Dybdelæring for alle. En innholdsanalyse av Multi 4a Lærerens bok.

Abstract

I denne masteroppgaven utforsker jeg hvordan lærerveiledningen «Multi 4a lærerens bok» legger til rette for tilpasset opplæring og dybdelæring i matematikk. Jeg undersøker om temaet divisjon blir behandlet i tråd med forventninger i læreplanen, og hvordan kognitiv kompleksitet i oppgaver og aktiviteter kan påvirke muligheter for dybdelæring. Videre analyserer jeg hvordan lærerveiledningen foreslår å tilpasse fagstoffet, og hvordan tilpasningene påvirker de kognitive kravene i oppgaven. Jeg analyserer også i hvilken grad lærerveiledningen bidrar med informasjon som kan hjelpe læreren til å tilpasse opplæringen for alle elever. Problemstillingen er: Hvordan kan en lærerveiledning i Multi-serien bidra til å dekke læreplanens kompetansemål og kjerneelementer i matematikk med fokus på tilpasset opplæring og dybdelæring? Temaet undersøkes gjennom deduktiv innholdsanalyse, og datainnsamlingen er basert på Charalambous et al. (2010) sitt rammeverk for lærebokanalyse, Webb (1997) sin depth-of-knowledge-modell og Hemmi et al. (2013) sitt analyseverktøy for lærerveiledninger. Sentrale funn viser at Multi dekker det matematiske innholdet gjennom varierte oppgaver og aktiviteter som stiller høye kognitive krav til eleven. Lærerveiledningen refererer i liten grad til kompetansemål og kjerneelementer, og tilbyr lite faglig støtte til læreren. Det blir gitt informasjon om hvordan oppgaver kan forenkles eller tilføres ekstra utfordringer, men mange av tilpasningene har en utilsiktet påvirkning av oppgavenes kognitive krav. Analysen viser at det tilbys få oppgaver som bidrar til automatisering av kunnskaper. Det er også mangel på oppgaver som bidrar til kreativitet og nyskaping. Funn fra denne undersøkelsen indikerer at en sterk vektlegging av oppgaver med høye kognitive krav kan føre til færre muligheter for automatisering av faktakunnskaper. Det kan også synes som en bedre balanse i tilgangen på oppgaver med ulike grader av kognitiv kompleksitet vil være fordelaktig for å legge til rette for dybdelæring for alle elever.

In this master's thesis, I explore how a teacher's guide influences differentiated instruction and deep learning in mathematics education. I investigate to which extent the topic of division is addressed in line with the national curriculum, and how the cognitive complexity of tasks and activities can impact opportunities for deep learning. I will also investigate how the teacher's guide proposes to adapt the subject matter, and how these adaptations affect the cognitive demands of the tasks. The analysis also includes assessing the extent to which the teacher's guide provides information to assist the teacher in adapting instruction to accommodate all the students. The research question is: How can a teacher's guide in the Multi series contribute to achieving the competence objectives and core elements in the mathematics curriculum, focusing on differentiated instruction and deep learning? The topic is investigated through a deductive content analysis, and data collection is based on Charalambous et al.'s (2010) framework for textbook analysis, Webb's (1997) depth-of-knowledge model, and Hemmi et al.'s (2013) tool for analyzing teacher's guides. Key findings reveal that the Multi series covers mathematical content through varied tasks and activities that require high cognitive demands from the students. The teacher's guide makes limited references to competence goals and core elements, offering little pedagogical support to the teacher. Information is provided on how tasks can be simplified or enhanced with additional challenges, but many of the adaptations unintentionally affect the cognitive demands of the tasks. The analysis demonstrates a lack of tasks that contribute to learning of basic facts. There is also a shortage of tasks that foster creativity and innovation. Findings from this study suggest that a strong emphasis on tasks with high cognitive demands may lead to less opportunities for learning of basic facts. It also appears that a better balance in the availability of tasks with varying degrees of cognitive complexity would be beneficial in facilitating deep learning for all students.