSITYKSET NIIDEN LUONTEESTA JA ROOLISTA

Transkriptio

1 MALLIT FYSIIKASSA JA OPPILAIDEN KÄSITYKSET NIIDEN LUONTEESTA JA ROOLISTA Mikko Turunen Pro gradu -tutkielma Elokuu 2017 Fysiikan ja matematiikan laitos Itä-Suomen yliopisto i

2 Mikko Turunen Työn ohjaajat Fysiikan aineenopettajalinjan opinnäyte, 52 sivua Itä-Suomen yliopisto Fysiikan koulutusohjelma Fysiikan aineenopettajakoulutus FT Mervi Asikainen Tiivistelmä Tämän opinnäytetyön tutkimuskohteena on oppilaiden ja opiskelijoiden käsitys luonnontieteissä käytettävistä malleista yläkoulussa ja lukiossa. Tavoitteena on saada selkeä kuva siitä, kuinka oppilaat ymmärtävät tämän käsitteen. Teoriaosassa kuvataan kuinka mallit kehittyvät tiedeyhteisössä ja kuinka opetuksella pyritään muuttamaan oppilaiden käsitykset näiden kehittyneiden mallien mukaisiksi. Tutkimuskysymyksellä Millainen käsitys oppilailla on malleista? tullaan vastaamaan siis myös kysymykseen Millainen malli oppilailla on malleista? Koko tutkimusaineisto koostuu 88 yläkoulun yhdeksäsluokkalaisesta, 78 lukiolaisesta, ja 49 yliopisto-opiskelijasta. Aineisto on kerätty kolmelta eri yläkoululta, kahdesta lukiosta ja yhdeltä yliopistolta. Tutkimus toteutettiin kaksiosaisella kyselyllä, joista ensimmäinen on kolmen avoimen kysymyksen sarja, ja toinen on 27 väittämästä koostuva monivalintatesti. Yliopisto-opiskelijoiden vastauksia ei käytetä vertailussa muiden vastaavien tutkimusten kanssa vertailukelpoisuuden parantamiseksi, mutta tulokset, joissa yliopisto-opiskelijat ovat mukana on myös esitetty. Tutkimuksessa havaittiin, että yli kolmasosalla oppilaista ei ole minkäänlaista selkeää kuvaa mallista. Lopulla kahdella kolmasosalla, joilla on jonkinlainen selkeä käsitys mallista, sen voidaan sanoa yleisesti liittyvän oppimisympäristöön ja keskittyvän lähinnä mallien kuvailevaan ja selittävään kykyyn. Harvat oppilaat viestivät tiedostavansa kuinka tiedemaailma käyttää malleja. Tämä saatu tieto oppilaiden käsityksestä on hyödyllinen kaikille luonnontieteiden opettajille, koska ilman hyvää kuvaa oppilaidensa käsityksistä, heille on hankala antaa oikean tasoista opetusta. ii

3 Esipuhe Haluan kiittää työni ohjaajaa filosofian tohtori Mervi Asikaista hänen valtavasta avustaan ja rakentavasta kritiikistään, jota ilman tämä työ ei olisi valmistunut. Tämän lisäksi haluan kiittää dosentti Kari Sormusta, joka ensimmäisen kerran nyrjäytti aivoni ajattelemaan mallinnusta. Kiitän myös ystäviäni filosofian maisteri Martin Schmidtiä, joka auttoi parantamaan kyselyn käännöksen laatua, Mika Issakaista, jonka palaute auttoi parantamaan koko tämän työn tekstin laatua, ja Jingoo Kangia, joka auttoi minua vertailututkimuksen koreankielisen artikkelin kanssa. Kiitokset kuuluvat niin ikään tutkimukseen osallistuneille kouluille, eli Joensuun Normaalikoululle, Joensuun Lyseon lukiolle, Tohmajärven Tietäväisen yläkoululle ja lukiolle, Pielisjoen koululle ja Itä-Suomen yliopiston Joensuun fysiikan ja matematiikan laitokselle. Lopuksi haluan vielä kiittää ystäviäni, perhettäni, ja avopuolisoani Renataa, jotka ovat saaneet kuulla ajoittain loputonta paasaustani tästä aiheesta ja jaksaneet teeskennellä kiinnostunutta. Joensuussa 13. elokuuta 2017 Mikko Turunen iii

4 Sisältö 1 Johdanto 1 2 Teoria Mallien terminologiaa Analogiat malleissa Miksi oppilaiden tulisi ymmärtää mikä on malli SUMS eli Oppilaiden ymmärrys tieteellisten mallien roolista luonnontieteiden oppimisessa Mallit eri esitystapoina Mallit täsmällisinä kopioina Mallit selittävinä työkaluina Tieteellisten mallien käyttö Mallien muuttuva luonne Aiempia SUMS-testiä käyttäneitä tutkimuksia Mallien luonteen käsityksen ja käsitteellisen ymmärryksen suhde Yläkoulu- ja lukioikäisten oppilaiden näkemykset malleista 15 3 Empiirinen osio Työn toteutus Aineiston homogeenisuus ja reliabiliteetti Avoimien kysymysten analysointi Oppilaiden esimerkit malleista 29 iv

5 3.3.2 Oppilaiden mallien määritelmät Oppilaiden käsitys mallien käytöstä Oppilaiden käsitykset malleista ja vertailu aiempiin tutkimuksiin SUMS-testin tulokset Avoimien kysymysten tulokset 39 4 Pohdinta SUMS-testin tulokset Mallit eri esitystapoina Mallit täsmällisinä kopioina Mallit selittävinä työkaluina Tieteellisten mallien käyttö Mallien muuttuva luonne Kvalitatiivisten luokkien arviointi Oppilaiden esimerkit malleista Oppilaiden mallien määritelmät Oppilaiden käsitys mallien käytöstä Luotettavuuden arviointi Muiden tutkimusten kritiikki Yhteenveto 48 Viitteet 50 v

6 Luku I 1 Johdanto To try to make a model of an atom by studying its spectrum is like trying to make a model of a grand piano by listening to the noise it makes when thrown downstairs (Lodge, 1924). Mallit ovat fysiikassa ja yleisesti luonnontieteissä tärkeä työkalu tiedon välittämiseen, järjestelyyn ja havainnollistamiseen. Tämä oleellinen osa tiedettä on myös oleellinen osa luonnontieteiden opetusta. Hyötyä fysiikan oppimiselle on osoitettu olevan paitsi siitä, että opettajat tietävät paremmin mitä mallit ovat, mutta myös siitä, että oppilaat tiedostavat mitä mallit ovat. Tästä syystä on tärkeää, että opetuksen sisältöön ei kuulu pelkästään eri atomimalleja vaan myös selitys siihen, miksi meillä on eri atomimalleja ja mitä nämä mallit oikeastaan ovat. Uudessa valtakunnallisessa Opetussuunnitelman perusteissa, jonka opetushallitus 2014 hyväksyi, mallinnus ja mallien käsite on tuotu entistä vahvemmin mukaan. Tämä tapahtuva muutos on nähtävissä esimerkiksi uudessa lukion yhteisen fysiikan kurssin kirjassa, Sanoma Pron Fysiikka 1, jossa mallintamisesta ja malleista puhutaan yhtenä ensimmäisistä asioista. Kirjojen sisällöt ja tavoitteet opetussuunnitelmassa ovat tavoitteita oppilaiden tulevasta tietämyksestä, eivätkä välttämättä täysin kerro ja kuvaa sitä, kuinka asia heille tulisi opettaa. Uuden oppiminen tapahtuu jo olemassa olevien rakenteiden päälle, joten luodakseen jokaiselle oppilaalleen nykyisen tieteen luoman kuvan maailmasta, heidän opettajallansa täytyy olla hyvä kuva siitä, kuinka hänen oppilaansa maailman näkevät. Tämä työ pyrkii kertomaan mallien osalta, millaisissa lähtökuopista oppilaat ovat ja parantamaan näin mahdollisuuksia kehittää tätä käsitystä. 1

