研究課題/領域番号 |
26282032
|
研究機関 | 東京農工大学 |
研究代表者 |
覧具 博義 東京農工大学, 工学(系)研究科(研究院), 名誉教授 (50302914)
|
研究分担者 |
村田 隆紀 京都教育大学, その他部局等, 名誉教授 (10027675)
合田 正毅 新潟大学, 自然科学系, 名誉教授 (60018835)
笠 潤平 香川大学, 教育学部, 教授 (80452663)
箕田 弘喜 東京農工大学, 工学(系)研究科(研究院), 教授 (20240757)
谷口 和成 京都教育大学, 教育学部, 准教授 (90319377)
安田 淳一郎 山形大学, 基盤教育院, 准教授 (00402446)
|
研究期間 (年度) |
2014-04-01 – 2019-03-31
|
キーワード | 物理教育研究 / 教育調査 / 国際比較 / 科学的思考力 / アクティブラーニング |
研究実績の概要 |
この研究課題では,力学概念理解度調査(略称FCI)と,ローソンテストとも呼ばれる科学的思考力調査(略称CTSR)を用いた調査を,全国の高校および大学の多数の物理教員の協力を得て実施している。調査対象は,高等学校で科目「物理基礎」あるいは「物理」を履修する生徒,および,大学入学直後に力学を中心とする物理の基礎科目を履修する理工系および教育系の学生である。すでに平成26-27年度には,上記科目の履修開始時点に「履修前テスト」としてFCIを,また学期中にCTSRを実施していたが,平成28年度には,FCI「履修前テスト」とCTSRに加えて,FCIについては,多くのクラスで履修終了時に再度「履修後テスト」として実施した。 これらのFCIデータについて項目応答曲線(Item Response Curves:略称IRC)による解析を行い,米国における大規模調査の結果などとの国際比較を行った。その結果,日本の高校生および大学生におけるニュートン力学の基礎概念の理解とその発展の様相,すなわち,学習者に広く見られる素朴概念ないし誤概念の分布や,力学概念全体の理解に伴ってそれらが克服されていく様相には,日米で相互にきわめて強い共通性があることがわかった。 数千レベルの大規模なデータを必要とするIRC分析の結果と,数十から数百レベルの小規模の教育現場でのデータとの見通しの良い比較検討を可能にする分析方法として「項目別正答率パターン(Item Response Patterns:略称IRP)」を着想してその有効性を検討している。 さらに,科学的思考力調査(CTSR)の結果とFCIデータが示すニュートン力学の基本概念理解との関係について調べた。その結果は認知段階(科学的推論能力)に応じた教育的介入(方法)の重要性を示唆している。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
平成26~27年度調査に引き続き,力学概念調査(FCI)および科学的思考力調査(CTSR)を実施した。FCI調査では,平成26年度には,履修前テストとして約5600名のデータを得ていたが,平成28年度には履修前テストとして約5300名,さらに履修後テストとして約3000名,計8300名のデータを得た。これは国際的に見てもきわめて大規模なFCI調査である。また科学的思考力調査(CTSR)でも,計約3000名のデータを得た。 これらのデータについての詳細な分析は平成29年度に予定しているが,平成28年度におこなった予備的な検討からもすでに多くの興味深い知見が得られている。調査に参加したクラスは,高等学校と,大学の理工系ないし教育系学科(初年級)という複数の校種にまたがっており,調査時点での物理の履修歴も多様であった。FCIのクラス平均正答率も広い範囲にわたり、多様な参加者からのデータが得られたことを確認できた。その一方,FCIデータのIRC(項目応答曲線)による解析からは,素朴概念(誤概念)の分布や,力学概念の全体的な理解の進展に伴うその克服の様相には,校種や履修歴によらない顕著な共通性があることが見出された。米国での調査データとの対比からも見えているこの共通性は,概念理解のメカニズムや望ましい学習支援のあり方などについて重要な手がかりを与えることが期待される。 また,科学的思考力調査(CTSR)の正答率データをピアジェ的基準に基づく認知段階として分類し,これを科学的思考力(推論能力)の段階としてとらえて,ニュートン力学の基本概念理解との関係について分析を進めている。認知段階(科学的推論能力)に応じた教育的介入(方法)の重要性を示唆する結果が得られつつある。
|
今後の研究の推進方策 |
今後は,平成28年度までに集積したFCIおよびCTSRの調査データの詳細な分析を行う。 力学概念理解度調査(FCI)については,大規模データの全体的な様相の解析には項目応答曲線(Item Response Curves:略称IRC)分析をさらに進める。これは概念理解の発展を,個々の被検者の正答数(S)を理解度の指標に用いて分析するものである。我々のデータが与えるIRCの形状が米国の大規模調査でのそれらに極似していることを昨年度までに見出している。今年度はこれらの点をさらに詳細に分析し,IRCの形状から,誤概念の分布や概念理解の発展に伴うその克服の様相を分析する。 数千名規模の大規模データを要するIRCによる分析結果と数十ないし数百名規模のクラスデータとの見通しの良い比較を可能にする「項目(問)別正答率パターン」の手法を我々は昨年度案出した。FCI履修前テストと履修後テストのクラスデータから算出できる規格化ゲインGは授業の有効性の指標と考えられている。これらを用いて,アクティブラーニングの導入などがもたらす学習改善効果を評価する手法を提案する。 CTSRで得られる科学的思考力のデータは学習者にとって適切な授業内容や学習方式を選択する上で重要な情報と考えられる。平成29年度は,最新の基準でローソンテスト結果を評価し,それとFCIの規格化ゲインの関係について多面的な視点で分析を進めて,物理教育のあり方に対する指針を提案する事をめざす。 また,論文発表やセミナー開催などを通じて成果の外部への発信の強化を目指す。
|
次年度使用額が生じた理由 |
文房具などの購入の効率化を図った結果17,601円の使用残を生じた。
|
次年度使用額の使用計画 |
プリンターインクなど、必要が迫られている消耗部品の購入に充てる。
|