Ei undersøking av Rasch-modellen si evne til å rangere kunnskap etter vanskegrad i emnet nervesystemet

Abstract

Denne masteroppgåva gjer ei studie som rangerar omgrep om nervesystemet og nervenettverk etter vanskegrad med bruk av Rasch-modellen. Bakgrunnen for studien er å gjere det enklare for lærarar å velje ut omgrep og nervenettverk som er nødvendige og tilstrekkelege for å forstå korleis nervesystemet styrer prosessar i kroppen.

Problemstilling: Korleis er Rasch-modellen eigna til å rangere kunnskap etter vanskegrad i emnet nervesystemet?

Forskingsspørsmål: 1. Kva omgrep i emnet nervesystemet blir rangert som dei lettaste og vanskelegaste for elevar på ungdomskulen og på biologi på vidaregåande? 2. Kva nervenettverk blir rangert som dei lettaste og vanskelegaste for elevar på ungdomskulen og på biologi på vidaregåande? 3. Kor godt fungerer Rasch-modellen til å gjere ei rangering av kunnskap i emnet nervesystemet?

Undersøkinga brukte eit spørjeskjema med fleirvalsoppgåver, og Rasch-modellen vart brukt som analyseverktøy. Dette er ein lite utprøvd modell i naturfaglege prosjekt, så dette prosjektet testar og om Rasch-modellen passar i naturfaglege undersøkingar.

Resultata viser at elevane sleit med dei fleste omgrepa om nervesystemet og nervenettverka. Omgrep og nettverk som elevar har blitt introduserte for tidleg i undervisinga, vart rangert som enklast. Nokre omgrep viste seg og å vere sjølvforklarande, slik at fleire av elevane klarte å forstå kva det tyder, sjølv om dei ikkje har hatt om det i undervisinga. Desse vart og rangert som noko enklare enn dei som ikkje var forklarande. Dei mest komplekse nettverka med mange bestanddelar vart rangert som vanskelegast, medan dei med få bestanddelar var enklare. Rangeringa av spørsmåla gav og eit bilete av kva omgrep som er nødvendig for å forstå dei ulike nervenettverka.

Rasch-modellen viste seg å vere eit eigna analyseverktøy for naturfaglege prosjekt og. Men då til prosjekt som skal måle spørsmål og/eller personar. Dersom det er kvalitetar i spørsmåla ein er ute etter, kom det fram svakheiter med Rasch-modellen.

This master thesis studies the ranking of neuroscientific principles and neural networks by difficulty, using the Rasch-model. The criteria of the study is to make it easier for the teachers to choose the neuroscientific principles and neural networks that are necessary and sufficient to understand how the nervous system controls processes in the body.

Main research question: How suitable is the Rasch-model to rank knowledge by difficulty in neural science?

Underlying research questions: 1. Which neuroscientific principles are ranked as the easiest and hardest for students on secondary school and biology students on high school? 2. Which neural networks are ranked as the easiest and hardest for students on secondary school and biology students on high school? 3. How does the Rasch-model work to rank knowledge in neural science?

The survey used multiple-choice questions, and the Rasch-model was used to analyse the data. This model isn’t a well-known model in natural science projects, so this study also tests if the Rasch-model is a fitting model for projects in natural science.

The results showed that students struggled with most of the neuroscientific principles and networks. Principles and networks that they learn about early in the teaching process, were ranked as the easiest for them. Some principles proved to be self-explanatory. Some students understood the meaning of these principles, even though they never learned about them in school. These principles were ranked as easier than the principles which was not explanatory. The most complex neural networks were ranked as the most difficult, and the least complex ones were easier. The ranking of the questions showed which concepts that seems necessary to understand the different neural networks.

The Rasch-model proved to be at fitting model for natural science projects. But only to projects that measures questions and/or persons. If there were special qualities in the questions that the project examined, some weaknesses did emerge with the Rasch-model.