7 Luku II 2 Teoria Voidakseen tarkastella oppilaiden käsityksiä malleista, täytyy ensin ymmärtää millainen on tieteen käsitys malleista luonnontieteissä. Tässä luvussa tutustutaan luonnontieteiden pedagogiikassa käytettävään mallien terminologiaan ja avataan näitä tärkeitä käsitteitä. Lopuksi tutustutaan tutkimukseen, jonka pohjalta tämän tutkimuksen empiirinen osuus on luotu ja avataan sekä alkuperäisessä että tässä tutkimuksessa käytettyjä välineitä, menetelmiä, ja aineistoja. Ensin kuitenkin avataan käsitteitä malli ja mallintaminen. Aloitetaan Gilbertin (1997) hyvin yksinkertaisella versiolla: Yleisesti puhuen, malli on idean, objektin, tapahtuman, prosessin tai systeemin esitys. Nancy Cartwright (1983) määrittelee mallintamisen tieteelliseksi toiminnaksi, jonka tavoite on tehdä jokin tietty maailman osa tai piirre helpommaksi ymmärtää, määritellä, kvantifioida, visualisoida tai simuloida, viittaamalla sitä olemassa olevaan ja yleisesti hyväksyttyyn tietoon. Halloun (2007) puolestaan määrittelee tieteellisen mallin seuraavasti: tieteellinen malli on käsitteellinen systeemi, joka kuvaa fyysisten systeemien joukon jotain tiettyä rakennetta tai käyttäytymistä riittävän hyvin edustaakseen kyseistä rakennetta tai käyttäytymistä luotettavasti fyysisen systeemin sijaan. Mallintaminen on siis toimintaa, jonka tavoite on luoda tieteellisiä malleja, joilla teoriaa pystytään avaamaan ja yksinkertaistamaan. Malleilla tulee olla siis jonkinlaista selitysvoimaa. 2

8 2.1 Mallien terminologiaa Mallit voidaan jakaa lukuisiin eri luokkiin, riippuen tarkasteltavasta näkökulmasta. Tärkeänä käsitteenä tämän työn lopputuloksen kannalta tulee olemaan mentaalimalli. Lyhyesti ilmaistuna mentaalimallit ovat henkilökohtaisia sisäisiä tietorakenteita (Saari, 2000). Harrison & Treagustin (2000) mukaan mentaalimallit viittaavat erityiseen mentaaliseen esitykseen, analogiaesitykseen, jonka jokainen luo ajatteluprosessinsa aikana. Nämä mentaalimallit ovat objektien ja ideoiden luontaisia kuvauksia, jotka ovat uniikkeja luojalleen ja syntyvät ja kehittyvät vuorovaikutuksesta kohdesysteemin kanssa. Näiden mallien ei ole välttämättä tarpeen olla teknisesti tarkkoja, mutta niiden on oltava toimivia. Oppilaiden luomat mentaalimallit voivat olla puutteellisia, vailla selviä rajoja ja epätieteellisiä. Jossain määrin mentaalimallit ovat oppilaiden tulkintaa kirjojen ja opettajien tarjoamista malleista. Mentaalimalleihin ei voi päästä käsiksi suoraan, vaan niitä voi ainoastaan yrittää päätellä ihmisten viestinnästä, kuten eleistä, puheesta, ja kirjoituksesta. Tämän lisäksi puhutaan ilmaistuista mentaalimalleista, jotka Gilbert, Boulter & Rutherfordin (1998) mukaan syntyvät, kun mentaalimallit viestitään muille. Nämä ilmaistut mentaalimallit ovat siis niitä malleja, jotka esitetään muulle tiedeyhteisölle hyväksyttäväksi. Jos ne saavuttavat tiedeyhteisön sosiaalisen hyväksynnän ja pääsevät omassa alueessaan tieteellisen tutkimuksen kärkeen, voidaan sanoa niistä tulleen konsensusmalleja (Justi & Gilbert, 2000). Kun näitä konsensusmalleja viestitään oppilaille eli kun ne ovat opetuskäytössä, niistä voidaan puhua pedagogisina malleina tai opetusmalleina. Harrison ja Treagust (2000) määrittelevät nämä mallit pedagogisiksi siinä mielessä, että ne ovat nimenomaan opetuskäyttöön luotuja selityksiä, joilla voidaan tuoda oliot ja ilmiöt, joita ei voida silmällä havaita, kuten atomi ja molekyylit, oppilaan saataville. Huomattavaa tässä on se, että tieteellistä konsensusmallia ja pedagogista mallia ei välttämättä erota mikään muu kuin tarkoitus, johon sitä käytetään. Saari (2000) listaa hyvän opetusmallin vaatimuksia: Täydellinen. Hyvä opetusmalli sisältää tutkittavan systeemin olennaiset rakenteet ja ominaisuudet sekä niiden väliset suhteet. Suppea. Hyvässä opetusmallissa on otettu huomioon oppilaan ikä. Se edustaa hyvin selitettävää systeemiä, mutta siinä ei ole liikaa oppilasta rasittavia turhia yksityiskohtia. Yhtenäinen. Opetusmalli on läpinäkyvä. Oppilas näkee loogisen systeemin, joka sisältää tarvittavat rakenteet ja niiden vuorovaikutukset. 3

9 Konkreettinen. Hyvä opetusmalli on oppilaalle sopivan tutunomainen. Rakenteiden ja niiden välisten vuorovaikutusten pitäisi olla oppilaalle selviä. Hyvä opetusmalli on visuaalinen. Mielikuviin pohjautuva. Hyvä opetusmalli pohjautuu aineksiin, jotka ovat mahdollisesti merkityksellisiä eli aineksiin, jotka selittävät miten jokin systeemi toimii. Opetusmallin avulla on voitava ennustaa, miten systeemi käyttäytyy eri tilanteissa. Oikeellinen. Hyvä opetusmallia vastaa tietyllä tasolla todellista tapahtumaa tai kohdetta. Opetusmallin rajoitukset on kuitenkin tehtävä selviksi. Ymmärrettävä. Hyvässä opetusmallissa on käytettävä tarkoituksenmukaista, oppilaiden ymmärtämää kieltä. Vastaava. Opetusmallin ja kohteen välillä tulisi olla sopiva määrä analogioita. Listan kohdista suppea, konkreettinen ja ymmärrettävä käy implisiittisesti ilmi, että jonkin rakenteen tai ilmiön opetusmalli ei ole muuttumaton ja objektiivinen kuvaus konsensusmallista vaan riippuu oppilaasta. Kuten Saari (2000) toteaa, opetuksessa tulee myös muistaa, että oppilaalla on joka tapauksessa jonkinlainen ennakkokäsitys opetettavasta aiheesta. Uusi tieto ja käsitys malleista rakennetaan oppilaan voimassa olevien käsitysten päälle, käyttäen lähtökohtana opetukselle ennakkokäsitysten hyödyllisiä piirteitä. Vastaavuuden vaatimuksessa puhutaan mallin sisältämistä analogioista. Opetusmalleista käytetään myös tarkempaa termiä pedagoginen analogiamalli. Analogisuus tulee siitä, että mallissa jokin osa vastaa kohdetta, mutta ei ole taattua, että täydellinen vastaavuus säilyy. Esimerkiksi planetaarisen atomimallin analogiassa, eli aurinkokunnassa, Auringolla on valtaosa systeemin massasta, samoin kuin mallin kohteessa, eli atomissa, valtaosa systeemin massasta on ytimessä. Mutta siinä missä planeetat kiertävät aurinkoa ellipsisillä radoilla, elektronien käyttäytymistä se ei kuvaa kovin hyvin. Analogisessa mallissa yleensä vain yksi tai useampi mallin ominaisuus on vahvimmin läsnä. (Harrison & Treagust, 2000) Tarkoituksena on, että oppilaan mentaalimalli kehittyy opetusmallin välityksellä kohti konsensusmallia. Voidaan myös ajatella, että oppilaan tietorakenteen muuttamiseen ei riitä muutama oppilastöissä havaittu ristiriita. Oppilas ei ole valmis muuttamaan mentaalimallejaan, jos tilalle ei ole tarjolla uutta todistusvoimaisempaa rakennetta. (Saari, 2000) 4

10 "Lähtökohtana fysiikan opetukselle voidaan pitää ajatusta, että sekä opettajalla että oppilaalla on omat mentaalimallinsa tutkittavasta kohteesta. Yleisesti voidaan sanoa, että mentaalimallit ovat epätäydellisiä ja jatkuvasti muuttuvia." (Saari, 2000, s. 82) Jälkimmäinen koskee luonnollisesti myös opettajia. Kuten myös kuvassa 1 on havainnollistettu, opettajan malli ei ole konsensusmalli, vaan vain hänen oma tulkintansa siitä. Kuva 1 Mallit ja opetus. (Saari, 2000) Tilannetta voidaan myös havainnollistaa kuvan 2 tavalla, jossa oppilaan oma mentaalimalli pyritään tuomaan mahdollisimman lähelle konsensusmallia. Kuvassa 2 ja kuvassa 1 havainnollistetaan myös, kuinka mallien välillä on analogiarelaatiot, eli niiden täydellinen vastaavuus ei välttämättä säily. Ideaalisesti opettajan mentaalimalli ja ilmaistu mentaalimalli olisivat identtiset konsensusmallin kanssa. 5

11 Kuva 2 Konsensusmallin ja oppilaan mentaalimallin suhde. Opetusmallin identtisyys konsensusmallin kanssa taas riippuu siitä, tulkitseeko opettaja sen sopivan tasoiseksi eli onko opittava asia oppilaan lähikehityksen vyöhykkeellä. Lähikehityksen vyöhykkeen käsitteen loi Lev Vygotsky, jonka mukaan oppilaan käsitteiden ymmärtäminen aikuisen opastuksessa olisi paljon herkempi tapa mitata oppilaan kykyjä kuin itsenäisesti työskentelevän lapsen ongelmanratkaisukyvyn kehitys. Lähikehityksen vyöhyke on alue, jolla oppilaan empiirisesti rikkaat, mutta epäjärjestäytyneet käsitteet kohtaavat aikuisen logiikan ja systemaattisen käsittelytavan. Tämän kohtaamisen tuloksena oppilaan heikkouksia, eli epäjärjestyksessä oleville käsitteille spontaanisti syntyviä perusteluja, kompensoidaan tieteellisellä logiikalla. Tämän vyöhykkeen syvyys vaihtelee ja on riippuvainen oppilaan kyvystä omaksua aikuisen tietorakenteet. Lopuksi oppilas kykenee, tämän yhteistyön tuloksena, sisäistämään ratkaisun ja siitä tulee osa hänen omaa päättelyään. (Vygotsky, 1986) Opettaja siis toiminnoillaan ja sopivalla opetusmallilla auttaa oppilasta jäsentämään käsitteellistä ymmärtämystään näillä alueilla, joilla vallitsee epäjärjestys. Koko sopivan opetusmallin valinta riippuu siitä, kuinka hyvin opettaja osaa tulkita oppilaan mentaalimallin tason oppilaan viestinnästä. 2.2 Analogiat malleissa Mallit perustuvat, hieman valitusta määritelmästä riippuen, jonkinlaiseen vertaukseen. Cartwright (1983) viittaa olemassa olevaan ja yleisesti hyväksyttyyn tietoon ja Halloun 6

12 (2007) kuvaa fyysisten systeemien joukon jotain tiettyä rakennetta tai käyttäytymistä. Tämä viittaaminen ja kuvaaminen tapahtuu näiden vertauksien, relaatioiden avulla. Aiemmin puhuttiin pedagogisesta analogiamallista, joten täsmennetään myös mitä tarkoitetaan analogialla pedagogisessa mielessä. Gilbert, Boulter ja Rutherford (1998) kuvailevat kuinka analogiat muodostetaan lähteen, jonka ajatellaan olevan jokseenkin samanlainen kuin tarkasteltava ilmiö, ja tämän tarkasteltavan ilmiön, eli kohteen, välille. Samaistettavan lähteen sijaan käytetään myös termiä ankkuri (Saari, 2000). Analogioiden piirteet voidaan jakaa kolmeen luokkaan: positiivisiin, negatiivisiin ja neutraaleihin. Analogian piirteet ovat positiivisia, mikäli sekä lähde että kohde jakavat saman piirteen ja negatiivisia, mikäli mitään hyödyllistä yhteistä piirrettä ei ole. Samassa analogiassa voi olla, ja lähes varmasti onkin, sekä positiivisia että negatiivisia piirteitä. Neutraaleja analogian piirteitä ovat sellaiset, joista ei voida sanoa selvästi onko lähteellä ja kohteella tätä yhteistä piirrettä, vaan sen selvittäminen vaatii tutkimusta. (Gilbert, Boulter, & Rutherford, 1998, Saari, 2000) Otetaan esimerkiksi analogiamallista valo, joka voidaan ajatella olevan aaltoliikettä, kuten ääni tai muu mekaaninen aaltoliike. Taulukossa 1 on listattuna muutamia ominaisuuksia ja perusteltu, miksi ne ovat positiivisia tai negatiivisia. Analogiassa kohde on nyt valoaalto ja lähde on mekaaninen veden pinta-aalto. Taulukko 1 Analogioiden piirteiden luokittelua Piirre Luokka Perustelu Taajuus Positiivinen f ja λ ovat sekä mekaanisen että valoaallon Aallonpituus Positiivinen ominaisuuksia. Amplitudi Positiivinen Sekä valolla että aallolla veden pinnalla on amplitudi, jonka ajatellaan liittyvän sen voimakkuuteen. Eteneminen väliaineessa Heikkeneminen väliaineessa Negatiivinen Neutraali/ Negatiivinen Valo etenee tyhjiössä ja väliaineessa ja sen etenemisen nopeus riippuu väliaineen taitekertoimesta; Mekaaninen aalto etenee vain väliaineessa. Heikkeneminen tapahtuu eri syistä ja valo ei heikkene kaikissa väliaineissa. 7

13 Huomattavaa analogioiden luokittelussa on, että ero positiivisen ja negatiivisen piirteen välillä on objektiivinen, mutta luokan neutraalius ei ole. Se kuinka selvästi joidenkin piirteiden samankaltaisuus nähdään, on riippuvainen siitä kuka vertailua suorittaa ja mitkä ovat hänen taustatietonsa. 2.3 Miksi oppilaiden tulisi ymmärtää mikä on malli Koska fysiikka pyörii mallien ympärillä, oppilaat kohtaavat näitä ymmärtämisen ja jäsentämisen työkaluja joka tapauksessa. Atomin rakenteen eri historialliset mallit, ideaalikaasun malli ja valon aalto-hiukkas-dualismi ovat vain muutamia esimerkkejä oppikirjoista löytyvistä ja opetetuista malleista. Mallin oppiminen ja käyttäminen ymmärtämättä mikä malli oikeastaan on, on kuin poraisi reikää seinään tietämättä mikä laite on käytössä parhaillaan. Saattaa sillä reiän saada aikaan, mutta onko se halutun lainen? McKagan, Perkins ja Wieman (2008) suorittivat tutkimuksen kysymyksenään Onko Bohrin mallin opettaminen este Schrödingerin atomin mallin oppimiselle? ja tulivat tutkimuksessaan negatiiviseen tulokseen. Heidän mielestään tärkeää ei ollut se, opetetaanko Bohrin mallia, vaan se kuinka sitä käsitellään. Keskeiseksi piirteeksi onnistuneimmissa kokeissa voitiin havaita Bohrin mallin ja myöhempien mallien vertailu ja vastakkainasettelu. McKaganin tutkimusryhmän mielestä nimenomaan tämä mallien keskinäinen vertailu auttaa oppilaita ymmärtämään atomimallit oikeassa kontekstissa eli vain malleina, joilla jokaisella on pätevyysalueensa ja rajoitteensa. Myös Harrison ja Treagust (2000) toteavat, että oppilaita tulee rohkaista käyttämään useita eri malleja selityksessään silloin kun mahdollista, koska mikään yksittäinen malli ei voi kuvata mitään tieteellistä käsitettä riittävän tarkasti. Collin, Francen ja Taylorin (2005) tekemä aiempien tutkimusten koonti esittää, että luonnontieteiden tärkeimpien mallien ymmärtäminen oman käsitteellinen kehityksen osana on tehokkainta kun oppilaita autetaan ymmärtämään mentaalisten mallien rooli tieteellisten mallien rakentamisessa, sekä olemaan tietoisia niiden vahvuuksista ja heikkouksista, ja oppilaat voivat rakentaa ja kritisoida omia ja luonnontieteilijöiden ilmiöitä koskevia malleja. 8

14 Oppilaat muodostavat uudesta havaintoihin pohjaavasta tiedosta joka tapauksessa jonkinlaisen henkilökohtaisen sisäisen tietorakenteen. Tieto voi olla jäsennelty järkevästi ja hyvin, mutta itsenäisesti muodostetulla mentaalimallilla on tapana olla epätieteellinen tai jopa ristiriitainen. Oppilailta puuttuu tarpeellinen tieto aiheesta ymmärtää käsite, joka heille esitetään, malliksi. Oppilailla kuitenkin on tarpeelliset työkalut ja kyvyt luoda analogioita ja mentaalisia simulaatioita, tehdä idealisointeja ja yleistyksiä tilanteista, eli rakentaa malleja. Sitä he ovat alun perinkin tehneet. Ja koska mentaalimallit ovat henkilökohtaisia rakenteita, voi olla, että paras polku mielekkääseen luonnontieteiden oppimiseen liittyisi enemmän näiden esitysmuotojen rakennusprosessin opettamiseen; Eli käytännössä mallintamisen opettamiseen. (Greca, 2000) Mallien opettamisen hyödyistä on olemassa jonkin verran tutkimustietoa (Cheng & Lin, 2015; Schwarz & White, 2005; Gobert, O Dwyer, Horwitz, Buckley, Levy, & Wilensky, 2011), mutta metakognitiota mallien oppimisen yhteydessä on tutkittu vähemmän. Metakognition termin loi John Flavell ja sillä tarkoitetaan kognitiota kognitiosta eli kykyä ajatella omaa ajatteluaan (Flavell, 1979). Esimerkki tällaisesta metakognitiosta ovat opiskelun metataidot, eli taidot havaita ja tarkastella omaa oppimistaan. Loucan ja Zacharian (2012) koonnin mukaan mallipohjainen oppiminen voi parantaa oppilaiden metakognitiivisia kykyjä, erityisesti itsekriittisyyden saralla, kun he tarkkailevat ja reflektoivat omaa työtään. He huomauttavat, että itsesäätelykykyiset oppilaat, jotka suorittavat mallinnustehtäviä tarvitsevat metakognitiivista tietoa mallinnuksesta. Lisäksi oppilaat joilla on hyvin kehittyneet metakognitiiviset tiedot mallinnuksesta, säätelevät oppimisprosessiaan paremmin ja heille kehittyy näin parempi käsitteellinen ymmärrys kuin oppilaille, joilla ei ole tätä tietoa mallinnuksesta itsestään. Myös Collin, Francen ja Taylorin (2005) mukaan käsitteiden ja metakognition linkittäminen mallien parissa työskennellessä johtaa oppilaiden ymmärryksen parantumiseen, ja sen lisäksi edistää myönteistä asennetta. 2.4 SUMS eli Oppilaiden ymmärrys tieteellisten mallien roolista luonnontieteiden oppimisessa Oppilaiden mallikäsityksen selvittämistä varten suoritettiin katsaus kirjallisuuteen sopivan valmiin mittarin löytämiseksi. Näin tehtiin siksi, että saataisiin luotettavampia tuloksia, joita päästään myös vertaamaan muiden tutkimusta tehneiden kanssa. Alkuperäinen Students Understanding of Models in Science (SUMS)-testi suoritettiin 9

15 kahdessa koulussa Perthissä, Australiassa. Tutkimuksen tekivät Treagust, D. F., Chittleborough, G., ja Mamiala, T. L. vuonna Tavoitteena oli saada kuva siitä, kuinka oppilaat ymmärtävän mallien roolin luonnontieteiden opiskelussa. 27 väittämästä koostuvaan kyselyyn osallistui vuotiasta oppilasta, joiden vastauksien perusteella heidän käsityksensä malleista jaettiin faktorianalyysin pohjalta seuraavaan viiteen eri faktoriin: 1. Mallit eri esitystapoina (Models as multiple representations/mr); 2. Mallit täsmällisinä kopioina (Models as exact replicas/er); 3. Mallit selittävinä työkaluina (Models as explanatory tools/et); 4. Tieteellisten mallien käyttö (Uses of scientific models/usm); 5. Mallien muuttuva luonne (The changing nature of models/cnm) Väittämiin vastatattiin viisiportaisella Likert-asteikolla, jolloin faktorianalyysin avulla luokittelemalla päästiin tutkimaan, kuinka samaa tai eri mieltä oppilaat olivat väittämien edustamien käsitteiden kanssa. Datan analyysi suoritettiin SPSS-ohjelmalla. Taulukossa 2 on listattuna SUMS-testin väittämät ja mihin viidestä luokasta ne on sijoitettu. (Treagust, Chittleborough & Mamiala, 2002) Tätä tutkimusta varten väittämät käännettiin suomeksi, mutta ne on päätetty myös esittää alkuperäisessä muodossaan, jotta on mahdollista vertailla ja pohtia käännöksessä syntyneitä mahdollisia merkityseroja. 10

16 Taulukko 2: SUMS-testi ja väittämien luokittelu. (Treagust, Chittleborough & Mamiala, 2002) Lisäksi taulukossa 3 on esitetty tutkimuksessa saadun aineiston pohjalta tehdyn faktorianalyysin tulokset, joiden perusteella luokittelu on tehty ja löytyneet faktorit nimetty. (Treagust, Chittleborough & Mamiala, 2002) 11

17 Taulukko 3: SUMS-testin faktorianalyysi. (Treagust, Chittleborough & Mamiala, 2002) Seuraavissa alakappaleissa käsitellään lyhyesti tulokset koskien jokaista eri faktoria Mallit eri esitystapoina Mallit eri esitystapoina-asteikko (MR-asteikko) tutkii kuinka hyvin oppilaat hyväksyvät erilaisten esitystapojen samanaikaisen käytön ja ymmärtävätkö he tarpeen tälle 12

18 käytännölle. Treagustin ja muiden (2002) tutkimuksessa useimpien oppilaiden tulkittiin kykenevän arvostamaan mallien moninaisuutta. Yli puolet oppilaista oli sitä mieltä, että erilaiset tieteelliset mallit ovat hyödyllisiä havainnollistamaan vallitsevia erilaisia käsityksiä. Oppilaat vaikuttivat johdonmukaisesti tunnistavan tarpeen erilaisille malleille sekä ilmiön eri puolien tarkastelun, että niiden oppimisen kannalta. Koska oppilaat tunnistavat useiden eri mallien käytön arvon, tutkimusryhmä päätteli, että heillä täytyy myös olla käsitys mallista vain yhtenä esitystapana ja että jokaisella esitystavalla on oma näkökulmansa tai painotuksensa Mallit täsmällisinä kopioina Mallit täsmällisinä kopioina-asteikko (ER-asteikko) viittaa oppilaiden näkemyksiin siitä kuinka tarkka malli on. Tutkimuksessa havaittiin, että oppilaissa on suuri joukko (43 %) sellaisia, joilla on kapea tai naiivi käsitys malleista vain eksakteina kopioina. Treagustin ja muiden (2002) mukaan tätä käsitystä ruokkinevat tutuimmat koulussa esiintyvät mallit, kuten karttapallot ja esimerkiksi ruumiinosien, kuten korvan, anatomiset mallit; molemmat esimerkkejä malleista, joissa tarkkuus on erityisen tärkeää. Kuitenkin noin viidesosa tunnistaa mallien merkityksen muunakin kuin vain kopiona Mallit selittävinä työkaluina ET-asteikko kuvaa mallin kykyä auttaa oppilaita ymmärtämään idea. Asteikko kertoo kokevatko oppilaat mallien tehostavan visuaalista kuvaa aiheesta, luomaan mentaalimallin tai antamaan jonkin konkreetin esitystavan. Tulokset vaikuttaisivat osoittavan, että suurin osa oppilaista on tietoinen mallien visualisoivan kyvyn arvosta. Treagustin ja muiden (2002) mielestä onkin mielenkiintoista, että oppilaat tiedostavat tämän mallien kyvyn havainnollistaa, sillä juuri tämän kyvyn avulla heidän oma mentaalimalliensa rakennus tapahtuu. Oppilaiden kapeahko kuva malleista näkyy myös tässä luokassa, sillä kysyttäessä, voiko diagrammi, kuva, kartta, kuvaaja tai valokuva olla malli, noin 42 % vastasi kieltävästi tai en osaa sanoa, mikä kertoo, että jokin tai jotkin näistä eivät täytä heidän kuvaansa mallista Tieteellisten mallien käyttö USM-asteikko tutkii kuinka oppilaat ymmärtävät mallien käytön luonnontieteissä kun kysymys on muustakin kuin ilmiön tai rakenteen kuvailusta tai selittämisestä niiden avulla. Noin puolet vastanneista oppilaista oli sitä mieltä, että malleja voi käyttää ja 13

19 käytetään ennusteiden tekemiseen ja teorioiden muodostamiseen. Tämä tietysti tarkoittaa sitä, että noin puolet ovat sitä mieltä, että mallit eivät sovellu tällaiseen tai eivät osaa sanoa. Tulos sopii yhteen muiden kohtien kanssa, sillä oppilaiden kuva mallista vaikuttaa olevan eksakti ja paljolti selittävä. (Treagust, Chittleborough & Mamiala, 2002) Mallien muuttuva luonne CNM-asteikko tarkastelee kuinka pysyviksi oppilaat mieltävät mallit. Kyseisen luokan tulokset olivat ehkä selkeimmin positiiviset, sillä yli kahdella kolmasosalla oppilaista oli selvä kuva malleista mahdollisesti muuttuvina asioina. Jollain tasolla oppilaat siis kuitenkin tiedostavat, että mallit eivät ole kiveen kirjoitettuja totuuksia, vaan dynaamisia, alatimuuttuvia olioita. (Treagust, Chittleborough & Mamiala, 2002) 2.5 Aiempia SUMS-testiä käyttäneitä tutkimuksia Tässä kappaleessa esitellään lyhyesti kaksi muuta tutkimusta, joissa on käytetty SUMStestiä. Näiden tutkimusten tuloksia vertaillaan yhdessä alkuperäistutkimuksen kanssa tämän työn tuloksiin tulosten esittelyssä alaluvussa SUMS-testin tulokset ja pohdinnassa alaluvussa 4.1 SUMS-testin tulokset Mallien luonteen käsityksen ja käsitteellisen ymmärryksen suhde Janice D. Gobert, Laura O Dwyer, Paul Horwitz, Barbara C. Buckley, Sharona Tal Levy ja Uri Wilensky julkaisivat vuonna 2011 artikkelin, jonka koko nimi on Examining the Relationship Between Students Understanding of the Nature of Models and Conceptual Learning in Biology, Physics, and Chemistry. Se on luonteeltaan pitkittäistutkimus, jossa tarkastellaan, kuinka oppilaiden käsitys malleista on kehittynyt opetusjakson aikana ja onko tällä vaikutusta myös sisältöjen oppimiseen, mutta sen alkutestin tuloksia voidaan käyttää hyvin vertailukohtana. Aineisto siihen kerättiin yhteensä 736 yläkouluikäiseltä oppilaalta fysiikan, kemian ja biologian tuntien kontekstissa. Tutkimuksessa ei kuitenkaan ole saatavilla koko aineiston keskiarvoja ja keskihajontoja, joten vertailussa käytetään fysiikan opetukseen osallistuvien alkutestin tuloksia, jossa N=420. Alkutestin tulos on lisäksi huomattavasti vertailukelpoisempi muiden kanssa. Kyselyyn osallistuneet oppilaat olivat Yhdysvalloista 13 eri koulusta luokka-asteilta 9-12, joiden oppilaat vastaavat iältään Suomessa yhdeksättä luokkaa ja lukiota. Fysiikan opetusohjelmaan osallistuneiden keski-ikä oli 16. Tutkijat analysoivat tuloksiaan lähinnä liittyen ryhmien 14

20 välisiin eroihin, joita huomattiinkin olevan kaikkien aineiden oppilaiden välillä. He kuitenkin huomauttavat, että erot mallikäsityksissä voivat myös johtua ikäeroista Yläkoulu- ja lukioikäisten oppilaiden näkemykset malleista Jeongho Cha, Younghee Kim, and Taehee Noh julkaisivat vuonna 2004 koreaksi artikkelin Middle and High School Students Views on the Scientific Model, jonka tutkimuksen lähtökohtana oli selvittää oppilaiden mallien tuntemusta ja sukupuolen, iän ja koulumenestyksen aiheuttamia eroja. Soulissa, Etelä-Koreassa, tehtyyn tutkimukseen osallistui kahdeksannelta ja yhdenneltätoista luokalta 1 yhteensä 137 oppilasta. Tutkimuksessa ei havaittu merkittävää eroa luokka-asteiden välillä, mutta korrelaatio kehittyneempään mallikäsitykseen löytyi suhteessa oppilaan menestykseen ja sukupuoleen. Tulosten mukaan miespuolisilla ja paremmin menestyneillä (highachieving) oppilailla mallikäsitys oli parempi. Kysely oli toteutettu kääntämällä väittämät oppilaita varten koreaksi, mikä voi osaltaan vaikuttaa saatuihin tuloksiin. Näitä käännöksiä ei oltu ilmoitettu artikkelissa vaan tulokset olivat taulukoituna alkuperäisten englanninkielisten väittämien mukaisesti. Taulukossa 4 on esitetty artikkelissa englanniksi raportoidut yksittäisten väittämien tulokset. 1 Etelä-Korean ikäsysteemi on hieman erilainen kuin länsimaissa. Kahdeksannella luokalla oppilaat ovat vuotiaita ja yhdennellätoista luokalla vuotiaita. 15

21 Taulukko 4: SUMS-testin tulokset Chan, Kimin ja Nohin tutkimuksessa (2004) Luokka/Väittämä Keskiarvo Keskihajonta MR/1 Many models may be used to express features of a science phenomenon by showing different perspectives to view an object. 4,00 0,66 MR/2 Many models represent different versions of the phenomenon. 3,52 0,85 MR/3 Models can show the relationship of ideas clearly. 3,33 0,90 MR/4 Many models are used to show how it depends on individual s different ideas on what things look like or how they work. 3,67 0,94 MR/5 Many models may be used to show different sides or shapes of an object. 3,78 0,75 MR/6 Many models show different parts of an object or show the objects differently. 3,74 0,76 MR/7 Many models show how different information is used. 3,63 0,78 MR/8 A model has what is needed to show or explain a scientific phenomenon. 3,76 0,80 ER/9 A model should be an exact replica. 2,65 1,13 ER/10 A model needs to be close to the real thing. 2,35 0,98 ER/11 A model needs to be close to the real thing by being very exact, so nobody can disprove it. 2,58 1,08 ER/12 Everything about a model should be able to tell what it represents. 2,69 0,98 ER/13 A model needs to be close to the real thing by being very exact in every way except for size. 2,29 1,09 ER/14 A model needs to be close to the real thing by giving the correct information and showing what the object/thing looks like. 2,45 1,00 ER/15 A model shows what the real thing does and what it looks like. 2,12 0,89 ER/16 Models show a smaller scale size of something. 3,04 1,14 ET/17 Models are used to physically or visually represent something. 3,87 0,78 ET/18 Models help create a picture in your mind of the scientific happening. 4,00 0,83 ET/19 Models are used to explain scientific phenomena. 3,61 0,90 ET/20 Models are used to show an idea. 3,34 1,00 ET/21 A model can be a diagram or a picture, a map, graph or a photo. 3,57 1,08 USM/22 Models are used to help formulate ideas and theories about scientific events. 3,70 0,95 USM/23 Models are used to show how they are used in scientific investigations. 3,38 0,83 USM/24 Models are used to make and test predictions about a scientific event. 3,53 0,90 CNM/25 A model can change if new theories or evidence prove otherwise. 3,76 0,93 CNM/26 A model can change if there are new findings. 3,91 0,85 CNM/27 A model can change if there are changes in data or belief. 3,65 0,93 Tulokset olivat ilmoitettu yksittäisten väittämien osalta, mutta niiden keskihajontaa ei ollut raportoitu kootusti faktorien osalta, joten myöhemmin tässä työssä tapahtuvaa vertailua varten faktorien keskihajonnat on kasattu yksittäisten väittämien varianssien pohjalta kaavan 16

22 V A1 = m2 V 1 + n 2 V 2 nv 1 nv 2 mv 1 mv 2 + mnv 1 + mnv 2 + mn(m 1 M 2 ) 2 (n + m 1)(n + m) (1) avulla, jossa m ja n ovat yhdistettävien aineistojen koot, V1 ja V2 niiden varianssit ja M1 ja M2 niiden keskiarvot (Headrick, 2009). Nämä lasketut faktorien keskihajonnat on koottu vertailua varten ja löytyvät seuraavasta luvusta taulukosta

23 Luku III 3 Empiirinen osio Pääasiallinen tavoite tässä työssä on vastata seuraavaan kahteen tutkimuskysymykseen. 1. Millainen kuva oppilailla on malleista? 2. Tiedostavatko oppilaat käyttävänsä malleja ja missä yhteydessä? Työssä siis tutkitaan sitä, minkälainen mentaalimalli oppilailla on mallien itsensä käsitteestä. 3.1 Työn toteutus Tehty kysely koostui oppilaiden ja opiskelijoiden taustaa koskevista kysymyksistä, joihin yliopisto-opiskelijoilla kuului heidän pääaineensa eli suuntautumisensa yliopistossa, heidän lukiossa suorittamansa fysiikan kurssien määrä, ylioppilaskirjoitusten fysiikan reaalin tulos ja tähän asti suoritetut yliopiston fysiikan kurssit. Lukiolaisilta taustatietoina kysyttiin suoritettujen fysiikan, kemian ja biologian kurssien määrä ja kyseisten aineiden peruskoulun arvosanat. Yläkoululaisilta kysyttiin vain heidän viimeisimmät fysiikan, kemian ja biologian arvosanansa. Tämän jälkeen lukion ja yläkoulun oppilaille annettiin kolme avointa kysymystä liittyen malleihin luonnontieteissä. Lopuksi he vastasivat suomennettuun SUMS-kyselyyn, joka koostuu 27 väittämästä joihin vastataan viisiportaisella Likert-asteikolla välillä täysin eri mieltä täysin samaa mieltä. Aineisto kerättiin elektronisilla lomakkeilla käyttäen Google Driven Forms-työkalua, järjesteltiin käyttäen Google Driven Sheets-työkalua ja Microsoft Excel 2016 taulukkolaskentaohjelmaa, ja analysoitiin JASP (versio ) tilastoanalyysiohjelmalla. 18

24 Työn aineisto on kerätty kolmesta eri yläkoulusta, kahdesta lukiosta ja yliopistolta. Tarkoituksena on saada tietoa ja analysoida kuinka oppilaat ymmärtävät mallin käsitteen sekä saada suoritettua alkuperäiselle SUMS-kyselylle mahdollisimman vertailukelpoinen tutkimus. 215 oppilaan ja opiskelijan aineistosta yliopisto-opiskelijoita oli 49 (22,8 %), yläkoululaisia 88 (40,9 %) ja lukiolaisia 78 (36,3 %). Yläkoulun ja lukion kolme mallien ymmärtämiseen liittyvää avointa kysymystä olivat seuraavat: 1. Anna esimerkkejä luonnontieteissä käytettävistä malleista. 2. Miten määrittelisit mikä on malli? 3. Anna esimerkki tilanteesta jolloin käytät luonnontieteellistä mallia. SUMS-testin väittämät on käännetty tämän työn tutkimusta varten, pyrkien olemaan mahdollisimman uskollinen väittämien sisältämälle viestille. Suomennetut väittämät löytyvät alkuperäisen testin mukaisessa järjestyksessä taulukosta 5. 19

25 Taulukko 5: Suomennetut SUMS-kyselyn väittämät. Faktori/ Väittämän numero MR/1 MR/2 MR/3 MR/4 MR/5 MR/6 MR/7 MR/8 ER/9 ER/10 ER/11 ER/12 ER/13 ER/14 ER/15 ER/16 ET/17 ER/18 ET/19 ET/20 ET/21 USM/22 USM/23 USM/24 CNM/25 CNM/26 CNM/27 Väittämät Monet mallit voivat antaa uudenlaisia näkökulmia kohteen tarkastelemiseen, sillä niitä voidaan käyttää tieteellisten ilmiöiden ominaisuuksien esittämiseen. Monet mallit esittävät erilaisia versioita samasta ilmiöstä. Mallit pystyvät esittämään selkeästi käsitteiden välisiä suhteita. Monia malleja käytetään havainnollistamaan jonkin asian toiminnasta tai ulkomuodosta mahdollisesti vallitsevia erilaisia käsityksiä. Monia malleja voidaan käyttää esittämään saman kohteen eripuolia tai muotoja. Monet mallit esittävät saman kohteen eri osia tai saman kohteen eri tavoin. Monet mallit esittävät kuinka erilaista tutkimustietoa käytetään. Malli sisältää kaiken tieteellisen ilmiön esittämiseen tai selittämiseen tarpeellisen tiedon. Mallin tulisi olla tarkka kopio kohteestaan. Mallin pitää muistuttaa kohdettaan läheisesti. Mallin pitää muistuttaa kohdettaan niin tarkasti, ettei sitä voi osoittaa vääräksi. Mallin jokaisen osan tulisi esittää mallin kohdetta. Mallin pitää muistuttaa kohdettaan erittäin tarkasti fyysistä kokoa lukuun ottamatta. Mallin pitää muistuttaa kohdettaan: sen tulee esittää miltä kohde näyttää ja antaa siitä virheetöntä tietoa. Malli näyttää mitä sen kohde tekee ja miltä se näyttää. Mallit esittävät jotakin pienemmässä koossa. Malleja käytetään esittämään jotakin fyysisesti tai visuaalisesti. Mallit auttavat luomaan käsityksen tieteellisestä tapahtumasta. Malleja käytetään selittämään tieteellisiä ilmiöitä. Malleja käytetään käsitysten esittämiseen. Malli voi olla diagrammi, kuva, kartta, kuvaaja tai valokuva. Malleja käytetään helpottamaan tieteellisiin tapahtumiin perustuvien käsitysten ja teorioiden muodostamista. Malleja käytetään esittämään, kuinka käsityksiä ja teorioita hyödynnetään tieteellisessä tutkimuksessa. Malleja käytetään tekemään ennusteita tieteellisistä ilmiöistä ja testaamaan tehtyjä ennusteita. Malli voi muuttua, jos uudet teoriat tai todistusaineisto osoittavat toisin. Malli voi muuttua, jos saadaan uusia tuloksia. Malli voi muuttua, jos tutkimustiedot tai käsitykset muuttuvat. 20

26 3.2 Aineiston homogeenisuus ja reliabiliteetti Aineiston homogeenisuutta tutkittiin tekemällä yksisuuntainen ANOVA-testi (Davis, 2013) koulutusasteen (yläkoulu, lukio, yliopisto) ja vastausten korrelaatiosta. Saaduille vastauksille laskettiin keskiarvot ja keskihajonnat, sekä jaettiin ne alkuperäisen SUMStestin viiteen faktoriin ja luokille laskettiin niiden keskiarvot, keskihajonnat ja luokkien sisäistä reliabiliteettia arvioitiin Cronbachin α-arvon avulla (Cronbach, 1951). Tämä analyysi tehtiin, jotta vertailu muihin tutkimuksiin pysyisi mahdollisimman hyvänä. Yksittäisten kysymysten tapauksessa nollahypoteesi aineiston homogeenisyydestä, eli että koulutusaste ei korreloi annetun vastauksen keskiarvoon, jouduttiin hylkäämään tilastollisesti merkitsevän korrelaation nojalla kymmenessä väittämässä ja pelkästään yläkoulun ja lukion aineistojen perusteella viidessä väittämässä. Taulukossa 6 on esitetty yksittäisten väittämien p-arvot, joista tilastollisesti merkitsevät on korostettu punaisella. Kaikkien koulutusasteiden osalta lähes jokaisen väittämän Levenen testin p-arvot olivat suuremmat kuin 0,05, joten niiden varianssit voidaan olettaa yhtä suuriksi ja näin ollen varianssianalyysiin on käyttöedellytys (Davis, 2013). Levenen testiä eivät läpäisseet lihavoidulla tekstillä merkityt väittämät 18 ja 21. Vain yläkoulun ja lukion aineistojen homogeenisyyttä vertaillessa ainoastaan väittämän 18, niin ikään merkitty lihavoinnilla, Levenen testin nollahypoteesi jouduttiin hylkäämään. Koulutusasteen korrelaatiosta väittämään 18 emme pysty siis ANOVA-testin pohjalta sanomaan mitään varmaa. Taulukko 6: Yksisuuntaisen varianssianalyysin tulokset yksittäisille väittämille. Väittämä p-arvo Kaikkien koulutusasteiden välillä Yläkoulun ja lukion välillä MR/1 Monet mallit voivat antaa uudenlaisia näkökulmia kohteen tarkastelemiseen, sillä niitä voidaan käyttää tieteellisten ilmiöiden ominaisuuksien esittämiseen. 0,307 0,594 MR/2 Monet mallit esittävät erilaisia versioita samasta ilmiöstä. 0,135 0,121 MR/3 Mallit pystyvät esittämään selkeästi käsitteiden välisiä suhteita. 0,967 0,794 MR/4 Monia malleja käytetään havainnollistamaan jonkin asian toiminnasta tai ulkomuodosta mahdollisesti vallitsevia erilaisia käsityksiä. 0,099 0,388 MR/5 Monia malleja voidaan käyttää esittämään saman kohteen eripuolia tai muotoja. 0,048 0,711 MR/6 Monet mallit esittävät saman kohteen eri osia tai saman kohteen eri tavoin. 0,444 0,626 MR/7 Monet mallit esittävät kuinka erilaista tutkimustietoa käytetään. 0,704 0,407 21

27 MR/8 Malli sisältää kaiken tieteellisen ilmiön esittämiseen tai selittämiseen tarpeellisen tiedon. 0,486 0,276 ER/9 Mallin tulisi olla tarkka kopio kohteestaan. 0,033 0,032 ER/10 Mallin pitää muistuttaa kohdettaan läheisesti. 0,408 0,166 ER/11 Mallin pitää muistuttaa kohdettaan niin tarkasti, ettei sitä voi osoittaa vääräksi. 0,008 0,009 ER/12 Mallin jokaisen osan tulisi esittää mallin kohdetta. 0,220 0,372 ER/13 Mallin pitää muistuttaa kohdettaan erittäin tarkasti fyysistä kokoa lukuun ottamatta. 0,211 0,090 ER/14 Mallin pitää muistuttaa kohdettaan: sen tulee esittää miltä kohde näyttää ja antaa siitä virheetöntä tietoa. 0,036 0,114 ER/15 Malli näyttää mitä sen kohde tekee ja miltä se näyttää. 0,576 0,913 ER/16 Mallit esittävät jotakin pienemmässä koossa. 0,010 0,011 ET/17 Malleja käytetään esittämään jotakin fyysisesti tai visuaalisesti. 0,021 0,024 ET/18 Mallit auttavat luomaan käsityksen tieteellisestä tapahtumasta. 0,145 0,467 ET/19 Malleja käytetään selittämään tieteellisiä ilmiöitä. 0,001 0,084 ET/20 Malleja käytetään käsitysten esittämiseen. 0,139 0,53 ET/21 Malli voi olla diagrammi, kuva, kartta, kuvaaja tai valokuva. 0,015 0,276 USM/22 Malleja käytetään helpottamaan tieteellisiin tapahtumiin perustuvien käsitysten ja teorioiden muodostamista. 0,145 0,798 USM/23 Malleja käytetään esittämään kuinka käsityksiä ja teorioita hyödynnetään tieteellisessä tutkimuksessa. 0,307 0,832 USM/24 Malleja käytetään tekemään ennusteita tieteellisistä ilmiöistä ja testaamaan tehtyjä ennusteita. 0,001 0,562 CNM/25 Malli voi muuttua, jos uudet teoriat tai todistusaineisto osoittavat toisin. 0,033 0,031 CNM/26 Malli voi muuttua, jos saadaan uusia tuloksia. 0,156 0,221 CNM/27 Malli voi muuttua, jos tutkimustiedot tai käsitykset muuttuvat. 0,340 0,689 Yksittäisten väittämien keskiarvojen ja koulutusasteen suhteen kuvaajat on koottu seuraaviin kuviin 3-7, joissa näkyvät myös virhepalkit 95 % luottamusvälillä. Kuvissa koulutusaste on koodattu siten, että 0 on yläkoulu, 1 on lukio ja 2 on yliopisto. Kuvista tulee myös huomata kuvaajien välillä muuttuvat y-akselin minimi- ja maksimiarvot sekä pitää mielessä, että Likert-asteikko vastauksille on 1-5, jolloin keskiarvovastaus en osaa sanoa saa arvon 3. Kuvassa 3 nähtävien Mallit eri esitystapoina -luokan väittämistä on havaittavissa heikkoja trendejä muutaman väittämän osalta, mutta kuten taulukosta 5 voidaan havaita, nämä eivät ole tilastollisesti merkittäviä kuin väittämän MR/5 Monia malleja voidaan käyttää esittämään saman kohteen eripuolia tai muotoja osalta, jonka tapauksessa sekä 22

28 merkittävyys että trendi häviävät, kun yliopiston opiskelijoilla saadut tulokset poistetaan joukosta. Kuva 3: Mallit eri esitystapoina-luokan vastausten keskiarvojen (y-akseli) ja koulutusasteiden (x-akseli) suhteet. Kuvissa koulutusaste on koodattu siten, että 0 on yläkoulu, 1 on lukio ja 2 on yliopisto. Kuvassa 4 kootuissa Mallit täsmällisinä kopioina-luokan kuvaajissa on kaikissa silmämääräisesti heikko alaspäin suuntautuva trendi, joka kertoo koulutusasteen vaikuttaneen myönteisesti, laskien naiivia käsitystä malleista. Taulukosta 5 voidaan kuitenkin huomata, että tilastollisesti merkitseviä eroja ryhmien välillä on vain väittämissä ER/9 Mallin tulisi olla tarkka kopio kohteestaan, ER/11 Mallin pitää 23

29 muistuttaa kohdettaan niin tarkasti, ettei sitä voi osoittaa vääräksi, ER/14 Mallin pitää muistuttaa kohdettaan: sen tulee esittää miltä kohde näyttää ja antaa siitä virheetöntä tietoa ja ER/16 Mallit esittävät jotakin pienemmässä koossa. Näistä väittämä ER/14 ei ole enää merkitsevästi erilainen vain yläkoulun ja lukion ryhmien välillä. Kuva 4: Mallit täsmällisinä kopioina-luokan vastausten keskiarvojen (y-akseli) ja koulutusasteiden (x-akseli) suhteet. Kuvissa koulutusaste on koodattu siten, että 0 on yläkoulu, 1 on lukio ja 2 on yliopisto. Kuvassa 5 esitettyjen kuvaajat luokasta Mallit selittävinä työkaluina. Näissä huomataan kuinka korkeampi koulutusaste näkyy kolmessa väittämässä hieman nousevana trendinä ja kahdessa väittämässä alun nouseva trendi tipahtaa yliopistoon mentäessä. Tilastollisesti 24

30 merkitseviä eroja koulutusasteiden välillä luokassa on väittämien ET/17 Malleja käytetään esittämään jotakin fyysisesti tai visuaalisesti, ET/19 Malleja käytetään selittämään tieteellisiä ilmiöitä ja ET/21 Malli voi olla diagrammi, kuva, kartta, kuvaaja tai valokuva kohdalla, joista ainoastaan ET/17 on merkitsevä yläkoulun ja lukion välillä. Kuva 5: Mallit selittävinä työkaluina-luokan vastausten keskiarvojen (y-akseli) ja koulutusasteiden (x-akseli) suhteet. Kuvissa koulutusaste on koodattu siten, että 0 on yläkoulu, 1 on lukio ja 2 on yliopisto. Myös luokan Tieteellisten mallien käyttö kuvaajissa havaitaan nousevia trendejä, joskin yleisesti vain yliopiston osalta. Ainoastaan väittämän USM/24 Malleja käytetään tekemään ennusteita tieteellisistä ilmiöistä ja testaamaan tehtyjä ennusteita ja koulutusasteen korrelaatio on tilastollisesti merkitsevä, joka sekin poistuu vertailtaessa vain yläkoulun ja lukion ryhmien eroja. Nämä kuvaajat on esitetty kuvassa 6. 25

31 Kuva 6: Tieteellisten mallien käyttö-luokan vastausten keskiarvojen (y-akseli) ja koulutusasteiden (x-akseli) suhteet. Kuvissa koulutusaste on koodattu siten, että 0 on yläkoulu, 1 on lukio ja 2 on yliopisto. Luokassa Mallien muuttuva luonne trendit ovat niin ikään nousevat. Kuvassa 7 esitettyihin kuvaajiin liittyvistä väittämistä vain CNM/25 Malli voi muuttua, jos uudet teoriat tai todistusaineisto osoittavat toisin sai merkitsevästi erilaisia vastauksia koulutusasteen muuttuessa. Tämä merkitsevyys pysyi vertaillessa yläkoulun ja lukion välisiä eroja. Kuva 7: Mallien muuttuva luonne-luokan vastausten keskiarvojen (y-akseli) ja koulutusasteiden (x-akseli) suhteet. Kuvissa koulutusaste on koodattu siten, että 0 on yläkoulu, 1 on lukio ja 2 on yliopisto. Tehty analyysi osoittaa, että koko aineisto ei ole riittävän homogeeninen vertailuun muiden tutkimusten kanssa, mutta lukion ja yläkoulun ryhmien voidaan väittää olevan varsin homogeeniset, joten vertailu muihin tutkimuksiin päätettiin tehdä yläkoulusta ja lukiosta kasatun aineiston pohjalta. Tämän väitteen tueksi tehtiin ANOVA pelkästään faktorien osalta. Taulukosta 7 on nähtävissä, kuinka koulutusaste korreloi kahden faktorin 26

32 väittämien keskiarvojen kanssa, mikäli tarkastellaan koko aineistoa, mutta vain yhden kanssa, kun kyse on yläkoulun ja lukion välisestä vertailusta. Taulukko 7: Yksisuuntaisen varianssianalyysin tulokset väittämien luokille. Väittämän faktori/suomennos p-arvo Kaikkien koulutusasteiden välillä Yläkoulun ja lukion välillä MR/Mallit eri esitystapoina 0,302 0,492 ER/Mallit täsmällisinä kopioina 0,006 0,011 ET/Mallit selittävinä työkaluina 0,332 0,144 USM/Tieteellisten mallien käyttö 0,006 0,775 CNM/Mallien muuttuva luonne 0,105 0,163 Lisäksi, kuvassa 8 on esitetty kuvaajat koulutusasteen ja luokkien keskiarvojen välillä. Myös faktorien ja koulutusasteen suhteiden kuvaajista on havaittavissa trendejä, joskin näistä tilastollisesti merkitseviä ovat vain ER Mallit täsmällisinä kopioina ja USM Tieteellisten mallien käyttö, joista vain ER on merkitsevä myös yläkoulun ja lukion välillä. 27

33 Kuva 8: Kaikkien luokkien vastausten keskiarvojen (y-akseli) ja koulutusasteiden (x-akseli) suhteet. Kuvissa koulutusaste on koodattu siten, että 0 on yläkoulu, 1 on lukio ja 2 on yliopisto. Näiden luokkien sisäistä luotettavuutta arvioivat Cronbachin α-arvot löytyvät taulukosta 8, jossa värikoodauksella on havainnollistettu reliabiliteetin määrää, kirkkaan vihreän ollessa luotettavampi ja vaalean heikompi. Taulukko 8: Luokkien sisäisen konsistenssin arviot Väittämän faktori/suomennos Cronbach α Kaikkien koulutusasteiden välillä Yläkoulun ja lukion välillä MR/Mallit eri esitystapoina 0,784 0,786 ER/Mallit täsmällisinä kopioina 0,806 0,809 ET/Mallit selittävinä työkaluina 0,787 0,787 USM/Tieteellisten mallien käyttö 0,692 0,633 CNM/Mallien muuttuva luonne 0,895 0,875 28

34 3.3 Avoimien kysymysten analysointi Aineistoon kuuluvia avoimia kysymyksiä arvioitiin kvalitatiivisesti siten, että vastaukset jokaiseen kolmeen kysymykseen luettiin ensin läpi, jonka jälkeen vastauksissa havaitut samankaltaisuudet pyrittiin tunnistamaan ja järjestelemään omiin luokkiinsa. Koodausta ei siis suunniteltu ennakkoon, vaan se tehtiin aineistopohjaisesti (Tuomi & Sarajärvi, 2004). Kvantitatiivisen osion analysointi keskittyy pitkälti yläkoulusta ja lukiosta kerättyihin vastauksiin, joten kvalitatiivinen analyysi tehdään samoin vain näiltä koulutuksen asteilta kerätyille vastauksille. Muodostetuista luokista on syytä huomata, että luonnollisesti joissain tapauksissa rajan vetäminen joidenkin laadullisten luokkien välille voi olla hankalaa tai mielivaltaisen oloista. Esimerkiksi ensimmäisessä kysymyksessä vastaukset koirra ja blinit on tulkittu olevan ensimmäistä ryhmää, mutta vastaukset laskin ja raketti toista ryhmää. Rajatapauksissa tämä päätös on tehty peilaten sitä muiden avoimien kysymysten vastausten asiallisuuteen ja yhteiseen linjaan Oppilaiden esimerkit malleista Ensimmäinen malleihin liittyvä avoin kysymys kuuluu: Anna esimerkkejä luonnontieteissä käytettävistä malleista. Pyytämällä antamaan esimerkki jostain mallista, oppilaalta tiedustellaan hänen kuvaansa olemassa olevista malleista. Ensimmäisessä kysymyksessä luokittelu tapahtui kolmeen eri vastausryhmään, joista on lisäksi esitetty esimerkiksi muutamia oppilaiden antamia vastauksia: 1. "En tiedä", tyhjäksi jätetty kohta, tai jonkinlainen asiaan kuulumaton vastaus, En tiedä Joo Seppo koirra no ööh oliskose vaikka se puuhöylä vissiin?tai jotain? 2. Annetussa esimerkissä on jokin mallin käsitykseen liittyvä selkeä väärinkäsitys, mutta se kuitenkin liittyy luonnontieteisiin tai tekniikkaan. Annettu esimerkki on esimerkiksi teoria tai jokin kappale, kasvit yhteyttäminen evoluutio 29